Engenharia de
Prompts.

Prompt em português brasileiro não deve ser apenas uma tradução de template em inglês. O modelo entende português, mas a resposta muda bastante quando você informa país, público, canal, nível de formalidade e vocabulário esperado. Um prompt para relatório executivo no Brasil precisa soar diferente de um prompt para uma página de vendas americana. O leitor brasileiro costuma rejeitar exagero, promessa vaga e linguagem que parece tradução literal. Por isso, inclua contexto cultural quando o output for usado com clientes, alunos, pacientes, candidatos, leads ou equipes locais.

Um bom prompt brasileiro responde três perguntas antes da tarefa: quem vai ler, onde o texto será usado e qual é o risco de errar o tom. Uma mensagem de WhatsApp para venda consultiva pode ser curta, direta e com ritmo de conversa. Um parecer jurídico precisa ser preciso, formal e cuidadoso com afirmações. Um briefing de SEO para uma empresa brasileira deve considerar Google Brasil, termos locais, sazonalidade como Carnaval, Black Friday, ENEM, férias escolares e datas comerciais regionais. Quando esse contexto falta, o modelo entrega uma resposta correta na superfície, mas genérica demais para produzir resultado.

A forma mais simples de melhorar é adicionar uma linha de restrição: "Escreva em português brasileiro natural, sem tom traduzido, sem frases de marketing vazias e com exemplos aplicáveis ao Brasil". Para conteúdo profissional, adicione também o setor, o tamanho da empresa, o público e o canal. Para educação, informe o nível do aluno, a prova, a região e o tipo de linguagem permitido. Para saúde, finanças ou direito, peça que o modelo sinalize incertezas e evite aconselhamento definitivo sem dados suficientes. Engenharia de prompts não é só fazer o modelo responder. É fazer o modelo respeitar o contexto em que a resposta será usada.

Também existe uma diferença entre prompt para raciocinar e prompt para publicar. Quando você quer raciocínio, peça alternativas, hipóteses, critérios e trade-offs. Quando você quer texto final, peça clareza, formato, limites, exemplos e revisão contra clichês. Misturar os dois objetivos na mesma mensagem costuma gerar output inchado: o modelo explica demais quando deveria entregar, ou entrega cedo demais quando deveria analisar. Em fluxos profissionais, divida em etapas: primeiro diagnóstico, depois estrutura, depois rascunho, depois revisão. Essa sequência reduz erro e facilita controle de qualidade.

Para equipes, o padrão mais seguro é criar uma biblioteca interna de prompts com versão, dono e exemplo de output bom. Um prompt que funciona para uma campanha, um atendimento ou uma análise financeira deve ser salvo com contexto: modelo usado, objetivo, dados de entrada e critérios de aprovação. Sem isso, cada pessoa reinventa o prompt do zero e a empresa perde consistência. Com isso, a engenharia de prompts vira processo operacional: qualquer pessoa consegue melhorar um template, comparar resultados e detectar quando uma atualização de modelo mudou o comportamento.

Outro ponto importante é definir critérios de aceite antes de pedir a resposta. Em vez de escrever "crie um bom plano", escreva o que torna o plano bom: prazo realista, etapas claras, responsáveis, riscos, custo aproximado e primeiro passo executável. Em vez de pedir "melhore este texto", diga se a melhoria deve priorizar clareza, conversão, credibilidade, concisão ou adequação ao público. O modelo responde melhor quando sabe como será avaliado. Isso vale para prompts simples e para fluxos complexos de empresa.

No Brasil, também vale considerar a mistura natural entre português e termos de mercado. Em tecnologia, vendas, marketing e produto, palavras como briefing, pipeline, ticket, churn, lead, sprint e stakeholder aparecem no dia a dia. Forçar tradução completa pode deixar o texto artificial. Ao mesmo tempo, excesso de inglês pode afastar leitores fora de ambientes corporativos. A instrução mais prática é pedir "use português brasileiro natural, mantendo termos em inglês apenas quando forem comuns no mercado". Isso dá ao modelo uma regra clara para equilibrar precisão e naturalidade.

Por fim, bons prompts deixam espaço para o modelo discordar. Se você pede apenas confirmação, recebe confirmação. Se pede crítica, lacunas e alternativas, recebe uma resposta mais útil. Para trabalho sério, adicione frases como "aponte riscos", "não assuma dados que não forneci", "diga quando a informação for insuficiente" e "sugira uma pergunta de esclarecimento antes de responder se houver ambiguidade". Esse tipo de instrução reduz respostas bonitas porém frágeis.