IA generativa é um modelo treinado para prever a próxima parte de uma sequência. Essa frase parece redutora e é a explicação mais útil que existe, porque ela justifica ao mesmo tempo o que impressiona e o que dá errado: o texto sai fluente porque a previsão é boa, e a invenção sai com a mesma fluência porque o modelo não distingue lembrar de completar.
Este texto explica como isso funciona por dentro, sem matemática, o que a tecnologia faz bem e mal dentro de uma empresa, e o que precisa estar decidido antes de colocar qualquer coisa em produção.
Como funciona, sem matemática
Quatro ideias bastam para entender o comportamento do produto que você usa:
- O texto é quebrado em pedaços. O modelo não lê palavras, lê fragmentos, e isso explica erros bobos com contagem de letras e com números longos.
- Ele prevê o próximo pedaço, repetidamente, considerando tudo o que já está na conversa. Não existe consulta a uma base de fatos no meio do caminho, a não ser que alguém tenha ligado uma.
- A escolha do próximo pedaço tem sorteio. É por isso que a mesma pergunta gera respostas diferentes, e é um parâmetro ajustável: menos variação para tarefa objetiva, mais para texto criativo.
- Treino e uso são momentos separados. O modelo aprendeu com dados até certo ponto no tempo e não aprende com a sua conversa, a menos que o produto guarde e reutilize isso deliberadamente.
Some a isso a janela de contexto, que é quanto o modelo consegue considerar de uma vez. Documento maior que a janela precisa ser recortado ou resumido antes, e é aí que projetos ingênuos perdem informação sem perceber.
Por que ela inventa, e por que isso não é um defeito a corrigir
O nome popular é alucinação, e o fenômeno é simples: quando não há informação suficiente, o modelo continua fazendo o que sabe fazer, que é completar de forma plausível. Ele não tem um sinal interno de “não sei” separado do sinal de “sei”.
Isso tem duas consequências práticas. A primeira é que a confiança do texto não é indicador de correção, e a leitura desatenta é o maior risco de uso corporativo. A segunda é que o conserto não vem de pedir para o modelo não inventar: vem de dar fonte, com o sistema buscando o documento certo e mandando o trecho junto da pergunta, e de verificar o que voltou, com revisão humana onde o erro é caro.
O que mudou desde 2022
- Deixou de ser só texto. Os mesmos modelos leem imagem, áudio e documento, o que abre a extração de dados a partir de foto e digitalização, que é o uso mais subestimado em empresa.
- A janela de contexto cresceu muito, a ponto de caber manual, contrato e base de conhecimento inteiros em uma conversa.
- Ganhou ferramentas. O modelo passou a chamar sistemas, consultar dados e executar passos, o que dá origem aos agentes, tratados em IA agêntica.
- Surgiram modelos abertos competentes, que rodam em infraestrutura própria. Isso muda a conversa quando o dado não pode sair da empresa.
O que ela faz bem e o que faz mal na empresa
| Faz bem | Faz mal |
|---|---|
| rascunhar texto que alguém vai revisar | afirmar fato verificável sem fonte anexada |
| resumir documento longo e reunião | calcular número exato ou fechar conta |
| extrair dado estruturado de documento e imagem | decidir sozinha o que tem consequência jurídica ou financeira |
| traduzir, reescrever e padronizar tom | lembrar de conversas anteriores sem um mecanismo de memória |
| classificar e encaminhar mensagem | garantir resposta idêntica em duas execuções |
| gerar e explicar trecho de código | substituir revisão de quem entende do assunto |
A coluna da esquerda tem um padrão: são tarefas com revisor natural no fim. A da direita também tem: são tarefas em que o erro passa despercebido até virar prejuízo. Essa é a régua mais simples para escolher o primeiro caso de uso.
Por onde a maioria deveria começar
O primeiro caso de uso quase sempre é escolhido pelo que parece impressionante, e quase sempre deveria ser escolhido pelo que é chato e repetitivo. Três candidatos aparecem em praticamente toda empresa:
- Extração de documento. Nota, contrato, laudo, ficha, pedido que chega em PDF ou foto e alguém digita em um sistema. O resultado é conferível item a item, o ganho é medido em horas e o erro é visível na hora.
- Resumo com fonte. Reunião, chamado de suporte, histórico de cliente. O revisor natural é quem participou, e o custo de um resumo imperfeito é baixo.
- Triagem e encaminhamento. Classificar mensagem que chega e mandar para a fila certa, com regra clara para o que o modelo não souber classificar.
Repare que nenhum dos três aparece em demonstração de palco. Todos os três têm dono, número e prazo, que é o que separa projeto de experimento.
Como usar sem se machucar
- Fonte controlada. Para responder sobre a sua empresa, o sistema precisa buscar no seu material e mandar o trecho junto da pergunta. Sem isso, a resposta vem do que o modelo viu na internet.
- Revisão onde dói. Defina antes quais saídas vão para o cliente sem passar por gente. Se a lista for grande demais, o caso de uso está errado.
- Dado que não pode sair. Decida o que pode ser enviado a um serviço externo e o que exige modelo em infraestrutura própria. Isso é decisão de contrato e de arquitetura, não de preferência.
- Registro. Guarde pergunta, resposta e fonte usada. Sem rastro, não há como investigar o erro nem melhorar o sistema.
- Combinação com o que já existe. Regra de negócio continua em código, cálculo continua no sistema, e o modelo entra onde há linguagem. Misturar os papéis é o caminho curto para um resultado instável.
Como se paga por isso
Existem três formas de conta, e elas mudam a arquitetura do projeto. Cobrança por uso, proporcional ao tamanho do texto que entra e sai, que é barata para começar e cresce com o volume. Assinatura por usuário, comum em ferramentas de produtividade, previsível e sem controle fino. E infraestrutura própria, com custo fixo de máquina, que compensa em volume alto ou quando o dado não pode sair.
Duas armadilhas de orçamento aparecem sempre: mandar documento inteiro em toda pergunta, quando bastava o trecho certo, e cobrar do modelo mais caro uma tarefa que o mais barato resolvia. A conta completa de um projeto, com dado e integração, está em quanto custa criar uma IA.
O que decidir antes de começar
Três decisões evitam a maior parte dos projetos que morrem no piloto: qual tarefa específica vai ser feita, quem revisa o resultado, e de onde vem a informação que o modelo usa. Sem as três respondidas, o piloto vira demonstração, e demonstração impressiona sem provar nada. É o que está por trás da maioria dos casos em por que a IA falha nas empresas.
Para ver a tecnologia aplicada em situações concretas, vale exemplos de IA generativa. Para entender onde ela se encaixa entre as demais categorias, tipos de IA e o que é inteligência artificial. E o recorte de escopo, que vale para qualquer projeto: como definir o escopo do primeiro produto digital.
Perguntas frequentes
O que é IA generativa?
É um modelo treinado para prever a próxima parte de uma sequência, seja texto, imagem, áudio ou código. Essa definição parece redutora e é a mais útil que existe, porque explica ao mesmo tempo o que impressiona e o que dá errado: o resultado sai fluente porque a previsão é boa, e a invenção sai com a mesma fluência porque o modelo não distingue lembrar de completar.
Como a IA generativa funciona por dentro?
Quatro ideias bastam. O texto é quebrado em pedaços, e o modelo lê fragmentos, não palavras, o que explica erros bobos com contagem de letras e números longos. Ele prevê o próximo pedaço repetidamente, considerando o que já está na conversa, sem consultar base de fatos a menos que alguém tenha ligado uma. A escolha do próximo pedaço tem sorteio, por isso a mesma pergunta gera respostas diferentes. E treino e uso são momentos separados: ele não aprende com a sua conversa por padrão.
Por que a IA inventa informação?
Porque quando falta informação ela continua fazendo o que sabe: completar de forma plausível. Não existe um sinal interno de não sei separado do sinal de sei. Duas consequências: a confiança do texto não indica correção, e o conserto não vem de pedir para o modelo não inventar. Vem de dar fonte, com o sistema buscando o documento certo e enviando o trecho junto da pergunta, e de revisar onde o erro é caro.
O que é janela de contexto?
É quanto o modelo consegue considerar de uma vez, somando o que você enviou e o que ele já respondeu. Documento maior que a janela precisa ser recortado ou resumido antes de entrar, e é aí que projetos ingênuos perdem informação sem perceber, porque o pedaço que ficou de fora some silenciosamente da resposta.
O que a IA generativa faz bem em uma empresa?
Tarefas com revisor natural no fim: rascunhar texto que alguém vai revisar, resumir documento longo e reunião, extrair dado estruturado de documento e imagem, traduzir e padronizar tom, classificar e encaminhar mensagem, e gerar ou explicar trecho de código. O padrão é sempre o mesmo: alguém confere o resultado antes que ele vire consequência.
O que ela não deve fazer sozinha?
Afirmar fato verificável sem fonte anexada, calcular número exato, decidir o que tem consequência jurídica ou financeira, e garantir resposta idêntica em duas execuções. São as tarefas em que o erro passa despercebido até virar prejuízo. Regra de negócio continua em código e cálculo continua no sistema; o modelo entra onde há linguagem.
Por onde começar a usar IA generativa na empresa?
Pelo chato e repetitivo, não pelo impressionante. Três candidatos aparecem em quase toda empresa: extração de documento, com nota, contrato, laudo ou pedido que chega em PDF e alguém digita; resumo com fonte, de reunião e chamado, revisado por quem participou; e triagem de mensagem que chega, com regra clara para o que o modelo não souber classificar. Nenhum dos três aparece em demonstração de palco, e todos têm dono, número e prazo.
Como evitar que dados sensíveis vazem?
Decidindo antes o que pode ser enviado a um serviço externo e o que exige modelo em infraestrutura própria. Hoje existem modelos abertos competentes que rodam na casa, o que torna essa escolha viável quando o dado não pode sair. Some registro de pergunta, resposta e fonte usada, porque sem rastro não há investigação de erro nem melhoria do sistema. É decisão de contrato e de arquitetura, não de preferência.
Quanto custa usar IA generativa?
Há três formas de conta. Cobrança por uso, proporcional ao tamanho do texto que entra e sai, barata para começar e crescente com o volume. Assinatura por usuário, previsível e sem controle fino. E infraestrutura própria, com custo fixo, que compensa em volume alto ou com dado que não pode sair. As duas armadilhas de orçamento mais comuns são mandar documento inteiro em toda pergunta quando bastava o trecho, e usar o modelo mais caro numa tarefa que o mais barato resolvia.
Qual a diferença entre IA generativa e IA preditiva?
A preditiva estima algo a partir de histórico, com erro mensurável em acurácia. A generativa produz conteúdo novo a partir de uma instrução, e a qualidade se avalia por revisão. Projetos que confundem as duas cobram da generativa uma precisão que ela não oferece, e da preditiva uma criatividade que ela não tem.
