O que é (e o que não é) inteligência artificial
Meta: sair da palavra “IA” e chegar a uma taxonomia que permita decidir se um caso é de IA, de software comum, ou de nada.
Resumo em 3 frases
- IA é um campo amplo; machine learning é uma técnica dentro dele; LLM é uma técnica dentro de ML.
- Todo sistema de IA em produção hoje é de escopo estreito — bom em uma tarefa, inútil fora dela.
- A distinção prática que decide o projeto: sistema determinístico (regra fixa) vs. sistema estatístico (distribuição aprendida).
A taxonomia
Inteligência Artificial → o campo
└─ Machine Learning → aprende a partir de dados, sem regras escritas à mão
├─ Aprendizado supervisionado
├─ Aprendizado não supervisionado
└─ Aprendizado por reforço
└─ (fora de ML) Sistemas baseados em regras / Expert Systems
Um LLM (ver O que é um LLM) é um caso específico: ML supervisionado, com objetivo de prever o próximo token, em escala enorme.
Quando alguém diz “IA” num projeto, essas três camadas estão misturadas — e quase sempre o que se quer é a terceira.
A distinção que decide: determinístico vs. estatístico
| Software tradicional | IA | |
|---|---|---|
| Como decide | regra escrita por humano | distribuição aprendida dos dados |
| Mesma entrada | mesma saída, sempre | pode variar |
| Erro | produz resposta errada | produz resposta plausível e errada |
| Verificabilidade | total — teste a regra | parcial — precisa de amostra |
| Custo marginal | ~0 | ~0.01–0.10 USD por chamada típica |
| Quando o preço de errar é altíssimo | use software | evite |
Essa tabela é a base de Quando não usar inteligência artificial.
IA de escopo estreito vs. geral
| Estreito (tudo que existe) | Geral (AGI) | |
|---|---|---|
| Escopo | uma tarefa delimitada | qualquer tarefa intelectual |
| Exemplos | classificar e-mail, resumir doc, gerar código | — |
| Comportamento fora do escopo | inútil ou inventado | — |
O marketing usa “IA” onde caberia “classificador”. Se o sistema só faz uma coisa, chamar de IA não o torna mais capaz — apenas cria expectativa que ele não cumpre.
O que IA não é
- Não é consciente nem entende o que faz — ela calcula a continuação mais provável de um texto.
- Não é fonte de verdade. Não tem consulta a nada; tem estatística comprimida nos pesos.
- Não é determinística. A mesma entrada pode gerar saídas diferentes (ver Temperatura e previsibilidade).
- Não generaliza fora do treino de forma confiável. Ela acerta raciocínio; não há garantia de que acerte.
- Não substitui o domínio. Quem define se a resposta está boa é alguém que entende o assunto — não o modelo.
Por que a confusão de escopo é cara
Prometer “IA que resolve o problema X” quando o sistema faz 80% do problema X gera duas consequências:
- Operacional: revisão humana constante, que consome o ganho.
- Estratégica: quando o ganho não aparece, o projeto é declarado fracasso — e a conclusão errada é “IA não funciona neste caso”.
Ver Antipatrones de adocao de IA.
Perguntas para validar
- Classifique cada um em “software tradicional” ou “IA”: validação de CPF, recomendação de filme, redação de e-mail, contador.
- Por que um sistema determinístico é preferível quando o custo de um erro é alto?
- Se tudo que existe é IA de escopo estreito, o que a palavra “IA” promete além do que o sistema entrega?