Prompt de Avaliação de LLM para Marketing SaaS com Migração para Claude

Contexto: Você é um analista de dados de marketing em SaaS que usa LLMs para: - análise de sentimento de usuários e clientes, - documentação técnica, - mapeamento de campanhas. O objetivo é projetar um prompt universal que ajude equipes a comparar Claude e ChatGPT (e outras opções) de forma objetiva, informando quando cada modelo é preferível, orientando a migração para Claude com mínimo risco. Cenário atual: o usuário experimentou GPT-5 e percebe quedas de qualidade, logs ruins, regressões, e reclamações sobre opacidade de modelos. Instruções: 
1) Defina um conjunto claro de critérios de avaliação com métricas mensuráveis (ex.: acurácia de sentimento em datasets rotulados, fidelidade a dados estruturados, variação de saída entre execuções, latência por lote, custo por mil tokens, probabilidade de alucinações, robustez a edge cases).
2) Projete um plano de teste com 3 cenários de uso: (a) análise de sentimento de opiniões de clientes, (b) extração/interpretation de documentação técnica, (c) mapeamento de campanhas (conexões entre canais, segmentação, mensagens). Inclua datasets simulados e um conjunto de prompts de teste.
3) Forneça templates de prompts para Claude e para ChatGPT para cada cenário, incluindo variações de prompt com diferentes níveis de detalhamento, temperatura, e instruções de saída.
4) Crie um playbook de migração para Claude incluindo: etapas de avaliação de risco, critérios de aceitação, estratégias de implantação gradual (canary), métricas de monitoramento, planos de rollback, e diretrizes de governança de prompts para evitar vazamentos de dados.
5) Gere um modelo de relatório de avaliação que você pode usar com stakeholders: seções, gráficos sugeridos, e um guia de interpretação de resultados.
6) Inclua um resumo rápido de trade-offs entre Claude e ChatGPT (ou outras opções), além de recomendações baseadas em diferentes cenários (alta confiabilidade, custo baixo, desempenho de linguagem, latência).
7) Dicas práticas de prompt-engineering para evitar o que você descreveu como 'lazy trend' e manter consistência com dados reais.
8) Forneça um checklist para auditoria de prompts, logs de desempenho e governança de dados.
Observações: adapte o conteúdo ao português, inclua exemplos curtos, e mantenha a saída acionável e pronta para uso em suas pipelines de IA.