Quando a inteligência artificial começou a aparecer em todas as conversas, em todos os feeds, em todos os títulos de artigo, minha reação foi diferente do que muita gente descreve.
Não fiquei com medo de ser substituída. Não fiquei cética achando que era modismo. Fiquei curiosa — e vi potencial desde o começo.
Meu primeiro contato foi simples: perguntei coisas básicas. Funcionou como um buscador que respondia em texto corrido, mas com muito mais contexto do que um link numa página de resultados. Com o tempo, fui entendendo que dava para ir muito além das perguntas simples.
Hoje uso IA o dia todo. A forma como uso agora é completamente diferente do começo — mais intencional, mais distribuída, mais eficiente.
Mas os erros que cometi no caminho foram parte necessária de chegar até aqui.
O Que É IA Generativa — Explicado de Forma Prática
Antes de falar sobre o uso em si, vale uma base rápida: o que é essa IA que todo mundo está usando ?
As ferramentas de IA mais populares hoje — ChatGPT, Gemini, Claude, entre outros — são baseadas em modelos chamados de LLMs (Large Language Models, ou Grandes Modelos de Linguagem).
De forma simplificada, são sistemas treinados em quantidades enormes de texto — livros, artigos, sites, conversas — para aprender padrões da linguagem humana.
O que eles fazem: Dado um texto de entrada (chamado de prompt), os modelos geram respostas com base nos padrões aprendidos durante o treinamento. Algumas ferramentas também podem consultar a web, documentos ou outras fontes quando esses recursos estão disponíveis.
Isso ajuda a entender por que uma resposta pode parecer convincente e ainda assim conter erros. Mesmo quando a ferramenta tem acesso a fontes externas, informações importantes devem ser verificadas.
Entender isso muda completamente a forma de usar. Você para de tratar como oráculo infalível e passa a tratar como colaborador que precisa de direção clara.
O Começo: Tudo no ChatGPT
Meu primeiro contato foi com o ChatGPT, e por um bom tempo usei ele para absolutamente tudo.
O ChatGPT foi lançado pela OpenAI em novembro de 2022 e se tornou a ferramenta de IA mais adotada do mundo em tempo recorde — chegou a 100 milhões de usuários em dois meses, uma velocidade sem precedentes na história da tecnologia. Parte desse sucesso foi a interface simples: uma caixa de texto, você escreve, ele responde. Sem configuração, sem curva de aprendizado técnico.
No começo, eu perguntava coisas gerais. Com o tempo, fui testando casos de uso mais específicos: rascunhos de texto, pesquisa de contexto, criação de imagens, análise de informações. O ChatGPT funcionava bem para muita coisa — e por isso se tornou o ponto de entrada natural.
O problema de usar uma ferramenta para tudo é que você nunca descobre onde ela é realmente boa e onde ela apenas entrega algo razoável. Você aceita o razoável porque não tem comparação.
Os Agentes Personalizados: Quando Fui Ficando Mais Específica
Uma das funcionalidades que mudou meu uso foi a criação de agentes GPTs personalizados — versões do ChatGPT configuradas com instruções específicas para uma tarefa ou contexto.
Em vez de um GPT genérico que responde qualquer coisa sem contexto prévio, um agente personalizado já começa com contexto: sabe qual é o objetivo, qual é o tom, quais são as limitações, o que deve e o que não deve fazer. A diferença na qualidade das respostas é significativa.
Criei agentes separados para funções diferentes — cada um com suas próprias instruções. Um para determinados tipos de análise, outro para uma função específica de criação de conteúdo. Isso foi uma melhora real em relação ao uso genérico.
Por que agentes funcionam melhor: Quando você não especifica contexto, o modelo parte de uma posição neutra e tenta adivinhar o que você precisa com base só na sua mensagem. Quando o agente já tem contexto configurado, ele começa de um ponto muito mais próximo do que você precisa. Menos adivinhação, mais precisão.
A OpenAI abriu a criação de GPTs customizados para usuários da versão paga. Outras plataformas de IA têm funcionalidades equivalentes com nomes diferentes.
A Descoberta de Que IAs São Diferentes — e Muito
Com o tempo, comecei a testar outras ferramentas além do ChatGPT. Não por curiosidade técnica — por uma necessidade prática: em alguns casos, o resultado não estava bom, e queria ver se outra ferramenta entregava melhor.
Fui observando padrões ao longo de meses de teste. E o que descobri é que as principais IAs disponíveis hoje têm perfis diferentes — pontos fortes distintos que refletem como foram treinadas e para quais objetivos foram otimizadas.
ChatGPT (OpenAI): No meu uso, é onde melhores resultados obtive para criação de imagens. O modelo DALL-E integrado ao ChatGPT funcionou melhor nos meus testes do que alternativas que experimentei para esse tipo de tarefa específica. Também tem forte desempenho em tarefas gerais e é o modelo com maior base de usuários, o que se reflete na variedade de casos de uso documentados.
Gemini (Google): O Gemini tem integração nativa com o ecossistema Google — Drive, Docs, Gmail, Search. Para dúvidas sobre língua portuguesa, percebi que ele tende a ser mais cuidadoso com detalhes gramaticais e ortográficos do idioma. Faz sentido: o Google tem décadas de dados de busca em português brasileiro, o que influencia o treinamento.
Claude (Anthropic): Uso o Claude Code para organizar pastas e estrutura de arquivos no computador — tarefas que envolvem lógica de sistema e raciocínio sobre estrutura. Para explicações detalhadas de livros e conceitos, tenho um agente configurado no Claude.ai que uso especificamente para esse tipo de aprofundamento.
Essa distribuição não é definitiva nem universal. É o padrão que observei nos meus testes ao longo do tempo — e que provavelmente vai evoluir conforme as ferramentas evoluem.
Por Que IAs Diferentes Têm Pontos Fortes Diferentes
Isso não é marketing. Tem uma razão técnica.
Cada modelo de linguagem é treinado com dados e objetivos diferentes. O processo de treinamento inclui não só a base de texto que o modelo aprende, mas também uma fase chamada de RLHF (Reinforcement Learning from Human Feedback) — onde humanos avaliam respostas e o modelo aprende a otimizar para o que os avaliadores consideraram bom.
O que isso significa na prática: Se uma empresa priorizou que seu modelo fosse conservador em certas respostas, ele vai ser. Se priorizou criatividade em geração de imagens, esse vai ser o ponto forte. Se investiu em integração com seu próprio ecossistema de dados, essa vai ser a vantagem.
Além disso, o tamanho e a composição do conjunto de dados de treinamento afetam diretamente a qualidade em diferentes idiomas, domínios e tipos de tarefa. Um modelo treinado com mais texto em português naturalmente vai ter melhor desempenho em português do que um treinado majoritariamente em inglês.
Entender isso ajuda a fazer escolhas mais informadas — e a não culpar a ferramenta quando o problema pode ser só uma questão de usar a ferramenta errada para a tarefa certa.
O Que Aprendi Sobre Contexto e Como Dar Bons Prompts
Se tem uma coisa que mudou mais o meu uso de IA, foi entender que a qualidade da resposta depende diretamente da qualidade do contexto que você dá.
A IA não lê sua mente. Ela continua o que você começou. Se você começa com uma pergunta vaga, ela vai preencher o que falta com suposições — e quanto mais suposições, mais genérica e menos útil fica a resposta.
Isso levou tempo para internalizar. No começo, quando o resultado não prestava, eu achava que a ferramenta era ruim. Depois fui percebendo que, na maioria dos casos, o problema estava na forma como eu estava pedindo.
O Que Muda Quando o Contexto É Bom
- Em Vez de “me explique isso”, Você Diz: “Me explique isso como se eu soubesse o básico mas não tivesse aprofundado no tema, com exemplos práticos”.
- Em Vez de “escreva sobre X”, Você Diz: “Escreva um texto sobre X com tom educativo, para um leitor brasileiro adulto, sem jargões técnicos, focando em como isso afeta a vida prática”.
- Em Vez de “analise esses dados”, Você Diz: “Esses dados são de orçamento doméstico dos últimos três meses. Quero entender em quais categorias o gasto cresceu mais e por quê”.
A mesma ferramenta, com contexto diferente, entrega resultados completamente diferentes. Antes de trocar de ferramenta porque o resultado não foi bom, vale tentar melhorar o prompt.
Dicas Práticas para Escrever Melhores Prompts
- Defina quem a IA deve ser para aquela tarefa (“você é um especialista em…”).
- Explique o contexto do que você precisa.
- Especifique o formato da resposta que quer (lista, parágrafo, tabela, passo a passo).
- Indique o que deve e o que não deve aparecer na resposta.
- Se o resultado não ficou bom, peça uma versão diferente com uma instrução mais específica.
Versões, Atualizações e o Que Isso Significa na Prática
Uma coisa que aprendi e que poucos mencionam: versões diferentes de um mesmo modelo de IA se comportam de forma diferente — e nem sempre a versão mais nova é melhor em tudo.
É comum uma atualização resolver um problema que existia na versão anterior e, ao mesmo tempo, criar uma inconsistência nova em outra área. Às vezes um modelo fica mais conservador em certas respostas. Às vezes a qualidade de geração de texto melhora mas a de imagens oscila.
Isso não é defeito — é parte do processo de desenvolvimento. Modelos de linguagem são sistemas extremamente complexos, e otimizar para um comportamento pode impactar outro de formas difíceis de prever.
O que isso significa na prática: Não abandone uma ferramenta depois de uma versão ruim, mas também não assuma que a ferramenta que funcionou bem há seis meses vai ter o mesmo desempenho hoje. Vale testar periodicamente, especialmente depois de atualizações importantes.
Acompanhar notas de versão das ferramentas que você usa — a maioria das plataformas publica o que mudou — ajuda a entender o que esperar e a adaptar o uso conforme necessário.
O Que a IA Ainda Não Substitui
Com todo o progresso dos últimos anos, existem coisas que continuam sendo melhor feitas por um ser humano — pelo menos para o que eu faço.
Verificação factual: Esse ponto é crítico e não pode ser negligenciado. Ferramentas de IA podem apresentar informações incorretas com bastante segurança na resposta. Datas, números, nomes e citações devem ser conferidos em fontes confiáveis.
Em assuntos financeiros, esse cuidado é ainda mais importante. Taxas, regras, condições de investimentos e informações sobre instituições podem mudar, por isso fontes oficiais devem ser a referência para dados específicos.
Por isso, mesmo quando a IA entrega respostas muito convincentes, o olhar humano sobre o resultado continua sendo essencial. A fluidez da resposta não garante que a informação esteja correta.
Como Uso IA Hoje — na Prática
Hoje uso IA ao longo de todo o dia, mas em momentos específicos e com objetivos claros:
Para estudar conceitos relacionados a investimentos — entender como determinado instrumento funciona, esclarecer termos e pedir uma explicação mais detalhada sobre algo que li e não ficou claro. Quando a informação envolve dados financeiros específicos, uso a IA como ponto de partida para o estudo, não como fonte única.
Para fazer estudos sobre temas que estou aprendendo — pedir uma visão geral antes de aprofundar em fontes mais específicas, ou um mapa do que existe sobre determinado assunto.
Para entender como coisas funcionam — de conceitos de tecnologia a dinâmicas econômicas, uso a IA como primeira camada de entendimento antes de ir para fontes mais técnicas.
O que continua sendo meu em cada um desses usos: a decisão sobre o que fazer com aquela informação.
O Que Recomendo para Quem Está Começando — ou Recomeçando
Se Você ainda não Experimentou IA no Trabalho ou na Vida Pessoal: Comece por uma tarefa que você já faz repetidamente e que tem uma parte mecânica. Não tente substituir o trabalho inteiro — só acelere aquela parte específica. Veja o que acontece.
Se Você Experimentou e se Decepcionou: Antes de descartá-la, revise o contexto que você deu. Na maioria dos casos, uma pergunta mais específica transforma um resultado genérico em algo útil.
Se Você já Usa e quer Melhorar: Experimente distribuir o uso conforme as ferramentas disponíveis. Teste a mesma tarefa em duas IAs diferentes e compare. Com o tempo, você vai construindo um mapa do que cada uma entrega melhor.
E em qualquer caso: O importante é continuar testando. IA está em desenvolvimento constante.