Quanto mais eu uso IA, mais isso fica claro para mim.
O centro do que chamamos de "ser inteligente" está saindo de saber a resposta e indo para conseguir decidir o que perguntar.
Antigamente, quem tinha muito conhecimento saía na frente. Quem pesquisava bem, quem decorava tudo, quem chegava rápido à resposta certa costumava ser mais valorizado.
Mas hoje, se você perguntar a uma IA como o ChatGPT, conhecimento geral e respostas bem organizadas saem na hora. Claro que as respostas da IA precisam ser conferidas, mas "dar alguma resposta" ficou muito mais fácil.
Então, o que sobra para nós, humanos?
Na minha opinião, é a capacidade de projetar perguntas.
Montar a pauta é, basicamente, decidir "o que vamos decidir hoje"
A palavra "pauta" é muito usada no contexto de reuniões.
Qual é o assunto de hoje? Sobre o que vamos conversar? O que precisa estar decidido no final para a reunião ter valido a pena? Definir isso é montar a pauta.
E isso não vale só para reuniões.
Vale para o trabalho, para a troca de emprego, para as perguntas que você faz à IA e para as angústias da vida.
Por exemplo, se você só perguntar "devo trocar de emprego?", a resposta vai ser rasa.
Mas se perguntar assim, muda tudo:
- Se eu ficar na empresa atual, o que precisaria melhorar para valer a pena ficar?
- Se eu for transferido de área, que resultados devo ir buscar lá?
- Se eu sair, o que vem primeiro: salário anual, trabalho remoto, o quanto eu me desgasto ou o tipo de função?
- Devo agir agora ou usar um tempo para construir um histórico de resultados?
Quando você separa até esse ponto, a IA deixa de ser uma cartomante e vira uma ferramenta de apoio à decisão.
Ou seja, usar bem a IA não é conhecer prompts mágicos.
É colocar em palavras a sua situação, o objetivo, as restrições e os critérios de decisão, de um jeito que a IA consiga processar.
Na pesquisa e na prática, o "desenho de perguntas" também é levado a sério
Isso não é só impressão minha.
O guia de engenharia de prompts da OpenAI explica que um prompt é escrever "instruções eficazes" para o modelo entregar o resultado que você quer. Em outras palavras, o que a IA devolve depende muito da instrução que entra.
O guia do Google para definir problemas de aprendizado de máquina também dá ênfase a definir primeiro o "resultado ideal", o "objetivo do modelo", a "saída necessária" e as "métricas de sucesso". Fala de desenvolvimento de IA, mas vale do mesmo jeito para o trabalho do dia a dia.
Além disso, nas pesquisas sobre aprendizagem e resolução de problemas existe a ideia de "metacognição". Resumindo, é a capacidade de olhar para o que você está pensando de um nível acima. O material educacional do MIT descreve a metacognição como usar o conhecimento sobre a tarefa, sobre a forma de aprender e sobre si mesmo para planejar, acompanhar o progresso e avaliar os resultados.
Ou seja, quem se destaca não fica só pensando.
Fica atento a coisas como:
"O que exatamente estou tentando resolver agora?" "Esse jeito de avançar está funcionando?" "E se a própria pergunta estiver desalinhada?"
Essa capacidade vai ser bem importante na era da IA.
Quem sabe projetar perguntas usa a IA como uma máquina de processar, não como uma caixa de busca
Quem usa IA e só recebe respostas rasas costuma tratá-la como substituta do Google.
"O que você recomenda?" "O que eu faço?" "Qual é a resposta certa?"
Claro que dá para obter alguma resposta assim.
Mas o valor de verdade aparece quando você coloca contexto na pergunta.
Por exemplo, se você quer criar o hábito de ler, em vez de perguntar:
"Como criar o hábito de leitura?"
é melhor perguntar:
"Nos dias de semana eu fico cansado do trabalho e acabo no celular à noite. Eu costumo desistir de tudo em três dias. Para conseguir manter pelo menos 10 minutos de leitura, que tipo de organização do ambiente e de regras seriam eficazes?"
A resposta passa a ser algo realmente útil.
Isso tem menos a ver com o desempenho da IA e mais com a diferença na pergunta.
Você coloca a situação em palavras, apresenta as restrições, define o objetivo e até especifica o formato de resposta que quer.
Nesse ponto, mais ou menos metade da solução do problema já começou.
O motivo de eu conseguir fazer isso é, provavelmente, ter me queimado em ambientes ambíguos
No meu caso, por que consegui aprender a projetar perguntas?
Provavelmente não é só por causa da personalidade.
Acho que o que pesou foi ter me dado mal em ambientes ambíguos.
O objetivo é vago. Ninguém sabe quem decide. Não dá para ver qual é a condição de "pronto". Depois alguém diz "não era isso que eu queria dizer". A responsabilidade fica turva. Você é avaliado pelo clima e pela atitude.
Em um ambiente assim, se você já sai trabalhando, se queima.
Por isso, naturalmente, passei a confirmar as coisas antes:
- Qual é o objetivo?
- Quem decide?
- Para quando é necessário?
- Até onde preciso ir, no mínimo?
- Quais são as prioridades?
- O que não precisa ser feito?
- Qual é a condição para considerar pronto?
Isso não era uma habilidade profissional bonita. Era uma estratégia de sobrevivência.
Se eu não definisse os pontos antes de trabalhar, quem saía desgastado era eu. Por isso, montar a pauta foi se afiando como técnica de defesa.
Quem não consegue deixar passar aquela "sensação de que tem algo errado" cria perguntas com facilidade
Outro fator importante é que eu não consigo deixar uma estranheza passar.
Não paro em "isso não está esquisito?". Quero destrinchar até saber:
- o que exatamente está esquisito
- qual premissa está desalinhada
- a responsabilidade de quem está misturada
- o que precisa ser decidido para avançar
- se é um problema emocional ou estrutural
Esse hábito cansa.
Mas combina muito bem com a IA.
Porque a IA fica mais forte quanto mais contexto e condições você entrega.
Em vez de só "o que você acha disso?", dá para dizer:
"Com essa premissa" "Com essas restrições" "Se o objetivo for este" "Separando os pontos a decidir" "Com o mínimo necessário" "Para uma entrevista" "Em formato Markdown" "Como instruções para o Codex"
Quem consegue passar isso usa a IA não como uma máquina de respostas, mas como uma máquina de processar o pensamento.
O efeito colateral de saber criar perguntas: "perguntas demais"
Só que saber criar perguntas também tem um efeito colateral.
Quem não consegue criar perguntas trava porque não sabe o que pensar.
Já quem cria perguntas demais trava porque elas se multiplicam.
Por exemplo, enquanto você pensa num problema do trabalho, de repente tudo isso se abre:
- Devo ficar na empresa atual?
- O que eu deveria conseguir com uma transferência?
- Se eu sair, para qual tipo de função?
- O cansaço de agora é passageiro ou estrutural?
- Priorizo salário ou liberdade?
- Como isso se liga à construção de patrimônio no futuro?
- No fim das contas, o que eu quero proteger na vida?
Isso é uma habilidade.
Mas, quando você está cansado e tenta processar tudo ao mesmo tempo, o cérebro desliga.
Por isso, o que quem sabe criar perguntas precisa não é de mais capacidade de perguntar.
É da capacidade de largar "as perguntas que não precisam ser feitas agora".
O que vai ser necessário daqui para frente é separar as perguntas em 4 tipos
Quem gera muitas perguntas faz bem em não tratar todas com o mesmo peso.
No meu caso, dividir nestes 4 tipos ajuda bastante a organizar.
1. Perguntas para decidir agora
Perguntas ligadas ao que você faz hoje.
Exemplos: o que entregar até amanhã? Me candidato esta semana? Hoje eu durmo ou trabalho?
Essas a gente resolve.
2. Perguntas para pensar depois
São importantes, mas não precisam de conclusão imediata.
Exemplos: a carreira daqui a alguns meses, a visão sobre casamento, o plano geral de patrimônio.
Essas vão para uma anotação.
3. Perguntas que não adianta muito pensar
O que a outra pessoa realmente sente, as bifurcações do passado, a resposta perfeita, e por aí vai.
Pensar nelas pode ensinar um pouco, mas dificilmente leva a uma ação agora.
Essas não merecem muito tempo.
4. Perguntas que é melhor resolver dormindo
As perguntas pesadas que aparecem à noite.
As que são ampliadas por cansaço, fome, solidão, raiva ou ansiedade costumam ficar bem menores na manhã seguinte.
Essas não se analisam: vão para o sono.
A força na era da IA não é "dar a resposta certa", e sim "deixar o problema bem formulado"
Na era da IA, tentar competir de frente com ela é difícil.
Em volume de conhecimento, velocidade e abrangência, é complicado ganhar da IA.
Mas se você ficar do lado de quem usa a IA, a história muda.
O que se precisa não é dar ordens com palavras bonitas.
É organizar a sua situação, definir o objetivo, apresentar as restrições, criar critérios de decisão e especificar o formato de saída.
Ou seja, a capacidade de deixar o problema bem formulado.
Melhor "quem sabe decidir o que perguntar" do que "quem dá a resposta".
Melhor "quem consegue dizer o que decidir aqui e agora para avançar" do que "quem tem a resposta de gabarito".
Essa capacidade vale mais quanto mais inteligente a IA fica.
Se a pergunta for pobre, a resposta também será.
Se a pergunta for específica, a IA vira um parceiro e tanto.
Por isso, o que vale treinar daqui para frente não é só técnica de prompt.
É a capacidade de olhar para a sua realidade, formular uma pergunta e, se for preciso, abandoná-la.
Quem sabe montar pautas é bem forte mesmo na era da IA.
Só que quem monta pautas demais deveria terminar se perguntando de novo:
"Então, qual é a pergunta que realmente precisa ser decidida neste exato momento?"
Se você conseguir voltar a essa única pergunta, o pensamento volta a andar.
Ideias de links internos
- O que cansa no trabalho é menos o "volume de tarefas" e mais o "objetivo confuso" e as "mudanças em cima da hora"
- Quando estiver em dúvida se deve trocar de emprego, defina primeiro as "condições para ficar"
- Quem não tem resultado usando IA não trava no prompt, e sim na organização das premissas
- Quando não consegue parar de ruminar, separe as perguntas para pensar das que é melhor dormir
- Nas encruzilhadas da vida por volta dos 30 anos, o que importa é construir critérios de decisão, mais do que buscar a resposta certa
Ideias de artigos relacionados
- "Para quem se cansa com perguntas demais: só separar os pensamentos em 4 tipos já alivia bastante"
- "Como trabalhar na era da IA: 5 coisas para decidir antes de perguntar ao ChatGPT"
- "Uma anotação de definição de requisitos para não se desgastar com instruções vagas"
- "O que é metacognição: a capacidade de ver o próprio pensamento de um nível acima"
- "Montando a pauta quando você está em dúvida entre trocar de emprego, ser transferido ou ficar onde está"
Notas de referências e fontes
- OpenAI API Docs, “Prompt engineering”
https://developers.openai.com/api/docs/guides/prompt-engineering - OpenAI Cookbook, “GPT-5 prompting guide”
https://developers.openai.com/cookbook/examples/gpt-5/gpt-5_prompting_guide - Google for Developers, “Framing an ML problem”
https://developers.google.com/machine-learning/problem-framing/ml-framing - MIT Teaching + Learning Lab, “Metacognition”
https://tll.mit.edu/teaching-resources/how-people-learn/metacognition/ - Harvard Business Review, “AI Prompt Engineering Isn’t the Future”
https://hbr.org/2023/06/ai-prompt-engineering-isnt-the-future - García et al. (2014), “The effects of question-generation training on metacognitive knowledge, self regulation and learning approaches in Science”
https://pubmed.ncbi.nlm.nih.gov/25069559/
Notas para a publicação
- Não há nomes próprios de locais de trabalho, nomes de pessoas nem detalhes internos concretos de nenhuma empresa, então é fácil de publicar.
- Mesmo assim, a parte de "se dar mal em ambientes ambíguos" é bastante pessoal; se for publicar durante uma busca por emprego, dá para generalizar ainda mais.
- Portas de entrada de SEO: "inteligência na era da IA", "capacidade de formular perguntas", "diferença de quem usa bem o ChatGPT", "montar a pauta".
- Data do rascunho: 2026-07-01
