Quando uma IA falha repetidamente o resultado que preferes, o treino pode parecer o próximo passo óbvio. Primeiro, diagnostica a falha. Um pedido vago, factos em falta e um exemplo inadequado podem, todos eles, tornar uma tarefa difícil de avaliar.
Pega numa resposta fictícia a um pedido de informação. Queres que a resposta acuse a receção do pedido, enumere os dados em falta e evite prometer disponibilidade. «Escreve uma resposta profissional» não exprime esses requisitos.
Identifica a falha
Guarda um exemplo do resultado indesejado. Assinala o problema exato: compromisso inventado, pergunta em falta, formato errado ou tom inadequado. Problemas diferentes podem exigir alterações diferentes. Melhorar o tom não vai fornecer uma fonte em falta.
Melhora uma instrução
Escreve a tarefa em linguagem simples:
Redige uma resposta a este pedido de informação fictício. Acusa a receção do pedido e, depois, pede a data em falta e o número de participantes. Não inventes um preço nem confirmes disponibilidade. Termina com um pedido desses dados. Mantém a resposta concisa e simpática.
Acrescenta separadamente o material de origem relevante. Dá ao assistente uma forma de comunicar informação em falta, em vez de fazeres parecer obrigatório concluir a tarefa.
Acrescenta um exemplo útil
Escolhe um exemplo curto que te pertença ou que possas usar. Explica que características importam: uma acusação de receção clara, perguntas concretas e nenhum compromisso não aprovado. Remove ofertas antigas ou informações identificativas que não devam passar a fazer parte do novo resultado.
Um exemplo não é uma licença para copiar todos os pormenores. Indica que factos pertencem à tarefa atual e que parte ilustra o estilo.
Compara com uma verificação fixa
Usa a tarefa original e o briefing revisto em material que possas inspecionar. Procura a falha identificada, bem como novos problemas. Guarda as respostas completas e as definições relevantes. Se o briefing melhorado continuar a falhar, descreve o padrão que persiste em vez de escalares de imediato todo o projeto.
Este exercício pode mostrar que a tarefa precisava de limites mais bem definidos. Também pode revelar uma limitação que exige outra abordagem. Qualquer uma das conclusões é útil quando assenta numa comparação real. Fornecer um prompt melhor ou exemplos não é a mesma atividade que alterar os parâmetros aprendidos de um modelo.
Mika é um pseudónimo editorial utilizado pela equipa editorial de KENJTEC em Hamburgo. Este artigo propõe um fluxo de trabalho; não relata um teste concluído.
