Prompt Engineering para Executivos · Capítulo 2 de 29 · 13 min
Auditar hoje uma proposta de IA em cinco perguntas
Audite uma proposta de IA em cinco perguntas: modelo, tokens por tarefa, janela e cache, avaliação e o que o agente faz sozinho.
Este capítulo faz parte do curso gratuito Prompt Engineering para Executivos.
A primeira parte deu os 14 termos e o que muda em cada fornecedor. Esta põe o vocabulário para trabalhar em três situações comuns de empresa e numa proposta de fornecedor, lida em cinco perguntas.
O vocabulário rende onde há dinheiro ou contrato em jogo. Três situações comuns em empresas brasileiras mostram o termo certo virando pergunta para o fornecedor.
Três mesas onde o vocabulário muda a decisão
1 de 3Atendimento: o cache que ninguém lê
Uma rede de clínicas repete em toda conversa um prompt de sistema de alguns milhares de tokens. No Claude Opus 5.5, reler esse trecho em cache custa 5% da entrada. Pergunte ao fornecedor se o prefixo fixo está em cache e com qual validade.
Jurídico: a cláusula de troca de modelo
O contrato deixa o fornecedor atualizar o modelo sem custo. Como esforço, temperatura e formato mudam de regra entre versões, a troca silenciosa altera custo e qualidade. Peça modelo nomeado, aviso prévio e nova avaliação antes de qualquer troca.
Finanças: a fatura que sobe com o preço caindo
O controller vê o preço por milhão de tokens cair e a conta subir. No Claude, o tokenizador gera cerca de 30% mais tokens desde o Opus 4.7, e no Gemini e no Grok o raciocínio entra como saída. A conta certa é o custo por tarefa medida.
Ler uma proposta de IA é transformar cada promessa em uma das cinco perguntas que saem desse vocabulário: modelo, tokens por tarefa, janela e cache, avaliação e o que o agente faz sozinho. Se o sistema foi medido, o fornecedor já tem esses números e responde em poucos dias. Quando a resposta volta com adjetivo, a lacuna está na engenharia por trás da proposta, e cabe ao fornecedor fechá-la antes do comitê. O prompt de auditoria faz a primeira triagem em minutos e deixa para a reunião só as perguntas sem número.
Guia prático: ler uma proposta de fornecedor de IA em cinco perguntas
Cinco perguntas convertem a demonstração do fornecedor em números que o comitê confere. O prompt logo abaixo faz a primeira leitura em Claude, ChatGPT, Gemini ou Grok.
Passo 1: Cole a proposta no prompt de auditoria
Troque o bloco proposta do prompt pelo texto do fornecedor, com o anexo técnico, e retire nome de cliente ou paciente.
Deu certo quando: O modelo devolve as cinco perguntas com status, trecho citado e pergunta de volta.
Erro comum: Colar só o resumo comercial; modelo e preço por uso costumam estar no anexo.
Passo 2: Exija o modelo nomeado e a regra de troca
Nome e versão, como Claude Opus 5.5 ou GPT-6.1 Sol, e cláusula com aviso prévio e nova avaliação antes de trocar.
Deu certo quando: O contrato cita o modelo e o que acontece quando ele muda.
Erro comum: Aceitar última geração como resposta; o adjetivo não diz qual modelo roda.
Passo 3: Peça tokens por tarefa, medidos em produção
Entrada, saída e raciocínio por atendimento, na média e no pior caso, com a contagem do modelo em uso.
Deu certo quando: Você multiplica os tokens pelo preço público e chega ao custo por tarefa.
Erro comum: Planilha feita antes da troca de tokenizador, que no Claude soma cerca de 30% de tokens.
Passo 4: Peça o inventário da janela e do cache
Lista do que entra em cada chamada (prompt de sistema, ferramentas, histórico, documentos) e da parte que fica em cache.
Deu certo quando: Cada item tem tamanho e motivo, e o prefixo fixo aparece em cache.
Erro comum: Histórico inteiro carregado por garantia: o custo cresce com o cliente e a leitura piora.
Passo 5: Confira a avaliação por trás da acurácia
Número de tarefas, origem dos casos, critério de acerto e data da medição.
Deu certo quando: Há ao menos 20 tarefas tiradas de casos reais e um critério que outra pessoa repetiria.
Erro comum: Porcentagem sem denominador; 95% em testes escolhidos pelo fornecedor diz pouco.
Passo 6: Mapeie o que o agente faz sozinho
Liste o que ele lê de fora (e-mail, site, mensagem de cliente) e o que envia ou altera sem confirmação.
Deu certo quando: Toda ação que sai da empresa ou muda dado tem confirmação humana ou limite escrito.
Erro comum: Agente que lê dado privado, recebe conteúdo externo e envia mensagem para fora abre caminho para injeção de prompt.
No fim você tem: Uma folha com as cinco perguntas, cada uma com número, prazo ou lacuna anotada, e a regra de corte: duas ou mais sem número, a proposta volta ao fornecedor.
1. Modelo | ADJETIVO | “o modelo de IA mais avançado do mercado”; “pode atualizar o modelo sempre que houver versão melhor”
Por que não basta: não diz qual modelo roda nem o que muda no custo quando ele troca.
Pergunte: qual modelo e versão rodam hoje, e a troca exige aviso prévio, preço revisto e nova avaliação?
2. Tokens e custo por tarefa | AUSENTE | nenhum
Por que não basta: o preço fechado esconde o custo por atendimento e o que acontece acima de 40.000.
Pergunte: quantos tokens de entrada, saída e raciocínio um atendimento consome, na média e no pior caso?
3. Contexto | ADJETIVO | “lê todo o histórico do paciente antes de cada resposta”
Por que não basta: o histórico inteiro encarece com o tempo de casa do paciente e dilui a atenção do modelo.
Pergunte: que itens entram na janela por chamada, com que tamanho, e que parte fica em cache?
4. Avaliação | ADJETIVO | “acurácia acima de 95% em nossos testes internos”
Por que não basta: falta número de tarefas, origem dos casos, critério de acerto e data.
Pergunte: quantas tarefas, tiradas de onde e medidas quando sustentam os 95%?
5. Ação e risco | AUSENTE | “remarca consultas e envia lembretes por WhatsApp e e-mail sem intervenção humana”
Por que não basta: o assistente lê dado do paciente e envia mensagem para fora sem nenhuma confirmação.
Pergunte: que ações exigem confirmação humana e como o sistema trata instrução escondida em mensagem recebida?
Veredito: DEVOLVER AO FORNECEDOR. Nenhuma das cinco perguntas veio com número.Sinais de proposta de IA sem engenharia por trás
Toda promessa da proposta precisa virar um número que alguém de fora da sala consegue conferir.
- Janela de 1 milhão vendida como qualidade; contexto cheio piora a leitura do modelo
- Acurácia sem número de tarefas, origem dos casos e data da medição
- Cláusula que deixa o fornecedor trocar o modelo sem aviso nem reprecificação
- Preço fechado sem custo por tarefa medido nem teto de uso escrito
- Agente que lê conteúdo externo e envia mensagem para fora sem confirmação humana
O teste: Se duas das cinco perguntas voltarem sem número, a proposta sai da pauta do comitê.
alexandrecaramaschi.com/educacao/frontends-com-vibecoding
Faça hoje
Pegue a proposta de IA mais recente da sua mesa, cole o texto no prompt de auditoria acima e envie ao fornecedor, ainda nesta semana, as perguntas que voltarem marcadas como adjetivo ou ausente. Em 30 minutos a folha fica pronta. Deu certo quando cada uma das cinco perguntas tem um número ou um prazo de resposta anotado ao lado, e a proposta com duas ou mais lacunas sai da pauta do comitê até o fornecedor responder.
Seu caderno neste capítulo
Abrir o caderno completoSelecione um trecho do capítulo para destacar ou anotar. Nos vídeos e áudios, use Anotar este momento. No teclado, selecione com Shift e as setas e use Alt+Shift+D para destacar ou Alt+Shift+N para anotar.
Salvo neste navegador. Entre na sua conta para levar o caderno a outros aparelhos.
Entre na sua conta para compartilhar o que aprendeu e convidar alguém para estudar com você.
Conexões deste capítulo
Veja o que estudar antes e para onde seguir depois, explore os conceitos e compare abordagens em outros cursos. Sugestões marcadas como “sugerido pelo grafo” vêm dos assuntos em comum, não do índice do curso.
Estude antes
- Calcular custo por tarefa e definir governançasugerido pelo grafoApresenta o conceito “Custo por tarefa”, usado em “Auditar hoje uma proposta de IA em cinco perguntas”.
- CursoFrontends com Vibecodingsugerido pelo grafo7 capítulos de “Prompt Engineering para Executivos” usam conceitos apresentados em “Frontends com Vibecoding”.
- CursoVídeo com IA: Claude Code, Codex e ElevenLabssugerido pelo grafo3 capítulos de “Prompt Engineering para Executivos” usam conceitos apresentados em “Vídeo com IA: Claude Code, Codex e ElevenLabs”.
- CursoMCP para quem decidesugerido pelo grafo2 capítulos de “Prompt Engineering para Executivos” usam conceitos apresentados em “MCP para quem decide”.
Depois, siga para
- CursoAgentes de IA Autônomos: Do Conceito à Produção
- CursoNotebookLM para criar conteúdosugerido pelo grafo5 capítulos de “NotebookLM para criar conteúdo” usam conceitos apresentados em “Prompt Engineering para Executivos”.
- CursoLLM FinOps: o custo da IA para quem assina o orçamentosugerido pelo grafo2 capítulos de “LLM FinOps: o custo da IA para quem assina o orçamento” usam conceitos apresentados em “Prompt Engineering para Executivos”.
Conceitos deste capítulo
O mesmo assunto em outros cursos
- Gestão de Projetos GEODiagnosticar as falhas de uma proposta de projetoExaminar conexões de Diagnosticar as falhas de uma proposta de projeto
- Escrever bem com IAMontar o pedido mestre com rubrica de autocríticaExaminar conexões de Montar o pedido mestre com rubrica de autocrítica
- Software e IA para executivosPedir à IA com clareza, contexto e forma de conferirExaminar conexões de Pedir à IA com clareza, contexto e forma de conferir
- CRO: Otimização de Conversão e ExperimentaçãoIA na operação: onde acelera e onde destróiExaminar conexões de IA na operação: onde acelera e onde destrói
Terminou a leitura?
Marque como concluído para o capítulo contar no seu painel e no certificado.
Leve uma ideia para a prática
Escolha uma atividade no painel e volte a este curso quando quiser.
Atividades e evolução ficam reunidas no painel da sua conta.