Glossário de inteligência artificial

Este glossário reúne termos importantes para quem acompanha inteligência artificial, tecnologia e negócios. A proposta é explicar conceitos de forma prática, sem depender de jargões técnicos.

Inteligência artificial

Área da computação dedicada a criar sistemas capazes de executar tarefas que normalmente exigiriam algum tipo de inteligência humana, como reconhecer padrões, gerar texto, interpretar imagens, recomendar produtos ou apoiar decisões.

IA generativa

Categoria de IA capaz de criar novos conteúdos a partir de padrões aprendidos em dados. Pode gerar textos, imagens, áudio, vídeo, código, resumos, variações criativas e respostas conversacionais. O valor está na velocidade e flexibilidade, mas a revisão humana continua essencial.

Modelo de linguagem

Sistema treinado para prever, interpretar e gerar linguagem. Ele identifica relações entre palavras, frases e contextos, permitindo tarefas como responder perguntas, resumir documentos, traduzir textos e escrever rascunhos.

Prompt

Instrução enviada a um sistema de IA. Um bom prompt define objetivo, contexto, formato esperado, restrições e critérios de qualidade. Em ambientes profissionais, o prompt deve ser tratado como parte do processo de trabalho, não como um comando improvisado.

Alucinação

Resposta incorreta ou inventada produzida por um modelo de IA com aparência de confiança. Esse risco é especialmente importante em temas jurídicos, médicos, financeiros, técnicos ou jornalísticos. A mitigação exige checagem, fontes confiáveis e revisão humana.

RAG

Sigla para Retrieval-Augmented Generation. É uma abordagem em que o sistema busca informações em uma base de conhecimento antes de gerar a resposta. Isso ajuda a conectar a IA a documentos internos, manuais, políticas, contratos ou conteúdos atualizados.

Fine-tuning

Processo de ajuste de um modelo com exemplos específicos para melhorar seu comportamento em uma tarefa. Nem toda empresa precisa de fine-tuning. Muitas vezes, bons prompts, base de conhecimento e integração com dados já resolvem o problema.

Embedding

Representação numérica de textos, imagens ou outros dados. Embeddings ajudam sistemas a encontrar conteúdos semanticamente parecidos, mesmo quando as palavras usadas são diferentes. São úteis em buscas inteligentes e recomendação.

Agente de IA

Sistema que combina modelo de IA, instruções, ferramentas e objetivos para executar tarefas com algum grau de autonomia. Um agente pode consultar dados, acionar sistemas, criar respostas e seguir etapas de trabalho. Quanto maior a autonomia, maior a necessidade de controle.

Automação

Uso de tecnologia para executar tarefas repetitivas com menos intervenção manual. IA e automação não são sinônimos: uma automação pode seguir regras fixas, enquanto IA pode interpretar contexto e lidar com variações.

Governança de IA

Conjunto de regras, responsabilidades e controles para uso seguro da inteligência artificial. Inclui políticas de dados, revisão humana, segurança, compliance, registro de decisões e definição de limites para uso interno e externo.

Dados sensíveis

Informações que exigem cuidado especial, como dados pessoais, financeiros, estratégicos, médicos, jurídicos ou confidenciais. Empresas devem definir claramente quais dados podem ou não ser usados em ferramentas de IA.

Modelo multimodal

Modelo capaz de trabalhar com mais de um tipo de entrada ou saída, como texto, imagem, áudio e vídeo. Esse tipo de sistema amplia possibilidades de uso em atendimento, educação, design, análise documental e produção de conteúdo.

Conclusão

Entender os principais termos ajuda empresas, profissionais e leitores a avaliar notícias sobre IA com mais clareza. O vocabulário muda rápido, mas a lógica central permanece: IA deve ser analisada pelo problema que resolve, pelo risco que cria e pelo valor que entrega.