Engenharia de prompt: como escrever instruções que fazem a IA responder certo

"Engenharia de prompt" soa como um cargo inventado, mas é uma habilidade concreta: a diferença entre pedir algo pra uma IA generativa e pedir do jeito que ela consegue realmente entender e executar bem. Duas pessoas usando o mesmo modelo — ChatGPT, Claude, Gemini, tanto faz — podem ter experiências completamente diferentes, e o motivo quase nunca é o modelo. É o prompt.

Isso importa além da curiosidade pessoal: toda automação de atendimento, todo chatbot, toda ferramenta interna que "usa IA" depende de um prompt bem escrito por trás. Prompt ruim não é feio — é a automação prometendo uma coisa e entregando outra.

1. Contexto explícito vence instrução vaga

"Escreva um texto sobre nosso produto" e "Escreva uma descrição de produto de 3 frases, tom direto, destacando o diferencial de garantia de 5 anos, para um cliente que já está comparando preço" são pedidos radicalmente diferentes — mas muita gente escreve o primeiro e se frustra com o resultado genérico. A IA não sabe o que você não disse. Quanto mais contexto relevante entra no prompt (público, tom, restrição, objetivo), menos ela precisa "adivinhar" — e adivinhar é exatamente onde a resposta genérica nasce.

2. Mostre o formato que você quer (few-shot)

Descrever um formato em palavras ("responda de forma objetiva") funciona pior do que mostrar um exemplo real do resultado esperado. Incluir um ou dois exemplos concretos no prompt — "aqui está uma resposta boa, siga esse padrão" — reduz drasticamente a variação entre execuções, principalmente quando o formato final importa (JSON estruturado, um tom de voz específico, um comprimento exato).

3. Diga o que a IA não deve fazer

Prompt bom não é só uma lista do que fazer — é também uma lista do que evitar. Num chatbot de atendimento, por exemplo, isso costuma incluir: não inventar prazo de entrega que não foi informado, não confirmar preço sem checar a tabela atual, não prometer o que a empresa não oferece. Sem essa restrição explícita, o modelo preenche a lacuna com algo plausível — e "plausível" não é o mesmo que "verdadeiro".

4. Divida tarefas complexas em passos

Pedir tudo de uma vez ("analise esse texto, resuma, extraia os pontos principais e sugira um título") tende a produzir um resultado mediano em cada etapa. Quebrar em passos sequenciais — primeiro resumir, depois extrair pontos, depois sugerir título com base no resumo — geralmente produz um resultado melhor em cada parte, porque o modelo não está tentando fazer quatro coisas ao mesmo tempo com a mesma atenção.

5. Teste com o caso difícil, não só com o caso ideal

Um prompt que funciona perfeitamente quando o cliente pergunta exatamente o que você esperava não prova nada. O teste de verdade é o cliente que pergunta torto, muda de assunto no meio, ou pede algo fora do escopo. Como já comentamos em o boss de IA de MIR5 e o que isso ensina sobre automação de verdade, a diferença entre automação boa e automação decorada aparece exatamente quando alguém sai do roteiro esperado — e é ali que um prompt mal testado quebra.

6. Prompt de sistema não é a mesma coisa que prompt de conversa

Em qualquer ferramenta que envolve uma IA "por trás" (um chatbot, um assistente interno, uma automação), existe geralmente um prompt de sistema — as instruções fixas que definem o comportamento — separado do que a pessoa digita na hora. É no prompt de sistema que entram as regras de negócio, o tom de voz da marca e as restrições de segurança. Confundir os dois, ou deixar tudo solto num único texto genérico, é uma causa comum de comportamento inconsistente.

Por que isso é a base de qualquer automação de atendimento

Já escrevemos sobre a diferença entre um chatbot de árvore de decisão e uma automação com IA de verdade em atendimento automatizado: como usar WhatsApp e IA sem parecer um robô chato. O que separa uma da outra, na prática, quase sempre é a qualidade do prompt por trás: quanto contexto de negócio ele carrega, quantas exceções já foram previstas, quanto ele foi testado contra pergunta fora do script. IA genérica com prompt genérico produz atendimento genérico — não importa quão avançado seja o modelo.

Conclusão

Engenharia de prompt não é sobre encontrar uma "palavra mágica" que destrava respostas melhores — é sobre comunicar contexto, formato e limite com a mesma clareza que você usaria pra instruir um funcionário novo que nunca viu o seu negócio antes. Quem trata prompt como detalhe técnico menor costuma pagar por isso na forma de automação que decepciona.

Na Lucerpy, construímos automações e chatbots com prompt pensado e testado pro seu negócio específico, não copiado de template genérico. Veja mais em nossos serviços de automação ou fale com a gente pra entender o que faria sentido pro seu caso.