Dívida de Prompt: Como Prompts Ajustados à Mão Prendem Você a um Modelo Morrendo

Formule dez perguntas médicas na voz de um paciente e o Claude Opus recusou todas. Reformule os mesmos fatos na voz de um médico e ele respondeu as dez. Os pesos do modelo não mudaram. As palavras ao redor deles mudaram. Essa única inversão, de um estudo que David Breunig cita em seu ensaio de junho, é o problema inteiro com a forma como a maioria dos times especifica o comportamento de agentes: eles escrevem em prosa, e prosa está presa ao modelo que por acaso estava rodando quando foi escrita.

David Breunig deu ao custo um nome que vale guardar: dívida de prompt. É o passivo acumulado de especificar comportamento em linguagem natural. Cada exceção que você remenda com mais uma frase, cada recusa que você contorna com um fraseado mais suave, cada cláusula de “sempre faça X a menos que Y” deixa o prompt mais longo, mais difícil de um colega ler e mais fortemente acoplado às idiossincrasias de um modelo. A dívida é invisível no dia em que você a escreve. Ela vence no dia em que você tenta fazer upgrade.

O Que a Dívida de Prompt Realmente É

Um prompt começa limpo. Um parágrafo, uma tarefa. Aí a produção acontece. O agente lida mal com uma nota fiscal incomum, então alguém adiciona uma cláusula. Ele recusa um pedido legítimo, então alguém adiciona uma exceção. Ele alucina um nome de campo, então alguém adiciona um aviso em negrito. Seis meses depois o prompt tem dois mil tokens de casos especiais acumulados, e ninguém no time consegue dizer qual frase sustenta o comportamento e qual é vestigial. Mude uma linha e três comportamentos se deslocam de formas que ninguém previu.

Isso é dívida técnica por qualquer definição honesta. Fragmenta o time, porque o prompt vira um artefato privado que só seu último editor entende. Resiste à refatoração, porque não há teste que diga se uma reescrita preservou o comportamento. E tem uma propriedade que a dívida comum de código não tem: está soldada a um conjunto específico de pesos do modelo.

A Prosa Está Soldada aos Pesos

Os estudos que Breunig cita tornam o acoplamento concreto, e são citáveis de forma independente, então você não precisa acreditar no comentário por fé.

O resultado paciente-versus-médico (arxiv 2604.07709) é o mais limpo. Os mesmos fatos clínicos, dois enquadramentos, desfechos opostos: dez recusas viraram dez respostas. O comportamento que o autor do prompt queria morava no fraseado, não em nenhuma propriedade estável do modelo.

Um grupo de Harvard foi além (arxiv 2407.06866v3). Eles mostraram que afirmações sem nenhuma relação lógica com o pedido, uma preferência declarada por um time de esporte, por exemplo, alteravam com que frequência o modelo recusava. A fronteira de decisão contra a qual o autor do prompt está implicitamente ajustando é sensível a ruído que nada tem a ver com a tarefa. Você não está escrevendo uma especificação. Está ajustando uma curva à superfície de um modelo, à mão, uma frase por vez.

Quando o próximo modelo chega, essa superfície se move. Os fraseados que você ajustou contra os pesos antigos agora aterrissam de outro jeito. Recusas reaparecem. Casos especiais que você achava ter fechado reabrem. O prompt que funcionava na sexta produz comportamento diferente no novo modelo na segunda, e você não tem nenhuma medição que diga o que quebrou ou em quanto.

Por Que Empresas Congelam em um Ativo que Deprecia

Então elas fazem a coisa racional de curto prazo: param de fazer upgrade. Uma análise de Berkeley que Breunig aponta (arxiv 2512.04123) documenta empresas se agarrando a modelos mais antigos especificamente porque upgrades quebram seus agentes. A evidência aparece no agregado. À época do relatório State of AI Engineering da Datadog (março de 2026), o GPT-4o ainda era o modelo mais usado em produção, muito depois de opções mais novas e mais fortes estarem disponíveis.

Leia isso como um fato de balanço. A organização acumulou tanta dívida de prompt que o custo de migrá-la excede o benefício de um modelo melhor. Os prompts são um ativo que só funciona contra pesos que eles mesmos depreciam. O fornecedor do modelo segue em frente, avisos de descontinuação chegam, os preços do endpoint antigo sobem ou o endpoint é desligado por completo, e o time fica preso a uma versão da qual não consegue sair sem reajustar centenas de cláusulas frágeis de prosa à mão.

Essa é a parte que um CFO entende na hora, mesmo que o termo “prompt” não signifique nada para ele. Você tem capital amarrado em um ativo que perde valor, não consegue realocá-lo sem um grande custo de reengenharia, e o aprisionamento é ao cronograma de lançamentos de um terceiro. Prompts não medidos são um passivo silencioso que converte cada melhoria de modelo de oportunidade em conta de migração.

A Saída É Medição, Não Prosa Melhor

O caminho de saída é parar de codificar a especificação na prosa e começar a codificá-la em avaliações. Declare como o comportamento correto se parece, como um conjunto de casos com desfechos esperados, e então meça qualquer modelo, qualquer prompt, contra esse conjunto. A avaliação vira a especificação. O prompt vira um detalhe de implementação substituível.

Isso desacopla a especificação dos pesos. Quando um novo modelo chega, você não lê dois mil tokens de prosa e adivinha. Você roda a suíte de avaliações e lê um número. Se o novo modelo pontua mais alto, você faz o upgrade e apaga cláusulas de prompt que o modelo melhor não precisa mais. Se ele pontua mais baixo em três casos, você sabe exatamente quais três e pode decidir com dados em vez de pavor. A migração que antes era um salto de fé vira um teste de regressão.

Já discutimos a mecânica disso em outro lugar e não vamos repeti-la aqui. Avaliações são a camada determinística em torno de um modelo probabilístico. Muito do que os times enfiam em prompts pertence ao contexto passivo que o modelo lê como estado e não a instruções que ele precisa obedecer. E a disciplina sob tudo isso é verificação antes de confiança: um comportamento que você não mediu é um comportamento que você não controla de fato, por mais cuidadosa que tenha sido a redação do prompt.

O reenquadramento econômico é a parte nova. Avaliações fazem mais do que proteger qualidade. Elas mantêm a especificação portável entre modelos, que é como você mantém o direito de fazer upgrade. Um time com uma suíte de avaliações forte trata modelos como peças intercambiáveis e compra o melhor a cada trimestre. Um time com dívida de prompt e sem avaliações é refém de qualquer modelo contra o qual ajustou primeiro.

Faça Isso Agora

Escolha seu agente mais crítico para o negócio, aquele que um cliente ou um regulador notaria se ele se comportasse mal. Abra o prompt dele e conte as cláusulas que existem só para remendar uma falha específica do passado. Essa contagem é sua dívida de prompt, tornada visível pela primeira vez.

Depois converta as dez falhas que mais importam para você em dez avaliações: entrada, desfecho esperado, passa ou falha. Rode contra seu modelo atual para estabelecer uma linha de base. Rode contra um modelo para o qual você teve medo de migrar. A diferença diz, em um número por caso, exatamente o que um upgrade custaria ou economizaria. Você acabou de transformar uma migração paralisante em uma decisão que dá para defender em uma reunião de orçamento.

Faça isso antes que o fornecedor descontinue o modelo no qual você está parado. Os prompts que você não consegue medir são os que definem, em silêncio, sua estratégia de modelo por você.

Fontes

David Breunig. “The Problem is Prompt Debt.” Junho de 2026.

A Victorino ajuda líderes de engenharia a trocar prompts frágeis por especificações ancoradas em avaliações que sobrevivem a upgrades de modelo: contato@victorino.com.br | www.victorino.com.br