O que é (e não é) IA
Taxonomia para decidir se um caso é de IA, de software comum, ou de nada.
A hierarquia
Inteligência Artificial → o campo
└─ Machine Learning → aprende de dados, sem regras escritas à mão
├─ supervisionado
├─ não supervisionado
└─ por reforço
└─ (fora de ML) Sistemas baseados em regras
Um O que é um LLM é um caso específico: ML supervisionado, objetivo de prever o próximo token, em escala enorme.
Quando alguém diz “IA” num projeto, as três camadas estão misturadas — e quase sempre o que se quer é a terceira.
A distinção que decide o projeto
| Software tradicional | IA | |
|---|---|---|
| Como decide | regra escrita por humano | distribuição aprendida dos dados |
| Mesma entrada | mesma saída, sempre | pode variar |
| Erro | resposta errada | resposta plausível e errada |
| Verificabilidade | total | parcial — precisa de amostra |
| Custo marginal | ~0 | centavos por chamada |
| Quando o preço de errar é altíssimo | use software | evite |
Escopo estreito
Todo sistema de IA em produção é de escopo estreito: bom em uma tarefa, inútil fora dela. O marketing diz “IA” onde caberia “classificador” — e isso cria expectativa que o sistema não cumpre.
O que IA não é
- Não é consciente nem entende o que faz — calcula a continuação mais provável de um texto.
- Não é fonte de verdade. Não consulta nada; tem estatística comprimida nos pesos.
- Não é determinística. Ver Temperatura e previsibilidade.
- Não generaliza de forma confiável fora do treino. Acerta raciocínio; não há garantia.
- Não substitui o domínio. Quem julga se a resposta está boa é alguém que entende do assunto.