Se você leu a Parte 1 deste post, já sabe da importância da intencionalidade pedagógica e que um bom prompt precisa de papel, tarefa, contexto e formato. Mas e quando o resultado ainda não é o que você queria? E quando a IA começa a esquecer o que você disse lá atrás? Ou quando ela inventa coisas que você não pediu?

É para essas situações que existem técnicas mais avançadas de prompting. E elas são mais simples do que parecem.

A IA não “lembra”, ela lê

Antes de entrar nas técnicas, é importante entender uma coisa: a IA não tem memória como a nossa. Cada conversa é como um documento de texto que ela lê do início ao fim antes de responder. Quanto mais longa a conversa, mais esse documento cresce. E tem um limite de quanto ela consegue “ler” de uma vez. Esse limite tem um nome: janela de contexto.

Janela de contexto: o quanto cabe na memória de trabalho da IA

Você já reparou que, em chats muito longos, a IA parece começar a ficar “confusa” ou esquecer o que vocês combinaram lá nas primeiras mensagens? Isso acontece por causa da Janela de Contexto.

Pense na janela de contexto como a mesa de trabalho da inteligência artificial. Quando você abre um novo chat, a mesa está completamente limpa. Conforme você envia instruções, cola textos, anexa PDFs e a IA responde, essa mesa vai sendo preenchida com papéis.

Cada palavra ou documento ocupa um espaço (que no mundo da tecnologia chamamos de tokens). Chega um momento em que a mesa enche. Para conseguir colocar um papel novo na mesa, a IA precisa “jogar no lixo” os papéis mais antigos, ou seja, ela perde a memória do início daquela conversa.

Na prática, isso significa que:

• em conversas muito longas, a IA pode esquecer instruções que você deu no começo.
• se você colou um texto longo (como um plano de aula completo) e fez muitas perguntas depois, ela pode perder o fio da meada.
• às vezes vale mais começar uma conversa nova do que continuar uma muito longa e confusa.

O que fazer na prática?

→ Para tarefas importantes, reafirme o contexto principal periodicamente: “Lembrando que estou criando materiais para alunos do 7º ano com TEA…”
→ Se a conversa ficou longa e a IA parece perdida, tente resumir: “Resumindo o que decidimos até agora: [seu resumo]. Com base nisso, agora preciso de…”
→ Para projetos grandes (como montar uma unidade didática inteira), considere dividir em conversas separadas, uma para cada etapa.

Grounding: dê à IA um chão para pisar

Você já pediu alguma coisa para a IA e recebeu uma resposta linda, bem escrita, mas que não tinha nada a ver com a sua realidade? No post anterior, comentei que a IA generativa trabalha com estatística e probabilidade, prevendo qual é a próxima palavra mais provável. O grande risco desse funcionamento é ela alucinar, ou seja, inventar fatos, misturar conceitos ou sugerir dinâmicas que não fazem o menor sentido para a sua realidade pedagógica.Isso acontece porque, sem referências concretas, a IA improvisa, e às vezes improvisa até demais rs.

É aqui que entra o Grounding (que podemos traduzir como Ancoragem ou contextualização de base). Grounding é a técnica de ancorar a resposta da IA em informações reais, específicas e verificáveis que você fornece.

Na educação, você pode fazer grounding com:

1. Documentos e textos reais

Cole o trecho do currículo da sua escola, o objetivo de aprendizagem da BNCC, ou o enunciado de uma atividade que você criou. Aí peça à IA para trabalhar a partir daquilo.

“Aqui está o objetivo de aprendizagem do 8º ano segundo a BNCC: [cole aqui]. Crie uma atividade que atinja especificamente esse objetivo.”

2. Produções dos seus alunos

Você pode colar um texto ou redação de um aluno (sem nome) e pedir à IA para analisá-lo ou criar um feedback personalizado baseado naquele texto específico.

“Este é um texto de um aluno de 14 anos: [cole aqui]. Identifique os pontos fortes e sugira 3 melhorias com linguagem encorajadora.”

3. O seu próprio material

Compartilhe o seu plano de aula, a sua rubrica de avaliação, ou a sua sequência didática. A IA passa a trabalhar dentro do seu universo, não do universo genérico dela.

“Este é o meu plano de aula: [cole aqui]. Que recursos complementares você sugere que estejam alinhados com o que já planejei?”

O grounding reduz alucinações (aquelas respostas inventadas que a IA às vezes dá) porque você está dizendo: “Não precisa imaginar, aqui está a realidade com que trabalhamos.”

Chain of thought (cadeia de raciocínio): peça para a IA pensar em voz alta

Quando pedimos para a IA fazer uma tarefa complexa de uma vez só, ela pode atropelar o raciocínio e entregar algo superficial. Então em vez de pedir diretamente a resposta, peça que a IA mostre o raciocínio. Isso pode ser especialmente útil quando você quer entender por que ela chegou a determinada sugestão, e também melhora a qualidade do resultado.

O segredo aqui é pedir para ela construir a resposta por etapas. Adicionar a frase “Pense passo a passo” ou dividir o comando em etapas força o modelo a processar melhor o percurso pedagógico.

“Pense passo a passo: que competências da BNCC esta atividade mobiliza e por quê?”

“Antes de sugerir a atividade, explique qual teoria de aprendizagem você está usando como base.”

Essa técnica é bem útil para avaliar se o raciocínio da IA faz sentido pedagogicamente ou se precisa de ajuste.

Few-shot prompting: mostre um exemplo do que você quer

Sabe quando explicamos uma atividade nova para os alunos e, logo em seguida, mostramos um exemplo pronto no quadro para que o modelo fique claro? A IA funciona da mesma forma. O Few-shot prompting consiste em colocar um ou dois exemplos reais do resultado esperado dentro do seu próprio prompt. Então, por exemplo, se você quer feedbacks num certo formato, dê um exemplo desse formato. A IA vai “imitar” o padrão.

“Quero feedbacks assim: ‘Ponto forte: [algo específico]. Para melhorar: [sugestão concreta e gentil]. Próximo passo: [ação prática].’ Agora crie feedbacks neste formato para os seguintes trabalhos: [descreva os trabalhos].”

Juntando tudo: um prompt com todas as camadas

Veja como um prompt pode combinar várias dessas técnicas:

“Atue como uma especialista em educação inclusiva [papel]. Aqui está o meu plano de aula original: [cole aqui] [grounding]. Analise passo a passo [chain of thought] e sugira adaptações para um aluno com dislexia. Use este formato de resposta: Adaptação / Justificativa / Material necessário [formato]. Aqui está um exemplo do formato que espero: [seu exemplo] [few-shot].”

Parece longo? E é mesmo. Mas o resultado vai ser outro. Bem diferente de “adapte minha aula para aluno com dislexia.

Por que isso importa para nós, educadores?

Hoje, as ferramentas evoluíram muito. Modelos modernos (como o Gemini Advanced ou o NotebookLM do Google, que já ganhou tutorial por aqui!) têm janelas de contexto gigantescas, são “mesas de trabalho” do tamanho de salas inteiras. Isso nos permite subir livros pedagógicos completos, relatórios longos ou a BNCC na íntegra para trabalhar em cima deles sem que a IA perca o fio da meada.

Duas dicas práticas para o seu dia a dia:

1. Mantenha os chats temáticos: Não use o mesmo chat onde você planejou as aulas de março para criar a prova de junho. Abra um chat novo para cada projeto ou disciplina. Assim, a “mesa” fica limpa e focada no assunto atual.

2. Se a IA começar a falhar, reinicie: Se perceber que ela esqueceu uma regra que você determinou no começo da conversa, é sinal de que a janela de contexto lotou. Copie o que funcionou e abra um novo chat.

No fundo, é sobre parceria

Dominar o uso da IA na educação não tem a ver com decorar fórmulas mágicas, mas sim com entender como a tecnologia processa as nossas demandas. Quando aliamos a estrutura básica (Papel, Tarefa, Contexto e Formato) a técnicas como grounding, uso de exemplos e o respeito à janela de contexto, deixamos de lutar com a ferramenta e passamos a ter uma assistente que realmente compreende a nossa intencionalidade didática.

E você? Já conhecia essas técnicas mais avançadas ou já passou pelo perrengue de ver a IA “esquecendo” as suas orientações no meio de um planejamento? Me conta aqui nos comentários como tem sido a sua experiência!