0%
Bruno Rodrigues

Lab: Escrevendo uma política de PLD com o Deepseek

Transcrição

Uma das formas mais simples e úteis que a gente tem é de tirar proveito dos modelos de linguagem. É na criação de documentos, na criação de texto, seja um e-mail, seja uma política, seja um documento, seja um artigo. E agora a gente vai ver aqui algumas ideias de como fazer isso. Da forma a extrair o maior valor possível, a forma mais simples e preguiçosa que que eu posso fazer é um trabalho desse. É com uma frase só, né, que é, crie uma política de prevenção. A lavagem? De dinheiro? Então é isso que muitas pessoas fazem quando elas criticam, inclusive a qualidade desses modelos de linguagem, né? Dizem, poxa, são muito genéricos, né? E muito superficiais agora mesmo, né? A gente está vendo aqui que cada um dos itens dessa política que ele está desenhando tem. 2 ou 3 subtópicos ali, super resumido, super. Nada no detalhe, né? Bastante superficial. Mas é um esqueleto, não é? É um esqueleto aqui que reflete as muitas políticas de prevenção à lavagem de dinheiro que é esse modelo de linguagem, viu? Durante o seu treinamento, foi alimentado com durante o seu treinamento? Como é que a gente pode deixar isso um pouco mais interessante, dando um direcionamento para ele? Eu já tenho aqui alguns direcionamentos. Que eu gerei anteriormente, então dizendo tudo o que eu quero incluir na minha política, qual que é o objetivo dela, o escopo de aplicação, os procedimentos principais. Papéis de responsabilidades, treinamento interno, procedimentos para atualização e também tem aqui uma parte de. É estrutura, né? Então AA gente quer 11 tom moderno e direto a gente quer. Algo que seja fácil para as outras áreas lerem. Tudo isso eu já forneci. Eu já estou fornecendo agora para o modelo de linguagem nesse resumindo que eu quero. Vejam que conforme eu colei aqui esse texto, ele foi desestruturado, né? Da onde eu tirei ele? Ele estava com formatação e títulos e subitens. E não é um problema. Eu não preciso formatar cada um desses itens aqui para indicar para ele o que que é um grupo de informação. Os modelos de linguagem fazem isso muito bem de identificar, tanto pelo contexto. Que esse aqui é um título e o que está embaixo são os itens. Quanto pela formatação do texto, né? Eu tenho aqui um item, 2 pontos, é um texto, 2 pontos, outro texto e um Ponto Final, e aqui não. Então tudo isso são indicações que os modelos de linguagem usam para, com muita qualidade fazer essa diferenciação do que que é, o que, então a gente pode enviar isso aqui para ele e. Antes eu vou. Só não é. Talvez nem seja preciso, mas não custa. Eu vou falar. Adeque e enriqueça. De acordo. Com essas instruções, eu poderia também começar aqui uma conversa do zero, né? A partir do momento que eu escolho começar com essa, continuar com essa conversa aqui, ele vai considerar também. O que está no contexto que veio atrás? Como é um documento super genérico, eu não vejo como é que pode atrapalhar nesse novo texto que a gente vai gerar. Mas é algo que a gente poderia testar também. Eu posso colocar esse meu comando antes ou depois do texto principal que eu mandei para ele? É, em geral, não, não vai fazer muita diferença. E agora vamos ver aqui o que ele vai gerar, política, prevenção, lavagem de dinheiro e combate ao financiamento do terrorismo à empresa, regulada pelo Banco Central do Brasil. Com o texto que eu dei para ele pela CVM, compromete-se integralmente com as exigências dessas autoridades. Eu também dei esse contexto para ele, né, que eu queria ressaltar isso. Essa política reforça os nossos compromissos com integridade do sistema financeiro, a transparência, prevenção de riscos. Legal. Então já tem aqui um objetivo, um escopo de aplicação que eu também. Tudo aqui já está partindo do contexto, do direcionamento que eu dei para ele, do que que eu queria ver nessa política. Então elaborou ali, né? Alguns Bullet points, uma listinha de itens em algo maior, mas vejam que. Ainda tá super curto, né? Tá super curto, mas é, é. Já é 111 fio condutor, já é 111 caminho pra gente perseguir aqui. É uma coisa que é importante falar, né, durante essa produção? É, nenhum desses modelos de linguagem vai resolver esse problema totalmente para a gente, né? A gente vai precisar de alguém com conhecimento para fazer a revisão desse texto que está sendo produzido e, mais do que isso, para guiar a produção desse texto. Então, o uso que a gente está fazendo aqui, desses modelos de linguagem, é para acelerar esse processo de produção da política, não é para substituir a nossa tarefa de produção. Isso ainda não é possível. Então agora, um truque muito bom que a gente pode utilizar para deixar essa política mais recheada e pensar em cada um dos itens dela com mais calma, é quebrar item a item, então vamos dizer para ele. Vamos fazer diferente? Item a item. Começando. Pelo. Pela sessão. Seja o mais detalhado. E minucioso. Possível. Então, agora eu vou instruir o modelo, realmente pensar um pouquinho mais e entrar em mais detalhe. É no texto que ele vai produzir para essa sessão introdução em contextos regulatório. Só confirmar aqui que era essa mesmo. Introdução OK, ele já aumentou um pouquinho para contexto regulatório. E. Está detalhando um pouquinho mais aquelas informações que ele já tinha colocado ali naquela primeira versão. Então está aqui, né? Já tem uma versão bem mais recheada, com bem mais informação. E agora o trabalho é eu analisar o que que ele produziu nesse texto e comentar e pedir ajustes até essa sessão. Tá tão tá, tá, tá, tá com a qualidade que eu espero, tá com o nível de detalhe que eu espero. A gente pode pegar aqui, por exemplo. Um item e falar assim? Nas penalidades. Por descumprimento. Você está? Entrando em. Detalhes demais. Não precisamos de tudo isso e posso ir colocando aqui outros feedbacks e ele vai reescrevendo esse texto até eu estar satisfeito com ele. E aí a gente vai trabalhar tópico a top. Mas se a gente quisesse ser mais detalhado ainda, a gente poderia trabalhar cada um desses subtópicos, né? Vez por vez, inclusive dando direcionamento para ele do que que a gente quer dentro de cada um desses subtópicos. Isso certamente é muito mais rápido do que começar com um documento do zero, né? Ou começar de um modelo pronto da internet. O que a gente acha na internet? O que a gente tem de referência, de, de, de algum outro lugar? Aqui não, né? Aqui a gente tem todos os modelos, praticamente um lugar só, e a gente pode ir pedindo para o algoritmo, o direcionamento que a gente quer. Nessa criação, o de psique que eu estou vendo aqui é gerou um erro numa palavra muito básica, né? De psique. Ele não faz parte do meu dia a dia. A gente está usando ele aqui para experimentar cada um dos modelos, né? A ao longo desses exercícios. Mas é algo que mesmo nos modelos mais avançados, às vezes acontece, é raro. Nas versões atuais, isso é raro de acontecer erros gramaticais. Mas não é algo impossível. Então esse é o trabalho, né? A gente vai trabalhando tópico a tópico. E no final a gente pode pedir uma versão completa ou até extrair etapa a etapa, dependendo do do do que o algoritmo for capaz de ajudar a gente AA nessa extração completa para um documento, uma versão final com essa política prontinha.