Basicamente é isso que quero dizer quando digo que a IA precisa de contexto. A mesma disciplina que transforma um problema bagunçado em uma lista de verificação clara é o que torna alguém eficaz com IA, e tudo se resume à especificidade. Converso com equipes que juram que deram ao modelo "um contexto realmente sólido", mas parece alguém dando direções dizendo "siga em direção às montanhas e vire à esquerda quando parecer certo." É assim que isso se manifesta na prática: "Somos uma marca de roupas, temos cerca de 10 SKUs, compras repetidas não são onde queremos, o que devemos fazer?" Isso parece específico até você analisar. Que tipo de roupa? Quais SKUs estão tendo desempenho abaixo do esperado? Qual é a taxa de repetição atual? O que você já tentou? Quando você se força a responder essas perguntas, acaba com: "Somos uma marca de roupas de sete dígitos, com 7 SKUs distribuídos em 2 categorias de ajuste, todas focadas em camisas de manga curta e longa. Nossa taxa de compras repetidas está em 18%, com a maior parte vindo de uma linha de produtos (camisetas de manga curta), e nosso e-mail de melhor desempenho no último trimestre retirou X receita de clientes que compraram duas vezes em 90 dias." Agora a IA tem algo com que trabalhar. E, sinceramente, você também gosta, porque o tempo gasto analisando revela a resposta antes mesmo do modelo responder.