13. Engenharia de Prompt

Em nossa primeira interação com a IA generativa, por meio do ChatGPT, pensamos se tratar de um novo mecanismo de busca na web, já que ambos apresentam uma única caixa de texto que fica aguardando digitarmos algo. A primeira coisa que digitamos foi uma palavra-chave: “Cibercultura”. Imediatamente, foi gerada uma definição para o termo:

A cibercultura refere-se ao conjunto de práticas, atitudes, comportamentos, valores, tradições, formas de expressão e modos de socialização que emergem a partir das interações dos indivíduos em ambientes digitais e das transformações tecnológicas que moldam a vida contemporânea. Esse conceito abrange uma ampla gama de fenômenos surgidos com a popularização da internet, das redes sociais, dos dispositivos móveis e de outras tecnologias da informação e comunicação, resultando na criação de novas dinâmicas culturais, econômicas, políticas e sociais. […] (OpenAI, 2024h)[1]

Nas interações seguintes, continuamos digitando uma ou duas palavras-chave, como se estivéssemos refinando o termo de busca. Não demorou para percebermos que não se tratava de um mecanismo de busca na web, já que não apresentava uma lista de links com documentos relacionados àquela palavra-chave.

Pensamos que a novidade estaria no formato de apresentação do conteúdo extraído da web: uma resposta direta, sem nos fazer perder tempo vasculhando as milhares de referências que os mecanismos de busca apresentam para que a/o própria/o usuária/o investigue até descobrir a resposta desejada. Passamos, então, a pedir informações ao ChatGPT: Quais são os pesquisadores brasileiros mais famosos da área de Cibercultura? Quais são as obras mais importantes sobre Cibercultura? Supúnhamos que deveríamos fazer perguntas que pudessem ser respondidas a partir do processamento de informações extraídas da web, tal como faz o Google Acadêmico. Todavia, estranhamos as respostas apresentadas, pois não eram as que estávamos esperando; a expectativa foi quebrada.

À época, o GPT 3.5 não havia processado muitos textos em português e, por isso, não tinha muitas informações sobre pesquisadoras/es brasileiras/os. Ainda desconhecíamos suas limitações; sequer conhecíamos a metáfora da “alucinação”, que se popularizou para caracterizar as informações incorretas geradas pela IA generativa. Naquele momento, ainda estávamos tentando entender o que aquela tecnologia era e para que servia.

Foi preciso insistir, realizar diversas interações e observar alguns exemplos de uso que inundavam nossas redes sociais para compreendermos gradualmente como interagir com a IA generativa. Ao longo de algumas semanas, fomos descobrindo como utilizá-la para nos apoiar em atividades acadêmicas, como revisar o texto de um artigo que estávamos escrevendo, propor uma atividade didática para a disciplina que estávamos lecionando, formular questões de múltipla escolha, gerar imagens para uma apresentação etc. Algum tempo depois, descobrimos que já havia sido criada uma área de estudo dedicada à interação com a IA generativa: “Engenharia de Prompt”. Algumas universidades no exterior já estavam ofertando cursos sobre esse tema.

13.1 – Engenhando um prompt

Como devemos interagir com um modelo de linguagem? O que podemos pedir? De que forma devemos escrever o prompt para obter respostas relevantes? Esses são alguns dos questionamentos que surgem ao utilizarmos as tecnologias generativas.

A qualidade da resposta gerada pela IA depende diretamente do prompt. Nesse sentido, o prompt funciona como um comando para a IA executar, uma espécie de “programação” em língua natural para fazer o modelo produzir a resposta desejada. A Engenharia de Prompt propõe uma abordagem sistemática para estruturar o prompt, orientando-nos a elaborar uma instrução objetiva, detalhada e estratégica. Um prompt mal elaborado pode resultar em respostas vagas, incorretas ou insatisfatórias. Em contrapartida, um prompt bem estruturado explora o potencial do modelo, possibilitando respostas mais alinhadas às expectativas da/o usuária/o.

A palavra engenharia remonta ao latim ingenium, “gênio, qualidade natural, talento, engenhosidade” (Silva; Montagner, 2012). Esse termo é formado pelo prefixo in– (“em, dentro”) e o verbo gignere, que tem origem na raiz indo-europeia *gen– (“gerar”); daí a leitura de ingenium como “o que nasce dentro da pessoa”, um talento inato. Historicamente, nas línguas românicas, engenho passou a designar artefatos e máquinas (inclusive de guerra), e, com o sufixo -aria, formou-se engenharia: a arte/ofício dos engenhos, hoje o campo voltado a conceber e realizar soluções técnicas. Desse percurso semântico resulta o sentido contemporâneo de engenharia como aplicação sistemática de ciência e técnica para resolver problemas concretos.

Engenhar um prompt implica refletir cuidadosamente sobre a tarefa que a IA deverá executar, fornecendo instruções precisas para aumentar a chance de obter o resultado esperado. Na prática, engenhar um prompt envolve:

• definir o objetivo a ser alcançado pela IA generativa;
• incluir informações detalhadas: contexto, restrições, formato da resposta, passo a passo, exemplos, papel de atuação da IA;
• refinar o prompt até atingir o resultado desejado.

Um prompt pode ser simples, como: “Explique a fotossíntese”, ou detalhado, como: “Você é um professor de biologia do ensino médio que está preparando uma aula sobre fotossíntese para estudantes do 2º ano que têm dificuldade com termos científicos complexos. Explique o processo passo a passo, empregando analogias simples, linguagem acessível e exemplos do cotidiano.” Enquanto o primeiro comando tende a gerar uma explicação genérica, o segundo fornece informações sobre o contexto, o público-alvo e o estilo de apresentação, resultando em uma resposta mais adequada às necessidades das/os estudantes e do/a professor/a.

Dominar a arte de criar prompts eficazes nos habilita a utilizar a IA generativa não como mero mecanismo de busca rápida por informações, mas como um poderoso recurso para a aprendizagem-ensino e para o desenvolvimento intelectual e profissional.

Apresentamos, a seguir, algumas recomendações para engenhar um prompt.

Defina uma tarefa para a IA realizar

Um bom prompt começa com a definição da tarefa a ser executada pela IA: explicar, definir, comparar, resolver, resumir, aplicar, analisar, avaliar, criar, entre outras; por exemplo: “Explique o ciclo da água”, “Crie uma história sobre o Saci” ou “Resuma o texto em anexo”. Sem uma tarefa explícita, a IA terá que deduzir o que deve fazer. Por exemplo, ao digitarmos apenas uma palavra-chave, ela presume que queremos uma definição para aquela palavra. Contudo, nem sempre a IA deduz corretamente o que a/o usuária/o deseja; por isso, é importante sempre explicitar a tarefa.

Forneça contexto e restrições

Se o objetivo for criar uma avaliação sobre a Revolução Francesa, evite pedir apenas: “Crie uma avaliação sobre a Revolução Francesa.” Além da tarefa, inclua o nível educacional, o grau de dificuldade, o formato das questões e outras informações relevantes: “Crie cinco perguntas abertas sobre a Revolução Francesa voltadas para estudantes do 9º ano do ensino fundamental, com nível de dificuldade intermediário, que incentivem a análise crítica e a compreensão dos principais eventos, causas e consequências. As perguntas devem abordar dimensões políticas, sociais e econômicas, considerando o impacto da Revolução na formação do mundo contemporâneo. Evite questões meramente factuais e incentive respostas interpretativas e reflexivas.”

Defina a estilística e o formato da resposta

Explicite as características desejada para a resposta. Se você deseja um resumo, informe o tamanho: uma frase, um parágrafo, ou um texto estruturado em seções. Se deseja uma definição ou explicação, ela deve ser formal, acessível, acadêmica ou bem-humorada? Se for um texto, é para um artigo ensaístico, uma postagem em rede social ou um roteiro para uma videoaula? O conteúdo deve ser contínuo, em tópicos, em quadro comparativo? É para criar uma apresentação, um documento, uma planilha xls? Essas indicações orientam a IA a gerar um conteúdo no formato desejado.

Defina um papel para a IA desempenhar

Pode-se atribuir um papel ou persona à IA. Por exemplo, em vez de simplesmente pedir “Explique a Teoria da Relatividade”, especifique: “Você é uma professora universitária de Física e seu objetivo é explicar a Teoria da Relatividade a um grupo de estudantes do primeiro ano da graduação, que ainda não têm familiaridade com conceitos avançados. Apresente a explicação em tom acessível, com uso de analogias e exemplos práticos.” Ao definir um papel para a IA, a resposta tende a refletir essa persona, incorporando o tom, o vocabulário e a abordagem típicos do papel indicado.

Use raciocínio em cadeia ou passo a passo

Solicitar que a IA explique seu raciocínio ou detalhe as etapas utilizadas na geração da resposta pode dar mais transparência ao processo. Essa estratégia revela a lógica da formulação, ajudando a avaliar a coerência e a fundamentação do conteúdo. Por exemplo:

• “Explique as etapas de raciocínio para criar um plano de aula de 50 minutos sobre o Processo de Abolição dos Escravos no Brasil, voltado ao 2º ano do ensino médio.”
• “Resolva o problema passo a passo: Se um carro percorre 60 km em 1 hora, quanto tempo levará para percorrer 150 km na mesma velocidade?”
• “Liste o passo a passo para identificar o tema principal de um parágrafo.”

Com as recomendações aqui apresentadas, você poderá engenhar prompts mais eficazes, obtendo resultados alinhados aos objetivos pretendidos. Como síntese das recomendações, podemos elaborar um modelo de como engenhar prompts:

Tarefa:	“Explique
Contexto:	os desafios da educação pública no Brasil
Detalhes:	com foco na escola básica
Formato:	em um texto de 4 parágrafos.
Papel:	Haja como se fosse um doutor em Educação.
Passo a passo:	Decomponha em fatores e discuta cada um deles, propondo possíveis soluções ou intervenções práticas para o problema discutido.
Restrições:	Limite a análise aos últimos 10 anos.
Exemplos:	O texto deve ser semelhante aos textos de relatórios de organizações educacionais como a UNICEF.”

 

Tarefa:	“Escreva uma resenha crítica
Formato:	com até 700 palavras
Contexto:	sobre o livro “1984”, de George Orwell.
Papel:	Haja como um crítico literário especializado em distopias.
Passo a passo:	Introduza o contexto do livro, analise seus principais temas e relacione-os com exemplos contemporâneos, concluindo com uma avaliação geral da relevância da obra.
Detalhes:	Aborde o impacto do autoritarismo retratado no livro em relação ao cenário tecnológico, social e político atual.
Restrições:	Evite spoilers específicos que não sejam necessários para a análise.
Exemplos:	O estilo deve lembrar as críticas publicadas em revistas literárias como The New Yorker.”

 

Tarefa:	“Liste
Contexto:	possibilidades de aplicação da inteligência artificial generativa no contexto da disciplina Projeto de Interiores do curso de graduação em Arquitetura.
Detalhes:	Identifique ao menos cinco aplicações práticas que possam ser incorporadas às atividades da disciplina, como criação de layouts, escolha de materiais, visualização de ambientes, desenvolvimento de projetos etc.
Formato:	Apresente as ideias em formato de lista numerada, com uma breve explicação de cada aplicação.
Papel:	Haja como um especialista em design de interiores e consultor de tecnologias aplicadas à arquitetura.
Passo a passo:	Considere os principais desafios enfrentados pelos estudantes na disciplina e proponha soluções práticas que a inteligência artificial generativa pode oferecer, como suporte à criatividade, à funcionalidade e à estética.
Restrições:	Evite ideias excessivamente técnicas ou que demandem recursos inviáveis de serem implementados em um ambiente educacional comum.
Exemplos:	Estruture a resposta de forma semelhante à de relatórios técnicos ou publicações de organizações que promovem inovação em design de interiores, como a International Interior Design Association (IIDA) ou a revista Interior Design.”

Esses exemplos de prompts estão detalhados demais? Esse nível de detalhamento é útil quando buscamos resultados rigorosos, especialmente em tarefas complexas que exigem precisão. No entanto, nas interações cotidianas, não é necessário elaborar prompts tão extensos, pois muitas vezes já obtemos uma resposta satisfatória com poucas palavras bem escolhidas. Prompts simplificados são mais práticos em situações exploratórias, em que a agilidade e a flexibilidade são mais importantes do que a exatidão.

A recomendação é começar com um pedido simples; em seguida, avaliar a resposta e, se necessário, ajustar o prompt adicionando informações sobre o público-alvo, formato da resposta, exemplos concretos, entre outros elementos. Esse processo iterativo (iterative prompting), possibilita alcançar a resposta desejada e, com a prática, desenvolve-se a habilidade de elaborar prompts mais eficazes. Quem desenvolve essa habilidade consegue obter resultados melhores da IA generativa.

Um prompt bem estruturado aumenta a chance de se obter a resposta desejada, mas não elimina a possibilidade de alucinação. É necessário prestar atenção à qualidade do conteúdo gerado, verificar as informações, avaliar se há preconceitos, estereótipos e outros problemas. A engenharia de prompt deve ser acompanhada de uma revisão cuidadosa da resposta gerada.

13.2 – Prompts mal formulados

Embora não exista um prompt absolutamente certo ou errado, é comum que ele revele compreensões distorcidas, mal-entendidos e expectativas irreais sobre as capacidades e limitações da IA generativa. Vamos discutir alguns equívocos que levam à formulação de prompts inadequados. Nosso objetivo é apoiar você a interagir melhor com a IA generativa, de modo a obter resultados mais satisfatórios.

Ausência de tarefa

Para que a IA generativa seja útil, precisamos solicitar a execução de uma tarefa específica. Observe o que acontece quando não definimos explicitamente uma tarefa:

— Minha mãe vem hoje aqui.
— Que bom! Aproveite bastante a visita dela. 😊 Se precisar de ajuda com algo especial para recebê-la, estou por aqui!

— Está fazendo calor.
— O calor pode deixar o dia mais cansativo, especialmente com visitas! Se quiser algumas dicas para refrescar o ambiente ou se sentir mais confortável, é só avisar. 🌞

— Estamos revisando o livro.
— Ótimo! Revisar é uma etapa importante. Se precisar de ajuda com sugestões, estrutura ou qualquer outro detalhe, estou à disposição. 📖✍️

(OpenAI, 2024i)

Em todos os prompts anteriores, não foi explicitada uma tarefa a ser realizada pela IA. O modelo de linguagem, então, gerou respostas genéricas ou pouco úteis, e praticamente implorou para definirmos uma tarefa: se precisar de ajuda com algo específico, estou por aqui, é só chamar, estou à disposição, me demande algo!

Informações irrelevantes

Se queremos que a IA realize uma tarefa específica, devemos incluir apenas informações diretamente relacionadas a essa tarefa. Dê preferência a comandos objetivos e evite informações desnecessárias, ambíguas ou redundantes, que aumentam a probabilidade de gerar uma resposta confusa ou irrelevante. Por exemplo:

• prompt com detalhes desnecessários: “Minha avó costumava me contar histórias incríveis quando eu era criança, e isso me inspirou a escrever. Ela sempre dizia que os contos deviam ter um toque de mistério. Você poderia, por favor, criar uma história misteriosa para mim?”
• prompt objetivo: “Crie uma história de mistério com personagens cativantes e um enredo intrigante.”

Antropomorfização e polidez

É comum atribuirmos características humanas ao modelo de linguagem. Muitas vezes escrevemos prompts como se estivéssemos conversando com uma pessoa, o que explica o uso de expressões de polidez. No entanto, a Engenharia de Prompt nos faz entender que estamos enviando um comando para uma máquina e não dialogando com uma pessoa. Expressões como “por favor” ou “obrigado” não acrescentam informações úteis sobre à tarefa. Tecnologias generativas não possuem emoções nem expectativas sociais; assim, os marcadores de cortesia, importantes na interação humana, são dispensáveis nesse contexto.

Autoconhecimento e consciência

Frequentemente fazemos perguntas à IA como se ela tivesse autoconhecimento. Não é incorreto solicitar informações sobre o funcionamento da IA generativa, mas é preciso estar cientes de que as respostas não derivam de consciência e autoconhecimento, já que modelos de linguagem não possuem reflexividade nem entendimento real de si mesmos. Se esses modelos conseguem responder corretamente sobre seu funcionamento, é porque foram treinados com textos técnicos que incluem essas explicações.

Subjetividade

Crença, opinião, julgamento de valor, experiência, ideologia, desejo… A IA generativa não possui essas capacidades do pensamento e da subjetividade humana. Devemos entender que alguns tipos de perguntas extrapolam suas possibilidades.

Por exemplo, ao solicitar: “Dê a sua opinião sobre qual é a melhor metodologia de ensino para a minha turma de Ciências do 7º ano do ensino fundamental”, devemos lembrar que uma opinião requer adesão a crenças e valores, elementos ausentes no processo estatístico utilizado na geração de texto. Isso não significa que a resposta será inválida, pois somos nós que atribuímos sentido ao conteúdo gerado e o julgamos como adequado ou inadequado. A opinião sobre o conteúdo não é da IA, e sim de quem interpreta a reposta. Em vez de pedir a opinião da IA, é mais apropriado solicitar informações que possam nos apoiar a tomar uma decisão, como no exemplo: “Liste as principais metodologias de ensino aplicáveis ao ensino de Ciências no 7º ano do ensino fundamental. Para cada metodologia, enumere as principais vantagens e desvantagens.”

Tome cuidado para não formular prompts como se a IA tivesse uma subjetividade maquínica. Precisamos engenhar os prompts de acordo com as reais capacidades da tecnologia. Tome ainda mais cuidado para não acreditar em toda informação que for gerada na resposta.

Ensino-aprendizagem

Algumas pessoas acreditam que podem ensinar algo ao modelo de linguagem durante uma conversa com a IA. No entanto, como o caso da chatbot Tay demonstrou, permitir que a IA aprenda diretamente com usuárias/os pode ser um problema. Então não perca seu tempo tentando fazer o sistema assimilar novos conhecimentos em tempo real.

Indexação de documentos

Outro equívoco comum é tratar o modelo como uma ferramenta de busca. Por exemplo: “Quais são as obras mais citadas de Paulo Freire?”, “Em qual livro Paulo Freire abordou o conceito de inédito viável?”, “Liste as obras de Paulo Freire em ordem cronológica”. Algumas dessas perguntas podem ser respondidas com base em fontes como o Google Acadêmico, mas um modelo de linguagem não possui um índice interno de textos, o que pode resultar na geração de informações erradas ou na invenção de referências inexistentes. Para reduzir esse risco, alguns sistemas utilizam a técnica conhecida como Geração Aumentada por Recuperação (retrieval-augmented generation – RAG), que busca informações na internet para incluir no contexto do prompt. Isso melhora a qualidade das respostas, mas não elimina a necessidade de checagem crítica por parte da/o usuária/o.

Precisamos ajustar nossas expectativas às potencialidades e limitações da IA generativa. Engenhar um prompt eficaz, que possibilite a geração de respostas mais adequadas às nossas expectativas, exige aprender uma nova forma de pensar, elaborar perguntas e organizar ideias. Ao compreender as dinâmicas dessa interação, ampliamos nossa capacidade de explorar o potencial da IA generativa.