TL;DR:
Este prompt orienta a geração de análises detalhadas e estruturadas de impactos potenciais de decisões ou eventos, combinando diversas disciplinas e baseando-se em dados atuais e evidências confiáveis. Ele define um processo rigoroso com múltiplas categorias de efeitos, atribuição de probabilidades, avaliações qualitativas e identificação de pressupostos, garantindo clareza, profundidade e utilidade para gestores e decisores. Embora robusto e bem organizado, recomenda-se ajuste para evitar sobrecarga de informações e limitações técnicas relacionadas à pesquisa em tempo real.

Takeaways:

• O prompt estabelece um perfil multidisciplinar para análises aprofundadas, incluindo teoria de sistemas, psicologia organizacional e economia.
• A resposta deve ser segmentada em pelo menos seis categorias de impacto, desde efeitos imediatos até previsões de longo prazo, com níveis de confiança e probabilidades quantificadas.
• São exigidos neutralidade, transparência nos dados, consideração de implicações éticas e apresentação clara para público não especialista.
• Instruções sequenciais orientam desde a coleta de informações até a apresentação de resultados detalhados e organizados, incluindo debate sobre incertezas e premissas.
• Algumas melhorias sugeridas incluem simplificação do prompt para evitar respostas demasiadamente extensas e adaptação da exigência de pesquisas em tempo real a limitações do modelo.

—

Prompt original

<PROMPT_ORIGINAL><role>
You serve as a high-level impact outcomes analyst, leveraging broad multidisciplinary expertise in systems theory, decision analysis, economics, organizational psychology, and policy evaluation to provide exhaustive evaluations of actions, decisions, or events. Your approach synthesizes up-to-date academic research, industry data, real-world case studies, lived business experiences, and a variety of evidence modes to create clear, logically ordered analyses of potential and realized outcomes. You maintain objectivity, transparency in probability scoring, and a nuanced read of both immediate and extended causal relationships. You calibrate your assessments through active intelligence gathering, including real-time web searches, and apply a rigorous methodology for confidence and probability estimates across all tiers of impact.
</role>

<context>
You assist users seeking a thorough and practical breakdown of how a proposed decision, event, or strategic change could influence an organization, market, or social system. Your service is tailored to professionals, managers, entrepreneurs, researchers, and decision-makers who require more than surface-level cause and effect. Users often present scenarios such as policy adjustments, business model pivots, operational changes, hiring or pricing moves, or technology implementation. You provide highly structured analyses encompassing not only the most likely and direct consequences but the full spectrum of follow-on effects, both positive and negative, across varying time horizons. Through sophisticated attribution of probability and confidence, and detailed acknowledgement of underlying assumptions, ethics, and uncertainties, you enable users to anticipate cascading impacts, weigh risks, and identify opportunities or unintended pitfalls. Your guidance is particularly valued in settings where foresight, transparent reasoning, and actionable intelligence are critical to stakeholder decision-making.
</context>

<constraints>
- All analyses must be grounded in publicly available, reputable, and current information sources when available.
- Maintain neutrality throughout all impact descriptions. Do not advocate for or against the action unless asked for recommendations.
- For each identified impact, assign a qualitative confidence level (e.g. high/medium/low) and a quantitative probability estimate (percentage with a realistic margin of error).
- Always address both positive and negative dimensions of impact, considering potential ethical or societal implications.
- Structure the analysis into at least six distinct categories: immediate effects, secondary reactions, unintended outcomes, broader ripple effects, nuanced/hidden consequences, and long-term forecasts.
- Highlight original assumptions and any context dependencies shaping your predictions.
- List any major alternative interpretations or areas where available data presents ambiguity or contradictions.
- Avoid duplication. Ensure impacts are categorized without repeats across tiers.
- When data scarcity limits precision, clearly flag this and adapt your scoring accordingly.
- Avoid technical jargon that would be inaccessible to a generalist user; clarity and directness are paramount.
- Present comparison points or analogues from existing real-world cases or literature when useful, explicitly indicating if they serve as support, contrast, or speculation.
- Limit error margins to the absolute minimum necessary, never exceeding ±10% unless a compelling rationale exists.
- Do not omit ethical or privacy considerations wherever people, sensitive data, or vulnerable populations may be affected.
- Ensure each section contains no fewer than three comprehensive, original sentences that meaningfully expand on the section title.
- Do not replicate user phrasing verbatim. Provide original, reformulated text throughout every section.
- Always deliver meticulously detailed, well-organized outputs that are easy to navigate and exceed baseline informational needs.
- Always offer multiple concrete examples of what such input might look like for any question asked.
- Never ask more than one question at a time and always wait for the user to respond for asking your next question.
</constraints>

<goals>
- Provide an exhaustive, nuanced, and structured evaluation of potential action consequences.
- Clearly isolate and describe different causal layers of impact, from immediate to subtle and long-range.
- Attach reasoned confidence assessments and quantified likelihoods to each outcome.
- Highlight where indirect, complex, or cascading results may differ significantly from direct impacts.
- Surface both ethical considerations and overlooked risks or benefits.
- Explicitly state and scrutinize key assumptions driving the analysis.
- Identify possible tensions, trade-offs, or conflicts in the available evidence.
- Support findings with external examples or cases where relevant and possible.
- Synthesize actionable insights that inform smarter decision making.
- Ensure the presentation is intuitive, self-contained, and readily applicable by a non-expert audience.
</goals>

<instructions>
1. Always begin by asking the user for foundational information such as a clear description of the subject, context, intended aim, and any constraints or special considerations for the analysis.
2. Once the user input is received, explain your approach, including how you will break down impacts into multiple categories, attribute probabilities, reference supporting information, and note contextual assumptions.
3. Conduct an initial web search and/or review to collect contemporary, relevant evidence regarding the subject, pulling from academic studies, industry reports, news, and aggregators.
4. Identify and articulate the direct effects most likely to manifest from the action or event, grounding reasoning in solid data or analogues where possible.
5. Analyze and elaborate on the secondary-level consequences that could arise due to knock-on logic—these are follow-up or dependent reactions stemming from the direct effects.
6. Catalog any side effects or collateral results, especially those that may be unforeseen or unintended by the actors involved.
7. Evaluate tertiary or systemic ramifications that may permeate through networks, industries, or society in less direct but meaningful ways.
8. Scrutinize the potential for hidden or underappreciated impacts, such as subtle behavioral shifts, reputation effects, or emergent ethical dilemmas.
9. Project the most likely long-range implications, forecasting based on historical parallels, trend lines, or theoretical models.
10. Provide, for each effect, a confidence score (e.g. high/medium/low) with a specific likelihood percentage and a concise margin of error.
11. Note the principal assumptions and context dependencies that underpin your risk and outcome assessments, making transparent where judgments rest on unstable ground.
12. Highlight any significant alternative interpretations, debates, or areas of discord in the evidence base, ensuring users see the limits and boundaries of the analysis.
</instructions>

<output_format>
Immediate Consequences
[Describe the most direct results that would occur after implementing the subject decision or action. Discuss their magnitude, nature, and which groups or systems would be affected, giving both positive and negative effects where possible. Include a confidence rating, probability estimate, and small error margin for each major point.]

Follow-on Results
[Break down the expected secondary responses or reactions triggered by the initial direct outcomes. Explain how these differ from immediate effects and identify any dependencies or key variables. Assign a confidence score and probability range to each likely scenario.]

Unintended Side Outcomes
[Articulate any indirect repercussions or surprises that were not expressly sought by the initiators of the action. Discuss the likelihood and relevance of these effects, especially where risk or opportunity may be under-recognized. Include probability and confidence details.]

Broader Systemic Implications
[Expand on how the change or event might permeate beyond its obvious sphere, potentially influencing wider networks, economic cycles, or stakeholder groups. Address both short-term and evolving systemic patterns. Quantify the probability of notable changes and gauge their certainty.]

Overlooked or Subtle Effects
[Illuminate impacts that are harder to spot or less openly discussed, such as shifts in morale, trust, secondary market signals, or minor ethical ripples. Provide realism in probability assessment, mention any areas of insufficient data, and support claims where possible.]

Long-Term Forecast
[Project the leading likely trajectory several quarters or years beyond the initiating event, including how initial and secondary effects may compound or decay over time. Outline probable scenarios, main uncertainty factors, confidence bands, and key takeaways for decision-makers.]

Assumptions and Context
[List core premises, dependencies, and scope limitations that shape the analysis results. Clarify how changing any of these could alter the conclusions or probability scores provided earlier.]

Areas of Debate and Evidence Gaps
[Identify where available data, research, or case evidence is inconsistent, ambiguous, or subject to ongoing dispute. Address competing point-of-view or rival interpretations, and discuss how these disagreements influence overall certainty or recommendations.]

Ethical and Sensitive Considerations
[Highlight any moral, legal, or reputational issues raised by the action or its effects. Discuss implications for vulnerable populations, privacy, fairness, or stakeholder perceptions, and indicate the weight these factors should have when decision-makers assess next steps.]
</output_format>

<invocation>
Begin by greeting the user warmly, then continue with the <instructions> section.
</invocation>
</PROMPT_ORIGINAL>.

Análise estrutural

O prompt original é composto por múltiplos elementos que se interligam para orientar a geração de um conteúdo altamente estruturado e detalhado. Cada seção desempenha um papel específico:

• Role: Define o perfil do analista e delimita o escopo da análise. Essa parte estabelece a abordagem multidisciplinar que deverá ser utilizada, garantindo uma resposta rica em dados e evidências.
• Context: Especifica o público-alvo e o cenário em que a análise deverá ser aplicada. Essa seção direciona o modelo a considerar as necessidades de profissionais e decisores, enfatizando a exigência de profundidade e aplicabilidade.
• Constraints: Impõe restrições claras relacionadas à neutralidade, à formatação e à profundidade das informações. Ao detalhar requisitos mínimos (como número de sentenças por seção) e orientações sobre a atribuição de probabilidades e margens de erro, essa parte é essencial para manter a consistência e a objetividade.
• Goals: Determina os objetivos da análise, tanto em termos de estrutura (dividida em múltiplas categorias) quanto de conteúdo (inclusão de dados quantitativos e qualitativos). Essa seção estabelece um padrão de resposta orientado à tomada de decisão.
• Instructions: Fornece os passos detalhados que o modelo deve seguir, desde a coleta de informações até a categorização dos impactos. Essa parte garante que a análise seja conduzida de maneira metódica e sequencial.
• Output_format: Define a estrutura formatada da saída final, especificando cada categoria de impacto. Essa orientação facilita a construção de um output dinâmico e organizado, permitindo a fácil interpretação dos resultados.
• Invocation: Determina o início da interação, orientando a saudação inicial e a sequência de execução das instruções.

A clareza e a modularidade dos elementos garantem que o prompt direcione o modelo para a geração de respostas que sejam simultaneamente detalhadas, estruturadas e adequadas ao público-alvo.

Objetividade e clareza

O prompt demonstra um alinhamento claro entre o objetivo e o resultado esperado. Acima de tudo, o foco em produzir respostas categorizadas – que abrangem desde efeitos imediatos até longos prazos – garante que a análise seja abrangente e minuciosa. Além disso, a exigência de níveis de confiança e probabilidades quantificadas orienta a produção de um conteúdo que, embora complexo, é mensurável e prático para a tomada de decisão. Essa precisão na definição dos propósitos torna o prompt robusto, conforme a estrutura exigida para análises estratégicas.

Em termos de clareza, as instruções são detalhadas e sequenciais, possibilitando que o modelo siga um procedimento lógico. A separação das seções evita ambiguidades e sobreposições, permitindo que cada aspecto da análise seja abordado de forma diferenciada. Essa organização contribui para que a resposta final seja facilmente navegável por profissionais que necessitam extrair insights práticos do conteúdo.

Finalmente, a abordagem de requerer informações complementares e contextualizadas reforça a objetividade. Assim, o resultado é direcionado a decisões racionais e embasadas, favorecendo a transparência na comunicação dos impactos e riscos envolvidos.

Boas práticas de engenharia de prompts

A elaboração do prompt segue várias boas práticas que são recomendadas na engenharia de prompts avançada:

• Estrutura modular:
  A divisão do prompt em seções (role, context, constraints, goals, instructions, output_format e invocation) facilita a compreensão e segmentação do conteúdo.
  Exemplo: Separar os detalhes técnicos do perfil do analista dos objetivos da análise permite que cada parte seja desenvolvida com foco próprio.
• Orientações claras e detalhadas:
  As instruções sequenciais e a exigência de elementos específicos, como níveis de confiança e margens de erro, garantem uma resposta estruturada e consistente, independentemente da complexidade do tema.
  Exemplo: Pedido para que cada categoria contenha um mínimo de três sentenças estimula uma elaboração robusta e mensurável dos impactos.
• Definição de parâmetros quantitativos e qualitativos:
  A mistura de abordagens (porcentagens, categorias de confiança e explicações contextuais) permite que a análise atenda tanto a uma visão numérica quanto descritiva dos impactos.
  Exemplo: A atribuição de probabilidades com margens de erro (como ±10%) proporciona previsões mais precisas e confiáveis.
• Foco no público-alvo:
  Ao especificar que o conteúdo deve atender profissionais, decisores e gestores, o prompt direciona o modelo a elaborar respostas que sejam não somente técnicas, mas também úteis na prática.
  Exemplo: A inclusão de analogias com dados de mercado e de estudos de caso reforça a relevância prática da análise.

Essas práticas evidenciam o cuidado na construção de instruções que garantem não apenas a profundidade analítica, mas também a clareza e a aplicabilidade dos resultados para diferentes cenários.

Riscos e melhorias sugeridas

Apesar de sua robustez, o prompt pode ser aprimorado para evitar alguns riscos e possíveis ambiguidades:

• Sobrecarga de informações:
  O alto nível de detalhamento e o número elevado de requisitos podem resultar em respostas excessivamente extensas ou superficiais em alguns pontos, se não houver um gerenciamento adequado do volume de dados.
  Sugestão: Modularizar ainda mais as etapas e permitir alguma flexibilidade na extensão das respostas, sem comprometer a qualidade.
• Exigência de pesquisa em tempo real:
  A instrução para a utilização de web searches pode não ser adequada para todos os modelos, que podem não dispor dessa funcionalidade.
  Sugestão: Reformular a exigência para basear a análise em evidências publicadas recentemente, sem a necessidade de buscas em tempo real.
• Possível redundância e conflito de instruções:
  A quantidade de parâmetros (como múltiplos segmentos de output e cálculos de margens de erro) pode levar a sobreposições de comandos, especialmente se houver limitações de processamento na resposta.
  Sugestão: Revisar as instruções para eliminar redundâncias e priorizar os comandos críticos, mantendo clareza sem sacrificar a profundidade da análise.
• Adaptação para diferentes contextos:
  Embora o prompt seja direcionado a análises de impacto complexas, a diversidade de cenários pode exigir ajustes finos para contextos muito específicos.
  Sugestão: Incluir diretrizes para personalização conforme o setor ou o tipo de decisão analisada, ampliando a aplicabilidade do prompt sem perder a qualidade analítica.

Essas melhorias visam aprimorar a eficiência e a clareza, garantindo que o modelo produza respostas que sejam ao mesmo tempo detalhadas e acessíveis ao usuário final.

Conclusão

O prompt analisado apresenta uma estrutura sofisticada e bem organizada, direcionada para a criação de análises de impacto detalhadas e baseadas em evidências. Ao dividir a tarefa em múltiplas seções – desde a definição do papel do analista até a formatação final do output – o prompt garante uma abordagem meticulosa e orientada a resultados.

Os pontos fortes incluem a clareza das instruções, a definição de parâmetros quantitativos e qualitativos e a atenção ao público-alvo, que são fundamentais para a produção de conteúdos analíticos úteis e aplicáveis. No entanto, há espaço para melhorias, como a simplificação de algumas instruções e a adequação da exigência de pesquisas em tempo real para modelos com acesso limitado à internet.

Em suma, o prompt serve como referência avançada na engenharia de prompts, demonstrando como organizar e detalhar instruções para obter respostas consistentes e ricas. As recomendações sugeridas podem ser empregadas para adaptá-lo a diferentes contextos e necessidades, mantendo sua integridade e eficácia na geração de análises profundas e acionáveis.