Por que pedir "recomende um look" sempre decepciona — Como pedir dicas de roupas para a IA

"Recomende um look." Quando você pede assim, a IA geralmente dá uma resposta genérica. Ser genérico significa servir para todo mundo — e não servir de verdade para você. O problema não é o modelo, mas sim como você pergunta.

Perguntas vazias geram respostas genéricas

O que acontece se você perguntar a um personal stylist de verdade: "O que devo vestir hoje?" Ele não vai te dar uma resposta de imediato. Ele vai devolver com outra pergunta: "Para onde você vai?"

Esse é exatamente o ponto levantado com frequência nos estudos sobre sistemas de recomendação conversacionais. Os comandos do usuário geralmente chegam com pouca informação (subespecificados), e uma das habilidades centrais do sistema deveria ser fazer perguntas para preencher essas lacunas. Ajudar o usuário a refinar o pedido na conversa seguinte também faz parte do papel da ferramenta.

O grande problema é que muitos serviços não fazem perguntas de volta; eles apenas respondem. Sem contexto, entregam uma resposta na média. E aí a gente olha para o resultado e conclui: "Essa IA não é boa".

Então, o que precisamos preencher nesse pedido?

A anatomia de um bom prompt

As pesquisas em recomendação de moda mostram que atributos específicos como tecido e caimento (fit), informações visuais que transmitem formato e vibe, além de dados sobre a paleta de cores principal, são extremamente úteis. Embora isso não seja uma regra obrigatória para todos os apps, funciona como um checklist prático para deixar suas perguntas mais específicas.

Traduzindo a teoria para o dia a dia, temos quatro pontos essenciais:

Primeiro, a Ocasião (TPO). Quando, onde e com quem. "Amanhã de manhã" e "sábado à noite" pedem propostas de roupas completamente diferentes.

Segundo, a silhueta. Qual será a peça-chave da combinação? Dizer algo simples como "com foco na minha calça de alfaiataria azul-marinho" já corta as opções pela metade.

Terceiro, a cartela de cores. Você não precisa definir tudo. Muitas vezes, apenas citar uma cor a ser evitada já basta. Exemplo: "sem usar preto ou branco".

Quarto, o mood. Como você quer se sentir ou ser visto? "Elegante e discreto", "confortável, mas arrumadinho". Sem isso, o visual acaba sem personalidade.

Incluindo esses quatro elementos, apenas duas frases já bastam para deixar o comando superclaro. Por outro lado, sem o contexto necessário, as chances de receber uma resposta sem graça aumentam bastante.

Mas vale lembrar: só escrever um bom prompt não adianta se outro detalhe for deixado de lado.

Antes do prompt, vêm os dados

A IA só consegue trabalhar com as roupas cadastradas no app.

Se apenas metade do seu guarda-roupa estiver cadastrado, mesmo com o melhor prompt do mundo, a resposta será pela metade. A combinação perfeita pode estar na outra metade que a IA nem sabe que existe.

E fica ainda mais complicado quando as tags estão erradas. Se um tricô estiver marcado como 'jaqueta', um prompt incrível vai gerar uma resposta perfeitamente errada. Isso é pior do que não ter informação nenhuma.

Por isso, existe uma ordem ideal: primeiro cadastre suas peças, revise as tags e só depois refine os prompts. Inverter essa ordem não vai trazer bons resultados, não importa o quão boa seja a sua pergunta.

Tudo pronto? Agora vamos montar seus comandos.

4 modelos de prompts para copiar e colar

Separamos templates prontos para você usar em diferentes situações. É só trocar o nome do Item:

Trabalho

Reunião de equipe amanhã de manhã e visita externa à tarde. Estilo casual chic (business casual).
Foco na calça de alfaiataria azul-marinho, blazer indispensável. Tons sóbrios.

Viagem

Roma em março, 18°C de dia e 9°C à noite. Roteiro com visitas a duas igrejas, ombros e joelhos cobertos.
Look planejado para levar apenas uma mala de mão, 5 dias.

Casamento (Convidada)

Casamento em local fechado no sábado à noite. Evitar branco e preto.
Comprimento abaixo do joelho, combinando com meu salto bege.

Encontro

Wine bar descontraído na sexta à noite. Quase não vamos caminhar.
Confortável, mas estiloso. Quero usar como peça principal minha jaqueta de couro.

Todos esses exemplos têm só duas ou três frases, mas reúnem Ocasião, silhueta, cores e mood.

Uma frase a mais muda tudo

Quer ir além? Experimente dar mais um passo.

Assim que o resultado aparecer, pergunte: "Por que você escolheu essa combinação?". Ouvir o motivo ajuda a identificar o que você esqueceu de mencionar. Se a resposta for "para combinar com a cartela de outono", significa que você não especificou a estação e a IA precisou adivinhar. Basta detalhar esse ponto no próximo pedido para ter uma sugestão ainda melhor.

E se o resultado não agradar, tente adicionar restrições. "Evite a combinação que usei na semana passada", "sem tricô na parte de cima". Excluir opções costuma abrir espaço para novas combinações muito mais do que apenas pedir mais coisas.

No recurso de IA Estilo do Acloset, cole esses modelos e altere apenas o nome dos seus itens. Salve as melhores opções como um Look e, no próximo pedido, adicione suas preferências ou condições a excluir.

O problema não era a IA não entender. Era a gente que não estava conversando do jeito certo.

❓ Perguntas frequentes

P: Quanto mais longo o prompt, melhor?
R: O contexto importa mais que o tamanho. Ocasião, silhueta, cores e mood formam um checklist superútil — começar com duas frases focadas no que você precisa já é mais que suficiente.

P: A IA continua sugerindo sempre as mesmas combinações. O que fazer?
R: Tente adicionar uma regra de exclusão. Condições como "evite o look da semana passada" ou "não use essa cor específica" ajudam a abrir espaço para opções inéditas.

P: Qual é a melhor forma de pedir looks na IA Estilo do Acloset?
R: Basta copiar e colar os modelos deste artigo e adaptar os nomes dos itens. Salve o resultado como um Look e vá refinando os próximos pedidos com restrições e detalhes do seu gosto pessoal.

Referências e fontes:

ACM Computing Surveys, "A Survey on Conversational Recommender Systems"
ACM Transactions on Intelligent Systems and Technology, "Analysing Utterances in LLM-Based User Simulation for Conversational Search"
Fashion and Textiles (Springer), "LLM-generated content-based explanations for user experience in fashion recommender systems"

Publicado pela equipe da Revista Acloset.

Por que pedir "recomende um look" sempre decepciona — Como pedir dicas de roupas para a IA