Ronaldo Lemos: Prompts Morrem, IA Opera Agora em ‘Loops’ e ‘Graphs’
A forma como interagimos com a Inteligência Artificial (IA) está passando por uma transformação fundamental. O renomado tecnólogo e colunista da Folha de S.Paulo, Ronaldo Lemos, declarou que o conceito de ‘prompt’ como o conhecemos está ‘morto’, sendo substituído por abordagens mais sofisticadas: os ‘loops’ e ‘graphs’ (grafos). Em sua coluna publicada em 30 de agosto de 2026, Lemos descreve essa evolução como um salto na autonomia e complexidade dos sistemas de IA, onde agentes aprendem e se reorganizam em ciclos contínuos, interligados em redes dinâmicas.
Essa mudança representa uma virada significativa na engenharia de IA, afastando-se da mera formulação de comandos únicos para a construção de arquiteturas que permitem que os modelos planejem, executem, observem e revisem suas próprias ações de forma iterativa e colaborativa.
A Transição do Prompt para a Autonomia da IA
Por muito tempo, a ‘engenharia de prompt’ foi a habilidade central para extrair o melhor dos modelos de linguagem. Profissionais dedicavam-se a criar instruções precisas e detalhadas, atuando como planejadores, supervisores e editores de cada interação. No entanto, a rápida evolução da IA tornou essa abordagem menos eficiente. Os modelos atuais demonstram uma capacidade aprimorada de compreensão de raciocínio e intenção, diminuindo a necessidade de prompts excessivamente específicos.
Além disso, o foco migrou para o ‘engenharia de contexto’, onde a qualidade dos dados fornecidos ao modelo em tempo real e a otimização do uso de tokens se tornaram mais relevantes do que a fraseologia exata do prompt. A ascensão da IA ‘agentic’ – sistemas que recebem um objetivo de alto nível e o desdobram em subtarefas, utilizando ferramentas e se autocorrigenndo – relegou o prompt a ser apenas o ponto de partida, não a corrida inteira.
O Fim da Profissão de ‘Engenheiro de Prompt’ Pura
A percepção de que o ‘engenheiro de prompt’ como uma função independente está perdendo espaço é amplamente discutida. Embora a habilidade de formular bons comandos continue útil, ela é cada vez mais vista como parte de uma competência mais ampla: a integração da inteligência artificial aos processos de trabalho. Ferramentas de otimização automatizada, como frameworks que escrevem e otimizam instruções com base em dados, também contribuem para a obsolescência do ajuste manual de prompts.
Veja também:
Loops: Ciclos de Aprendizagem e Reorganização
Ronaldo Lemos define ‘loops’ como um trabalho realizado por agentes de IA que aprendem e se reorganizam a cada ciclo. Essa abordagem, conhecida como ‘engenharia de loop’, emergiu no final de 2025 e ganhou destaque em meados de 2026. Em vez de uma única interação de prompt-resposta, os loops envolvem um ciclo contínuo de: planejar, agir, observar e tentar novamente.
Esses ciclos permitem que os agentes de IA trabalhem em direção à conclusão de uma tarefa com menos intervenção manual, tornando-se sistemas de ‘instruções autoperpetuadoras’. Um loop é, essencialmente, um ciclo de melhoria contínua, onde a IA mede um resultado, ajusta suas ações e repete o processo até atingir um objetivo ou uma condição de parada.
- Planejar: O agente define as próximas etapas com base no objetivo.
- Agir: O agente executa as ações planejadas, utilizando ferramentas e recursos.
- Observar: O agente avalia os resultados de suas ações.
- Rever/Tentar Novamente: Com base na observação, o agente ajusta sua estratégia e repete o ciclo se necessário.
Graphs: Redes de Loops Interconectados
A evolução natural dos loops são os ‘graphs’ (grafos), que Lemos descreve como o conjunto de loops que interagem entre si. A ‘engenharia de grafos’ surgiu em julho de 2026, rompendo com a natureza sequencial dos loops para permitir que múltiplas etapas sejam executadas em paralelo. Em um sistema de grafo, o feedback é roteado por caminhos específicos, e não necessariamente por todo o sistema, o que otimiza a complexidade e a eficiência.
Um grafo é uma rede de loops interligados, onde as conexões entre eles carregam a inteligência. Ele permite a organização de múltiplos agentes, cada um potencialmente executando seus próprios loops, e a gestão e revisão de metas em um nível superior. Enquanto um loop é focado em uma única tarefa ou ciclo de melhoria, um grafo é projetado para lidar com problemas mais complexos que exigem especialização, paralelismo real ou um fluxo de controle auditável.
Arquitetura de Grafos para Agentes de IA
Em sistemas de produção, operam-se tipicamente dois tipos de grafos simultaneamente:
- Grafo de Organização (Org Graph): Estável e de longa duração, define quem faz o quê, atribuindo papéis e acumulando contexto ao longo do tempo.
- Grafo de Trabalho (Work Graph): Efêmero e específico para cada tarefa, com nós que existem apenas enquanto o trabalho está em andamento, permitindo caminhos paralelos, fusões e cancelamentos conforme a evidência se desenvolve.
Desdobramentos e o Papel Humano na Nova Era da IA
A transição de prompts para loops e grafos não significa que os prompts desaparecerão completamente. Pelo contrário, eles se tornam a base para a construção dos loops, que por sua vez formam os grafos. Trata-se de uma hierarquia de controle: um prompt controla uma resposta, um loop controla o ciclo de comportamento de um agente, e um grafo controla a organização de múltiplos agentes.
Apesar da crescente autonomia da IA, o papel humano permanece insubstituível em um aspecto crucial: a definição do que significa ‘melhor’. Ronaldo Lemos e outros especialistas enfatizam que o julgamento sobre os objetivos e a direção final dos sistemas de IA ainda deve vir de seres humanos, que compreendem o contexto e as implicações do mundo real. A arquitetura dos sistemas de IA está se tornando mais complexa, mas a inteligência para definir o propósito e os valores continua sendo uma prerrogativa humana.
Essa evolução marca uma nova fase na interação homem-máquina, onde a IA se move de uma ferramenta de comando direto para um parceiro que ‘co-pensa’, remodelando o design, o aprendizado e a criação em diversas áreas.