O Sintetizador de Pesquisas: Descubra em que as fontes concordam, discordam e o que deixam em aberto
Why this prompt matters
Most people read sources sequentially and end up anchored to whichever conclusion they read last. Real synthesis requires mapping the intellectual landscape: where genuine consensus exists, where disputes are empirical vs methodological vs definitional, and where evidence is simply absent. Without this, you can unknowingly cherry-pick support for any conclusion. A 45-minute manual synthesis that would normally take an analyst half a day costs seconds with this prompt.
What we use it for
You have pulled together 4–7 articles, papers, or reports on a topic before writing a brief, making a decision, or presenting to stakeholders — and you need to understand the actual state of evidence across them, not just what each article says on its own.
Prompt
Act as a systematic research analyst with expertise in synthesizing academic and professional literature. You will analyze the source summaries or abstracts I provide and produce a structured synthesis identifying: where sources converge, where they conflict, what each uniquely contributes, and what important questions remain unanswered. I am researching: [YOUR RESEARCH TOPIC OR QUESTION] Here are the source summaries to synthesize: SOURCE 1 — [TITLE / AUTHOR / DATE]: [PASTE SUMMARY OR ABSTRACT HERE] SOURCE 2 — [TITLE / AUTHOR / DATE]: [PASTE SUMMARY OR ABSTRACT HERE] SOURCE 3 — [TITLE / AUTHOR / DATE]: [PASTE SUMMARY OR ABSTRACT HERE] [Add more sources as needed — 3 to 8 sources works best] Constraints: - Work only from what I have provided. Do not introduce outside knowledge. - Flag when two sources use the same term differently — definitional conflicts matter. - Be specific: when noting agreement or disagreement, cite which sources and what exact claims. - Do not summarize each source individually — I have already read them. Synthesize across them. - If a source is too brief or vague to contribute meaningfully, say so rather than padding. - Distinguish empirical conflicts (different findings) from methodological conflicts (different measurement approaches) from definitional conflicts (different meaning of terms). Produce your synthesis in this exact format: ## Points of Strong Agreement [Claims supported by 3+ sources, with source citations in parentheses] ## Productive Tensions [Where sources meaningfully disagree — note whether the conflict is empirical, methodological, or definitional, and why it matters] ## Unique Contributions [One bullet per source: what this source adds that the others do not cover] ## Unanswered Questions [Important questions the sources collectively leave open: gaps, unstudied populations, unexplored mechanisms, missing timeframes] ## Synthesis Statement [One dense paragraph integrating the above into a coherent research-landscape assessment — suitable for quoting in your own writing]
Result
Research topic: Does remote work reduce productivity?
Sources provided: Bloom & Liang (2023), Microsoft Work Trend Index (2025), Stanford WFH Research (2024), McKinsey Future of Work (2025), Chen et al. (2024)
Points of Strong Agreement
All five sources agree that remote work productivity outcomes are highly heterogeneous — dependent on role type, individual autonomy preference, home environment quality, and management approach (Bloom & Liang; Microsoft; Stanford; McKinsey; Chen et al.). Three sources explicitly note that productivity metrics used in remote work studies are inconsistently defined, making cross-study comparisons unreliable (Bloom & Liang; Stanford; Chen et al.).
Productive Tensions
The central empirical conflict is between Bloom & Liang (2023), who find a 9% productivity gain for hybrid workers over full-remote, and the Microsoft Work Trend Index (2025), which reports 87% of full-remote knowledge workers self-assess as highly productive. This is a methodological conflict, not a factual one: Bloom & Liang use manager-rated output metrics for customer service roles; Microsoft uses self-reported assessments across knowledge workers. The populations and measurement instruments are fundamentally different.
McKinsey and Stanford diverge on whether collaboration quality declines in remote settings. McKinsey finds measurable degradation in cross-team innovation projects; Stanford finds no measurable difference when controlling for meeting frequency. This is an empirical conflict that likely reflects different industries sampled.
Unique Contributions
- Chen et al.: Only source examining productivity variation by home office setup quality — finds ergonomic environment accounts for 23% of productivity variance
- Bloom & Liang: Only source with randomized control data rather than observational
- Microsoft Work Trend Index: Largest sample (31,000 workers, 31 countries), only source with multi-country data
- Stanford WFH: Only longitudinal data spanning 2020–2024 — tracks adaptation over time
- McKinsey: Only source distinguishing individual-task productivity from collaborative innovation productivity
Unanswered Questions
- How do productivity effects evolve after 3+ years of sustained remote work? (All studies capture ≤18 months post-adoption)
- Are findings consistent across labor markets outside the US, UK, and Australia?
- How does manager monitoring intensity interact with intrinsic motivation over time?
- What happens to long-term career progression for remote workers — absent from all five sources?
Synthesis Statement
The literature does not support a simple "remote work increases or decreases productivity" conclusion. The stronger finding, supported across all five sources, is that outcomes are highly contextual. Methodological choices — particularly whether to measure individual task output or collaborative outcomes, and whether to use self-report or manager ratings — largely predict the direction of findings. The most important unanswered question is longitudinal: nearly all existing data captures an adjustment period, not a steady state. Any organizational decision based on this literature must specify what type of productivity it cares about and for what worker population.
A maioria das pessoas aborda uma pilha de pesquisas da mesma forma: leem a fonte um, depois a fonte dois, depois a fonte três — e acabam segurando o que o último autor argumentou de forma mais convincente. Isso não é síntese. Isso é exposição sequencial.
A síntese real requer um tipo diferente de leitura: mapear onde as fontes convergem, isolar onde elas realmente discordam e por quê, identificar o que cada uma contribui de forma única e — o mais importante — reconhecer o que todo o corpo da literatura ainda deixa sem resposta. Este Prompt foi projetado para forçar exatamente essa análise.
Por que cada seção do Prompt existe
O formato de saída tem cinco seções, e cada uma é deliberada.
Pontos de Forte Concordância exige que a IA encontre afirmações apoiadas por múltiplas fontes — não apenas "a maioria das fontes discute X", mas "essas fontes específicas fazem esta afirmação específica". Isso evita o falso equilíbrio, onde dois artigos atípicos recebem o mesmo peso de um consenso de seis.
Tensões Produtivas é a seção mais importante. O Prompt pede que a IA classifique as discordâncias por tipo: empírico (achados diferentes de dados diferentes), metodológico (abordagens de medição diferentes chegando a conclusões diferentes) ou definicional (fontes usando a mesma palavra para significar coisas diferentes). Essa distinção importa enormemente. Um conflito empírico sugere um fenômeno do mundo real que vale a pena investigar. Um conflito metodológico geralmente significa que os estudos não estão medindo a mesma coisa. Um conflito definicional significa que você está comparando maçãs com grampeadores.
Contribuições Únicas evita o erro comum de tratar todas as fontes como intercambiáveis. Cada fonte em uma boa revisão de literatura foi escolhida por um motivo — esta seção força a IA a articular esse motivo explicitamente.
Perguntas sem Resposta é o que separa a síntese útil do mero resumo. As lacunas na literatura são frequentemente mais acionáveis do que suas descobertas: elas dizem onde seu próprio julgamento deve intervir, onde sua decisão carrega risco não quantificado e onde mais pesquisa é necessária antes de se comprometer.
Declaração de Síntese produz um único parágrafo denso, adequado para citação ou adaptação direta em sua própria escrita — uma caracterização pronta para uso do panorama de pesquisa.
Como obter o máximo proveito
O Prompt funciona melhor com 3 a 8 fontes. Menos de 3 e não há nada a sintetizar; mais de 8 e até os melhores LLMs começam a perder o rastro de qual afirmação veio de qual fonte.
Cole resumos ou sinopses reais — não apenas títulos. Quanto mais específica a entrada, mais específica a síntese.
A instrução para distinguir conflitos empíricos, metodológicos e definicionais faz um trabalho real. Deixe-a. Sem ela, a maioria dos LLMs notará que as fontes "discordam" sem explicar por quê.
Modelos Compatíveis
Este Prompt funciona bem com Claude Sonnet 4.6, GPT-5 e Gemini 3.5 Flash. Para textos fonte muito longos (artigos completos em vez de resumos), Claude e GPT-5 lidam com o contexto de forma mais confiável.