Análise e Tomada de Decisão
Nesta página
Lição atualizada em 2 de novembro de 2026. Os exemplos originais utilizavam o Magistral, que foi descontinuado a 31 de julho de 2026. Agora utilizam o Mistral Small 4 (
mistral-small-2603) ou o Mistral Large 4 (mistral-large-4-0) comreasoning_effort="high", analisando a resposta através da funçãoseparerda Lição 3. Fonte: Reasoning (Documentação Mistral).
Raciocínio para Apoiar a Tomada de Decisão
Sejamos honestos antes de avançar para as técnicas: o modelo não tomará a decisão por si, e esse não é o objetivo. O que o raciocínio traz à tomada de decisão é aquilo que um bom consultor fornece: explicitação. Critérios que permaneciam implícitos, cenários que não tinha considerado, riscos que ninguém mencionou: tudo isto colocado preto no branco deixa a decisão final nas suas mãos, mas muito melhor informado.
Decisões complexas exigem análise multicritério, consideração de diferentes perspetivas e capacidade de avaliar compromissos (trade-offs). Estas são tarefas onde o raciocínio estruturado oferece um valor considerável em comparação com uma resposta intuitiva.
Análise Comparativa Estruturada
O raciocínio permite comparações metódicas:
from mistralai.client import Mistral
client = Mistral(api_key="YOUR_API_KEY")
comparison = """My team needs to choose between PostgreSQL and MongoDB for a new application.
Context:
- B2B SaaS project management application
- 500 initial users, target of 10,000 in 2 years
- Structured data (users, projects, tasks) + free-text comments
- Team of 4 developers, all experienced in SQL
- Limited server budget (startup)
Analyze both options and recommend the best one."""
response = client.chat.complete(
model="mistral-small-2603",
reasoning_effort="high",
messages=[
{"role": "system", "content": """Senior technical consultant.
ANALYSIS METHOD:
1. Identify relevant decision criteria
2. Evaluate each option against each criterion
3. Weight criteria based on context
4. Identify risks for each option
5. Formulate an argued recommendation
REFLECTION:
Explore trade-offs. Consider short-term and long-term implications.
RESPONSE:
Clear recommendation with justification, risk mitigation plan."""},
{"role": "user", "content": comparison}
],
)
Análise de Cenários
O raciocínio é particularmente eficaz para explorar as consequências de diferentes escolhas:
scenario = """Our startup (15 employees, $2M ARR) received two offers:
1. Series A funding round of $5M from a VC with 25% dilution
2. Acquisition offer of $12M by a large group (3-year earn-out)
Analyze both scenarios and their implications."""
response = client.chat.complete(
model="mistral-small-2603",
reasoning_effort="high",
messages=[
{"role": "system", "content": """Strategic analyst.
For each scenario, evaluate:
- Financial impact at 1 year, 3 years, 5 years
- Impact on decision-making autonomy
- Risks and probability of realization
- Impact on team and culture"""},
{"role": "user", "content": scenario}
],
)
Padrão: Matriz de Decisão Automatizada
Pode automatizar a construção de matrizes de decisão:
def decision_matrix(client, options, criteria, context):
"""Generates a structured decision matrix."""
options_text = "\n".join(f"- {opt}" for opt in options)
criteria_text = "\n".join(f"- {crit}" for crit in criteria)
prompt = f"""Context: {context}
Options to evaluate:
{options_text}
Evaluation criteria:
{criteria_text}
For each option, rate each criterion on a scale of 1 to 5.
Justify each rating.
Calculate the total weighted score.
Recommend the optimal option."""
response = client.chat.complete(
model="mistral-small-2603",
reasoning_effort="high",
messages=[
{"role": "system", "content": "Decision analysis expert. Be objective and rigorous in your evaluations."},
{"role": "user", "content": prompt}
],
)
return separer(response.choices[0].message.content)[1] # the response, without the reasoning
# Example: framework selection
result = decision_matrix(
client,
options=["React + Next.js", "Vue + Nuxt", "Svelte + SvelteKit"],
criteria=[
"Learning curve",
"Ecosystem and community",
"Performance",
"Developer recruitment",
"Long-term maintainability"
],
context="Redesign of a B2C e-commerce site, team of 3 junior devs"
)
Análise de Riscos
O raciocínio estruturado é ideal para identificar e avaliar riscos:
risk_analysis = """We plan to migrate our production database
(50 GB, 200 tables, 15 connected applications) from MySQL 5.7 to PostgreSQL 16.
Identify all risks associated with this migration and propose a mitigation plan."""
response = client.chat.complete(
model="mistral-small-2603",
reasoning_effort="high",
messages=[
{"role": "system", "content": """Senior DBA and system architect.
RISK ANALYSIS:
For each identified risk, specify:
- Probability (low/medium/high)
- Impact (low/medium/critical)
- Mitigation plan
- Rollback plan"""},
{"role": "user", "content": risk_analysis}
],
)
Avaliação de Compromissos (Trade-offs)
As decisões técnicas envolvem frequentemente compromissos. O raciocínio ajuda a torná-los explícitos:
tradeoff = """Microservices vs. monolithic architecture for our application:
Our situation:
- Team of 6 developers
- HR management application
- 3 modules: recruitment, payroll, leave management
- Deployment on Kubernetes
- Need for independent module updates
Analyze the trade-offs of each approach."""
response = client.chat.complete(
model="mistral-small-2603",
reasoning_effort="high",
messages=[{"role": "user", "content": tradeoff}]
)
Padrão: Advogado do Diabo
Este é o padrão mais valioso desta lição, pois corrige um viés partilhado por todos: uma vez tomada uma decisão, procuramos apenas confirmação. Pedir explicitamente ao modelo que ataque a decisão — encontrando fraquezas, cenários de falha, pressupostos frágeis — obriga-o a ouvir o que nenhum colega ousa dizer e o que já não diz a si mesmo:
def challenge_decision(client, decision, context):
"""Plays devil's advocate on a decision."""
prompt = f"""A team has made the following decision:
DECISION: {decision}
CONTEXT: {context}
Play devil's advocate:
1. Identify the 5 main arguments AGAINST this decision
2. For each argument, assess its severity (1-5)
3. Propose conditions under which this decision would be catastrophic
4. Suggest necessary safeguard measures
5. Conclude: Is the decision solid despite the counter-arguments?"""
return client.chat.complete(
model="mistral-small-2603",
reasoning_effort="high",
messages=[
{"role": "system", "content": "Critical analyst. Be incisive but constructive."},
{"role": "user", "content": prompt}
],
)
Small 4 ou Large 4 para Análise?
O reflexo correto é alinhar o modelo com a criticidade e a reversibilidade da decisão. Para uma comparação simples entre duas opções com critérios claros, uma avaliação rápida ou uma decisão que pode corrigir na próxima semana: o Mistral Small 4 no modo high funciona muito bem a um custo menor. No entanto, assim que a análise se torna multicritério com ponderações debatíveis, a decisão é estratégica e difícil de reverter — uma escolha de arquitetura, uma migração de produção, uma arbitragem financeira — ou o cenário envolve incerteza real, teste o Mistral Large 4 no modo high. Um modelo mais capaz tem maior probabilidade de fazer a diferença na exploração de compromissos e casos desfavoráveis, mas apenas uma comparação nos seus próprios casos lhe dirá se o custo extra se justifica.
Pontos-chave
- O raciocínio transforma a análise de decisão num processo estruturado e reproduzível
- Utilize um prompt de sistema que imponha um método de análise (critérios, ponderação, riscos)
- As matrizes de decisão e a análise de cenários beneficiam enormemente do raciocínio
- O padrão advogado do diabo aproveita o raciocínio para desafiar as suas decisões
- Adapte o modelo à criticidade da decisão: Small 4 para tarefas diárias, teste o Large 4 para decisões estratégicas