Para a maioria dos profissionais, a IA generativa ainda é uma conveniência — um atalho para redigir um e-mail, resumir um relatório ou responder a uma pergunta factual. A interação é transacional: insere-se uma consulta, recebe-se uma resposta, segue-se adiante. Mas um grupo crescente de usuários está experimentando uma abordagem fundamentalmente diferente, que trata grandes modelos de linguagem não como mecanismos de busca, mas como conselheiros estratégicos. A técnica se apoia numa ideia enganosamente simples: se o prompt for estruturado com especificidade suficiente — atribuindo ao modelo uma persona, um framework e a instrução de fazer perguntas antes de responder —, a troca resultante começa a se parecer mais com coaching profissional do que com recuperação de informações.
O conceito não é inteiramente novo. Desde o lançamento do ChatGPT no fim de 2022, a engenharia de prompts evoluiu de curiosidade a disciplina semiformalizada, com comunidades compartilhando templates para tudo, de análise jurídica a escrita criativa. O que é mais recente é a aplicação de prompts baseados em persona à estratégia de carreira — um domínio tradicionalmente dominado por coaches, recrutadores e mentores humanos cujo valor reside justamente na capacidade de fazer as perguntas certas, e não apenas fornecer respostas.
Da consulta ao diálogo
A mudança central é estrutural. Um prompt convencional — "Quais habilidades preciso para me tornar product manager?" — gera uma lista genérica. Um prompt baseado em persona — "Atue como um estrategista de carreira sênior com 20 anos de experiência em contratação no setor de tecnologia. Vou compartilhar meu histórico. Antes de dar qualquer conselho, faça pelo menos cinco perguntas sobre meus objetivos, restrições e tolerância a risco" — produz algo qualitativamente diferente. O modelo é forçado a operar em modo dialético, no qual a resposta depende de uma troca iterativa, e não de uma resposta única.
Isso importa porque decisões de carreira raramente são problemas de informação. Os dados relevantes — tendências setoriais, benchmarks de remuneração, requisitos de competências — estão amplamente disponíveis por meio de pesquisa convencional. O que falta à maioria dos profissionais não é informação, mas síntese: a capacidade de ponderar prioridades concorrentes, identificar pontos cegos e testar premissas contra um framework coerente. Um modelo de linguagem bem direcionado pode aproximar partes desse processo — não porque possua julgamento, mas porque consegue identificar padrões em um vasto corpus de conhecimento profissional e devolvê-los de forma estruturada.
As limitações são reais e merecem ser ditas com clareza. Um modelo de linguagem não tem interesse no resultado do usuário, não é capaz de ler sinais não verbais e não possui compreensão genuína de política organizacional ou psicologia pessoal. Ele não substitui um mentor que conhece uma indústria por dentro. O que ele pode fazer é servir como um sparring partner sempre disponível — que nunca se cansa de perguntas e não cobra nenhum custo social pela franqueza.
Uma competência em formação
A implicação mais ampla vai além do planejamento individual de carreira. À medida que agentes de IA se integram a fluxos de trabalho profissionais — agendamento, pesquisa, redação, análise —, a capacidade de direcionar esses sistemas para tarefas de ordem superior vai separar cada vez mais quem usa IA como utilidade de quem a usa como alavanca. O design de prompts, nesse contexto, é menos uma habilidade técnica do que uma habilidade de comunicação: a capacidade de articular objetivos, restrições e critérios de avaliação com precisão suficiente para que o modelo opere dentro de um enquadramento útil.
Essa dinâmica espelha mudanças anteriores nas ferramentas profissionais. A planilha eletrônica não substituiu analistas financeiros; redefiniu o que se esperava deles. Da mesma forma, os profissionais que aprenderem a conduzir modelos de linguagem rumo ao diálogo estratégico — simulando entrevistas de alto risco, mapeando pivôs de carreira, testando planos de desenvolvimento sob pressão — podem acumular uma vantagem composta, não porque a IA seja sábia, mas porque a disciplina de elaborar bons prompts impõe uma clareza de pensamento que tem valor por si só.
Se isso representa uma mudança genuína na forma como carreiras são conduzidas ou apenas uma nova interface para velhos instintos de autoajuda ainda é uma questão em aberto. A tecnologia está melhorando rapidamente, mas o entusiasmo em torno dela também. A tensão que vale acompanhar é entre a capacidade do modelo para síntese estruturada e a complexidade irredutível da ambição humana — uma lacuna que nenhum prompt, por mais sofisticado que seja, consegue fechar por completo.
Com reportagem de Exame Inovação.
Source · Exame Inovação
