Será que a era dos "loops" virá depois dos prompts? Um guia simples em quatro etapas para a evolução da nossa comunicação com a IA.

本ページはプロモーション（広告）を含みます。

🧭 Vol. 1 "Pessoas que são boas em dar dicas" não são mais os personagens principais

Até recentemente, ser "bom em dar dicas" era um elogio. Referia-se a pessoas que conseguiam dar instruções precisas e obter as respostas desejadas da IA. Técnicas como especificar funções, como "Você é um especialista em contabilidade", também eram frequentemente utilizadas. Eu mesmo já as usei bastante. No entanto, desde o início de 2026, vozes começaram a ser ouvidas na vanguarda do desenvolvimento de IA dizendo: "Vamos parar de escrever instruções".

Espere, como assim vamos parar de escrever exercícios? Eu introduzi muitas técnicas de atribuição de papéis nos meus artigos sobre ensino de inglês. Senti que simplesmente escrever "Você é um professor de inglês" fazia uma grande diferença nas correções. Estou um pouco surpreso que isso não seja mais o foco principal. Tenho certeza de que há pessoas que leram meus artigos e usaram essa técnica. Então, qual será o foco principal daqui para frente?

Em ambientes de desenvolvimento, o foco está mudando de indivíduos que dão instruções individuais e claras para aqueles que criam sistemas que fornecem instruções continuamente. Isso às vezes é chamado de mudança de "Humano no Ciclo" para "Humano no Ciclo". É uma mudança de pessoas trabalhando dentro de um ciclo, executando tarefas uma a uma, para pessoas que ficam fora do ciclo e supervisionam o panorama geral. Essa evolução pode ser organizada em quatro estágios: estímulo, contexto, aproveitamento e ciclo.

É fascinante como uma simples troca de "in" por "on" altera completamente a forma como interagimos com a IA. Mesmo no aprendizado de inglês, sinceramente, digitar instruções como "corrija esta redação" todos os dias era um pouco trabalhoso. Seria incrível se eu pudesse criar um pequeno ciclo de aprendizado que memorizasse minhas dificuldades e até criasse menus de exercícios para mim. Isso facilitaria muito o meu dia a dia. Mas precisamos começar pelo básico, certo? O que exatamente você quer dizer com "aprimorar as instruções"?

✍️ Vol. 2 Engenharia Rápida

A engenharia de instruções é a etapa em que você aprimora a própria redação de cada instrução enviada à IA. Mesmo ao pedir a mesma coisa, a qualidade da resposta pode variar muito dependendo de como você pergunta. Por exemplo, pedir "Por favor, revise esta frase em inglês" é menos eficaz do que pedir "Por favor, reescreva esta frase em inglês para que soe mais natural como um e-mail comercial". Você poderia chamar isso de refinar a "maneira" de pedir à IA. Esta é a forma mais simples desse processo.

Faço isso quase todos os dias. Só o fato de adicionar uma breve declaração de propósito já faz uma enorme diferença no tom da resposta em inglês. Tipo, "informal" ou "adequado para e-mail". Mas, com base no que acabamos de discutir, especificar a função de alguém, como "Você é especialista em...", está ultrapassado, certo? É comum em livros introdutórios e parece eficaz, mas por que não é suficiente?

Atribuir uma função a uma IA simplesmente não lhe diz "quem" quer a resposta e "por quê". O importante é o propósito, o objetivo e as condições, e não o título. Por exemplo, adicionar uma frase como "Sou iniciante em contabilidade" a incentivará a fornecer uma explicação que evite jargões técnicos. Adicionar um objetivo como "em um formato que possa ser usado imediatamente na prática" e condições como "em linguagem informal" tornará a resposta ainda mais precisa. A chave é transmitir a situação, não apenas a função.

É mais importante explicar para que você vai usar o recurso do que o título, certo? Se for para aprender inglês, acho que deveria escrever algo como: "Quero adquirir habilidades em inglês para negócios para não passar vergonha em situações reais". Isso certamente parece mais adequado à minha situação. Se meu objetivo estiver claro, meu foco nos estudos provavelmente permanecerá consistente. Mas é um saco ter que explicar meu histórico e minhas dificuldades do zero toda vez. Gostaria que a IA pudesse se lembrar do que já conversamos e dos erros que costumo cometer.

🗂️ Vol. 3 Engenharia de Contexto

É exatamente aí que entra a segunda etapa da engenharia de contexto. Ela envolve projetar todo o conjunto de informações que a IA analisa ao fornecer uma resposta, incluindo o histórico da conversa, os documentos fornecidos e as interações passadas. Há um limite máximo para a quantidade de informações que a IA pode visualizar simultaneamente, e isso é chamado de janela de contexto. Diz-se que ela é capaz de armazenar o equivalente a cerca de 10 volumes de livros, mas não é infinita. Projetar o que incluir nela é crucial. E aquele prompt que vimos anteriormente é apenas uma pequena parte desse grande conjunto.

Não se trata de "o que perguntar", mas sim de "o que mostrar a eles". Ao conversar com pessoas, o rumo da conversa é completamente diferente dependendo se vocês compartilham as mesmas premissas. Entendo que, mesmo que você escreva uma boa pergunta inicial, ela estará equivocada se a IA não conhecer o contexto. É interessante notar que a pergunta inicial faz parte do contexto. Mesmo com professores de conversação em inglês, quanto mais eles sabem sobre mim, melhor ensinam. Então, que tipo de informação eu devo mostrar especificamente para a IA ao aprender inglês?

Por exemplo, você pode fornecer uma lista de expressões que você frequentemente usou incorretamente no passado, ou seu histórico de aprendizado, como "Costumo cometer erros com tempos verbais" ou "Me deparei com essa expressão na semana passada". Só isso já transformará as correções de um feedback geral para um feedback personalizado. Eles também perceberão se você está repetindo os mesmos erros. No entanto, mais nem sempre é melhor. Se você incluir informações irrelevantes, acabará com respostas irrelevantes, então o segredo é se concentrar em erros recentes ou tópicos atuais.

Então, em vez de mostrar tudo, você mostra apenas o necessário. Se fosse eu, provavelmente mostraria apenas os erros com artigos e preposições nos quais estou trabalhando esta semana. Só isso já tornaria as correções muito mais personalizadas. O segredo é não ser ganancioso e revelar tudo. Mas e se a IA der uma correção plausível, mas incorreta? É um pouco assustador, porque quando ela diz isso com tanta certeza, você pode acabar acreditando sem questionar.

🦺 Vol. 4 Engenharia de Chicotes Elétricos

É aqui que entra a terceira etapa, a engenharia de arneses. Um arnês é um dispositivo de segurança usado em montanhismo. Pedir "Por favor, escreva um teste" é uma instrução, mas o arnês é o próprio mecanismo, que determina que "você não pode prosseguir para a próxima etapa a menos que o teste seja aprovado". É um acordo externo para a IA. Para agendamento, se houver um mecanismo que "rejeite tentativas de agendamento de compromissos após as 17h", você pode confiar na IA para cuidar disso.

Não se trata de escrever as instruções no código, mas sim de criar uma espécie de cerca de segurança ao redor da IA. A analogia com a secretária é muito clara. Se for decidido desde o início que a IA não pode entrar depois das 17h, não haverá problema mesmo que ela se movimente com alguma liberdade. Você comunicaria as mesmas regras a uma secretária humana, certo? Mas mesmo se você usar o termo "arnês" no contexto do aprendizado de inglês, ainda não entendi completamente. Que tipo de sistema seria esse no caso dos estudos?

Por exemplo, uma regra como "Você não pode passar para novas palavras até revisar as 10 palavras de hoje" é uma forma de contenção. Decidir sempre reler seu próprio trabalho antes de prosseguir, em vez de aceitar cegamente as correções da IA, é a mesma ideia. Uma lista de verificação como "Não aceitarei correções que não atendam a estes três critérios" ou uma frase como "Por favor, faça perguntas se precisar de mais informações" também são excelentes e simples formas de contenção. Começar por aí já é perfeitamente suficiente.

Então, você não precisa construir um sistema complexo; pode começar a criar um hoje mesmo. Vou tentar adicionar a frase "Faça uma pergunta primeiro" aos meus prompts imediatamente. É reconfortante saber que a IA não vai simplesmente seguir em frente sozinha, mas vai parar e pedir esclarecimentos. O mais frustrante é quando ela responde com confiança sem saber a resposta. Temos prompts, contexto e mecanismos de controle, e todos eles estão gradualmente se integrando externamente, mas agora que chegamos até aqui, qual o próximo passo?

🔁 Vol. 5 Engenharia de Loop

Chegamos finalmente à última camada: a engenharia de loops. Um engenheiro de uma grande empresa de IA afirma que seu trabalho não é mais digitar comandos diretamente, mas sim escrever sistemas que fornecem instruções continuamente. Aparentemente, antes de trabalhar com IA, ele se dedicava à produção de alimentos fermentados no Japão. Além disso, um renomado pesquisador teria concluído um aplicativo de digitação para sua filha em cerca de uma hora, praticamente sem nenhuma intervenção. Este é um exemplo perfeito de um loop em movimento.

A transição da produção de alimentos fermentados para o desenvolvimento de IA de ponta é tão inesperada que me fez rir. Afinal, esperar pacientemente pela fermentação e esperar que um ciclo se complete são situações bastante semelhantes. Em ambos os casos, parece importante apenas observar sem interferir. Mas o que é realmente incrível é que o aplicativo foi concluído em quase uma hora, praticamente sem nenhuma intervenção. Isso significa que a IA estava verificando e corrigindo tudo sozinha? Como exatamente isso funciona?

Um loop é um mecanismo que permite que o ciclo "executar, verificar, corrigir se necessário e executar novamente" seja realizado sem intervenção humana. Com instruções, contexto e mecanismos de controle adequados, a IA pode construir suas próprias instruções subsequentes e enviá-las continuamente para si mesma. O papel humano passa de emitir instruções a cada vez para projetar o sistema. No entanto, essa não é uma transferência completa de responsabilidade. A essência reside em definir a linha divisória entre o que deve ser delegado e o que deve-se continuar controlando.

Então, em vez de deixar tudo para a IA, os humanos ainda têm voz no processo. Por exemplo, no aprendizado de inglês, você poderia deixar a IA cuidar das correções diárias e da prática repetitiva, mas ainda manteria o objetivo em mente — por que você está aprendendo inglês e o que deseja alcançar a longo prazo. Se a IA também definir o objetivo, então não será mais realmente meu aprendizado. Nesse caso, acho que poderia confiar a ela com tranquilidade. Aliás, existe apenas um tipo de ciclo como esse?

🪆 Vol. 6 Loop Triplo Aninhado

Na verdade, existe um conceito que envolve três ciclos aninhados operando em velocidades diferentes. O ciclo mais interno é executado em minutos, com a IA repetindo rapidamente a implementação, os testes e as correções. O ciclo mais externo leva de horas a dias para ser executado, com humanos supervisionando, verificando os resultados e ajustando a direção. E o ciclo mais externo é executado mensalmente, onde o feedback de amigos e de um grupo seleto de pessoas é usado para revisar toda a estratégia. Um pesquisador criou um diagrama muito claro ilustrando isso.

É como três ciclos sobrepostos de velocidades rápida, normal e lenta. É fácil de entender se você imaginar engrenagens de tamanhos diferentes se encaixando. As engrenagens pequenas giram rápido, e as grandes determinam a direção lentamente. O interessante é que apenas a camada mais externa envolve reações humanas, não IA. Fico pensando em como esses três ciclos funcionariam se eu os aplicasse ao meu próprio aprendizado de inglês.

O ciclo mais rápido é a prática diária e repetitiva com a IA. Você recebe a correção da sua redação em inglês hoje e faz as correções na hora. O ciclo intermediário é uma vez por semana, quando você revisa seu registro de correções. O ciclo mais avançado é uma vez por mês, quando um professor revisa seu inglês ou você tenta usá-lo em uma conversa online em inglês. Somente o ciclo mais rápido pode ser deixado inteiramente para a IA. Você precisa sempre ter um olhar humano sobre os outros dois. Era isso que eu queria dizer com "manter o foco" anteriormente.

Então, você divide suas tarefas em hoje, esta semana e este mês. Eu também usava revisão ortográfica e gramatical por IA diariamente, mas talvez estivesse pulando a revisão semanal e o feedback externo mensal. Provavelmente, eu estava satisfeito em fazer isso todos os dias. Não depender exclusivamente da IA melhora o próprio processo de aprendizagem. Mas me pergunto se esse tipo de pensamento pode ser aplicado ao trabalho de outras pessoas, não apenas ao aprendizado de inglês ou ao mundo da engenharia?

🌱 Resumo do Vol. 7 — O pensamento em loop se espalha para não engenheiros

Com certeza. Os quatro estágios que discutimos até agora são aninhados, com novas camadas sendo adicionadas sobre as antigas, em vez de alguma delas se tornar obsoleta. As camadas internas continuam funcionando até hoje. E esse conceito está se estendendo também ao trabalho administrativo. Quando uma reunião termina, a IA inicia automaticamente, transcreve a reunião, identifica tarefas e até mesmo gerencia o agendamento e o envio de convites para os participantes necessários. Estamos até vendo um sistema em que as pessoas só precisam clicar em "comparecer".

A ideia de as pessoas simplesmente clicarem em um botão para participar parece algo do futuro, mas já é realidade. É incrível como uma forma de pensar nascida no mundo da engenharia pode ser aplicada diretamente ao trabalho administrativo e de secretariado. Organizar anotações e agendar compromissos após reuniões realmente consome muito tempo. Isso certamente se aplica também ao nosso trabalho e estudos diários. Mas criar um sistema tão complexo de uma só vez parece difícil. Por onde começar?

Você não precisa de um sistema complexo logo de cara. Basta começar com um ciclo pequeno e recorrente, como "ter seu trabalho corrigido por IA no mesmo formato todos os dias". Para o aprendizado de inglês, a forma inicial é um ciclo de três camadas: hoje é prática repetitiva com IA, esta semana é revisão e este mês é feedback de uma fonte externa. Você pode então adicionar gradualmente dicas para indicar seu objetivo, contexto para revelar suas dificuldades e recursos para incentivá-lo a pedir esclarecimentos. Não há necessidade de pressa.

De instruções a loops, nossas interações com a IA estão se expandindo cada vez mais. Mas o pequeno loop que construímos hoje certamente servirá como base. Tudo o que discutimos nesta série está conectado a ele. Acho que vou começar pedindo correções na redação em inglês de amanhã, como de costume. Se preferir ler uma explicação detalhada em vez de ouvir uma conversa, confira também o artigo original. Deixarei o link aqui.

👉 Leia o artigo original
Do Prompt ao Loop (nota da Revista)
https://note.com/gentle_hawk873/m/mc79175abd198