O ChatGPT deu um salto! Entende melhor o contexto, mantém a conversa por mais tempo e comete menos erros. Isso abre a porta a mais autonomia. Mas autonomia sem método não dá bom resultado. Nas empresas, aprendemos que delegar não é “largar”. É definir objetivos, limites e métricas. Com a IA é igual. No meu artigo de Abril “O Que a IA nos Ensina sobre Liderança de Pessoas”, referi as semelhanças entre gerir pessoas e a engenharia de prompts, sobre a importância de dar contexto, exemplos e tudo o necessário para o nosso colaborador desempenhe a sua tarefa, considerando níveis de autonomia crescentes de acordo com o nível de competências que vai construindo. O mesmo raciocínio aplica-se agora ao GPT-5 e ao modelo de trabalho com IA nas organizações.
O que é diferente? O GPT-5 precisa de menos “truques” e reage bem a linguagem natural. Aguenta tarefas longas, consegue encadear etapas e pedir esclarecimentos quando algo está vago. Por isso, podemos confiar-lhe mais trabalho: rascunhos de propostas, análises de dados, sínteses de reuniões, esboços de planos. A boa notícia é que já não precisamos de prompts gigantes, cheios de personagens e regras repetidas. A má notícia é que, sem estrutura mínima, a qualidade degrada-se, tal como numa equipa sem um bom briefing.
A palavra-chave é equilíbrio. Tal como não damos a um júnior total liberdade no primeiro dia, também não deixamos a IA “decidir tudo” sem balizas. A autonomia cresce por camadas: começa com tarefas bem definidas e validações curtas; passa para blocos maiores com pontos de controlo; e só depois chega à execução de ponta-a-ponta com revisão no fim. É gestão de riscos aplicada ao digital.
Como se traduz isto no prompt engineering? Em quatro peças simples:
Contexto: o “porquê” e o “para quem”. Quem é o público? Qual o tom? Que decisão depende deste output?
Estrutura: formato esperado. Títulos, secções, extensão aproximada, critérios de qualidade.
Orientação: limites e preferências. O que evitar, que fontes considerar, que linguagem específica usar.
Exemplos: um modelo do resultado esperado. Um parágrafo de referência vale mais do que dez linhas de teoria.
Depois, vem o processo. Em vez de um mega-prompt, use ciclos curtos:
– Primeiro, peça um plano ou esqueleto.
– Depois, desenvolva secção a secção.
– A seguir, solicite perguntas de clarificação que a IA ainda tenha.
– No fim, peça uma verificação de coerência e uma checklist de requisitos.
Isto espelha o que fazemos com pessoas: alinhamos expectativas, acompanhamos e damos feedback.
A autonomia também se gere com métricas. Em equipas, medimos prazos, qualidade e satisfação do cliente. Com a IA, meça taxa de acerto factual, tempo poupado, número de revisões e erros críticos por página. Com estes indicadores, ajuste o nível de autonomia: se o modelo acerta de forma consistente, suba o grau de liberdade; se falha, volte a reforçar contexto e exemplos.
Também vale institucionalizar boas práticas: playbooks de prompts para tarefas recorrentes (relatórios, emails, análises, FAQs), com exemplos aprovados, glossário e checklist. Use um “semáforo” de risco (verde, amarelo, vermelho) para ajustar revisão e autonomia. Assim, a autonomia cresce sem comprometer a reputação.
Por fim, um aviso prático. O GPT-5 sabe mais, mas não sabe tudo. Continua a ser essencial pedir referências quando o tema é sensível, exigir transparência em cálculos e usar dados internos com cuidado. Tal como um colaborador sénior, a IA merece confiança, mas também auditoria.
Em resumo: faz sentido dar mais autonomia ao ChatGPT porque ele ganhou contexto e capacidade. Mas, tal como na liderança de equipas, a qualidade nasce do trio contexto-estrutura-exemplos, suportado por um processo de revisão e métricas simples. Não é magia, é gestão. E quando gerimos bem, a IA deixa de ser um risco e passa a ser uma vantagem competitiva real, mais rápida, mais consistente e mais útil para as pessoas a quem servimos.
Como aplicar já, em 5 passos:
Escolha uma tarefa repetitiva de baixo risco.
Escreva um prompt com contexto, estrutura e um exemplo.
Peça ao GPT-5 o plano antes do conteúdo final.
Defina métricas simples (tempo poupado, erros críticos) e um nível de autonomia.
Reveja, documente o que funcionou e promova o playbook à restante equipa.
