Um pedido breve pode ser suficiente para traduzir uma frase, mas quando se trata de preparar um resumo para a diretoria, a situação muda. Pesquisas recentes sobre inteligência artificial ajudam a entender em que momentos adicionar mais detalhes melhora a resposta e em que momentos o excesso prejudica o desempenho.
Quando um prompt de uma única linha é suficiente
Para tarefas simples, de baixo risco e fáceis de verificar, uma única linha geralmente resolve. Exemplos incluem traduzir uma frase, sugerir três títulos para um e-mail ou explicar um conceito. Se o resultado não for o esperado, o ajuste pode ser feito diretamente na conversa, com uma nova instrução.
Quando um prompt mais longo traz vantagens
Um estudo da Universidade Carnegie Mellon analisou prompts que não explicitavam requisitos como formato e critérios de qualidade. Os modelos conseguiram inferir 41,1% desses requisitos por conta própria, mas o comportamento foi instável: prompts com pouca especificação tiveram o dobro de probabilidade de piorar quando o modelo ou o texto mudava, com quedas de precisão superiores a 20% em alguns casos.
O guia de prompts da OpenAI recomenda incluir detalhes, exemplos e texto de referência. Na prática, um prompt mais extenso tende a ser vantajoso em quatro cenários:
- Público e formato definidos: a resposta será usada por uma diretoria, um cliente ou dentro de um prazo específico.
- Material próprio como base: a resposta deve partir de um documento fornecido.
- Critérios que a IA não consegue adivinhar: tom corporativo, termos proibidos, nível de detalhe.
- Erro com alto custo: números publicados, contratos e comunicados oficiais.
Compare “Resuma este relatório” com “Resuma o relatório abaixo em cinco linhas para a diretoria financeira, destaque três riscos e indique a página de cada dado citado”. O segundo prompt, embora mais longo, elimina três escolhas que seriam deixadas a cargo da IA.
Quando o excesso de texto prejudica
Um estudo apresentado na conferência ACL em 2024 isolou o efeito do tamanho do texto de entrada em tarefas de raciocínio. A precisão média dos modelos caiu de 0,92 para 0,68 com cerca de três mil tokens, que são os fragmentos de palavras usados pela IA para processar um texto.
O experimento geralmente utilizou texto irrelevante como enchimento, em vez de instruções úteis. O trabalho demonstra que localizar e combinar informações relevantes torna-se mais difícil quando há muito texto ao redor. A pesquisa da Carnegie Mellon também indica que os modelos têm dificuldade com prompts que reúnem demasiados requisitos.
Como ajustar o tamanho do prompt
Quatro práticas são adotadas na rotina: separar o prompt em blocos de contexto, tarefa e formato; eliminar o que não altera a resposta; dividir tarefas complexas em etapas, já que o guia da OpenAI aponta mais erros em tarefas complexas do que em simples; e comparar o resultado do prompt curto com o do longo antes de definir um modelo de instrução.
O que vale guardar
O tamanho do prompt, isoladamente, não aparece nos estudos como fator decisivo. O que define o resultado é a relevância do que está escrito: requisitos que a IA não consegue deduzir são úteis, enquanto texto sem função prejudica. Os resultados são obtidos em testes com modelos específicos e podem variar conforme a ferramenta e a tarefa.
