Ensinar um modelo a reconhecer uma placa de pare é fácil, porque todo mundo concorda sobre o que ela é. Ensiná-lo a reconhecer comida saudável, arte inspiradora ou publicidade enganosa é mais difícil, porque quem dá as instruções muitas vezes não sabe onde fica o próprio limite até ver um exemplo complicado. O Agile Deliberation, do Google Research, apresentado na CVPR 2026 e agora publicado como código aberto, foi construído em torno desse problema, e importa para quem escreve regras de conteúdo ou faz curadoria de imagens em escala.
O método tem duas etapas. Primeiro, o usuário divide uma ideia ampla entre o que ela inclui e o que exclui; para comida saudável, o exemplo inclui saladas, bowls de grãos e proteínas magras, e exclui alimentos processados e ingredientes crus não preparados. Depois, o sistema procura imagens que ficam na fronteira dessa definição escrita, como um smoothie de frutas que é ao mesmo tempo fruta crua e rico em açúcar. O usuário decide cada caso, e um ciclo automático reescreve o prompt do classificador para acompanhar, de modo que a definição e o classificador mudam juntos.
O estudo abrangeu 18 sessões ao vivo de 90 minutos cada, com dois conceitos: comida saudável e uma tarefa de moderação sobre imagens caça-cliques de jogos que prometem recompensas financeiras ou digitais enganosas. O Agile Deliberation foi comparado a um prompt escrito uma única vez, a um sistema anterior do Google que decompõe o conceito sem consultar o usuário e a um processo manual com planilhas, buscas no chute e prompts editados à mão. Segundo o blog, seus classificadores superaram os três, com os maiores ganhos nas imagens mais difíceis, e a edição manual muitas vezes não melhorou a precisão ou a piorou. Esforço e estresse caíram de forma significativa, e todos os participantes o preferiram aos métodos manuais.
A constatação sobre a edição manual é a mais prática. Muitas equipes hoje escrevem prompts longos para que modelos de visão e linguagem classifiquem imagens e depois os remendam falha a falha, com medo de que cada correção quebre outra coisa. O Agile Deliberation formaliza o que bons moderadores já fazem, testar uma regra contra casos incômodos, e deixa a ferramenta procurar esses casos no lugar da pessoa. O código, com um notebook de demonstração para o exemplo da comida saudável, está no repositório google-research do Google.
As evidências são frágeis em alguns pontos. O blog não traz números de precisão, só gráficos e descrições, e não diz quantas pessoas diferentes participaram nem quem eram, além de alguns especialistas. Dois conceitos são um teste estreito para um método pensado para qualquer categoria subjetiva. Os modelos usados não são citados, então não está claro quanto os resultados dependem dos sistemas do próprio Google. O artigo traz os detalhes, mas até que outros o testem com as próprias regras, é um fluxo de trabalho promissor, não consolidado.