O Sintetizador de Pesquisa: Transforme Fontes Dispersas em um Mapa de Acordos e Contradições
Porque é que este prompt importa
Without a structured synthesis step, people default to citing whichever single source already matched what they expected to find, and the gap surfaces at the worst possible moment — when a stakeholder points out mid-meeting that another source in the same pile actually argues the opposite. That credibility hit costs far more time and trust to recover from than the twenty minutes a proper synthesis would have taken upfront.
Para que o usamos
A product manager has four analyst reports and a dozen saved articles on whether on-device AI or cloud AI will dominate enterprise deployment by 2027, needs to present a one-page synthesis to the leadership team by Friday afternoon, and does not have time to read everything closely enough to defend a recommendation under questioning in the room.
Prompt
Role: Act as a research synthesis analyst who specializes in finding genuine points of agreement, disagreement, and unaddressed gaps across multiple sources covering the same question — not a summarizer who blends everything into one smooth narrative. Context: I am researching [YOUR RESEARCH QUESTION]. Here are the sources, each clearly labeled: Source A: [PASTE SUMMARY, ABSTRACT, OR FULL TEXT] Source B: [PASTE SUMMARY, ABSTRACT, OR FULL TEXT] Source C: [PASTE SUMMARY, ABSTRACT, OR FULL TEXT] [ADD MORE SOURCES AS NEEDED, LABELED SOURCE D, E, ETC.] Task: Produce a structured synthesis that: 1. Identifies the 3 to 5 core claims being made across all sources combined 2. For each core claim, states which sources agree, which disagree, and quotes or closely paraphrases the specific language showing the agreement or disagreement 3. Distinguishes disagreements that are factual (verifiable, at least one source is likely wrong) from disagreements that are interpretive (both sources can be reasonably right, they emphasize different things) 4. Identifies at least [NUMBER] unaddressed gaps — specific sub-questions none of the sources cover, that would need separate research 5. Flags any source that appears to have a conflict of interest or vested stake in a particular conclusion, such as a vendor-sponsored study or an advocacy group Constraints: - Do not average disagreements into a vague middle-ground conclusion. State disagreements explicitly, with attribution to the specific source. - Do not treat source volume as a proxy for correctness. Three sources repeating the same unverified claim is not stronger evidence than one source citing primary data — check whether sources are independently reporting or just citing each other before counting them as separate confirmations. - If two sources make the same claim but one cites a primary source and the other cites the first source, note this explicitly as one underlying data point, not two. - Keep the total output under [WORD LIMIT] words. Output Format: 1. A short summary paragraph (3 to 4 sentences) stating the overall state of consensus or lack of it 2. "Where Sources Agree" — list of claims with supporting sources 3. "Where Sources Disagree" — list of claims with which sources say what, and whether the disagreement is factual or interpretive 4. "Unaddressed Gaps" — list of the open sub-questions 5. "Caveats" — short section flagging any source credibility concerns
Resultado
Overall State of Consensus: Of the three sources reviewed, there is partial agreement that on-device inference will handle a growing share of routine enterprise AI tasks by 2027, but the sources sharply disagree on whether this displaces cloud AI for core workloads or simply adds a new tier alongside it. Source C's central claim appears to rest heavily on Source A's original survey data without independent verification.
Where Sources Agree: - On-device inference costs have dropped enough to handle routine classification and short-context tasks locally (Sources A, B, C) - Enterprise IT buyers cite data residency, not raw cost savings, as the top driver for on-device adoption (Sources A, B)
Where Sources Disagree: - Claim: "On-device AI will capture the majority of enterprise AI spend by 2027." Source A projects 35% share by 2027 based on a survey of 200 IT buyers; Source B projects under 15% share, arguing complex reasoning tasks still require cloud-scale models regardless of hardware improvements. This is a factual disagreement — the two sources make incompatible quantitative predictions, and only one survey methodology can be sounder. Worth checking sample composition before trusting either figure. - Claim: "Cloud AI providers are cutting prices industry-wide to defend market share." Source C asserts this is already happening broadly; Source A documents only one vendor doing this. This is an interpretive disagreement — Source C may be generalizing from a single data point rather than an industry pattern.
Unaddressed Gaps: - No source addresses how data-residency requirements outside the US and EU affect this split - No source quantifies the latency threshold at which enterprises actually migrate workloads from cloud to on-device, versus simply running new workloads on-device from the start
Caveats: Source C is published by a chipmaker with a direct commercial interest in on-device AI adoption and should be weighted accordingly — its 35%-by-2027 figure traces back to Source A's survey rather than independent data.
A forma usual como as pessoas lidam com fontes conflitantes é escolher a que já corresponde ao que queriam acreditar, ou pedir a uma ferramenta de IA um resumo rápido que mistura tudo em um único parágrafo confiante. Ambas as abordagens apagam silenciosamente a informação mais útil do conjunto: os pontos específicos onde fontes credíveis realmente divergem, e por quê.
Por que o Role importa aqui
O Role posiciona o modelo como um analista de síntese em vez de um resumidor, porque são trabalhos diferentes. O trabalho de um resumidor é comprimir; o de um analista de síntese é mapear a divergência e atribuí-la corretamente. Pedir a um assistente genérico para “resumir estes quatro relatórios” quase sempre produz a versão suavizada, porque suavizar é para o que a sumarização é otimizada por padrão.
O que a seção Task realmente faz
Os cinco requisitos numerados forçam uma sequência específica: encontrar primeiro as afirmações centrais, depois verificar o acordo por afirmação, depois classificar as divergências em factuais versus interpretativas. Essa última distinção é a que a maioria das pessoas pula, e é a que mais importa. Uma divergência factual significa que alguém provavelmente está errado e vale a pena investigar a metodologia. Uma divergência interpretativa significa que ambas as fontes podem estar certas enquanto enfatizam coisas diferentes — tratá-la como uma disputa factual desperdiça tempo procurando uma resposta “correta” que não existe.
A Restrição que faz o trabalho real
“Não faça média das divergências em uma conclusão intermédiaria vaga” é a instrução que protege todo o propósito do exercício. Sem restrição, a maioria dos modelos resolverá a tensão encontrando uma linguagem suave e cautelosa que tecnicamente acomoda cada fonte — exatamente a saída que pega alguém desprevenido quando um colega aponta que as fontes nunca realmente concordaram. A restrição de contagem de citações importa igualmente: três posts de blog que citam todos o mesmo estudo original são um dado usando três roupas diferentes, não três confirmações independentes.
Por que o formato de saída é dividido em quatro seções
Separar “Onde as Fontes Concordam” de “Onde as Fontes Divergem” obriga as divergências a permanecerem visíveis em vez de desaparecerem em uma narrativa combinada. A seção “Lacunas Não Abordadas” existe porque o erro de pesquisa mais caro não é interpretar mal uma fonte — é assumir que uma pergunta foi coberta quando nunca foi feita. A seção “Ressalvas” capta as fontes que têm um motivo para preferir uma conclusão específica, o que importa mais do que o número de fontes ao decidir quanto peso dar a uma afirmação.
Execute isso antes de qualquer reunião, memorando ou decisão que dependa de reconciliar várias fontes que divergem entre si — não depois, quando as lacunas já se tornaram a objeção de outra pessoa.