Prompts para empresas: modelos por área e como adaptá-los

Prompts para empresas: modelos por área e como adaptá-los

Bons prompts para empresas não são frases engenhosas. São instruções com papel, contexto, tarefa, limites e formato de saída, escritas para um processo específico. Neste guia você encontra modelos para vendas, financeiro, RH e operação, e a lógica para trocar cada campo pelo contexto real do seu negócio.

Principais pontos

• Um prompt de empresa é uma especificação de trabalho: quem faz, com quais dados, até onde pode ir e como entrega.
• A estrutura é a mesma em todas as áreas. O que muda é o contexto, os limites e o critério de qualidade.
• Todo modelo precisa de uma regra de parada: quando a IA não sabe, ela diz que não sabe e encaminha para uma pessoa.
• Dados pessoais e decisões que afetam pessoas exigem cuidado extra, com revisão humana e registro.
• Um prompt só está pronto depois de testado com casos reais e comparado com o resultado que a equipe já produz hoje.

O que diferencia um prompt de empresa de um prompt pessoal?

Um prompt pessoal costuma ser descartável: você pergunta, lê a resposta, ajusta e segue. Um prompt de empresa será reutilizado por várias pessoas, em dias diferentes, com dados diferentes. Por isso ele precisa produzir um resultado previsível, e não apenas uma resposta boa na primeira tentativa.

Isso muda o tipo de cuidado. Em vez de caprichar na redação, você define o que entra (quais dados), o que sai (qual formato), o que é proibido (promessas, valores, decisões) e quem revisa. A Anthropic trata esse trabalho como engenharia de contexto: escolher com critério o que o modelo enxerga a cada tarefa, em vez de despejar tudo na conversa. Vale ler o material oficial sobre engenharia de contexto para agentes para entender a lógica por trás.

Outro ponto é a política interna. Se cada pessoa cola dados de clientes em uma ferramenta diferente, o melhor prompt do mundo não resolve o risco. Antes de distribuir modelos, vale ter definido o que pode e o que não pode entrar, como descrevemos em política de uso de ChatGPT na empresa.

Qual é a estrutura base que serve para qualquer área?

Todos os modelos abaixo seguem seis campos. Memorize essa ordem e você consegue montar um prompt para qualquer processo.

• Papel: quem a IA representa e para quem ela trabalha.
• Contexto: o que ela precisa saber sobre a empresa, o produto e a situação.
• Tarefa: uma ação clara, no verbo certo (resumir, classificar, rascunhar, comparar).
• Dados de entrada: o que será colado ou anexado, e o que não deve ser usado.
• Limites: o que ela não pode fazer, afirmar ou decidir, e o que fazer quando faltar informação.
• Formato de saída: estrutura fixa, para que a equipe leia rápido e outro sistema consiga processar.

O campo que mais separa um prompt amador de um profissional é o de limites. Sem ele, o modelo preenche lacunas com suposições plausíveis, e é aí que nascem prazos inventados, descontos que ninguém aprovou e fatos que não existem.

Modelo de prompt para vendas

Vendas é a área em que a IA mais ajuda a preparar e a registrar, e menos a decidir. Bons usos são preparar uma reunião, resumir o histórico de uma conta e rascunhar um follow-up. O modelo abaixo é para preparar um contato comercial.

• Papel: você é assistente de preparação comercial da (empresa), que vende (produto ou serviço) para (tipo de cliente).
• Contexto: nosso processo tem as etapas (etapas do funil). O cliente em questão está na etapa (etapa).
• Tarefa: leia as anotações abaixo e entregue um resumo da situação, as dúvidas prováveis do cliente e uma sugestão de próximo passo.
• Dados de entrada: (anotações do CRM, últimas mensagens). Não use informações que não estejam nesse texto.
• Limites: não cite preço, prazo, desconto ou condição comercial. Não invente dados sobre a empresa do cliente. Se faltar informação, liste o que precisa ser perguntado.
• Formato de saída: situação em três linhas, dúvidas prováveis em lista, próximo passo em uma frase, rascunho de mensagem curta para WhatsApp.

Para adaptar, troque as etapas do funil pelas suas e inclua os critérios reais de qualificação. Se o time já registra tudo no CRM, o próximo passo natural é ligar o prompt aos dados por integração, tema do artigo sobre integrar IA ao CRM.

Modelo de prompt para financeiro

No financeiro, o risco de erro é mais caro e a tolerância é menor. Por isso o uso mais seguro é de apoio: conferir, explicar e redigir, nunca pagar, aprovar ou alterar lançamentos. O modelo a seguir serve para analisar divergências em um conjunto de lançamentos.

• Papel: você é analista de apoio do financeiro da (empresa). Você não aprova nem altera nada.
• Contexto: seguimos a regra (regra de conciliação ou política de despesas). Considere como divergência (critério da empresa).
• Tarefa: compare os dois conjuntos de lançamentos abaixo e liste as diferenças.
• Dados de entrada: (extrato e lançamentos, sem dados pessoais desnecessários).
• Limites: não recalcule valores por conta própria sem mostrar a conta. Se um item for ambíguo, marque como pendente de revisão. Não sugira pagamento.
• Formato de saída: tabela em texto com item, divergência encontrada, motivo provável e nível de certeza (alto, médio, baixo).

A adaptação aqui está na regra: o prompt só funciona se a política da empresa estiver escrita com clareza. Se a regra vive na cabeça de uma pessoa, o primeiro trabalho é documentá-la. Quando o sistema de gestão for integrado, comece por leitura, como explicamos em integrar IA ao Bling, Omie ou Tiny.

Modelo de prompt para RH

RH lida com pessoas e dados pessoais, então o prompt precisa ser mais restritivo. A IA pode ajudar a redigir descrições de vaga, organizar respostas de pesquisas internas e resumir documentos de política. Para decisões sobre candidatos ou colaboradores, a revisão humana é obrigatória e o desenho exige atenção a viés e à LGPD, como detalhamos em IA no RH: triagem de currículos com atenção a viés e LGPD.

O modelo abaixo é para resumir currículos contra requisitos objetivos, sem ranquear pessoas.

• Papel: você é assistente de apoio ao recrutamento da (empresa). Quem decide é a pessoa responsável pela vaga.
• Contexto: a vaga exige (requisitos objetivos e verificáveis). Os requisitos desejáveis são (lista).
• Tarefa: para cada currículo, indique quais requisitos aparecem comprovados no texto e quais não aparecem.
• Dados de entrada: (currículos com identificação reduzida ao necessário).
• Limites: não inferir idade, gênero, origem, estado civil, saúde ou qualquer característica pessoal. Não atribuir nota nem ranking. Não recomendar contratar ou descartar.
• Formato de saída: lista de requisitos com situação (comprovado, não comprovado, não informado) e um trecho do currículo que sustenta cada item.

Adaptar significa reescrever os requisitos para que sejam observáveis. Um requisito como perfil proativo não é verificável no texto, e a IA vai inventar um critério. Experiência com (ferramenta) por pelo menos (período) é verificável. Para o tratamento de dados, consulte também o material da ANPD e o guia sobre LGPD e inteligência artificial.

Modelo de prompt para operação

Operação é onde há mais repetição e, por isso, mais ganho. Bons usos são transformar procedimentos em checklists, resumir ocorrências do dia, classificar chamados e preparar a passagem de turno. O modelo abaixo classifica e resume ocorrências.

• Papel: você é assistente de operação da (unidade ou área) da (empresa).
• Contexto: as categorias de ocorrência são (lista fechada). As urgências são (definição de cada nível).
• Tarefa: leia as ocorrências abaixo, classifique cada uma em uma categoria e um nível de urgência e resuma o que ficou pendente.
• Dados de entrada: (registros do turno).
• Limites: use apenas as categorias da lista. Se nenhuma servir, responda sem categoria e explique. Não decida prioridade de atendimento de segurança, isso vai direto para o responsável.
• Formato de saída: uma linha por ocorrência com categoria, urgência e pendência, seguida de um resumo de passagem de turno em até cinco linhas.

A adaptação é mais fácil quando a lista de categorias já existe. Se cada pessoa nomeia o problema de um jeito, primeiro padronize os nomes. Em setores específicos, a lógica muda pouco, como mostram os artigos sobre IA na indústria, começando por manutenção e qualidade e sobre IA para restaurantes.

Como adaptar um modelo ao contexto da sua empresa?

Copiar o modelo é só o começo. A adaptação segue uma sequência curta, que também funciona como checklist de revisão.

• Passo 1: descreva o processo atual em poucas linhas, com quem faz, quanto tempo leva e onde costuma errar. Isso vira a linha de base.
• Passo 2: troque os campos entre chaves por termos reais da empresa: etapas, categorias, políticas, nomes de sistemas.
• Passo 3: reduza os dados de entrada ao mínimo necessário. Se o campo não muda a resposta, tire.
• Passo 4: escreva os limites a partir de erros que já aconteceram ou que seriam graves. Cada limite deve ter uma ação alternativa (encaminhar, perguntar, marcar como pendente).
• Passo 5: monte um conjunto de casos de teste com situações comuns, difíceis e proibidas, e rode o prompt sobre eles.
• Passo 6: compare as saídas com o que a equipe produziria sozinha e ajuste o prompt, não o caso de teste.
• Passo 7: defina quem revisa a saída e o que acontece quando a revisão rejeita o resultado.

Cenário ilustrativo: uma empresa de serviços com equipe comercial pequena adapta o modelo de vendas. No primeiro teste, o rascunho de mensagem prometia uma data de visita que ninguém havia confirmado. O ajuste não foi trocar o modelo de IA, e sim acrescentar o limite de nunca citar data ou prazo e incluir, na saída, um campo com as perguntas que o vendedor precisa responder antes de enviar. O segundo teste passou nos casos difíceis, e só então o prompt foi liberado para a equipe.

Como testar, proteger e manter esses prompts?

Um prompt é um ativo da empresa e precisa de dono, versão e teste, como qualquer procedimento. Registre quem o criou, quando mudou e por quê. Guarde os casos de teste junto, porque toda mudança de modelo ou de texto pode alterar o comportamento. O guia da OpenAI sobre avaliações mostra a ideia geral de testar saídas de forma sistemática, e vale como referência mesmo que você use outra ferramenta.

Há também o risco de segurança. Se o prompt processa texto vindo de fora, como e-mails, mensagens de clientes ou currículos, esse texto pode conter instruções escondidas tentando mudar o comportamento da IA. A folha de referência da OWASP sobre prompt injection descreve defesas práticas, e a principal é simples: separar claramente instruções de dados e não dar à IA permissões que ela não precisa.

Na nossa forma de trabalhar, o método tem quatro passos que se aplicam diretamente aqui. Mapear o processo e a linha de base. Limitar dados e ações do prompt. Pilotar um fluxo real, com registro das saídas e uma métrica combinada de sucesso. Transferir a operação para a equipe, com documentação e a decisão de expandir, ajustar ou parar. Para medir o piloto, veja como medir um piloto de automação com IA.

Perguntas frequentes

Preciso de um prompt diferente para cada pessoa da equipe? Não. O ideal é um modelo por processo, mantido por um responsável, e usado por todos. Variações individuais fazem o resultado perder previsibilidade e dificultam a revisão.

Posso colocar dados de clientes em um prompt? Depende da ferramenta, do contrato e da base legal do tratamento. Envie apenas o necessário, evite identificadores quando não forem essenciais e defina em política interna o que é permitido. Em caso de dúvida, trate como um tema de LGPD e envolva quem cuida de privacidade na empresa.

O mesmo prompt funciona em qualquer modelo de IA? Quase nunca com o mesmo resultado. A estrutura se mantém, mas o tom, a obediência aos limites e o formato de saída podem variar. Ao trocar de modelo, rode de novo seus casos de teste antes de liberar.

Quando um prompt deixa de ser suficiente e preciso de um agente? Quando o processo exige consultar sistemas, executar ações ou manter contexto ao longo de várias etapas, com registro e aprovação humana. Enquanto a tarefa for ler, resumir e rascunhar, um prompt bem testado costuma bastar. Se o volume ou o risco crescer, vale mapear o fluxo antes de decidir.

Fontes

• Anthropic: Effective context engineering for AI agents
• OWASP: prompt injection prevention
• OpenAI: evals guide
• ANPD: Autoridade Nacional de Proteção de Dados