Glossário de IA: os termos que toda empresa precisa entender
O vocabulário da IA virou uma sopa de letrinhas que atrapalha mais do que ajuda na hora de decidir. Este glossário traduz os termos que mais aparecem em propostas e conversas técnicas para uma linguagem direta, focada no que cada um significa na prática para a sua empresa — sem buzzword e sem aula acadêmica. Use como referência rápida sempre que um fornecedor soltar uma sigla.
Os fundamentos
IA (Inteligência Artificial) — termo guarda-chuva para sistemas que executam tarefas que antes exigiam um humano: entender texto, classificar, decidir, gerar conteúdo. No contexto de empresa, o que importa não é a definição, e sim onde ela move um número da operação. Veja IA para empresas.
IA generativa — o tipo de IA que cria conteúdo novo (texto, imagem, código) em vez de só classificar dados existentes. É a tecnologia por trás dos assistentes que conversam e produzem.
LLM (Large Language Model / Grande Modelo de Linguagem) — o "motor" por trás da IA generativa de texto. É um modelo treinado em enormes volumes de texto que prevê e gera linguagem. Quando alguém fala em GPT, Gemini ou Claude, está falando de LLMs.
Agentes e automação
Agente de IA — software que percebe o contexto, decide o próximo passo e executa uma ação dentro dos seus sistemas (agenda, registra, qualifica). Diferente de um chatbot, ele resolve, não só responde. Detalhe em o que é um agente de IA.
Chatbot — programa de conversa por roteiro (menus e respostas fixas). Bom para dúvidas simples; trava quando a pessoa foge do script. É o degrau anterior ao agente.
Arquitetura multi-agente — em vez de um robô tentando dar conta de tudo, vários agentes especialistas com um "roteador" que direciona cada pedido para o certo. É o que permite escalar atendimento mantendo qualidade.
Handoff — a passagem do atendimento da IA para um humano, com todo o contexto da conversa, quando o caso exige julgamento. Um bom handoff é o que dá segurança para colocar um agente na linha de frente.
Conhecimento e dados
RAG (geração aumentada por recuperação) — técnica em que a IA primeiro busca os trechos relevantes na sua base de dados e só então gera a resposta com base neles. É o que mantém a resposta ancorada nos seus dados e reduz a invenção. Base de busca corporativa com IA.
Base de conhecimento — o conjunto de documentos, políticas e dados da empresa, organizados para a IA consultar. É o que faz o agente falar como a sua empresa, e não como uma IA genérica.
Alucinação — quando a IA responde algo que parece certo mas é inventado. Mitiga-se com RAG e rastreabilidade (a resposta aponta a fonte), nunca confiando no escuro.
Fine-tuning — ajuste fino de um modelo com seus próprios exemplos para especializá-lo numa tarefa ou tom. Útil em casos específicos; muitas vezes RAG já resolve sem o custo do fine-tuning.
Desenvolvimento e projeto
MVP (Produto Mínimo Viável) — o recorte de maior impacto que já entrega valor e pode ir para a mão do usuário cedo. Começar por um MVP dilui o investimento e valida hipóteses com uso real. Mais em quanto custa um aplicativo.
Sob medida — software construído para a sua operação, conectado aos seus sistemas e às suas regras. Oposto de template/no-code genérico. Custa mais no início e não tem teto de plataforma.
Integração — a conexão da IA com os sistemas que rodam o negócio (ERP, CRM, WhatsApp, agenda). É o que tira a IA do papel de tira-dúvidas e a coloca para executar de verdade.
API — a "tomada" pela qual dois sistemas conversam. Quando se fala em integrar a IA ao seu ERP, quase sempre é via API.
Perguntas frequentes
Qual a diferença entre IA generativa e LLM?
IA generativa é a categoria de IA que cria conteúdo novo. LLM (grande modelo de linguagem) é o tipo de modelo por trás da IA generativa de texto — o motor que prevê e gera linguagem. Todo LLM é IA generativa, mas há IA generativa também para imagem, áudio e código.
O que é RAG em palavras simples?
É a técnica em que a IA primeiro busca a informação relevante dentro da sua base de dados e só depois escreve a resposta com base nela, citando a fonte. Isso mantém a resposta ancorada nos seus dados e reduz o risco de a IA inventar.
Qual a diferença entre chatbot e agente de IA?
O chatbot segue um roteiro de menus e respostas fixas e se perde fora do script. O agente de IA entende linguagem natural, mantém o contexto e executa ações reais nos seus sistemas, resolvendo o caso de ponta a ponta.
Preciso de fine-tuning para usar IA na empresa?
Na maioria dos casos, não. Boa parte das necessidades de empresa é resolvida com RAG (conectar a IA à sua base de conhecimento), que é mais rápido e barato que treinar um modelo. Fine-tuning entra em casos específicos de tom ou tarefa muito particular.
Há 16 anos construindo software sob medida; lidera a engenharia de IA da NexUnio. Conheça a NexUnio · LinkedIn