Boris Cherny, criador e responsável pelo Claude Code na Anthropic, afirmou recentemente que o prompt engineering perdeu parte da importância que tinha. Para ele, nós alcançamos resultados melhores quando entregamos uma tarefa relevante, fornecemos os recursos necessários e criamos formas de verificar o trabalho. “laração” surgiu em um contexto de programação. Portanto, nós não devemos tratá-la como uma regra automática para toda aplicação de inteligência artificial. Ainda assim, ela apresenta uma lição importante para o marketing: um comando bem escrito não corrige uma estratégia mal definida. 

O que realmente muda na IA no marketing? 

A discussão não indica o fim do prompt engineering mas, basicamente, ela mostra uma mudança de prioridade. Nós ainda precisamos comunicar objetivos com clareza, informar restrições e explicar o formato esperado. Porém, já não faz sentido acreditar que uma combinação secreta de palavras resolverá qualquer problema. 

A própria Anthropic define a engenharia de contexto como uma evolução do prompt engineering. Em vez de procurar apenas a frase ideal, nós selecionamos as informações que ajudam o modelo a compreender a situação no geral, tomar decisões e produzir uma entrega mais coerente. No marketing, esse contexto inclui posicionamento competitivo, perfil do cliente, etapa da jornada, oferta, histórico das campanhas, objeções comerciais e critérios da marca. Consequentemente, quanto melhor organizamos essas informações, menor fica a dependência de comandos enormes. 

Prompt perfeito ou briefing consistente? 

Quando um conteúdo apresenta baixa qualidade, nós culpamos a ferramenta. Entretanto, o problema pode começar antes do prompt. Uma equipe que não definiu público, objetivo e proposta de valor dificilmente conseguirá uma comunicação consistente, com ou sem inteligência artificial. 

Isso acontece porque o modelo trabalha com os sinais disponíveis. Caso nós entreguemos informações genéricas, receberemos respostas ainda mais genéricas. Se não definirmos o porquê da campanha, a IA poderá produzir textos corretos, mas desconectados do ciclo de vendas. 

A pergunta que precisamos fazer não é apenas “qual prompt devemos usar?”, mas “quais informações sustentam a ideia que eu quero chegar?” 

5 ajustes para usar IA no marketing com mais critério 

1. Começar pelo resultado de negócio 

Antes de pedir anúncios, artigos ou publicações, nós precisamos determinar o resultado esperado. A tarefa pode buscar tráfego qualificado, geração de oportunidades, avanço no funil ou retenção de clientes. 

Além disso, devemos definir o indicador correspondente para que a IA no marketing funcione um apoio na estratégia de crescimento mensurável, e não uma fábrica de materiais aleatórios. 

2. Entregar apenas o contexto que orienta decisões 

Mais informação não significa, necessariamente, melhor informação. Dados irrelevantes podem confundir o modelo e esconder as regras prioritárias. 

Por isso, nós devemos trazer elementos que alteram a entrega: público, problema, oferta, posicionamento, canal, etapa da jornada e ação esperada. A Anthropic recomenda um conjunto enxuto de informações relevantes, em vez de um contexto extenso e desorganizado. 

Nós precisamos explicar como reconhecer uma boa entrega. Em um artigo, por exemplo, os critérios podem incluir intenção de busca, profundidade, clareza, originalidade e conexão com o serviço oferecido. 

Esse cuidado reduz avaliações subjetivas. Além disso, ele permite comparar versões e identificar por que uma produção apresentou desempenho superior. 

4. Separar produção, revisão e aprovação 

Uma única solicitação não precisa executar todas as etapas. Primeiro, nós podemos estruturar a pauta. Em seguida, desenvolvemos o conteúdo. Depois, revisamos fatos, linguagem, SEO e adequação à marca. 

Cherny destaca a verificação como um dos pontos mais importantes no uso de modelos atuais. Traduzindo isso para o marketing, isso significa conferir fontes, promessas, números, coerência da oferta e aderência ao posicionamento. a publicação, nós também precisamos avaliar impressões, taxa de cliques, tempo de leitura, conversões e oportunidades geradas. Sem essa análise, não sabemos se a IA no marketing contribuiu para o negócio ou apenas aumentou o volume de produção. 

Os erros que nenhum prompt consegue corrigir 

Mesmo com modelos mais capazes, alguns erros continuam comprometendo os resultados: 

Além disso, nós não devemos microgerenciar cada frase quando o objetivo pede análise e criatividade. Instruções rígidas demais podem limitar alternativas úteis. Por outro lado, comandos vagos também prejudicam o trabalho. O equilíbrio está em definir resultado, contexto, limites e critérios de aprovação. 

A vantagem continuará nas mãos de quem sabe gerir 

A evolução dos modelos reduz a importância de alguns truques, mas aumenta a responsabilidade de quem conduz o processo. A IA no marketing não substitui posicionamento, leitura de mercado ou gestão de funil. Ela amplia a capacidade de execução de uma empresa que já sabe quais problemas precisa resolver. 

Por isso, nós tratamos inteligência artificial como parte da gestão, não como uma solução isolada. Quando conectamos contexto, branding, performance e KPIs, transformamos produtividade em progresso mensurável. Na nossa empresa, estruturamos esse processo para integrar tecnologia, estratégia e vendas, sempre com foco em crescimento consistente. 

Enfim, essas foram as dicas de hoje para você que quer um uso de IA de qualidade e sem mistérios. Se gostou desse artigo, não esqueça de me seguir nas redes sociais e acompanhar o que tá rolando de novo no marketing! 

O post IA no marketing: 5 ajustes que valem mais que um prompt perfeito  apareceu primeiro em Adriano Klumpp.