Um agente de IA com acesso à tua loja faz o que lhe pedes. O problema é que também faz o que não lhe pediste, quando o pedido deixa espaço para isso: escolhe a coleção que lhe parece, assume que um campo vazio é um erro, ou “corrige” um produto quando só devia listar. A diferença entre um resultado útil e uma tarde a desfazer alterações está na estrutura do pedido.
Um pedido robusto tem seis partes: objetivo, fontes autorizadas, regras, condições de paragem, resultado esperado e verificação. Não precisa de ser longo. Precisa de ser claro em cada uma delas.
Este artigo assume que já tens a IA ligada à loja por um conector, de preferência só com leitura. Se ainda não passaste por aí, vê primeiro como ligar a IA à loja e que permissões dar.
As seis partes do pedido
Objetivo. Uma frase com o que queres obter, não com o que a IA deve fazer pelo caminho. “Auditar o catálogo e listar os produtos com descrição fraca ou SEO incompleto” é um objetivo. “Vê os produtos” não é.
Fontes autorizadas. Onde a IA pode ir buscar informação, e nada mais. Numa auditoria ao catálogo são duas: o catálogo da loja, através do conector do Shopify, e o guia de tom da marca. Tudo o que não está na lista não conta como fonte, o que corta as invenções pela raiz.
Regras. O que a IA não pode fazer e como deve classificar o que encontra. Exemplos: não alterar produtos; não inventar características, materiais ou benefícios não confirmados; distinguir “falta de informação” de “informação fraca”. Esta última regra parece pequena, mas muda a lista final: um produto sem descrição e um produto com uma descrição má são problemas diferentes, com correções diferentes.
Condições de paragem. Quando a IA deve parar e perguntar, em vez de decidir. Por exemplo: se não conseguir aceder a uma coleção, se uma referência aparecer duplicada, se não houver forma de confirmar um dado funcional. É a parte que mais gente esquece, e a que evita decisões tomadas em silêncio.
Resultado esperado. O formato da resposta. Uma lista priorizada de produtos a corrigir, com o motivo de cada um. Se preferes um ficheiro ou uma tabela, diz. Algumas ferramentas devolvem um ficheiro por iniciativa própria; se tens uma preferência, é melhor ficar no pedido.
Verificação. O que a IA deve confirmar no fim e dizer-te: que nenhum produto foi alterado, que critérios usou, e o que precisa de ser revisto por ti. Pedir esta confirmação no próprio pedido dá-te um ponto de controlo sem trabalho extra.
Um exemplo completo, para adaptar
O exemplo abaixo usa uma loja e uma coleção fictícias.
Objetivo: auditar a coleção "Cozinha" da minha loja Shopify e listar os
produtos com descrição fraca ou SEO incompleto.
Fontes autorizadas: o catálogo da loja através do conector Shopify e o guia
de tom da marca que anexo. Não uses outras fontes.
Regras: não alteres nenhum produto. Não inventes características, materiais
ou benefícios que não estejam confirmados no catálogo. Distingue "falta de
informação" (campo vazio) de "informação fraca" (texto existente mas
insuficiente).
Para e pergunta se: não conseguires aceder à coleção; encontrares a mesma
referência em dois produtos; não houver forma de confirmar um dado funcional.
Resultado: uma lista priorizada de produtos a corrigir, com o motivo e o tipo
de problema de cada um.
Verificação: confirma no fim que nenhum produto foi alterado, lista os
critérios que usaste e assinala o que devo rever eu.Repara no que não está lá: não há instruções sobre como a IA deve navegar na loja, nem pedidos para “ser rigorosa”. As regras e as condições de paragem fazem esse trabalho de forma verificável.
Porque limitar a uma coleção
Numa loja com centenas ou milhares de produtos, limita o primeiro pedido a uma coleção principal. A razão é dupla: não gastar tempo e créditos numa primeira passagem, e ter um lote pequeno para validar o método antes de o alargar.
As ferramentas lidam com a ambiguidade de forma diferente: uma pode propor, por iniciativa própria, fazer “um lote piloto primeiro”; outra pode escolher sozinha uma coleção diferente da pretendida. A condição de paragem “pergunta antes de escolher a coleção” evita a segunda situação.
Se a tua loja é pequena, podes auditar tudo de uma vez. Mesmo assim, uma coleção primeiro dá-te a leitura de como a IA interpreta as tuas regras, com pouco a perder.
O que muda quando a IA pode escrever
Tudo o que está acima assume leitura. Quando o pedido envolve alterar a loja, a estrutura mantém-se e duas partes ganham peso.
As regras passam a incluir uma lista explícita do que a IA nunca toca, mesmo estando autorizada a escrever: preços, custos, apagar produtos, apagar coleções. Há erros que não podes sequer imaginar acontecer, e a forma de os evitar é dizê-lo no pedido, além de limitar o conector.
A verificação passa a incluir uma pré-visualização antes de confirmar, e uma amostra depois. Pede à IA para mostrar as alterações propostas antes de as aplicar, e depois de aplicadas confirma dez registos à mão. Se dez estão certos, é razoável assumir que o método funcionou; se um está errado, paras antes de o erro se multiplicar.
De pedido a processo
Um pedido que funciona duas vezes merece ser guardado. A prática que recomendo é transformar os pedidos que se repetem em documentos de procedimento e, quando ficam estáveis, em “skills”: instruções guardadas na ferramenta que a IA aplica sempre que reconhece a tarefa, sem teres de reescrever tudo. O método geral é este: dar contexto, definir fontes, definir regras e limites, delegar, validar e usar o resultado para melhorar o pedido seguinte.
Não precisas de chegar aí no primeiro dia. Começa por guardar o teu pedido de auditoria num documento, anota o que a IA interpretou mal, e corrige as regras. Ao fim de três ou quatro utilizações tens um pedido melhor do que qualquer modelo genérico.
Este artigo foi preparado a partir dos conteúdos da Academia Shopifyers sobre agentes de IA ligados à loja.
