Pedir para a IA “pensar passo a passo” já foi um dos truques mais repetidos para melhorar respostas. Mas ele ainda funciona nos modelos atuais — ou virou um hábito de prompt? 🧠🧵

Imagem indisponível

A técnica tem nome: Chain-of-Thought (CoT), ou cadeia de pensamento. A proposta é induzir o modelo a decompor um problema em etapas antes de concluir — algo útil em cálculos, lógica, análise de dados e comparação de cenários.

Em 2022, estudos popularizaram o comando “Let’s think step by step”. Em tarefas matemáticas, os ganhos foram expressivos: ao explicitar etapas intermediárias, modelos de linguagem erravam menos do que ao responder de primeira.

Imagem indisponível

Mas há uma distinção importante: organizar a resposta não garante que o raciocínio esteja correto. Uma IA pode produzir uma explicação muito convincente, com contas e passos bem formatados, e ainda partir de uma premissa errada.

Pesquisa da Wharton, em 2025, encontrou ganhos modestos da CoT em modelos não especializados em raciocínio. Nos modelos projetados para raciocinar, o benefício foi marginal — enquanto o tempo de resposta aumentou.

Imagem indisponível

Faz sentido: modelos como o OpenAI o1 foram treinados para fazer etapas internas, revisar caminhos e testar estratégias. Neles, acrescentar “pense passo a passo” pode ser redundante. O melhor prompt depende mais da tarefa do que de uma frase mágica.

Na prática, seja específico: informe dados, restrições, critério de decisão e formato desejado. Para um ROI, peça os cálculos e as premissas; para um resumo, peça fontes e limites. Prompt bom reduz ambiguidade — não substitui revisão humana.

Imagem indisponível

A lição é menos glamourosa que o “prompt secreto”: IA não é oráculo. Saber quando exigir etapas, quando checar fontes e quando simplificar o pedido é uma competência que precisa ser acessível a todos, não um privilégio de especialistas.