RICE-CO: A Fórmula Simples para Obter Melhores Resultados com IA#
💡 Resumo rápido: O framework RICE-CO apresenta seis ingredientes essenciais para construir prompts mais eficazes em qualquer ferramenta de IA — do ChatGPT ao Claude ou Gemini —, com uma versão condensada de três passos que cobre 80% das situações do dia a dia.
A qualidade das respostas de uma ferramenta de IA depende diretamente da qualidade das perguntas que lhe são colocadas. Não é necessário ser técnico nem dominar lógica avançada — basta seguir uma estrutura simples e consistente.
O vídeo apresenta o framework RICE-CO, composto por seis elementos: Role (função), Instruction (instrução), Context (contexto), Examples (exemplos), Constraints (restrições) e Output format (formato de saída). Cada componente tem o seu peso e frequência de utilização, e o criador do vídeo apresenta-os ordenados por importância prática.
No final, é também abordado o ciclo EIO — Evaluate, Iterate, Optimize —, que transforma um bom resultado num excelente, e ajuda a criar prompts reutilizáveis e fiáveis ao longo do tempo.
Pontos-chave#
Role (Função): Atribuir um papel ao modelo muda imediatamente o tom, a perspetiva e a profundidade da resposta. O mesmo pedido pode gerar conselhos médicos rigorosos, texto de blogue conversacional ou um discurso de investidor, consoante a função definida.
Instruction (Instrução): É o núcleo de qualquer prompt — o que exatamente se pretende que a IA faça. A regra de ouro é ser específico: em vez de “escreve algo interessante”, definir o que “interessante” significa concretamente (por exemplo, começar com uma estatística surpreendente e terminar com uma questão provocatória).
Context (Contexto): É a informação de fundo que torna a resposta relevante e alinhada com o objetivo real. Inclui a audiência, o cenário, o propósito e o tom pretendido. A maioria das respostas genéricas deve-se à falta de contexto.
Examples (Exemplos): Mostrar ao modelo o tipo de resultado esperado — estrutura, tom, formatação — tem um impacto enorme. Esta técnica chama-se few-shot prompting e pode ser aplicada tanto a textos como a formatos de dados ou prompts para geração de imagens.
Constraints (Restrições): Define os limites e regras que o modelo deve respeitar: extensão máxima, termos a evitar, tom específico, elementos obrigatórios. É diferente do contexto — o contexto dá o enquadramento, as restrições estabelecem as fronteiras.
Output format (Formato de saída): Especificar como a resposta deve ser estruturada — tabela, lista com marcadores, JSON, thread para redes sociais, guião em três atos — poupa tempo de reformatação e torna os resultados imediatamente utilizáveis.
A minha opinião#
O RICE-CO não é propriamente uma novidade revolucionária: é a formalização de algo que qualquer profissional experiente já pratica intuitivamente quando comunica com precisão. O que este framework faz bem é tornar esse raciocínio explícito e ensinável.
O que mais valorizo nesta abordagem é a versão condensada de três passos — instrução, contexto e restrições — suficiente para a grande maioria das situações quotidianas. Para quem está a começar a explorar ferramentas de IA, é um ponto de entrada acessível e imediatamente aplicável. Para quem já as usa há algum tempo, serve como um bom exercício de revisão e refinamento dos próprios hábitos de trabalho.