🧮 Entender IA de verdade e virar arquiteto
A maior parte da IA que roda em escala no mundo real não é generativa. Saber disso — e saber quando usar cada família — é o que separa o consultor que repete manchete do arquiteto que a diretoria escuta.
🧮 Por que quase tudo que roda em escala ainda não é IA generativa
O aplicativo do seu banco decide aprovação de crédito com um modelo estatístico clássico, não com um modelo de linguagem. A verificação do seu documento de identidade usa reconhecimento de imagem tradicional. Nenhuma dessas decisões passa por um assistente de conversa — e isso não é atraso tecnológico, é engenharia deliberada.
Novo aqui? Aprendizado de máquina é a família de técnicas em que um programa aprende padrões a partir de exemplos, em vez de seguir regras escritas à mão. Modelo de linguagem é o tipo de modelo que gera texto prevendo o próximo pedaço de palavra — é o motor por trás dos assistentes de conversa. Determinismo é a propriedade de dar sempre a mesma resposta para a mesma entrada; sistemas financeiros vivem disso.
O motivo é simples e tem duas pernas. A escalas de milhões de operações por dia, uma chamada de modelo generativo é cara demais e menos previsível. O mundo antigo — regressão, árvores, classificadores — entrega determinismo, custo por operação irrisório e auditoria: dá para explicar ao regulador por que aquele crédito foi negado.
O que olhar: as duas curvas se cruzam cedo. Abaixo de um certo volume, generativa é ótima; acima dele, o custo por operação decide sozinho — e o cliente sente isso na fatura do mês seguinte.
✓ O que o mundo antigo entrega
- ✓Mesma entrada, mesma saída — sempre. É isso que auditoria quer ouvir.
- ✓Custo por operação praticamente irrelevante, mesmo a milhões por dia.
- ✓Explicação de por que a decisão foi aquela, no formato que o regulador aceita.
✗ Onde generativa quebra em escala
- ✗A mesma pergunta pode render respostas diferentes em dias diferentes.
- ✗O custo cresce junto com o volume, e o volume é o que a empresa quer crescer.
- ✗Explicar a decisão vira interpretação de texto, não regra verificável.
📗 Aprendizado supervisionado, em uma página
Supervisionado quer dizer que você tem exemplos já rotulados — casos passados em que se sabe qual foi o desfecho — e quer prever o desfecho de um caso novo. São três formatos, e só três, que cobrem quase tudo que um cliente vai te pedir nessa família.
Classificação binária
Duas saídas possíveis: aprovar ou não aprovar, fraude ou não fraude, vai cancelar ou não vai. É o formato mais comum e o mais fácil de explicar para a diretoria.
Classificação em várias categorias
Mais de duas caixas: em qual faixa de valor este pedido cai, para qual equipe este chamado deve ir, qual dos sete motivos de devolução se aplica.
Regressão
A saída é um número contínuo, não uma caixa: o valor exato da venda, quantos dias até a entrega, quanto de estoque vai sair na semana que vem.
💡 A barreira caiu
Antes era necessário escrever todo esse código à mão e conhecer a matemática por trás. Hoje um assistente de programação escreve boa parte dele a partir de uma descrição do problema e de uma amostra dos dados. O que continua sendo seu: escolher o formato certo, entender o que os dados representam e saber quando o resultado não é confiável.
✓ Supervisionado serve quando
- ✓Existem exemplos históricos com o desfecho conhecido — e muitos deles.
- ✓A pergunta é "o que vai acontecer com este caso?", não "escreva algo".
- ✓Precisão importa e o volume é alto o bastante para o custo pesar.
✗ Não serve quando
- ✗Não há histórico rotulado — o modelo não tem do que aprender.
- ✗A saída desejada é um texto novo, uma explicação ou uma conversa.
- ✗O processo muda tanto que o passado não se parece com o futuro.
📘 Aprendizado não supervisionado e segmentação
Aqui você não diz nada ao algoritmo. Entrega o conjunto de dados cru e ele agrupa os registros por semelhança, sem saber o que os grupos significam. Quem dá nome aos grupos, depois, é o negócio — e é aí que entra o consultor.
O que olhar: os pontos são os mesmos dos dois lados. O que o algoritmo entrega é a separação; o significado de cada grupo continua sendo trabalho humano.
Exemplo anônimo: uma empresa de bens de consumo entregou a base de clientes sem nenhuma marcação e o agrupamento devolveu de seis a oito perfis que ninguém na empresa havia definido antes — inclusive um grupo pequeno e muito rentável que o time comercial tratava como se fosse igual a todos os outros.
🎯 Por que isso importa para consultoria
Saber que existem outros tipos de IA além de conversar com um assistente já te separa da maioria do mercado. Numa reunião em que todo mundo fala em assistente, quem diz "esse caso não é de conversa, é de segmentação" muda de categoria na cabeça do cliente.
🧭 O quadro de decisão
Este é o quadro que você desenha no quadro branco da sala do cliente. Três caminhos, decididos por quatro perguntas — e nenhuma delas é "qual tecnologia está em alta".
O que olhar: só há dois losangos. Se a resposta ao primeiro for "sim", a conversa acaba ali; se o caso pedir conta exata e comunicação humana, o caminho de baixo é o correto — e é o mais comum em empresa grande.
Use generativa quando
Criar conteúdo, conversar com pessoas, lidar com dado não estruturado, saída criativa e tolerância a erro de alguns por cento.
Use clássico quando
Prever algo, exigir alta precisão, dado numérico e muito estruturado, e dinheiro em escala envolvido na decisão.
Use híbrido quando
O fluxo tem várias etapas: o modelo clássico faz a conta e o agrupamento; o generativo interpreta e comunica o resultado a quem decide.
🎯 Copie e rode: classificador de casos do cliente
Objetivo: passar a lista de pedidos que o cliente trouxe pelo quadro de decisão e sair com uma recomendação defensável por caso, antes da reunião de escopo.
Você é arquiteto de soluções de IA. Classifique cada caso abaixo em GENERATIVA, CLÁSSICO ou HÍBRIDO, usando estes critérios e nada mais: - generativa: cria conteúdo, conversa, dado não estruturado, saída criativa, tolera erro de alguns por cento; - clássico: prevê algo, exige alta precisão, dado numérico e muito estruturado, dinheiro em escala envolvido; - híbrido: fluxo de várias etapas, em que o clássico calcula e o generativo interpreta e comunica. Casos do cliente: """<cole aqui a lista de pedidos, um por linha>""" Volume estimado por caso: <operações por dia, se souber> Tolerância a erro: <o que acontece quando o sistema erra> Para cada caso devolva: classificação · o critério que decidiu · o que quebra se eu escolher a outra família · uma pergunta para eu confirmar com o cliente. Quando faltar volume ou tolerância a erro, escreva "indefinido" em vez de chutar.
Como verificar: nenhum caso pode vir sem o critério que o decidiu — classificação sem critério é palpite. E se tudo vier como GENERATIVA, o volume não foi informado: preencha os números e rode de novo.
📚 Doze cenários decididos na prática
Decore esta lista. Ela cobre a maioria dos pedidos que você vai receber, e responder na hora — com o motivo — é o que faz o cliente parar de te tratar como fornecedor.
1. Detecção de fraude
Clássico. Volume enorme e exigência de precisão; erro custa dinheiro direto.
2. Atendimento ao cliente
Generativa, com clássico no roteamento do chamado para a equipe certa.
3. Pontuação de leads
Clássico, com generativa lendo o tom dos e-mails e alimentando o modelo.
4. Personalização de conteúdo
Híbrido: o clássico escolhe o segmento, o generativo escreve a peça.
5. Otimização de preço
Clássico. Ninguém quer descobrir um preço alucinado na vitrine.
6. Assistente de conversa
Generativa, com clássico detectando a intenção antes de responder.
7. Previsão de cancelamento
Clássico prevê quem vai sair; generativa escreve a mensagem de retenção.
8. Sistema de recomendação
Híbrido e trabalhoso. Não prometa prazo curto para este.
9. Análise de imagem
Depende da escala: pouco volume e alguma tolerância a erro, generativa resolve; muito volume, visão computacional clássica.
10. Processamento de documentos
Combinação: extração estruturada no clássico, interpretação no generativo.
11. Previsão de demanda
Clássico, com métodos de série temporal. Sazonalidade é matemática, não texto.
12. Otimização de estoque
Clássico. Decisão de reposição precisa ser reproduzível e auditável.
💡 Bônus: análise de sentimento
Hoje é quase toda generativa — a qualidade subiu muito e não compensa mais treinar um classificador próprio para isso. Mas vale colocar um filtro determinístico de palavras antes, como rede de segurança: termos que sempre indicam risco jurídico ou ameaça vão direto para uma fila humana, sem depender do julgamento do modelo.
🏛️ O arquiteto de soluções: uma escolha por categoria
Para um cliente sobrecarregado, a pior resposta é uma lista de vinte ferramentas. Recomende exatamente quatro coisas — uma por categoria: um assistente de conversa, um modelo de linguagem para ir fundo em análise, uma ferramenta de automação e um ambiente de desenvolvimento assistido. Cada uma abre uma árvore de aprendizado que dá semanas de trabalho.
Escrever bons pedidos e criar um projeto com material próprio
A base: instruções claras, contexto suficiente e um espaço de trabalho onde os documentos da empresa ficam disponíveis para o assistente em toda conversa.
Busca em base própria
Explicar por que o assistente responde melhor quando consulta os documentos da empresa antes de responder — e o que acontece quando esses documentos estão desatualizados.
Usar conectores e depois construir os seus
Usar conectores prontos exige explicar o padrão de conexão entre ferramentas: como um assistente ganha permissão para ler um sistema da empresa. Construir conectores próprios é o passo seguinte, e é onde o projeto vira ativo da casa.
Janela de contexto, memória e conversas antigas
Gerenciar quanto o assistente consegue "ver" de uma vez, o que ele guarda entre sessões e como recuperar uma conversa de três meses atrás. Cada um desses itens é uma sessão de treinamento inteira.
🌱 O princípio
Mostre uma peça de cada domínio e o cliente mesmo puxa as perguntas seguintes. Quem entrega uma lista de cinquenta ferramentas gera paralisia; quem entrega quatro portas gera curiosidade — e curiosidade do cliente é agenda de reunião para você.
🌳 Profundidade de ecossistema x lista de ferramentas
Saber cinquenta ferramentas superficialmente é inútil: você fica sabendo o nome de todas e o comportamento de nenhuma. Conhecer um ecossistema até o fim é o que gera valor, porque é lá que moram as decisões que economizam tempo e dinheiro do cliente.
O caso da planilha desnecessária
O cliente pergunta se deve usar uma planilha ou uma base de dados na nuvem para guardar cinco mil registros. Quem conhece a ferramenta de automação a fundo sabe que ela já tem tabelas internas — e evita criar uma planilha, uma conta a mais, uma autenticação a mais e um ponto de atrito a mais no fluxo.
Do mesmo domínio profundo você consegue explicar quando faz sentido armazenamento vetorial (para busca por significado), quando um banco relacional com busca vetorial resolve os dois casos de uma vez, e quando um banco local simples basta e o resto é excesso de engenharia.
✗ Amador
- ✗Cita cinquenta ferramentas e não sabe o preço real de nenhuma em produção.
- ✗Acrescenta uma ferramenta nova a cada problema novo.
- ✗Não sabe dizer o que quebra quando o volume dobra.
✓ Especialista
- ✓Conhece três ecossistemas até o fundo e sabe onde cada um dói.
- ✓Resolve com o que o cliente já paga antes de propor compra nova.
- ✓Explica o custo em produção, não o preço da página de vendas.
Exemplo anônimo de custo. Uma empresa pagava centenas de dólares por mês em assentos de uma ferramenta que, numa instância própria, custaria a ordem de dez dólares mensais de infraestrutura. Números em dólar aqui são ordem de grandeza — adapte ao seu mercado; o que importa é a razão entre os dois cenários, não o valor.
✂️ Simplificar a pilha é entrega de valor
Pergunte, item por item: "por que essa ferramenta? o que exatamente ela te dá?". Em muitos casos o assistente que a empresa já paga faz o mesmo trabalho. O cliente corta uma licença e enxerga o seu valor no mesmo dia — antes de você ter construído qualquer coisa.
🗑️ Lixo e tesouro: dizer também o que não usar
Parte do seu valor é a lista do que não adotar. Ninguém paga por isso explicitamente, mas é o conselho que evita seis meses de retrabalho — e o cliente lembra de quem o deu.
Laboratório experimental de fornecedor grande
Costuma ter uma joia e várias coisas que não sobrevivem seis meses. Ótimo para aprender, péssimo para colocar no caminho crítico de um processo do cliente.
Ferramentas que quebram inteiras da noite para o dia
Uma mudança de versão derruba tudo que você montou. Por mais simpática que seja a ferramenta, ela não serve para produção — serve para protótipo.
Aplicativos que fazem tudo
Em geral são uma camada em cima de um modelo com muitas ferramentas conectadas. Servem de porta de entrada para o cliente entender o que é possível — não de infraestrutura para o negócio dele.
Categoria estável hoje: voz
Os fornecedores se consolidaram e a evolução é de latência e qualidade, não de nomes novos toda semana. Dá para recomendar sem medo de o cliente ficar órfão em um trimestre.
🎯 Copie e rode: auditoria de pilha de ferramentas
Objetivo: transformar a lista de assinaturas do cliente em três colunas defensáveis — o que manter, o que cortar e o que substituir — com o motivo de cada decisão.
Você é arquiteto de soluções. Vou te dar a pilha de ferramentas de um cliente e quero uma auditoria com opinião, não um resumo neutro. Ferramentas em uso (nome, para que serve, custo mensal, nº de usuários): """<cole aqui a lista>""" Contexto: <setor, porte, o que o time realmente faz no dia a dia> Restrições: <dados que não podem sair, sistemas legados, quem aprova> Devolva três blocos: 1. MANTER — e a função exata que justifica a assinatura. 2. CORTAR — o que já é coberto por outra ferramenta da lista, com a economia mensal estimada e o risco de cortar. 3. SUBSTITUIR — por qual alternativa, o esforço de migração e o que se perde na troca. Regras: prefira sempre a solução com MENOS ferramentas. Se duas cobrem a mesma função, diga qual sai. Marque toda estimativa de custo como suposição quando eu não tiver dado o número.
Como verificar: a coluna CORTAR não pode vir vazia — em quase toda empresa há sobreposição. Se vier vazia, ou a lista está incompleta ou o modelo evitou opinar: reforce a regra de "menos ferramentas" e rode de novo. Cada corte precisa vir com o risco declarado; corte sem risco declarado é sugestão, não recomendação.
💡 O princípio final
Se o super-aplicativo está engolindo o aplicativo dedicado, o seu conselho é manter a pilha mais enxuta possível — menos contratos, menos integrações, menos pontos de falha.
E a frase que resume a trilha inteira: o amador diz "vou construir essa automação"; o especialista pergunta primeiro se a automação é mesmo necessária.
Auto-verificação rápida (opcional): uma seguradora quer decidir automaticamente a aprovação de milhares de pedidos por dia, com precisão alta e auditoria. O que você recomenda?
🎓 Resumo do Módulo
Próximo Módulo:
4.1 — Clientes que vêm até você e workshops em minutos: como parar de correr atrás de lead e montar as ofertas de entrada que abrem porta em empresa.