# Glossário de inteligência artificial: LLM, RAG, agentes e outros termos explicados > Glossário de inteligência artificial em linguagem simples: LLM, prompt, token, alucinação, RAG, agentes, fine-tuning e governança, com exemplos para empresas. - URL: https://trustsoftlabs.com/blog/glossario-inteligencia-artificial - Publicado: 2026-09-15 · Atualizado: 2026-09-22 - Autor: Equipe TrustSoft (TrustSoft, Belo Horizonte/MG) - Categoria: Inteligência artificial · Tags: IA, glossário, LLM, RAG, agentes de IA, iniciantes > **Em resumo:** a maioria das ferramentas de IA que as empresas usam hoje são modelos de linguagem (LLMs), que geram texto a partir de instruções (prompts). Para responderem com base nos dados da empresa, usa-se RAG; para executarem tarefas em sistemas, usam-se agentes. Este glossário de inteligência artificial explica cada termo sem jargão e mostra onde ele aparece na prática. Reuniões sobre IA costumam misturar siglas que nem todos na mesa conhecem. Este **glossário de inteligência artificial** organiza os termos em quatro grupos (básicos, conversa com o modelo, técnicas usadas em empresas e governança) para que você acompanhe a conversa e faça as perguntas certas a fornecedores. Para consultar outros termos, o [glossário de machine learning do Google](https://developers.google.com/machine-learning/glossary?hl=pt-br) é uma referência completa e gratuita. ## Termos básicos ### Inteligência artificial (IA) Área da computação que cria sistemas capazes de realizar tarefas que normalmente exigiriam inteligência humana: entender texto, reconhecer imagens, tomar decisões, prever resultados. Não é uma tecnologia única, e sim um guarda-chuva de técnicas. ### Machine learning (aprendizado de máquina) Técnica em que o sistema **aprende padrões a partir de exemplos**, em vez de seguir regras escritas uma a uma. Mostrar milhares de transações para um modelo aprender a identificar fraudes é um exemplo. É a base de previsões de vendas, recomendações e classificação automática de documentos. ### IA generativa Tipo de IA que **cria conteúdo novo**: texto, imagem, áudio ou código. É a categoria dos assistentes de conversa que se popularizaram nos últimos anos. ### LLM (Large Language Model) O "motor" por trás dos assistentes de texto. É um modelo treinado com enormes volumes de texto para prever a próxima palavra de forma muito sofisticada, o que lhe permite resumir, traduzir, responder perguntas, escrever e raciocinar sobre documentos. ## Como se conversa com a IA ### Prompt A instrução que você dá ao modelo. "Resuma este contrato em cinco tópicos" é um prompt. A qualidade da resposta depende muito da clareza da instrução: contexto, objetivo, formato esperado e, se possível, exemplos do resultado desejado. ### Token A unidade de texto que o modelo processa, geralmente um pedaço de palavra. Os provedores costumam cobrar por tokens de entrada e de saída, então textos longos e conversas extensas custam mais. ### Janela de contexto Quanto texto o modelo consegue considerar de uma só vez: a pergunta, o histórico da conversa e os documentos enviados. Modelos recentes aceitam volumes grandes, mas mandar tudo sempre aumenta o custo e pode piorar o foco da resposta. ### Alucinação Quando o modelo **inventa uma informação com aparência de verdade**: uma lei que não existe, um número errado, uma citação falsa. Acontece porque o modelo gera o texto mais plausível, e não consulta uma base de verdades. É o principal risco no uso corporativo, e diminui com RAG, citação de fontes e revisão humana. ![Robô humanoide com tela, usado em atendimento e demonstrações](https://3o30xiktvpxbncix.public.blob.vercel-storage.com/blog/glossario-inteligencia-artificial-inline-8068efe8.webp) *"Robot Technology", Alex Knight (domínio público, via stocksnap).* ## Técnicas usadas nas empresas ### RAG (Retrieval-Augmented Generation) Antes de responder, o sistema **busca trechos relevantes nos documentos da empresa** e entrega ao modelo junto com a pergunta. O modelo responde com base nesses trechos e pode mostrar a fonte. A técnica foi apresentada no artigo [Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks](https://arxiv.org/abs/2005.11401) e hoje é a forma mais usada para criar assistentes que "conhecem" manuais, políticas e contratos. Veja como aplicamos em [assistentes com RAG e chatbots](/solucoes/assistentes-rag-chatbots). ### Embeddings e busca vetorial Embeddings transformam textos em listas de números que representam o **significado**. Textos parecidos ficam "próximos" nesse espaço. Isso permite buscar por sentido, e não só por palavra exata: a pergunta "como peço férias?" encontra o documento "Política de afastamentos". ### Agente de IA Um sistema em que o modelo **decide e executa ações** usando ferramentas: consultar o ERP, criar um chamado, enviar um e-mail. Um chatbot responde; um agente faz. Por isso, agentes precisam de limites claros, permissões mínimas e aprovação humana nas ações sensíveis. Detalhes em [agentes de IA](/solucoes/agentes-de-ia). ### Fine-tuning (ajuste fino) Treinar um modelo já existente com exemplos específicos para mudar o seu comportamento, como o estilo de resposta ou um formato de saída. É mais caro e menos flexível que RAG, e raramente é o primeiro passo em projetos corporativos. ### OCR e IA para documentos OCR converte imagem em texto: uma nota fotografada vira texto editável. Combinado com IA, o sistema entende o documento e extrai campos como fornecedor, valor, vencimento e itens. ## Glossário de inteligência artificial: governança e segurança ### Guardrails Regras e controles que limitam o que a IA pode fazer ou dizer: bloquear assuntos, validar respostas, exigir aprovação. São o que separa uma demonstração de um sistema em produção. ### Injeção de prompt (prompt injection) Ataque em que um texto externo, como um e-mail ou uma página, contém instruções escondidas para manipular a IA. A injeção de prompt aparece no topo da lista [OWASP Top 10 para aplicações com LLM](https://owasp.org/www-project-top-10-for-large-language-model-applications/), referência de segurança para quem desenvolve com IA. Sistemas bem construídos tratam conteúdo externo como **dado, nunca como ordem**. ### Human-in-the-loop "Humano no circuito": a IA prepara, a pessoa aprova. É a prática recomendada para decisões com impacto financeiro, jurídico ou em clientes. ### Gestão de riscos de IA Conjunto de práticas para identificar, medir e reduzir riscos de sistemas de IA ao longo do ciclo de vida. O [AI Risk Management Framework do NIST](https://www.nist.gov/itl/ai-risk-management-framework), publicado em janeiro de 2023, é uma das referências mais usadas para organizar esse trabalho. ## Como usar esse vocabulário na prática Ao conversar com fornecedores de IA, faça perguntas como: - A solução usa **RAG** com citação de fontes ou só o conhecimento do modelo? - Os meus dados são usados para **treinar** o modelo do provedor? - Quais **guardrails** e aprovações humanas existem? - Como vocês medem **alucinação** e acerto antes de ir para produção? - Como o sistema se protege de **injeção de prompt**? Para um roteiro completo de implantação, leia [Como implantar IA na empresa com segurança](/blog/ia-na-empresa-com-seguranca). ## Perguntas frequentes ### Qual a diferença entre IA e machine learning? Machine learning é uma das técnicas dentro da inteligência artificial. Toda aplicação de machine learning é IA, mas nem toda IA usa machine learning; sistemas baseados só em regras também entram no guarda-chuva da IA. ### RAG e fine-tuning são a mesma coisa? Não. No RAG, o modelo consulta documentos no momento da pergunta, o que permite citar fontes e atualizar a base na hora. No fine-tuning, o modelo é treinado de novo com exemplos, o que muda seu comportamento, mas é mais caro e difícil de atualizar. ### Chatbot e agente de IA são diferentes? Sim. O chatbot conversa e responde; o agente também executa ações em sistemas, como registrar um pedido ou abrir um chamado, e por isso precisa de permissões e controles mais rígidos. ### Dá para evitar totalmente as alucinações? Não totalmente, mas dá para reduzir muito com respostas baseadas em documentos (RAG), citação de fontes, instrução para dizer "não sei" e revisão humana nas decisões importantes. Quer descobrir onde a IA gera resultado real na sua operação? [Agende um diagnóstico gratuito](/#contato). **Imagens:** capa: ["Idea Brain", Bango Renders (domínio público, via stocksnap)](https://stocksnap.io/photo/idea-brain-5NLKT00MVB); imagem 1: ["Robot Technology", Alex Knight (domínio público, via stocksnap)](https://stocksnap.io/photo/robot-technology-WUBMLJRYEK). --- Fonte: TrustSoft — https://trustsoftlabs.com/blog/glossario-inteligencia-artificial