Isto é basicamente o que quero dizer quando digo que a IA precisa de contexto. A mesma disciplina que transforma um problema confuso numa lista de verificação clara é o que torna alguém eficaz com a IA, e tudo se resume à especificidade. Falo com equipas que juram que deram ao modelo um "contexto realmente sólido", mas lê-se como alguém a dar direções dizendo "dirija-se em direção às montanhas e vire à esquerda quando parecer certo." Isto é como isso se parece na prática: "Somos uma marca de vestuário, temos cerca de 10 SKUs, as compras repetidas não estão onde queremos, o que devemos fazer?" Isso parece específico até que você o analise. Que tipo de vestuário? Quais SKUs estão a ter um desempenho abaixo do esperado? Qual é a taxa de repetição atual? O que já tentaram? Quando você se força a responder a essas perguntas, acaba com: "Somos uma marca de vestuário de 7 dígitos a operar 7 SKUs em 2 categorias de ajuste, todas focadas em camisetas de manga curta e longa. A nossa taxa de compra repetida está em 18%, com a maior parte disso a vir de uma linha de produtos (camisetas de manga curta), e o nosso e-mail com melhor desempenho no último trimestre gerou X receita de clientes que compraram duas vezes em 90 dias." Agora a IA tem algo com que trabalhar. E honestamente, você também, porque o tempo gasto a analisar isso revela a resposta antes mesmo de o modelo responder.