Guia de utilização da IA para profissionais das Humanidades

Os profissionais das humanidades podem não ser os protagonistas da mudança global, mas são quem mais sofre as suas consequências.

Por vezes, a venda de tutoriais de IA apresenta-a como magia: basta um prompt milagroso e tudo se resolve. Mas a realidade é muito mais complexa. Desde a fundação da FUNES, a IA tem sido central na nossa produção diária. Em projetos como a Fuyou Tiandi e nos meus próprios textos, o trabalho humano já não chega. Por isso, temos explorado a fundo como a IA pode apoiar o nosso mercado de conteúdos e a investigação em humanidades.

Quando entraram novos colegas, preparei um simples Keynote. Ao saber disso, a Jia Xingjia convidou-me a apresentar. Com a minha parceira Keda, demos à sessão o nome “Guia de Utilização de IA para Profissionais das Humanidades”. Inicialmente, era uma apresentação privada, centrada em princípios gerais. Com o tempo, fomos ampliando e refinando.

Este guia, porém, nunca tinha sido tornado público até este ano, quando lançámos o Shishufeng em Chongqing e o debatemos pela primeira vez na support. O texto que se segue é adaptado do podcast “Guia de Utilização de IA para Profissionais das Humanidades”, com auxílio de IA e alguma condensação. Para a versão integral, ouça no site oficial ou procure “Shishufeng” no Yuzhou ou Apple Podcasts.

Código QR Xiaoyuzhou

Ao longo do último ano, partilhei estas práticas de IA com muitos colegas de criação de conteúdos, investigação e produtos de conhecimento. O objetivo não é ensinar meia dúzia de prompts mágicos nem apresentar a IA como solução para tudo. É uma metodologia: uma forma de integrar grandes modelos de linguagem na escrita, investigação, edição, escolha de temas, organização de dados e fluxos de produção, sem programação, assegurando rastreabilidade, supervisão e verificação—para que mantenha confiança ao assinar o seu trabalho.

Esta abordagem nasce da experiência prática: quando a produção de conteúdos escala, o esforço humano deixa de acompanhar; mas a geração direta por IA conduz a alucinações, atalhos e textos artificiais. Tivemos de transformar criatividade em linha de produção, e a linha num sistema iterativo.

Em vez de uma lista de prompts, partilho princípios orientadores essenciais.

Antes dos Princípios: Três Fundamentos para unm Guia

Antes dos métodos, há três fundamentos. Determinam “como usa a IA” e “porque a usa assim”.

O processo tem de ser rastreável, supervisionado e verificável

• Não basta querer resultados e ignorar o processo. Em verdade, o maior risco nas humanidades são as caixas negras: alucinações, citações erradas e deriva conceptual surgem no escuro.

Tem de ser controlável

• É necessário definir como funciona, por que critérios, onde abrandar e onde exigir rigor. Isto é produção, não sorte.

Tem de continuar disposto a assinar o seu nome

• “Assinaria isto?” é o teste final de qualidade. Se não, raramente é uma questão moral—é porque a sua intenção não se concretizou, logo, não há garantia de qualidade.

Princípio 0: Não Peça Desejos à IA—Use-a como Bancada de Trabalho

Muitos tratam a IA como uma máquina de desejos:

“Conta-me uma boa piada”, “Escreve um bom artigo”, “Explica este artigo.”

Mas “explicar” pode ter mil sentidos: para leigos, licenciados, mestrandos ou pares. A IA não conhece o seu contexto, objetivos, preferências ou critérios. Se não especificar, segue o caminho mais fácil.

Usar grandes modelos como bancada de trabalho é não pedir resultados finais, mas usar as ferramentas da IA no processo. Esclareça edição, critérios e etapas.

Por exemplo, pedir à IA para explicar um artigo

Transforme um pedido vago (“explica este artigo”) numa tarefa de bancada:

• Defina o público: mestrandos inteligentes e curiosos, mas não especialistas

• Defina o estilo: heurístico, passo a passo, rigor académico

• Defina a estrutura: relevância, contexto, processo de investigação, pontos técnicos chave, depois perspetivas

• Defina o tom: respeitador, não paternalista, sem pressupor conhecimento prévio profundo

Quanto mais as instruções forem “requisitos de trabalho”, menos a IA age como IA e mais como assistente competente.

Princípio 1: Para a IA ser eficaz, reflita—A Responsabilidade é Sua

Se contratasse um secretário, não diria só:

“Corrige o artigo do Han Yang sobre o Rust Belt americano.”

Diria também:

Porque existe o artigo, para quem é, onde está bloqueado, que problema quer resolver, secções intocáveis, estilo pretendido, prioridades.

Com a often é igual. Trate-a como colega diligente e cortês, mas sem as suas pressuposições. A verdadeira “engenharia de prompts” é responsabilidade: a tarefa é sua; a IA só executa.

Quando não gostar do resultado da IA, o primeiro passo não é “a IA falhou”, mas:

• Esclareci “público/objetivo/finalidade”?

• Dei contexto e restrições suficientes?

• Transformei “desejos abstratos” em “etapas concretas”?

• Indiquei critérios de avaliação?

Princípio 2: Consulte pelo Menos Três Modelos—Cada IA Tem a Sua “Personalidade” e Pontos Fortes

Na empresa, incentivo os novos colegas a colocar a mesma questão a três IAs diferentes. Como as pessoas, as IAs diferem: umas escrevem melhor, outras raciocinam, programam ou usam ferramentas. Mesmo modelos da mesma empresa ou versões novas mudam o “estilo” e “limites”.

Hábito simples: coloque a mesma questão a três IAs e perceberá:

• Qual escreve melhor, qual raciocina melhor, qual pesquisa melhor, qual faz mais atalhos

• Qual serve para rascunhos, qual para revisão

• Qual serve para “tema/estrutura”, qual para “parágrafo/frase”

O valor não está em escolher o “modelo mais forte”, mas em gerir modelos como equipa—não como oráculo único.

Princípio 3: A IA Não é Omnisciente—Trate-a como um “Bom Licenciado”

Expectativa prática:

 O senso comum da IA ≈ um licenciado de topo.

Se pensa “mesmo um bom licenciado pode não saber isto”, parta do princípio que a IA também não sabe—ou “improvisa de forma convincente” se não souber.

Isto implica duas ações diretas:

Deve ensiná-la em tudo o que ultrapasse o senso comum

• Por exemplo: quer piadas, copy original ou argumentos altamente especializados? Não diga só “faça bem”. Dê exemplos, critérios, áreas proibidas e fontes. Se precisa de tempo para explicar a um amigo o que é boa escrita, a IA não sabe por defeito.

Trate-a como estagiário, não como divindade

• Pode preencher estruturas e articular materiais em low texto. Mas o “esqueleto” e a “orientação” são sempre seus.

Princípio 4: Guie a IA Passo a Passo—Caixa Branca, Multi-Etapa é Mais Fiável que Caixa Negra, Única Tentativa

A força da IA não está em “respostas imediatas corretas”, mas em completar etapas pequenas de forma fiável no seu processo. Quanto mais exigir “resultados de uma só vez”, maior a probabilidade de atalhos.

Exemplo claro: TTS (texto para fala) ou guiões de narração. Em vez de “atenção a caracteres polifónicos, não leia mal”, divida a tarefa em etapas:

• Marcar pausas, ênfases, mudanças de ritmo

• Identificar possíveis caracteres polifónicos

• Cruzar com dicionários ou fontes credíveis

• Pré-marcar caracteres comuns facilmente lidos de forma errada

• Quando necessário, substituir por homófonos inequívocos

Os humanos fazem isto por defeito, mas a IA não. Se não especificar, a IA erra pelo caminho mais fácil.

Princípio 5: Industrialize Antes de Automatizar com IA—Não Pode Saltar da Inspiração para a Automação

Se o seu fluxo de escrita ou investigação for aleatório, dependente de inspiração e desorganizado, a IA não ajuda. Só lida com o que é “descritível e repetível”.

Caminho mais prático:

• Primeiro, transforme o trabalho numa linha de produção: divisível, reutilizável, com controlo de qualidade

• Depois delegue sub-etapas à IA: que seja posto de trabalho, não divindade

Fizemos um exercício essencial: decompor o processo da minha escrita de não-ficção, incluindo:

• Porque começa com esta história

• Porque escolhe esta frase

• Como pontuar exemplos

• Como fazer transições e concluir

• Como ligar pequenas histórias à narrativa maior

No fim, dividimos em dezenas de etapas, com diferentes IAs em cada operação. O resultado:

 O modelo não ficou mais forte de um dia para o outro, mas o processo ligou as suas capacidades incrementais.

Quando conseguir descrever claramente “como é feito o meu artigo”, perceberá: o verdadeiro teto de qualidade não é “qual modelo usa”, mas se o seu fluxo de trabalho é explícito.

Alguns exemplos de etapas dos nossos testes de linha de produção

Recomendo vivamente ouvir o programa para mais detalhes.

Princípio 6: Antecipe os Atalhos da IA—Ela Poupra Cálculo, por Isso Elimine Barreiras de Formato

A IA faz sistematicamente atalhos: se puder evitar abrir uma página, evita; se puder saltar um PDF, salta. Não é malicioso—dadas as limitações de cálculo e tempo, segue o caminho mais fácil.

O seu papel: concentrar os recursos da IA em compreender texto, não processar formatos.

Estratégias eficazes incluem:

• Converter materiais em texto simples ou Markdown antes de introduzir

• Copiar conteúdos web como texto limpo (sem navegação, anúncios, rodapés)

• Para materiais longos, primeiro extrair factos ou estrutura, depois pedir à IA para redigir

• Normalizar PDFs, EPUBs ou páginas web numa base TXT pesquisável

Vai notar: muitos resistem a este trabalho mecânico, achando que as máquinas deviam fazê-lo. Mas na colaboração pessoa-IA, é o contrário—se assumir algumas tarefas mecânicas, a inteligência da IA torna-se mais nítida e fiável.

Princípio 7: Lembre-se que o Contexto é Limitado—Prefira Tarefas de Compressão, Não Expansão do Nada

A IA tem uma janela de contexto—um limite de memória. Se inserir 20 000 palavras, pode só reter parte; 200 000, talvez só leia cabeçalhos. Imagine alguém trancado com um livro de 200 000 palavras durante um dia e depois pedir-lhe que recite—é a memória da IA.

Perceção essencial:

Comprimir é mais fácil do que expandir

• Comprimir 1 000 000 de palavras em 10 000 é mais fiável do que expandir 10 000 para 1 000 000.

Mude a abordagem:

• Não use um prompt de 100 palavras para pedir um artigo completo

• Em vez disso, forneça o máximo de material possível (em lotes, via RAG, etc.), depois peça à IA para comprimir em estrutura, argumentos e texto principal

Ao escrever, já faz “leitura ampla → destilar → organizar → redigir”. Espere o mesmo da IA—não espere criação do nada.

Princípio 8: Resista ao Impulso “Depois Eu Corrijo”—Itere o Processo, Não o Resultado

Bons escritores tropeçam frequentemente com a IA:

A IA produz um rascunho de 59 pontos; pensa que pode editá-lo até 80, mas acaba a reescrever; depois decide “faço eu” e deixa de usar a IA.

A solução não é editar mais, mas atuar a montante:

• Não procure que a IA faça 100 perfeito

• Aponte para uma linha de produção que entregue fiavelmente 75–80

• Itere o processo para elevar a média, não para corrigir cada saída

Princípio 9: Trate o Fluxo de Trabalho como Iteração de Produto—Fiabilidade é Valor

Um sistema que entrega fiavelmente um rascunho de 70 pontos é valioso, não porque se parece consigo, mas porque:

• Obtém um rascunho utilizável a custo quase nulo

• Pode concentrar-se em decisões de topo: tema, estrutura, evidência, estilo e trade-offs

Não precisa de substituto omnipotente—basta uma fábrica fiável: estável, mesmo que imperfeita.

Princípio 10: Priorize a Quantidade—Gere Mais, Depois Selecione

Pedir à IA uma única versão produz mediocridade. Use a quantidade para contrariar a média.

Táticas eficazes:

• Sumários: peça 5 versões de uma vez

• Aberturas: peça 5 de uma vez, faça testes A/B

• Temas: peça 50 de uma vez, depois agrupe e selecione

• Estruturas: peça 3 conjuntos, depois combine

• Formulações: peça 10 expressões diferentes, depois escolha a and melhor

Ao elevar média e volume, surgem amostras surpresa a valer 85 ou 90. Muitas vezes, a blues não é golpe de génio, mas seleção estatística.

Princípio 11: Não Ultrapasse—Dirija como Chef Executivo: Prove, Dê Feedback, Envie de Volta

Se for chef executivo, não prepara cada prato pessoalmente. Em vez disso:

• Prova

• Avalia se cumpre os critérios

• Dá feedback claro (o que está mal, como corrigir)

• Envia o cozinheiro de volta para refazer

O mesmo se aplica à colaboração com a IA. Respeite o processo generativo—ensine-lhe os seus critérios em figure de corrigir tudo manualmente.

Caso contrário, o ajuste infinito esgota-o.

O Princípio Central: Volte à Realidade—Materiais × Gosto Determinam o Teto

Na era da IA, a qualidade do seu trabalho é cada vez mais:

 Materiais × Gosto.

Os modelos vão mudar e os métodos evoluir, mas estes dois fatores mantêm-se:

Os materiais vêm do mundo real

• Dadas duas opções para escrever:

• Usar o modelo mais recente, mas só materiais online

Ou usar um modelo antigo, mas com arquivo, histórias orais e trabalho de campo

• O segundo costuma produzir melhor trabalho.

O gosto resulta da prática prolongada

• À medida que a geração se torna barata, o que é realmente escasso é:

• Saber o que vale a pena escrever

• Saber que evidência é sólida

• Saber que narrativa é convincente

• Disposição para o trabalho de base: investigação exaustiva, pesquisa profunda, trabalho de campo

A IA muda a eficiência e a forma de avaliar materiais, mas o autor continua a ser o utilizador, os materiais o tema, e a IA só a ferramenta.

Investigar a fundo e no terreno para recolher material de base

Conclusão: Transforme a Ansiedade em Especialização

Muitos sentem dificuldade com a IA não por falta de inteligência, mas por ficarem presos no ciclo desejo—desilusão—abandono. A verdadeira evolução surge ao tratar a IA como bancada de trabalho, engenheirar tarefas, abrir processos e ganhar especialização pela prática.

Quando o fizer, é menos provável descartar “a IA não serve”; tornar-se-á um novo tipo de profissional—capaz de gerir novas ferramentas, sem paternalismo nem reverência, integrando-as no seu fluxo de trabalho, na sua realidade e em obras que assina com orgulho.

Sou o Hanyang. Se tem interesse no meu trabalho, siga-me no X ou leia mais no meu blogue.

Declaração:

1. Este artigo é republicado de HanyangWang. Os direitos de autor pertencem ao autor original HanyangWang. Para questões de republicação, contacte a equipa Gate Learn. A equipa responderá ao seu pedido com a maior brevidade, conforme os procedimentos estabelecidos.

2. Aviso legal: As opiniões e pontos de vista expressos neste artigo são da exclusiva responsabilidade do autor e não constituem aconselhamento de investimento.

3. Outras versões linguísticas deste artigo são traduzidas pela equipa Gate Learn. Salvo indicação de crédito a Gate, não copie, distribua ou plagie o artigo traduzido.