Transcription
A maioria das pessoas que usa IA está fazendo isso errado, e é por isso que é surpreendentemente fácil ficar à frente de 99% delas. Passei mais de 20 anos em tecnologia e IA como CEO, membro do conselho, investidor, construindo empresas bilionárias. E é isso que estou vendo. A lacuna entre as pessoas que entendem de IA e as que não entendem está aumentando mais rápido. Neste vídeo, darei a você um roteiro claro de sete etapas para dominar a IA como os 1% melhores. E a melhor parte é que você pode realmente fazer isso em apenas 30 dias, mesmo que seja um iniciante total. Vamos mergulhar.
A primeira semana começa com o aprendizado do que eu chamo de inglês de máquina. A maioria das pessoas fala com a IA como se fosse uma pessoa. E esse é um erro enorme. Por quê? Porque os sistemas de IA generativa como o ChatGPT não entendem realmente a nossa linguagem. Eles a preveem. E é aí que a maioria das pessoas fica presa. Se eu dissesse "Humpty Dumpty sentou em um", seu cérebro dispararia, você sabia o que viria. Seu cérebro previu. Você poderia ter dito "Humpty Dumpty sentou em um telhado". Agora está correto, mas você sabia que "telhado" era mais provável com base no que você viu antes. Pense na pesquisa do Google. Ele faz autocompletar da mesma maneira. Por quê? Porque viu tantas consultas de pesquisa antes. Aprendeu com elas e agora está lhe dando a opção mais provável. Modelos de IA como ChatGPT ou Gemini funcionam de maneira semelhante, mas são diferentes dos mecanismos de busca porque não armazenam nenhuma resposta pré-fabricada. Eles geram a resposta na hora.
Como eles a geram? Em um nível muito alto, a IA divide seu texto em partes menores chamadas tokens. Cada token é uma palavra ou, às vezes, parte de uma palavra. "Humpty" é provavelmente um token. "Dumpty" pode ser outro token. "Sentou" outro token. "Telhado" outro token. Em seguida, a IA converte cada token em uma lista de números, também conhecida como vetores multidimensionais. Esses números são colocados dentro de um espaço matemático massivo chamado espaço de incorporação. E nesse espaço massivo, ideias semelhantes tendem a viver mais próximas umas das outras. O sistema aprendeu com experiências anteriores. Portanto, ele sabe que as palavras "Humpty", "ovo", "telhado" e "cair" estarão mais próximas, mas estarão distantes de palavras como "motocicleta" ou "chocolate". Agora, quando é hora de gerar a resposta, a IA olha para o contexto e prevê o próximo token mais provável. Então, quando vê "Humpty Dumpty teve um ótimo", ele pondera todas as opções. "Humpty Dumpty teve uma ótima festa." "Humpty Dumpty teve um ótimo dia." "Humpty Dumpty teve um ótimo chocolate." e vê que a palavra "cair" é o resultado mais provável. Assim, a linha é gerada e finalizada não a partir da memória, não de fatos armazenados, mas de probabilidade e proximidade. É por isso que a IA pode parecer tão inteligente, mas também tão alienígena.
Agora, estou pulando muitos detalhes aqui, mas a conclusão importante é que quando seu prompt é vago, essa máquina de adivinhação chamada ChatGPT ou Gemini produzirá adivinhações que também são vagas. E se o seu prompt for nítido e direcionado, a IA voltará para você com adivinhações nítidas e direcionadas. Isso é o que eu chamo de inglês de máquina. Ajuda a IA a computar sua intenção, não apenas a tentar compreendê-la.
Então, como é um prompt mais nítido? Eu chamo de AIM. A de Ator. Diga ao modelo quem ele está interpretando. I de Input (Entrada). Dê a ele o contexto e os dados de que ele precisa. E M de Missão. O que você quer que ele faça? Em vez de digitar, digamos, "conserte meu currículo", tente digitar: "Ei, ChatGPT, você é o editor de currículos e escritor de negócios mais procurado do mundo. Você revisou milhares de currículos que levaram a entrevistas em grandes empresas de tecnologia." Você disse à IA qual é a sua persona, quem ela está interpretando. Uma segunda linha: "Estou anexando meu currículo e a descrição da vaga para uma função de gerente de produto sênior em uma empresa de fintech. Essa é a sua entrada." Terceiro, missão: "Revise-o e me dê uma lista com marcadores de 10 ideias específicas sobre como melhorar a clareza, o impacto mensurável, alinhar com a função. Sua missão é me ajudar a construir o melhor currículo que me faça ser contratado." É assim que você mira. Transforma um prompt em uma estrutura que o modelo pode entender, computar e raciocinar. Você pode usar essa estrutura de três partes em quase todos os prompts. E a partir de agora, você começará a ver os resultados serem pelo menos cinco ou 10 vezes melhores do que antes. Somente quando você aprender a linguagem dela, a IA finalmente começará a trabalhar para você.
Agora que você entende como falar com a IA, vamos escolher seu instrumento. Aqui está o ponto. A maioria das pessoas começa sua jornada de IA da maneira errada. Eles pesquisam no Google as 50 melhores ferramentas de IA. Escolhem 10 e pulam de uma para outra. Eles as percorrem rapidamente. Isso é uma receita para o fracasso porque há muito por aí. Minha recomendação: escolha uma, aprofunde-se. Pense em aprender IA da mesma forma que aprenderia um instrumento. Sabe, há um estudo na Frontier Psychology que descobriu que bateristas pegam guitarra mais rápido do que iniciantes completos. Tocar bateria nem é sobre melodia e requer habilidades físicas muito diferentes. Mas eu pessoalmente tive a mesma experiência. Passei dezenas de milhares de horas como baterista. E quando peguei a guitarra, não foi fácil, mas não foi desconfortável porque eu já sabia como praticar e meu cérebro foi treinado para ver estruturas e padrões. Quanto mais fundo você cavar em um modelo fundamental, mais rápido você encontrará o ritmo de todos os outros.
Então, qual você escolhe? Se você quer o mais maduro, escolha o ChatGPT. Se você está imerso no ecossistema do Google, experimente o Gemini. Se você quer IA mais voltada para negócios e projetos, vá com o Claude. Mas, na verdade, não importa o que você escolha. Na primeira semana, passe tempo com um deles e aprenda sua personalidade, sua cadência, seus limites, seus pontos fortes. O objetivo é começar a sentir o ritmo. Assim que você se sentir confortável, tente usar a estrutura AIM de que falamos. Ao final da primeira semana, você deve ser capaz de escrever um prompt estruturado sem pensar.
Tudo bem, então começamos a usar IA. Agora, vamos falar sobre o que realmente torna seus resultados inteligentes, e isso é contexto. A IA mais inteligente do mundo soará sem noção, a menos que você a alimente com contexto. Cada resposta que a IA dá depende de como ela entende a pergunta. Se você não lhe der contexto, ela não terá base. Lembre-se de que dentro desses modelos de IA, não há nada além de um espaço matemático louco cheio de bilhões de números. Contexto é o mapa que o ajuda a navegar nesse espaço para dizer à IA onde procurar e o que importa. E a melhor maneira de construir esse mapa é com um acrônimo que eu chamo de MAP.
M é de Memória. O histórico da conversa ou as notas que são transferidas de sessões de chat anteriores que você teve com a IA. Agora, você pode repassar o tópico ou pedir ao modelo para resumir antes de começar novamente. É assim que você começará a construir continuidade em suas conversas.
A é de Assets (Recursos). Os arquivos, dados, os recursos que você anexa ou copia e cola em seu prompt. Esses recursos ajudam a basear o modelo na realidade.
O segundo A é de Actions (Ações). Agora, essas são as ferramentas que o modelo pode chamar para fazer o trabalho. A ação pode ser pesquisar na web, digitalizar seu disco, escrever este código ou criar um documento no Notion.
E P é de Prompt (Instrução) e o prompt é a instrução em si. Portanto, quanto melhor você for com memória, recursos e ações externas, melhor contexto você dará à IA no prompt. E quanto mais rico o contexto, melhor o raciocínio e a resposta da IA.
Quando você começar a usar essas estruturas como AIM e MAP, você terá se juntado aos 10% dos usuários de IA. Mas se você quiser atingir o nível de especialista absoluto, há mais uma coisa que você realmente precisa. Depure seu pensamento, que é o passo quatro. Quando você não obtém a resposta certa, o problema não é a IA, é o seu pensamento.
Lembro-me da primeira vez que dei um prompt a uma IA. Foi um daqueles modelos mais antigos da OpenAI e passei um dia inteiro tentando dar sentido a ele e, no final, fiquei super frustrado porque era aleatório. Era imprevisível. Mas naquela época ninguém entendia. A frase "engenharia de prompt" ainda nem existia porque dar um prompt não é digitar. É iterar. Quando o resultado é fraco, assumo que a culpa é minha porque é. Eu dei a persona certa? Forneci o contexto certo? Dei o objetivo certo? E às vezes eu até pergunto ao próprio modelo: "O que você fez? E por que você escolheu essa resposta?" Ele explicará sua lógica. Ele explicará sua cadeia. E é aí que a mágica começa. Você não está apenas usando IA, está aprendendo como ela pensa.
Existem três códigos de trapaça que uso para isso. O primeiro é o padrão de cadeia de pensamento. Quando a resposta parece errada, eu diria: "Pense passo a passo. Mostre seu raciocínio. Em seguida, me dê a resposta final concisa." O segundo é o padrão de verificador. Eu diria à IA: "Faça-me três perguntas que esclareçam minha intenção para você. Faça-as uma de cada vez e, em seguida, combine o que você aprendeu e tente novamente." E o terceiro é o padrão de refinamento, onde você está refinando sua própria entrada. "Antes de responder, proponha duas versões mais nítidas da minha pergunta. Pergunte qual eu prefiro." Assim, a IA me dirá como perguntar da maneira certa. E então continuamos. E você tem que continuar iterando com esses padrões porque esses loops podem ensinar o modelo a entendê-lo e ensinar você a entender o modelo. Teste, ajuste, otimize, pressione até que você possa dizer por que algo está funcionando e por que algo está errado. É quando clica. Você não está mais falando com a IA. Você está tendo uma conversa contínua. Você e a IA estão aprendendo juntos um com o outro.
Mas aqui está o ponto: não basta apenas depurar sua mente. Se sua postagem soa como qualquer outra postagem do LinkedIn que vejo, copiada do ChatGPT, você ainda tem um problema. E é por isso que o passo cinco é direcionar para especialistas. Quando você faz uma pergunta ao ChatGPT, você não está pesquisando um banco de dados de respostas. Você está amostrando milhões de ideias prováveis que a IA aprendeu ao longo do tempo e está armazenando como bilhões de números. Algumas são brilhantes, algumas são medianas, algumas são completamente inventadas e algumas estão totalmente erradas. Se você der um prompt vago, como "explique como tornar uma equipe mais inovadora", o modelo lhe dará uma resposta superficial e genérica cheia de jargões. E você lerá e pensará: "Sim, eu já sabia disso."
Então, como você conserta isso? Você direciona o modelo para longe do meio e para as bordas mais nítidas de seu cérebro. Então, em vez desse prompt vago, você pode dizer isto: "Explique como tornar uma equipe mais inovadora usando ideias do grupo de confiança da Pixar, da estratégia de Satya Nadella e da pesquisa de Harvard." Agora você tira o modelo da mediocridade para a maestria, navegando-o em direção a especialistas, estruturas, profundidade.
E se você quiser aprender sobre buracos negros e não souber quem são os especialistas? Sem problemas. Pergunte à IA primeiro. "Liste os principais especialistas, pesquisadores e artigos de pesquisa e o pensamento atual sobre buracos negros." Em seguida, alimente a mesma coisa de volta ao modelo e dê um prompt usando esses especialistas e fontes: "Sintetize o quadro original que preenche a lacuna atual na ciência dos buracos negros ou o que quer que você esteja procurando." Essa é a maneira de garantir que a IA não seja mais uma câmara de eco. Mas lembre-se, você precisará verificar o que obtém. Esse é o nosso passo seis.
Às vezes, a IA lhe dirá coisas como "68% dos americanos estão se divorciando". Quer dizer, você sabe que não é verdade. Mas a parte assustadora é que a IA soará tão confiante quando estiver errada quanto quando estiver certa. Então, você pode dizer à IA 100 vezes: "Pare de inventar coisas." Mas todos os modelos são essencialmente generativos por design. Inventar coisas é por que eles existem. Então, o que você faz a respeito? Você simplesmente verifica. Não apenas consuma. Critique. Existem cinco maneiras de separar a inteligência da ilusão: suposições, fontes, evidências contrárias, auditoria e verificação cruzada de modelos. Vamos pegar uma de cada vez.
Suposições: Pergunte. "Liste todas as suposições que você fez e classifique cada uma por confiança."
Segundo é fontes: Pergunte. "Cite duas fontes independentes para cada alegação importante que você acabou de fazer. Inclua título, URL e uma citação de uma linha." Agora você pode verificar você mesmo. Esse é o andaime por trás da resposta.
Evidências contrárias: Pressione. "Encontre uma fonte credível que discorde da sua resposta. Explique as dependências." É aí que o raciocínio real vive.
Auditoria é a quarta. Pergunte. "Recalcule cada figura. Mostre sua matemática ou código." Você ficará chocado com a frequência com que os números mudam quando você o faz desacelerar e começar a auditar.
E, finalmente, verificação cruzada de modelos. Este é o meu favorito. Eu executo o mesmo prompt no ChatGPT, Gemini e Claude. Pego a saída de um modelo e peço a outro para criticá-la. Ou eu alimento as alegações de um modelo no outro e digo: "Verifique isso." É assim que você separa o ruído do conhecimento.
Ao final da sua terceira semana, você começará a se sentir mais no controle de sua saída. Mas aqui está o problema. Os melhores resultados de IA não são aqueles que soam mais originais, são aqueles que soam como você. É por isso que o passo sete é sobre desenvolver gosto. A maioria das pessoas usa IA como uma máquina de venda automática. Elas apertam um botão, pegam a mesma saída de junk food que todo mundo pega e chamam isso de dia. Se você fizesse isso, a maioria das pessoas saberia que você apenas copiou e colou. Mas você já passou disso, certo? É sua quarta semana. É hora de entrar no ringue. Trate a IA como seu parceiro de sparring. Discuta com ela. Reaja. Afie seu pensamento. Afie o pensamento dela. É aí que entra a estrutura OCEAN. É como você transforma respostas genéricas em insights de bom gosto. Algo que soa como você.
O - Original. Olhe para a resposta. Há alguma ideia não óbvia nela? Se não, pressione. Pergunte: "Dê-me três ângulos que ninguém mais pensou. Rotule um como arriscado e recomende aquele que você mais gosta."
C - Concreto. Existem nomes, exemplos e números que fazem sentido? Se não, pergunte. "Apoie cada alegação com um exemplo real."
E - Evidente. O raciocínio é visível? Há evidências suficientes? Se não, pergunte. "Mostre sua lógica em três marcadores. Forneça evidências antes de fornecer a resposta final."
A - Assertivo. Ele toma uma posição? Com a qual você pode concordar ou discordar. Se não, pressione novamente. "Não me diga o que eu quero ouvir. Escolha um lado. Declare sua tese, defenda-a e, em seguida, aborde o melhor contra-argumento."
N - Narrativa. Qual é a história? Ela flui? É concisa? Guie-a. Escreva como uma história. Gancho, problema, insight, prova, ações, o que você quiser nessa história.
Então, essa é a estrutura OCEAN para adicionar gosto à sua saída. Agora, à medida que você aplica isso ao longo de 30 dias, começará a notar algo mais profundo. Cada prompt que você escreve, cada revisão que você envia, cada julgamento que você faz, você não está apenas treinando o modelo, você está treinando você.
A IA está chegando, gostemos ou não. Para alguns, isso pode desencadear muitos medos profundos, mas permaneço um otimista perpétuo. Acho que a IA não está aqui para substituir o trabalho humano. Está aqui para restaurar o valor humano. Se você gostou deste vídeo, não se esqueça de se inscrever e conferir meu vídeo mais recente aqui. Obrigado e eu amo