O vocabulário da IA virou uma barreira de entrada. Termos técnicos são usados para impressionar, confundir ou vender. Este glossário faz o contrário: explica cada conceito no nível que um líder precisa — o suficiente para decidir bem, sem precisar virar engenheiro.

Os fundamentos

LLM (modelo de linguagem)

O motor por trás da maioria das ferramentas de IA atuais. Gera texto prevendo a próxima palavra com base em padrões aprendidos. Por que importa: é poderoso, mas não "sabe" nada — prevê. Por isso pode errar com confiança.

Agente

Um sistema que usa um ou mais modelos para executar tarefas: interpreta um objetivo, escolhe passos, usa ferramentas e entrega um resultado. Por que importa: é a diferença entre algo que responde e algo que faz.

Prompt

A instrução que você dá à IA. Por que importa: qualidade da instrução afeta diretamente a qualidade do resultado — mas depender de "prompt mágico" é frágil para operação séria.

Como a IA usa seus dados

RAG (geração aumentada por recuperação)

A IA busca informação numa base confiável antes de responder, ancorando a resposta nos seus dados. Por que importa: reduz invencionice e é a forma mais comum de fazer a IA trabalhar com o conhecimento da sua empresa.

Fine-tuning

Ajustar um modelo com dados específicos para especializá-lo. Por que importa: útil em casos específicos, mas frequentemente é vendido como necessário quando RAG resolveria mais barato. Aqui o hype costuma exagerar.

Alucinação

Quando a IA produz algo plausível, porém falso. Por que importa: é risco real em produção e a razão pela qual rastro e validação humana são essenciais.

Controle e segurança

Humano no loop

Manter uma pessoa para validar ou aprovar ações da IA em pontos críticos. Por que importa: é o que torna seguro delegar trabalho a um agente.

Governança de IA

O conjunto de regras sobre quem acessa o quê, com quais dados e quais limites. Por que importa: é a diferença entre IA controlável e shadow AI fora de controle.

Rastreabilidade (auditabilidade)

A capacidade de saber o que a IA fez e por quê. Por que importa: sem rastro, não há confiança nem correção.

Arquitetura e operação

Orquestração

Coordenar vários agentes e etapas para cumprir um processo inteiro. Por que importa: é o que transforma agentes isolados em operação de verdade.

Pipeline / fluxo

A sequência de etapas pela qual o trabalho passa. Por que importa: o ganho de IA aparece quando o fluxo é redesenhado, não quando se acelera uma etapa solta.

Integração

Conectar a IA aos sistemas e dados onde o trabalho acontece. Por que importa: sem integração, a IA fica numa ilha e o ganho não chega à operação.

Conceitos de mercado

AI-native vs AI-powered

AI-powered é adicionar IA a algo que já existia; AI-native é desenhar desde a origem assumindo IA. Por que importa: muda a profundidade do resultado, não só o rótulo.

POC / piloto / produção

Prova de conceito, teste controlado e uso real em escala. Por que importa: a maior parte dos projetos morre entre o piloto e a produção — e é a produção que gera valor.

ROI de IA

O retorno real sobre o investimento em IA. Por que importa: sem medir antes e depois, "ganho de produtividade" vira sensação, não resultado.

Como usar este glossário

Você não precisa decorar nada. Precisa, sim, fazer melhores perguntas: quando um fornecedor disser "fine-tuning", pergunte se RAG não bastaria; quando ouvir "agente", pergunte sobre limites e rastro; quando ouvir "produtividade", pergunte como será medida. Vocabulário, aqui, é ferramenta de discernimento.

FAQ

Qual a diferença entre LLM e agente de IA?

Um LLM é o modelo de linguagem que gera texto. Um agente usa um (ou vários) LLM para executar tarefas: decidir passos, usar ferramentas e produzir um resultado dentro de limites.

O que é RAG em IA?

RAG (geração aumentada por recuperação) é quando a IA busca informação em uma base confiável antes de responder, em vez de depender só do que 'lembra'. Reduz invencionice e ancora a resposta nos seus dados.

O que é humano no loop?

É manter uma pessoa no fluxo para validar, corrigir ou aprovar ações da IA em pontos críticos — garantindo controle, qualidade e responsabilidade.

Aprofunde em O que são agentes de IA em produção e entenda a categoria em O que é uma consultoria AI-native.