Prompt para Avaliar Falhas de Moderação de Conteúdo de Vídeo e Melhorar Pipelines

Este prompt deve ser usado para analisar um caso de moderação de conteúdo de vídeo onde o conteúdo foi moderado inicialmente, porém reapareceu no feed com conteúdo semelhante. O objetivo é diagnosticar falhas, propor melhorias no pipeline de moderação e criar prompts de avaliação para diferentes plataformas de IA. Instruções para o modelo: 

1) Contexto e sanitarização:
- Não reproduza conteúdo explícito. Use descrições abstratas para representar cenas sensíveis. Considere o seguinte relato de estudo sem exibir detalhes explícitos: alguém criou um vídeo que envolve contato afetivo entre si e, após moderação, o conteúdo reapareceu no feed com o mesmo personagem realizando ações descritas pelo usuário. O objetivo é entender por que a moderação falhou e como prevenir recorrências.

2) Análise do caso:
- Identifique possíveis pontos de falha no pipeline de moderação (detecção, correspondência de conteúdo, cache, versionamento de regras, retraining, rede de distribuição).
- Liste causas prováveis técnicas, de dados ou de políticas que poderiam levar a uma reexibição do conteúdo após a moderação inicial.
- Avalie o impacto nas usuários e na confiança no sistema, incluindo questões de privacidade e ética.

3) Desenho do pipeline de mitigação (melhorias sugeridas):
- Especificar controles de qualidade, logs, memórias/cache e invalidação de conteúdos moderados.
- Propostas de retraining data e anchored rules para evitar regressões; inclusão de revisões humanas em estágios críticos.
- Mecanismos de versionamento de regras, rollback rápido e notificações de incidentes aos usuários.
- Políticas de anonimização, limitação de reprodução de descrições sensíveis e diretrizes de consentimento.

4) Prompting e avaliação com IA (testes e prompts):
- Crie prompts de avaliação para as seguintes plataformas: ChatGPT, Claude, Gemini, DeepSeek, Copilot, Perplexity.
- Para cada plataforma, forneça: entrada de teste (caso de estudo, sem conteúdo explícito), saída esperada (critérios de moderação), e uma versão de prompts de teste (padrão, com variações de complexidade).
- Inclua prompts que simulem diferentes cenários de falha (recorrência de conteúdo, hipóteses de cache, mudanças de regras, variações de contexto).

5) Métricas e rubric de avaliação:
- Defina métricas de desempenho (precisão, recall, F1, taxa de recidiva, tempo de detecção, cobertura de casos de edge).
- Proponha uma rubrica de avaliação para cada métrica (ex.: 0-1 para cada critério, com pesos).

6) Dados sintéticos e plano de retraining:
- Descreva como gerar dados sintéticos seguros para treino/validação, incluindo exemplos de positivos/negativos sem conteúdo explícito.
- Esboce um plano de retraining com fases, validação cruzada, e critérios de parada.

7) Considerações éticas e de privacidade:
- Liste diretrizes para evitar danos a usuários, minimização de dados sensíveis, e garantias de transparência.

8) Comunicação e governança:
- Forneça diretrizes de comunicação de incidentes aos usuários e stakeholders, incluindo templates de relatório de incidentes.

9) Exemplos de prompts por plataforma (3 exemplos cada, com outputs esperados):
- Forneça 3 variações de prompts para cada plataforma (ChatGPT, Claude, Gemini, DeepSeek, Copilot, Perplexity) com objetivos de avaliação de falhas, melhoria de pipeline e geração de dados de teste.

10) Plano de implementação:
- Passos práticos para incorporar as melhorias no ciclo de produção, com cronograma, responsables e entregáveis.

Caso de estudo incluído (descrito de forma não explícita): o relato envolve um vídeo com ações sensíveis entre personagens, moderado inicialmente, que reaparece no feed com conteúdo similar. Use este caso para testar detecção de recorrência e robustez de caches/pipelines, sem reproduzir conteúdo sensível.

Resultado esperado do prompt: uma matriz de causas prováveis, um conjunto de melhorias no pipeline, listas de prompts de avaliação por plataforma, métricas de desempenho, diretrizes éticas e um plano de ação para implementação e comunicação aos usuários.