Quando você utiliza o Conhecimento Autogerado como base de consulta do seu assistente virtual e ele dá uma resposta inesperada, o reflexo mais comum é alterar o prompt. Em muitos casos, esse é o lugar errado para intervir.
Uma resposta pode falhar porque falta informação, porque a informação está incorreta ou é contraditória, porque o assistente não a recuperou corretamente ou porque as instruções de comportamento não estão claras. Cada causa está em uma camada diferente do sistema e é corrigida em um lugar diferente.
Este artigo propõe um método simples: diagnosticar primeiro e intervir na instância correta. Assim, você evita acumular instruções desnecessárias e mantém o assistente estável ao longo do tempo.
Aplica-se somente aos assistentes virtuais que utilizam o Conhecimento Autogerado, já que o Prompt configurável só atua quando o assistente responde com esse conhecimento. Se você ainda não o conhece, sugerimos ler primeiro Como funciona o Conhecimento Autogerado e qual é o impacto do Prompt configurável.
O que é um prompt para o Virtual Assistant?
Um prompt é a instrução, o contexto ou o conjunto de diretrizes fornecidas a um sistema de IA para orientar a geração das respostas. Ele é escrito em linguagem natural e pode ser tão simples quanto uma frase ou tão detalhado quanto vários parágrafos.
Um prompt não é a mesma coisa que uma pergunta: a pergunta busca uma resposta, enquanto o prompt estrutura a interação e orienta a IA para alcançar um resultado esperado.
Por exemplo, diante da pergunta “Quando é creditado?”, a resposta específica é “24 a 48 horas úteis”. O prompt, por outro lado, define como responder a essa e a qualquer outra consulta: com qual comportamento, com quais critérios e em qual formato. Não se trata de uma segunda base de conhecimento.
☝ Prompt oficial e prompt configurável: O prompt oficial é o conjunto de instruções predefinidas que orientam a personalidade e o comportamento geral do assistente. O prompt configurável permite adicionar diretrizes específicas e só intervém quando o assistente responde com o conhecimento autogenerado; ele complementa o oficial, não o contradiz nem o substitui. Neste artigo, quando falamos de “prompt”, estamos nos referindo ao prompt configurável, salvo indicação em contrário.
Para gerenciar um assistente virtual de maneira eficaz, precisamos controlar duas dimensões fundamentais: o conhecimento que fornecemos e as instruções que damos para sua utilização.
Conheça os Critérios que podem ser ajustados no prompt configurável.
Um prompt na prática
Veja como é um prompt básico real: instruções concretas que orientam a identidade, o tom, o comportamento e os limites.
Você é o assistente virtual da [Empresa]. Responda de forma clara, cordial e profissional, em no máximo 3 frases. Priorize sempre as informações da base de conhecimento. Se não encontrar a resposta, informe que não tem essa informação e ofereça derivar o atendimento para um consultor. Não forneça orientação financeira nem compartilhe dados pessoais de outros usuários. |
Observação: este prompt é um exemplo ilustrativo. O Prompt oficial já define a personalidade geral do assistente; o Prompt configurável deve complementá-la, sem nunca contradizê-la nem substituí-la.
Cada frase cumpre uma função específica:
- Identidade e voz: “Você é o assistente virtual da [Empresa].”
- Tom: “Responda de forma clara, cordial e profissional.”
- Comportamento: “Priorize sempre as informações da base de conhecimento. Se não encontrar a resposta, informe que não tem essa informação e ofereça derivar o atendimento para um consultor.”
- Limites: “em no máximo 3 frases” e “Não forneça orientação financeira nem compartilhe dados pessoais de outros usuários.”
Não há regras de negócio nem redações exatas: apenas critérios. Com os demais critérios configuráveis, esse mesmo prompt poderia incluir citações de fontes, o tratamento de ambiguidades e o contexto da conversa, sempre no âmbito do comportamento. Você pode consultá-los em Critérios que podem ser ajustados no Prompt configurável.
O assistente funciona em duas dimensões e três planos.
Governamos duas dimensões, o conhecimento e as instruções, dentro de um sistema de três camadas. A elas se soma a IA generativa, que combina ambas para construir a resposta. A resposta nasce da combinação entre informação, instruções e consulta. Entender essas três camadas é a base para diagnosticar o restante do sistema.
1. Base de conhecimento (Personalizado ou Autogerado): produtos, processos, políticas, condições, prazos e procedimentos. É a fonte da verdade. | 2. Prompt / instruções: tom, personalidade, estrutura, limites, esclarecimentos e resposta alternativa (fallback). | 3. IA generativa: combina as instruções, as informações disponíveis e a pergunta contextual do usuário para construir a resposta. |
Consistência não é determinismo
Um prompt pode padronizar o comportamento do assistente, mas nem sempre a redação exata. As instruções orientam critérios e formato; elas não congelam cada palavra.
Veja um fato respaldado pela base de conhecimento: "O prazo de crédito é de 24 a 48 horas úteis". O assistente pode dizer isso de mais de uma forma e continuar correto:
- “O crédito leva de 24 a 48 horas úteis.”
- “Os valores devem ser creditados nas próximas 24 a 48 horas úteis.”
Mesmo significado, redação diferente. A correção factual não equivale à repetição literal do texto.
Instruções como “Responda sempre em no máximo 3 frases” ou “Informe os prazos como 24 a 48 horas úteis” orientam o tom, a estrutura, os limites e a resposta alternativa. O resultado é um assistente consistente em comportamento e critérios, e variável nas palavras exatas. O modelo pode escolher palavras diferentes e continuar sendo consistente.
Se um caso específico exigir uma resposta idêntica, palavra por palavra, a solução não é adicionar instruções ao prompt, e sim usar uma abordagem determinística com o Conhecimento Personalizado.
Regra de ouro: no prompt, critérios; não conteúdo
Os dados de negócio devem estar na fonte da verdade. Quando o assistente fornece um dado incorreto, há dois caminhos possíveis:
Abordagem | Abordagem errada | Abordagem correta |
Situação | O assistente responde: “Pode levar até 72 horas.” | O mesmo erro de prazo. |
Reação | Adicionar ao prompt: “Responda sempre em 24 a 48 h.” | | Atualizar a fonte: 24 a 48 horas úteis |
| Resultado | O prompt se torna uma segunda base de dados. | A base de conhecimento fica atualizada, e o prompt continua focado em tom, estrutura e limites. |
A regra é corrigir o conteúdo onde o conteúdo está. Antes de editar o prompt, uma pergunta ajuda a organizar o critério: estou corrigindo um comportamento ou tentando ensinar uma informação?
A fragilidade das regras rígidas
Uma regra geral escrita no prompt pode ocultar uma exceção válida que existe na base de conhecimento.
Base de conhecimento | Prompt |
O serviço pode ser cancelado até 24 horas antes. | Regra rígida: “Sempre informe que os cancelamentos exigem 24 horas de antecedência.” |
Exceção válida: reservas premium podem ser canceladas até 2 horas antes. |
A regra do prompt entra em conflito com a exceção, e a exceção fica oculta. O problema pode estar no design e na governança do conhecimento, não no modelo.
Caso real: horários das agências
A base de conhecimento de uma instituição com agências em todo o país oferece um caso ideal: os horários de atendimento do documento de canais de atendimento. Há uma regra geral e várias exceções válidas:
| Agências | Horário |
Regra geral, região metropolitana | Segunda a sexta-feira, das 10h às 15h |
Agências da região A | Das 7h30 às 11h30 |
Agências da região B | Das 8h às 13h |
Agências da região C | Das 8h15 às 13h15 |
Agências da região D | Das 8h30 às 13h30 |
Suponha uma regra rígida hipotética no prompt: “Sempre informe que as agências atendem das 10h às 15h.” Um cliente da região C receberia um horário errado (das 10h às 15h), quando o correto é das 8h15 às 13h15. A exceção fica oculta, e a causa não é o modelo, mas uma regra de negócio colocada na camada errada.
Matriz de diagnóstico
Antes de alterar o prompt, classifique o problema. Nem toda inconsistência exige mudar as instruções.
| # | Situação | Onde intervir |
| A | Falta informação | Criar ou atualizar a Base de Conhecimento |
| B | Informação incorreta | Corrigir a Base de Conhecimento |
| C | Informação contraditória | Resolver a Governança do Conhecimento |
| D | Correta, mas mal estruturada | Revisar o Prompt configurável |
| E | Correta, com redação variável | Pode ser um comportamento esperado |
| F | É necessária uma resposta idêntica | Abordagem determinística ou híbrida: Conhecimento Personalizado e/ou Conhecimento Autogerado |
Somente o caso D aponta diretamente para o prompt. Os casos A, B e C são de conteúdo e governança; o E pode não ser uma falha, e o F exige outro tipo de design.
Fluxo de diagnóstico, passo a passo
A árvore de decisão substitui os ajustes às cegas: primeiro você diagnostica e depois intervém na camada correta.
Diagrama de flujo de diagnóstico:
- Cinco perguntas em ordem (a informação correta existe na Base de Conhecimento?, está atualizada e é consistente?, o assistente a encontrou e a utilizou corretamente?, a resposta respeita as regras de comportamento?, apenas mudou a forma de expressá-la?).
- Cada “Não” leva a uma ação: corrigir ou consolidar a Base de Conhecimento, revisar a recuperação e a configuração ou revisar o prompt.
- Se apenas a forma de expressar a resposta mudou, trata-se de um comportamento esperado; caso contrário, o caso é encaminhado para revisão manual.

O objetivo é romper o ciclo vicioso
Diagnostique; não acumule instruções. O antipadrão é o ajuste às cegas: diante de uma resposta inesperada, altera-se o prompt, e isso muda outra resposta. Depois, adiciona-se uma instrução para compensar, e surge uma contradição. Cada correção pontual gera o problema seguinte.
Um fluxo organizado evita esse ciclo e atribui a cada camada sua responsabilidade:
- Base de Conhecimento: verdade e conteúdo.
- Prompt: comportamento e forma.
- IA generativa: construção da resposta.
- Governança: coerência entre as camadas.
A pergunta que organiza todo o trabalho é: qual problema estou tentando resolver e em qual camada ele deve ser resolvido? Diagnosticar primeiro permite intervir na camada correta e evita acumular instruções desnecessárias.