Principais destaques:
- A inteligência artificial criou um novo vocabulário que já faz parte do dia a dia de empresas e profissionais.
- Termos como LLM, prompt, agente, RAG e fine-tuning ajudam a entender como as IAs funcionam por dentro.
- Conhecer esses conceitos melhora o uso estratégico de ferramentas como o ChatGPT e outras soluções de IA generativa.
A popularização da inteligência artificial trouxe ganhos enormes de produtividade, mas também um desafio: entender a quantidade de termos técnicos que surgem a cada nova ferramenta. Este glossário reúne, em um único lugar, os principais conceitos de IA moderna, com explicações claras, diretas e acessíveis, mesmo para quem não é especialista.
Conceitos fundamentais e tomada de decisão
Agente ou Agent
Robô digital especializado em uma tarefa específica. Ele utiliza prompts, regras e integrações com outras ferramentas para automatizar processos.
Algoritmos preditivos
Algoritmos que analisam dados históricos para prever eventos ou comportamentos futuros.
Algoritmos prescritivos
Utilizam dados e análises para recomendar ações ou decisões ideais em determinado contexto.
Alucinação da IA
Fenômeno em que um modelo de linguagem gera informações falsas ou imprecisas com aparência de certeza.
Cultura data-driven
Modelo organizacional que prioriza decisões baseadas em dados e evidências, e não apenas em intuição.
Transformação digital
Integração de tecnologias digitais em todas as áreas de uma empresa para otimizar processos, melhorar a experiência do cliente e criar novas oportunidades.
Modelos de linguagem, prompts e criação de conteúdo
ChatGPT
Modelo de linguagem avançado desenvolvido pela OpenAI, capaz de gerar textos, responder perguntas, traduzir idiomas, resumir conteúdos e muito mais.
Engenharia de prompts
Prática de criar instruções bem estruturadas para obter respostas mais precisas, relevantes e criativas de um modelo de IA.
Prompt
Comando em linguagem natural enviado a um modelo de IA para executar uma tarefa específica.
IA generativa
Tipo de inteligência artificial capaz de criar novos conteúdos, como textos, imagens, códigos, músicas e vídeos.
Janela de contexto
Quantidade máxima de informações que um modelo consegue considerar simultaneamente durante uma interação.
Token
Unidade básica de processamento de texto em modelos de linguagem, podendo representar palavras, partes de palavras ou caracteres.
Multimodalidade
Capacidade de um modelo de IA processar e combinar diferentes tipos de dados, como texto, imagem, áudio e vídeo.
Aprendizado, treinamento e desempenho
LLM (Large Language Model)
Modelo de linguagem treinado com grandes volumes de texto e código para compreender e gerar linguagem humana.
Machine Learning
Área da inteligência artificial que permite que sistemas aprendam com dados sem serem explicitamente programados.
Deep Learning
Subcampo do machine learning baseado em redes neurais profundas, muito usado em reconhecimento de voz, visão computacional e IA generativa.
Redes neurais artificiais
Estruturas computacionais inspiradas no cérebro humano, formadas por camadas de neurônios artificiais.
Aprendizado supervisionado
Modelo treinado com dados rotulados, nos quais a resposta correta já é conhecida.
Aprendizado não supervisionado
Aprendizado a partir de dados sem rótulos, focado na descoberta de padrões ocultos.
Aprendizado por reforço
Método em que a IA aprende por tentativa e erro, com base em recompensas e penalidades.
Fine-tuning
Ajuste fino de um modelo pré-treinado usando dados específicos para melhorar seu desempenho em tarefas particulares.
Inferência
Momento em que o modelo utiliza o aprendizado adquirido para gerar respostas, previsões ou conteúdos.
Overfitting
Quando o modelo se ajusta demais aos dados de treino e perde capacidade de generalizar.
Underfitting
Quando o modelo é simples demais e não consegue capturar padrões relevantes nos dados.
Automação, integração e governança
RAG (Retrieval Augmented Generation)
Técnica que combina geração de texto com busca em bases de dados externas para fornecer respostas mais precisas e contextualizadas.
Recursividade
Uso de elementos ajustáveis em prompts que permitem refinamento contínuo e melhoria incremental dos resultados.
RPA (Robotic Process Automation)
Tecnologia que utiliza softwares robôs para automatizar tarefas repetitivas e baseadas em regras.
Embedding
Representação numérica de dados como texto ou imagens, usada para comparação de significados e contextos.
Dataset
Conjunto de dados utilizado para treinar, validar ou testar modelos de inteligência artificial.
API de IA
Interface que permite integrar modelos de IA a sistemas, aplicativos e fluxos de trabalho.
Latency
Tempo entre o envio de uma solicitação ao modelo e a entrega da resposta.
Ética, controle e uso responsável
Bias (viés algorítmico)
Distorções nos resultados da IA causadas por dados desequilibrados ou decisões inadequadas de treinamento.
Explainable AI (XAI)
Conjunto de técnicas que tornam as decisões da IA mais transparentes e compreensíveis para humanos.
Guardrails
Regras e limites implementados para controlar o comportamento da IA e reduzir riscos.
Human-in-the-loop
Abordagem em que humanos participam da validação, supervisão ou tomada de decisão junto à IA.
