Chatbotismo: por que a sua IA parece começar do zero toda semana

Chatbotismo é a rotina de reexplicar o trabalho à IA a cada conversa. Veja os sinais e como dar endereço ao que precisa ser reutilizado.

Segunda-feira, relatório mensal para um cliente. Você abre a conversa com a IA, explica o negócio, descreve quem vai ler, procura os números atualizados e anexa o relatório do mês passado como exemplo.

A primeira versão chega em segundos. Ela usa um dado antigo, e você corrige. O tom saiu formal demais, e você explica de novo como a empresa escreve. Uma decisão sobre o que pode ser divulgado ficou em outra conversa, e você vai buscar.

Depois de algumas rodadas, o relatório fica bom.

No mês seguinte, a tarefa começa com quase toda a mesma preparação.

A IA acelerou a redação. A reconstrução do ambiente em que o trabalho acontece continuou com você.

Neste texto, chamo essa rotina de chatbotismo: um jeito de usar IA em que informações, padrões e decisões precisam ser reapresentados a cada conversa para que a próxima tarefa avance. O nome é uma provocação. Ele tira a atenção da resposta que aparece na tela e coloca numa pergunta menos confortável: quanto do trabalho continua disponível depois que a conversa termina?

O trabalho que fica fora da conta

Preparar contexto raramente aparece quando alguém calcula o ganho de produtividade com IA.

Encontrar a versão correta de um documento. Recuperar uma decisão. Lembrar uma exceção. Avisar qual arquivo está desatualizado. Dizer quem aprova. Conferir se aquilo que parecia pronto chegou a ser enviado.

Cada item leva poucos minutos e consome atenção. Repetidos todo mês, formam uma etapa inteira do trabalho, executada por uma pessoa que precisa lembrar de tudo.

Um prompt longo parece resolver. Você reúne as instruções num bloco e cola no início de cada conversa. Só que o bloco também envelhece. O preço muda, o cliente troca de responsável, uma regra provisória vira permanente por esquecimento, e o prompt passa a ser mais um documento que alguém precisa manter atualizado à mão. Em Por que prompt solto não vira sistema, descrevi as quatro peças que tiram o contexto da conversa: fonte de verdade, exemplos aprovados, checklist de revisão e registro de mudança. Aqui o assunto é reconhecer a rotina no dia a dia e conferir se a base, depois de criada, continua servindo à tarefa seguinte.

Quatro sinais na sua rotina

  • Você cola o mesmo parágrafo de apresentação do negócio em conversas diferentes.
  • Você procura em conversas antigas uma decisão que já foi tomada.
  • Você corrige pela segunda vez um erro que a IA disse ter entendido.
  • Você não consegue dizer, sem abrir o e-mail, qual versão foi aprovada e qual foi enviada.

Os quatro apontam para a mesma causa. A informação que o trabalho exige mora na conversa e na cabeça de alguém.

A memória do aplicativo ajuda até certo ponto

Alguns aplicativos de IA já guardam preferências e trechos de conversas anteriores. Isso reduz parte da repetição.

Guardar uma informação é diferente de encontrá-la na hora certa, na versão vigente e com o limite de uso que ela tinha.

“Usar linguagem mais direta” pode ser uma orientação geral. “Reduzir este relatório porque a diretoria pediu uma versão de uma página” é uma decisão daquele mês. Se as duas forem guardadas como regra permanente, o relatório seguinte sai curto por um motivo que já deixou de existir.

Por isso cada informação reutilizável precisa conservar o contexto de uso: quem disse, quando, para qual projeto, se continua em vigor e se existe exceção.

Dê endereço ao que será reutilizado

Uma orientação importante precisa ser encontrável fora da conversa em que apareceu. Para o relatório do exemplo, quatro lugares resolvem o começo:

  • Um documento com o leitor, o objetivo e o padrão de linguagem.
  • Uma pasta com as fontes de cada edição.
  • Um registro das decisões aprovadas, com data.
  • Um histórico do que foi efetivamente enviado.

A estrutura pode ser simples, desde que você consiga mantê-la e a ferramenta consiga consultá-la.

Tiago Forte popularizou a ideia de Segundo Cérebro como base externa de conhecimento. Seu método CODE descreve quatro movimentos: capturar, organizar, destilar e expressar. O guia introdutório da Forte Labs apresenta o método. Para a montagem prática com IA, há um passo a passo em Como montar um Segundo Cérebro no Obsidian para trabalhar com IA.

A condição que some entre a reunião e o texto

Uma reunião costuma gerar três materiais: a gravação, uma síntese das decisões e o texto que vai para o cliente. A gravação preserva o que foi dito. A síntese organiza o entendimento. O texto final seleciona o que interessa ao leitor.

Considere uma frase hipotética de reunião:

“Podemos avaliar essa mudança no próximo trimestre, se houver capacidade na equipe.”

Uma síntese apressada registra:

“Mudança prevista para o próximo trimestre.”

No relatório, isso vira:

“A empresa implementará a mudança no próximo trimestre.”

A redação ficou mais afirmativa a cada etapa, e a condição que acompanhava a ideia desapareceu. O erro começou pequeno e chegou à comunicação final com aparência de decisão tomada.

Durante a preparação, vale marcar o que está confirmado, o que ainda é proposta, o que é interpretação e o que depende de validação. As marcações ficam nos materiais de trabalho, fora do texto publicado. Quando surgir uma dúvida, deve ser possível voltar à gravação e conferir o trecho.

A síntese facilita a consulta. A fonte permite conferir o que a síntese deixou de fora.

“Concluído” precisa de evidência

“Preparei o documento.”

A frase encerra uma conversa. Para encerrar uma tarefa, falta saber o que aconteceu. O documento foi criado? Foi salvo na pasta correta? Abre normalmente? A versão do link é a mesma que foi revisada?

Com ferramentas e permissões adequadas, um agente de IA executa etapas além da redação. Quanto mais ele executa, mais importa definir uma conclusão que alguém consiga verificar.

No exemplo, “relatório pronto para revisão” pode significar:

  • Texto salvo no local combinado.
  • Números confrontados com as fontes.
  • Links testados.
  • Pendências de validação identificadas.
  • Versão marcada como rascunho.

“Relatório enviado” é outro estado, com outra evidência: o envio registrado, para o destinatário correto, depois da autorização.

Rascunho, revisado, aprovado e enviado são estados diferentes. Quando eles se misturam, a equipe repete uma entrega que já saiu ou usa uma versão que nunca foi aprovada.

A correção precisa chegar à próxima tarefa

Você pede um ajuste. A IA responde que entendeu. Na entrega seguinte, o problema reaparece.

Reconhecer uma correção na conversa e incorporá-la ao processo são duas etapas. Se a estrutura do relatório mudou, a orientação precisa chegar ao documento que será consultado no mês seguinte. Se um dado mudou, a versão anterior precisa deixar de parecer atual. Se uma preferência era temporária, isso também precisa ficar registrado.

Depois de atualizar uma orientação, faça um teste: peça uma tarefa nova que dependa dela e observe se a versão correta é recuperada.

Esse teste vale mais do que a mensagem “anotado”.

Autonomia proporcional à tarefa

Quando a IA consegue acessar arquivos e usar ferramentas, aparece a tentação de permitir tudo para reduzir interrupções. Só que consultar uma fonte, preparar um rascunho, alterar um documento compartilhado e enviar um relatório ao cliente têm consequências diferentes.

Uma boa configuração deixa claro quais fontes podem ser consultadas, quais materiais podem ser preparados, quais alterações podem ser feitas e quais ações dependem de aprovação. No exemplo, a reunião das fontes e a preparação do rascunho podem ser liberadas, com o envio sujeito à aprovação de uma pessoa.

O mesmo cuidado vale para os dados. Um arquivo guardado no seu computador pode ser enviado a um serviço externo durante o processamento. Antes de liberar o acesso, confira o caminho que a informação percorre e as permissões envolvidas.

A Anthropic recomenda começar pela solução mais simples que funcione e acrescentar complexidade quando houver ganho demonstrável. O guia Building effective agents também distingue fluxos com etapas definidas de antemão de agentes que decidem dinamicamente como executar o trabalho. Para muitas rotinas, um modelo de documento, fontes organizadas e uma sequência clara de revisão já representam um avanço grande.

Um teste com uma tarefa só

Escolha uma tarefa recorrente cujas dificuldades você já conhece. O relatório mensal, a preparação de uma reunião, a newsletter.

Antes de acrescentar ferramentas, descreva o processo em uma página:

  1. Resultado esperado. O que precisa existir ao final, em qual formato e em qual lugar.
  2. Fontes necessárias. Quais documentos alimentam o trabalho e como identificar as versões atuais.
  3. Erros inaceitáveis. O que a entrega não pode conter e o que precisa preservar.
  4. Limites de atuação. O que a IA pode fazer diretamente e o que depende de revisão ou autorização.
  5. Evidência de conclusão. Como uma pessoa confere que a tarefa terminou corretamente.

Execute uma rodada. Registre os problemas. Atualize somente as orientações que serão reutilizadas. Depois, repita.

Na segunda execução, a velocidade da resposta informa pouco. Observe se você precisou explicar menos, se os erros conhecidos diminuíram e se o resultado ficou mais fácil de conferir. Pode acontecer de a preparação apenas mudar o trabalho de lugar, e isso também é uma resposta útil.

Na próxima vez que repetir uma tarefa com IA, anote o que você precisou explicar de novo. A lista mostra quais informações ainda não têm endereço.

A Trilha Operar com IA desenvolve esse percurso módulo a módulo.