Normas específicas transformam chatbots em auxiliares pessoais

Ferramentas como Google Gemini, Claude, ChatGPT e Perplexity oferecem a possibilidade de armazenar diretrizes que influenciam a linguagem, as fontes e o formato das respostas geradas. Para os usuários, essa funcionalidade diminui a necessidade de repetição de comandos, otimiza o espaço nas conversas e transforma um chatbot genérico em uma ferramenta mais orientada para tarefas específicas.

Esses mecanismos são identificados por nomes distintos em cada plataforma. No caso do Gemini, são chamadas de Gems; Claude e ChatGPT utilizam a terminologia Projetos; enquanto o Perplexity agrupa instruções e arquivos em Espaços (Spaces), que a empresa tem reestruturado como Projetos. A acessibilidade e as limitações podem diferir de acordo com o plano, a conta utilizada e a versão do aplicativo.

Essas funcionalidades abordam um desafio comum enfrentado pela inteligência artificial generativa. Sem um contexto contínuo, o usuário precisa reexplicar seu objetivo, o público-alvo, as restrições e a estrutura desejada a cada nova interação.

Embora as regras armazenadas não garantam resultados perfeitos, elas ajudam a minimizar respostas genéricas e proporcionam ao usuário um maior controle sobre como a tecnologia executa tarefas específicas.

Comece com uma tarefa específica

Um assistente personalizado tende a ser mais eficaz quando recebe uma missão bem definida. Por exemplo, “Ajudar no trabalho” deixa muitas decisões nas mãos do modelo. Em contrapartida, “Organizar atas de reunião em decisões, responsáveis e prazos” estabelece uma entrega mais clara para avaliação.

A mesma abordagem pode ser aplicada em áreas como pesquisa, estudo, planejamento financeiro, curadoria de notícias e gerenciamento de projetos. Um profissional pode programar a ferramenta para resumir documentos sem modificar números. Já um estudante pode solicitar explicações passo a passo e pedir que cada afirmação seja acompanhada pela fonte utilizada.

É fundamental que o objetivo especifique quem utilizará o resultado e para qual finalidade ele será aplicado. Além disso, é necessário distinguir entre as capacidades do sistema e aquilo que depende da decisão humana.

Formule regras que possam ser verificadas

As diretrizes mais eficazes devem abordar comportamentos observáveis. O usuário pode definir o tamanho máximo das respostas, proibir certos termos, solicitar tabelas ou estabelecer uma ordem preferida para o trabalho. Limitar as pesquisas a documentos específicos também é uma opção.

Diretrizes vagas como “seja melhor” ou “responda com qualidade” oferecem pouca clareza. Em contraste, uma instrução clara como “apresente primeiro a conclusão, seguida por três evidências e finalize com as lacunas encontradas” possibilita verificar se o resultado está conforme combinado.

Um conjunto básico pode incluir objetivo, função pretendida, público-alvo, fontes autorizadas, formato desejado, limites e rotina esperada. Também é útil indicar quando o sistema deve reconhecer sua incapacidade de encontrar informações suficientes ao invés de improvisar uma resposta.

O usuário pode solicitar ao chatbot assistência na elaboração dessas diretrizes. Um comando inicial deve esclarecer a finalidade do assistente e pedir perguntas sobre público-alvo, materiais disponíveis, frequência de uso esperada, formato desejado e condutas proibidas.

As respostas obtidas podem servir como base para uma versão finalizada das instruções. Antes de salvá-las, é essencial remover ambiguidades e garantir que nenhuma instrução conflite com outra.

Defina as fontes antes da resposta

A personalização também ajuda a diminuir a dependência de informações aleatórias disponíveis online. Quando a plataforma aceita arquivos de referência, os usuários podem enviar manuais, planilhas ou relatórios próprios para guiar o trabalho realizado pelo assistente.

No entanto, esse cuidado não assegura total precisão. Modelos generativos ainda podem interpretar erroneamente um documento ou ignorar exceções relevantes.

Uma diretriz adicional pode exigir que cada resposta indique qual documento foi utilizado e qual trecho suporta suas conclusões. Se as informações não estiverem presentes nos materiais autorizados fornecidos pelo usuário, o assistente deve declarar essa ausência ao invés de preencher com suposições.

A verificação adicional é necessária quando se trata de arquivos confidenciais. Informações pessoais sensíveis ou segredos comerciais devem ser analisados com cautela antes do envio às plataformas digitais.

Configure seu assistente na plataforma

No Gemini, as configurações são feitas na seção das Gems. O usuário cria uma nova ferramenta atribuindo um nome apropriado e inserindo suas instruções; quando disponível, também pode adicionar arquivos utilizados como referência.

No Claude e no ChatGPT, esse processo ocorre dentro dos Projetos. Nessas áreas relacionadas às conversas é possível compartilhar diretrizes e materiais úteis para evitar reconstruir contextos em cada sessão nova.

No Perplexity, as instruções e os arquivos são armazenados nos Espaços (Spaces). Embora os nomes dos menus possam variar entre versões diferentes da aplicação, a lógica subjacente permanece constante.

A descrição salva deve esclarecer quais ações tomarão lugar durante sua utilização: como entregar resultados e até onde ir nas respostas geradas. Por exemplo: numa configuração voltada à pesquisa pode-se especificar que apenas fontes indicadas sejam utilizadas ou que fatos sejam separados de hipóteses apresentadas.

Teste com situações desafiadoras

A primeira versão das diretrizes raramente abrange todas as possibilidades práticas. É importante incluir testes que envolvam pedidos comuns assim como instruções ambíguas ou solicitações incompletas para avaliar se o assistente segue corretamente os limites estabelecidos.

Caso o assistente utilize uma fonte que não deveria ser permitida ou crie dados inexistentes ou altere formatos estabelecidos anteriormente nas regras definidas pelo usuário isso requererá atualização nas instruções originais. Exemplos curtos do tipo de resposta adequada versus inaceitável também podem auxiliar na definição do padrão esperado pelo modelo.

Muitas regras podem ter efeito oposto ao pretendido; um conjunto extenso ou contraditório compromete parte da capacidade contextual do sistema dificultando identificar prioridades adequadas. Diretrizes primárias devem aparecer antes das demais utilizando verbos claros e critérios mensuráveis para facilitar sua compreensão.

A otimização no uso dos tokens acontece porque os usuários não precisam repetir constantemente o mesmo conjunto de comandos em cada mensagem enviada ao sistema; embora isso ainda implique custos associados às instruções armazenadas no sistema devido à necessidade deste processá-las internamente. Contudo reduz-se a repetição durante as interações permitindo mais espaço para novos documentos ou pedidos adicionais.

A responsabilidade final continua sendo do usuário. As Gems, Projetos e Espaços facilitam organização das preferências individuais aumentando produtividade mas não eliminam a necessidade de checar fatos importantes cálculos referências bem como decisões críticas que possam surgir durante esse processo colaborativo com tecnologia aplicada à inteligência artificial generativa.