Prompt engineering para cobrança: calibrando os modelos Blull por estágio

Modelos de linguagem genéricos erram na cobrança porque desconhecem o ritmo da recuperação de crédito. Eles oferecem descontos que não existem, aceitam qualquer promessa como pagamento e ignoram que a conversa precisa caber na política do credor. Este guia mostra como calibrar prompts nos modelos Blull — especializados em recuperação — para que cada estágio da conversa tenha um comportamento previsível, sem improviso.

O que muda quando o modelo já entende cobrança

Os modelos Blull chegam com um viés de domínio: sabem que cobrança extrajudicial opera dentro de uma política de desconto e parcelamento aprovada, que o objetivo é recuperar valor dentro dessa margem e que promessa de pagamento não encerra o ciclo. Esse ponto de partida reduz a quantidade de instrução que você precisa injetar no prompt, mas ainda exige que você declare limites concretos.

Em vez de ensinar o modelo a não oferecer 90% de desconto ou a não ameaçar com negativação, você informa as alçadas reais: “desconto máximo de 15% para pagamento à vista” ou “parcelamento em até 6 vezes com entrada de 20%”. O modelo respeita esses parâmetros porque opera sobre uma base treinada para recuperação, não sobre um LLM geral que precisa ser contido.

Calibrando o prompt por estágio da conversa

Uma interação de cobrança não é um único turno. A conversa muda de tom e objetivo conforme o momento do ciclo de recuperação. A estrutura de mensagens do chat completions permite que você controle esse comportamento trocando o prompt de sistema entre estágios, sem perder o histórico.

Contato inicial: reconhecimento e porta de entrada

No primeiro contato, o modelo precisa confirmar identidade, contextualizar o débito e abrir espaço para o devedor reagir. O prompt de sistema deve priorizar:

• Tom informativo, sem pressão antecipada
• Confirmação de titularidade antes de expor valores
• Oferta apenas da condição padrão prevista para aquele dia de atraso

Exemplo de instrução: “Você é um agente de cobrança que representa [Credor]. Confirme os dados do titular antes de informar o débito. Apresente a condição de pagamento à vista com 5% de desconto, se aplicável, e pergunte se a pessoa consegue liquidar hoje. Não ofereça parcelamento neste estágio.”

Negociação: alçada, contraproposta e fechamento

Quando o devedor alega dificuldade, o modelo entra em negociação. Aqui o prompt precisa declarar as faixas de desconto e parcelamento que você aprovou, além de instruir o modelo a não criar ofertas fora dessas faixas.

Uma boa prática é usar o prompt de sistema como "documento de políticas", e deixar o histórico da conversa como contexto dinâmico. O modelo consulta a política, mas não a modifica.

Trecho de prompt para este estágio: “Desconto máximo de 10% no à vista. Parcelamento permitido em até 8 vezes, com entrada mínima de 15%. Se o devedor pedir condição fora desses limites, responda que não está autorizado e ofereça a opção mais próxima disponível. Ao fechar um acordo, repita os valores, prazos e peça confirmação explícita.”

Pós-promessa: verificação sem ansiedade

Depois que um acordo é fechado, o modelo não deve abandonar o ciclo. A etapa seguinte depende de confirmação de pagamento, que pode ser feita por function calling (quando publicado pelo produto) ou por um novo estágio de prompt que instrui o modelo a reagir quando o usuário reporta "já paguei" ou "vou pagar amanhã".

Se function calling estiver disponível, você pode definir uma função verificar_pagamento(id_acordo) e orientar o modelo a chamá-la quando o devedor fizer uma afirmação de pagamento. Se não estiver, o prompt deve instruir o modelo a coletar comprovante ou agendar um retorno, sem encerrar a interação como “resolvida” antes da liquidação.

Evitando armadilhas comuns

Superinstrução no prompt de sistema — Quanto mais regras soltas você empilha, mais o modelo se perde. Prefira limites objetivos (percentuais, prazos, canais) e deixe a condução da conversa com o histórico.

Prompts que incentivam confirmação vazia — Pedir “o cliente aceitou?” gera falsos positivos. Em vez disso, instrua o modelo a coletar uma ação concreta (data de pagamento, chave PIX, confirmação de boleto visualizado).

Ignorar a política do credor — O modelo não conhece automaticamente a régua que você opera. Sempre injete a política específica do credor, mesmo que sucinta: o modelo Blull não vai oferecer negativação ou protesto, mas pode sugerir um desconto que você não aprovou se você não declarar o teto.

Iteração sem caixa-preta

A API aceita o contrato chat completions, então tudo o que você registra como assistant ou tool volta no histórico. Isso permite depurar o comportamento do modelo exatamente como aconteceu: cada resposta, cada chamada de função, cada desvio. Use esse rastro para recalibrar o prompt de sistema por estágio, comparando conversas que fecharam acordo com as que perderam o devedor no meio do caminho.

Calibrar prompts para cobrança é menos sobre engenharia de prompt criativa e mais sobre impor a disciplina que o domínio exige. Com os modelos Blull, você parte de um comportamento base que já conhece as restrições da recuperação de crédito no Brasil — e adiciona apenas as regras que fazem sentido para o credor que você representa.