Ideia principal

A competência esperada de quem trabalha com uma IA se formulou primeiro como uma competência de formulação: saber pedir, enquadrar, detalhar. Foi o prompt que concentrou a atenção, porque é o único gesto visível.

Mas o que faz a diferença entre dois resultados se decide antes do pedido, no que o contexto já contém. Adicionar material, corrigir uma interpretação errada antes que ela seja reaproveitada, validar uma fonte, escrever uma regra, criar um modelo, indicar em que você está trabalhando agora, apontar uma contradição entre dois documentos e decidir o que merece ser guardado — são esses gestos que determinam a qualidade das respostas seguintes.

A pessoa deixa então de ser um usuário que preenche campos. Ela cuida de um ambiente de pensamento: um contexto bem mantido reduz o custo das decisões futuras, um contexto mal mantido produz sínteses ruins mais rápido.

Por que isso importa

Isso desloca o que é preciso ensinar, e o que é preciso reconhecer como trabalho. Um treinamento de prompt se organiza em meio dia e se mede mal; cuidar de um contexto é um trabalho contínuo, que não tem entregável próprio e que nenhuma descrição de cargo contempla.

Isso também explica por que dois times com a mesma ferramenta obtêm resultados incomparáveis. A diferença não está na ferramenta, e a distância aumenta com o tempo, já que um contexto bem mantido se enriquece a cada uso.

Nuances e limites

A formulação mantém seu papel: pedir mal a partir de um bom contexto dá um resultado ruim. A questão não é que o prompt não conte, é que ele chega rápido ao teto.

E cuidar do contexto pode virar um trabalho sem fim, em que se organiza um material que ninguém vai consultar de novo. A regra que o delimita é a mesma da governança: só cuidar do que será remobilizado.

Questões em aberto

• Como uma organização reconhece um trabalho de cuidado do contexto que não produz nenhum entregável identificável?