⚡ AutomationsAI|Portal de Cursos →

Verificando acesso...

MÓDULO 3.3

🧠 Extração de conhecimento implícito

O dono não sabe explicar o que ele faz. Sua arte é tirar da cabeça dele, transformar em regra explícita e validar com casos novos. Essa é a habilidade que envelhece devagar: o modelo de IA muda, o método não.

Tópicos
6
Duração
~35 min
Nível
Coração
Tipo
Técnica
1

🤔 Por que o dono não sabe explicar

O dono opera 80% no automático. Sabe fazer mas não sabe descrever. Conhecimento tácito é regra aprendida por repetição, não por documentação. Frustrante? Não. É a natureza humana — você muda a técnica e a informação aparece.

💡 Tácito vs explícito

Tácito: "Sei quando o lead é sério, dá pra sentir." → o dono não articula.
Explícito: "Quando ele pergunta prazo de entrega ANTES de pedir desconto, é sério." → regra utilizável.

Seu trabalho é mover a coluna esquerda para a direita.

✓ Mudança de técnica

  • Pergunta caso, não pergunta regra
  • "Última semana, último cliente"
  • Repetição revela padrão
  • Você formula a regra, ele aprova

✗ O que não funciona

  • "Como você qualifica um lead?" (abstrato)
  • "Me explica seu processo de vendas"
  • "Quais critérios você usa?"
  • Esperar que ele formule regra sozinho
Conceito 1
Tácito domina o dia a dia
Conceito 2
Caso > abstração
Conceito 3
Regra emerge de exemplos
2

🎬 "Me conta um caso recente"

A técnica que destrava tudo. Em vez de "como você qualifica um lead?", peça "me conta o último lead que entrou. O que aconteceu passo a passo?". A regra vem narrada, não formulada.

# Estrutura da pergunta-narrativa
→ Âncora temporal: "esta semana", "último mês"
→ Objeto concreto: "o último cliente que pagou"
→ Convite a narrar: "me conta passo a passo"
→ Pergunta de profundidade: "e aí, como você decidiu X?"
# Exemplos prontos
• "Me conta a última proposta que você fechou. Do primeiro contato ao fechamento."
• "Pensa no último cliente que reclamou. Como foi essa conversa?"
• "Última segunda-feira de manhã: descreve o que você fez."
• "O cliente mais difícil do mês — me conta como você lidou."
1

Você pede o caso

"Me conta a última cobrança que você fez esta semana."

2

Ele entra no automático

Esquece que está sendo entrevistado. Narra com detalhes que jamais formularia em abstrato.

3

Você anota o automático dele

Cada decisão narrada é candidata a virar regra do assistente.

💡 Dica prática

Se ele responder genérico ("ah, depende"), insista no caso: "mas pensa num específico, da semana passada". Não solte. A primeira resposta genérica é resistência; o caso vem na segunda tentativa.

Conceito 1
Âncora temporal recente
Conceito 2
Objeto concreto
Conceito 3
Narração > formulação
3

📚 Documentação por exemplos

Um caso é anedota. Três casos é padrão. Cinco casos é regra. Essa é a base do prompt confiável. Colete 3-5 casos do mesmo tipo — o que se repete vira critério.

📊 A regra do 3

Para qualquer processo que você quer transformar em assistente:

  • 3 leads qualificados recentes — para regra de qualificação
  • 3 propostas fechadas recentes — para template de proposta
  • 3 reclamações recentes — para script de resposta
  • 3 cobranças bem-sucedidas — para tom de cobrança

Os casos viram few-shot examples no prompt depois.

📋 Template de coleta de caso

Contexto: Quem é o cliente? Como chegou?
Entrada: O que ele disse/pediu literal?
Análise interna: O que o dono pensou? Em que se baseou?
Ação: O que ele respondeu/fez?
Resultado: O que aconteceu depois?
Observação: O que ele faria diferente?

💡 Padrão emergindo (exemplo: clínica)

Coletei 5 casos de "primeiro atendimento no WhatsApp". Padrão encontrado:

• Em 4 de 5 casos, a dona pergunta convênio ANTES de procedimento
• Em 5 de 5, oferece "horário de avaliação gratuita" se for primeira vez
• Em 3 de 5, sugere dia da semana específico (terça/quinta)
→ Regras emergentes para o bot
Conceito 1
3-5 casos por tipo
Conceito 2
Repetição revela regra
Conceito 3
Casos viram few-shot
4

🧱 Transformar em regras explícitas

"Quando lead pede preço sem dizer projeto, eu sempre pergunto X antes de mandar valor" → vira regra do assistente. Frase do dono = regra do bot. Sem ambiguidade, com SE/ENTÃO.

# Conversão narrativa → regra (atendimento clínica)
Narrativa do dono:
"Quando a pessoa pergunta preço de implante de cara, eu nunca mando valor. Pergunto primeiro se ela já tirou raio-X, porque sem isso o preço varia muito."
→ Regra:
SE: usuário pergunta preço de implante
E: não há menção a raio-X na conversa
ENTÃO: responder pedindo se já tem raio-X recente (< 6 meses)
NÃO ENVIAR valor.
# Outra:
"Convênio Bradesco não cobre cirurgia, então quando vejo Bradesco, já aviso isso."
→ Regra:
SE: usuário cita "Bradesco" como convênio
E: pede informação sobre cirurgia
ENTÃO: informar que Bradesco não cobre cirurgia + listar opções de pagamento

✓ Boa regra

  • Estrutura SE/ENTÃO clara
  • Condição verificável no texto
  • Ação específica, sem "depende"
  • Linguagem literal do dono

✗ Regra ruim

  • "Atender bem o cliente" (vago)
  • "Depende do caso" (sem critério)
  • Múltiplas condições não claras
  • Paráfrase tirando o tom dele

💡 Dica prática

Quando escrever a regra, leia para o dono no formato SE/ENTÃO. Pergunte: "É exatamente assim que você faria?". 50% das vezes ele ajusta um detalhe — esse ajuste é ouro. Ele revela a regra real.

Conceito 1
Se X, então Y
Conceito 2
Frase do dono = literal
Conceito 3
Lista numerada, sem ambiguidade
5

✅ Validar com 3 casos novos

Pegue 3 casos que o dono NÃO usou pra ensinar você. Rode as regras e mostre o resultado. Ele aponta o que está errado, você corrige, fecha o ciclo. Sem validação, o cliente duvida do assistente depois.

1

Selecione 3 casos novos

Pegue do histórico do WhatsApp/email casos que NÃO foram usados para criar as regras. Idealmente recentes.

2

Rode as regras manualmente

Antes de montar o bot, simule no papel: dado este input, a regra dá este output? Compare com o que o dono fez realmente.

3

Mostre os 3 resultados ao dono

"Olha, nesse caso a regra dá X. Você faria assim mesmo?" Ele aprova ou aponta o que está faltando.

4

Ajuste & repita

Quando os 3 baterem, as regras estão maduras. Aí sim viraram prompt no assistente.

📊 Sinal de regra madura

  • • Dono aprova 3 de 3 casos sem ajuste
  • • Quando ele ajusta, a mudança é pequena (palavra, não estrutura)
  • • Ele consegue prever o que a regra vai fazer antes de você mostrar
  • • Equipe da empresa também concorda quando você consulta

⚠️ Não pule esta etapa

Bot que vai pro ar sem validação prévia gera frustração. Cliente percebe na primeira semana, perde confiança, e você vira ladrão de dinheiro na cabeça dele. 15 minutos de validação economizam um mês de retrabalho.

Conceito 1
Casos novos, não treinados
Conceito 2
Dono aprova ou ajusta
Conceito 3
Iteração curta, < 30 min
6

🏗️ Estrutura ideal de prompt

Todo assistente bem feito tem 6 blocos fixos: contexto · objetivo · critérios · regras · exemplos · formato de saída. Sem estrutura, o prompt vira sopa. Com ela, o assistente responde estável.

# Template — Assistente de qualificação (clínica)
# 1. CONTEXTO
Você é o assistente de primeiro atendimento da Clínica Sorriso.
Atende WhatsApp, fala como a Dra. Marina: educada, direta, calorosa.
# 2. OBJETIVO
Qualificar leads novos (convênio? primeira vez? procedimento de interesse?)
e agendar avaliação gratuita quando for primeira vez.
# 3. CRITÉRIOS DE QUALIDADE
- Máximo 2 frases por resposta
- Sempre confirmar entendimento antes de avançar
- Nunca prometer preço sem avaliação
# 4. REGRAS
SE perguntar preço SEM dizer convênio → perguntar convênio antes
SE convênio = Bradesco → avisar que não cobre cirurgia
SE pedir urgência (dor) → encaminhar humano imediatamente
# 5. EXEMPLOS
User: "quanto custa implante?"
Bot: "Pra te dar valor certo, você tem convênio ou é particular?"
# 6. FORMATO DE SAÍDA
Texto direto, sem markdown, sem emoji (a Dra. não usa).
1. Contexto

Quem é o assistente? De qual empresa? Que tom usa?

2. Objetivo

O que ele tem que fazer? Em uma frase clara.

3. Critérios

O que define resposta boa? Tamanho, tom, limites.

4. Regras

SE/ENTÃO específicos. As regras extraídas do dono.

5. Exemplos (few-shot)

Casos reais. Mostrar input + output esperado.

6. Formato de saída

Texto? JSON? Lista? Padronização final.

💡 Dica prática

Documente todo prompt novo nesse formato. Com 6 meses de carteira, você terá biblioteca reaproveitável: troca o contexto/objetivo/regras e o esqueleto se mantém. Velocidade composta.

Conceito 1
6 blocos fixos
Conceito 2
Exemplo > instrução abstrata
Conceito 3
Saída padronizada

📌 Resumo do módulo

Você entende por que o dono não articula regra abstrata — tudo opera no automático tácito.
Você usa "me conta um caso recente" para destravar a narrativa real do processo.
Você coleta 3-5 casos por tipo e extrai padrão por repetição.
Você transforma narrativa em regra SE/ENTÃO com palavras literais do dono.
Você valida com 3 casos novos antes de montar o bot — e monta o prompt em 6 blocos.