- Checklist bom é binário e verificável: “tem/ não tem”, “bate/ não bate”, com critérios claros
- Dê contexto (objetivo, público, canal, restrições) e peça para a IA apontar evidências no próprio texto
- Separe checklist por tipo de entrega: texto, proposta, e-mail, relatório, atendimento
- Inclua uma etapa de “riscos”: LGPD, promessas comerciais, compliance, termos contratuais
- Teste com 5–10 entregas antigas e ajuste os critérios até a taxa de falso-positivo cair
Escolha 1 entrega e 1 meta (não tente cobrir tudo de uma vez)
Comece por algo recorrente e caro quando dá errado (proposta comercial, resposta a cliente, contrato, relatório, post). Defina uma meta simples: reduzir retrabalho, padronizar tom, diminuir erro factual, aumentar clareza, cortar risco jurídico/LGPD. Um checklist por entrega funciona melhor do que um checklist “universal”.
Extraia o padrão de qualidade do que já funciona
Pegue 3 exemplos “bons” e 3 “ruins” (do seu histórico). Peça para a IA listar diferenças observáveis (estrutura, completude, linguagem, promessas, dados, próximos passos). Você não está terceirizando o padrão: está tornando explícito o que o time já considera bom.
Transforme critérios em perguntas verificáveis
Converta cada critério em pergunta objetiva e com evidência. Ex.: em vez de “clareza”, use “o texto diz o que o cliente precisa fazer em 1 frase?” e “há chamada de ação com prazo/data?”. Peça para a IA responder com: (a) status OK/Problema, (b) trecho/linha onde encontrou, (c) sugestão de correção.
Crie o prompt-padrão do checklist (copiável) e fixe o formato de saída
O segredo é um formato estável. Use sempre a mesma saída: tabela com Critério | Status | Evidência | Correção sugerida | Severidade. Isso evita a revisão “bonita” porém inútil. Se possível, inclua uma regra: “Se faltar evidência no texto, marcar como Problema e dizer o que faltou”.
Rode em duas passadas: (1) qualidade e (2) risco
Primeira passada: clareza, completude, estrutura, tom. Segunda passada: riscos (dados sensíveis, promessas, preços, prazos, termos legais). Na prática, separar reduz ruído e ajuda o time a agir mais rápido: primeiro arruma o texto, depois caça o risco.
Teste com entregas antigas e ajuste o checklist
Aplique em 5–10 entregas antigas. Marque o que a IA apontou certo e o que foi falso-positivo. Ajuste critérios que geram alarme demais (ex.: “tom inadequado” sem definição). Se o checklist estiver longo, corte: o melhor checklist é o que alguém consegue usar sob pressão.
Padronize o uso no fluxo (sem burocracia)
Defina onde entra: antes de enviar ao cliente, antes de publicar, antes de subir para aprovação. Determine um limite: por exemplo, só corrigir itens “Alta severidade” quando o prazo estiver curto. Checklist serve para acelerar, não para virar auditoria eterna.
Um checklist de revisão com IA que funciona (modelo de critérios)
A IA revisa melhor quando você pede coisas que ela consegue checar no próprio texto. O “pulo do gato” é exigir evidência: a revisão precisa apontar o trecho que motivou o alerta.
Abaixo vai um modelo que você pode adaptar para propostas, e-mails, relatórios e páginas de site.
| Categoria | Critério (pergunta verificável) | Exemplo de evidência esperada |
|---|---|---|
| Objetivo | Fica claro o que está sendo entregue e para quem? | Uma frase que cita entrega + público |
| Completude | Há próximos passos com responsável e prazo? | Trecho com ação + data/prazo |
| Consistência | Números, prazos e nomes estão consistentes do início ao fim? | Mesma condição repetida sem conflito |
| Tom e marca | O texto evita termos genéricos e mantém o nível de formalidade esperado? | Escolhas de vocabulário coerentes com o canal |
| Risco/LGPD | Há dados pessoais desnecessários (CPF, endereço, prontuário etc.)? | Detecção de campos sensíveis e sugestão de anonimização |
| Promessas | Há promessas absolutas (“garantido”, “100%”) sem condição/limite? | Trecho com promessa e ausência de ressalva |
Prompt pronto: revisão com evidências (anti-enrolação)
Você pode usar este prompt como base e só trocar o tipo de entrega e os critérios. Repare que ele obriga a IA a mostrar evidências, o que reduz alucinação e “palpite”.
Prompt (copie e cole):
“Você é um revisor(a) técnico(a). Vou colar um texto. Sua tarefa é aplicar o CHECKLIST abaixo e retornar uma TABELA com as colunas: Critério | Status (OK/Problema) | Evidência (trecho do texto) | Correção sugerida | Severidade (Baixa/Média/Alta). Regras: (1) Se não houver evidência no texto, marque Problema e escreva ‘Faltou no texto’. (2) Não reescreva o texto inteiro; sugira apenas correções pontuais. (3) Não invente dados. TEXTO: [cole aqui]. CHECKLIST: [liste 8–15 critérios verificáveis].”
- Dica prática: se o texto for longo, peça para revisar por seções (Introdução, Escopo, Preço, Prazos, Garantias, Próximos passos).
- Se o resultado vier genérico, adicione: “Seja específico: cite exatamente a frase problemática e proponha uma versão corrigida com 1–2 linhas.”
Erros comuns que fazem checklist com IA virar teatro
Alguns checklists parecem profissionais, mas na prática só geram fricção e não evitam erro. Os padrões abaixo aparecem muito em times brasileiros, principalmente quando a revisão fica “bonita” demais e pouco acionável.
- Critérios subjetivos sem definição (“melhorar clareza”, “deixar mais persuasivo”)
- Checklist longo que ninguém termina sob prazo
- IA avaliando o que ela não tem como checar (ex.: “esse preço está correto?” sem fornecer referência)
- Não exigir evidência: a IA “acha” que falta algo, mas não aponta onde
- Misturar qualidade com risco: você corrige estilo e deixa passar dado sensível
- Aceitar a revisão como verdade (o checklist é uma lente, não uma sentença)
Perguntas frequentes
Checklist com IA substitui revisão humana?
Quantos itens um checklist de revisão deve ter?
Como evitar que a IA “invente problema” ou critique sem base?
Posso usar checklist com IA em textos com dados de clientes (LGPD)?
Leia também
7 erros ao usar IA no trabalho que fazem você perder tempo (e credibilidade)
Veja 7 erros comuns ao usar IA no trabalho (contexto fraco, primeira resposta, números sem checar, dados sensíveis, etc.) e como corrigir cada um com sinal de alerta e conserto prático.
Ler →
Como fazer a IA não alucinar: 6 técnicas de prompt que funcionam
Aprenda a estruturar prompts para a IA parar de inventar respostas. Seis técnicas testadas para reduzir alucinação — com exemplos prontos em português.
Ler →
Como criar um fluxo de aprovação de conteúdo com IA (sem perder a voz da marca)
Guia prático para montar um fluxo de criação e aprovação com IA: briefing, rascunho, revisão, checagem, tom de voz e governança. Inclui passos, checklist e FAQ para times pequenos e marketing.
Ler →
Como anonimizar dados para usar IA no negócio (sem tropeçar na LGPD)
Passo a passo para anonimizar e pseudonimizar dados antes de enviar para IA: o que remover, como mascarar, checklist de risco e exemplos práticos para usar no dia a dia com mais segurança.
Ler →