Como revisar um e-mail de trabalho criado por IA antes de enviar
Compare um e-mail de trabalho criado por IA com as informações originais para revisar fatos, números, datas, destinatários, tom e promessas. Um pequeno exemplo mostra o que precisa ser verificado por uma pessoa antes do envio.
Conteúdo verificado 2026.09.21Inclui arquivos de exemplo
Ver o sumário
A tradução foi feita com IA. Confira o código, as unidades e os valores junto com o original. A revisão por falantes nativos de cada idioma ainda não foi concluída. English
Para quem éProfissionais que usam um assistente de chat com IA para criar rascunhos de e-mails de trabalho e querem aplicar uma revisão repetível antes de enviá-los.
Preparação
Python 3.12
Um editor de texto e um terminal
01Por que um e-mail criado por IA ainda precisa de revisão final
Um assistente de chat com IA pode transformar anotações em um e-mail profissional bem escrito, mas um texto fluido não prova que os dados estejam corretos. O rascunho pode alterar uma quantidade, confundir duas datas, ser direcionado à pessoa errada ou transformar uma solicitação em um compromisso firme.
O exemplo abaixo é sintético. A ideia é separar redação e verificação: use a IA para melhorar o texto e depois compare o resultado com as informações originais antes de enviar.
02Anote primeiro os dados confirmados
Suponha que você precise escrever para um fornecedor fictício para solicitar peças de amostra. Antes de pedir à IA que redija o e-mail, anote os dados que não podem ser alterados.
Item
Dado original confirmado
Destinatário
Mina Park
Empresa
Example Parts
Quantidade de amostras
24 units
Preço unitário
$18.50
Total calculado
$444.00
Data de entrega solicitada
October 7, 2026
Data de revisão interna
October 9, 2026
Status do compromisso
October 7 is requested, not confirmed
O cálculo é 24 × $18.50 = $444.00. October 7 é a data de entrega solicitada ao fornecedor, enquanto October 9 é a data de revisão interna. As anotações originais não autorizam nenhuma promessa sobre prazo de pagamento, pedidos futuros, aprovação ou entrega garantida.
03Peça à IA para não preencher informações ausentes
Um bom prompt deve incluir os dados confirmados e deixar claro que a IA não deve inventar informações que estejam faltando.
Uma resposta típica da IA poderia ser: 'Hello Mina, We would like to request 24 sample units at $18.50 per unit, for a total of $444.00. If possible, please arrange delivery by October 7, 2026, as our internal review is scheduled for October 9. Please let us know whether this delivery date is feasible. Best regards.' O texto parece adequado, mas ainda precisa ser verificado.
04Revise fatos, números, datas, destinatários, tom e promessas
Fatos: compare nomes, empresas, descrições de produtos, nomes de projetos e outras afirmações com a fonte original.
Números: recalcule quantidades, preços, totais, percentuais, dimensões e outros valores importantes de forma independente.
Datas: confira tanto a data quanto o que ela representa. Uma data solicitada não é o mesmo que uma data confirmada.
Destinatários: verifique o nome, a organização, o endereço de e-mail real e se cada pessoa em CC ou BCC realmente precisa receber a mensagem.
Tom: remova expressões desnecessariamente exigentes, vagas, informais demais ou mais confiantes do que os fatos permitem.
Promessas: procure termos que possam criar um compromisso não autorizado, como guarantee, definitely, confirmed, approved, will pay ou will deliver.
No exemplo sintético, 24 units, $18.50, $444.00, October 7 e October 9 correspondem aos dados originais. Além disso, a expressão 'if possible' e o pedido para confirmar se a data é viável mantêm October 7 como uma solicitação, e não como uma data já confirmada.
05Use Python para uma primeira verificação repetível
O script abaixo, baseado apenas na biblioteca padrão, lê draft_email.txt, verifica se os dados esperados do exemplo sintético aparecem, recalcula o total e procura algumas expressões de promessa potencialmente arriscadas. O relatório é salvo em outputs/email_check_report.txt. O rascunho original não é alterado e o script para se a pasta outputs já existir.
python
from pathlib import Path
from decimal import Decimal
import sys
DRAFT_PATH = Path("draft_email.txt")
OUTPUT_DIR = Path("outputs")
REPORT_PATH = OUTPUT_DIR / "email_check_report.txt"
if not DRAFT_PATH.is_file():
sys.exit("Missing input file: draft_email.txt")
if OUTPUT_DIR.exists():
sys.exit("Stop: outputs folder already exists. Remove or rename it manually first.")
recipient = "Mina Park"
company = "Example Parts"
quantity = 24
unit_price = Decimal("18.50")
expected_total = Decimal(quantity) * unit_price
requested_date = "October 7, 2026"
review_date = "October 9, 2026"
required_text = {
"recipient": recipient,
"company": company,
"quantity": "24",
"unit price": "$18.50",
"total": f"${expected_total:.2f}",
"requested delivery date": requested_date,
"internal review date": review_date,
}
risky_phrases = [
"guarantee",
"guaranteed",
"definitely",
"delivery is confirmed",
"we confirm payment",
"we will place future orders",
]
draft = DRAFT_PATH.read_text(encoding="utf-8")
draft_lower = draft.lower()
lines = []
lines.append("AI EMAIL DRAFT CHECK")
lines.append("====================")
lines.append(f"Calculated total: {quantity} x ${unit_price:.2f} = ${expected_total:.2f}")
lines.append("")
lines.append("Required details:")
for label, value in required_text.items():
status = "PASS" if value.lower() in draft_lower else "CHECK"
lines.append(f"{status}: {label} -> {value}")
lines.append("")
lines.append("Risky promise phrases:")
found_risk = False
for phrase in risky_phrases:
if phrase in draft_lower:
found_risk = True
lines.append(f"CHECK: found phrase -> {phrase}")
if not found_risk:
lines.append("PASS: none of the listed phrases were found")
lines.append("")
lines.append("Manual checks still required:")
lines.append("- Verify the actual To, CC, and BCC addresses in the mail client.")
lines.append("- Confirm that October 7 is presented as requested, not guaranteed.")
lines.append("- Confirm tone and context against the original conversation.")
lines.append("- Check for commitments not covered by this phrase list.")
lines.append("- Verify attachments before sending.")
OUTPUT_DIR.mkdir()
REPORT_PATH.write_text("\n".join(lines) + "\n", encoding="utf-8")
print(f"Created: {REPORT_PATH}")
Salve o rascunho como draft_email.txt, o script como email_check.py e execute python email_check.py. Um resultado PASS significa apenas que o texto esperado foi encontrado ou que as expressões de risco da lista não apareceram. Isso não significa que o e-mail esteja aprovado nem que possa ser enviado sem revisão.
06Erros comuns que vale a pena procurar
A quantidade muda de 24 para 25 porque o número 25 apareceu em outra parte da conversa.
O preço unitário está correto, mas o total é copiado ou calculado incorretamente.
October 9 é apresentado como prazo do fornecedor em vez de data de revisão interna.
Uma solicitação para verificar se October 7 é viável se transforma em uma afirmação de que a entrega está confirmada para October 7.
A IA acrescenta prazo de pagamento, aprovação, volume de compras futuras ou outro compromisso que não estava nas anotações originais.
O corpo menciona Mina Park corretamente, mas o campo To contém outro contato com nome semelhante.
As verificações por palavras-chave têm limitações claras. Um e-mail pode conter '$444.00' no contexto errado ou criar um compromisso usando uma expressão que não esteja na lista de risco. A verificação automática ajuda a detectar discrepâncias simples, mas não substitui uma leitura final por uma pessoa.
07Use uma lista final antes de clicar em Enviar
Mantenha as anotações ou registros originais abertos ao lado do rascunho.
Confira todos os nomes, empresas, produtos, quantidades, valores e datas.
Refaça de forma independente os cálculos importantes.
Confirme o significado de cada data, não apenas se ela aparece no texto.
Leia a mensagem especificamente para detectar promessas, aprovações, garantias e compromissos.
Confira os campos reais To, CC e BCC, além dos anexos.
Leia a versão final uma vez do ponto de vista do destinatário.
Uma divisão prática de responsabilidades é deixar a IA ajudar na redação, enquanto a pessoa verifica os fatos e decide quais compromissos a organização está autorizada a assumir. E-mails relacionados a contratos, obrigações legais, informações confidenciais, decisões reguladas, segurança ou consequências financeiras relevantes devem seguir o processo formal de revisão e aprovação da organização.
Registro de execução e verificação
2026-09-21 · hand-checked example · Python 3.12
Foi verificado manualmente que 24 × $18.50 = $444.00.
Foi verificado que October 7, 2026 é a data de entrega solicitada e October 9, 2026 é a data de revisão interna.
Foi verificado que o rascunho de exemplo pergunta se October 7 é viável em vez de afirmar que está confirmado.
Foi verificado que o script apenas lê draft_email.txt e não o modifica.
Foi verificado que o único arquivo gerado é outputs/email_check_report.txt.
Foi verificado que o script para se a pasta outputs já existir.
Foi verificado que o script usa apenas a biblioteca padrão do Python 3.12.
Limites da verificação
O código foi revisado e o pequeno exemplo foi conferido manualmente, mas eu não executei o código.
Uma busca simples por texto não consegue provar que uma afirmação é verdadeira.
A lista de expressões de risco não consegue detectar todas as possíveis promessas, garantias, aprovações ou compromissos.
O script não consegue verificar os endereços reais de To, CC ou BCC, anexos, autoridade dentro da organização ou o contexto completo da conversa por e-mail.
Para comunicações jurídicas, contratuais, financeiras, de segurança, confidenciais ou reguladas, use o processo formal de revisão exigido pela organização.
Transforme “automatize isso” em uma descrição de tarefa executável. Anexe uma amostra sintética sem dados sensíveis e um resultado esperado verificado manualmente para completar uma solicitação de script que totaliza registros de trabalho por equipe.
Verifique uma função de agregação com quatro linhas que você pode calcular manualmente e 12 unit tests. Verifique não apenas valores normais, mas também entrada vazia, zero, decimais e entrada inválida.
Separe um resumo plausível em fatos, cálculos e interpretações. Recalcule proporções e médias a partir de dados mensais sintéticos e reescreva frases com fontes ausentes ou causas exageradas como afirmações que possam ser verificadas.
Trate uma regex gerada por IA como um rascunho, não como uma regra final. Monte uma pequena tabela de testes sintéticos, compare os resultados esperados com as correspondências reais, revise o padrão e salve um relatório de revisão antes de usá-lo em dados reais.