O zero-shot prompting serve para pedir à IA tarefas comuns, como resumir, traduzir e classificar mensagens, sem montar exemplos. O dono identifica que o pedido zero-shot não basta rodando o mesmo pedido três vezes em conversas novas: se o formato ou a classificação mudam, falta contexto ou exemplo. Para quem vende por orçamento, é também o formato da pergunta que o cliente faz à IA ao procurar fornecedor.
Resumo com IA
- O zero-shot prompting funciona porque o modelo de linguagem foi ajustado para seguir instruções: no estudo do FLAN, publicado pelo Google em 2021, esse ajuste superou o GPT-3 sem exemplos em 20 de 25 tarefas;
- O zero-shot prompting é o ponto de partida que a central de ajuda da OpenAI recomenda, e o exemplo entra no pedido apenas quando a resposta sem ele não vem certa;
- Um bom prompt zero-shot troca o exemplo que falta por informação: a tarefa, o contexto, o dado de entrada e o formato de saída;
- O zero-shot chain-of-thought acrescenta ao pedido uma frase que manda a IA raciocinar em etapas, e no estudo de Kojima e colegas (NeurIPS 2022) ela elevou o acerto em problemas de aritmética de 17,7% para 78,7%;
- Na Lucas Ferraz SEO, o método Rodada de Citação mede se as IAs indicam uma empresa com um conjunto fixo de perguntas por segmento, em zero-shot e com o texto idêntico entre medições.
Zero-shot prompting é pedir uma tarefa a um modelo de linguagem sem dar nenhum exemplo de resposta no prompt, o pedido enviado à IA, contando só com a instrução e com o que o modelo aprendeu no treinamento. Também grafado zero shot prompting, difere do zero-shot learning, técnica de aprendizado de máquina para categorias ausentes do treino.
Para o dono de uma empresa de serviço, o zero-shot é a forma como ele costuma usar o ChatGPT ou o Gemini no dia a dia e, em geral, a mesma forma como o cliente dele pergunta à IA qual empresa contratar. Um pedido sem exemplo ainda precisa de contexto: a qualidade da resposta depende de o pedido dizer a tarefa, o público e o formato esperado.
Índice
O que caracteriza um prompt zero-shot?
Um prompt zero-shot se caracteriza pela ausência de exemplos resolvidos: o pedido traz a instrução e o dado a tratar, e a IA decide a resposta a partir do que aprendeu. Em uma empresa que recebe mensagens pelo WhatsApp, um pedido zero-shot típico é “classifique a mensagem a seguir como pedido de orçamento, dúvida ou reclamação”, seguido da mensagem do cliente.
Como funciona o zero-shot prompting?
O zero-shot prompting funciona porque o modelo de linguagem de grande porte (LLM) aprende no treinamento a reconhecer tarefas descritas em linguagem comum. Em 2021, pesquisadores do Google mostraram, no estudo do modelo Fine-tuned Language Net (FLAN), que ajustar um modelo para seguir instruções o fez superar o Generative Pre-trained Transformer 3 (GPT-3) sem exemplos em 20 de 25 tarefas avaliadas, ou 80% delas.
Para o dono do negócio, a consequência desse ajuste para seguir instruções, chamado de instruction tuning no estudo, é que as tarefas comuns do escritório, como resumir textos, traduzir, classificar mensagens e rascunhar respostas, costumam sair bem em zero-shot, sem montar exemplo nenhum.
Como o zero-shot se diferencia do one-shot e do few-shot?
O zero-shot se diferencia do one-shot e do few-shot pelo número de exemplos que acompanham a instrução: nenhum no zero-shot, um no one-shot e dois ou mais no few-shot. A instrução pode ser a mesma nos três modos, e cada exemplo acrescentado tende a aproximar a resposta do padrão mostrado.
Na tarefa de separar as mensagens do WhatsApp, os três modos ficam assim:
| Modo | Exemplos no pedido | Quando costuma bastar |
|---|---|---|
| Zero-shot | Nenhum, só a instrução e a mensagem nova | Quando a instrução sozinha já descreve a tarefa, como separar pedido de orçamento de reclamação |
| One-shot | Uma mensagem já classificada antes da nova | Quando basta mostrar uma vez o formato da resposta |
| Few-shot | Uma mensagem classificada de cada tipo | Quando as categorias se confundem ou a resposta precisa repetir um padrão fixo |
O zero-shot é o ponto de partida na rotina de uma empresa de serviço: a agência recomenda começar sem exemplo e acrescentar exemplo apenas na parte da resposta que saiu errada, porque o pedido continua curto e o exemplo entra só onde a instrução sozinha não deu conta da tarefa.
Quando o zero-shot prompting não basta?
O zero-shot prompting não basta quando o formato da resposta é difícil de descrever em palavras, quando as categorias se confundem entre si ou quando a tarefa pede várias etapas de raciocínio, como a conta de um orçamento com desconto e parcelamento. Nessas tarefas, a resposta costuma variar de uma tentativa para outra e errar no detalhe.
O teste que decide se o zero-shot basta é rodar o mesmo pedido três vezes, em conversas novas: se o formato ou a classificação mudam entre as três respostas, o pedido precisa de mais contexto ou de um exemplo.
O que é zero-shot chain-of-thought?
Zero-shot chain-of-thought é acrescentar ao pedido uma frase que manda a IA raciocinar em etapas, sem dar nenhum exemplo resolvido. No estudo de Kojima e colegas, aceito no NeurIPS 2022, a frase “Let’s think step by step” (“vamos pensar passo a passo”, em tradução livre) elevou o acerto de um modelo da OpenAI em problemas de aritmética de 17,7% para 78,7%.
O zero-shot chain-of-thought é a versão sem exemplo do chain-of-thought, a cadeia de pensamento. Para o dono do negócio, o uso direto é pedir que a IA mostre as contas de um orçamento antes do total, para conferir cada etapa antes de enviar ao cliente.
Como escrever um bom prompt zero-shot?
Para escrever um bom prompt zero-shot, ponha no pedido a informação que o exemplo daria: o que fazer, para quem, com que dado e em que formato. A central de ajuda da OpenAI orienta a ser específico sobre contexto, resultado, tamanho, formato e estilo, trocando o pedido de uma descrição curta pelo de um parágrafo de 3 a 5 frases.
Quais são os 4 pilares do prompt perfeito?
Os 4 pilares do prompt perfeito, no critério que a agência usa em pedidos sem exemplo, são a tarefa, o contexto, o dado de entrada e o formato de saída, e cada pilar responde a uma pergunta que a IA não tem como adivinhar sozinha:
- Tarefa: um verbo e o resultado esperado, como “escreva a resposta a este pedido de orçamento”;
- Contexto: quem é a empresa, quem vai ler e em que situação, como “somos uma empresa de reformas em Contagem e o cliente pediu preço pelo WhatsApp”;
- Dado de entrada: o texto a tratar, separado da instrução por aspas ou por três cerquilhas (###), para a IA não misturar os dois;
- Formato de saída: tamanho, estrutura e tom, como “até quatro frases, em tom cordial, sem informar preço”.
Nos pedidos zero-shot que chegam com resposta genérica, o pilar que costuma faltar é o contexto: sem segmento, cidade e tom da empresa, a IA preenche a lacuna com o padrão mais comum que conhece.
Como melhorar um pedido zero-shot fraco?
Para melhorar um pedido zero-shot fraco, some os quatro pilares sem incluir exemplo: a tarefa continua a mesma, mas a IA passa a saber quem responde, para quem, com que limite e em que tamanho. Na mensagem de um cliente que pergunta o preço de um piso, a diferença entre as duas versões fica assim:
- Antes: Responda esta mensagem de cliente. Mensagem: Quanto custa trocar o piso da cozinha?;
- Depois: Escreva a resposta de uma empresa de reformas a um pedido de orçamento recebido pelo WhatsApp. Peça a metragem e uma foto do piso atual e não informe preço. Use até quatro frases, em tom cordial. Mensagem: ### Quanto custa trocar o piso da cozinha? ###.
As duas versões são zero-shot, porque nenhuma traz resposta de exemplo, e a segunda fecha as decisões que a IA tomaria por conta própria, como inventar um preço para um serviço que ainda não tem metragem.
O que o zero-shot prompting muda para quem vende por orçamento?
Para quem vende por orçamento, o zero-shot prompting também descreve a pergunta do cliente: quem procura fornecedor escreve “qual empresa de reforma contratar em Contagem?”, sem exemplo e sem citar marca, e a empresa costuma entrar na resposta apenas quando a IA já a associa àquele serviço e àquela cidade.
Antes de perguntar à IA como cliente, o dono pode conferir se o site está legível para os assistentes no teste de visibilidade em IA, que dá uma nota de 0 a 100 a cinco sinais de leitura da página.
Por que a medição de citação em IA pergunta em zero-shot?
A medição de citação em IA pergunta em zero-shot porque a pergunta sem exemplo, repetida com o texto idêntico, é o que torna duas rodadas comparáveis. Na Lucas Ferraz SEO, o método Rodada de Citação, que mede em ciclos se as IAs indicam uma empresa, usa um conjunto fixo de perguntas por segmento, escritas na voz de quem quer contratar.
Nas medições que conduzo, a pergunta vai em zero-shot, igual à que o cliente digitaria, porque um exemplo no pedido costuma puxar a resposta da IA para o formato e os nomes que eu mostrei.
Lucas Ferraz, especialista em SEO
Quando a dúvida deixa de ser como pedir texto à IA e passa a ser se a IA indica a sua empresa para quem procura o serviço, entra o trabalho de Generative Engine Optimization (GEO). A análise gratuita inclui a checagem de presença da empresa na IA, a agência soma mais de 195 avaliações no Google com nota 5,0, e a resposta ao pedido sai no mesmo dia útil, com proposta em até 48 horas.