Um prompt sofisticado não salva um problema mal definido. Entenda por que formular o problema vem antes do prompt e como
Quando uma resposta de IA vem genérica, a primeira reação costuma ser mexer no prompt. Adicionamos persona, contexto, restrições, formato, exemplos. Às vezes funciona. Muitas vezes estamos só refinando a instrução de um problema que continua mal definido.
Escrever um prompt e formular um problema são coisas diferentes. O prompt é a interface. O problema é a matéria-prima. E nenhuma interface compensa matéria-prima ruim.
A tese deste artigo é simples: a competência que mais diferencia quem usa IA bem não é dominar técnicas de prompt. É transformar uma demanda vaga em uma pergunta de trabalho. Por isso, aprender como formular problemas para IA rende mais do que colecionar modelos de prompt.
Demandas vagas produzem respostas vagas
Considere três pedidos comuns:
- "Crie uma estratégia de vendas."
- "Melhore esse processo."
- "Faça um plano para reduzir turnover."
A IA responde aos três. O problema é que cada um admite dezenas de interpretações. Qual produto? Qual público? Qual gargalo? Qual prazo? O que já foi tentado? Qual o orçamento? Que comportamento está gerando o turnover?
Se essas perguntas ficam sem resposta, a IA preenche as lacunas com suposições médias. O resultado sai coerente e inútil ao mesmo tempo, e quem pediu conclui que "a IA não entende o nosso negócio".
Por que isso ficou mais importante com a IA
Antes, uma demanda vaga passava por pessoas que faziam perguntas de volta: o analista que pedia mais contexto, o gestor que questionava o escopo. A IA raramente faz isso por conta própria. Ela aceita a pergunta como veio e entrega algo plausível.
Isso desloca o esforço para quem pergunta. A IA não reduz a importância de pensar; aumenta o valor de quem pensa melhor antes de pedir.
O que é um problema bem formulado
Um problema bem formulado separa o que está acontecendo do que se deseja, explicita o que impede o resultado e deixa claro como uma boa solução será reconhecida. Um jeito simples de chegar lá é escrever quatro linhas antes de abrir qualquer ferramenta.
Situação → Tensão → Resultado → Critérios
- Situação: onde estamos, descrito com fatos observáveis, sem citar a solução desejada.
- Tensão: o que está impedindo o resultado. É aqui que mora o problema de verdade.
- Resultado: o que precisa mudar. "Melhorar" não é resultado; "reduzir o tempo de preparação sem perder personalização" é.
- Critérios: as condições que a solução precisa respeitar: prazo, orçamento, privacidade, sistemas disponíveis, regras legais, aprovação humana.
Um exemplo, antes e depois
Imagine uma empresa hipotética cujo time comercial tem 14 vendedores, cada um preparando propostas do seu jeito. O pedido inicial é: "Use IA para melhorar nossas propostas."
Formulado com as quatro linhas:
- Situação: cada vendedor monta propostas em um modelo diferente, com informações copiadas manualmente do CRM.
- Tensão: há retrabalho, inconsistência de preço e de escopo e demora na aprovação.
- Resultado: reduzir o tempo de preparação e padronizar a qualidade.
- Critérios: preservar a personalização por cliente, usar dados do CRM e exigir revisão humana antes do envio.
Agora existe algo que pode virar um caso de uso de IA. O primeiro pedido só podia virar um texto genérico.
O atalho que mais engana: começar pela ferramenta
Outro erro recorrente é formular o problema a partir da solução já comprada:
- "Temos Copilot. Onde usamos?"
- "Compramos ChatGPT. O que automatizamos?"
Essa lógica força tecnologia em lugares que talvez não precisem dela. O caminho mais robusto é o inverso: identificar fricções reais do trabalho e só depois perguntar qual combinação de processo, automação, IA e decisão humana resolve melhor cada uma. A ferramenta vem depois. O problema vem primeiro.
Problemas grandes precisam ser quebrados
Alguns problemas não cabem em quatro linhas porque são, na verdade, vários problemas juntos. "Reduzir turnover" pode envolver recrutamento, liderança, remuneração e carga de trabalho. Nesses casos, formular bem inclui decompor o problema complexo em partes que possam ser investigadas uma a uma.
Um teste rápido de prontidão
Antes de abrir a ferramenta, veja se consegue responder "sim" a estas perguntas:
- Consigo descrever o problema sem citar uma solução?
- Sei quem sente o problema e quem decide?
- Sei como vou reconhecer uma boa resposta?
- Tenho exemplos ou dados reais para dar contexto?
Se várias respostas forem "não", a próxima etapa não é escrever o prompt. É continuar investigando.
A boa formulação acaba com o prompt infinito
Quando o problema está claro, o prompt tende a ficar mais simples. Você não precisa empilhar técnicas para compensar falta de contexto. A conversa também muda de natureza: a IA passa a ajudar a testar hipóteses e comparar alternativas, não só a produzir texto.
Por isso, formular problemas é uma das bases da alfabetização em IA e uma expressão direta de pensamento crítico aplicado à IA. Decorar estruturas de prompt envelhece rápido. Saber formular problemas, não.
Perguntas frequentes
Um prompt mais detalhado sempre gera resposta melhor?
Não. Detalhe irrelevante pode até piorar o resultado. O que mais pesa é clareza sobre objetivo, contexto, restrições e critérios.
Como saber se estou atacando a causa ou o sintoma?
Pergunte repetidamente "o que faz isso acontecer?" e procure evidências para cada resposta. Se a solução proposta só reduz o efeito sem mudar o mecanismo, provavelmente você está no sintoma.
Posso usar a própria IA para formular o problema?
Sim. Peça que ela faça perguntas diagnósticas, liste premissas e proponha hipóteses antes de responder. Mas valide tudo com dados e com quem conhece o contexto.
Próximo passo
Se respostas genéricas e retrabalho com IA já são um padrão na sua equipe, provavelmente o gargalo está na formulação, não na ferramenta. Nos treinamentos da Decoding, a IA entra depois do problema bem definido: conheça os programas corporativos e leve desafios reais da sua equipe para a prática.
