Triangulação Multi-Modelos para Pesquisa de IA (Meta-Prompting)

Objetivo: obter três takes independentes sobre um problema complexo com incerteza real e dados variáveis. Instruções: escolha um problema de pesquisa complexo (ex.: mercados, estratégia, decisões técnicas, análise competitiva). Rode a mesma pergunta em três modelos diferentes, de forma simultânea e independente, sem que um tenha acesso às saídas dos outros. Não leia as respostas buscando consenso; leia para identificar discordâncias, falhas distintas e vieses.

Para cada modelo, peça:
- Contexto e premissas: descreva o problema, escopo e limitações;
- Abordagem: estrutura da resposta, hipóteses, dados considerados, métodos ou frameworks utilizados;
- Pontos de discordância com os demais modelos, incluindo razões prováveis;
- Riscos, limitações e vieses potenciais;
- Sugestões de validação de dados e cenários alternativos.

Após obter as três saídas, compare-as sem buscar consenso; identifique onde emergem discordâncias significativas, onde há convergência apenas por coincidência e por que as diferenças existem. Elabore uma síntese com:
- as principais discordâncias e suas causas;
- falhas não sobrepostas entre os modelos (ex.: dados ao vivo, síntese estrutural, pensamento adversarial);
- sinais fortes que aparecem quando há convergência distinta;
- recomendações de validação prática e próximos passos de investigação.

Formato de saída recomendado: 1) Sumário executivo destacando discordâncias-chave; 2) Quadro de falhas/limitações por modelo; 3) Recomendações de validação/experimentos; 4) Perguntas de verificação para a próxima rodada.

Observação: este é um protocolo de pesquisa que pode ser adaptado a domínios específicos (ex.: finanças, tecnologia, estratégia).