Você não precisa entender machine learning para usar IA bem no seu trabalho. Mas alguns termos aparecem o tempo todo, em tutoriais, em configurações de ferramentas, nas respostas que a própria IA te dá, e não entendê-los custa tempo. Este glossário cobre os que realmente importam no dia a dia.
Prompt
O texto que você escreve para pedir algo a uma IA. Parece óbvio, mas a distinção importa: um prompt vago (“me ajude com este relatório”) produz resposta vaga. Um prompt específico (“resuma este relatório em 5 bullets, focando em números e prazos, para eu enviar ao meu gestor”) produz resposta específica. A IA não lê sua mente. Ela responde ao que você escreveu, não ao que você queria dizer.
Contexto (ou “context window”)
A quantidade de informação que a IA consegue “ver” numa conversa de uma vez: sua pergunta, o histórico da conversa, documentos colados, tudo isso soma. Cada modelo tem um limite. Quando você percebe a IA “esquecendo” o começo de uma conversa longa, é o contexto estourando, e as partes mais antigas saem de vista. Na prática, repita a informação importante em vez de assumir que ela ainda está lembrada.
Alucinação
Quando a IA inventa uma informação com total confiança: uma citação que não existe, um número errado, uma lei que não é bem aquilo. Não é um bug raro, é uma característica de como esses modelos funcionam. Eles preveem a palavra mais provável, não consultam um banco de dados de fatos. Regra prática: nunca confie cegamente em números, citações ou nomes próprios gerados por IA sem checar a fonte, principalmente em contextos jurídicos, médicos ou financeiros.
Temperatura
Um parâmetro (nem sempre visível pra você) que controla o quão “criativa” ou “previsível” a resposta é. Temperatura baixa significa respostas mais diretas e repetíveis, boas para tarefas técnicas. Temperatura alta significa respostas mais variadas, boas para brainstorm. A maioria das ferramentas prontas já escolhe isso por você, mas se você usa APIs, vale saber que existe.
Agente
Uma IA que não só responde, mas age: pode usar ferramentas, navegar na web, executar código, encadear várias etapas sozinha para completar uma tarefa maior. “Pedir uma receita” é uma resposta única. “Pedir para planejar o jantar da semana, checar o que falta e montar a lista de compras” envolve várias decisões no meio do caminho. Essa é a diferença entre usar um chatbot e usar um agente.
RAG (Retrieval-Augmented Generation)
A técnica por trás de ferramentas que “leem seus documentos”, como o NotebookLM ou chatbots treinados na base de conhecimento de uma empresa. Em vez de a IA responder só com o que “sabe” de treinamento, ela primeiro busca trechos relevantes nos seus arquivos e usa isso como base da resposta. É o que reduz, não elimina, alucinação quando você está trabalhando com documentos específicos.
Fine-tuning
Reajustar um modelo de IA já pronto com dados específicos de um domínio, para ele aprender um estilo ou conhecimento particular. É diferente de RAG: fine-tuning muda o modelo em si, RAG dá contexto extra num momento pontual. Para a maioria dos profissionais, fine-tuning não é necessário. RAG e bons prompts resolvem quase todos os casos.
Modelo / LLM
O “motor” por trás da ferramenta. GPT, Claude e Gemini são exemplos de LLMs (Large Language Models, modelos de linguagem grandes). A ferramenta que você usa, o ChatGPT por exemplo, é a interface; o modelo é o que gera a resposta por trás dela. Modelos diferentes têm pontos fortes diferentes: alguns são melhores em código, outros em texto longo, outros em raciocínio passo a passo.
Token
A unidade que a IA usa para “ler” e “escrever” texto, aproximadamente ¾ de uma palavra em português. Importa por dois motivos práticos: é como o custo de uso das APIs é cobrado, e é o que define o limite de contexto. Um documento de 10 páginas tem, grosso modo, uns 5 a 7 mil tokens.
System prompt
Uma instrução por trás das cortinas que define o comportamento da IA antes mesmo da sua pergunta, por exemplo “responda sempre em português, de forma objetiva, sem emojis”. Ferramentas prontas já têm o seu; ferramentas customizadas, como o Artifice, usam isso para garantir que a resposta sempre saia no formato certo, independente do que o usuário escreve.
Esses termos aparecem sempre que você está configurando, ajustando ou tentando entender por que uma IA respondeu de um jeito e não de outro. Não precisa decorar, só reconhecer quando aparecerem.
Quer ver a maioria desses conceitos em ação, sem precisar configurar nada? A Análise de Perfil usa prompt, contexto e system prompt nos bastidores para gerar um plano específico para a sua profissão.