Introdução
Este artigo visa mostrar como Prompt Engineering melhora respostas de IAs, sendo uma estratégia fundamental para aprimorar a interação com IAs generativas, garantindo resultados mais precisos e alinhados às necessidades dos profissionais. Este artigo explora técnicas eficazes para estruturar prompts, como RTF e CREATE, além de boas práticas para refinar e encadear solicitações, tornando a IA uma aliada poderosa no dia a dia dos arquitetos e urbanistas.
Visto que a inteligência artificial (IA) tem se tornado uma ferramenta essencial para arquitetos e urbanistas, auxiliando na análise de dados, na otimização de processos e na criação de soluções inovadoras para o planejamento urbano. No entanto, a qualidade das respostas geradas por essas ferramentas depende diretamente da forma como as solicitações são formuladas. Para entender melhor este contexto, sugiro ler o artigo: Profissional de Projetos e IA: Desafios e Oportunidades.
Técnicas e Estratégias para Elaborar Prompts Eficazes
Atualmente, muitos profissionais utilizam inteligência artificial (IA) para agilizar tarefas diárias e auxiliar na tomada de decisões. No entanto, desafios comuns surgem ao interagir com essas ferramentas, como:
- Respostas vagas ou desestruturadas;
- Respostas desalinhadas com as expectativas;
- “Alucinação” da IA (geração de informações incorretas);
- Informações desatualizadas;
- Informações conflitantes;
- Respostas incompletas ou confusas;
- Dificuldade da IA em “entender” corretamente a solicitação.
A solução para esses problemas está na elaboração cuidadosa de prompts e na adoção de técnicas específicas para orientar a IA de maneira eficaz, o Prompt Engineering melhora respostas de IAs visto que traz algumas abordagens fundamentais que incluem:
1. Forneça instruções detalhadas
Quanto mais informações relevantes forem inseridas no prompt, melhor a IA conseguirá analisar e responder de forma adequada. Evite generalizações e seja claro sobre o que deseja obter.
2. Utilize Estruturas como RTF e CREATE
A técnica RTF (Role, Task, Format) estrutura a solicitação para garantir respostas mais alinhadas com as expectativas.
- Role (Papel): Define a perspectiva da IA ao responder. Exemplo: historiador, consultor de negócios, redator publicitário.
- Task (Tarefa): Especifica a ação desejada. Exemplo: explicar um evento histórico, sugerir estratégias de marketing.
- Format (Formato): Define a estrutura da resposta. Exemplo: lista de marcadores, resumo, diálogo.
Exemplo:
“Atue como um historiador e descreva as causas da Revolução Francesa em uma lista de marcadores.”
A técnica CREATE (Character, Specific Requests, Examples, Adjustments and Constraints, Types of Output, Evaluation Criteria) é ideal para problemas complexos.
- Character (Personagem): Define o papel da IA (ex: consultor financeiro).
- Specific Requests (Solicitações Específicas): Detalha o pedido (ex: “explique a crise de 2008”).
- Examples (Exemplos): Mostra modelos esperados.
- Adjustments and Constraints (Ajustes e Restrições): Define limitações (ex: “use apenas dados pós-2010”).
- Types of Output (Tipos de Saída): Formato desejado (ex: artigo, lista, resumo).
- Evaluation Criteria (Critérios de Avaliação): Como a resposta será julgada (ex: “deve ser clara e concisa”).
Exemplo:
“Atue como um urbanista especializado em sustentabilidade e desenvolva um plano para reduzir a pegada de carbono de uma cidade de médio porte, utilizando como referência iniciativas de Copenhague e Vancouver. Apresente as propostas em um relatório estruturado.”
3. Evite confiar cegamente na IA
A IA gera respostas com base em padrões estatísticos identificados nos dados em que foi treinada. Isso significa que, em alguns casos, pode apresentar informações imprecisas ou até completamente erradas, fenômeno conhecido como “alucinação”. Essas alucinações ocorrem porque a IA tenta preencher lacunas de informação de maneira coerente, mas sem necessariamente verificar a veracidade dos dados. Por isso, é essencial sempre validar as respostas em fontes confiáveis antes de utilizá-las, principalmente em contextos acadêmicos, profissionais e decisórios.
4. Forneça contexto suficiente
A qualidade da resposta depende diretamente do contexto fornecido. Para garantir que a IA compreenda corretamente a solicitação e ofereça uma resposta mais precisa, inclua detalhes como local, período histórico ou temporal, público-alvo, restrições específicas e qualquer outra informação relevante. Quanto mais rico o contexto, maior a chance de obter uma resposta alinhada com as expectativas.
5. Releia e refine seu prompt
Revisar e refinar o prompt antes de enviá-lo é essencial para identificar ambiguidades, melhorar a clareza e garantir que a IA compreenda corretamente a solicitação. Esse processo ajuda a evitar interpretações equivocadas e aprimora a precisão das respostas.
6. Use encadeamento de prompts
Para lidar com problemas complexos ao interagir com a IA, divida a solicitação em pequenas etapas. Essa abordagem permite que cada fase seja aprofundada antes de avançar para a próxima, garantindo maior precisão e coerência na resposta. Por exemplo, se deseja um relatório sobre planejamento urbano sustentável, primeiro peça uma análise de desafios urbanos, depois sugestões de soluções e, por fim, a estruturação do relatório com base nas respostas anteriores. Dessa forma, o encadeamento de prompts cria um processo estruturado que conduz a um resultado mais detalhado e bem fundamentado.
7. Itere e refine continuamente
Se a resposta não estiver satisfatória, refine progressivamente o prompt, fazendo ajustes pontuais com base no retorno obtido. Reavalie cada interação para identificar possíveis lacunas ou ambiguidades e reformule a solicitação de forma mais clara e direcionada. Caso necessário, forneça exemplos adicionais, especifique o formato desejado da resposta ou divida a solicitação em etapas menores, garantindo um refinamento contínuo até atingir o resultado ideal.
Conclusão
Dominar a arte da escrita de prompts é fundamental para extrair o máximo potencial das inteligências artificiais. A adoção de técnicas estruturadas como RTF e CREATE, aliada a boas práticas como a revisão e o encadeamento de prompts, garante respostas mais precisas, claras e úteis. Assim, é possível transformar a interação com a IA em uma ferramenta verdadeiramente eficiente para a resolução de problemas e apoio na tomada de decisão. Lembre-se o investir no Prompt Engineering melhora respostas de IAs!
Referências
BROWN, Tom et al. Language Models are Few-Shot Learners. arXiv preprint arXiv:2005.14165, 2020. Disponível em: https://arxiv.org/abs/2005.14165. Acesso em: 06 mar. 2025.
GOMEZ, César Ferri; PUJOL, Oriol; RENDERS, Jean-Marc. Prompt Engineering for Large Language Models: Beyond the Basics. 2023. Disponível em: https://arxiv.org/abs/2306.17523. Acesso em: 06 mar. 2025.
OPENAI. Best Practices for Prompt Engineering with GPT-4. 2023. Disponível em: https://help.openai.com/en/articles/6825453-best-practices-for-prompt-engineering. Acesso em: 06 mar. 2025.
Leia também:
Autor
-
Certificada PMI® PMP® em gestão de projetos, consultora em gestão de projetos para implementação de processos para maior produtividade e engajamento da equipe, possui larga experiência na elaboração e execução de projetos residenciais, comerciais e institucionais, atua no mercado de trabalho desde 2001 e como docente no ensino superior há mais de 10 anos. Doutora (2019) e Mestre (2014) em Arquitetura e Urbanismo pelo Programa de Pós-graduação em Arquitetura e Urbanismo da Universidade Presbiteriana Mackenzie. Arquiteta e Urbanista formada pela Universidade São Judas (2000) e especialista em Criação Visual e Multimídia pela mesma universidade (2003).
Ver todos os posts