O Framework de Prompts de Greg Brockman: Um Guia Completo para Interações Eficazes com IA

A engenharia de prompts tornou-se uma habilidade essencial para quem deseja obter resultados precisos e relevantes dos modelos de inteligência artificial. O presidente da OpenAI, Greg Brockman, compartilhou recentemente um framework estruturado que revoluciona a forma como interagimos com esses modelos. Este framework, composto por quatro elementos fundamentais, permite criar instruções claras e obter respostas altamente personalizadas. Ao longo deste tutorial, exploraremos detalhadamente cada componente deste framework, com exemplos práticos voltados para análises contábeis, além de orientações sobre quando e como aplicá-lo.

Quem é Greg Brockman

Greg Brockman, nascido em 29 de novembro de 1987 em Thompson, Dakota do Norte, EUA, é um empreendedor, investidor e engenheiro de software americano que atualmente ocupa o cargo de presidente da OpenAI1. Sua trajetória profissional é marcada por conquistas significativas no campo da tecnologia e inteligência artificial.

Desde jovem, Brockman demonstrou talento excepcional, destacando-se em matemática, química e ciência da computação durante o ensino médio. Conquistou uma medalha de prata na Olimpíada Internacional de Química em 2006 e foi o primeiro finalista da Dakota do Norte na busca de talentos científicos da Intel em mais de três décadas1.

Sua carreira profissional começou de forma não convencional. Após breves passagens por Harvard e MIT, Brockman deixou os estudos formais em 2010 para se juntar à Stripe, uma empresa de pagamentos fundada por Patrick Collison, seu colega de MIT. Rapidamente ascendeu na organização, tornando-se o primeiro CTO (Chief Technology Officer) da Stripe em 2013, onde ajudou a empresa a crescer de 5 para 205 funcionários1.

Em 2015, deixou a Stripe para cofundar a OpenAI juntamente com Sam Altman e Ilya Sutskever. Sob sua liderança tecnológica, a OpenAI desenvolveu modelos de linguagem revolucionários como o GPT-2 e GPT-4, este último apresentado pelo próprio Brockman em março de 20231.

Após um breve período de turbulência em novembro de 2023, quando foi afastado do conselho da OpenAI junto com Sam Altman, Brockman retornou à empresa e continua contribuindo significativamente para o avanço da inteligência artificial1.

Introdução ao Framework de Prompts de Greg Brockman

O framework de prompts desenvolvido por Greg Brockman surgiu da necessidade de otimizar a comunicação com modelos de inteligência artificial. A maioria dos usuários ainda enfrenta dificuldades para obter respostas precisas e relevantes dos sistemas de IA, muitas vezes devido à formulação inadequada de suas solicitações2.

Este framework representa uma abordagem estruturada para a criação de prompts, organizando as instruções em quatro componentes distintos e complementares. A estrutura proposta por Brockman não apenas ajuda a obter resultados melhores, mas também torna mais previsível e confiável a interação com sistemas de IA2 5.

A principal inovação deste método está na sua simplicidade e eficácia. Ao invés de depender da sorte ou de tentativa e erro, o framework oferece um método sistemático para comunicar intenções e expectativas aos modelos de IA, aumentando significativamente a qualidade das respostas obtidas15.

Os Quatro Pilares do Framework

O framework de Greg Brockman é composto por quatro elementos essenciais, cada um com uma função específica na estruturação de um prompt eficaz:

1. Objetivo (Goal)

O Objetivo é o componente fundamental do framework, representando a instrução primária que define claramente o que você deseja que a IA realize2 5. Este elemento funciona como a bússola que orienta todo o processamento do modelo.

Um objetivo bem definido é específico e direto, evitando ambiguidades e interpretações errôneas. Em vez de instruções vagas como “Fale sobre contabilidade”, um objetivo eficaz seria “Analise as principais mudanças nas normas IFRS para relatórios financeiros em 2025 e seu impacto em empresas de tecnologia”15.

A clareza do objetivo é crucial porque influencia diretamente a relevância da resposta. Ao articular precisamente o que você espera, você permite que o modelo filtre informações irrelevantes e concentre seus recursos computacionais no que realmente importa para você7 9.

Um aspecto importante a considerar é que o objetivo deve ser realista e alinhado com as capacidades do modelo de IA. Estabelecer objetivos inalcançáveis ou excessivamente ambiciosos pode resultar em respostas inadequadas ou insatisfatórias15.

2. Formato de Retorno (Return Format)

O Formato de Retorno especifica a estrutura e organização desejadas para a resposta da IA2 5. Este componente funciona como um blueprint que orienta a apresentação das informações, garantindo que a resposta seja entregue em um formato útil e facilmente consumível.

Ao definir o formato de retorno, você pode solicitar respostas em diversos formatos: listas numeradas, tabelas comparativas, parágrafos sequenciais, estruturas de tópicos, formatos JSON para integração com sistemas, ou qualquer outra estrutura que atenda às suas necessidades específicas4 12.

Por exemplo, ao solicitar uma análise financeira, você pode especificar: “Apresente a análise em formato de relatório com as seguintes seções: 1) Resumo Executivo (2 parágrafos), 2) Indicadores-chave (tabela com 3 colunas: indicador, valor, interpretação), 3) Tendências (gráfico descrito textualmente), 4) Recomendações (lista de 3-5 itens)”6.

Esta estruturação prévia não apenas facilita a compreensão e utilização das informações fornecidas, mas também ajuda o modelo a entender exatamente o nível de detalhe e a organização esperados, reduzindo a necessidade de refinamento posterior7 15.

3. Avisos (Warnings)

Os Avisos funcionam como um sistema de restrições e limitações que orientam o modelo sobre o que deve ser evitado na geração da resposta2 5. Este componente estabelece “guardrails” ou diretrizes de segurança que ajudam a prevenir respostas inadequadas, imprecisas ou fora do escopo.

Ao incluir avisos em seu prompt, você pode alertar o modelo sobre:

Tópicos a serem evitados
Tipos de linguagem inadequados
Limites de escopo da resposta
Requisitos éticos e legais
Necessidade de evidências ou fontes
Áreas onde não deve fazer suposições7 9 12

Por exemplo, em um prompt para análise contábil, você poderia incluir avisos como: “Não faça suposições sobre informações ausentes nos dados fornecidos. Evite usar jargão técnico sem explicações. Não sugira ações que possam violar princípios contábeis geralmente aceitos”14.

Os avisos são particularmente importantes em contextos profissionais, onde precisão, conformidade regulatória e linguagem apropriada são essenciais. Eles ajudam a minimizar o risco de erros ou má interpretação das informações fornecidas pelo modelo5 15.

4. Despejo de Contexto (Context Dump)

O Despejo de Contexto é o componente onde você fornece informações de fundo relevantes para personalizar a resposta às suas circunstâncias específicas2 5. Este elemento permite que você “alimente” o modelo com dados adicionais que influenciarão a geração do conteúdo.

Ao incluir contexto detalhado, você:

Ajuda o modelo a entender o ambiente ou situação específica
Fornece dados que podem não estar no conhecimento geral do modelo
Estabelece preferências particulares relevantes para a resposta
Compartilha histórico ou informações prévias importantes
Define parâmetros temporais, geográficos ou setoriais relevantes7 9 12 15

Por exemplo, em uma análise de DRE, um contexto útil seria: “Esta análise é para uma startup de tecnologia em seu segundo ano de operação. A empresa está considerando uma rodada de financiamento nos próximos 6 meses. Houve um aumento significativo nas despesas de marketing no último trimestre”14.

O contexto adequado é fundamental para receber respostas personalizadas e relevantes. Quanto mais detalhado e específico for o contexto fornecido, mais direcionada e útil será a resposta do modelo5 15.

Melhores Práticas para Elaboração de Prompts Eficazes

Para maximizar os benefícios do framework de Greg Brockman, aqui estão algumas práticas recomendadas:

Seja específico e direto

A especificidade é crucial para obter respostas precisas. Evite prompts vagos como “Analise esta empresa” e prefira instruções detalhadas como “Analise os indicadores de liquidez e rentabilidade da empresa XYZ com base nos dados do balanço patrimonial do primeiro trimestre de 2025”15. Quanto mais específico for seu objetivo, mais focada será a resposta do modelo.

Estruture sua solicitação logicamente

Organize os componentes do framework em uma sequência lógica – geralmente começando com o objetivo, seguido pelo formato de retorno, avisos e, por fim, o contexto. Esta ordem facilita a compreensão pelo modelo de IA e aumenta a qualidade da resposta7 9.

Use terminologia precisa

Especialmente em áreas técnicas como contabilidade, utilize termos precisos e padronizados. Por exemplo, em vez de pedir “mostre o dinheiro da empresa”, solicite “analise os indicadores de liquidez corrente, seca e imediata conforme definidos pelas normas IFRS”14.

Forneça exemplos quando necessário

Exemplos concretos podem ajudar o modelo a entender melhor suas expectativas. Em situações complexas, incluir um exemplo do tipo de resposta esperada pode melhorar significativamente os resultados11 12.

Divida tarefas complexas em etapas

Para análises detalhadas, como a interpretação de demonstrações financeiras, divida o processo em etapas sequenciais. Por exemplo: “Primeiro, identifique os principais indicadores financeiros; segundo, compare com benchmarks do setor; terceiro, elabore recomendações baseadas na análise”9 11.

Iteração e refinamento

Esteja preparado para refinar seu prompt com base nos resultados recebidos. A engenharia de prompts eficaz frequentemente envolve um processo iterativo de ajustes e melhorias para alcançar os resultados ideais9.

Mantenha um equilíbrio entre direcionamento e flexibilidade

Embora seja importante fornecer diretrizes claras, evite restringir excessivamente o modelo. Um bom prompt encontra o equilíbrio entre fornecer orientação suficiente e permitir que o modelo utilize todo seu potencial7 15.

Exemplos Práticos na Análise de Relatórios Contábeis

Vamos aplicar o framework em exemplos práticos específicos para análise contábil:

Exemplo 1: Análise de Balanço Patrimonial

textObjetivo: Analisar o balanço patrimonial da Empresa XYZ para o período fiscal de 2024, identificando pontos fortes, fragilidades financeiras e oferecendo recomendações estratégicas para melhorar a liquidez e solvência.

Formato de Retorno:
- Título: "Análise de Balanço Patrimonial - Empresa XYZ - FY2024"
- Seção 1: Resumo Executivo (2-3 parágrafos)
- Seção 2: Análise de Ativos
  * Ativos Circulantes (bullet points com valores e % do total)
  * Ativos Não Circulantes (bullet points com valores e % do total)
- Seção 3: Análise de Passivos e Patrimônio Líquido
  * Passivos Circulantes (bullet points com valores e % do total)
  * Passivos Não Circulantes (bullet points com valores e % do total)
  * Patrimônio Líquido (bullet points com valores e % do total)
- Seção 4: Indicadores Financeiros (tabela com três colunas: Indicador, Valor, Interpretação)
  * Liquidez Corrente
  * Liquidez Seca
  * Liquidez Imediata
  * Endividamento
  * Composição do Endividamento
- Seção 5: Recomendações (lista numerada com pelo menos 3 sugestões)

Avisos:
- Não faça suposições sobre transações não explícitas nos dados fornecidos.
- Evite jargões contábeis excessivos sem explicações.
- Não forneça conselhos jurídicos ou fiscais específicos.
- Mantenha-se dentro das normas contábeis IFRS.

Contexto:
- A Empresa XYZ é uma indústria de bens de consumo com 5 anos de operação.
- A empresa está considerando expandir suas operações e buscar financiamento bancário.
- No ano anterior, a empresa tinha um alto nível de estoques que impactou sua liquidez.
- O setor está enfrentando aumento nos custos de matéria-prima.
- A empresa recentemente investiu em modernização do parque fabril.

[Dados do Balanço Patrimonial da Empresa XYZ - FY2024]

Este exemplo ilustra como o framework pode ser aplicado para obter uma análise financeira detalhada e estruturada. O objetivo define claramente o propósito da análise, o formato de retorno estabelece uma estrutura organizada para a resposta, os avisos previnem interpretações errôneas e o contexto fornece informações adicionais relevantes para uma análise personalizada6.

Exemplo 2: Análise de Demonstração do Resultado do Exercício (DRE)

textObjetivo: Realizar uma análise completa da DRE mensal da Empresa ABC para o primeiro trimestre de 2025, comparando com o mesmo período do ano anterior, identificando tendências, analisando margens e oferecendo insights para melhorar a rentabilidade.

Formato de Retorno:
- Título: "Análise da DRE - Empresa ABC - Q1 2025"
- Seção 1: Panorama Geral (1 parágrafo resumindo os principais achados)
- Seção 2: Análise de Receitas
  * Tabela comparativa (mês a mês, com variação percentual)
  * Gráfico de tendência (descrição textual do comportamento)
- Seção 3: Análise de Custos e Despesas
  * Custos dos Produtos/Serviços Vendidos (% da receita)
  * Despesas Operacionais (detalhamento e % da receita)
- Seção 4: Análise de Margens
  * Tabela com Margem Bruta, Margem Operacional e Margem Líquida
  * Comparativo com mesmo período do ano anterior
- Seção 5: Pontos de Atenção (bullet points destacando áreas críticas)
- Seção 6: Recomendações Estratégicas (lista numerada)

Avisos:
- Utilize termos precisos como EBITDA, Margem Bruta, Margem Líquida conforme normas IFRS.
- Foque em aspectos quantitativos e evite especulações.
- Aponte explicitamente possíveis lacunas nos dados fornecidos.
- Padronize a forma de apresentação dos valores monetários utilizando "R$" para reais.

Contexto:
- A Empresa ABC atua no setor de software como serviço (SaaS).
- A empresa implementou uma nova estratégia de precificação no início de 2025.
- Houve um aumento nas despesas de marketing para lançamento de novos produtos.
- O mercado de tecnologia está em crescimento, mas a concorrência tem intensificado.
- A empresa tem como meta aumentar sua margem líquida em 2% até o final do ano.

[Dados da DRE mensal da Empresa ABC para Q1 2025 e Q1 2024]

Este exemplo demonstra como o framework pode ser adaptado para análise de DRE, incorporando elementos específicos como análise de tendências e comparações ano a ano. O formato de retorno estruturado garante que todas as áreas críticas sejam abordadas, enquanto os avisos direcionam o modelo a usar terminologia contábil precisa14.

Quando Utilizar e Quando Não Utilizar o Framework

Quando Utilizar

1. Para tarefas complexas e estruturadas
O framework é particularmente útil para solicitações que exigem análises detalhadas e respostas estruturadas, como relatórios financeiros, análises técnicas, resumos de pesquisas ou planos estratégicos2 15.

2. Quando precisão é fundamental
Em contextos profissionais onde erros podem ter consequências significativas, como análises financeiras, consultoria jurídica preliminar ou interpretação de dados médicos, o framework ajuda a obter respostas mais precisas e controladas5 7.

3. Para obter respostas altamente personalizadas
Quando você precisa de respostas que levem em consideração circunstâncias específicas ou informações contextuais particulares, o componente de despejo de contexto permite essa personalização9 15.

4. Para tarefas recorrentes
O framework é ideal para criar templates de prompts para tarefas que você realiza repetidamente, como análises mensais de relatórios financeiros ou geração de relatórios padronizados14.

5. Em ambientes colaborativos
Quando múltiplas pessoas precisam interagir com IA para tarefas semelhantes, o framework proporciona consistência e padronização nas solicitações e respostas11.

Quando Não Utilizar

1. Para perguntas simples e diretas
Para consultas factuais simples como “Qual é a capital da França?” ou “Qual foi a taxa de inflação em 2024?”, o framework pode ser desnecessariamente complexo e consumir tempo excessivo na formulação do prompt9.

2. Em conversas informais
Para interações casuais ou conversacionais com IA, uma abordagem mais natural e menos estruturada pode ser mais adequada e fluida5.

3. Quando o tempo é limitado
Se você precisa de respostas rápidas em situações urgentes, o tempo necessário para estruturar um prompt completo usando o framework pode ser impraticável7.

4. Para tarefas criativas abertas
Em situações onde você deseja explorar possibilidades criativas sem restrições ou quando busca inspiração livre, o framework pode limitar a diversidade e originalidade das respostas9 15.

5. Com usuários inexperientes
Para pessoas iniciando suas interações com IA, o framework pode parecer intimidador e complexo. Nesses casos, é melhor começar com abordagens mais simples e gradualmente incorporar elementos do framework2.

Limitações e Alternativas

Limitações:

Requer tempo e esforço para estruturar prompts completos
Pode ser excessivamente formal para alguns contextos
Exige familiaridade com conceitos de engenharia de prompts
A eficácia varia conforme o modelo de IA utilizado

Alternativas:

Abordagem conversacional: Uma interação mais natural e dialógica
Prompts incrementais: Começar com um prompt simples e refinar gradualmente
Frameworks específicos para domínios: Utilizar estruturas adaptadas para áreas específicas como programação, design ou educação
Abordagem híbrida: Incorporar seletivamente elementos do framework de Brockman conforme necessário para cada situação9 11 15

Conclusão

O framework de prompts de Greg Brockman representa uma abordagem sistemática e eficaz para maximizar o potencial dos modelos de inteligência artificial. Através dos quatro pilares fundamentais – Objetivo, Formato de Retorno, Avisos e Despejo de Contexto – os usuários podem estruturar suas solicitações de maneira a obter respostas mais precisas, relevantes e alinhadas com suas necessidades específicas.

No contexto da análise de relatórios contábeis, como demonstrado nos exemplos práticos, este framework oferece uma metodologia poderosa para extrair insights valiosos de dados financeiros, garantindo que as análises sejam estruturadas, abrangentes e aderentes às normas contábeis aplicáveis.

É importante reconhecer que, embora o framework seja uma ferramenta poderosa, sua aplicação deve ser contextual e adaptativa. Nem todas as interações com IA exigem o mesmo nível de estruturação, e a flexibilidade na aplicação dos quatro pilares é essencial para um uso eficiente.

À medida que os modelos de IA continuam a evoluir, também evoluirão as técnicas de engenharia de prompts. O framework de Brockman, no entanto, estabelece princípios fundamentais que provavelmente permanecerão relevantes: clareza de objetivo, especificação de formato, estabelecimento de limites e fornecimento de contexto adequado.

Dominando este framework, profissionais de diversas áreas podem transformar ferramentas de IA em assistentes verdadeiramente poderosos, capazes de fornecer análises sofisticadas e insights valiosos que apoiam processos decisórios mais informados e eficazes.

Referências

Wikipedia. (2025). Greg Brockman. Recuperado de https://en.wikipedia.org/wiki/Greg_Brockman 1
Data Global Hub. (2025). OpenAI President Greg Brockman shared a perfect framework for proper prompting. Recuperado de https://dataglobalhub.org/resource/articles/open-ai-president-greg-brockman-shared-a-perfect-framework 2
Appy Pie. (2025). Prompt Engineering Guide: How to Write Better AI Prompts. Recuperado de https://www.appypie.com/blog/ai-prompt-engineering-a-beginners-guide 4
LinkedIn. (2025). OpenAI’s Greg Brockman gave us the ultimate Prompt Breakdown. Recuperado de https://www.linkedin.com/posts/tinoherold_openais-greg-brockman-gave-us-the-ultimate-activity-7298711543108505600-Dw6O 5
DocsBot AI. (2024). Balance Sheet Creation – AI Prompt. Recuperado de https://docsbot.ai/prompts/business/balance-sheet-creation 6
LinkedIn. (2025). Best way to prompt, shared by OpenAI President Greg Brockman. Recuperado de https://www.linkedin.com/posts/praveenthiyagarajan_best-way-to-prompt-shared-by-openai-president-activity-7298269429295919104-lLfm 7
PromptLayer. (2025). AI Prompt Best Practices: Learn Prompt Engineering. Recuperado de https://blog.promptlayer.com/ai-prompt-engineering-best-practices/11
LinkedIn. (2025). OpenAI’s Greg Brockman gave us the ultimate Prompt Breakdown. Recuperado de https://www.linkedin.com/posts/growth-hacking-speaker_openais-greg-brockman-gave-us-the-ultimate-activity-7297517449988501504-gwy4 12
Roberto Dias Duarte. (2025). Engenharia de Prompts para Análise de DRE com IA. Recuperado de https://www.robertodiasduarte.com.br/engenharia-de-prompts-para-analise-de-dre-com-ia/14
YourStory. (2025). Four Pillars of AI Prompting by OpenAI’s President Greg Brockman. Recuperado de https://yourstory.com/2025/02/greg-brockman-perfect-ai-prompt-framework 15

Citations:

Answer from Perplexity: pplx.ai/share