16 termos que todo aspirante a consultor de IA precisa aprender (e 4 que deve evitar usar)

Aqui estão os 16 termos: modelo de linguagem de grande porte (LLM), token, janela de contexto, inferência, prompt, prompt do sistema, geração aumentada por recuperação (RAG), ajuste fino (fine-tuning), embedding, agente, MCP, orquestração, humano no circuito (human in the loop), alucinação, barreiras de proteção (guardrails) e evals. Os quatro para descartar: "baseado em IA" ("AI-powered"), "treinado com seus dados", "AGI" e "100% preciso". Todo aspirante a consultor de IA é julgado pelo vocabulário antes dos resultados, porque o vocabulário é a única coisa que um cliente em potencial pode verificar na primeira reunião. Estas definições são precisas até a publicação em agosto de 2026; a área evolui rapidamente, portanto trate os detalhes como um panorama do momento.

Quais são os termos fundamentais do modelo?

Quatro termos descrevem a máquina em si. Entenda bem estes e todo o resto terá onde se encaixar.

1. Modelo de linguagem de grande porte (LLM). O motor por trás do ChatGPT, Claude e Gemini: um modelo treinado em enormes quantidades de texto que prevê o próximo trecho de linguagem. Quando um cliente diz "a IA", geralmente é a isso que se refere.

2. Token. O pequeno trecho de texto que os modelos leem e pelo qual cobram, geralmente um pouco menor do que uma palavra inteira. Os preços de API (acesso ao modelo por uso) são cotados por token, portanto este é um termo de custo, não uma curiosidade.

3. Janela de contexto. A memória de trabalho do modelo: quanto texto ele consegue considerar de uma só vez. Quando um cliente pergunta por que a IA "esqueceu" a página 40 do manual de diretrizes da empresa, a janela de contexto costuma ser a resposta.

4. Inferência. Executar um modelo treinado para obter uma resposta, em oposição a treiná-lo. A inferência é a cobrança recorrente que seu cliente continua pagando todos os meses após o lançamento do projeto.

Quais termos dizem respeito a obter respostas melhores?

Cinco termos cobrem a arte de tornar um modelo geral útil para um negócio específico.

1. Prompt. A instrução que você dá ao modelo. Produtos inteiros agora são construídos a partir de uma descrição escrita; construtores baseados em prompts transformam um parágrafo em um software funcional, e é por isso que um prompt agora é um entregável, não uma mensagem de chat.

2. Prompt do sistema (system prompt). As instruções permanentes que um modelo recebe antes de o usuário digitar qualquer coisa. Muitos dos "assistentes de IA personalizados" vendidos a pequenas empresas são, mecanicamente, um prompt do sistema sobreposto a um modelo existente. Saiba disso antes de definir o preço de um.

3. Geração aumentada por recuperação (RAG). Buscar os documentos mais relevantes e entregá-los ao modelo no momento da pergunta. É assim que você faz um modelo responder com base nos manuais e políticas de um cliente sem mexer no modelo em si.

4. Ajuste fino (fine-tuning). Alterar de fato os pesos de um modelo (suas configurações internas) treinando-o com novos exemplos. É caro, mais lento para atualizar e raramente a primeira ferramenta adequada. A maioria dos trabalhos que os clientes chamam de "treinamento" é RAG.

5. Embedding. Texto convertido em listas de números para que significados semelhantes fiquem próximos uns dos outros. Embeddings são o índice que o RAG pesquisa; sem eles, "encontrar o documento relevante" não funciona.

Quais termos importam quando a IA começa a agir?

Respostas são a parte fácil. Estes quatro termos cobrem a IA que realiza ações, que é para onde os projetos de consultoria estão caminhando.

1. Agente. Uma IA que trabalha em um ciclo em direção a uma meta: ela planeja, usa ferramentas, verifica resultados e tenta novamente, em vez de retornar apenas uma resposta. Os agentes também são onde os erros se acumulam, o que torna os últimos três termos desta lista faturáveis.

2. MCP (Model Context Protocol). O padrão aberto que permite a um aplicativo de IA se conectar a ferramentas e dados externos, muitas vezes descrito como uma porta USB-C para IA. Começou na Anthropic no final de 2024 e agora é governado pela Agentic AI Foundation sob a Linux Foundation, com suporte no ChatGPT, Claude, Cursor e Microsoft Copilot. Quase toda pergunta do tipo "a sua IA consegue falar com o nosso sistema?" feita por um cliente agora passa pelo MCP.

3. Orquestração. Coordenar vários modelos, ferramentas e etapas em um único fluxo de trabalho: qual modelo cuida do quê, em qual ordem e o que acontece quando uma etapa falha.

4. Humano no circuito (Human in the loop). Uma pessoa que revisa o trabalho da IA antes que ele produza consequências. Decidir onde essa pessoa se posiciona é a verdadeira decisão de design pela qual os clientes pagam a um consultor.

Quais termos mantêm os projetos dos clientes longe de problemas?

Os últimos três termos são como você soa como um profissional em vez de um entusiasta.

1. Alucinação. Uma resposta errada, confiante e fluente. É um modo de falha normal desses sistemas, não um erro que algum fornecedor resolveu em segredo.

2. Barreiras de proteção (Guardrails). Limites rígidos sobre o que o sistema pode dizer ou fazer: tópicos que recusa, ações que não pode realizar, limites que não pode exceder.

3. Evals. Abreviação de avaliações: testes repetíveis que pontuam um sistema de IA em relação a casos conhecidos antes e depois de cada alteração. Se você vende sistemas de IA sem evals, está vendendo achismos. Este termo fecha negócios.

Quais quatro termos você deve evitar usar?

Cada um destes faz um cliente em potencial confiar menos em você, por uma razão diferente.

1. "Baseado em IA" ("AI-powered"). Não descreve nada e está em todas as apresentações de vendas. Em vez disso, nomeie o mecanismo: RAG sobre os documentos do cliente, um agente com revisão humana, um classificador ajustado.

2. "Treinado com seus dados". Geralmente falso. A maioria dos sistemas de clientes usa RAG ou uma janela de contexto longa, não treinamento, e a frase aciona alertas de privacidade que você passará a reunião inteira desarmando. Diga "fundamentado nos seus dados" a menos que esteja literalmente fazendo ajuste fino.

3. "AGI". Inteligência geral artificial é um debate de pesquisa, não um termo de escopo. Se um cliente perguntar sobre isso, responda honestamente; apenas não construa sua proposta em cima disso, pois convida a previsões que você não pode sustentar.

4. "100% preciso". Também "livre de alucinações". Uma garantia que ninguém pode fazer honestamente. Em vez disso, cite taxas de erro medidas a partir dos seus próprios evals; um número real fecha mais negócios do que um zero prometido.

Afinal, quais termos realmente importam mais?

Se uma conversa com o cliente girar em torno de quatro deles, serão RAG, agente, MCP e evals: o que o sistema sabe, o que pode fazer, a que se conecta e como você prova que funciona. Domine estes e use o restante conforme necessário. A regra geral: se você não consegue definir um termo para um cliente em uma frase, deixe-o fora da proposta.

Para ver esse vocabulário em ação em um projeto real, leia como consultores de IA definem o escopo de uma substituição interna de SaaS. Para sentir a diferença entre as palavras e uma demonstração, conecte sua própria IA via MCP ao construtor da Final e veja um prompt se transformar em um ponto de venda funcional. E se seus clientes forem comerciantes, a lista complementar de 30 termos de POS que todo novo comerciante deve conhecer cobre a outra metade da conversa.