A IA não adivinha, ela preenche lacunas (e é por isso que ela alucina)
A IA não adivinha, ela preenche lacunas (e é por isso que ela alucina)
Quando a IA gera "respostas genéricas", precisamos entender o que está por trás dos modelos. Apenas assim podemos otimizar seus resultados e ter ganhos reais com essa tecnologia.
Você provavelmente já passou por isso.
Pediu uma coisa pra IA, ela responde na hora, o texto vem bonito, organizado, cheio de bullet points.
Só que não serve pra nada.
A resposta está “certa”, mas é genérica.
Você lê, e pensa “eu escreveria melhor”, fecha a janela e faz na mão.
A conclusão natural é que a ferramenta ainda não está madura, ou que o seu caso é específico demais pra ela.
Na realidade o problema é outro.
Numa das turmas de treinamento de IA que a AutoU está dando dentro de grandes empresas, o Alexandre Canellas, nosso líder técnico, mostrou ao vivo por que isso acontece.
E o mais interessante foi ver o mesmo modelo, na mesma sessão, entregar uma resposta inútil e depois uma resposta pronta pra enviar.
A diferença não estava na ferramenta nem no modelo em si.
Até o fim desse artigo você vai entender:
* por que a IA responde genérico, e por que a alucinação é o mesmo mecanismo levado mais longe;
* a estrutura de quatro blocos que transformou a resposta ao vivo, com o prompt real da aula;
* a regra pra saber quando vale dar contexto e quando é perda de tempo.
1. O teste
O Alexandre abriu o Gemini e digitou, de propósito, o pedido mais genérico possível:
“Me escreva um e-mail padrão de orçamento para cliente.”
A IA devolveu um email completo em segundos. Assunto “Proposta de orçamento”, uma abertura educada, seções de detalhamento, resumo, próximos passos. Tudo em bullet points.
Ninguém na turma mandaria aquele email pra um cliente de verdade.
Aí ele fez a pergunta que desfaz a confusão: O que a IA tinha pra trabalhar?
Ele não tinha dito o que estava orçando, pra quem, em que tom e em que formato queria a resposta.
2. O que a IA faz com o que você não disse
O mecanismo é simples, e vale guardar porque explica quase tudo que vem depois.
A IA nunca gera informação do nada. Ela sempre gera a partir do que tem de referência.
Quando você não dá contexto, ela não para pra perguntar. Ela preenche a lacuna com a referência que tem, que num modelo generalista é a média de tudo que ele já viu na internet sobre aquele assunto.
No caso do email, a referência eram milhares de emails de orçamento, artigos de “como escrever email comercial” e modelos prontos. Ela pegou tudo isso, identificou o padrão e devolveu o mais provável.
Só que o mais provável, por definição, é o genérico.
→ A resposta genérica não é um defeito do modelo, é a média da internet ocupando o espaço que você deixou vazio.
Um detalhe que o Alexandre apontou e que eu nunca tinha reparado: O excesso de bullet points é sintoma disso. Quando a IA tem pouca referência, ela tende a responder em tópicos. Quando tem contexto, prefere texto corrido, com a sua cara.
3. A alucinação é o mesmo mecanismo, só que mais longe
Uma pessoa da turma perguntou, com toda a razão, o que era alucinação. A explicação do Alexandre foi mais simples do que eu esperava.
Alucinação é quando a lacuna que você deixou é grande demais, e a IA, tentando preencher, começa a falar de outra coisa.
O exemplo que ele usou foi um roteiro de viagem. Você pede um roteiro de viagem pensando numa viagem de trabalho, a IA não sabe disso e monta um roteiro turístico. Tangencia o que você pediu, mas não é aquilo.
E tem um agravante que pouca gente percebe, porque acontece aos poucos.
Quando você tenta corrigir, a correção entra na conversa junto com o erro. A janela de contexto agora carrega o seu pedido, a resposta errada e a sua correção. Chega um ponto em que a IA fica sem referência boa pra continuar, e a conversa não volta mais.
Nesse ponto, o caminho mais curto é abrir uma conversa nova e especificar melhor desde o início. Insistir na mesma conversa costuma piorar.
4. A estrutura que resolveu
Depois disso, o Alexandre abriu um chat novo, no mesmo modelo, e reescreveu o pedido em quatro blocos. O prompt, como foi digitado na aula:
Persona: Você é o responsável comercial de uma empresa de engenharia elétrica, com tom profissional porém próximo do cliente.
Contexto: O cliente pediu um orçamento de instalação de sistema de energia solar fotovoltaica em um galpão comercial de 500 m². Já enviamos a proposta técnica na semana passada e ainda não tivemos retorno.
Instrução: Escreva um e-mail de follow-up perguntando se há dúvidas sobre a proposta e reforçando o prazo de validade do orçamento.
Formato: E-mail curto, de até 100 palavras, com assunto sugerido.
A resposta veio em texto corrido, com assunto de follow-up, mencionando o projeto, perguntando se ficou dúvida e lembrando que as condições valem por 30 dias.
Dava pra mandar com um ou dois ajustes.
Mesmo modelo, mesma sessão. A única coisa que mudou foi o que ele deu pra IA trabalhar.
Dos quatro blocos, o contexto é de longe o mais importante. É ele que tira a IA da média e coloca ela na sua realidade.
O formato é o bloco que mais gente pula. Se você não diz como quer a resposta, ela escolhe por você. Na AutoU já tivemos projeto em que o formato importava tanto quanto o contexto, porque a resposta ia direto pra dentro de um sistema e precisava sair estruturada, não em texto corrido.
5. O truque pra nunca esquecer a estrutura
O Alexandre deu uma regra que dispensa decorar template.
Antes de escrever o prompt, se coloque no lugar da IA.
Se um colega chegasse na sua mesa e dissesse “me escreve um email de orçamento”, o que você perguntaria de volta?
Orçamento do quê? Pra quem? Cliente novo ou antigo? Formal ou próximo? Curto ou detalhado?
Essas perguntas são o seu prompt. A diferença é que você responde elas antes, em vez de deixar a IA inferir.
6. “Tenho preguiça de passar tanta instrução”
A parte mais honesta da aula veio de uma pessoa do comercial:
“Sendo bem honesta, eu tenho um pouquinho de preguiça de passar tanta instrução pra escrever um e-mail. Normalmente eu escrevo do meu jeito e só peço pra IA melhorar.”
E ela tem razão, pelo menos em parte.
Pra um email pontual, escrever do seu jeito e pedir pra melhorar já resolve. Quando você escreve, você já colocou a persona, o contexto e o exemplo dentro do próprio texto. A IA só valida.
A estrutura de quatro blocos vale pra outra situação: a tarefa que se repete.
Aí a lógica inverte. Você escreve a instrução uma vez, deixa salva como instrução do seu agente (Copilot, ChatGPT e Claude têm isso, cada um com um nome) e toda conversa nova já nasce com aquele comportamento.
Nas palavras dele:
“Eu escrevo isso uma vez, deixo numa seção do meu agente, e toda vez que eu interagir com ele, ele usa esse formato como instrução.”
Outra pessoa da turma complementou com a versão caseira. Ela deixa uma conversa fixa só pra emails, com o prompt no início, e vai jogando os pedidos ali. A IA aprende o padrão dela com o tempo.
→ Quanto mais a tarefa se repete, mais vale escrever a instrução uma vez e nunca mais.
7. Quatro detalhes que ninguém te conta
Da mesma aula, quatro coisas que mudam como você usa a ferramenta:
1. Tudo vira token, e token é o que você paga.
“Inovação com Inteligência Artificial” tem 4 palavras, 36 caracteres e 7 tokens. Token não é palavra nem letra, é a unidade que o modelo usa pra medir esforço, cobrar e limitar. A janela de contexto, que é o quanto cabe numa conversa, é contada assim, somando o que você escreve e o que ela responde. Hoje é o principal limitador no uso de qualquer modelo.
2. Prompt longo não é prompt melhor.
Um prompt de 2.000 linhas pode render o mesmo que um de 10. E tem um efeito colateral: em prompts muito longos, a IA prioriza o final e vai esquecendo o começo. Se a instrução mais importante está na primeira linha de um texto enorme, ela pode simplesmente ser ignorada.
3. Dois ou três exemplos bastam.
Mostrar um ou dois emails seus como exemplo ajuda muito; mostrar dez atrapalha, porque com exemplos demais a IA engessa e copia um deles em vez de gerar algo novo com o seu padrão.
4. Peça o raciocínio, não só a resposta.
Pedir pra IA explicar o passo a passo força ela a parar e checar se o que vai gerar ainda responde o que você pediu. E te dá uma vantagem que pouca gente usa: você passa a corrigir o raciocínio dela, não só o resultado final.
Key takeaway
A frase que resume a aula inteira veio do próprio Alexandre, e é o que eu mais repito quando falo de IA com gestores:
“O generalista vai te satisfazer até um nível. Mas pra resolver a dor do dia a dia, você precisa direcionar pro seu contexto. Se ficar no generalista, você bate no teto.”
A ferramenta é a mesma pra todo mundo, o ChatGPT que você usa é o mesmo que o seu concorrente usa.
O que muda o resultado é o contexto que só você tem. O seu processo, o seu cliente, o seu jeito de escrever, a regra da sua área.
E aqui tem uma coisa que vale mais do que o email em si:
Quem aprende a dar contexto numa conversa está treinando exatamente a habilidade que depois vira agente, automação e sistema. É a mesma lógica, só que escrita uma vez e rodando mil.
Pela lente de fora,
Lucas
PS. Na próxima edição, o que aconteceu quando colocamos o Copilot pra trabalhar dentro do Word, do Outlook, do Excel e do PowerPoint ao vivo, com 24 reuniões, 78 emails e uma apresentação de 5 slides pra fazer. E os dois lugares onde ele errou.
Se você tem alguém no time que vive dizendo que “a IA responde genérico”, encaminha esse artigo. É provavelmente o mecanismo que faltava.