Glossário de IA agêntica

Modelo de contratação em que uma empresa recebe agentes de IA sob medida já integrados aos seus sistemas e operados pelo fornecedor, que cuida de infraestrutura, monitoramento, segurança e evolução contínua. Paga-se pelo serviço em operação, não por licenças de ferramenta.

Sistema baseado em modelos de linguagem que recebe um objetivo, decide os próximos passos e usa ferramentas — consultar um CRM, emitir um boleto, agendar uma visita — para concluir tarefas de ponta a ponta, transferindo para humanos quando necessário.

Quando um modelo de linguagem gera uma informação plausível, mas falsa. É mitigada com RAG, ferramentas que buscam dados reais, guardrails e avaliação contínua.

Mecanismo que aumenta ou reduz automaticamente a capacidade de infraestrutura conforme a demanda. Funciona bem para crescimentos graduais; picos de segundos exigem capacidade provisionada antes.

Conjunto de testes automatizados com perguntas e tarefas de referência, usado para medir a qualidade de um agente a cada nova versão e impedir regressões antes que cheguem aos clientes.

Conjunto organizado de documentos, políticas, catálogos e procedimentos que um agente consulta para responder com precisão. Sua qualidade e atualização determinam boa parte da qualidade do agente.

Cache que reaproveita respostas para perguntas com o mesmo significado, mesmo escritas de forma diferente. Reduz custo e latência de aplicações com IA.

Software de conversa baseado em menus e árvores de decisão pré-programadas. Funciona bem em fluxos fixos, mas não entende variações de linguagem nem executa tarefas fora do roteiro — a principal diferença em relação a um agente de IA.

Ajuste de um modelo pré-treinado com exemplos específicos para melhorar seu desempenho em uma tarefa ou estilo. Em agentes empresariais, costuma ser usado depois de esgotadas as melhorias com instruções, RAG e ferramentas.

Prática de gestão financeira da nuvem que torna o custo de infraestrutura visível, previsível e proporcional ao uso, unindo engenharia, finanças e negócio.

Regras e verificações que limitam o que um agente pode dizer e fazer: assuntos proibidos, ações que exigem aprovação, validação de dados de saída e bloqueio de informações sensíveis.

Momento em que o agente transfere a conversa ou tarefa para uma pessoa, junto com o contexto e o resumo do que já foi feito. As regras de handoff são definidas por intenção, valor, risco ou pedido do cliente.

Desenho em que pessoas participam de pontos definidos do processo do agente: aprovam ações sensíveis, revisam saídas ou assumem a conversa. Garante controle sobre decisões de maior risco.

Abordagem de inteligência artificial focada em agir, e não apenas responder: o sistema planeja, executa ações em outros sistemas, avalia o resultado e ajusta o plano até atingir o objetivo definido.

Quantidade máxima de texto que um modelo consegue considerar de uma vez, incluindo instruções, histórico da conversa e documentos. Gerenciá-la bem afeta qualidade, velocidade e custo.

Modelo de linguagem de grande escala treinado em grandes volumes de texto, capaz de compreender e gerar linguagem natural. É o “cérebro” de um agente de IA. Exemplos: GPT, Claude, Gemini e Llama.

Práticas de engenharia para operar aplicações com modelos de linguagem em produção: versionamento de prompts, avaliação contínua, observabilidade, controle de custo, roteamento entre modelos e gestão de provedores.

Protocolo aberto que padroniza como agentes de IA se conectam a ferramentas e fontes de dados. Facilita reaproveitar integrações entre diferentes modelos e aplicações.

Capacidade de entender o que acontece dentro de um sistema a partir de métricas, logs e traces. Em agentes de IA, inclui registrar cada passo, ferramenta usada e custo de cada conversa.

Arquitetura em que vários agentes especializados colaboram — por exemplo, um que qualifica, outro que calcula preço e outro que agenda — coordenados por regras ou por um agente orquestrador.

Técnica que faz o modelo responder com base em documentos da própria empresa: antes de gerar a resposta, o sistema busca os trechos relevantes em uma base de conhecimento e os entrega ao modelo como contexto. Reduz respostas inventadas e permite citar a fonte.

Meta mensurável de confiabilidade de um serviço, como “99,95% de disponibilidade no checkout” ou “p95 abaixo de 800 ms”. Orienta prioridades de engenharia e alertas.

Ensaio que simula muitos usuários simultâneos executando jornadas reais para descobrir o limite de um sistema e corrigir gargalos antes de um pico, como a Black Friday.

Capacidade de um modelo de linguagem de chamar funções externas — APIs, bancos de dados, sistemas internos — com parâmetros estruturados. É o que permite a um agente consultar um pedido ou registrar um acordo em vez de apenas conversar.

Interface oficial da Meta para empresas integrarem o WhatsApp a sistemas e agentes. Permite atendimento em escala, templates aprovados, botões e listas, sem o risco de bloqueio de soluções não oficiais.