Termos de inteligência artificial explicados: um glossário simples para iniciantes

As cinco palavras que importam na primeira hora

A maior parte do que se escreve sobre IA pressupõe um vocabulário que ninguém nunca te ensinou. A parte útil é pequena. Cinco palavras carregam quase todo o peso prático, e o resto pode esperar meses.

Um modelo é a IA em si: o sistema treinado que lê o que você escreve e produz uma resposta. O aplicativo não é o modelo. O ChatGPT é um aplicativo rodando os modelos da OpenAI, o Gemini é um aplicativo rodando os do Google, e o Whizi é um aplicativo que reúne os modelos de várias empresas ao mesmo tempo. Essa distinção se paga na primeira vez que uma resposta te decepciona, porque trocar de modelo costuma ser uma alavanca maior do que reescrever a pergunta.

Um prompt é simplesmente o que você digita. Não existe sintaxe secreta, nem lista de comandos, nem nada para decorar. Um pedido direto que diz para quem é o resultado, qual trabalho ele precisa fazer e em que formato você quer de volta ganha de uma frase esperta quase sempre.

Um chatbot é a janela de conversa onde você digita. Tudo o que você disse dentro de uma mesma conversa continua visível para o modelo enquanto ele responde, e é por isso que pedidos como "deixe mais curto" ou "mais formal" funcionam sem você repetir o pedido original. Abra uma conversa nova e essa memória compartilhada some, que é justamente o que você quer quando o assunto muda: contexto sobrando de uma pergunta sem relação é uma fonte comum de respostas que parecem levemente fora do lugar.

Um token é um pedaço de texto, mais ou menos três quartos de uma palavra média em inglês. Os modelos leem, contam e cobram em tokens, não em palavras, então um documento de 1.000 palavras cai perto de 1.300 tokens. Você vai encontrar essa palavra principalmente em páginas de preço e em limites de uso.

Uma janela de contexto é quanto texto um modelo consegue manter à vista de uma vez, medido em tokens. Ela precisa cobrir o documento que você colou, a conversa inteira até ali e a resposta que está sendo escrita. Quando você joga um contrato de cinquenta páginas em um chat e as respostas começam a contradizer discretamente a página três, você encontrou o limite dela. O que é a janela de contexto traz os números reais; a regra prática é curta. Uma conversa longa sobre um assunto só, depois comece do zero.

Algo para fazer com isso agora mesmo: abra qualquer aplicativo de IA e peça, com as suas próprias palavras, que ele explique um termo que você viu esta semana e não reconheceu. Depois faça uma segunda pergunta: "O que você presumiu que eu já sei?" Esse acompanhamento transforma uma definição em uma explicação, e funciona em qualquer assunto.

Mesmo assim, confira a resposta em outro lugar. Esses sistemas afirmam coisas erradas exatamente com a mesma voz calma que usam para as certas, e definições são um alvo fácil: um detalhe inventado e plausível passa batido porque você não tinha como pegar. Essa falha tem nome, e ele está na tabela abaixo.

O resto do glossário, e se você já precisa dele

Estas são as palavras que esperam por você em manchetes, páginas de preço e seções de comentários. A terceira coluna é a parte honesta. A maioria disso não é conhecimento de primeiro dia, e fingir o contrário é o que faz o iniciante se sentir burro por causa de algo que nem afeta a vida dele.

Termo	Significado simples	Você precisa disso?
LLM	Modelo de linguagem de grande porte, o tipo de modelo por trás de todo aplicativo de chat que você já ouviu falar. Quando um artigo diz LLM, leia como a IA	Sim, para as manchetes pararem de soar como ruído
IA generativa	Qualquer IA que produz texto, imagem, áudio ou vídeo novos em vez de organizar o que já existe	Sim, uma frase basta
Treinamento	O processo longo e caro de alimentar um modelo com quantidades enormes de texto para ele aprender padrões. Terminou antes de você abrir o aplicativo	Sim, rapidinho
Corte de treinamento	A data em que os dados de treino param. Pergunte sobre algo posterior e o modelo está chutando, a menos que o aplicativo busque na web	Sim, essa pega muita gente
Alucinação	Uma resposta confiante, fluente e completamente inventada. O defeito que mais importa	Sim, no primeiro dia
Multimodal	O modelo lida com mais do que texto: fotos, PDFs, áudio e às vezes vídeo	Sim, no momento em que você quiser enviar uma imagem
Fine-tuning	Retreinar um modelo existente com os seus próprios dados para ele se especializar	Ainda não, isso é projeto de empresa
Temperatura	Um botão para o quanto a escrita varia. Baixa é previsível, alta é solta	Ainda não, os padrões já vêm sensatos
Agente	Uma IA que dá vários passos sozinha em vez de responder uma vez	Ainda não, e veja a próxima seção
API	O encanamento que os desenvolvedores usam para ligar um modelo ao software deles	Ainda não, a não ser que você programe
RAG	Geração aumentada por recuperação: o modelo consulta um acervo de documentos antes de responder	Ainda não, embora todo aplicativo que responde a partir dos seus arquivos rode nisso
Modelo de código aberto	Um modelo cujos pesos qualquer pessoa pode baixar e rodar, como Llama ou DeepSeek	Ainda não, muda pouco para quem usa chat
Modelo de raciocínio	Um modelo que trabalha o problema em passos visíveis antes de responder. Mais lento, melhor em matemática e lógica	Em breve, na primeira vez que uma pergunta difícil falhar
System prompt	Instruções ocultas que o aplicativo dá ao modelo antes de você digitar qualquer coisa	Ainda não, útil quando você montar o seu próprio assistente

Duas linhas merecem uma nota de rodapé. Alucinação não é uma falha ocasional que se conserta com um remendo; ela decorre de como esses sistemas geram texto, e é por isso que por que a IA erra é um guia inteiro e não um item de lista. E multimodal vale dez minutos assim que você tiver uma foto de recibo, um print de mensagem de erro ou um formulário escaneado para resolver. Trabalhar com imagens e documentos mostra como isso funciona numa terça-feira qualquer.

Palavras que o marketing usa e que significam menos do que parecem

Os fornecedores não estão exatamente mentindo. Eles estão usando palavras que um dia significaram algo específico e hoje significam mais ou menos "lançamos alguma coisa". Saber a diferença é o que impede você de pagar uma taxa de upgrade por um menu de respostas prontas.

• Com tecnologia de IA. Normalmente quer dizer que um recurso chama um modelo construído por outra empresa. Às vezes quer dizer uma caixinha de sugestões que dá para desligar. Vale perguntar: qual modelo, e ele vem ligado por padrão?
• Inteligente. É anterior a toda essa onda e hoje significa muito pouco. Uma pasta inteligente é uma busca salva. Uma resposta inteligente são três frases prontas. Passe do adjetivo e procure um verbo: o que isso faz com o seu trabalho?
• Nova geração. É uma afirmação no tempo futuro. Ela convive perfeitamente com um produto pior do que a versão que substituiu, e costuma aparecer justamente quando não existe nenhuma melhoria mensurável que alguém saiba nomear.
• Agente de IA. A expressão mais explorada de 2026. No sentido estrito, é um software que planeja e executa vários passos sozinho, como reservar uma viagem do começo ao fim. No marketing, costuma ser um chatbot com um avatar mais simpático. Pergunte o que ele faz quando trava, e se ele pode agir sem consultar você antes.
• IA em primeiro lugar. É uma declaração sobre estratégia interna, não sobre a sua experiência com o produto. Diz para onde a empresa aponta o orçamento de engenharia, que pode ainda não ter chegado no recurso que você estava prestes a pagar.

Uma pergunta corta tudo isso: pergunte o que o recurso faz quando erra. Produtos com IA de verdade por dentro têm uma resposta, e ela envolve etapas de revisão, um desfazer, um sinal de confiança ou uma fonte visível. Produtos que só colaram um adesivo ficam calados.

Por que nomes de modelo parecem placas de carro

O nome de um modelo tem duas partes fazendo dois trabalhos diferentes. A palavra é a família, a linha de produto que a empresa continua desenvolvendo: GPT da OpenAI, Claude da Anthropic, Gemini do Google, Llama da Meta. Os números e os sufixos são a versão, e muitas vezes o tamanho, então uma mesma família lança um membro pequeno e rápido e um grande e caprichado na mesma manhã. Ler um nome é basicamente separar essas duas metades e ignorar o marketing que fica no meio.

Você deve ter reparado que este artigo não cita nenhum número de versão. Isso é de propósito. As versões mudam a cada poucas semanas, e qualquer glossário que as fixe já está errado na temporada seguinte. O que não muda é o formato da escolha. Modelos pequenos são rápidos, baratos e perfeitamente adequados para arrumar um e-mail. Os grandes são mais lentos e melhores com documentos longos e raciocínio difícil. Cada família também tem uma personalidade que aparece no tom e em quão fielmente ela se prende a uma fonte que você forneceu.

O lançamento mais novo também não é automaticamente o certo para a sua tarefa. Mais novo costuma significar notas melhores em benchmarks, e benchmarks medem problemas de prova, não se o texto soa como você. Muita gente descobre que um modelo mais antigo e mais barato escreve melhor os seus e-mails, e guarda o caro para as duas tarefas difíceis da semana. Você só aprende isso rodando a mesma tarefa real em dois ou três modelos e lendo os resultados lado a lado, que é o que como escolher um modelo de IA mostra passo a passo. Fazer isso sem pagar três provedores é exatamente a razão de o Whizi colocar GPT, Claude, Gemini e modelos de imagem dentro de uma assinatura só.

Cinco termos que valem a pena aos três meses

Lá pelo terceiro mês você já vai ter batido em algumas paredes. Estas cinco palavras são o nome dessas paredes, e é por isso que vale aprendê-las então e não agora.

1. Modelo de raciocínio. Passa a importar na primeira vez que um modelo erra com confiança um cálculo de vários passos ou um problema de lógica. Trocar por um modelo de raciocínio costuma resolver de vez, ao custo de esperar mais pela resposta.
2. System prompt. Importa quando você percebe que está colando o mesmo parágrafo de contexto em toda conversa nova. Salvar isso uma vez como instrução permanente é a solução.
3. RAG. Importa quando você quer respostas baseadas nos seus próprios arquivos em vez da internet aberta, por exemplo uma pasta de políticas que ninguém lê desde 2019.
4. Temperatura. Importa quando o resultado sai sempre igual entre as tentativas ou errático demais, e você prefere girar um botão a ficar tentando de novo.
5. Fine-tuning. Quase nunca importa para uma pessoa sozinha, e vale saber por quê: custa dinheiro de verdade, exige centenas de exemplos limpos, e um bom prompt em um bom modelo ganha dele em quase todo uso que as pessoas imaginam.

Se você quiser a camada que sustenta tudo isso, o que a IA é de verdade cobre o mecanismo sem a matemática, e como conversar com a IA transforma aquele parágrafo sobre prompt da primeira seção em hábito. Deixe esta página aberta em uma aba por uma semana. O vocabulário para de intimidar por volta da quarta vez que você encontra uma palavra que já conhece.