“Esqueçam o que escrevi?” Não é isso! Mas quem escreveu sobre inteligência artificial nos últimos dois anos vai ter que se explicar, eu inclusive. Em outubro de 2025, publiquei na Revista Engenharia um apanhado das boas práticas para escrever pedidos ao ChatGPT e a sistemas semelhantes. Boa parte daquilo os manuais oficiais deste ano mandam apagar.
Quem assistiu a algum curso ou vídeo sobre o assunto saiu de lá com um repertório de fórmulas. Escreva “pense passo a passo”. Peça ao sistema que “aja como um engenheiro sênior”. Dê três exemplos do formato que você quer. Mande conferir a resposta antes de responder. Funcionava, e funcionava por um motivo específico: os modelos daquela geração não quebravam um problema em partes sozinhos, e esse tipo de diretiva os obrigava a fazer isso. Os de hoje dividem e organizam o trabalho por conta própria. A instrução virou ruído, e ruído que cobra caro. No teste que a OpenAI divulgou junto com os manuais mais recentes, pedidos mais enxutos saíram entre 10% e 15% melhores e custaram de um terço a dois terços menos. O manual da Anthropic diz o mesmo com outras palavras.
Não é a primeira vez que um conhecimento técnico desaparece assim. Ninguém escreve à mão o método dos elementos finitos ao rodar uma análise estrutural. O método não foi desmentido em algum momento dos anos 1970; foi embutido no software, e quem hoje roda a análise não precisa montar a matriz de rigidez. Precisa de outra coisa: saber escolher as condições de contorno, reconhecer um resultado bonito e errado, e no limite assinar embaixo. O que a ferramenta absorveu foi o procedimento. O que ela não absorveu foram o julgamento e a responsabilidade, que nunca estiveram no procedimento.
Vale saber o caminho que a máquina percorre, do mesmo modo que vale saber o que o software de análise faz por dentro. O que mudou é que você deixou de escrever o percurso e passou a fornecer o alvo e a matéria-prima com que ele é construído.
Um exemplo. Chegou um relatório de vistoria de sessenta páginas e você quer um resumo. O pedido de 2024 seria mais ou menos assim: “resuma em cinco tópicos, seja objetivo, use linguagem formal”. O pedido que funciona hoje diz outra coisa. Diz para que serve o resumo, quem vai lê-lo, o que não pode faltar e o que caracteriza um resumo bom. Algo como: “preciso levar isto à reunião de terça com o cliente, que não é da área; o que interessa são as pendências que travam a liberação, com o custo estimado de cada uma; se alguma informação não estiver no relatório, avise que não está em vez de preencher a lacuna”.
O segundo pedido é maior e mais complexo que o primeiro, e isso costuma surpreender quem esperava um atalho. A diferença decisiva, porém, não está no tamanho, mas na natureza da informação fornecida. O primeiro descreve o formato e o modo de fazer. O segundo descreve a finalidade, e é ela que permite ao sistema resolver as centenas de pequenas decisões que ninguém teria paciência de especificar uma a uma. Escrever essa frase dá algum trabalho. Ela é o trabalho.
Chegamos então à pergunta que me interessa: qual era, afinal, o tamanho do problema que a engenharia de prompt resolvia? Os autores do AI Fluency Framework (modelo de fluência em IA), dividem o uso competente dessas ferramentas em quatro competências. Delegação, que é decidir o que transferir à máquina e o que reter. Descrição, que é enunciar o problema de modo que o outro lado consiga resolvê-lo. Discernimento, que é julgar o que voltou. Diligência, que é responsabilizar-se pelo que se assina. Escrever bons pedidos é uma parte da segunda. As outras três nunca foram sobre a máquina.
Isso teria pouca consequência prática enquanto essas ferramentas fossem caixas de conversa. Deixaram de ser. Produtos lançados no primeiro semestre de 2026 já não respondem perguntas: recebem uma tarefa, abrem os arquivos, consultam fontes, montam a planilha e devolvem o serviço horas depois, sem que ninguém acompanhe o meio do caminho. Enquanto a máquina redigia, um pedido malfeito custava uma tarde de retrabalho. Quando a máquina executa, o custo é de outra ordem, e ele recai sobre quem assinou.
É sobre as competências restantes que pretendo elaborar nas partes 2 e 3. A segunda parte tratará do que acontece antes de a máquina trabalhar: decidir o que entregar e como enunciar a tarefa. A terceira tratará do que vem depois, a etapa mais difícil e a única que não dá, ou não deveria dar, para terceirizar.
Referências
DIAS, George Paulus. Meia década de engenharia de prompt na prática da inteligência artificial. Revista Engenharia, Instituto de Engenharia, São Paulo, v. 666, p. 64-70, out. 2025. Disponível em: https://www.institutodeengenharia.org.br/site/2025/11/13/edicao-666/. Acesso em: 24 jul. 2026.
OPENAI. Prompting guidance for GPT-5.6. Jul. 2026. Disponível em: https://developers.openai.com/api/docs/guides/latest-model?model=gpt-5.6#prompting-best-practices. Acesso em: 24 jul. 2026.
ANTHROPIC. Prompting best practices. Documentação da Claude Platform, 2026. Disponível em: https://platform.claude.com/docs/en/build-with-claude/prompt-engineering/claude-prompting-best-practices. Acesso em: 24 jul. 2026.
DAKAN, Rick; FELLER, Joseph. AI Fluency Framework. Anthropic, 2025. Disponível em: https://www.anthropic.com/ai-fluency/overview. Acesso em: 24 jul. 2026.
* George Paulus Dias é engenheiro de produção pela Escola Politécnica da USP, mestre e doutor em Logística e Educação com Jogos. É empreendedor na área de sistemas de informação e educação. Acumulou 20 anos de experiência docente.
É conselheiro do Instituto de Engenharia onde também atua como vice-coordenador da DT de Inovação para Economia do Conhecimento e Educação”
*O conteúdo textual e as imagens utilizados neste artigo são de exclusiva responsabilidade do autor. As opiniões, informações e materiais aqui apresentados não refletem, necesariamente, o posicionamento do Instituto de Engenharia, que não se responsabiliza por seu conteúdo.
