Em vez de fazer prompts para a IA, delegue a tarefa a ela
Aprofundamento CEVIU
Aprofundamento
O autor da newsletter Productify montou, em cerca de seis horas num fim de semana, um agente que lê a atividade de Jira e Confluence e envia por e-mail um resumo diário para um público de negócios e tecnologia. A ideia central: a IA escreve o prompt, e a pessoa só decide o que é um bom resultado. Ele chama isso de Judgment Loop: você define o que é bom, a IA redige o prompt, você roda, revisa a saída, a IA corrige o que falhou, e só depois de confiar você automatiza. O próprio autor diz que ainda está entre "rodar" e "confiar".
A primeira versão falhou por falta de contexto: saiu técnica demais para quem é de produto e negócio. Ninguém tinha dito ao agente quem era o leitor nem o que ele faria com o resumo. Depois de quatro ou cinco rodadas de reescrita por outro LLM, o prompt passou a agrupar tickets por tema de negócio, priorizar riscos de cliente, pagamento, receita, segurança e compliance, explicar termos técnicos em linguagem simples e dizer o que não conseguia verificar. A regra mais importante é não inventar fatos: sem confirmação de impacto no cliente, responsável, aprovação ou deploy, o agente precisa avisar. O autor também descreve o "Prompt Tax", o tempo gasto reescrevendo a mesma instrução. A saída é dar o contexto uma vez (objetivo, público, decisão apoiada, formato, exemplos bons e ruins) e pedir que a IA monte o prompt.
Sobre a pesquisa: no paper APE, de 2022, instruções escritas por LLMs igualaram ou superaram as humanas em 19 de 24 tarefas. Um estudo de 2025 apontou prompts de LLM mais alinhados a rótulos humanos, e com menos variação, do que os de 15 especialistas. O autor ressalva que são tarefas de pesquisa, direção e não prova.
O que mudou
A tese conversa com a cobertura anterior do CEVIU. Em 5 de março de 2026, o CEVIU noticiou "IA Evolui dos Prompts Para Workflows Complexos", sobre modelos que saem dos prompts simples para workflows pré-estruturados. Em 27 de abril de 2026, "O Harness de Hoje É o Prompt de Amanhã" tratou de capacidades de modelo que reduzem a necessidade de sistemas elaborados. Em 9 de junho de 2026, "Loop Engineering: a nova forma de trabalhar com agentes de IA" descreveu a troca da interação humana direta por um sistema automatizado que itera até concluir a tarefa. A notícia de agora traz um caso concreto: o humano sai da escrita do prompt e fica com a definição de qualidade e a revisão.
Por que isso importa
Para quem trabalha com design e UX, a leitura é que o valor se desloca de redigir instruções para descrever critérios: quem é o usuário, que decisão a saída apoia, o que é aceitável. É o mesmo raciocínio de uma boa pesquisa com usuários e de um bom briefing. A regra de sinalizar o que não foi verificado também lembra um princípio de interface: mostrar ao usuário o limite de confiança do sistema.
Linha do tempo
CEVIU noticia a transição dos prompts simples para workflows complexos.
CEVIU publica que o harness de hoje vira o prompt de amanhã.
CEVIU explica o loop engineering com agentes de IA.
Autor mostra agente de briefing em que a IA escreve o próprio prompt e cita pesquisa que respalda a abordagem.
Perguntas frequentes
O que é o Judgment Loop?
É o ciclo descrito pelo autor: você define o que é bom, a IA redige o prompt, você roda e revisa a saída, a IA corrige o que falhou e você só automatiza quando confiar. O humano fica com o critério de qualidade, não com a redação.
O que é o Prompt Tax?
É o tempo gasto reescrevendo a mesma instrução para compensar o que a IA não sabe sobre a sua tarefa. Acontece em revisão de PRD, resumo semanal ou análise de concorrentes. A saída proposta é fornecer o contexto uma vez e pedir que a IA gere o prompt reutilizável.
A pesquisa prova que a IA escreve prompts melhores que humanos?
Não prova. No paper APE, de 2022, instruções de LLMs igualaram ou superaram as humanas em 19 de 24 tarefas. O próprio autor lembra que são tarefas de pesquisa e que o resultado serve como direção.
Por que o agente não deve inventar fatos?
Porque ele lê um único ticket do Jira e pode concluir, com confiança, que algo é crítico sem conhecer o contexto de negócio. Por isso o prompt exige que ele diga quando não consegue confirmar impacto no cliente, responsável, aprovação ou status de deploy.
Fontes
- productify.substack.comfonte original
- Categoria
- CEVIU Design
- Publicado
- 23 de outubro de 2026
- Editoria
- CEVIU Design

