O critério de sucesso vale mais do que o pedido

Durante dois anos, a pergunta que se ouvia em qualquer conversa sobre inteligência artificial aplicada era a mesma: qual pedido você usou? A resposta valia ouro, circulava em grupos, virava curso. A hipótese implícita era que a diferença entre um resultado medíocre e um resultado excelente estava na redação da instrução ("prompt" [1]). Um iniciante e um especialista usavam a mesma ferramenta quase do mesmo jeito, e a distância entre eles cabia em algumas frases mais bem escolhidas.

Essa hipótese envelheceu. O que separa hoje um resultado funcional de um resultado que impressiona não está no pedido. Está no que acontece depois que o pedido termina: quem confere o resultado, com que critério, em que contexto, e o que encerra o ciclo. A pergunta certa deixou de ser "qual pedido você usou" e passou a ser "qual critério de sucesso você escreveu, e quem o aplicou".

O que mudou

A série que esta peça quase encerra percorreu o caminho. O uso de inteligência artificial subiu do pedido para o contexto e do contexto para a estrutura ao redor da ferramenta. Dentro dessa estrutura, o ciclo de conferência tornou os resultados confiáveis, e o trabalho em paralelo permitiu escalá-los. O resumo cabe em uma frase: em vez de pedir e receber, pede-se, um assistente executa, outro confere contra critérios, e o ciclo repete até o resultado passar.

Relatos públicos recentes mostram resultados que muita gente não acreditou terem saído de um único pedido: jogos comparáveis a produtos comerciais, simuladores com física e cenário reagindo ao movimento. Não saíram de um pedido melhor. Saíram de uma arquitetura em que dezenas de pares, quem faz e quem confere, trabalharam por horas, cada parte julgada às cegas por um supervisor que só aprovava quando ficava impressionado.

O que isso revela é uma inversão de onde mora a inteligência do arranjo. O pedido inicial passou a ser curto e simples. A sofisticação migrou para o critério e para a estrutura que o aplica.

Por que o critério vale mais do que a instrução

Uma instrução descreve o que fazer. Um critério descreve como saber se ficou bom. A segunda coisa é mais difícil de escrever, e é exatamente por isso que vale mais.

Quando se escreve "todos os botões funcionam, nenhum elemento se sobrepõe, um usuário sem instrução conclui o fluxo", está-se transferindo para o sistema o trabalho que antes ficava com a pessoa: a revisão. E a revisão é, na maioria das equipes, o gargalo real. O assistente produz em minutos. A pessoa leva horas para conferir, corrigir e conferir de novo. Quem escreve o critério antes e delega a conferência recupera essas horas.

A documentação oficial da Claude sobre critérios de sucesso pede o que qualquer gestor pediria de uma meta: específico, mensurável, alcançável. E acrescenta algo que o debate sobre pedidos ignorava: é a definição de sucesso que orienta todo o resto do trabalho, não a redação da tarefa. Não é uma tese nova em gestão. É nova na forma como as pessoas usam inteligência artificial.

Quem vem de um diagnóstico bem feito já tem o critério escrito antes de saber que o tinha: a ficha da iniciativa responde "como vamos medir sucesso" em um bloco próprio, e é dali que quem confere tira o número para comparar ("Canvas" [2]). O artigo estruturante da série mostra esse caminho.

O critério subjetivo que funciona

O ponto mais provocador dessa abordagem, tal como vem sendo relatada, é o critério escolhido para o supervisor: ficar impressionado. Não "aprovar", não "considerar adequado". Impressionar. Um critério declaradamente subjetivo, impossível de medir por código, e que nos testes relatados fez quem executa refazer partes inteiras que estavam funcionais, mas não excepcionais.

Vale levar a sério, com uma ressalva. O critério funciona porque força a comparação com um padrão externo alto (produtos comerciais, trabalho de especialista) e porque quem confere julga sem conhecer as razões de quem executou. Mas subjetividade tem custo: rodadas a mais, consumo a mais, resultados que oscilam entre execuções. Quem usa isso em produção, e não em projeto recreativo, precisa combinar o critério subjetivo com o bloco objetivo, verificável por código, e com uma regra de parada. Sem isso, "impressionar" vira um poço sem fundo de orçamento.

Quem confere, e como, decide o resultado

Há uma segunda lição que a série mostrou repetidas vezes, e que merece ser dita sem rodeios. O mesmo resultado, com o mesmo critério, recebe notas diferentes conforme a metodologia de conferência. Um supervisor que lê o código aprova. O mesmo supervisor, instruído a olhar a tela e a exigir padrão de mercado, reprova com folga. Nada no resultado mudou. Mudou a forma de olhar.

Isso tem uma consequência prática para qualquer organização: antes de investir em ferramentas, em pedidos ou em assistentes, vale investir na pergunta "como saberemos que ficou bom?". Quem responde a essa pergunta com evidência, e não com impressão, tem a base para tudo o que vem depois. É o mesmo princípio que faz uma medida de capacidade organizacional valer alguma coisa: cada nota precisa de uma evidência citável, e a distância entre o que se declara e o que se mede costuma ser o achado mais útil ("Prontidão" [3]).

O que ninguém diz no título

Não é barato e não é rápido. Os relatos disponíveis são honestos sobre isso: horas de processamento, várias rodadas, custo que só se conhece no fim. Um ciclo de conferência multiplica chamadas ao modelo, e a decomposição em dezenas de partes multiplica de novo.

Isso muda o cálculo de onde usar. Para uma correção pontual, um ciclo é excesso. Para uma entrega em que a revisão humana custaria um dia de trabalho, ou em que o erro em produção custaria mais do que isso, o ciclo se paga. A documentação da Claude recomenda o padrão de avaliador e otimizador quando há critérios claros e quando o refinamento iterativo agrega valor mensurável. Fora dessas duas condições, a recomendação é manter a simplicidade. É a mesma lógica que orienta a escolha de modelo por tarefa em uma arquitetura bem desenhada: o certo para cada caso, não o mais sofisticado ("Inteligência" [4]).

O que isso pede da governança

Se o critério passa a ser o ativo mais valioso do arranjo, ele precisa do tratamento que qualquer decisão automatizada exige ("Governança" [5]). Critério tem dono. Critério tem versão. Critério registrado antes da execução é auditável; critério escrito depois de ver o resultado é justificativa.

E quem confere às cegas cria uma trilha que não existia: para cada parte aprovada, existe uma nota, uma justificativa e a lista do que foi reprovado antes. É rastreabilidade de decisão, produzida como subproduto da própria arquitetura. Quem já sofreu para responder "por que isso foi aprovado?" reconhece o valor.

A distância que se abriu

Uma observação recorrente entre quem trabalha com esses arranjos merece ser levada a sério: a forma como iniciantes usam inteligência artificial e a forma como especialistas usam se afastaram de um modo que não acontecia antes. A diferença não é mais de vocabulário ou de paciência. É de arquitetura. Uma pessoa pede e recebe. A outra desenha quem faz, quem confere, com que critério e quando parar.

Para uma organização, isso tem uma leitura direta. Não adianta treinar equipes em redação de pedidos se o método de trabalho continua sendo pedir, receber e revisar à mão. O ganho está em ensinar a escrever critérios de sucesso e em montar o arranjo que os aplica. E a boa notícia é que a escada tem degraus baixos: duas sessões que conversam, um ciclo com critério escrito, depois vários, depois um conjunto completo de capacidades que a equipe mantém. É o que um bom diagnóstico entrega como material prático: instruções, capacidades e roteiros que já carregam a definição do que "pronto" significa ("aceleradores" [6]).

Ensinar alguém a construir é mais transformador do que construir para alguém. Ensinar alguém a escrever o critério é o que vem antes.

Na série

Esta é a peça 6 da série Da decisão à entrega, em sete peças. O artigo estruturante, Do diagnóstico à entrega, é a porta de entrada. As peças anteriores são A estrutura vale mais do que a ferramenta, Conferir antes de entregar, Quem faz e quem confere, A rotina de conferência que roda toda vez e Muitas entregas ao mesmo tempo. A série fecha com Do diagnóstico ao sistema que a equipe mantém.

Termos citados neste artigo

[1] "Prompt": o pedido ou instrução escrita que se envia a uma ferramenta de inteligência artificial. Nesta série, usamos "pedido" ou "instrução".

[2] "Canvas": ficha em sete blocos que detalha cada iniciativa priorizada no diagnóstico do Impulso Framework. O bloco de impacto esperado responde "como vamos medir sucesso". Detalhado em Iniciativas: o Radar e o Canvas.

[3] "Prontidão": etapa do diagnóstico que mede a capacidade real de executar em oito dimensões, cada nota com evidência citável. Detalhada em Prontidão: o filtro que separa ambição de fracasso anunciado.

[4] "Inteligência": camada técnica que escolhe o modelo certo para cada tarefa, com estratégia híbrida de custo. Detalhada em Inteligência: o modelo certo para cada tarefa.

[5] "Governança": camada transversal que define quem responde por cada decisão automatizada, com rastreabilidade, versionamento e revisão. Detalhada em Governança: sem dono, toda automação vira órfã.

[6] "Aceleradores": materiais práticos de execução (instruções calibradas, atalhos, capacidades empacotadas e roteiros), contextualizados, reutilizáveis e executáveis sem tradução. Detalhados em Plano de Ação: aceleradores que dispensam tradução.

Referências

Documentação oficial da Claude (Anthropic), consultada em setembro de 2026:

Building effective agents. https://www.anthropic.com/research/building-effective-agents

Define your success criteria. https://platform.claude.com/docs/en/test-and-evaluate/define-success

Develop test cases. https://platform.claude.com/docs/en/test-and-evaluate/develop-tests

Da próxima vez que alguém perguntar qual pedido você usou, responda com o critério.

Take | Frente: Consulting | Série Da decisão à entrega, peça 6 de 7 | Proposições ancoradas: IA como amplificador, diagnóstico que produz ação | 1.350 palavras | Leitura: 7 minutos