🎯O futuro não é engenharia de prompt, é engenharia de objetivo
Jerry Liu, fundador da LlamaIndex, uma das ferramentas mais usadas para conectar IA a dados, compartilhou uma observação depois de testar a nova funcionalidade /goal: a necessidade de montar fluxos de trabalho manualmente, seja por código, arrastar-e-soltar ou prompt, está desaparecendo. A tendência é especificar o objetivo e deixar a IA descobrir os passos sozinha. --- Na prática, isso significa que o trabalho humano migra de 'dizer como fazer' para 'definir o que fazer e medir se deu certo'. Liu chama isso de 'engenharia de objetivo e avaliação'. Se a tarefa é repetitiva, você coleta exemplos do resultado correto e vai refinando até o modelo acertar mais gastando menos. --- É uma mudança de mentalidade que vai além do mundo técnico. Saber definir metas claras e critérios de sucesso mensuráveis vai ser uma das habilidades mais valiosas na era dos agentes.
Jerry Liu, fundador da LlamaIndex, uma das ferramentas mais usadas para conectar IA a dados, compartilhou uma observação depois de testar a nova funcionalidade /goal: a necessidade de montar fluxos de trabalho manualmente, seja por código, arrastar-e-soltar ou prompt, está desaparecendo. A tendência é especificar o objetivo e deixar a IA descobrir os passos sozinha.
— @jerryjliu0 View on X
A mudança que está redefinindo a engenharia de IA
O trabalho de construir soluções com IA está migrando de "como fazer" para "o que fazer". Essa é a observação central de Jerry Liu, fundador da LlamaIndex, após testar a nova funcionalidade /goal da ferramenta. A tendência mostra que especificar o objetivo e deixar a IA descobrir os passos necessários está se tornando viável — e isso representa uma mudança fundamental na forma como desenvolvedores e builders abordam projetos de IA.
Por que isso importa agora
Durante anos, a engenharia de prompt foi o meio principal para extrair valor de modelos de linguagem. Desenvolvedores aprendiam a escribir instruções detalhadas, fluxos de trabalho eram montados manualmente via código ou interfaces de arrastar-e-soltar, e cada nova tarefa exigia重新 configuração. O que Liu identifica é que esse modelo está perdendo força.
A nova abordagem — chamada por ele de engenharia de objetivo e avaliação — inverte a lógica. Em vez de descrever cada passo, o profissional define o resultado desejado e critérios claros de sucesso. O modelo, então, determina quais ações são necessárias para atingir o objetivo. Se a tarefa é repetitiva, o processo envolve coletar exemplos do resultado correto e refinar iterativamente até que o modelo atinja precisão adequada com menos esforço computacional.
O impacto para builders e devs brasileiros
Essa mudança afeta diretamente a forma como desenvolvedores no Brasil devem se preparar. As habilidades mais valorizadas deixarão de ser a conhecimento profundo de sintaxe de prompts e passaram a ser a capacidade de traduzir necessidades de negócio em objetivos mensuráveis e critérios de avaliação bem definidos.
Em termos práticos, isso significa que tarefas como classification de documentos, extração de dados de contratos ou resumir reuniões podem ser implementadas mais rapidamente quando o foco está em especificar o que constitui um resultado correto do que em detalhar como o modelo deve proceder.
O que fazer com essa informação
Para desenvolvedores que trabalham com IA no Brasil, as implicações são concretas:
- Investir tempo em definir critérios de sucesso claros antes de começar a implementar
- Desenvolver pipelines de avaliação que permitam iterar sobre os resultados do modelo
- Criar datasets de exemplo que representem o output desejado para cada tipo de tarefa
- Experimentar com ferramentas que já suportam essa abordagem, como a funcionalidade /goal da LlamaIndex
A mudança não torna o conhecimento técnico irrelevante — mas adiciona uma camada de habilidade estratégica que antes era secundária. Saber exactly o que você quer que a IA faça e conseguir medir se ela está fazendo corretamente tende a ser mais valioso do que saber como instruí-la passo a passo.