Prompt engineering é a diferença entre o product manager que usa IA como corretor de texto e o que usa IA para construir produto. O primeiro pede "melhore esse texto". O segundo escreve instruções que fazem o Claude gerar um PRD, sintetizar entrevistas ou priorizar backlog no mesmo padrão que ele já usaria na mão.

Este guia mostra como escrever prompts do segundo tipo. Sem fórmula mágica, com exemplos reais de prompt ruim contra prompt bom para três tarefas que todo PM faz toda semana.

O que é prompt engineering

Prompt engineering é a prática de escrever instruções para um modelo de IA de forma que ele devolva o resultado certo, no formato certo, na primeira tentativa. A qualidade da resposta depende quase toda da qualidade do pedido.

Por que isso é uma habilidade de produto, não só um truque de IA

Escrever um bom prompt usa os mesmos músculos de escrever um bom PRD ou um bom ticket. Você define contexto, restrições, critério de aceite e formato de entrega. Quem já sabe destrinchar um problema ambíguo em requisitos claros tem meio caminho andado.

O PM que escreve bons prompts para de esperar o time de dados ou de design para respostas rápidas. Ele constrói o primeiro rascunho sozinho e leva algo concreto para a mesa. Se quiser ver o Claude aplicado ao dia a dia de produto antes de continuar, vale ler como usar o Claude no trabalho de product manager.

Engenharia de prompt não é decorar frases secretas

Não existe palavra mágica que faz o modelo acertar sozinho. A engenharia de prompt que funciona é chata e explícita: você diz quem o Claude é, o que ele tem em mãos, o que você quer e como quer receber. A própria Anthropic organiza suas boas práticas de prompt engineering em torno de clareza, exemplos e estrutura, não de atalhos.

Técnicas de prompt engineering para product managers

Quatro técnicas cobrem 90% dos casos de produto. Você combina elas conforme a tarefa.

Dê contexto e um papel

Comece dizendo ao Claude quem ele é e qual é a situação. "Você é um PM sênior de um produto B2B de gestão financeira" muda o vocabulário, o nível de detalhe e as premissas da resposta. Sem papel, o modelo escreve para ninguém.

Mostre o formato de saída

Descreva a estrutura que você espera: seções, tabela, número de itens, tom. Se você quer um PRD com objetivo, escopo, fora de escopo e métricas, liste essas seções no prompt. O Claude segue o esqueleto que você entregar.

Dê exemplos do que é bom

Cole um trecho de um PRD antigo que você considera excelente e peça "no mesmo estilo". Essa técnica, chamada few-shot, é a forma mais rápida de transferir seu padrão de qualidade. Um exemplo concreto vale mais que três parágrafos de instrução.

Peça o raciocínio antes da resposta

Para tarefas de análise e priorização, peça ao Claude para pensar em voz alta antes de concluir. "Liste os critérios, avalie cada item e só então me dê o ranking final" reduz respostas apressadas e deixa a lógica visível para você contestar.

Prompt engineering na prática: 3 exemplos para PMs

A diferença entre prompt ruim e prompt bom fica óbvia quando você olha o mesmo pedido nas duas versões.

Escrever um PRD

Prompt ruim: "Escreva um PRD para uma feature de notificações." O resultado é genérico, inventa contexto e você reescreve tudo.

Prompt bom: "Você é PM de um app de finanças pessoais com 200 mil usuários ativos. Escreva o PRD da feature 'alertas de gasto acima da média'. Use estas seções: problema, objetivo, usuário-alvo, escopo, fora de escopo, critérios de sucesso (com métrica), riscos. Contexto: churn sobe quando o usuário estoura o orçamento sem perceber. Restrição: a feature roda só no app mobile na primeira versão. Seja específico nas métricas e proponha valores-alvo."

O segundo prompt entrega um rascunho que você edita em minutos, não um texto que você joga fora.

Sintetizar entrevistas de usuário

Prompt ruim: "Resuma essas entrevistas." Você recebe um resumo raso que perde os padrões que importam.

Prompt bom: "Abaixo estão 8 transcrições de entrevistas com usuários que cancelaram. Faça três coisas: liste os padrões de dor que aparecem em 3 ou mais entrevistas; para cada padrão, cite uma frase literal do usuário; traduza cada dor em um possível Job to be Done. Não invente padrões que não estejam nas transcrições."

A restrição final segura a alucinação. Se você quer aprofundar o passo 3, o post sobre o framework Jobs to be Done mostra como transformar essas dores em oportunidade de produto.

Priorizar o backlog

Prompt ruim: "O que eu devo priorizar nesse backlog?" O Claude chuta uma ordem sem critério e você não sabe por quê.

Prompt bom: "Você é PM e vai priorizar os 12 itens de backlog abaixo. Use a matriz GUT: pontue Gravidade, Urgência e Tendência de 1 a 5. Mostre a tabela com as três notas e o produto final por item. Só depois da tabela, me dê o top 5 em ordem e explique o primeiro. Backlog: [cole a lista aqui]."

Como você pediu o raciocínio antes do ranking, dá para auditar cada nota e ajustar o que discordar. Para entender a lógica por trás do método, veja como aplicar a matriz GUT na priorização.

Erros comuns ao escrever prompts

O erro mais frequente é pedir pouco e esperar muito. "Faça um roadmap" sem contexto devolve lugar-comum, porque o modelo não sabe seu produto, seu momento nem suas restrições.

O segundo erro é aceitar a primeira resposta como final. Trate o prompt como conversa: aponte o que ficou fraco, peça a versão dois, cole um contra-exemplo. A iteração é onde a qualidade aparece.

O terceiro erro é parar no texto. Quando o prompt fica bom, o passo seguinte é conectar o Claude ao seu fluxo de trabalho e até gerar protótipos, como mostra o guia sobre usar o Claude Code no trabalho de produto.

Formação AI Product Manager

Escolha uma tarefa que você vai fazer ainda esta semana: um PRD, uma síntese ou uma priorização e escreva o prompt bom antes de abrir o Claude. Rode, aponte o que ficou fraco e peça a versão dois. Em três iterações você vai ter um template reutilizável.

Para construir esse repertório com acompanhamento e casos reais de produto, conheça a Formação AI Product Manager da Tera.

Tera: a AI School de quem constrói com IA

Chegou até aqui procurando aprender sobre Prompt Engineering para product managers e quer ir além da teoria?

A Tera é uma AI School que forma profissionais e empresas desde 2016 para construir com inteligência artificial, muito além do prompt.

Antecipamos carreiras antes de o mercado saber nomeá-las: formamos a primeira geração de profissionais de produto, growth e dados do país. Agora formamos quem está construindo na era da IA.

A Tera oferece cursos, formações, pós-graduação e MBA. Atuamos em Inteligência Artificial, Produto, Design, Dados, Marketing, Negócios e Liderança, das ferramentas generativas do dia a dia à construção de agentes e automações.

São mais de 40 mil estudantes formados e reconhecimento do World Economic Forum, do Google for Startups, da Endeavor Brasil e do selo HolonIQ.

Conheça o Membership, nosso ecossistema de ensino, e comece a construir soluções com IA hoje mesmo!

Tera. A plataforma de quem constrói com IA.

Perguntas frequentes sobre prompt engineering para PMs

O que é prompt engineering?

É a prática de escrever instruções para um modelo de IA de forma que ele devolva o resultado certo, no formato certo, na primeira tentativa. A qualidade da resposta depende quase toda da qualidade do pedido.

Como fazer prompts melhores para tarefas de produto?

Combine quatro técnicas: dê um papel e contexto ao modelo, mostre o formato de saída esperado, ofereça exemplos do que considera bom e peça o raciocínio antes da resposta final para tarefas de análise e priorização.

Prompt engineering é uma habilidade técnica ou de produto?

É uma habilidade de produto. Escrever um bom prompt usa os mesmos músculos de escrever um bom PRD ou um bom ticket: definir contexto, restrições, critério de aceite e formato de entrega.