Os primeiros chatbots só entendiam texto. Hoje muitos assistentes aceitam também imagens, áudio e, em alguns casos, vídeo. Esse tipo de sistema é chamado de multimodal: cada formato é uma modalidade, e o modelo consegue combinar várias delas na mesma conversa.
O que isso muda na prática
Em vez de descrever um problema com palavras, você pode mostrá-lo. Alguns usos comuns:
- Foto de uma planta ou de uma peça: pedir ajuda para identificar ou entender o que aparece.
- Print de uma tela com erro: perguntar o que a mensagem significa e quais passos tentar.
- Foto de um documento ou cardápio: extrair o texto, resumir ou traduzir.
- Gráfico ou tabela em imagem: pedir uma explicação dos números.
- Áudio: falar a pergunta em voz alta ou enviar uma gravação para ser transcrita.
Alguns serviços também geram imagem ou voz como resposta. O que cada plano e cada aplicativo oferece muda com frequência, então confira na tela do serviço que você usa.
Como pedir melhor com imagens
A imagem entra como parte do contexto, então vale tratá-la como um anexo e explicar o objetivo:
- Envie uma foto nítida, bem iluminada e sem cortar o que importa.
- Diga o que você quer: descrever, comparar, corrigir ou extrair dados.
- Se houver texto pequeno na imagem, peça que a IA copie o que lê e confira você mesmo.
- Faça perguntas específicas em vez de "o que é isso?".
Lembre que imagens e áudios também ocupam espaço na conversa. Entenda por que isso importa em janela de contexto: por que a IA esquece partes da conversa.
Limites e cuidados
A IA multimodal pode interpretar errado. Letras miúdas, fotos tremidas, objetos parecidos e gráficos confusos geram descrições erradas ditas com segurança. Para decisões sobre saúde, dinheiro ou segurança, use a resposta como ponto de partida e procure um profissional.
Há também a privacidade. Fotos podem mostrar rostos, endereços, placas de carro, documentos e crianças. Antes de enviar:
- Corte ou borre dados pessoais que não sejam necessários.
- Evite enviar documentos completos, como RG ou CPF.
- Leia a política do serviço sobre armazenamento e uso do conteúdo enviado.
- Não envie fotos de terceiros sem a permissão deles.
Quando vale usar
A multimodalidade é útil quando descrever por escrito seria lento ou impreciso: uma tela com erro, um objeto que você não sabe nomear, um texto numa foto. Para tarefas que já cabem bem em texto, o formato tradicional continua mais simples e mais fácil de conferir.
