Patrocinado por:
Prompt hoarding: o hábito com IA que pode estar sabotando sua produtividade (Unsplash)
Jornalista
Publicado em 27 de outubro de 2026 às 18h43.
Guardar listas de comandos prontos para ferramentas de inteligência artificial é uma prática comum entre profissionais que já usam chatbots no trabalho. O problema surge quando a coleção cresce e quase não é consultada, comportamento que especialistas passaram a chamar de prompt hoarding, ou acúmulo de prompts.
Prompt, vale explicar, é a instrução escrita que o usuário envia a um modelo de IA, como o ChatGPT, o Gemini ou o Claude. O termo aparece em texto do especialista em inovação Jeremy Utley, que descreve a tendência de salvar e compartilhar listas de atalhos para melhorar comandos.
Em tradução livre, a expressão significa acúmulo excessivo de prompts. O profissional salva modelos em pastas, planilhas ou aplicativos de notas, mas recorre a poucos deles. Um exemplo: um analista baixa um guia com centenas de comandos e, diante de uma demanda real, acaba escrevendo uma instrução nova do zero.
O blog da TCEA, associação americana de tecnologia educacional, chama o fenômeno de paralisia de prompts. Segundo o texto, comandos passam a ser tratados como receitas para colecionar, quando escrevê-los é uma habilidade que se desenvolve com prática.
Um artigo da ALM Corp define prompt library burnout como a queda de confiança e de uso que ocorre quando equipes juntam muitos comandos salvos e extraem pouco valor deles. Entre as causas citadas estão bibliotecas organizadas por itens guardados, e não por tarefas, e comandos genéricos sem caso de uso definido.
Pesquisadores do Generative AI Labs, da Wharton School, testaram seis modelos de linguagem em perguntas de nível de pós-graduação. Concluíram que pedir à IA que aja como especialista não gera ganho consistente de precisão e, em alguns casos, piora o resultado.
Um relatório anterior do mesmo grupo já indicava que recursos como a polidez no tom do comando não funcionam de forma universal. Para os autores, as organizações tendem a obter mais valor da forma como definem a tarefa, das informações que fornecem e da checagem das respostas.
A newsletter The AI Standard sugere agrupar os comandos por função, como decisão, pesquisa, reunião e escrita, e manter de 10 a 20 modelos usados de fato. O argumento é que as ferramentas mudam, mas a tarefa permanece.
A ALM Corp recomenda arquivar duplicatas, versões desatualizadas e comandos sem responsável ou sem caso de uso. Registrar quando cada modelo funcionou ajuda a decidir o que manter.
A TCEA propõe começar pelo objetivo: definir a tarefa de forma específica antes de escrever e pedir um primeiro rascunho simples para refinar depois. Em vez de pedir “resuma este relatório”, um gerente pode informar quem vai ler o material, que decisão está em jogo e qual formato espera.