Glossário
Os termos de IA sem a névoa de marketing.
A lista do que aparece numa reunião de projeto de IA, explicado pelo que muda na prática — e não pela definição de manual.
13 verbetes
Comece por onde a dúvida aparece.
Cada verbete tem a definição curta, o que muda no projeto e para onde o conceito vira entrega.
Agente de IA
Agente de IA é um sistema que usa um modelo de linguagem para decidir qual ação tomar e executá-la em ferramentas reais — consultar um sistema, escrever num banco, enviar uma mensagem — em vez de apenas devolver texto.
LLM (grande modelo de linguagem)
LLM é um modelo treinado em grande volume de texto para prever a continuação mais provável de uma sequência. É o que permite gerar, resumir, classificar e conversar em linguagem natural — Claude, GPT, Gemini e Llama são exemplos.
RAG (geração aumentada por recuperação)
RAG é a técnica de buscar trechos relevantes na sua base de conhecimento e entregá-los ao modelo junto com a pergunta, para que a resposta venha do seu conteúdo — e possa citar a fonte — em vez de sair da memória do modelo.
Fine-tuning
Fine-tuning é continuar o treino de um modelo já pronto com exemplos seus, para ajustar a forma da saída — tom, formato, estilo de classificação. Serve para ensinar comportamento, não para inserir conhecimento que muda.
Engenharia de prompt
Engenharia de prompt é escrever e estruturar a instrução dada ao modelo — papel, regras, exemplos, formato de saída e o que fazer quando não souber — para tornar a resposta consistente e verificável.
Alucinação
Alucinação é quando o modelo produz uma informação plausível e errada — número, cláusula, prazo ou fonte que não existem. Não é falha de configuração: é consequência de um sistema que gera a continuação mais provável do texto.
Embedding
Embedding é a representação de um texto como uma lista de números que posiciona o seu significado num espaço vetorial. Textos com sentido parecido ficam próximos — é o que permite buscar por significado, e não por palavra exata.
Banco de dados vetorial
Banco de dados vetorial é o armazenamento que guarda embeddings e responde à pergunta "quais itens estão mais próximos deste?" com velocidade — a peça de recuperação de qualquer RAG.
Token
Token é o pedaço de texto que o modelo processa por vez — em português, algo entre uma sílaba e uma palavra curta. É a unidade em que se mede o consumo e em que se cobra o uso de um modelo.
Janela de contexto
Janela de contexto é o total de tokens que o modelo consegue considerar de uma vez — instrução, documentos, histórico e resposta somados. Fora dela, o modelo simplesmente não enxerga a informação.
MCP (Model Context Protocol)
MCP é um protocolo aberto que padroniza como um modelo de IA se conecta a ferramentas e fontes de dado externas. Em vez de uma integração sob medida por assistente, o sistema expõe um servidor MCP e qualquer cliente compatível consome.
LLMOps
LLMOps é o conjunto de práticas para colocar e manter sistemas de IA em produção: versionar prompt, avaliar com conjunto de teste, monitorar custo e latência, registrar cada chamada e conseguir voltar atrás quando a qualidade cai.
Guardrails
Guardrails são os limites técnicos que definem o que um sistema de IA pode dizer e fazer: escopo de assunto, validação de saída, regra de autorização por ação e ponto obrigatório de aprovação humana.
Traduzir termo é fácil. Achar onde ele paga a conta é o trabalho.
Trinta minutos, uma conversa direta e uma resposta honesta sobre o que vale construir agora e o que pode esperar.
Sem compromisso · resposta em até 24h