O chain-of-thought serve para conferir a conta e o raciocínio da IA antes de usar a resposta, como no cálculo de um orçamento com desconto. Nos modelos que já raciocinam sozinhos, pedir passo a passo deixa de ser necessário. Para quem vende por orçamento, a explicação que a IA dá ao indicar uma empresa mostra critérios, mas é pista a conferir nas fontes, não prova do motivo.
Resumo com IA
- O chain-of-thought leva o modelo de linguagem a escrever as etapas do raciocínio antes da resposta, e cada etapa escrita vira contexto para a seguinte;
- O chain-of-thought ganhou nome em um estudo de pesquisadores do Google publicado no arXiv em 28 de janeiro de 2022, com oito exemplos resolvidos passo a passo no pedido;
- O chain-of-thought passou a vir embutido nos modelos de raciocínio: o o1-preview da OpenAI em 12 de setembro de 2024, o Claude 3.7 Sonnet em 24 de fevereiro de 2025 e o Gemini 2.5 em 25 de março de 2025;
- O guia da OpenAI para modelos de raciocínio orienta a evitar pedidos de chain-of-thought como "pense passo a passo", porque esses modelos já raciocinam por dentro;
- A explicação em chain-of-thought nem sempre mostra o motivo real: em estudo da Anthropic de 2025, o Claude 3.7 Sonnet admitiu usar uma dica dada no pedido em 25% das vezes.
Chain-of-thought (cadeia de pensamento) é a técnica de levar um modelo de linguagem a escrever os passos intermediários do raciocínio antes da resposta final, o que tende a melhorar o acerto em problemas de várias etapas. Desde 2024, a ideia vem embutida nos modelos que raciocinam antes de responder, como o o1 e o Gemini 2.5.
Para quem vende serviço por orçamento, o chain-of-thought explica por que o ChatGPT monta a lista de empresas indicadas a partir de critérios em sequência, e esses critérios são as perguntas que a página da empresa precisa responder, com uma ressalva: a explicação que a IA mostra nem sempre é o motivo real da escolha.
Índice
Como funciona o chain-of-thought?
O chain-of-thought (CoT) funciona quebrando a pergunta em etapas que o modelo escreve uma depois da outra, e cada etapa vira contexto para a seguinte, como descreveram pesquisadores do Google em 2022. Um modelo de linguagem de grande porte (LLM) gera texto palavra a palavra, então a conta que ele escreve no meio do caminho passa a apoiar a resposta final, em vez de o resultado sair de um único salto.
O estudo que deu nome ao chain-of-thought saiu em 28 de janeiro de 2022 no arXiv (Wei e colegas): com apenas oito exemplos resolvidos passo a passo no pedido, um modelo de 540 bilhões de parâmetros atingiu o melhor resultado da época no GSM8K, um teste de problemas de matemática escritos em texto, acima até de um GPT-3 ajustado para a tarefa.
A diferença aparece no prompt, que é o pedido escrito que se faz à IA, de quem calcula orçamento. No exemplo, os valores são ilustrativos: mão de obra de R$ 9.000 com 10% de desconto à vista, mais R$ 6.500 de material.
| Critério | Pedido direto | Pedido com chain-of-thought |
|---|---|---|
| O que se escreve no prompt | Quanto fica o total à vista? | Calcule passo a passo e mostre cada conta antes do total |
| O que a IA entrega | Só o número final | R$ 9.000 menos R$ 900 dá R$ 8.100, mais R$ 6.500 dá R$ 14.600 |
| Como conferir | Refazer a conta inteira | Olhar a etapa em que o desconto foi aplicado |
O pedido com chain-of-thought mostra onde a IA pode ter errado: se o desconto caiu sobre o material, a etapa errada fica visível na segunda linha, e o dono do negócio corrige antes de mandar o valor ao cliente.
Quais são os tipos de chain-of-thought?
Os tipos de chain-of-thought se dividem pela forma de pedir o raciocínio ao LLM: com uma frase-gatilho, com exemplos já resolvidos ou com exemplos que o próprio sistema gera. A escolha entre eles depende de quantas vezes a mesma tarefa se repete no trabalho:
- Zero-shot: uma frase-gatilho no fim do pedido, como “pense passo a passo” ou “explique o raciocínio antes da resposta”, sem nenhum exemplo;
- Few-shot: o pedido traz alguns problemas já resolvidos em etapas, e o modelo copia o formato no problema novo, como no estudo de 2022;
- Automático (Auto-CoT): o próprio sistema gera os exemplos em etapas antes de responder, sem que o dono do negócio escreva cada um.
No dia a dia de uma empresa de serviço, o chain-of-thought zero-shot resolve a maior parte dos casos, porque basta acrescentar uma frase. O few-shot compensa quando a mesma conta se repete toda semana, como o cálculo de orçamento com desconto, e vale guardar o exemplo pronto para colar.
O que mudou quando os modelos passaram a raciocinar antes de responder?
O raciocínio em etapas saiu do prompt e entrou no modelo em três anúncios oficiais: a OpenAI lançou o o1-preview em 12 de setembro de 2024, a Anthropic lançou o Claude 3.7 Sonnet em 24 de fevereiro de 2025, primeiro modelo de raciocínio híbrido do mercado, e o Google lançou o Gemini 2.5 em 25 de março de 2025.
As datas e os anúncios oficiais de cada modelo de raciocínio, com o link para a fonte, estão no status dos algoritmos do Google e das IAs.
O próprio Google descreve, no anúncio do Gemini 2.5 (2025), que os modelos que pensam antes de responder foram construídos a partir de técnicas como o chain-of-thought prompting. Na prática, o modelo faz sozinho as etapas que antes precisavam ser pedidas.
Por isso a frase-gatilho mudou de papel. O guia de boas práticas da OpenAI para modelos de raciocínio orienta a evitar pedidos de “pense passo a passo” nesses modelos, porque eles já raciocinam por dentro, e avisa que a instrução pode até atrapalhar. A decisão para quem usa a IA no trabalho fica assim: em modelo comum, peça as etapas; em modelo de raciocínio, peça direto e gaste as linhas com o contexto do problema.
A explicação passo a passo da IA mostra o motivo real da resposta?
Não, a explicação passo a passo nem sempre mostra o motivo real. Em estudo publicado pela Anthropic em 3 de abril de 2025, os pesquisadores colocaram uma dica da resposta no pedido e conferiram se o modelo admitia o uso dela: o Claude 3.7 Sonnet mencionou a dica em 25% das vezes, e o DeepSeek R1 em 39%.
Para quem vende por orçamento, isso pesa quando o dono pergunta ao ChatGPT por que ele indicou um concorrente e recebe uma lista de razões. A explicação é um indício dos critérios, como avaliações, página de serviço por cidade e preço publicado, mas pode deixar de fora o que de fato decidiu a resposta.
Como a Rodada de Citação usa o motivo que a IA dá?
A Rodada de Citação usa o motivo que cada IA dá como texto literal, que só vira tarefa depois de cruzado com as fontes citadas. A medição em ciclos da Rodada de Citação acompanha como as IAs respondem sobre a empresa, nesta ordem:
- As perguntas de compra do mercado do cliente vão às IAs em conversa nova, com a mesma redação em cada rodada;
- A primeira rodada registra quem aparece, com quais fontes e com o motivo escrito pela IA, palavra por palavra;
- A matriz cruza o motivo com o que as páginas citadas dizem, e o critério que se repete sem resposta no site do cliente vira lacuna;
- A lacuna vira conteúdo publicado na página que responde aquela pergunta de compra;
- Uma nova rodada mede de novo presença, fontes e motivo, até a citação ficar estável.
Nas medições que conduzo, o motivo que ChatGPT, Gemini, Perplexity e Claude escrevem para incluir ou deixar de fora uma empresa serve como pista, e só entra no plano da página quando aparece em mais de uma rodada e bate com o que as fontes citadas dizem.
Lucas Ferraz, especialista em SEO
Quem quer ver os critérios que a IA usa no próprio mercado pode começar pela estratégia de Generative Engine Optimization (GEO), o trabalho de preparar o site para ser citado pelas IAs, ou pedir a análise gratuita da Lucas Ferraz SEO, que inclui a checagem de presença da empresa na IA. A agência tem mais de 195 avaliações no Google com nota 5,0, responde no mesmo dia útil e envia a proposta em até 48 horas.
Perguntas frequentes sobre chain-of-thought
Quem chega ao chain-of-thought pelo ChatGPT quer saber se escrever “pense passo a passo” ainda funciona: funciona nos modelos comuns e é dispensável nos modelos que já raciocinam antes de responder.
Chain of thought significa cadeia de pensamento em português, e também aparece como CoT. O nome descreve a sequência de passos que o modelo de linguagem escreve antes da resposta final. Em português, os textos sobre inteligência artificial usam tanto o termo original quanto a tradução, e as duas formas se referem à mesma técnica de prompt.
Para fazer o ChatGPT pensar mais, escolha um modelo de raciocínio quando a conta oferecer essa opção e escreva o problema com todo o contexto: números, regras e o formato da resposta. Em modelo comum, acrescente “calcule passo a passo e mostre cada etapa”. Nos dois casos, peça que a IA confira o resultado antes de entregar.
Um exemplo de chain-of-thought é pedir à IA o total de um orçamento com desconto mostrando cada conta: primeiro o desconto sobre a mão de obra, depois a soma com o material. Outro é o problema de matemática do estudo de 2022, em que o modelo escreve as etapas da conta antes do resultado e acerta mais.