A Arte de Perguntar
Sócrates não dava respostas. Ele fazia perguntas. A IA inverte isso — e você precisa ser o Sócrates.
Sócrates não dava respostas. Ele fazia perguntas — até que a verdade emergisse do próprio interlocutor. O método socrático parte de uma premissa radical: a pergunta certa é mais valiosa que a resposta certa.
A IA inverte essa dinâmica. Ela tem respostas. Muitas. Rápidas. Frequentemente convincentes. O seu trabalho, agora, é ser o Sócrates: formular as perguntas com suficiente precisão para que as respostas que emergem sejam genuinamente úteis.
Isso é o que o mundo chama de "prompt engineering". O Burrinho prefere chamar de a arte de perguntar.
Por que a pergunta determina o resultado
Você já deve ter experimentado isso: faz uma pergunta vaga ao Claude e recebe uma resposta genérica. Reformula com mais precisão e a resposta melhora dramaticamente. Não é que o modelo ficou mais inteligente — é que você comunicou melhor o que precisa.
A IA opera dentro do espaço que a sua pergunta define. Se a pergunta é larga, o espaço é largo — e o modelo vai para o centro, que geralmente é o lugar mais seguro e genérico. Se a pergunta é precisa, o espaço é estreito — e o modelo vai ao lugar exato onde você quer chegar.
Pense assim: você contratou o melhor assistente do mundo. Esse assistente é incrivelmente competente — mas não tem contexto sobre você, seu trabalho, seus objetivos, suas preferências. Cada prompt é o seu briefing para ele. Um briefing ruim produz trabalho ruim, mesmo com o melhor profissional.
Os elementos de um prompt que funciona
Ao longo de meses usando IA intensivamente, o Burrinho identificou seis elementos que transformam prompts mediocres em prompts excelentes. Você não precisa usar todos em todo prompt — mas saber quais estão faltando explica por que o resultado decepcionou.
Elemento 1 — Contexto: Quem você é, qual é a situação, o que você já sabe. Sem contexto, o modelo assume o genérico. Ex: em vez de "escreva um e-mail", diga "Sou analista de projetos e preciso informar meu gerente que o prazo vai atrasar duas semanas por razões técnicas fora do meu controle."
Elemento 2 — Tarefa: O que você quer que o modelo faça. Seja específico sobre a ação. "Analise", "escreva", "liste", "explique como se eu tivesse 12 anos", "argumente o lado contrário ao que acredito".
Elemento 3 — Formato: Como você quer a resposta. Em tópicos? Em prosa? Máximo de 200 palavras? Como uma tabela comparativa? No tom de uma carta formal? O modelo se adapta — se você pedir.
Elemento 4 — Restrições: O que você quer evitar. "Sem jargão técnico", "sem usar a palavra impacto", "não proponha soluções que envolvam mais de 2 horas de trabalho semanal". Sempre que possível, combine o que evitar com uma instrução positiva do comportamento desejado: "use frases curtas e palavras do dia a dia" costuma funcionar melhor do que só "não use jargão".
Elemento 5 — Exemplos: Especialmente poderosos quando você precisa calibrar estilo, formato ou padrão de qualidade. "Quero um texto no estilo deste parágrafo: [exemplo]." O modelo calibra o tom, o nível e o estilo com muito mais precisão com um exemplo do que com qualquer descrição.
Elemento 6 — Evidência (a resposta ao M2): diga em que material o modelo deve se apoiar. "Use apenas o documento abaixo." "Cite o trecho exato que sustenta cada conclusão." "Quando não encontrar, diga: não localizado." "Separe fatos, inferências e sugestões." Perguntar bem melhora a utilidade; pedir evidência é o que começa a proteger a verdade.
A conversa iterativa — o segredo que a maioria não usa
A maioria das pessoas usa a IA como uma máquina de pesquisa: faz uma pergunta, recebe uma resposta, parte. Isso deixa grande parte do potencial da interação sem uso.
O modo mais poderoso é a conversa iterativa: você começa com um prompt, avalia a resposta, e então refina — "isso estava quase certo, mas preciso que seja mais conciso e remova a parte sobre X" — e refina o que ainda não funcionou. Em muitas tarefas, algumas rodadas melhoram bastante o resultado — mas o objetivo não é insistir até a perfeição, e sim chegar a uma resposta útil, verificável e proporcional ao esforço.
É exatamente como trabalhar com um humano talentoso: raramente o primeiro rascunho é o final. A magia está na colaboração iterativa.
Mas iterar não é insistir para sempre. Quando a resposta não melhora, mude a estratégia: forneça uma fonte, divida a tarefa em partes menores e verificáveis, comece uma nova conversa — ou reconheça que aquela tarefa pede outro método. Um bom prompt raramente é o mais longo; muitas vezes é uma sequência de pequenos passos que você consegue conferir.
E quando o resultado ainda não está certo, em vez de reformular aleatoriamente, pergunte ao próprio modelo: "O que na minha pergunta poderia ser mais claro para você me dar uma resposta melhor?" Trate a sugestão dele como uma hipótese, não como um diagnóstico confiável — o modelo não tem acesso garantido às próprias causas de falha. A verificação de verdade é testar a nova instrução e comparar os resultados.
"A IA pode multiplicar respostas em escala astronômica. Mas ela não assume a responsabilidade pela pergunta escolhida, pelo propósito da investigação, nem pelas consequências da decisão. Formular, julgar e responder pelo uso da resposta continua sendo uma tarefa humana. O prompting é o exercício dessa responsabilidade."
Depois desta resposta, o que acontece? Peça à IA as consequências das consequências.
A pergunta que mais importa não é "o que a IA consegue fazer", e sim "o que vale a pena eu perguntar" — e isso nasce do seu porquê.
A transformação em 3 rounds:
Pense numa tarefa real que você precisa fazer esta semana — uma análise, um texto, uma decisão a tomar.
Round 1: Escreva o prompt mais simples possível. Uma frase. Envie. Anote o resultado.
Round 2: Reescreva o prompt incluindo os elementos (contexto, tarefa, formato, restrições, exemplo e evidência). Envie. Compare.
Round 3: Com base na resposta do Round 2, refine: "Isso estava bom, mas preciso que..." Observe a diferença entre o Round 1 e o Round 3.
A maioria das pessoas, ao fazer esse exercício, fica surpresa com a magnitude da diferença. Não é a IA que mudou — é a qualidade da pergunta.
A ponte para o próximo módulo: perguntar bem aumenta a utilidade — mas não garante a verdade. No M4, "O que a IA não sabe", aprendemos a verificar, comparar fontes e reconhecer a incerteza. É a camada que fecha o risco que o M2 abriu.
A arte de perguntar bem não se aplica só à IA. Em quais áreas da sua vida — com pessoas, em reuniões, em negociações — perguntas mais precisas mudariam os resultados? O que este módulo sobre prompts te diz sobre a qualidade das suas perguntas cotidianas?
As ideias de evidência e grounding deste módulo se aprofundam no M4 — "O que a IA não sabe" —, onde aprendemos a verificar, comparar fontes e reconhecer a incerteza.
Módulo 3 concluído?
Marque quando terminar a leitura e o exercício. Seu progresso é salvo localmente.