Os 3 prompts que vais receber representam abordagens diferentes para melhorar interacções com modelos de linguagem. Cada um resolve problema específico que surge frequentemente quando trabalhas com IA. Vou detalhar como e quando usar cada um, com exemplos práticos.
Prompt 1: “Faz-me perguntas de esclarecimento até estares 99% confiante”
O problema que resolve: LLMs têm tendência frustrante de assumir o que queres e começar imediatamente a produzir resposta, mesmo quando o pedido é vago ou ambíguo. O resultado é trabalho que não corresponde ao que precisavas, desperdiçando tempo e tokens.
Como funciona: Ao pedir explicitamente que o modelo faça perguntas antes de começar, inverts a dinâmica habitual. Em vez de “adivinhar e produzir”, o modelo entra em modo de “clarificar e confirmar”. É equivalente a contratar freelancer que pergunta requisitos detalhados antes de começar, versus um que assume tudo e depois tens de pedir revisões infinitas.
Quando usar:
- Projectos complexos onde há múltiplas formas de interpretar o pedido
- Quando não tens certeza absoluta do que precisas (sabes o problema mas não a solução exacta)
- Tarefas técnicas onde detalhes importam (código, análise de dados, documentação)
- Quando trabalhas em área que não dominas completamente
Exemplo prático: Mau uso: “Cria-me uma estratégia de marketing para o meu produto” O modelo vai assumir tudo – orçamento, público-alvo, canais, objetivos – e dar-te resposta genérica.
Bom uso: “Cria-me uma estratégia de marketing para o meu produto. Faz-me perguntas de esclarecimento até estares 99% confiante de que podes completar a tarefa com sucesso.”
O modelo perguntará: Que produto? Qual o orçamento? Público-alvo? Mercado geográfico? Objectivos (awareness, conversão, retenção)? Concorrência? Canais existentes? Timeline? Recursos disponíveis?
Limitação importante: Modelos podem fazer perguntas demasiado básicas ou óbvias se não deres contexto inicial. Funciona melhor quando dás informação base e pedes que clarifiquem o resto. Exemplo: “Tenho produto SaaS B2B para PMEs no sector de logística, orçamento €10k/mês. Preciso de estratégia de marketing. Faz-me perguntas de esclarecimento até estares 99% confiante.”
Prompt 2: “O que pensaria uma pessoa do top 0,1% nesta área”
O problema que resolve: LLMs tendem a dar respostas competentes mas “médias” – o equivalente a perguntar a profissional sólido mas não excepcional. Consegues resposta correcta mas não necessariamente insight profundo ou abordagem inovadora que distingue excelência de competência.
Como funciona: Ao especificar “top 0,1%”, forças o modelo a aceder a padrões de pensamento, frameworks e abordagens que caracterizam elite da área. Não é magia – o modelo foi treinado em texto produzido por pessoas excepcionais, mas normalmente dilui isso com perspectivas mais comuns. Este prompt essencialmente pede “ignora a média, vai directo ao conhecimento de ponta”.
Quando usar:
- Problemas complexos onde solução óbvia provavelmente não é a melhor
- Quando queres perspectiva estratégica, não apenas táctica
- Áreas onde há clara distinção entre profissionais competentes e excepcionais
- Quando estás disposto a receber resposta mais desafiante ou contra-intuitiva
Exemplo prático: Pergunta normal: “Como melhorar conversão do meu site de e-commerce?” Resposta: Lista previsível – melhorar fotos de produto, adicionar reviews, simplificar checkout, testes A/B, etc. Tudo correcto mas básico.
Com prompt top 0,1%: “Como melhorar conversão do meu site de e-commerce? O que pensaria uma pessoa do top 0,1% nesta área?” Resposta diferente: Provavelmente começa por questionar se conversão é mesmo o problema ou se é tráfego errado. Fala de customer lifetime value versus conversão isolada. Menciona fricção psicológica específica (não apenas “simplificar”). Sugere frameworks menos óbvios. Questiona pressupostos que nem sabias que tinhas.
Áreas onde funciona particularmente bem:
- Estratégia de negócio (top 0,1% pensam diferente de consultores médios)
- Design e UX (elite tem princípios que iniciados não vêem)
- Programação (arquitectura de código, não apenas “funciona”)
- Escrita/comunicação (craft versus correção básica)
- Resolução de problemas complexos
Armadilha a evitar: Pode produzir respostas over-complicated se não contextualizares adequadamente. Elite numa área também sabe quando usar solução simples. Complementa com “…mas mantém pragmatismo e considera constrangimentos reais”.
Prompt 3: “Reformula isto de forma que mude/desafie como vejo o problema”
O problema que resolve: Quando trabalhas num problema há muito tempo, develops visão de túnel. Defines o problema de forma específica e depois procuras soluções dentro desse framing. Frequentemente, o framing em si é limitação principal – estás a resolver problema errado ou a pensar nele de forma que impossibilita melhores soluções.
Como funciona: Força o modelo a fazer reframing cognitivo – pegar no teu problema e apresentá-lo através de lens completamente diferente. Pode questionar pressupostos implícitos, inverter a pergunta, recontextualizar em framework mais amplo, ou aplicar analogia de área diferente. É equivalente a consultar alguém de campo totalmente diferente que vê o teu problema com olhos frescos.
Quando usar:
- Estás bloqueado num problema há semanas/meses
- Soluções óbvias todas têm trade-offs inaceitáveis
- Sentes que há solução melhor mas não consegues vê-la
- Antes de investir recursos significativos (validação de que estás a resolver problema certo)
- Quando toda a indústria faz algo de certa forma mas resultados são medíocres
Exemplo prático: Problema original: “Como reduzir churn (cancelamentos) no meu SaaS?” Abordagem normal: Melhorar onboarding, adicionar features que faltam, customer success mais proactivo, pricing diferente, etc.
Com reframing: “Reformula isto de forma que mude como vejo o problema.” Possíveis reframings:
- “E se o problema não é reduzir churn mas aumentar tanto o valor que churn deixa de importar?”
- “E se churn é sintoma de atrair clientes errados, não de produto deficiente?”
- “E se devias facilitar churn e focar em win-back em vez de prevenir saída?”
- “E se estás a medir churn errado – churn de contas versus churn de receita versus churn de utilizadores activos?”
- “E se o problema é que o teu produto resolve problema que clientes têm apenas temporariamente?”
Cada reframing abre possibilidades de solução completamente diferentes que o framing original impossibilitava.
Quando é mais poderoso:
- Problemas “impossíveis” onde todas as soluções directas falharam
- Situações win-lose que precisam de se tornar win-win
- Dilemas onde ambas as opções são más (há sempre terceira via se reframares)
- Quando pressupostos da indústria são limitação inconsciente
Combinação com outros prompts: Funciona excepcionalmente bem em sequência:
- Primeiro usa o reframing para ver problema diferentemente
- Depois aplica “top 0,1%” ao novo framing
- Finalmente usa “perguntas de esclarecimento” para implementação
Combinando os três prompts numa meta-estratégia
Podes usar os três prompts em sequência para abordagem extremamente robusta:
Fase 1 – Reframing (Prompt 3): “Tenho problema X. Reformula isto de forma que desafie como vejo o problema e apresenta 3-5 framings alternativos.”
Fase 2 – Perspectiva de elite (Prompt 2): “Escolho o framing Y. O que pensaria uma pessoa do top 0,1% sobre como abordar isto?”
Fase 3 – Clarificação para execução (Prompt 1): “Vou implementar abordagem Z. Faz-me perguntas de esclarecimento até estares 99% confiante de que podes criar plano de implementação detalhado.”
Esta sequência garante que: estás a resolver problema certo (reframing), com abordagem excepcional (top 0,1%), e com clareza total sobre execução (perguntas de esclarecimento).
Limitações e avisos
Nenhum prompt é mágico: LLMs continuam limitados pelo treino. Se pedes perspectiva top 0,1% em área super nichada ou cutting-edge, o modelo pode não ter dados suficientes e vai interpolar ou alucinar. Usa sempre pensamento crítico.
Context window importa: Estes prompts funcionam melhor com contexto adequado. Não esperes reframing profundo se deres duas frases de contexto. Quanto mais informação relevante deres, melhor o modelo consegue aplicar estes frameworks.
Conhecimento do domínio ainda é teu: O modelo pode sugerir reframing ou perspectiva top 0,1%, mas és tu que avalias se faz sentido no teu contexto específico. LLMs são ferramentas para amplificar pensamento, não substituí-lo.
Iterate: Raramente o primeiro output é perfeito. Usa estes prompts como ponto de partida e refina. “Interessante, mas não consideraste X” ou “Este reframing é útil, explora mais este ângulo específico”.
Em suma
Os três prompts representam ferramentas cognitivas diferentes:
- Prompt 1 garante clareza e alinhamento antes de trabalho
- Prompt 2 eleva qualidade de pensamento aplicado ao problema
- Prompt 3 desbloqueia soluções através de mudança de perspectiva
São particularmente poderosos porque atacam problemas meta: não apenas “como fazer X melhor” mas “estou a fazer X certo? Estou a pensar sobre X correctamente? Tenho clareza sobre o que X realmente significa?”
Usa-os individualmente conforme necessidade, ou em sequência para problemas complexos onde precisas de máxima robustez. E lembra-te: são ferramentas, não fórmulas mágicas. O teu pensamento crítico, conhecimento do domínio e capacidade de avaliar outputs continua insubstituível – só estás a usar LLM para amplificar e desafiar esse pensamento, não para o substituir.
