Na era de grandes transformações mundiais, como os profissionais de humanidades podem usar melhor a IA?

Título original: 《Guia de Uso de IA para Profissionais Humanísticos》

Autor original: 汉洋 MASTERPA

Fonte original:

Reprodução: Mars Finance

Profissionais humanísticos não criam mudanças no mundo, mas suportam as mudanças do mundo.

Às vezes sinto que aqueles que vendem tutoriais de inteligência artificial sempre tratam a IA como uma magia: um prompt mágico e você pode fazer qualquer coisa. Mas a realidade não é assim. Recentemente, por fundar a FUNES, tivemos que produzir muito todos os dias usando IA. Além disso, com conteúdos como 《蜉蝣天地》 e meus próprios textos, a força humana já não basta. Por isso, temos experimentado bastante como usar IA para auxiliar nosso mercado de conteúdo e pesquisa em humanidades.

Depois, novos colegas entraram na empresa, e eu preparei um simples Keynote. Quando o professor Jia Xingjia soube, me convidou para uma apresentação. Meu sócio Keda e eu batizamos essa apresentação de 《Guia de Uso de IA para Profissionais Humanísticos》. Na época, foi uma apresentação privada, focada em princípios gerais. Depois, fizemos algumas vezes, expandindo aos poucos.

Nos últimos mais de um ano, compartilhei essa experiência de usar IA com muitos amigos que produzem conteúdo, pesquisa ou produtos de conhecimento. O objetivo não é ensinar a decorar alguns prompts mágicos, nem tratar a IA como remédio milagroso; ao contrário, é uma metodologia de trabalho: permitir que você integre grandes modelos ao seu fluxo de trabalho de escrita, pesquisa, edição, seleção de temas, organização de materiais e produção, tudo de forma rastreável, supervisionável e verificável, e ainda assim com a sua assinatura.

Essa abordagem vem de erros que cometemos em projetos reais: quando a produção de conteúdo escala, depender só de humanos colapsa; usar IA para escrever diretamente gera ilusões, preguiça e textos que parecem feitos por IA. Assim, tivemos que transformar a criação em uma linha de produção, e essa linha em um sistema iterativo.

Hoje, não quero te dar prompts específicos, mas sim algumas orientações e princípios essenciais.

Antes dos princípios: as três linhas vermelhas deste guia

Antes de métodos específicos, defina três limites essenciais. Eles determinam como você “usa IA” e por que faz assim.

1. Processo deve ser rastreável, supervisionável e verificável. Você não pode querer só o resultado, sem o processo. Para trabalhos humanísticos, a caixa preta é perigosa: ilusões, citações erradas, troca de conceitos podem acontecer silenciosamente dentro dela.

2. Deve ser manipulável. Você precisa controlar como ela faz, com que padrão, onde ser mais lento ou rigoroso. Você não está “tirando cartas”, está produzindo.

3. Por fim, você ainda deve querer assinar. “Quer colocar seu nome?” é a última inspeção de qualidade. Se não quer assinar, geralmente não é questão de ética, mas de que seu desejo não foi incorporado ao processo — ou seja, a qualidade é incontrolável.

Princípio 0: Não faça desejos à IA, trate-a como uma bancada de trabalho

Muitos usam IA basicamente como um gênio que realiza desejos: “Me dê um bom trecho”, “Ajude-me a escrever um artigo”, “Explique este artigo”.

O problema é que — “explicar” por si só tem inúmeras interpretações: para leigos, para graduandos, para pesquisadores, para colegas. Não é uma única tarefa. A IA não pode presumir seu background, objetivo ou gosto. Se você não explicar claramente, ela só vai usar uma abordagem padrão, “média” de um humano, para te dar a resposta mais fácil.

Tratar o grande modelo como bancada de trabalho significa: você não exige um resultado direto, mas usa suas ferramentas para completar um processo. Sua tarefa é definir claramente o objetivo, os padrões e os passos.

Por exemplo, explicar um artigo

Transforme um pedido de “explique este artigo” em uma tarefa de bancada:

· Defina o público-alvo: estudantes inteligentes, curiosos, mas não especialistas na área

· Defina o método de explicação: heurístico, progressivo, com rigor acadêmico

· Defina a estrutura: primeiro o significado, depois o contexto, o percurso da pesquisa, os pontos técnicos-chave, as lições

· Defina o tom: respeitoso, sem superioridade, sem presumir conhecimento prévio profundo

Você perceberá: quanto mais parecido com uma “tarefa escolar”, mais a IA parecerá um assistente de verdade, e menos uma caixa preta.

Princípio 1: Para fazer a IA bem, primeiro reflita sobre você — você é o responsável

Se você contrata um secretário, não vai só dizer: “Melhore o artigo do Han Yang sobre a rustificação nos EUA.”

Você vai complementar: por que esse artigo foi escrito, para quem, onde está travado, qual problema quer resolver, o que não pode mudar, qual estilo deseja, quais indicadores são importantes.

A IA é igual. Considere-a como um colega muito diligente, educado, mas que não entende seus pressupostos implícitos. A “engenharia de prompts” não é uma técnica, mas uma responsabilidade: a tarefa ainda é sua, a IA só ajuda a fazer.

Quando o resultado não te satisfaz, a reação mais eficaz não é “a IA não funciona”, mas:

· Eu expliquei claramente o “objeto/público/objetivo”?

· Forneci materiais e restrições suficientes?

· Dividi o “desejo abstrato” em ações concretas?

· Dei critérios para julgar certo ou errado?

Princípio 2: Faça pelo menos 3 perguntas diferentes ao mesmo modelo — cada IA tem “personalidade” e especialidades

Na nossa empresa, qualquer colega que usa grandes modelos pela primeira vez deve fazer pelo menos 3 perguntas diferentes a modelos distintos. Como pessoas, os modelos também têm diferenças: alguns são melhores em redação, outros em raciocínio, outros em código ou uso de ferramentas. Além disso, modelos de uma mesma versão ou de versões diferentes também ajustam “estilo” e “limites”.

Um hábito simples, mas muito eficaz, é: para uma mesma questão, perguntar a pelo menos 3 IA diferentes, para ganhar “sensação”:

· Qual é mais criativa, qual pensa melhor, qual pesquisa mais, qual tende a preguiçar

· Quais tarefas cada um faz melhor: rascunho, revisão, estrutura, frases

· Qual é mais adequado para gerar “temas/estruturas”, qual para “parágrafos/frases”

O valor dessa prática não é encontrar o “melhor modelo”, mas gerenciar os modelos como uma equipe, não como uma entidade suprema.

Princípio 3: IA não é onisciente — trate-a como um estudante de graduação com senso comum

Uma expectativa prática é: o senso comum da IA é aproximadamente o de um graduado de uma universidade de elite (como uma 985).

Se algo que você acha que “nem um bom graduado saberia”, então, pelo menos, assuma que a IA também não sabe; ou que ela “finge saber” quando não sabe.

Isso traz duas ações diretas:

1. Para conteúdos além do senso comum, você precisa ensiná-la: se quer que escreva piadas, textos com gosto refinado, argumentos técnicos avançados — não basta dizer “escreva melhor”, mas fornecer exemplos, padrões, limites, fontes. Assim como explicar a um amigo o que é uma boa escrita leva tempo, a IA também precisa.

2. Considere-a como um estagiário colaborador, não como um deus. Ela pode fazer muitas tarefas de “interpolação micro”: completar sua estrutura, transformar materiais em textos legíveis. Mas a “estrutura” e a “direção” vêm de você.

Princípio 4: Faça a IA avançar passo a passo — abordagem de caixa clara, mais confiável que uma única etapa

A vantagem da IA não é “dar a resposta correta de cara”, mas sim sua capacidade de realizar várias pequenas etapas de forma estável dentro do seu fluxo de trabalho. Quanto mais você exigir “uma só etapa”, mais ela vira uma caixa preta que parece completa, mas na verdade é preguiçosa.

Um exemplo claro é na produção de TTS (texto para fala) ou scripts de leitura. Em vez de tentar “evitar erros de pronúncia”, divida a tarefa em passos:

· Marcar pausas, ênfases, variações de velocidade

· Identificar possíveis palavras com múltiplas pronúncias

· Consultar dicionários ou fontes confiáveis para verificar pronúncias

· Antecipar palavras que costumam ser mal pronunciadas

· Substituir por sinônimos sem ambiguidade, eliminando erros

Essas “boas práticas óbvias” são intuitivas para humanos; mas a IA não as assume automaticamente. Se você não as incluir no fluxo, ela pode cometer erros na rota mais fácil.

Princípio 5: Industrialize primeiro, depois automatize — não pule etapas do agrícola para o IA

Se seu fluxo de trabalho de escrita/pesquisa é aleatório, baseado em inspiração e sem gestão de materiais, fica difícil passar para IA. Porque ela só consegue lidar com partes “descritíveis e reproduzíveis”.

Caminho mais realista:

1. Transforme o trabalho em uma linha de produção: fragmentada, reutilizável, passível de controle de qualidade

2. Delegue as etapas a IA: ela é uma estação de trabalho, não um deus

Fizemos um trabalho importante: descrever como escrevo um artigo de não ficção, incluindo:

· Por que começo com aquela história

· Por que escolho aquela frase

· Como avalio exemplos

· Como faço transições, conclusões, conexões

· Como relaciono pequenas histórias a um quadro maior

No final, dividi em dezenas de passos, com diferentes IA cuidando de cada um. O resultado não foi que o modelo ficou mais forte, mas que o fluxo encadeou suas habilidades de fazer “um pouco de cada vez”.

Quando você consegue descrever claramente “como faço meus textos”, percebe que o limite de qualidade não vem do “qual grande modelo usar”, mas de como você explica seu método.

Recomendação forte: ouça o podcast que explica isso com mais detalhes.

Princípio 6: Antecipe a preguiça da IA — ela vai economizar recursos, elimine obstáculos de formato

A IA tende a ser preguiçosa, de forma sistemática: evita abrir páginas, ler PDFs, passar por etapas. Não é maldade, é uma questão de economia de recursos e tempo.

Portanto, o que fazer:

· Converter materiais em texto puro/Markdown antes de alimentar a IA

· Copiar conteúdo de páginas para textos limpos (sem navegação, anúncios, notas de rodapé)

· Fazer uma “extração de fatos e estrutura” antes de solicitar a escrita

· Transformar PDFs, EPUBs, páginas em textos pesquisáveis, para tarefas posteriores

Perceberá que muitos resistem a esse “trabalho braçal”, achando que “a máquina deve fazer a parte suja”. Mas, na colaboração homem-máquina, exatamente o contrário: fazer um pouco de trabalho mecânico torna a parte inteligente mais afiada e confiável.

Princípio 7: Lembre-se do limite de contexto — otimize as tarefas para “compressão”, não para “expansão”

A IA tem uma janela de contexto e um limite de memória. Se você fornece 20 mil palavras, ela pode não lembrar de tudo; se fornece 200 mil, talvez só leia títulos. Uma analogia é: colocar alguém numa sala pequena por um dia, dar um livro de 200 mil palavras para ele memorizar — o quanto consegue reter?

Por isso, uma experiência contraintuitiva, mas crucial:

1. Compressão é mais fácil que expansão

Reduzir 1 milhão de palavras para 10 mil é mais confiável do que expandir 10 mil para 1 milhão.

Isso muda sua forma de solicitar:

· Não peça um artigo com prompts de 100 palavras

· Em vez disso, alimente o máximo de material possível (dividido, com busca, RAG), para que a IA compacte em estrutura, ideias e texto com base em materiais completos

Seu método de escrever — leitura de muita informação, extração, organização, redação — é o mesmo. Não exija que ela crie do nada.

Princípio 8: Controle a tentação de “melhorar na edição” — produza em linha, não altere o resultado final

Muitos escritores se frustram na IA: um rascunho de 59 pontos, acham que podem melhorar para 80, e começam a editar; até reescreverem tudo; até desistirem e fazerem eles mesmos. Assim, deixam de usar IA.

A solução não é editar mais, mas focar na etapa anterior:

· Não busque que a IA gere um texto perfeito de cara

· Seu objetivo é uma linha de produção estável, com notas entre 75-80

· Faça iterações para melhorar a média, não para perfeição de cada texto

Princípio 9: Veja a linha de produção como um produto em evolução — confiabilidade é valor

Quando um sistema consegue gerar consistentemente uma nota de 70, seu valor não é “parecer com você”, mas:

· Você consegue obter um rascunho utilizável com quase zero custo

· Pode focar em decisões mais avançadas: tema, estrutura, evidências, gosto e escolhas

Você não busca um deus onipotente, mas uma fábrica confiável: não perfeita, mas estável.

Princípio 10: Priorize quantidade — produza mais, filtre depois

Se você pedir só uma versão, provavelmente será a mais mediana, conservadora, “média”. Para combater a mediocridade, priorize quantidade:

· Resuma: 5 versões por vez

· Teste diferentes aberturas: 5 por rodada

· Escolha entre 50 temas, agrupando e selecionando

· Faça 3 estruturas diferentes e combine

· Peça 10 variações de expressão e escolha as melhores

Ao aumentar a quantidade e a média, surgirão amostras de 85 ou 90 pontos. Muitas vezes, o que faz a diferença não é uma inspiração única, mas usar uma abordagem estatística.

Princípio 11: Não substitua completamente — como um chef, oriente, prove, ajuste

Se você é o chef de um restaurante, não vai fazer o prato por si só. Você:

· Prova

· Avalia

· Dá feedback claro (o que não funciona, como melhorar)

· Repassa ao cozinheiro para refazer

Na colaboração com IA, é igual. Respeite sua autonomia de gerar de sua própria forma — seu papel é ensinar a ela como atingir seu padrão, não fazer o trabalho por ela.

Caso contrário, você ficará preso em um ciclo infinito de “revisar e consertar”.

Último princípio fundamental: volte ao mundo real — materiais × gosto, definem o limite do seu trabalho

Na era da IA, a qualidade de uma obra é cada vez mais uma equação: materiais × gosto.

O modelo muda, os métodos evoluem, mas essas duas coisas permanecem:

1. Materiais vêm do mundo real

Se tiver que escolher entre:

· Usar o modelo mais recente, mas só com materiais online

· Usar um modelo antigo, mas com arquivos completos, entrevistas, visitas de campo

Geralmente, o melhor resultado vem do segundo.

2. Gosto vem de treinamento de longo prazo

Quando “gerar” fica barato, o que realmente importa é:

· Saber o que vale a pena escrever

· Conhecer evidências mais sólidas

· Saber qual narrativa tem mais impacto

· Estar disposto a trabalhar fisicamente com materiais: vasculhar, montar, editar

A IA muda a sua eficiência e modo de interagir com materiais; mas o sujeito do trabalho ainda é você, e o objeto, os materiais. A IA é apenas uma parte do “verbo”.

Conclusão: transforme ansiedade em sensibilidade

Muita gente não consegue usar IA não por falta de inteligência, mas por ficar preso no ciclo “pedir — decepção — desistir”. O que realmente faz você avançar é tratá-la como uma bancada de trabalho, estruturar tarefas, tornar o processo transparente, e, na fricção, desenvolver o feeling.

Quando conseguir isso, não cairá na armadilha de pensar “IA não funciona”; ao contrário, passará a gerenciar essa nova ferramenta como um profissional: sem desprezá-la, sem reverenciá-la, integrando-a ao seu fluxo, à sua realidade, às obras que deseja assinar.