A Microsoft acredita que tem uma solução para os prompts de IA fornecidos, a resposta errando o alvo e o ciclo se repetindo.
Essa ineficiência drena recursos. O “ciclo de tentativa e erro pode parecer imprevisível e desanimador”, transformando o que deveria ser um impulsionador da produtividade em uma perda de tempo. Os trabalhadores do conhecimento muitas vezes gastam mais tempo gerenciando a interação em si do que entendendo o material que esperavam aprender.
A Microsoft lançou Prompttions (prompt + opções), uma estrutura de UI projetada para resolver esse atrito, substituindo solicitações vagas de linguagem natural por controles de interface dinâmicos e precisos. A ferramenta de código aberto oferece um método para padronizar como as forças de trabalho interagem com grandes modelos de linguagem (LLMs), abandonando o bate-papo não estruturado e adotando fluxos de trabalho guiados e confiáveis.
O gargalo da compreensão
A atenção do público muitas vezes se concentra na produção de texto ou imagens pela IA, mas um grande componente do uso empresarial envolve compreensão – pedir à IA para explicar, esclarecer ou ensinar. Essa distinção é vital para ferramentas internas.
Considere uma fórmula de planilha: um usuário pode querer um detalhamento de sintaxe simples, outro, um guia de depuração e outro, uma explicação adequada para ensinar colegas. A mesma fórmula pode exigir explicações totalmente diferentes dependendo da função, experiência e objetivos do usuário.
As interfaces de chat atuais raramente capturam essa intenção de forma eficaz. Os usuários muitas vezes descobrem que a forma como formulam uma pergunta não corresponde ao nível de detalhe que a IA precisa. “Esclarecer o que eles realmente desejam pode exigir instruções longas e cuidadosamente formuladas, que são cansativas de produzir”, explica a Microsoft.
Os prompts funcionam como uma camada de middleware para corrigir esse problema familiar com os prompts de IA. Em vez de forçar os usuários a digitar especificações extensas, o sistema analisa a intenção e o histórico da conversa para gerar opções clicáveis – como duração da explicação, tom ou áreas de foco específicas – em tempo real.
Eficiência versus complexidade
Os pesquisadores da Microsoft testaram essa abordagem comparando controles estáticos com o novo sistema dinâmico. As descobertas oferecem uma visão realista de como essas ferramentas funcionam em um ambiente ativo.
Os participantes relataram consistentemente que os controles dinâmicos tornaram mais fácil expressar as especificidades de suas tarefas sem reformular repetidamente suas instruções. Isso reduziu o esforço de engenharia imediata e permitiu que os usuários se concentrassem mais na compreensão do conteúdo do que no gerenciamento da mecânica do fraseado. Ao apresentar opções como “Objetivo de aprendizagem” e “Formato de resposta”, o sistema estimulou os participantes a pensarem de forma mais deliberada sobre seus objetivos.
No entanto, a adoção traz compensações. Os participantes valorizaram a adaptabilidade, mas também acharam o sistema mais difícil de interpretar. Alguns tiveram dificuldade em prever como uma opção selecionada influenciaria a resposta, notando que os controles pareciam opacos porque o efeito só se tornou evidente depois que o resultado apareceu.
Isso destaca um equilíbrio a ser alcançado. Interfaces dinâmicas podem agilizar tarefas complexas, mas podem introduzir uma curva de aprendizado onde a conexão entre uma caixa de seleção e o resultado final requer adaptação do usuário.
Prompts: A solução para corrigir prompts de IA?
Os prompts foram projetados para serem leves, funcionando como uma camada de middleware situada entre o usuário e o modelo de linguagem subjacente.
A arquitetura consiste em dois componentes principais:
- Módulo Opcional: Revisa o histórico de solicitações e conversas do usuário para gerar elementos de interface do usuário relevantes.
- Módulo de bate-papo: Incorpora essas seleções para produzir a resposta da IA.
É especialmente importante para as equipes de segurança que “não há necessidade de armazenar dados entre sessões, o que simplifica a implementação”. Esse design sem estado atenua as preocupações de governança de dados normalmente associadas a sobreposições complexas de IA.
Passar da “engenharia imediata” para a “seleção imediata” oferece um caminho para resultados de IA mais consistentes em toda a organização. Ao implementar estruturas de UI que orientam a intenção do usuário, os líderes de tecnologia podem reduzir a variabilidade das respostas de IA e melhorar a eficiência da força de trabalho.
O sucesso depende da calibração. Persistem desafios de usabilidade em relação a como as opções dinâmicas afetam a produção de IA e o gerenciamento da complexidade de múltiplos controles. Os líderes devem ver isso não como uma solução completa para corrigir os resultados dos prompts de IA, mas como um padrão de design para testar em suas plataformas internas de desenvolvimento e ferramentas de suporte.
Veja também: Perplexidade: os agentes de IA estão assumindo tarefas empresariais complexas
Quer saber mais sobre IA e big data dos líderes do setor? Confira a AI & Big Data Expo que acontece em Amsterdã, Califórnia e Londres. O evento abrangente faz parte da TechEx e está localizado junto com outros eventos de tecnologia líderes. Clique aqui para mais informações.
AI News é desenvolvido pela TechForge Media. Explore outros eventos e webinars de tecnologia empresarial futuros aqui.
Fontesartificialintelligence
