Glossário de IA
Todos os termos de Inteligência Artificial que você precisa conhecer, explicados de forma clara.
41 termosA
- Agência Autônoma Multiagente
- Sistema no qual diferentes assistentes virtuais especializados colaboram entre si para resolver um objetivo amplo sem intervenção humana constante. Cada agente assume um papel específico, como pesquisar dados, redigir relatórios ou auditar cálculos, repassando o trabalho adiante. Isso transforma fluxos de trabalho operacionais em processos quase totalmente automatizados e coordenados.
- Agentes Autônomos de IA
- Sistemas de inteligência artificial capazes de planejar, tomar decisões e executar sequências de tarefas de forma independente para atingir um objetivo complexo. Diferente dos chatbots tradicionais, eles interagem com softwares e bancos de dados sem precisar de orientação humana a cada etapa.
- Agentes Autônomos de IA (AI Agents)
- São sistemas que vão além de responder perguntas: eles conseguem planejar ações, usar ferramentas digitais e executar tarefas completas de forma independente para atingir um objetivo. Por exemplo, um agente pode pesquisar fornecedores, redigir propostas e agendar reuniões sem intervenção humana constante. No cenário nacional, estão transformando a operação de times de suporte, logística e marketing ao assumirem fluxos de trabalho complexos.
- Agentes de Uso de Computador (Computer-Use Agents)
- Trata-se de agentes autônomos de IA capazes de interagir diretamente com a interface de sistemas operacionais, movendo o cursor, clicando em botões e digitando como um ser humano. Diferente das automações tradicionais, eles não dependem de integrações técnicas (APIs) e conseguem operar visualmente qualquer software na tela. Para as empresas brasileiras, essa tecnologia permite modernizar processos e automatizar tarefas repetitivas em sistemas legados e ERPs antigos sem custos extras de integração.
- Alucinação (Hallucination)
- Quando um modelo de IA gera informação falsa ou inventada com confiança, como se fosse verdadeira.
- API
- Application Programming Interface. Interface que permite que softwares se comuniquem. Usado para integrar IA em aplicacoes.
- Aprendizado Federado
- Aprendizado Federado é uma abordagem de machine learning que treina um modelo em vários dispositivos ou servidores descentralizados, cada um mantendo seus dados localmente. Isso permite construir modelos robustos sem centralizar os dados, preservando a privacidade e reduzindo a dependência de grandes conjuntos de dados centralizados.
C
- Computação em Tempo de Inferência (Test-Time Compute)
- É uma técnica recente em que o modelo de inteligência artificial recebe tempo e poder de processamento adicionais para 'pensar' e testar hipóteses antes de emitir a resposta definitiva. Em vez de prever o texto imediatamente, o sistema explora múltiplos caminhos lógicos e autocorrige eventuais falhas, reduzindo drasticamente as alucinações em tarefas complexas de lógica, finanças e programação.
- Computação em Tempo de Inferência (Test-Time Compute)
- É uma técnica em que o modelo de IA dedica mais tempo e capacidade de processamento para 'pensar' internamente antes de exibir uma resposta definitiva ao usuário. Em vez de prever a próxima palavra instantaneamente, o sistema gera, analisa e valida diferentes hipóteses para resolver problemas de lógica ou matemática com muito mais rigor. Para os profissionais, essa abordagem significa respostas muito mais confiáveis e com menor risco de erros em decisões estratégicas.
D
- Dados Sintéticos
- Dados Sintéticos são informações geradas artificialmente que imitam as características de dados reais, sem conter informações pessoais ou confidenciais. Eles são usados para treinar modelos de IA quando dados reais são escassos, caros ou apresentam riscos de privacidade. Dados sintéticos permitem a criação de modelos robustos e imparciais, além de acelerar o desenvolvimento de soluções de IA em diversos setores.
E
- Embeddings
- Representacoes numericas (vetores) de texto que capturam significado semantico. Usados em busca e RAG.
F
- Fine-tuning
- Processo de retreinar um modelo pre-treinado com dados especificos para especializa-lo em uma tarefa.
- Fluxos Agênticos (Agentic Workflows)
- Padrão de arquitetura em inteligência artificial onde o sistema opera de forma autônoma e iterativa, dividindo problemas complexos em etapas e executando ferramentas externas. Diferente das respostas diretas tradicionais, a IA planeja, executa, avalia e corrige o próprio trabalho antes de entregar o resultado final. É uma abordagem ideal para empresas brasileiras que buscam automação profunda de processos de negócios complexos.
I
- IA Agêntica
- Refere-se a sistemas de inteligência artificial que não apenas respondem a comandos, mas têm autonomia para planejar, tomar decisões e executar sequências de tarefas para atingir um objetivo específico. Na prática, atuam como colaboradores digitais capazes de pesquisar informações, preencher relatórios e acionar outros softwares sem supervisão humana a cada clique.
- IA Agêntica (Agentic AI)
- Sistemas de inteligência artificial capazes de agir com autonomia para planejar, tomar decisões e executar tarefas complexas de ponta a ponta sem supervisão humana constante. Diferente dos chatbots tradicionais que apenas respondem perguntas, a IA agêntica utiliza ferramentas digitais para atingir objetivos de negócios específicos. No cenário brasileiro, essa tecnologia vem sendo aplicada para automatizar fluxos operacionais completos, reduzindo custos e erros manuais.
- IA Agêntica (Agentic AI)
- Sistemas de inteligência artificial projetados para agir com alto grau de autonomia, planejando etapas, tomando decisões e executando tarefas complexas sem a necessidade de comandos humanos a cada passo. Em vez de apenas responder a perguntas, esses agentes usam ferramentas de software para resolver fluxos de trabalho operacionais completos.
- IA Agêntica (Agentic AI)
- Refere-se a sistemas de inteligência artificial projetados para operar com alto grau de autonomia, dividindo metas amplas em etapas, escolhendo ferramentas digitais e executando tarefas sem intervenção humana constante. Ao contrário dos chatbots convencionais focados apenas em responder mensagens, esses agentes conseguem navegar em sistemas, consultar bancos de dados e solucionar fluxos de trabalho completos de ponta a ponta.
- IA Agêntica (Agentic AI)
- Refere-se a sistemas de inteligência artificial projetados para operar com autonomia, sendo capazes de planejar, tomar decisões e executar tarefas complexas do início ao fim sem intervenção humana constante. Diferente dos chatbots tradicionais que apenas respondem perguntas, os agentes usam ferramentas digitais e corrigem os próprios erros para alcançar um objetivo prático. No dia a dia das empresas, essa tecnologia permite delegar fluxos inteiros de trabalho, como triagem, negociação e atualização de sistemas.
- IA Explicável (XAI)
- IA Explicável (XAI) refere-se a um conjunto de técnicas e métodos que permitem que humanos entendam e confiem nas decisões tomadas por modelos de inteligência artificial. Em vez de serem "caixas pretas", os sistemas XAI fornecem transparência sobre como chegam a suas conclusões, aumentando a confiança e facilitando a identificação de vieses e erros. Isso é crucial para aplicações em áreas sensíveis como saúde e finanças, onde a justificativa das decisões é fundamental.
- IA Explicável (XAI)
- IA Explicável refere-se a técnicas e métodos que permitem aos humanos entender e confiar nas decisões tomadas por modelos de inteligência artificial. Em vez de serem 'caixas pretas', sistemas XAI fornecem insights sobre o raciocínio por trás das previsões, aumentando a transparência e a responsabilidade na aplicação da IA.
L
- LAM (Large Action Model)
- Large Action Model (Modelo de Ação de Grande Escala). Vão além de gerar texto: são treinados para executar ações reais em interfaces, como clicar botões, preencher formulários e navegar sites. Exemplos: Rabbit OS/R1, MultiOn, Adept AI. Aplicações: fazer compras online de forma autônoma, automatizar tarefas repetitivas de escritório e interagir com softwares complexos sem intervenção humana.
- LCM (Large Concept Model)
- Large Concept Model (Modelo de Conceitos de Grande Escala). Trabalham com conceitos abstratos em vez de palavras, permitindo tradução e compreensão entre diferentes idiomas e modalidades (texto, áudio, vídeo) de forma mais natural. Exemplo: SeamlessM4T (Meta). Aplicações: tradução simultânea em tempo real nos óculos Meta Ray-Ban, dublagem automática de vídeos preservando voz e entonação (estilo HeyGen).
- LLM (Large Language Model)
- Large Language Model (Modelo de Linguagem de Grande Escala). São redes neurais massivas, treinadas com bilhões de parâmetros em vastos conjuntos de texto, capazes de entender e gerar linguagem humana com alta fluência. Exemplos: GPT-4 (OpenAI), Claude (Anthropic), Gemini 1.5 Pro (Google), Llama 3 (Meta). São a base de chatbots, assistentes de código como GitHub Copilot, geração de conteúdo e atendimento ao cliente automatizado.
M
- MLM (Masked Language Model)
- Masked Language Model (Modelo de Linguagem Mascarada). São treinados prevendo palavras ocultas em frases, o que lhes dá profunda compreensão do contexto e da semântica do texto. Exemplos: BERT e RoBERTa (Google/Meta). Diferente dos LLMs (que geram texto), são usados para classificar e entender texto. Aplicações: melhorias na busca do Google, corretores gramaticais como Grammarly e análise de sentimento em reviews.
- Model Context Protocol (MCP)
- Um padrão de comunicação universal que conecta assistentes de inteligência artificial diretamente a bancos de dados, arquivos e sistemas corporativos de forma segura. Ele elimina a necessidade de integrações complexas e personalizadas, permitindo que a IA acesse o contexto de negócios em tempo real com facilidade.
- Modelos de Linguagem Pequenos (SLMs)
- Algoritmos de IA projetados com menor quantidade de parâmetros em comparação aos grandes modelos globais, sendo otimizados para executar tarefas específicas diretamente em servidores locais ou dispositivos móveis. Eles garantem maior velocidade de resposta, total privacidade dos dados e consumo energético reduzido. Para o mercado nacional, representam uma solução viável e eficiente para implementar IA sem depender de custos elevados em moeda estrangeira com infraestrutura de nuvem.
- Modelos de Linguagem Pequenos (SLMs)
- Modelos de IA compactos e altamente otimizados que exigem muito menos capacidade de processamento do que os grandes modelos tradicionais. Eles entregam alto desempenho em tarefas específicas, rodando diretamente em dispositivos locais ou servidores de baixo custo com menor consumo de energia. Para o mercado nacional, representam uma solução acessível e alinhada às exigências de privacidade de dados da LGPD.
- Modelos de Raciocínio
- São modelos avançados projetados para 'pensar' passo a passo antes de emitir uma resposta final, simulando o processo de reflexão lógica humana. Essa técnica reduz drasticamente os erros em tarefas complexas, permitindo análises mais seguras e precisas em áreas como programação, finanças e tomada de decisão estratégica.
- Modelos de Raciocínio (Reasoning Models)
- São sistemas de IA projetados para 'pensar passo a passo' antes de emitir uma resposta, melhorando significativamente a precisão em problemas lógicos, matemáticos ou de programação. Diferente dos modelos tradicionais que respondem quase instantaneamente, eles dedicam tempo extra para analisar variáveis e verificar o próprio raciocínio. Para empresas brasileiras, representam um salto de confiabilidade em tarefas críticas como análise de contratos e auditoria financeira.
- Modelos de Raciocínio (Reasoning Models)
- São sistemas avançados de inteligência artificial treinados para 'pensar' e validar hipóteses lógicas antes de entregar uma resposta final, em vez de apenas prever a próxima palavra imediatamente. Essa pausa computacional reduz alucinações e melhora o desempenho em tarefas analíticas complexas. No mercado brasileiro, são especialmente úteis para auditorias fiscais, diagnóstico de código e resolução de problemas jurídicos intrincados.
- MoE (Mixture of Experts)
- Mixture of Experts (Mistura de Especialistas). Arquitetura onde o modelo é dividido em vários "especialistas", mas apenas uma fração é ativada para cada tarefa, reduzindo drasticamente o custo computacional. Exemplos: Mixtral 8x7B (Mistral AI), GPT-4 (supostamente usa MoE). Aplicação: grandes sistemas em nuvem que roteiam consultas para sub-redes especializadas, otimizando performance sem multiplicar custos.
P
- Prompt Engineering
- Arte de elaborar instrucoes precisas para obter melhores resultados de modelos de IA.
R
- Raciocínio em Tempo de Inferência (Test-Time Compute)
- Técnica em que o modelo de inteligência artificial gasta segundos adicionais 'pensando' e testando diferentes caminhos lógicos antes de exibir uma resposta final. Isso reduz erros graves em tarefas complexas de matemática, programação ou planejamento empresarial. Na prática, funciona como uma pausa estratégica para reflexão antes de falar.
- Raciocínio no Tempo de Teste
- Refere-se à capacidade de um modelo de inteligência artificial alocar mais tempo de processamento para 'pensar' antes de gerar uma resposta. Em vez de responder instantaneamente, a IA explora diferentes caminhos lógicos, testa hipóteses e corrige seus próprios erros internamente. Esse avanço aumenta significativamente a assertividade em tarefas complexas de programação, matemática e decisões de negócios.
- RAG
- Retrieval Augmented Generation. Técnica que combina busca em documentos com geração de texto para respostas mais precisas.
- RAG (Geração Aumentada por Recuperação)
- Técnica que conecta modelos de linguagem a bases de dados privadas e atualizadas da própria empresa antes de gerar uma resposta. Isso reduz drasticamente os erros da IA (alucinações) e garante que o sistema responda com base em documentos internos confiáveis.
S
- SAM (Segment Anything Model)
- Segment Anything Model (Modelo de Segmentação Universal). Desenvolvido pela Meta, é capaz de identificar e recortar qualquer objeto em uma imagem sem treinamento prévio para aquele objeto específico. Aplicações: criação de figurinhas no WhatsApp recortando pessoas ou objetos de fotos, segmentação de tumores em exames médicos e análise de imagens de satélite para agricultura e monitoramento ambiental.
- Sistemas Multiagente
- É uma arquitetura onde vários agentes de inteligência artificial especializados trabalham em equipe para resolver problemas complexos. Em vez de usar uma única IA para tudo, cada agente assume um papel específico — como pesquisar, analisar dados ou redigir — colaborando de forma autônoma para entregar o resultado final. Essa abordagem permite automatizar fluxos de trabalho corporativos altamente sofisticados com maior precisão.
- SLM (Small Language Model)
- Small Language Model (Modelo de Linguagem Pequeno). São versões compactas dos LLMs, projetadas para rodar diretamente em dispositivos como celulares, notebooks e carros inteligentes, sem depender da nuvem. Exemplos: Phi-3 (Microsoft), Gemma (Google), Apple Intelligence. Aplicações: resumos de mensagens no WhatsApp, assistentes offline em smartphones (Gemini Nano) e processamento local em veículos autônomos.
T
- Token
- Unidade basica de processamento de texto em LLMs. Aproximadamente 3/4 de uma palavra em ingles.
V
- VLM (Vision-Language Model)
- Vision-Language Model (Modelo de Visão e Linguagem). Combinam compreensão visual (imagens, vídeos) com linguagem textual em um único modelo. Exemplos: GPT-4V (OpenAI), Google Lens com IA, Claude 3 Opus (Anthropic). Aplicações: o app Be My Eyes que descreve o mundo para deficientes visuais, diagnóstico de doenças em plantas por foto, resolução de problemas de matemática fotografando o caderno.