A maioria dos colaboradores não precisa de um curso de prompt engineering. Modelos de prompt partilhados e uma breve sessão prática sobre as suas próprias tarefas chegam para redigir, resumir e pesquisar. Formação mais aprofundada compensa para dois grupos: quem constrói fluxos de trabalho de IA repetíveis para outros, e quem revê o resultado da IA antes de chegar a clientes, reguladores ou à contabilidade.
#Pontos principais
- No uso diário, um contexto claro e um modelo testado contam mais do que truques de prompts.
- Quem constrói fluxos de trabalho de que outros dependem precisa de formação mais aprofundada em estrutura, testes e casos de falha.
- Quem revê resultados de IA precisa de formação para detetar erros apresentados com confiança, não para escrever prompts.
- Um curso de prompt engineering para toda a empresa costuma ensinar o grupo errado com a profundidade errada.
- Decida por função: quem escreve prompts uma vez para muitas pessoas, e quem valida o que a IA produziu.
#Como é o uso de prompts numa equipa normal?
Um gestor de conta pede ao ChatGPT que arrume as notas de uma reunião antes de atualizar o Salesforce. Um técnico de compras pede ao Copilot que compare duas propostas de fornecedores em Excel. Um responsável de apoio pede ao Claude que reescreva uma resposta predefinida do Zendesk. Cada prompt é usado uma vez, lido por quem o escreveu e corrigido no momento. Um prompt fraco custa mais uma tentativa, não um incidente.
É aqui que está a maior parte da utilização. O Work Trend Index da Microsoft e do LinkedIn, maio de 2024 concluiu que 75% dos trabalhadores do conhecimento usam IA no trabalho, mas apenas 39% dos utilizadores de IA tinham recebido formação em IA da sua empresa. A lacuna é real, mas para este grupo fecha-se com prática em tarefas reais, não com um curso sobre sintaxe de prompts.
#Quando bastam modelos e uma sessão curta?
Bastam quando quem escreve o prompt também lê a resposta, a tarefa se repete com pequenas variações e um erro é detetado antes de algo sair da equipa. Nesse caso, ensine quatro coisas: dar o contexto, indicar o formato pretendido, pedir fontes ou raciocínio quando os factos importam e verificar o resultado.
- Uma biblioteca de modelos por função, testada com os documentos da própria empresa.
- Uma sessão prática em que as pessoas aplicam os modelos ao seu trabalho real.
- Regras internas sobre que dados nunca entram em que ferramenta.
- Uma pessoa nomeada que mantém os modelos atualizados à medida que as ferramentas mudam.
#Quem precisa de formação mais aprofundada em prompt engineering?
Quem escreve uma vez um prompt que muitas outras pessoas vão usar. Um analista de operações a configurar um passo de triagem de pedidos, um responsável financeiro a construir um fluxo de extração de faturas ou um gestor de operações comerciais a configurar um resumo no CRM estão todos neste grupo. O prompt deles torna-se um processo, por isso um prompt fraco falha em silêncio e repetidamente.
Precisam de aprender instruções estruturadas, exemplos trabalhados, testes contra um conjunto de casos conhecidos e o que acontece quando os dados de entrada são confusos ou maliciosos. O OWASP Top 10 para aplicações LLM aponta a injeção de prompts como o primeiro risco, e quem constrói fluxos de trabalho é quem tem de desenhar em função dela.
Precisam também de critério quanto ao âmbito. A Anthropic, dezembro de 2024 recomenda começAR pela abordagem mais simples e só acrescentar complexidade quando for necessário, uma regra útil para quem se sinta tentado a encadear muitos prompts.
#Porque precisam os revisores de resultados de IA de formação própria?
Porque o seu trabalho é apanhar o que quem escreveu o prompt deixou escapar. Um responsável de compliance que verifica cartas a clientes redigidas com IA, um gestor financeiro que aprova campos de faturas extraídos por IA ou um chefe de equipa que valida respostas redigidas com IA precisa de saber onde os modelos erram: números inventados, datas erradas, afirmações demasiado confiantes e respostas em árabe no registo errado. Os revisores raramente precisam de escrever prompts; precisam de ler bem os resultados.
#Como conduz a Stennir este trabalho?
Na formação em IA, o AI Operator Program da Stennir organiza as pessoas por função antes de qualquer formação começAR. A maioria das turmas recebe modelos e prática no seu fluxo de trabalho real. Quem constrói fluxos e quem revê resultados tem sessões mais aprofundadas sobre estrutura, testes e listas de verificação de revisão. Os formadores são profissionais que constroem estes fluxos, as turmas funcionam em árabe e inglês, e a utilização é medida antes e depois, terminando num relatório de adoção.
We are
A Stennir ajusta a profundidade da formação em prompts a cada função: modelos para a maioria das pessoas, prática mais aprofundada para quem constrói fluxos e para quem revê.
We aren't
A Stennir não vende um curso de prompt engineering igual para toda a empresa nem um certificado pela presença.
#O que deve fazer a seguir um responsável de formação ou de operações?
Liste quem, em cada equipa, escreve prompts que outros usam, e quem valida o resultado da IA. Essas duas listas são o grupo da formação aprofundada; todos os outros começam com modelos. Para o programa das primeiras tarefas, leia formação em ChatGPT para colaboradores: o que ensinar primeiro, e para avaliar fornecedores, como escolher uma empresa de formação em IA. Veja IA para operações e depois marque uma chamada de 30 minutos.
#Perguntas frequentes
Ainda vale a pena aprender prompt engineering à medida que os modelos melhoram?
Para quem usa no dia a dia, cada ano menos: os modelos mais recentes lidam bem com pedidos simples, por isso um contexto claro e um bom modelo fazem a maior parte do trabalho. Para quem constrói fluxos de que outros dependem, continua a importar, porque a estrutura, os casos de teste e o tratamento de falhas decidem se o fluxo aguenta dados reais confusos.
De que precisam de nós para começAR?
A Stennir precisa da lista de funções a formar, das ferramentas e contas aprovadas e, para cada função, de algumas tarefas reais com documentos de exemplo. Para quem constrói fluxos de trabalho, precisamos também do fluxo que gerem ou planeiam construir, para que as sessões aprofundadas usem os dados de entrada reais e os casos em que hoje corre mal.
A formação em prompts funciona em árabe?
Sim. A Stennir conduz turmas em árabe e inglês, e noutras línguas mediante pedido. Os modelos são escritos e testados na língua que as equipas usam, incluindo dados de entrada que misturam árabe e inglês, e os revisores praticam a deteção de respostas no registo errado, como árabe formal quando o cliente escreveu em dialeto do Golfo.
O que pode correr mal se saltarmos a formação aprofundada?
O risco está em quem constrói. Um fluxo de trabalho assente num prompt não testado pode classificar mal pedidos, ler mal campos de faturas ou seguir instruções escondidas num e-mail de um cliente, sem que ninguém repare, porque o resultado parece confiante. Formar quem constrói e quem revê é a forma de apanhar essas falhas antes dos clientes.
