Uma receita é um processo. Um prompt também.

Há alguns anos, Josh Darnit publicou um vídeo em que pede aos filhos que escrevam instruções para preparar um sanduíche de pasta de amendoim e geleia. A tarefa parece simples: as crianças sabem fazer um sanduíche, o pai também, e todos sabem exatamente qual deveria ser o resultado.

Mesmo assim, quando ele começa a executar as instruções de forma deliberadamente literal, tudo dá errado. “Pegue duas fatias de pão”, “pegue pasta de amendoim”, “espalhe com a faca”. Várias coisas que pareciam óbvias para quem escreveu nunca chegaram a ser escritas.

O resultado é engraçado, mas o ponto do experimento não é mostrar que as crianças não sabem explicar algo simples, nem que o pai é incapaz de entender o que elas querem dizer. Pelo contrário: todos sabem perfeitamente qual é o objetivo.

O vídeo é, antes de tudo, uma brincadeira em família — um momento leve entre pai e filhos — e funciona também como uma pequena experiência educacional. Ao seguir as instruções de forma deliberadamente literal, o pai transforma a brincadeira em uma forma de mostrar como informações que parecem óbvias para quem escreve podem nunca ter sido realmente comunicadas.

É esse exagero que torna visível algo que normalmente passa despercebido:

uma instrução não carrega automaticamente tudo aquilo que existe na cabeça de quem a escreveu.

O vídeo original está aqui: Exact Instructions Challenge - THIS is why my kids hate me.

O que parecia óbvio estava apenas implícito

Quando explicamos alguma coisa para outra pessoa, raramente começamos do zero. Existe contexto compartilhado.

Se eu pedir para alguém que cozinha com frequência “refogue a cebola”, provavelmente não preciso explicar que ela deve estar descascada, cortada, colocada em uma panela e aquecida com algum tipo de gordura. Muita coisa é inferida, e isso é útil. Se precisássemos explicar absolutamente tudo em todas as interações, qualquer instrução simples viraria um manual enorme.

O problema aparece quando aquilo que ficou implícito é justamente o que muda o resultado.

No experimento do sanduíche, as crianças sabiam o que queriam dizer. Mas o pai executava somente aquilo que havia sido efetivamente comunicado.

Essa diferença entre intenção e instrução existe em muito mais lugares do que parece.

Uma receita já lida com esse problema

Uma receita é uma forma de organizar uma execução. Ela normalmente informa ingredientes, quantidades, sequência, temperatura, tempo e algum resultado esperado.

Em linguagem de processos, poderíamos enxergar ali entradas, atividades, condições e uma saída. Mas nem toda receita possui o mesmo nível de detalhe.

Uma receita escrita para um cozinheiro experiente pode dizer apenas “reduza o molho”. Para alguém que está começando, talvez seja necessário explicar o que significa reduzir, qual intensidade de fogo utilizar e como perceber que chegou ao ponto.

Isso mostra que existe uma relação entre a instrução e quem vai executá-la. O mesmo texto pode ser suficiente em um contexto e insuficiente em outro.

E existe outro detalhe importante: seguir a mesma receita também não garante resultados absolutamente idênticos. O forno varia, os ingredientes variam, a técnica varia e a interpretação também. A receita reduz parte da variabilidade, mas não elimina toda ela.

Na indústria, essa preocupação aparece de outra forma

Durante minha experiência com processos industriais, instruções de trabalho faziam parte do cotidiano. Ali, o objetivo normalmente era tornar determinadas etapas mais claras e repetíveis, deixando explícitos sequência, parâmetros, cuidados de qualidade, pontos críticos, condições de segurança e critérios que não poderiam depender apenas da memória de alguém.

Mas uma boa instrução de trabalho também não precisava explicar cada movimento possível de uma pessoa. Existe sempre algum conhecimento esperado de quem executa.

Um soldador não precisa receber uma definição de soldagem a cada operação. Um operador experiente não precisa ser ensinado novamente a identificar cada ferramenta básica. A instrução precisa deixar claro aquilo que é importante para aquela execução.

Essa diferença parece pequena, mas muda bastante a maneira de pensar sobre instruções.

O objetivo não é escrever tudo. É descobrir o que precisa estar explícito para que o resultado não dependa de uma interpretação errada.

E então chegamos aos prompts

Agora imagine um pedido simples para uma inteligência artificial:

Faça um relatório sobre esses dados.

Para quem escreveu, talvez a intenção pareça bastante clara. Mas qual relatório? Para quem? Com qual objetivo? Qual período precisa ser considerado? O texto deve ser executivo ou técnico? Queremos apenas descrever os dados ou também interpretar causas? Existem informações que não devem aparecer? O que caracterizaria uma boa resposta?

A IA pode preencher algumas dessas lacunas, e muitas vezes preenche muito bem. Mas ela pode preenchê-las de uma forma diferente daquela que estava na nossa cabeça.

É aqui que começo a enxergar a interação por meio de um prompt como um processo: existe uma entrada, existe contexto, existem instruções e restrições, o modelo interpreta essas informações e produz uma saída. Depois avaliamos se aquilo corresponde ao que queríamos.

A resposta também faz parte do processo

Esse talvez seja o ponto mais interessante.

Quando as primeiras instruções das crianças falham no vídeo, elas observam o resultado e começam a escrever instruções melhores. O ciclo é mais ou menos assim:

instrução → execução → resultado → observação → refinamento → nova execução

A saída mostra algo sobre a entrada.

Isso também acontece quando trabalhamos com IA. Às vezes recebemos uma resposta ruim e imediatamente concluímos: “A IA não entendeu.”

Pode ser. Modelos possuem limitações, podem interpretar mal, produzir informações incorretas ou simplesmente entregar uma resposta fraca.

Mas a resposta também pode revelar algo sobre aquilo que pedimos. Talvez tenha faltado contexto, o resultado esperado estivesse apenas na nossa cabeça, duas instruções estivessem em conflito ou a palavra escolhida permitisse interpretações diferentes. Em outros casos, podemos estar pedindo cinco coisas diferentes como se fossem uma única tarefa.

Nesse sentido, o feedback não acontece apenas depois do processo. Ele ajuda a melhorar o próprio processo.

Isso significa que quanto mais detalhado o prompt, melhor?

Não necessariamente.

Essa seria uma conclusão fácil demais. Se o problema fosse apenas falta de detalhes, bastaria transformar qualquer solicitação em um documento de cinco páginas.

Mas uma instrução também pode ficar longa demais, redundante, rígida ou difícil de compreender. Existe informação necessária, informação útil e informação que apenas aumenta o ruído.

O desafio está em encontrar o nível de estrutura adequado para aquela situação.

Uma boa instrução não precisa dizer tudo. Precisa dizer o suficiente para aquele contexto.

Essa lógica vale para uma receita, para uma instrução de trabalho e também pode valer para um prompt.

Mas um prompt não é uma receita

A analogia tem limite.

Uma receita, uma instrução industrial e um prompt não funcionam da mesma maneira. Uma instrução de trabalho costuma tentar reduzir bastante a variabilidade. Uma receita pode permitir alguma interpretação. Um modelo generativo trabalha justamente com linguagem, contexto, padrões e possibilidades de resposta.

Mesmo uma solicitação muito bem estruturada não transforma uma IA em um executor completamente determinístico. Também não existe um “prompt perfeito” que garanta sempre a resposta perfeita.

A comparação é útil porque torna visível a estrutura da interação, não porque explique tecnicamente como uma inteligência artificial funciona.

Talvez a pergunta mais útil seja outra

Quando uma instrução produz um resultado diferente do esperado, é fácil olhar apenas para quem executou. Mas às vezes vale olhar também para aquilo que foi comunicado.

O que estava explícito? O que dependia de contexto? O que eu esperava que fosse inferido? O que significava, para mim, um bom resultado?

E principalmente:

o que estou assumindo que o executor já sabe?

Essa pergunta serve para uma receita, serve para uma instrução de trabalho e continua sendo bastante útil quando quem está do outro lado é uma inteligência artificial.

As ferramentas mudaram. O desafio de transformar intenção em execução continua surpreendentemente parecido.