Como usar IA no trabalho: os 4 movimentos além do prompt

Existe um número que resume o momento da IA no trabalho melhor que qualquer projeção de mercado: segundo levantamento do Sebrae, 44% dos pequenos negócios brasileiros já usam algum tipo de inteligência artificial — mas só 22% usam de forma estruturada.

Leia de novo. Não é um problema de adoção. A adoção já aconteceu. É um problema de método: metade de quem já usa não tem processo nenhum por trás do uso.

E o diagnóstico mais comum está errado. A resposta padrão de quem quer aprender a usar IA no trabalho virou faça um curso de prompt. Só que prompt resolve uma das quatro coisas que precisam funcionar — e, na minha experiência, quase nunca é a que está travando.

A tese em uma frase: usar IA bem são quatro movimentos — decidir o que delegar, descrever a tarefa, duvidar da resposta e assumir o resultado. Prompt é o segundo. Quem só treina o segundo fica bom em obter respostas e continua ruim em obter trabalho pronto.

Esses quatro movimentos não são invenção minha. Eles vêm do framework de fluência em IA formulado pelos professores Rick Dakan e Joseph Feller em colaboração com a Anthropic, publicado como recurso educacional aberto. No original são os "4 Ds" em inglês — Delegation, Description, Discernment, Diligence. Traduzi para os verbos que fazem sentido em português, mas a estrutura é a deles.

Quem já sabe usar IA no trabalho no Brasil: os números

Os números do Sebrae merecem ser lidos juntos, porque separados eles contam histórias opostas:

A distância entre 44% e 22% é o assunto deste post — e é o que separa quem usa a ferramenta de quem sabe usar IA no trabalho. São 22 pontos percentuais de empresas usando IA sem processo — e "sem processo" na prática significa: sem critério do que delegar, sem hábito de conferência, sem ninguém responsável pelo resultado.

Repare que otimismo (75%) e prioridade estratégica (59%) estão bem acima de uso estruturado (22%). Essa é a assinatura de uma tecnologia que entrou pela porta do usuário, não pela porta do processo.

Movimento 1 — Delegar: a decisão que acontece antes do chat

Esse é o movimento que quase ninguém pratica de forma consciente, e é o que mais estraga resultado.

Delegar bem significa responder três perguntas antes de escrever qualquer coisa:

• Essa tarefa é mesmo para a IA? Ou é para você, ou para vocês dois em rodadas?
• Qual o custo de um erro que passe? Uma sugestão de título errada custa nada. Um número errado numa proposta comercial custa a proposta.
• Eu tenho como conferir isso? Se a resposta é não, você não deveria estar delegando — porque você não vai saber se recebeu trabalho bom ou lixo bem escrito.

Essa última é a mais importante e a mais ignorada. Delegar uma tarefa que você não sabe verificar não é ganho de produtividade, é terceirização do risco para você mesmo.

O blog já tem o equivalente disso para automação, e vale ler junto: em o que não vale a pena automatizar a lógica é a mesma — a decisão de delegar vem antes da ferramenta, e é ela que determina se o resto funciona.

Três modos de delegar a mesma tarefa

Pegue "escrever a descrição de uma vaga". Dá para delegar de três formas diferentes, com resultados muito diferentes:

• Delegação total: "escreva uma descrição de vaga para analista de suporte". Você recebe algo genérico, porque a IA não sabe nada da sua empresa.
• Delegação parcial: você escreve as cinco atribuições reais e pede para transformar em texto. Você recebe algo utilizável, porque o insumo era seu.
• Delegação invertida: você pede para a IA te entrevistar sobre a vaga e só depois escrever. Você recebe algo melhor do que faria sozinho, porque ela puxou o que você não tinha pensado em dizer.

A terceira é quase sempre a melhor e quase nunca é a escolhida. Não é questão de prompt — é questão de ter percebido que existiam três opções.

Movimento 2 — Descrever: onde o prompt vive (e onde ele termina)

Esse é o movimento que o mercado inteiro treinou. E ele importa: descrever bem uma tarefa é a diferença entre uma resposta vaga e uma resposta usável.

O blog tem um post dedicado só a isso, com as sete técnicas que funcionam — engenharia de prompts. Não vou reexplicar aqui. O que vale dizer é o que ele não resolve.

Um prompt excelente aplicado a uma tarefa que não deveria ter sido delegada produz um resultado excelente e inútil. Um prompt excelente cuja resposta ninguém conferiu produz um erro bem formatado. Descrever é necessário e não é suficiente — e tratar as duas coisas como a mesma é o erro central do mercado de conteúdo de IA hoje.

Há uma pista prática de que você está travado aqui e não em outro movimento: se as respostas vêm no formato errado, com o tom errado ou sem o contexto que você tinha em mente, o problema é descrição. Se vêm bem escritas mas você não confia nelas, o problema é outro.

Movimento 3 — Duvidar: o hábito que quase ninguém tem

Aqui está o buraco maior. Este blog tem quase 400 posts e, até este texto, a palavra "alucinação" aparecia em exatamente um deles — de passagem. É um retrato razoável do conteúdo de IA em português: muito sobre como pedir, quase nada sobre como conferir.

Duvidar não é desconfiar de tudo, que é impraticável. É ter um critério de conferência proporcional ao custo do erro:

O padrão que emerge: quanto mais verificável a saída, mais barato conferir — e mais grave não conferir. Número é o pior caso, porque é o mais fácil de checar e o que mais gente aceita sem checar.

Movimento 4 — Responder: quem assina

O quarto movimento é o mais curto de explicar e o mais difícil de institucionalizar: o resultado é seu.

Não existe "a IA errou" numa entrega profissional, do mesmo jeito que não existe "o Excel errou" ou "o estagiário errou". Quem entrega assina. Isso tem três consequências práticas:

• Você precisa saber o suficiente sobre a tarefa para assumi-la. Delegar o que você não entende é assinar em branco.
• A empresa precisa dizer o que pode e o que não pode entrar no chat. Sem isso, cada pessoa decide sozinha o que fazer com dado de cliente — e é assim que nasce o problema que vou tratar num post específico sobre política de uso de IA.
• Alguém tem que ser responsável, nominalmente. "A área usa IA" não é responsabilidade; é ausência dela.

O blog já cobre a camada de risco e viés disso em ética em IA, incluindo viés algorítmico e o problema da caixa-preta. Aqui a ênfase é mais estreita e mais operacional: independentemente do que a ferramenta fez, a assinatura é humana.

Por que treinar prompt não é o mesmo que usar IA no trabalho

Vale entender por que a distorção aconteceu, porque isso explica o que fazer a respeito.

Prompt é o único dos quatro movimentos que é ensinável em formato de dica. "Use chain-of-thought", "dê exemplos", "peça o formato" — cabe num carrossel, produz resultado visível em segundos e não exige conhecer o negócio de quem está aprendendo.

Os outros três não cabem. Decidir o que delegar depende do seu contexto. Conferir depende do seu domínio. Assumir depende da sua estrutura de responsabilidade. Nenhum dos três vira conteúdo viral, e todos os três são mais determinantes.

O resultado é um mercado de conteúdo desequilibrado — e uma geração de usuários que faz prompt bem e trabalha com IA mal.

Automação ou aumento: o mesmo modelo, dois modos de trabalhar

Tem uma última distinção que muda muito o resultado, e ela é medível.

O Índice Econômico da Anthropic, que analisa padrões agregados de uso, encontrou no relatório de junho de 2026 que o uso de aumento (trabalhar junto com o modelo) passou o de automação (entregar a tarefa e receber pronto) no Claude.ai: 52% contra 45%.

O contraste está no outro lado da mesma medição: no uso via API corporativa, a automação responde por 75%. Mesma tecnologia, dois modos completamente diferentes — porque são propósitos diferentes. Automação faz sentido em volume, com tarefa estável e erro tolerável. Aumento faz sentido quando o julgamento importa.

O mesmo levantamento estimou que cerca de 49% das ocupações já tiveram pelo menos um quarto das suas tarefas executadas com apoio de Claude — e registrou que os dez usos mais comuns caíram de 24% para 19% do tráfego total entre novembro e fevereiro, ou seja, o uso está se diversificando, não se concentrando.

Esses números têm prazo de validade: o Índice é trimestral e a divisão automação/aumento se move a cada edição. A data da medição importa tanto quanto o número.

Para trabalho de conhecimento em PME, o modo de aumento costuma render mais — não por ser mais nobre, mas porque mantém você no circuito, o que resolve o terceiro e o quarto movimento de graça.

Como usar IA no trabalho a partir de amanhã

Dá para começar a usar IA no trabalho com método hoje, sem programa de treinamento e sem ferramenta nova:

1. Antes do próximo chat, escreva uma linha: o que eu espero receber, e como vou saber se está certo. Se você não conseguir escrever a segunda parte, pare.
2. Escolha uma tarefa recorrente e teste os três modos de delegar (total, parcial, invertida). Guarde qual funcionou.
3. Crie um passo de conferência por tipo de saída — use a tabela acima como ponto de partida e adapte ao seu custo de erro.
4. Defina quem assina. Nominalmente, por tipo de entrega.
5. Só depois invista em técnica de prompt. Nessa ordem, o investimento em prompt rende muito mais, porque você passa a saber no que aplicá-lo.

Se o objetivo é levar isso para uma equipe inteira, aí o assunto muda de natureza — deixa de ser competência individual e passa a ser programa, com orçamento, calendário e forma de medir. Também deixa de ser este post.

O ponto que fica

A distância entre 44% e 22% não se fecha com mais ferramenta nem com prompt melhor. Ela se fecha com método — e método é a parte que ninguém está vendendo, porque não cabe em dica.

Quem aprende a usar IA no trabalho pelos quatro movimentos não fica dependente de modelo, de ferramenta ou de tutorial: o método sobrevive à próxima troca de versão. Quem só treinou prompt vai ter que reaprender a cada seis meses.