Em setembro de 2025, a Anthropic, empresa que desenvolve o assistente Claude, publicou um guia de engenharia de contexto em que descreve a prática como a evolução natural da engenharia de prompt, a técnica de escrever bem o pedido feito à IA. O guia trata o contexto de um modelo de linguagem como um recurso finito, com retorno cada vez menor à medida que a quantidade de informação cresce, e desloca a qualidade da resposta da frase digitada para o conjunto de informações que o modelo tem diante de si quando responde.
Engenharia de contexto é a prática de decidir o que uma inteligência artificial lê antes de responder, ou seja, quais fatos, instruções, exemplos e regras entram na conversa e em que ordem. No mesmo guia, a Anthropic separa as duas práticas, já que escrever um prompt é uma tarefa pontual e a engenharia de contexto se repete a cada vez que alguém decide o que entregar ao modelo.
Para uma pequena ou média empresa, a diferença aparece na rotina. Quem usa ChatGPT, Claude ou Gemini para escrever um post, responder um cliente ou preparar uma proposta costuma explicar a empresa de novo a cada conversa, e cada pessoa da equipe explica de um jeito. Quando falta um dado, o modelo tende a preencher a lacuna com algo plausível, como um preço que a empresa não pratica, um serviço que ela não presta ou uma cidade que ela não atende.
O uso já é comum entre os pequenos negócios brasileiros. Em junho de 2025, a Agência Sebrae divulgou que 44% dos empreendedores afirmam, de forma espontânea, já ter usado algum tipo de inteligência artificial, e a adesão sobe quando a pergunta cita ferramentas específicas. Cada resposta que essas ferramentas dão em nome da empresa depende do que elas sabem sobre ela.
Qual a diferença entre engenharia de prompt e engenharia de contexto?
A engenharia de prompt cuida de como um pedido é escrito, e a engenharia de contexto cuida de tudo o que o modelo lê junto com esse pedido. O prompt resolve uma tarefa e some quando a conversa acaba. O contexto permanece, com os fatos, as instruções e os exemplos que acompanham todas as conversas, seja qual for a pessoa que faz o pedido.
Um prompt bem escrito rende um bom texto uma vez. Sem os dados da empresa por trás, o mesmo prompt usado por outro funcionário no dia seguinte volta a errar o preço ou a mudar o tom. Por isso a engenharia de prompt, que virou assunto de curso e de vaga de emprego, passou a ser vista como uma das partes da engenharia de contexto.
No serviço de engenharia de contexto para empresas, o especialista em SEO Lucas Ferraz monta esse tipo de base, e a IA de chat do cliente passa a ler, antes de cada resposta, fatos conferidos, cliente ideal, voz e regras do setor. É dele também uma agência de busca, batizada com o próprio nome como Lucas Ferraz SEO e voltada à posição das empresas no Google e à forma como assistentes de IA as descrevem e recomendam, o que o setor chama de GEO (Generative Engine Optimization).
Montar esse contexto começa mais por cortar do que por acrescentar. “A primeira coisa que corto de uma base é o texto institucional antigo, porque ele ocupa espaço e não muda nenhuma resposta”, escreve Ferraz na página em que descreve o trabalho. A pesquisa sobre modelos de linguagem explica por que o corte faz diferença.
Por que mais informação pode piorar a resposta da IA?
Mais informação pode piorar a resposta da IA porque o modelo não usa com a mesma eficiência tudo o que recebe. Em julho de 2025, a Chroma, empresa que desenvolve um banco de dados para aplicações de IA, testou 18 modelos e observou que o desempenho cai à medida que o texto de entrada cresce, inclusive em tarefas simples. O relatório chamou o fenômeno de context rot, algo como a deterioração do contexto.
O fenômeno já tinha sido medido antes. No estudo Lost in the Middle, divulgado em 2023 e aceito pela revista Transactions of the Association for Computational Linguistics, um grupo de pesquisadores mostrou que os modelos acertam mais quando a informação relevante está no começo ou no fim do contexto, e erram mais quando ela fica no meio.
Dentro da empresa, o efeito é concreto. Subir o PDF institucional inteiro, todos os contratos e anos de e-mails em um projeto de IA tende a enterrar o preço atual no meio de material antigo. O trecho certo continua lá, mas disputa a atenção do modelo com dezenas de trechos que não mudam a resposta.
Itens que formam o contexto de uma empresa
O contexto de uma empresa reúne o que a IA precisa saber para responder sem chutar, e cada item resolve um tipo de erro. O trabalho se parece com o mapeamento de processos que antecede a escolha de um ERP online, em que se descobre o que cada área faz e que informação usa antes de pensar na ferramenta.
- Fatos com origem: serviços, preços que podem ser ditos, cidades atendidas e datas da história, cada um com a indicação de onde veio;
- O que não pode ser dito: promessas vetadas pelo conselho profissional do setor, afirmações sem prova e cuidados de privacidade exigidos pela LGPD;
- Cliente: quem compra e as perguntas reais que ele faz no WhatsApp, no e-mail e na reunião;
- Voz: como a empresa escreve, calibrada em textos dela, com as palavras que usa e as que evita;
- Decisões: o que já foi decidido ou recusado, com data e motivo, para a IA não sugerir de novo.
A instrução de perguntar quando um dado não existe pesa tanto quanto os fatos. Sem ela, o modelo costuma completar a lacuna com o que parece provável, e a frase inventada sai com a mesma segurança da frase correta.
Espaços dos assistentes guardam o contexto da empresa
ChatGPT, Claude e Gemini oferecem um lugar fixo para o contexto da empresa, sem exigir uma linha de código. No ChatGPT, são os GPTs personalizados e os projetos; no Claude, os Projetos; no Gemini, as Gems. Em todos, a empresa coloca arquivos e instruções que o modelo consulta antes de responder.
Subir arquivos nesses espaços não treina o modelo. A IA lê o material na hora de responder, e o modelo continua o mesmo, o que permite corrigir o contexto em minutos quando um preço muda. O lugar importa menos que o conteúdo, e um GPT personalizado alimentado só com o folder institucional continua sem saber o que pode e o que não pode afirmar.
A memória dos assistentes também não substitui esse trabalho. Ela guarda preferências da conta de quem usa, e não da empresa, então uma decisão tomada na conversa de um funcionário não chega à IA do colega. A decisão que vale para todos precisa estar escrita no contexto compartilhado.
Como saber se o contexto melhorou a resposta da IA?
O contexto melhorou a resposta da IA quando as mesmas tarefas, refeitas na mesma ferramenta, saem com menos correção. O teste mais simples é escolher de três a cinco pedidos reais da rotina, como um post, a resposta a um cliente e um anúncio, guardar o que a IA entrega hoje e repetir os mesmos pedidos depois que a base estiver pronta.
Lado a lado, as duas versões mostram onde o preço ficou certo, onde o tom passou a soar como a empresa e onde a IA perguntou em vez de inventar. Anotar cada correção feita à mão em uma planilha simples transforma a impressão em número, no mesmo espírito da análise de dados aplicada a qualquer processo da empresa. A comparação lado a lado também é a prova de entrega que Ferraz descreve para as bases que monta, com as tarefas escolhidas pela própria empresa no diagnóstico.
Perguntas frequentes sobre engenharia de contexto
Engenharia de contexto exige programação?
Engenharia de contexto não exige programação quando a empresa usa IA de chat. O trabalho está em escrever e organizar fatos, regras, voz e decisões em documentos curtos, guardados no espaço que cada assistente oferece, como os Projetos do Claude, os GPTs personalizados do ChatGPT e as Gems do Gemini. Programação entra só quando a IA precisa se conectar a outros sistemas.
Engenharia de contexto é o mesmo que treinar a IA?
Engenharia de contexto não é o mesmo que treinar a IA. Treinar, com ajuste fino, muda o modelo por dentro e exige dados em volume e equipe técnica. O contexto é lido pelo modelo na hora de responder e pode ser corrigido a qualquer momento, o que atende à maior parte das tarefas de marketing e de atendimento de uma pequena empresa.
Qual o erro mais comum ao montar o contexto de uma empresa?
O erro mais comum ao montar o contexto de uma empresa é subir tudo o que existe, de apresentações antigas a contratos. Estudos com modelos de linguagem mostram queda de desempenho quando o texto de entrada cresce, e o dado atual se perde entre trechos irrelevantes. Um contexto curto, conferido e atualizado costuma render respostas mais precisas que um arquivo enorme.
A régua para revisar o contexto
A régua que serve para qualquer porte de empresa vem do guia publicado pela Anthropic, que recomenda buscar o menor conjunto possível de informação de alto sinal que leve o modelo ao resultado esperado. O mesmo texto lembra que a curadoria do contexto se repete cada vez que se decide o que passar ao modelo, e por isso a base acompanha cada mudança de preço, serviço ou regra do setor.
