A IA não lê mentes: Por que o resultado depende da qualidade do briefing? Por Guilherme Pontes, CEO da Ponti Digital e especialista em inteligência artificial e automação de processos

A inteligência artificial já permite que as agências produzam em uma velocidade que seria difícil imaginar há poucos anos. Mas ganhar velocidade não significa, necessariamente, ganhar produtividade. Se o pedido for mal estruturado, a IA pode simplesmente produzir mais rápido algo que não resolve o problema.

“Faz um site para a minha cafeteria.”

É assim que muita gente começa uma tarefa com inteligência artificial. Quando o resultado vem genérico, sem personalidade ou distante do esperado, a ferramenta leva a culpa. Em muitos casos, porém, o problema começa antes: no próprio pedido.

A IA não lê mentes. Quando informações importantes ficam em aberto, precisa preencher lacunas e tomar decisões por conta própria. Quanto maior o espaço para interpretação, maior a possibilidade de o resultado se afastar do que se pretendia.

Isso vale para ferramentas como Claude, ChatGPT ou Gemini e reproduz uma lógica conhecida nas agências: quando o briefing chega incompleto, aumentam as dúvidas, as idas e vindas e o retrabalho. Com a IA, essa dinâmica ganha outra escala, porque a produção é muito mais rápida.

Por isso, o desafio não está apenas em aprender a usar uma ferramenta, mas em saber estruturar o que se espera dela. É nesse contexto que entram frameworks de engenharia de prompt, como o PACIF, que organiza as instruções em cinco elementos: Papel, Ação, Contexto, Instruções e Formato.

O que muda quando o pedido é bem estruturado?

Em Papel, define-se quem a IA deve ser naquela tarefa. Em Ação, o que precisa fazer. Em Contexto, entram as informações necessárias para orientar suas decisões. Em Instruções, as regras e restrições. E, em Formato, como o resultado deve ser apresentado.

Um pedido como “faz um site para a minha cafeteria” deixa praticamente tudo em aberto. Já uma orientação que peça à IA para atuar como desenvolvedor front-end sênior e criar uma landing page para uma cafeteria de São Paulo voltada ao público jovem, com hero, cardápio e formulário de contato, usando cores quentes e entregando tudo em um único arquivo HTML pronto para publicação, reduz consideravelmente o espaço para interpretações.

Não se trata apenas de escrever um prompt mais longo, mas de fornecer as informações necessárias para que a ferramenta execute a tarefa com mais precisão.

Do talento individual ao processo

Nas agências, estruturar essa prática também pode reduzir a dependência da experiência individual. Quando cada profissional utiliza a IA de uma maneira diferente, os resultados podem variar. Um método comum ajuda a transformar uma habilidade individual em um processo compartilhado pela equipe.

Isso tem impacto direto na operação. Menos tentativas significam menos tempo gasto com correções, enquanto processos mais claros facilitam a adoção da tecnologia.

Há ainda um efeito sobre o próprio briefing. Para preencher as cinco partes do PACIF, é preciso definir objetivo, público, contexto, regras e formato da entrega. Estruturar o pedido também ajuda a esclarecer o problema antes de buscar uma solução.

As restrições fazem parte desse processo. Dizer o que a IA não deve fazer pode ser tão importante quanto explicar o que precisa fazer. Não usar determinado idioma, não utilizar emojis, não alterar uma informação ou não criar

algo que não foi solicitado são exemplos de instruções que podem evitar novas rodadas de trabalho.

A ferramenta muda. A lógica permanece.

Essa lógica também permite transitar entre diferentes ferramentas. Claude Code, Codex, Antigravity, Cursor e outras soluções mudam constantemente, mas a capacidade de estruturar bem uma tarefa pode ser aplicada em diferentes ambientes.

No caso do Claude Code, isso se traduz em uma atuação mais direta nos arquivos de um projeto. A ferramenta pode escrever, testar e organizar o trabalho enquanto o usuário conversa com ela em português.

Para as agências, a mudança amplia o uso da IA, que passa a participar da criação de landing pages, protótipos, dashboards e automações, além de gerar textos e responder perguntas.

O papel dos profissionais, porém, permanece. Estratégia, direção de arte, relacionamento com o cliente e decisões sobre cada projeto continuam dependendo de pessoas. A IA acelera a execução, mas precisa de direção e revisão.

A ferramenta mais adequada depende do que se pretende fazer. Make, N8N e Zapier automatizam processos existentes, enquanto o Claude Code pode ser usado para construir algo que ainda não existe. As aplicações são diferentes e complementares.

De produtividade a novos serviços

Quando incorporada à operação, a inteligência artificial pode gerar ganhos de produtividade, margem, velocidade comercial e novos serviços. Tarefas que levavam dias podem ser realizadas em horas, enquanto protótipos podem viabilizar entregas antes dependentes de terceirização ou equipes de desenvolvimento.

Um exemplo vem da Ponti Digital, agência de tecnologia e inovação. Em uma solução desenvolvida pela empresa, o lead envia pelo WhatsApp uma foto da conta de luz e recebe uma proposta comercial pronta, com desconto e

projeção de economia. Segundo os dados do projeto, o SLA de atendimento caiu de duas horas para oito minutos, enquanto 70% das tarefas manuais foram eliminadas.

Mais do que a ferramenta, o resultado depende de uma estrutura com objetivos, regras e critérios de revisão. É isso que permite incorporar a IA à operação de forma consistente.

Como levar essa lógica para a prática

É possível aplicar esse modelo sem transformar profissionais de marketing, gestão ou operação em programadores. O importante é entender como orientar a IA e utilizá-la para construir soluções dentro da própria agência, mantendo as pessoas responsáveis pela definição do problema, pelas decisões e pela revisão das entregas.

A formação profissional também ganha importância nesse processo. Cursos, programas de capacitação e outras iniciativas podem ajudar equipes a experimentar novas ferramentas, compreender suas possibilidades e transformar o uso da IA em processos aplicáveis ao dia a dia das agências.

Mais do que dominar uma ferramenta específica, o desafio para as agências é desenvolver uma forma estruturada de trabalhar com IA. Definir o problema, fornecer o contexto necessário, estabelecer limites e revisar o resultado são etapas que ajudam a transformar velocidade de execução em resultado