inconsistências com políticas internas. Além disso, existe um cuidado simples que evita confusão e problemas de reputação: não apresentar como humano algo que foi gerado por IA sem deixar isso claro, quando a situação exigir transparência. Os termos de uso da OpenAI trazem orientações que vão nessa linha, reforçando que a responsabilidade de uso é do usuário e que existem limites e regras para evitar uso enganoso ou inadequado.

Para deixar isso didático, pense em três “zonas” de uso no dia a dia. Na zona verde, ficam tarefas de baixo risco: reescrever um e-mail, ajustar tom, criar um resumo de uma ata, listar ideias para uma campanha, organizar um passo a passo de processo já conhecido, criar uma checklist de verificação. Na zona amarela, ficam tarefas que exigem validação ativa: comparar opções de estratégia, sugerir respostas para objeções comerciais, montar um texto com dados (porque dados podem estar errados), criar recomendações com números, escrever comunicados sensíveis. E na zona vermelha, ficam usos que você não deve fazer desse jeito: colocar dados confidenciais, pedir para “inventar” evidências, produzir conteúdo que pareça um parecer jurídico/contábil “final”, ou usar a resposta como base para decisão crítica sem revisão.

Uma maneira humana de explicar isso para iniciantes é: o ChatGPT é ótimo em linguagem e fraco em garantia. Ele escreve bem, mas não promete estar certo. Então o seu processo de trabalho precisa incluir uma etapa curta de controle de qualidade. Algo como: “Ok, tenho um rascunho. Agora eu vou: (1) checar fatos, (2) remover promessas, (3) adaptar para a realidade do cliente, (4) garantir que o tom é o meu.” Esse hábito separa o uso profissional do uso ingênuo.

É por isso que empresas que obtiveram resultado real com IA tendem a colocar o ChatGPT em papéis que amplificam o humano, em vez de “substituir pensamento”. Em atendimento, por exemplo, a ferramenta pode ajudar a reduzir tempo de resposta quando existe um processo e limites claros. A Klarna divulgou que seu assistente de IA lidou com grande parte dos chats de atendimento em seu primeiro mês, com ganhos de eficiência — mas o valor está justamente em tratar a IA como parte do fluxo, não como “verdade absoluta”.

No fim das contas, a expectativa realista para iniciantes é esta: você vai usar o ChatGPT para fazer melhor e mais rápido aquilo que você já sabe fazer, principalmente nas etapas de rascunho, organização e comunicação. E você vai criar um hábito de revisão curta

para evitar erros “bonitos”, mas perigosos. O ganho de produtividade vem menos do “texto perfeito” e mais do método: pedir bem, iterar, revisar e publicar com responsabilidade. Se você fizer isso, o ChatGPT vira uma ferramenta que reduz atrito — e não um risco escondido no seu processo.

Referências bibliográficas

• OPENAI. Terms of Use (Row). OpenAI, versão publicada no site oficial (consultado em 26 fev. 2026).
• OPENAI. Usage Policies. OpenAI, versão publicada no site oficial (consultado em 26 fev. 2026).
• KLARNA. Klarna AI assistant handles two-thirds of customer service chats in its first month. Klarna – Press Release, 27 fev. 2024 (consultado em 26 fev. 2026).
• PR NEWSWIRE. Klarna AI assistant handles two-thirds of customer service chats in its first month. PR Newswire, 27 fev. 2024 (consultado em 26 fev. 2026).

Módulo 1 – Aula 1.2: O prompt básico que funciona (e por que ele funciona)

Se você já abriu o ChatGPT e escreveu algo como “faz um e-mail para um cliente” e recebeu um texto bonitinho, mas genérico, você acabou de descobrir a regra número um desta aula: o ChatGPT não lê sua mente. Ele trabalha com o que você coloca na conversa. Quando o pedido vem vazio, ele preenche as lacunas com “padrões” — e padrão, em negócios, costuma significar: sem a sua voz, sem o seu contexto e, às vezes, com riscos escondidos (promessas indevidas, tom errado, detalhes inventados). A boa notícia é que isso não é um problema “da ferramenta”; é um problema de instrução. E instrução dá para aprender.

A maioria das pessoas acham que “prompt bom” é um texto longo e cheio de firula. Não é. Um prompt bom é um briefing curto e claro, como você faria com um colega competente que precisa entregar algo ainda hoje. Na prática, você quer dar quatro coisas: Contexto, Tarefa, Formato e Critérios. Quando essas peças aparecem, a qualidade sobe de forma previsível, porque o modelo consegue seguir instruções de maneira mais literal e consistente quando você é específico. Essa orientação aparece nas próprias recomendações da OpenAI: ser claro, específico e dar contexto/exemplos melhora muito o resultado.

Vamos traduzir isso para o jeito humano de trabalhar. Imagine que você pede para alguém do seu time: “faz um relatório”. A pessoa vai responder: “de quê? para quem? com qual objetivo? em que formato? com quais dados?”. O prompt básico bem feito já embute essas respostas. E isso vale para qualquer tarefa: e-mail, proposta, resumo de

reunião, texto de anúncio, roteiro de atendimento, FAQ, política interna. Em vez de “faz X”, você faz um pedido que contenha: quem você é, o que você quer, como deve vir a entrega e o que é proibido ou obrigatório.

Um modelo simples (que funciona muito bem para iniciantes) é este, em linguagem natural mesmo:

1) Contexto: quem é você, qual é o cenário e quem vai ler.
2) Tarefa: o que exatamente você quer que seja produzido.
3) Formato: como você quer receber (tópicos, tabela, passo a passo, e-mail curto).
4) Critérios: tom, tamanho, restrições, informações que não podem faltar, palavras que devem ser evitadas.

Perceba que isso não é “mágica de IA”. É o básico do mundo real: briefing. A diferença é que, com o ChatGPT, se você não fizer briefing, ele não tem como buscar o que você não deu. As orientações da OpenAI e da Microsoft para construção de prompts seguem essa linha: especificar contexto, instrução clara, formato e restrições tende a reduzir ambiguidade e melhorar consistência.

Agora vem a parte que muda o jogo: critério é mais importante que criatividade. Um prompt com critério diz o que é “bom” e o que é “ruim”. Por exemplo: “tom direto, sem jargão, sem prometer prazo, no máximo 120 palavras, incluir próximos passos”. Isso é ouro, porque faz o ChatGPT parar de “enfeitar” e começar a obedecer. E quando você precisa de algo mais confiável (menos “textão”), o formato ajuda muito: pedir tabela, checklist, ou bullets força a resposta a ficar mais objetiva.

Vamos a um exemplo bem comum no trabalho: e-mail de follow-up para cliente.

Em vez de:
“Escreva um e-mail para o cliente.”

Você pode usar algo assim (curto, mas completo):
“Sou analista comercial. Preciso enviar um follow-up para um cliente que pediu proposta na semana passada e ainda não respondeu. O objetivo é retomar a conversa sem ser insistente. Escreva um e-mail com: (1) saudação, (2) lembrete objetivo do que foi enviado, (3) uma pergunta simples para avançar, (4) fechamento cordial. Tom: profissional e humano, sem pressão. Máx. 120 palavras. Evite frases genéricas como ‘espero que esteja bem’.”

Repare como você “amarrou” a resposta: contexto (analista), situação (proposta enviada), objetivo (retomar), formato (quatro partes), critérios (tom, tamanho, o que evitar). O resultado tende a ficar melhor não porque o modelo ficou “mais inteligente”, mas porque você deixou menos espaço para ele inventar um caminho.

Outro uso prático, muito frequente, é resumo de reunião. Aqui entra um detalhe

que iniciantes ignoram: o ChatGPT é excelente em organizar texto, mas você precisa entregar a matéria-prima. Você cola as anotações (ou os pontos principais) e pede um resumo com decisões e próximos passos. Se você não tiver as anotações, ele vai “criar” um resumo do nada — e aí você mesmo plantou a semente do erro. Uma forma segura de pedir é:

“Vou colar abaixo minhas anotações de uma reunião. Transforme em uma ata objetiva com: decisões, pendências, responsáveis e prazos (se existirem nas notas). Se algum dado não estiver presente, marque como ‘não informado’ em vez de inventar.”

Esse tipo de instrução (“se não souber, diga que não sabe”) é uma prática simples que reduz alucinações e deixa a resposta mais confiável. E isso conversa com uma preocupação maior de risco em IA generativa: gerenciar confiabilidade e reduzir erros no uso real, tema que aparece em materiais de gestão de risco como os do NIST.

Uma terceira peça importante desta aula é aprender a iterar sem se perder. Muita gente acha que precisa acertar o prompt perfeito de primeira. Não precisa. Pense como uma conversa de trabalho: você pede uma versão 1, dá feedback, pede ajustes. O segredo é dar feedback do tipo certo. Em vez de “ficou ruim”, diga o que deve mudar: “encurte”, “tire adjetivos”, “mais direto”, “inclua um exemplo”, “troque o tom para mais consultivo”, “remova qualquer promessa”, “crie três opções e recomende a melhor”. Essa prática de refinar instruções é coerente com as recomendações oficiais de prompting: clareza, decomposição e exemplos tornam o comportamento mais previsível.

Também vale entender um conceito simples: papéis. Em várias orientações técnicas, aparece a ideia de separar “instruções gerais” (tom, estilo, função) de “tarefa específica” (o que fazer agora). Em sala, você pode ensinar isso sem tecnicismo: “primeiro eu digo quem você vai ser nesta tarefa; depois eu digo o que você vai fazer”. A própria documentação de prompting da OpenAI recomenda colocar orientações gerais de tom/função em um bloco de instruções e manter detalhes da tarefa e exemplos de forma organizada.

Para fechar, vamos transformar a aula em habilidade. Um iniciante não precisa decorar teoria; precisa sair com um “jeito” de pedir. Então, a regra prática desta aula é:

·   Se a resposta veio genérica, faltou contexto.

·    Se a resposta veio longa demais, faltou limite e formato.

·   Se a resposta veio “bonita” mas arriscada, faltou critério e aviso de não inventar.

·   Se a resposta veio

a resposta veio errada, você precisa dar dados e mandar apontar lacunas.

Você vai notar que, em negócios, o melhor uso do ChatGPT não é “me dê a resposta final”, e sim “me ajude a construir um rascunho bom e revisável”. Quando você domina esse prompt básico, o ChatGPT vira uma ferramenta de trabalho de verdade: acelera o que já é seu, sem tomar o controle do que não deveria.

Referências bibliográficas

·    OPENAI. Guia de prompting (documentação e guias oficiais de prompting da OpenAI). OpenAI, versão consultada em 26 fev. 2026.

·  OPENAI. Guia de prompting do Cookbook (boas práticas de instruções claras, contexto, exemplos e estrutura de prompt). OpenAI, versão consultada em 26 fev. 2026.

·   MICROSOFT. Técnicas de engenharia de prompts (Azure OpenAI / Microsoft Learn). Microsoft, versão consultada em 26 fev. 2026.

·  NIST – Instituto Nacional de Padrões e Tecnologia (EUA). Perfil de IA generativa para o Gerenciamento de Riscos em IA (NIST AI 600-1). NIST, versão consultada em 26 fev. 2026.

Aula 1.3 — Segurança e ética no básico: o que não colocar no chat + revisão humana

Quando falamos em “usar ChatGPT no trabalho”, é fácil cair numa conversa meio abstrata sobre tecnologia. Só que, na prática, a aula 1.3 é sobre uma coisa bem concreta: você está lidando com informação. E informação, em negócios, tem dono, tem contexto, tem risco e, muitas vezes, tem dados pessoais. Então, antes de você “aprender mais prompts”, você precisa aprender a regra que evita a maior parte das dores de cabeça: nem tudo que é útil para você escrever é apropriado para você enviar para uma IA. Isso vale especialmente quando você está com pressa — porque pressa é o cenário perfeito para mandar sem pensar aquilo que não deveria ter saído do seu computador.

Vamos começar pelo que mais derruba iniciantes: a ideia de que “se eu não estou colocando uma senha, está tudo bem”. Não é assim. Há um universo de informações que, mesmo sem parecer “segredo”, pode causar problema: nome completo de cliente, telefone, e-mail, CPF, endereço, número de contrato, valores de proposta, detalhes de negociação, informações internas de processo, dados de funcionários, reclamações de atendimento, prints de sistema, relatórios. Pela LGPD, dado pessoal é qualquer informação relacionada a pessoa natural identificada ou identificável — ou seja, “não precisa ser CPF” para virar dado pessoal. A lei se aplica a tratamento de dados pessoais por pessoa física ou jurídica, inclusive nos meios digitais.

é qualquer informação relacionada a pessoa natural identificada ou identificável — ou seja, “não precisa ser CPF” para virar dado pessoal. A lei se aplica a tratamento de dados pessoais por pessoa física ou jurídica, inclusive nos meios digitais.

Aqui entra a pergunta que todo mundo deveria fazer antes de colar qualquer coisa no chat: “Se isso vazasse, daria problema?” Se a resposta for “sim” ou “talvez”, você não cola. Você anonimiza. E anonimizar não é só trocar o nome da pessoa por “Cliente X” e deixar o resto inteiro. É remover ou generalizar o que identifica: cidade, cargo muito específico, números de pedido, datas exatas, valores raros, links internos, nomes de sistemas, qualquer coisa que permita identificar. A forma didática de ensinar isso é como se você estivesse preparando um caso para uma sala de aula: o objetivo é manter a essência do problema, não a identidade das pessoas.

Um jeito simples (e muito prático) de anonimizar é criar uma “versão limpa” do texto antes de pedir ajuda. Por exemplo, em atendimento: em vez de colar a conversa inteira, você pode reescrever assim: “Cliente pessoa física, produto X, reclamação sobre prazo, tom irritado, quer cancelamento. Quero uma resposta empática, objetiva, oferecendo solução dentro da política.” Você preserva o contexto necessário e tira o que não precisa estar ali. Isso é maturidade profissional: não é paranoia, é higiene de informação.

A segunda armadilha é ética, mas também é reputacional e comercial: usar o ChatGPT para escrever algo que você não revisa e que sai com a sua assinatura. O problema não é “usar IA”; o problema é terceirizar responsabilidade. A ferramenta pode escrever um texto que parece excelente e ainda assim estar errado, exagerado, prometendo demais ou omisso. E em negócios, texto não é só “texto”: ele vira compromisso, evidência, expectativa. É por isso que, nesta aula, a revisão humana não é um detalhe — é o núcleo. Você precisa adotar um hábito rápido de revisão: checar fatos, remover qualquer promessa que você não pode cumprir, ajustar tom e garantir que o texto representa o que a empresa realmente faz.

Nessa mesma linha, existe um cuidado que muita gente ignora: não enganar o leitor. Dependendo do contexto, apresentar um texto como “totalmente humano” quando foi gerado por IA pode gerar desconfiança e desgaste (principalmente em documentos sensíveis, comunicação institucional e materiais com responsabilidade técnica). Os próprios termos de uso da OpenAI apontam limites

ependendo do contexto, apresentar um texto como “totalmente humano” quando foi gerado por IA pode gerar desconfiança e desgaste (principalmente em documentos sensíveis, comunicação institucional e materiais com responsabilidade técnica). Os próprios termos de uso da OpenAI apontam limites e proíbem usos enganosos e condutas que causem dano ou violem regras. O objetivo aqui não é transformar tudo em um aviso gigante de IA — é ensinar bom senso: se a situação exige transparência, seja transparente; e, em qualquer caso, assuma que você é o autor responsável pela versão final.

Agora, vamos para um ponto que parece “chato”, mas é onde nascem problemas legais de verdade: dados pessoais e conformidade. Se você trabalha com leads, alunos, clientes ou colaboradores, você provavelmente está lidando com dados pessoais o tempo todo. A LGPD existe justamente para disciplinar esse tratamento, pedindo finalidade, necessidade, segurança e respeito aos direitos do titular. Em uma aula introdutória, o que o aluno precisa guardar é: “eu só uso dados pessoais quando eu preciso; eu não espalho dados; eu protejo acesso; eu registro o mínimo; e eu sei para que estou usando”. E se a pessoa está dentro de uma empresa, isso se conecta com políticas internas e com o papel de controlador/operador — tema que a ANPD trata em materiais orientativos.

Também é importante falar de ética de um jeito realista: não é só “ser bonzinho”. Ética no uso de IA é, muitas vezes, não usar a ferramenta como atalho para práticas ruins. Por exemplo: “invente dados”, “crie evidências”, “escreva como se eu tivesse feito algo que eu não fiz”, “faça um parecer jurídico final”. Isso é pedir para dar errado. O curso deve ensinar que a IA é boa para rascunhar e organizar — e que decisões, pareceres e comunicações de alto impacto precisam de validação, fonte e, quando necessário, especialista.

E tem mais: mesmo quando você não está lidando com dados sensíveis, você pode estar lidando com viés. Modelos podem reforçar estereótipos, sugerir abordagens inadequadas ou produzir linguagem que não combina com inclusão e diversidade. Em negócios, isso vira risco de imagem e de cultura. A postura certa é: sempre que o texto for sobre pessoas (seleção, feedback, reclamações, atendimento difícil), você pede ao ChatGPT para apontar vieses potenciais e sugerir uma versão mais neutra e respeitosa. Isso torna o uso mais seguro, mais humano e, ironicamente, mais “profissional”.

Por fim, vale deixar um recado didático que

funciona muito bem com iniciantes: o ChatGPT é uma ferramenta de escrita e raciocínio assistido — não é um cofre e não é um juiz. Ele ajuda você a pensar e comunicar melhor, mas não substitui responsabilidade, políticas e bom senso. Se você ensinar duas coisas nesta aula e o aluno realmente internalizar, já valeu: (1) “não colo informações sensíveis; eu anonimizo”, e (2) “eu sempre reviso e assumo o texto final”. Isso reduz drasticamente risco e aumenta a qualidade do uso no dia a dia.

Referências bibliográficas

• BRASIL. Lei nº 13.709, de 14 de agosto de 2018 (Lei Geral de Proteção de Dados Pessoais – LGPD). Diário Oficial da União; versão compilada disponível no Portal da Legislação/Planalto. Consultado em 26 fev. 2026.
• SENADO FEDERAL. Lei Geral de Proteção de Dados Pessoais: Lei nº 13.709/2018 (publicação institucional). Senado Federal, Coordenação de Edições Técnicas. Consultado em 26 fev. 2026.
• AGÊNCIA NACIONAL DE PROTEÇÃO DE DADOS (ANPD). Guia orientativo sobre agentes de tratamento e encarregado (notícia institucional e materiais orientativos). Governo Federal. Consultado em 26 fev. 2026.
• OPENAI. Termos de Uso (Terms of Use – versão internacional/ROW). OpenAI. Consultado em 26 fev. 2026.
• OPENAI. Diretrizes de marca (Brand Guidelines / Design Guidelines). OpenAI. Consultado em 26 fev. 2026.

Estudo de caso do Módulo 1 — “A semana em que o ChatGPT quase virou problema”

Na segunda-feira de manhã, a Camila (comercial) chega animada: “Agora vai. Vou usar ChatGPT pra acelerar tudo.” Ela está atrasada com follow-ups, tem uma proposta grande parada e o gerente pediu um e-mail “curto e firme” para destravar a negociação. Em cinco minutos ela abre o ChatGPT e digita, sem pensar muito: “Escreva um e-mail para o cliente cobrando retorno da proposta.” O texto vem pronto, educado, bonito… e completamente genérico. Pior: inclui uma frase do tipo “garantimos entrega em 7 dias” — coisa que a empresa não garante.

Camila quase envia assim mesmo. Não por má-fé. Por pressa e porque o texto “parece profissional”. Esse é o Erro 1 do módulo: confundir boa escrita com verdade. Modelos generativos podem soar convincentes mesmo quando preenchem lacunas com suposições. É um risco reconhecido em discussões de gestão de risco para IA generativa, que tratam de falhas como conteúdo incorreto ou não confiável e a necessidade de controles.

Ela respira e lembra do combinado da equipe: “IA é rascunho,

não é envio”. Volta para a conversa e faz do jeito certo:

• Contexto: “Sou analista comercial. Cliente pediu proposta há 7 dias.”
• Tarefa: “Quero retomar a conversa sem pressionar.”
• Formato: “E-mail curto com 4 blocos.”
• Critérios: “Sem prometer prazo, tom humano, máximo 110 palavras, terminar com uma pergunta simples.”

O resultado melhora na hora. Só essa mudança evita o vício mais comum: pedir “qualquer coisa” e receber “qualquer coisa”.

Terça-feira: o “prompt mágico” que virou retrabalho

Na terça, o Rafael (marketing) quer criar uma sequência de posts para uma campanha. Ele pede: “Crie 10 posts para Instagram sobre nosso produto.” Sai uma lista enorme, cheia de frases genéricas (“transforme sua rotina”, “soluções inovadoras”) e com promessas que o produto não cumpre. A equipe ri, mas o problema é real: aquilo não serve e ainda pode virar publicidade enganosa se for para o ar sem revisão.

O que faltou não foi “criatividade”. Faltou briefing. Ele refaz com 6 linhas:

• Público-alvo (quem é)
• Oferta (o que vende)
• Prova (qual evidência real existe)
• Tom (como fala)
• Restrições (o que não pode prometer)
• CTA (o próximo passo)

E adiciona uma frase que parece simples, mas muda tudo:
“Se alguma informação estiver faltando, faça perguntas antes de escrever.”

O ChatGPT para e pergunta o que precisa (provas, diferenciais, condições). A campanha sai mais enxuta e mais segura.

Lição da Aula 1.2: prompt bom é “briefing de colega”, não ritual. Estruture: Contexto → Tarefa → Formato → Critérios.

Quarta-feira: o maior erro — colar coisa que não deveria

Na quarta, explode um atendimento complicado. A Juliana (suporte) quer responder um cliente irritado e, para “ganhar tempo”, copia e cola a conversa inteira no chat: nome completo, telefone, número do pedido, endereço, e um print do sistema com mais dados. Ela não percebe, mas acabou de fazer o Erro 2 mais perigoso do módulo: tratar o chat como se fosse um bloco de notas interno.

Mesmo sem entrar em detalhes técnicos, o ponto é direto: dado pessoal é dado pessoal, e a LGPD define tratamento de dados pessoais e se aplica ao ambiente digital.
Ou seja: “eu só queria ajuda para escrever” não é desculpa para expor informação identificável.

A supervisora corta na hora e ensina o procedimento que vira padrão da empresa:

1.     Não cole dados identificáveis.

2.     Anonimize: “Cliente A”, “Pedido B”, “Cidade X”.

3.     Resuma a situação em vez de colar tudo.

4.

     Peça resposta com limites: “sem admitir culpa, sem prometer exceção, oferecer alternativas previstas na política”.

A Juliana refaz: “Cliente A está irritado com prazo; quer cancelamento; política prevê X e Y; tom deve ser empático e objetivo.” A resposta fica ótima e, mais importante, ela aprendeu o que realmente vale: higiene de informação.

Lição da Aula 1.3: se “vazasse”, daria problema? Então não entra. Anonimize sempre.

Quinta-feira: o risco invisível — parecer “curso oficial” e confundir marca

Na quinta, a equipe pedagógica (sim, vocês) começa a desenhar a divulgação do curso e alguém sugere um banner: “Curso Oficial ChatGPT” com um logo parecido e frases como “certificação”. Isso é pedir para tomar notificação, reclamação e desgaste. Diretrizes de marca da OpenAI existem justamente para evitar confusão de endosso e uso indevido de marca.

O ajuste correto é simples e bem mais seguro:

• “Curso livre: Introdução ao uso do ChatGPT em Negócios”
• Aviso claro: “Curso independente, não afiliado, não endossado pela OpenAI.”
• Nada de logo da OpenAI se você não tem permissão.

Lição extra (conecta com o módulo 1): transparência evita dor de cabeça. Você não precisa “parecer oficial” para vender bem; precisa parecer sério.

O que deu errado (e como evitar) — mapa do Módulo 1

Erro comum 1: tratar o ChatGPT como “fonte da verdade”.
Como evitar: use como copiloto; peça rascunhos; revise; peça para listar dúvidas e suposições; valide fatos. Risco e necessidade de controles aparecem em guias de gestão de risco de IA generativa.

Erro comum 2: pedir genérico e esperar resposta específica.
Como evitar: sempre usar Contexto → Tarefa → Formato → Critérios. Se faltar dado, mande o modelo perguntar antes de escrever.

Erro comum 3: colar dados pessoais/confidenciais.
Como evitar: anonimização e resumo; LGPD se aplica ao tratamento de dados pessoais em meios digitais.

Erro comum 4: divulgar como se fosse “oficial” ou usar marca de forma confusa.
Como evitar: linguagem de independência e respeito às diretrizes de marca.

Mini roteiro prático

Escolha uma situação real do trabalho e aplique estas 3 perguntas:

1.     Isso tem dado pessoal ou informação sensível?

o    Se sim, anonimize antes. (LGPD)

2.     Meu pedido tem contexto suficiente?

o    Se não, escreva 4 linhas (Contexto/Tarefa/Formato/Critérios).

3.     Eu enviaria isso sem ler?

o    Se a resposta for “sim”, você está usando errado. IA é rascunho.

Referências bibliográficas

• BRASIL. Lei nº 13.709, de 14 de agosto de 2018 (Lei Geral de Proteção de Dados Pessoais – LGPD). Planalto. Versão consultada em 26 fev. 2026.
• NIST – Instituto Nacional de Padrões e Tecnologia (EUA). Perfil de IA generativa para o Gerenciamento de Riscos em IA (NIST AI 600-1). NIST, 2024. Consultado em 26 fev. 2026.
• OPENAI. Diretrizes de marca (OpenAI Brand Guidelines / OpenAI Design — versão em português). OpenAI. Consultado em 26 fev. 2026.
• OPENAI. Diretrizes de marca (OpenAI Brand Guidelines / OpenAI Design — versão global). OpenAI. Consultado em 26 fev. 2026.