Glossário de IA 2026: os termos que todo mundo devia dominar
Toda tecnologia nova cria seu próprio dialeto, e a inteligência artificial não é exceção. Basta entrar numa reunião de produto ou ouvir um pitch de startup para se afogar em siglas: LLM, RAG, RLHF, AGI. Fiz aqui uma tradução dessas expressões para o português claro, sem enrolação, pensando em quem constrói, investe ou só quer acompanhar o assunto sem se perder.
AGI: o alvo que ninguém sabe descrever exatamente
Inteligência artificial geral é um termo escorregadio. A ideia central é uma IA capaz de superar a média humana na maioria das tarefas. O CEO da OpenAI já comparou isso a contratar um colega mediano para o time, enquanto a própria carta fundadora da empresa fala em sistemas altamente autônomos que superam humanos no trabalho economicamente relevante. O Google DeepMind prefere outra régua: capacidade cognitiva equivalente à humana na maioria das tarefas. Resultado? Nem os pesquisadores mais renomados concordam sobre onde fica essa linha de chegada.
Agentes de IA e os botões escondidos
Um agente de IA vai além do chatbot básico: ele executa tarefas encadeadas em seu nome, como reservar um voo ou manter um trecho de código. E ele faz isso, muitas vezes, apertando botões que humanos nunca veem: os chamados endpoints de API, que funcionam como interruptores na traseira de um software. Cada aparelho conectado tem desses botões escondidos, e à medida que os agentes ficam mais competentes, eles aprendem a encontrar e acionar esses interruptores sozinhos.
- Agentes de código: assumem tarefas de escrever, testar e corrigir software, funcionando como um estagiário incansável que ainda precisa de supervisão humana.
- Chain-of-thought: quebra um problema grande em passos menores, do mesmo jeito que a gente rascunha uma equação no papel em vez de tentar resolver de cabeça.
- Compute: a energia bruta por trás de tudo isso, entregue por GPUs, CPUs e TPUs que sustentam o treinamento dos modelos.
O motor por baixo do capô: deep learning
Deep learning é a arquitetura em camadas inspirada, ainda que de forma livre, nas conexões neurais do cérebro. Diferente de modelos mais simples, esses sistemas identificam por conta própria quais características dos dados importam, sem que um engenheiro precise apontar o caminho. É esse arranjo que permite aos modelos aprender com os próprios erros, ajustando-se repetidamente até melhorar a resposta.
Olha que interessante: quanto mais essas peças se combinam, mais a IA se parece com um organismo vivo, sempre mudando de forma. Por isso vale revisitar esse vocabulário de tempos em tempos, porque ele evolui na mesma velocidade que a tecnologia que descreve.