Um Prompt, Três Audiências
Escreveste uma boa explicação. Clara, bem estruturada, diz o que precisa de ser dito. Depois alguém te pede para a enviar a uma audiência diferente — a direção, o cliente, o estagiário — e abres um documento em branco e começas de novo.
Acabaste de reescrever 80% da mesma informação porque 20% precisava de um enquadramento diferente.
Isto acontece porque tratas a adaptação como uma tarefa criativa quando é mecânica. A informação não muda. O enquadramento muda: com o que abres, o que saltas, o que explicas, e quanta paciência assumes. São quatro variáveis, e quando as nomeias, o modelo trata do resto.
Quatro prompts.
1. Define o leitor, não o tom
O leitor desta versão é [cargo/função]. Importa-se com [o quê], já sabe [o quê], e vai parar de ler se [condição].
Não mudes o meu tom. Muda com o que abres, o que explicas e o que saltas. A informação fica igual; o enquadramento muda.
"Escreve para executivos" produz uma paródia de comunicação executiva — mais curta, mais vaga, e cheia de palavras como "estratégico" e "alavancar". Isso não é adaptação. É disfarce.
Quando defines o que o leitor sabe, o que lhe importa, e o que o faz parar de ler, o modelo toma decisões estruturais — abrir com o resultado, saltar a metodologia, explicar o risco — em vez de cosméticas.
2. Faz com que mostre as escolhas
Antes de escreveres, diz-me: - Com o que vais abrir, e porquê? - O que vais saltar completamente, e porquê? - O que vais explicar que o original não explica, e porquê?
Se alguma resposta for "porque é para executivos", tenta de novo com uma razão concreta.
Este é o prompt que apanha adaptação preguiçosa. Sem ele, o modelo faz mudanças que parecem certas mas não se conseguem defender — e tu não consegues distinguir se a adaptação é boa ou apenas diferente.
A proibição de "porque é para executivos" é a alavanca. Essa frase é um atalho para genéricos: frases mais curtas, palavras maiores, menos detalhe. Forçar uma razão concreta — "abrir com impacto na receita porque este leitor aprova orçamentos" — produz adaptação que realmente encaixa.
3. Preserva o que fez o original funcionar
Lê o original outra vez. Aponta as três frases mais fortes — as que perderiam mais se fossem removidas.
Estas têm de aparecer em todas as versões, adaptadas mas não diluídas. Se uma frase não sobrevive à adaptação, diz-me o que se perde e sugere como preservar o ponto de uma forma que este leitor consiga receber.
Adaptação sem regra de preservação produz uma versão pior do original todas as vezes. O modelo ajusta tudo obedientemente, incluindo as partes que já funcionavam, e o resultado lê-se como um resumo competente sem garra.
Este prompt ancora a adaptação. As três frases mais fortes são o esqueleto — tudo o resto pode mover-se à volta delas, mas elas ficam.
4. Põe as duas versões lado a lado
Mostra-me o original e a versão adaptada em duas colunas. Para cada parágrafo, anota o que mudou e porquê numa frase.
Se alguma mudança não se consegue explicar numa frase, não foi adaptação — foi reescrita. Desfaz e tenta uma mudança menor.
O lado a lado é o controlo de qualidade. Vês instantaneamente onde o modelo reescreveu em vez de adaptar — e esses pontos são quase sempre onde o original estava bem e o modelo mudou de qualquer forma, porque mudar coisas era o que lhe tinham pedido.
A regra de uma frase é rígida de propósito. Boa adaptação é pequena: mover a conclusão para cima, cortar a metodologia, acrescentar uma frase de contexto. Se a mudança precisa de um parágrafo para se explicar, não está a adaptar — está a editorializar.
Porque adaptação ganha à reescrita
Reescrever desperdiça o trabalho mais difícil: descobrir o que dizer. O raciocínio, a estrutura, os exemplos — tudo isso fica. O que muda é a camada de apresentação, e a camada de apresentação é a parte em que o modelo é realmente bom.
Um raciocínio. Três versões. Zero páginas em branco. A informação fica igual porque estava certa à primeira vez. O enquadramento muda porque o leitor mudou, e o enquadramento é tudo o que o leitor vê.
Os quatro prompts estão no carrossel no Instagram.
Queres a versão calma de notícias de IA como esta, uma vez por semana? Subscreve a newsletter do Sharp AI Hub →