Vibecoding
Por que a IA acerta no mundo e erra no seu dado
Ela responde qualquer pergunta geral com precisão e erra feio na sua base. Não é limitação do modelo. É que o seu contexto nunca foi dito a ele.
Você pergunta uma coisa geral e a resposta é impecável.
Pergunta sobre o seu negócio, com os seus dados, e ela erra de um jeito que parece bobo.
A primeira reação costuma ser culpar o modelo. Quase sempre não é ele.
O que ela sabe e o que ela não sabe
Ela aprendeu o mundo: como funciona contabilidade, o que é um pedido, como se estrutura um relatório, o que significa cada termo em uso comum.
Ela não aprendeu você. Não sabe que na sua empresa "ativo" quer dizer quem comprou nos últimos 90 dias, que aquele campo chamado tipo guarda três coisas diferentes por motivo histórico, nem que o cliente com código 1 é um registro de teste de 2023 que ninguém apagou.
E como a parte geral virou commodity, o erro quase sempre está na parte particular.
O erro número um: nome de campo
É de longe o mais comum, e o mais invisível.
Você tem um campo chamado status. Pra IA, status é o significado usual: ativo, inativo, pendente.
Na sua empresa, status guarda a etapa do processo de cobrança. Nunca foi renomeado porque todo mundo sabe.
Ela lê o nome, assume o sentido do mundo, e produz um resultado coerente e errado. Sem aviso nenhum, porque pra ela faz todo sentido.
Isso vale pra tabela, coluna, categoria e valor abreviado. Toda empresa tem um punhado de nomes que significam outra coisa internamente.
O erro número dois: a exceção que não está escrita
Todo negócio real tem regra que não cabe em lógica limpa.
Aquele cliente tem condição especial por contrato antigo. Aquela categoria não entra no cálculo por decisão de 2024. Aquele período foi atípico e distorce qualquer média.
Nada disso está no dado. Está na cabeça de duas pessoas.
A IA calcula certo com a informação que tem. O resultado está errado porque faltava metade da regra.
O erro número três: o vocabulário interno
Toda empresa tem sigla e apelido que não existem fora dela.
Você pergunta sobre o "fechamento" e tem um significado específico ali. Ela responde com o significado geral.
Quanto mais madura a empresa, mais vocabulário próprio, e mais essa distância cresce.
A correção é contexto, não modelo
Isso é o que mais importa deste texto: trocar por um modelo mais caro não resolve nenhum dos três.
Se falta informação, o modelo melhor erra com mais confiança. Você paga mais pela mesma resposta errada, agora mais bem escrita.
Três coisas resolvem, e nenhuma exige treinar nada:
Glossário. Uma página: o que cada campo importante significa de verdade, e os termos internos traduzidos. É o documento de maior retorno por linha escrita que existe nesse assunto.
Lista de exceções. As regras que não estão no dado. Cliente com condição especial, categoria que não conta, período atípico.
Exemplos de resposta certa. Três perguntas reais com a resposta correta ao lado. Exemplo comunica padrão melhor que descrição, e é o atalho mais eficiente que existe aqui.
Isso vira o contexto que acompanha o pedido, e é também a matéria-prima de qualquer sistema de recuperação de conteúdo.
Como descobrir onde ela erra no seu caso
Não espera o erro aparecer numa decisão.
Monta dez perguntas das quais você já sabe a resposta. Roda. Compara.
Onde ela errar, pergunta por quê. A explicação dela costuma revelar exatamente qual suposição estava errada, e aí você sabe o que precisa entrar no glossário.
Dez perguntas, meia hora, e você passa a saber onde confiar.
O lado bom
Esse problema é de contexto, e contexto é barato de produzir e permanente.
O glossário que você escreve hoje serve pro modelo de hoje, pro de dezembro e pro do ano que vem. Modelo troca; o significado dos seus campos não.
É por isso que o fosso é o seu dado, não o modelo.
Ela sabe o mundo. Quem sabe a sua empresa é você.
A decisão é sua.
Perguntas frequentes
Perguntas rápidas
+Trocar por um modelo melhor resolve?
Raramente. Se o erro vem de falta de contexto, um modelo mais forte apenas erra com mais confiança, porque continua sem a informação que faltava.
+Qual a causa mais comum de erro no dado próprio?
Nome de campo interpretado pelo sentido usual. Um campo chamado status significa coisas diferentes em cada empresa, e a IA assume o significado mais comum do mundo.
+Como corrigir sem treinar modelo?
Entregando contexto: um glossário dos campos e termos internos, a lista de exceções do negócio e alguns exemplos reais de pergunta com resposta correta.
+Exemplo ajuda mais que explicação?
Em geral sim. Três exemplos reais de resposta certa comunicam o padrão melhor que um parágrafo descrevendo o que se espera.
Continue lendo
Como decidir onde cada dado do seu sistema vai morar
É a decisão mais cara de mudar depois e a que mais gente deixa a IA tomar sozinha. Quatro perguntas resolvem, e nenhuma delas é técnica.
VibecodingComo apagar código com segurança
Todo projeto tem código que não faz mais nada. Tirar dá medo porque ninguém sabe quem depende daquilo. Existe um caminho de quatro passos que remove o medo.
VibecodingComo escrever comentário que ajuda em vez de atrapalhar
A IA gera comentário que repete o que o código já diz. Isso não é documentação, é ruído. Comentário útil responde uma pergunta que o código não consegue responder.