Guia de uso de IA para profissionais das Humanidades

Profissionais de humanidades podem não ser protagonistas das grandes transformações globais, mas são eles que vivenciam em primeira mão as consequências dessas mudanças.

Frequentemente, quem comercializa tutoriais de IA vende a ideia de que a tecnologia é mágica: basta um prompt milagroso para realizar qualquer coisa. A realidade, no entanto, é bem mais complexa. Desde que fundamos a FUNES, a inteligência artificial tornou-se fundamental em nossa rotina de produção. Somando projetos como o Fuyou Tiandi e minhas próprias publicações, o trabalho humano já não dá conta sozinho. Por isso, buscamos a fundo formas de integrar a IA ao nosso mercado de conteúdo e à pesquisa em humanidades.

Quando novos profissionais chegaram, preparei uma apresentação simples no Keynote. Ao saber disso, Jia Xingjia me convidou para expor o material. Com minha parceira Keda, batizamos a palestra de “Guia de Uso de IA para Profissionais das Humanidades”. A princípio, era um encontro privado, voltado para fundamentos gerais. Com o tempo, aprimoramos e expandimos o conteúdo.

Esse guia, porém, nunca foi divulgado publicamente até este ano, quando lançamos o Shishufeng em Chongqing e discutimos o tema em profundidade pela primeira vez. O texto a seguir é adaptado do podcast “Guia de Uso de IA para Profissionais das Humanidades”, com auxílio da IA e alguns cortes. Para a versão completa, ouça no site oficial ou busque “Shishufeng” na Yuzhou ou Apple Podcasts.

Código QR do Xiaoyuzhou

Ao longo do último ano, compartilhei essas práticas de IA com diversos colegas atuantes em criação de conteúdo, pesquisa e produtos de conhecimento. O objetivo não é ensinar meia dúzia de prompts mágicos ou tratar a IA como panaceia. É uma metodologia—um caminho para integrar grandes modelos de linguagem à escrita, pesquisa, edição, escolha de temas, organização de dados e fluxos produtivos, sem precisar programar, garantindo rastreabilidade, supervisão e validação, para que você assine seu trabalho com tranquilidade.

Essa abordagem nasce de aprendizados práticos: quando a produção de conteúdo escala, o esforço humano não acompanha; mas a geração direta por IA resulta em alucinações, atalhos e textos artificiais. Foi preciso transformar criatividade em linha de produção, e a linha em um sistema iterativo.

Em vez de uma lista de prompts, compartilho princípios fundamentais.

Antes dos Princípios: Três Pilares para Este Guia

Antes de apresentar os métodos, estabeleça três pilares que determinam tanto “como usar IA” quanto “por que usar desse modo”.

O processo deve ser rastreável, supervisionado e verificável

• Não basta querer o resultado e ignorar o processo. Em humanidades, caixas-pretas são perigosas: alucinações, citações equivocadas e deriva conceitual acontecem no escuro.

Deve ser controlável

• Você precisa definir como funciona, quais padrões seguir, onde desacelerar e onde ser rigoroso. É produção, não sorte.

Você precisa estar disposto a assinar

• “Estou disposto a assinar este trabalho?” é o teste final de qualidade. Se não, raramente é uma questão moral—é porque sua intenção não se realizou no processo e a qualidade não pode ser garantida.

Princípio 0: Não Faça Pedidos à IA—Use-a como Bancada de Trabalho

Muitos tratam a IA como uma máquina de desejos:

“Conte uma boa piada”, “Escreva um artigo para mim”, “Explique esse paper.”

Mas “explicar” pode significar várias coisas: para leigos, graduandos, pós-graduandos ou especialistas. A IA não conhece seu contexto, objetivos, preferências ou critérios por padrão. Se você não especificar, ela vai pelo caminho mais fácil.

Tratar grandes modelos como bancada de trabalho significa não pedir resultados prontos, mas usar a IA como ferramenta no seu processo. Detalhe a edição, os critérios e as etapas.

Por exemplo, ao pedir para explicar um artigo

Transforme um pedido genérico (“explique esse artigo”) em uma tarefa clara:

• Defina o público: pós-graduandos curiosos, mas não especialistas

• Defina o estilo: heurístico, passo a passo, academicamente rigoroso

• Defina a estrutura: relevância, contexto, processo de pesquisa, principais pontos técnicos, depois percepções

• Defina o tom: respeitoso, sem condescendência, sem pressupor conhecimento prévio

Quanto mais suas instruções parecerem “requisitos de tarefa”, menos a IA age como IA e mais como uma assistente competente.

Princípio 1: Para a IA Funcionar, Reflita Sobre Si—A Responsabilidade É Sua

Se você contratasse uma secretária, não diria apenas:

“Revisar o artigo do Han Yang sobre o Cinturão da Ferrugem americano.”

Você detalharia:

Por que o artigo existe, para quem é, onde está o problema, o que precisa resolver, trechos intocáveis, estilo desejado e o que é mais importante.

Com IA, é igual. Trate-a como uma colega dedicada e educada, mas sem seus pressupostos. O verdadeiro “prompt engineering” é responsabilidade: a tarefa continua sendo sua; a IA só executa.

Se não gostar do resultado da IA, o passo mais eficaz não é “a IA falhou”, mas:

• Esclareci “público/objetivo/finalidade”?

• Dei contexto e restrições suficientes?

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

• Defini critérios de avaliação?

Princípio 2: Consulte Pelo Menos Três Modelos—Cada IA Tem “Personalidade” e Forças

Na empresa, incentivo novos colegas a fazer a mesma pergunta a três IAs diferentes. Como pessoas, as IAs variam: umas escrevem melhor, outras argumentam, programam ou usam ferramentas. Mesmo modelos da mesma empresa ou versões novas mudam “estilo” e “limites”.

Hábito simples e eficaz: consulte pelo menos três IAs sobre o mesmo tema e logo perceberá:

• Qual escreve melhor, qual raciocina melhor, qual busca melhor, qual economiza esforços

• Qual é melhor para rascunhos, qual para revisão

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

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

Princípio 3: IA Não É Onisciente—Trate-a como “Graduando Forte”

Uma expectativa prática:

O conhecimento geral da IA equivale ao de um bom graduando de universidade de ponta.

Se você acha que “nem um bom graduando saberia”, suponha que a IA também não sabe—ou que vai improvisar com segurança quando não souber.

Isso leva a duas ações diretas:

Ensine tudo que fuja do senso comum

• Por exemplo: quer piadas, textos criativos ou argumentos altamente especializados? Não basta pedir “faça bem”. Dê exemplos, critérios, áreas proibidas e fontes. Se você precisa explicar a um amigo o que é um bom texto, a IA não saberá sozinha.

Trate como estagiária, não como divindade

• Ela pode preencher estruturas e transformar seus materiais em texto claro. Mas a “estrutura” e o “direcionamento” seguem sendo seus.

Princípio 4: Guie a IA Passo a Passo—Processo Aberto e Múltiplas Etapas São Mais Confiáveis que Tiro Único

A força da IA não está em “respostas corretas imediatas”, mas em executar etapas pequenas do seu processo de forma confiável. Quanto mais você exige “resultado de uma vez”, maior a chance de ela cortar caminho.

Exemplo prático: roteiros de TTS (texto para fala) ou narração. Em vez de “cuidado com caracteres polifônicos, não leia errado”, divida a tarefa em etapas:

• Marque pausas, ênfases, mudanças de ritmo

• Identifique caracteres polifônicos potenciais

• Verifique em dicionários ou fontes confiáveis

• Pré-marque caracteres comuns e fáceis de errar

• Quando necessário, substitua por homófonos inequívocos

Para humanos, essas etapas são “óbvias”, mas para a IA não. Se você não especificar, ela vai errar pelo caminho mais fácil.

Princípio 5: Industrialize Antes de Automatizar—Não Dá Para Sair da Inspiração Direto Para a Automação

Se seu fluxo de escrita ou pesquisa é aleatório, movido por inspiração e desorganizado, a IA não ajuda. Ela só lida com o que é “descritível e repetível”.

Caminho prático:

• Primeiro, transforme o trabalho em “linha de produção”: divisível, reaproveitável, com controle de qualidade

• Depois, delegue subetapas à IA: ela vira estação de trabalho, não divindade

Fizemos um exercício essencial: destrinchar o processo dos meus textos de não ficção, incluindo:

• Por que abrir com tal história

• Por que escolher determinada frase

• Como pontuar exemplos

• Como transitar e concluir

• Como conectar histórias menores à narrativa principal

No fim, dividimos em várias etapas, com diferentes IAs cuidando de cada uma. O resultado:

O modelo não ficou mais forte da noite para o dia, mas o processo conectou suas capacidades incrementais.

Quando você descreve claramente “como meu texto é feito”, percebe: o verdadeiro limite de qualidade não está em “qual modelo você usa”, mas se seu fluxo de trabalho é explícito.

Exemplo de etapas do nosso teste de linha de produção

Recomendo fortemente ouvir o programa para mais detalhes.

Princípio 6: Antecipe os Atalhos da IA—Ela Economiza Cálculo, Então Elimine “Barreiras de Formato”

A IA busca atalhos sistematicamente: se puder evitar abrir uma página, evita; se puder pular um PDF, pula. Não é má fé—diante de restrições de processamento e tempo, ela segue o caminho mais fácil.

Seu papel: concentre os recursos da IA em “entender texto”, não em “processar formatos”.

Estratégias eficazes:

• Converta materiais em texto puro ou Markdown antes de inserir

• Copie conteúdos da web como texto limpo (remova navegação, anúncios, rodapés)

• Para materiais extensos, extraia fatos ou estrutura antes de pedir para a IA redigir

• Padronize PDFs/EPUBs/páginas em um banco de dados TXT pesquisável

Você vai notar: muita gente evita esse “trabalho braçal”, achando que “a máquina deveria fazer”. Mas na colaboração humano-IA, é o contrário—ao fazer tarefas mecânicas, a IA torna-se mais precisa e confiável.

Princípio 7: Lembre que o Contexto É Limitado—Prefira “Compressão” a “Expansão do Nada”

A IA tem uma janela de contexto—limite de memória. Se enviar 20.000 palavras, ela retém só parte; 200.000, talvez só leia os títulos. Imagine alguém trancado com um livro de 200.000 palavras por um dia e, depois, pedindo para recitar—é a “memória” da IA.

Constatação essencial:

É mais confiável comprimir do que expandir

• Comprimir 1.000.000 palavras em 10.000 é mais seguro do que expandir 10.000 para 1.000.000.

Isso muda sua abordagem:

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

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

Ao escrever, você já “lê muito → destila → organiza → redige”. Exija o mesmo da IA—não espere criação do nada.

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

Bons escritores tropeçam com IA:

A IA gera um rascunho nota 59; você acha que edita até 80, acaba reescrevendo; depois de reescrever, decide “faço sozinho” e abandona a IA.

A solução não é editar mais, mas mudar o foco para antes:

• Não espere que a IA gere um 100 perfeito

• Foque em uma linha de produção que entregue 75–80 de forma confiável

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

Princípio 9: Trate o Fluxo como Iteração de Produto—Confiabilidade É Valor

Um sistema que entrega rascunhos nota 70 de forma consistente vale não porque “parece seu”, mas porque:

• Você recebe um texto utilizável a custo quase zero

• Pode focar em decisões de alto nível: tema, estrutura, evidências, estilo e trade-offs

Você não precisa de um substituto onipotente—basta uma fábrica confiável: estável, mesmo que imperfeita.

Princípio 10: Priorize Quantidade—Gere Mais, Depois Selecione

Pedir à IA uma única versão resulta em mediocridade. Use a quantidade para combater a média.

Táticas eficazes:

• Resumos: 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

• Redações: peça 10 versões diferentes, depois escolha a melhor

Ao aumentar a média e o volume, surgem “amostras surpresa” nota 85 ou 90. Muitas vezes, excelência não é “golpe de gênio”, mas resultado de seleção estatística.

Princípio 11: Não Centralize Tudo—Dirija Como Chef Executivo: Prove, Dê Feedback, Devolva

Se você é o chef executivo, não prepara cada prato pessoalmente. Em vez disso:

• Prova

• Avalia se está no padrão

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

• Manda o cozinheiro refazer

Com IA, é igual. Respeite o processo generativo—ensine seus padrões em vez de corrigir tudo sozinho.

Caso contrário, o ajuste infinito vai te esgotar.

O Princípio Central: Volte à Realidade—Materiais × Critério Definem o Limite

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

Materiais × Critério.

Modelos mudam, métodos evoluem, mas esses dois fatores permanecem:

Materiais vêm do mundo real

• Diante de duas opções:

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

Ou usar um modelo antigo, mas com arquivos completos, histórias orais e pesquisa de campo

• A segunda costuma gerar resultados melhores.

Critério vem da prática de longo prazo

• Com “geração” barata, o que é realmente escasso é:

• Saber o que vale a pena escrever

• Saber quais evidências são sólidas

• Saber qual narrativa é envolvente

• Disposição para pesquisa profunda, apuração minuciosa, trabalho de campo

A IA muda a eficiência e a forma de lidar com materiais, mas você segue autor, os materiais são o objeto, e a IA é a ferramenta.

Pesquisa prática e aprofundada para coletar material de base

Conclusão: Transforme Ansiedade em Competência

Muitos têm dificuldades com IA não por falta de inteligência, mas por ficarem presos ao ciclo “desejo—frustração—abandono”. O avanço real surge ao tratar a IA como bancada de trabalho, estruturar tarefas, abrir processos e desenvolver competência na prática.

Ao fazer isso, dificilmente você dirá “IA não serve”; você se torna um novo tipo de profissional—capaz de gerenciar novas ferramentas, sem arrogância nem reverência, integrando-as ao seu fluxo de trabalho, à sua realidade e a obras que assina com orgulho.

Sou Hanyang. Se quiser acompanhar meus textos, siga-me no X ou leia mais no meu blog.

Declaração:

1. Este artigo é uma reprodução de [HanyangWang]. Os direitos autorais pertencem ao autor original [HanyangWang]. Para solicitações de reprodução, entre em contato com a equipe Gate Learn. A equipe irá atender sua solicitação conforme os procedimentos estabelecidos.

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

3. Outras versões deste artigo em outros idiomas foram traduzidas pela equipe Gate Learn. Exceto quando creditado à Gate, não copie, distribua ou plagie o artigo traduzido.