IA na Prática: do Zero ao Domínio é um curso completo de Inteligência Artificial para iniciantes absolutos. Ele não é um curso de ChatGPT nem de prompts isolados: é um programa de alfabetização em IA, que ensina os fundamentos que continuam válidos mesmo quando as ferramentas mudam.

Promessa: em poucas semanas, você sai de "nunca usei IA" para operar qualquer ferramenta de IA com método. Você aprende a escolher a ferramenta certa, instruir com precisão, avaliar o resultado, corrigir, integrar ao seu trabalho e automatizar tarefas repetitivas.

Para quem é: pessoas que nunca usaram IA, usuários ocasionais de ChatGPT, profissionais que querem produtividade e empreendedores que desejam implantar IA na empresa.

Metodologia: aprender fazendo, 20 por cento de teoria e 80 por cento de prática. Toda aula termina em execução.

Estrutura: 16 módulos, cerca de 72 aulas, biblioteca com mais de 100 prompts, 20 desafios práticos, glossário com mais de 80 termos, quizzes, projeto final e materiais complementares.

A mudança de mentalidade

O usuário tradicional pensa: "eu preciso saber fazer". O usuário de IA pensa: "eu preciso saber definir o problema, orientar a IA, avaliar o resultado e decidir". O diferencial não é dominar um aplicativo específico. É dominar um jeito de pensar: pensar, instruir, avaliar, corrigir, integrar, automatizar.

Como cada aula é organizada

Toda aula segue a mesma sequência de 10 blocos, para você sempre saber onde está:

1. O que você vai aprender
2. Conceito
3. Exemplo
4. Demonstração
5. Prompt pronto
6. Exercício
7. Desafio
8. Erros comuns
9. Checklist
10. Aplicação profissional

A jornada em 6 estágios

O curso segue uma progressão: Entender, Experimentar, Praticar, Aplicar, Automatizar, Criar. Você primeiro entende o que é e como funciona a IA, experimenta as ferramentas, pratica a arte de instruir, aplica no trabalho e nos negócios, aprende a automatizar e, por fim, cria seus próprios sistemas.

O FAROL é o método de instrução deste curso. Assim como um farol guia um navio até o porto, ele guia a IA até o resultado que você quer. São cinco elementos:

• F de Foco: qual é o objetivo. O que você quer alcançar de fato com este pedido.
• A de Ambiente: o contexto. Os dados disponíveis, o público-alvo, a situação em volta.
• R de Regras: as restrições. O que fazer, o que não fazer, limites de tamanho, tom, o que evitar.
• O de Ofício: o papel que a IA deve assumir. Por exemplo, "aja como um advogado tributarista" ou "aja como um redator publicitário".
• L de Linha de chegada: o formato da resposta e os critérios de qualidade. Como você quer receber (tabela, lista, texto curto) e o que faz a resposta ser considerada boa.

Um pedido comum vira um pedido profissional quando você preenche os cinco elementos. Ao longo do curso, sempre que ensinarmos a montar um prompt, vamos voltar ao FAROL.

Guarde a frase: um bom prompt acende o FAROL antes de pedir o caminho.

Bem-vindo ao primeiro módulo do curso "IA na Prática: do Zero ao Domínio". Aqui você não vai decorar definições difíceis. Você vai entender, com exemplos do dia a dia, o que é essa tal de Inteligência Artificial, de onde ela veio e por que, de repente, ela está em todo lugar. E, principalmente, você vai colocar a mão na massa: ao final deste módulo, você já terá conversado com uma IA e feito uma tarefa real com ela.

---

Aula 1.1: Afinal, o que é Inteligência Artificial?

1. O que você vai aprender

Ao final desta aula você vai saber explicar, com suas próprias palavras, o que é Inteligência Artificial (que vamos chamar de IA daqui para frente), vai conseguir diferenciar o que é IA do que não é, e vai perceber quantas vezes por dia você já usa IA sem nem notar. Nada de fórmulas, nada de código. Só entendimento de verdade.

2. Conceito

Inteligência Artificial é o nome que damos quando um programa de computador realiza tarefas que, até pouco tempo atrás, só uma pessoa conseguia fazer: reconhecer um rosto numa foto, entender o que você falou, sugerir o caminho mais rápido, escrever um texto, recomendar um filme.

Repare numa palavra importante: "artificial". Ela quer dizer "feita por gente", "não natural". Uma flor artificial é uma flor feita por gente, não nasceu de uma planta. A inteligência artificial é uma inteligência construída por pessoas dentro de uma máquina, não é uma inteligência que nasceu sozinha.

Aqui vai a analogia mais honesta que existe: pense num aprendiz de cozinha muito rápido. Ele nunca "entende" a comida como um chef experiente entende, mas ele já provou tantos pratos e viu tantas receitas que consegue montar algo muito parecido com o que um chef faria. A IA funciona assim: ela viu uma quantidade gigantesca de exemplos e aprendeu a imitar o padrão daqueles exemplos com muita competência. Ela não "sabe" no sentido humano. Ela reconhece padrões e responde de acordo com eles.

Uma confusão comum: muita gente acha que IA é um robô com corpo, braços e voz, igual aos filmes. Na prática, a maior parte da IA que você usa não tem corpo nenhum. É só um programa rodando num servidor (um computador potente numa central de dados, em algum lugar do mundo) que recebe sua pergunta e devolve uma resposta.

3. Exemplo

Você acorda e pega o celular. Sem perceber, já usou IA umas cinco vezes antes do café:

• O aplicativo de mensagens sugeriu a próxima palavra enquanto você digitava.
• O app de trânsito calculou que hoje é melhor pegar outra rua.
• A rede social te mostrou justamente aquele vídeo que te prendeu por dez minutos.
• O banco bloqueou uma compra estranha no seu cartão porque "não parecia coisa sua".
• A loja online te recomendou um produto que, convenhamos, você realmente quis comprar.

Nenhuma dessas coisas foi uma pessoa decidindo por você em tempo real. Foram sistemas de IA reconhecendo padrões: padrão de escrita, padrão de trânsito, padrão do seu gosto, padrão de gasto.

4. Demonstração (passo a passo)

Vamos fazer um pequeno exercício de observação para "enxergar" a IA ao seu redor. Você não precisa de nada além do seu celular.

1. Abra o teclado do seu celular em qualquer aplicativo de mensagem.
2. Comece a digitar "Bom dia, tudo" e pare.
3. Observe as três palavras que aparecem em cima do teclado sugerindo a continuação (geralmente algo como "bem", "certo", "bom").
4. Pergunte-se: como o teclado sabe disso? Ninguém programou manualmente essa frase específica. O teclado aprendeu, vendo milhões de conversas, que depois de "tudo" costuma vir "bem".
5. Agora abra seu aplicativo de fotos e busque pela palavra "praia" ou "cachorro" na barra de busca.
6. Veja que ele encontra fotos de praia mesmo que você nunca tenha escrito "praia" em foto nenhuma. Isso é IA reconhecendo o conteúdo da imagem.

Pronto. Você acabou de identificar dois sistemas de IA que já moram no seu bolso.

5. Prompt pronto (copiável, genérico para qualquer plataforma)

Você pode colar o texto abaixo em qualquer assistente de IA (como Claude, ChatGPT, Gemini ou similar). Ele foi montado com o Método FAROL, que você vai aprender em detalhe mais adiante no curso. Por enquanto, só copie, cole e leia a resposta.

Aja como um professor paciente que explica tecnologia para iniciantes absolutos.
Explique o que é Inteligência Artificial para uma pessoa de 60 anos que nunca
usou computador, usando três analogias do dia a dia (cozinha, trânsito e receita).
Regras: não use nenhum termo técnico sem explicar na hora; não use travessão;
frases curtas. Ao final, faça uma pergunta simples para checar se eu entendi.
Formato: no máximo 4 parágrafos curtos, em português do Brasil.

6. Exercício

Pegue papel e caneta, ou as notas do celular, e liste cinco momentos do seu dia de ontem em que você provavelmente usou IA sem perceber. Para cada um, escreva em uma frase qual padrão a IA estava reconhecendo. Exemplo pronto para te guiar: "Quando a Netflix me recomendou uma série, ela reconheceu o padrão dos filmes que eu já tinha assistido até o fim".

7. Desafio

Explique para uma pessoa da sua família, em voz alta e sem usar nenhuma palavra difícil, o que é Inteligência Artificial. Use pelo menos uma analogia sua, inventada por você. Se a pessoa entender de primeira, você dominou o conceito. Se ela fizer uma pergunta, melhor ainda: anote a pergunta, porque ela vai te mostrar qual parte ainda está confusa na sua própria cabeça.

8. Erros comuns

• Achar que IA é sempre um robô físico. A maioria é invisível, é só programa rodando em algum servidor distante.
• Achar que a IA "pensa" e "entende" como um humano. Ela reconhece padrões e imita muito bem, mas não tem consciência, opinião própria nem vontade.
• Achar que IA é coisa do futuro. Você já usa há anos, no banco, no mapa, na rede social e na loja online.
• Confundir IA com qualquer programa de computador. Uma calculadora não é IA: ela segue uma regra fixa. A IA é diferente porque aprendeu a partir de exemplos, em vez de seguir só uma regra escrita à mão.

9. Checklist

• Sei explicar o que a palavra "artificial" significa nesse contexto.
• Consigo dar pelo menos três exemplos de IA que uso no dia a dia.
• Entendo que IA reconhece padrões, e não "pensa" como uma pessoa.
• Sei diferenciar IA de um programa comum (como a calculadora).
• Já rodei o prompt pronto e li a resposta.

10. Aplicação profissional

No trabalho, o primeiro ganho de entender o que é IA não é técnico, é de postura: você para de ter medo e passa a olhar cada tarefa repetitiva e se perguntar "será que uma IA reconhece o padrão disso e me ajuda?". Um vendedor pode usar IA para escrever respostas rápidas a clientes. Uma recepcionista pode usar para resumir recados. Um dono de pequeno negócio pode usar para organizar uma planilha bagunçada. O conceito que você aprendeu aqui, que IA é reconhecimento de padrões a partir de exemplos, é o que te ajuda a farejar onde ela pode economizar seu tempo.

---

Aula 1.2: Uma breve história: de onde veio a IA

1. O que você vai aprender

Você vai conhecer, em linha do tempo simples, como a IA saiu de uma ideia de laboratório nos anos 1950 e chegou ao celular na sua mão. Entender essa história ajuda a perceber que a IA não surgiu do nada em 2023: ela foi construída aos poucos, ao longo de décadas, e teve altos e baixos.

2. Conceito

A ideia de "máquina que pensa" é bem mais antiga do que parece. Ela nasceu formalmente em 1956, num encontro de cientistas nos Estados Unidos, onde o termo "Inteligência Artificial" foi usado pela primeira vez. Naquela época havia muito entusiasmo e pouca capacidade real: os computadores eram do tamanho de uma sala e mais fracos que o celular mais simples de hoje.

A história da IA teve fases de empolgação seguidas de frustração. Os pesquisadores prometiam muito, não conseguiam entregar, o dinheiro sumia e a área esfriava. Esses períodos de frieza ficaram conhecidos como "invernos da IA". Aconteceram algumas vezes.

O que mudou tudo nos últimos quinze anos foram três coisas acontecendo juntas, como três ingredientes que só funcionam misturados:

1. Muitos dados. A internet gerou uma quantidade absurda de textos, fotos e vídeos para as máquinas aprenderem.
2. Muito poder de cálculo. Placas de computador que antes serviam para rodar videogames se mostraram perfeitas para treinar IA, e ficaram muito potentes.
3. Melhores técnicas. Os cientistas descobriram formas mais espertas de fazer a máquina aprender a partir desses dados.

Quando esses três ingredientes se juntaram, a IA deu um salto que surpreendeu até quem trabalhava na área.

3. Exemplo

Um marco fácil de lembrar: em 1997, um computador da IBM chamado Deep Blue venceu o campeão mundial de xadrez, Garry Kasparov. Foi manchete no mundo todo. Mas aquele computador só sabia jogar xadrez, nada mais. Ele era uma IA "especialista em uma coisa só".

Compare com hoje: você abre um assistente de IA e ele conversa sobre xadrez, corrige seu texto, sugere uma receita de jantar e explica um contrato, tudo na mesma janela. A diferença entre 1997 e hoje não é a IA ter ficado "mais esperta em xadrez". É ela ter ficado capaz de lidar com muitos assuntos diferentes usando linguagem comum, a sua linguagem.

4. Demonstração (passo a passo)

Vamos montar sua própria linha do tempo mental com ajuda de uma IA, para fixar a história de um jeito ativo.

1. Abra qualquer assistente de IA.
2. Peça: "Monte uma linha do tempo simples da história da Inteligência Artificial, com no máximo seis marcos, em linguagem para iniciante".
3. Leia a resposta com calma.
4. Escolha um marco que você nunca tinha ouvido falar e peça: "Explique melhor esse marco, como se eu tivesse dez anos de idade".
5. Repare que você está usando a própria IA para aprender a história da IA. Isso é o curso acontecendo na prática.

5. Prompt pronto (copiável, genérico para qualquer plataforma)

Aja como um contador de histórias que adora tecnologia.
Conte a história da Inteligência Artificial como se fosse uma narrativa, dos anos
1950 até hoje, destacando os momentos de empolgação e os "invernos da IA" (períodos
em que a área esfriou). Público: iniciante absoluto, sem nenhum conhecimento técnico.
Regras: no máximo 6 marcos; explique todo termo técnico na hora; não use travessão.
Formato: lista numerada, cada item com o ano e uma frase curta de explicação.

6. Exercício

Com a resposta do prompt acima em mãos, escreva com suas palavras uma frase para cada um dos três "ingredientes" que fizeram a IA dar seu salto recente (dados, poder de cálculo e melhores técnicas). A ideia é você conseguir explicar cada ingrediente sem olhar a aula.

7. Desafio

Pesquise (pode ser com a própria IA) em que ano surgiu o primeiro assistente de voz que você usou na vida, seja ele qual for. Depois, pergunte à IA o que ela conseguia e o que ela não conseguia fazer naquela época comparado a hoje. Escreva um parágrafo curto contando essa evolução como se fosse a história de um conhecido seu que cresceu e amadureceu.

8. Erros comuns

• Achar que a IA foi inventada em 2023. A ideia tem quase setenta anos. O que explodiu recentemente foi a facilidade de uso e a qualidade.
• Achar que a evolução foi uma linha reta sempre para cima. Houve vários "invernos", períodos de decepção e falta de investimento.
• Confundir "vencer no xadrez" com "ser inteligente em tudo". Uma IA campeã de xadrez pode não saber fazer mais nada além disso.

9. Checklist

• Sei que o termo "Inteligência Artificial" nasceu em 1956.
• Sei explicar o que foram os "invernos da IA".
• Consigo citar os três ingredientes do salto recente da IA.
• Entendo a diferença entre uma IA especialista (xadrez) e os assistentes de hoje.

10. Aplicação profissional

Entender a história te dá uma vantagem prática: você para de acreditar em promessas mágicas. Todo mundo que vende tecnologia costuma exagerar. Quem conhece os "invernos da IA" sabe separar o que já funciona de verdade hoje do que ainda é só promessa. No trabalho, isso te faz tomar decisões melhores sobre onde investir tempo e dinheiro em ferramentas de IA, sem cair no exagero nem no medo.

---

Aula 1.3: Os tipos de IA: da tradicional à generativa

1. O que você vai aprender

Você vai entender, de uma vez por todas e sem enrolação, a diferença entre alguns termos que vivem juntos e confundem todo mundo: IA tradicional, Machine Learning (aprendizado de máquina), Deep Learning (aprendizado profundo) e IA generativa. Vamos usar uma imagem simples de caixas dentro de caixas para você nunca mais se perder.

2. Conceito

Imagine bonecas russas, aquelas que abrem e têm uma menor dentro. É exatamente assim que esses termos se encaixam, um dentro do outro.

A boneca maior: Inteligência Artificial. É o guarda-chuva, o nome geral de qualquer máquina que faz tarefas "inteligentes". Dentro dela cabem duas famílias.

A IA tradicional (baseada em regras). É a IA mais antiga, feita de regras escritas à mão por pessoas: "se acontecer isto, faça aquilo". Pense no jogo da velha do computador ou no sistema que aprova ou nega um empréstimo seguindo regras fixas. Ela não aprende sozinha: alguém escreveu cada regra. É competente, mas engessada.

A boneca do meio: Machine Learning (aprendizado de máquina). Aqui está a virada de chave. Em vez de uma pessoa escrever todas as regras, a máquina aprende as regras sozinha, olhando muitos exemplos. Você não diz "gato tem orelha pontuda e bigode". Você mostra dez mil fotos de gatos e dez mil de cachorros, e o programa descobre sozinho o que diferencia um do outro. "Machine Learning" quer dizer, ao pé da letra, "aprendizado de máquina".

A boneca menor: Deep Learning (aprendizado profundo). É um tipo mais avançado de Machine Learning, inspirado (bem de longe) no modo como os neurônios do cérebro humano se conectam. Ele é chamado de "profundo" porque processa a informação em muitas camadas empilhadas, uma passando o resultado para a outra. É essa técnica que permitiu os grandes saltos recentes, como reconhecer voz e gerar imagens.

A boneca mais nova de todas: IA generativa. É a estrela do momento e um tipo de Deep Learning. A palavra "generativa" vem de "gerar", "criar". Enquanto as IAs mais antigas classificavam ("isto é um gato" ou "isto é spam"), a IA generativa cria coisas novas: escreve um texto, desenha uma imagem, compõe uma música, responde a sua pergunta com uma frase inédita. É o tipo de IA que você usa quando conversa com um assistente como Claude, ChatGPT ou Gemini.

Resumindo a hierarquia: IA generativa está dentro de Deep Learning, que está dentro de Machine Learning, que está dentro de Inteligência Artificial.

3. Exemplo

Vamos usar um só assunto, o e-mail, para ver os tipos lado a lado:

• IA tradicional (regras): "Se o assunto contém a palavra PROMOÇÃO, mande para a caixa de promoções". Alguém escreveu essa regra.
• Machine Learning: o filtro de spam que aprendeu, vendo milhões de e-mails que as pessoas marcaram como lixo, a reconhecer o que provavelmente é spam, mesmo sem uma regra fixa para cada caso.
• Deep Learning: o sistema que lê o conteúdo do e-mail e entende que "sua fatura está disponível" é diferente de "você ganhou um prêmio milionário", captando nuances.
• IA generativa: o botão "sugerir resposta" que escreve para você um e-mail inteiro e educado, do zero, respondendo ao que chegou.

Mesmo tema, quatro níveis de esperteza.

4. Demonstração (passo a passo)

Vamos sentir na prática a diferença entre classificar e gerar, que é o coração dessa aula.

1. Abra um assistente de IA generativa.
2. Primeiro, peça uma tarefa de classificação: "Esta frase é positiva ou negativa: 'O atendimento demorou, mas o produto é ótimo'". Veja que ele responde com uma classificação.
3. Agora peça uma tarefa de geração: "Escreva um agradecimento curto e simpático para um cliente que deixou esse comentário".
4. Compare as duas respostas. Na primeira, a IA colocou sua frase numa "gaveta" (positivo ou negativo). Na segunda, ela criou algo novo que não existia antes.
5. Perceba: a mesma ferramenta moderna faz as duas coisas, mas a mágica que impressiona o mundo é a segunda, a de gerar.

5. Prompt pronto (copiável, genérico para qualquer plataforma)

Aja como um professor de tecnologia que usa analogias simples.
Explique a diferença entre IA tradicional, Machine Learning, Deep Learning e IA
generativa usando UMA única analogia que atravesse os quatro conceitos (por exemplo,
aprender a cozinhar). Público: iniciante absoluto.
Regras: explique cada termo em inglês com a tradução ao lado; não use travessão;
deixe claro qual está "dentro" de qual.
Formato: um parágrafo curto para cada conceito, na ordem do mais antigo ao mais novo.

6. Exercício

Desenhe (pode ser um rabisco no papel) as quatro bonecas russas, uma dentro da outra, e escreva o nome certo em cada uma, da maior para a menor. Sem olhar a aula. Depois confira. Esse desenho simples vai fixar a hierarquia na sua memória melhor que qualquer texto.

7. Desafio

Escolha um aplicativo que você usa bastante (banco, rede social, transporte, delivery) e tente identificar um exemplo de cada tipo de IA dentro dele. Nem sempre você vai achar os quatro, e tudo bem. O objetivo é treinar o olhar para reconhecer que "IA" não é uma coisa só, são camadas diferentes trabalhando juntas.

8. Erros comuns

• Usar "IA", "Machine Learning" e "Deep Learning" como se fossem sinônimos. Eles são caixas dentro de caixas, não a mesma coisa.
• Achar que IA generativa é a única IA que existe. Ela é a mais nova e chamativa, mas a IA tradicional e o Machine Learning rodam o mundo há décadas, silenciosamente.
• Achar que "Deep Learning" (profundo) significa que a IA é profunda no sentido de sábia. "Profundo" aqui se refere apenas às muitas camadas de processamento, não à sabedoria.

9. Checklist

• Sei colocar os quatro termos na ordem correta de caixas dentro de caixas.
• Sei traduzir Machine Learning e Deep Learning.
• Entendo a diferença entre classificar (colocar em gavetas) e gerar (criar algo novo).
• Sei dar um exemplo de cada tipo usando um mesmo tema.

10. Aplicação profissional

Saber esses tipos te ajuda a conversar com fornecedores e colegas sem se sentir perdido. Quando alguém disser "nossa ferramenta usa Machine Learning", você já entende que ela aprende com dados, e pode perguntar "com quais dados?". Quando ouvir "IA generativa", você sabe que ela cria conteúdo, e pode perguntar "quem revisa o que ela cria?". Esse vocabulário te coloca na mesa de decisão, em vez de te deixar de fora por medo dos termos.

---

Aula 1.4: Os protagonistas de hoje: LLMs, multimodais e agentes

1. O que você vai aprender

Você vai conhecer os três nomes que dominam as conversas sobre IA em 2026: os LLMs (os modelos de linguagem que estão por trás dos assistentes de texto), os modelos multimodais (que entendem também imagem, som e vídeo) e os agentes de IA (que não só respondem, mas executam tarefas). Sem esses três nomes, é impossível acompanhar o assunto hoje.

2. Conceito

LLM é a sigla em inglês para "Large Language Model", que se traduz como "Grande Modelo de Linguagem". É o cérebro por trás dos assistentes de conversa. A ideia é surpreendentemente simples de descrever: ele foi treinado lendo uma quantidade gigantesca de texto e aprendeu a prever qual palavra vem a seguir. Só isso, repetido em altíssima escala, produz respostas que parecem incrivelmente humanas.

Pense num daqueles amigos que leu praticamente tudo. Você começa uma frase e ele completa com naturalidade, porque já viu aquele tipo de frase milhares de vezes. O LLM é isso levado ao extremo. Exemplos de LLMs de ponta em 2026 são o Claude Opus 5, o GPT-5.6, o Gemini 3.x, o Grok 4.6 e o DeepSeek V4. Os nomes e versões mudam rápido, quase como modelos de celular que ganham uma versão nova todo ano.

Multimodal vem de "muitos modos". Um modelo multimodal não entende só texto: ele lida também com imagem, áudio e, cada vez mais, vídeo. Você pode tirar uma foto de um prato de comida e perguntar a receita, mandar um áudio em vez de digitar, ou mostrar a foto de um erro na tela do computador e pedir ajuda. É como a diferença entre um amigo que só troca mensagens de texto com você e um amigo que também escuta, olha e enxerga o que você mostra.

Agente de IA é o passo mais recente e o mais empolgante. Um assistente comum responde e para. Um agente recebe um objetivo e trabalha em várias etapas para cumpri-lo, usando ferramentas: ele pode pesquisar na internet, preencher uma planilha, mandar um e-mail, consultar um sistema, tudo encadeado para chegar a um resultado. A analogia certa é a diferença entre um consultor que te dá um conselho (o assistente) e um estagiário dedicado que sai e realmente executa as tarefas para você (o agente).

3. Exemplo

Imagine que você quer organizar uma viagem em família.

• Com um LLM comum, você pergunta "quais cidades visitar no litoral de Santa Catarina em janeiro" e recebe uma boa lista de sugestões em texto.
• Com um modelo multimodal, você manda uma foto do mapa que já tinha rabiscado à mão e pede para ele entender seu roteiro a partir da imagem.
• Com um agente, você diz "monte um roteiro de cinco dias, pesquise os horários dos pontos turísticos e prepare uma lista de bagagem", e ele vai atrás de cada parte, uma depois da outra, e te entrega tudo pronto.

O mesmo pedido, três níveis de autonomia.

4. Demonstração (passo a passo)

Vamos experimentar a diferença entre "responder" e "fazer" na prática, usando recursos que muitos assistentes já oferecem.

1. Abra um assistente de IA moderno.
2. Faça uma pergunta simples de texto: "Me dê três ideias de nome para uma cafeteria". Isso é o LLM puro respondendo.
3. Se o seu assistente permitir enviar imagens, tire uma foto de qualquer objeto na sua mesa e pergunte "o que é isto e para que serve?". Isso é o modo multimodal.
4. Agora peça algo com várias etapas: "Pesquise três cafeterias famosas no mundo, resuma o que cada uma tem de especial e monte uma tabela comparando". Se o assistente for capaz de pesquisar e organizar sozinho, você está vendo um comportamento de agente.
5. Observe como o esforço da IA cresce a cada etapa: primeiro ela só fala, depois ela enxerga, depois ela age.

5. Prompt pronto (copiável, genérico para qualquer plataforma)

Aja como um guia de tecnologia que fala com iniciantes.
Explique a diferença entre um LLM, um modelo multimodal e um agente de IA usando a
analogia de contratar ajuda para organizar uma festa. Público: iniciante absoluto.
Regras: traduza toda sigla em inglês na hora; não use travessão; deixe claro que um
agente executa tarefas em várias etapas, não apenas responde.
Formato: três blocos curtos, um para cada conceito, com um exemplo prático em cada.

6. Exercício

Escreva três pedidos diferentes que você faria a uma IA no seu dia a dia: um que precise só de resposta em texto (LLM), um que precise que ela olhe uma imagem (multimodal) e um que precise que ela execute várias etapas (agente). Isso treina você a reconhecer qual "nível" de IA cada tarefa sua exige.

7. Desafio

Pegue uma tarefa chata e repetitiva da sua rotina (por exemplo: toda semana você copia dados de vários e-mails para uma planilha). Descreva por escrito, passo a passo, como um agente de IA poderia fazer isso por você. Você não precisa montar o agente agora, só treinar o raciocínio de "quebrar a tarefa em etapas", que é a base para usar agentes mais adiante no curso.

8. Erros comuns

• Achar que todo assistente de IA é um agente. A maioria, por padrão, só responde. Ser agente exige a capacidade de agir em várias etapas e usar ferramentas.
• Confundir multimodal com "ter voz". Multimodal é entender vários tipos de conteúdo (imagem, som, vídeo), não apenas falar em voz alta.
• Escolher o modelo pelo nome mais famoso. O melhor modelo para você depende da tarefa, do preço e de com qual você se dá melhor no dia a dia. Como preços e versões mudam o tempo todo, vale sempre conferir no site oficial de cada um.
• Dar a um agente uma tarefa importante sem revisar o resultado. Quanto mais autonomia a IA tem, mais atenção você precisa dar à conferência.

9. Checklist

• Sei o que significa a sigla LLM e o que ela faz.
• Entendo o que torna um modelo multimodal diferente de um só de texto.
• Sei explicar a diferença entre um assistente que responde e um agente que executa.
• Sei citar pelo menos três LLMs atuais, lembrando que as versões mudam rápido.

10. Aplicação profissional

Essa é a aula mais "de mercado" do módulo. No trabalho, saber distinguir esses três te ajuda a escolher a ferramenta certa: para redigir textos, um bom LLM basta; para analisar documentos escaneados ou fotos de produtos, você precisa de um multimodal; para automatizar um processo inteiro, você vai querer um agente. Fornecedores usam esses termos o tempo todo. Quem os domina negocia melhor, evita pagar por recursos que não vai usar e sabe exatamente o que pedir.

---

Aula 1.5: O que a IA faz bem e o que ela ainda erra

1. O que você vai aprender

Você vai aprender a separar o que a IA já faz muito bem do que ela ainda faz mal, e vai entender a diferença entre dois grandes usos: a IA preditiva (que prevê) e a IA generativa (que cria). Esta é talvez a aula mais importante do módulo, porque é ela que te protege de dois extremos perigosos: confiar demais e confiar de menos.

2. Conceito

Antes de tudo, uma distinção que organiza tudo:

IA preditiva é a IA que olha para o passado e tenta prever o futuro ou classificar algo. "Este cliente provavelmente vai cancelar o plano." "Esta transação parece fraude." "Vai chover amanhã." Ela responde com uma previsão ou uma probabilidade.

IA generativa é a IA que cria conteúdo novo. "Escreva este e-mail." "Desenhe esta imagem." "Resuma este relatório." Ela responde com algo inédito.

As duas são úteis, mas para coisas diferentes. Uma prevê, a outra cria. Grande parte da confusão sobre IA some quando você guarda essa diferença.

Agora, o mais importante: onde a IA generativa brilha e onde ela tropeça.

Ela é excelente em: escrever e reescrever textos, resumir documentos longos, traduzir, explicar assuntos difíceis de forma simples, dar ideias e rascunhos iniciais, organizar informação bagunçada e servir de parceira para você pensar em voz alta.

Ela ainda falha em: dizer a verdade com certeza. Aqui entra o termo mais importante desta aula. Uma IA generativa pode "alucinar", que é o nome técnico para quando ela inventa uma informação falsa com toda a confiança do mundo, como se fosse verdade. Ela pode citar uma lei que não existe, um livro que ninguém escreveu ou um número errado, e dizer isso com a maior naturalidade. Isso não é mentira no sentido humano, é um efeito de como ela funciona: ela foi feita para produzir a resposta mais provável, e às vezes o mais provável não é o verdadeiro.

Outras fraquezas atuais: ela erra em contas e cálculos precisos com mais frequência do que se imagina; ela não sabe, por si só, o que aconteceu depois da data em que foi treinada; ela pode repetir preconceitos que estavam nos textos com que aprendeu; e ela não tem experiência de mundo real, corpo nem vivência, então erra em coisas de senso comum físico que qualquer criança acerta.

A regra de ouro que nasce daqui: use a IA como uma assistente brilhante, mas distraída. Ótima para rascunhar e acelerar. Nunca a última palavra em algo que precisa estar certo. Você continua sendo o responsável por conferir.

3. Exemplo

Um caso real e muito comum: uma pessoa pede a uma IA "me indique três livros sobre finanças pessoais com o nome do autor". A IA responde com três títulos que parecem perfeitos, com autores de nome convincente. O problema: um dos livros não existe. A IA juntou um tema comum com um nome de autor plausível e criou um título que soa verdadeiro. Isso é uma alucinação. Quem confere, descobre o erro em trinta segundos numa busca. Quem confia cegamente, cita um livro que nunca foi escrito.

Do outro lado, um exemplo de onde ela brilha: você cola um contrato de aluguel de cinco páginas e pede "me explique em linguagem simples o que eu estou assumindo ao assinar isto e liste os pontos de atenção". Aqui ela é excelente, porque está resumindo e explicando um texto que você mesmo forneceu, não inventando fatos do nada.

4. Demonstração (passo a passo)

Vamos provocar uma alucinação de propósito, para você ver com seus próprios olhos e nunca mais esquecer.

1. Abra um assistente de IA.
2. Pergunte algo bem específico e obscuro, de preferência sobre um assunto local que você conheça bem: "Qual foi o campeão do torneio de futebol amador do meu bairro em 2019?".
3. Observe: a IA não tem como saber isso, mas há uma boa chance de ela inventar uma resposta que soa segura.
4. Agora faça o teste da honestidade: pergunte "Você tem certeza? Existe a chance de você ter inventado essa resposta?".
5. Repare como, muitas vezes, ela volta atrás e admite que não tinha essa informação. Isso te ensina um hábito valioso: pedir que a IA confira a si mesma.
6. Por fim, faça a comparação justa: dê a ela um texto seu e peça um resumo. Veja como aqui o resultado é confiável, porque a informação veio de você.

5. Prompt pronto (copiável, genérico para qualquer plataforma)

Aja como um assistente honesto e cauteloso.
Responda à minha pergunta abaixo, mas siga estas regras de segurança: se você não
tiver certeza de algum dado, diga claramente "não tenho certeza" em vez de inventar;
separe o que é fato verificável do que é sua opinião ou estimativa; ao final, liste
o que eu deveria conferir por conta própria antes de confiar na resposta.
Regras: não use travessão; linguagem simples.
Minha pergunta: [ESCREVA SUA PERGUNTA AQUI]

6. Exercício

Faça uma tabela de duas colunas. De um lado, liste cinco tarefas em que você confiaria numa IA generativa hoje (por exemplo: rascunhar um e-mail). Do outro, cinco tarefas em que você jamais usaria a resposta dela sem conferir (por exemplo: um valor de imposto a pagar). Essa tabela é o seu mapa pessoal de confiança, e vai guiar seu uso da IA daqui para frente.

7. Desafio

Faça uma mesma pergunta factual e específica para dois assistentes de IA diferentes (por exemplo, um número, uma data histórica ou um dado técnico). Compare as respostas. Se elas divergirem, você acabou de ver na prática por que conferir é obrigatório. Escreva um parágrafo sobre o que essa diferença te ensinou sobre confiar em uma única fonte.

8. Erros comuns

• Tratar a resposta da IA como verdade absoluta. Ela pode alucinar, ou seja, inventar com confiança. Sempre confira o que for importante.
• Usar a IA para contas precisas sem verificar. Para números que importam, confira na calculadora ou peça que ela mostre o passo a passo do cálculo.
• Achar que a IA sabe das notícias de hoje. Sozinha, ela só conhece até a data em que foi treinada, a não ser que tenha acesso à internet naquele momento.
• Jogar fora a ferramenta por causa de um erro. O erro não significa que a IA é inútil, significa que ela precisa de supervisão. Usada com conferência, ela é poderosíssima.
• Confundir preditiva com generativa. Uma prevê e classifica; a outra cria. Pedir criação a uma e previsão a outra leva a frustração.

9. Checklist

• Sei explicar a diferença entre IA preditiva e IA generativa.
• Sei o que é uma "alucinação" de IA e por que ela acontece.
• Tenho clareza de pelo menos três tarefas em que a IA é excelente.
• Tenho clareza de pelo menos três tarefas em que preciso conferir a IA.
• Adotei a regra de ouro: assistente brilhante para rascunhar, nunca a palavra final sem conferência.

10. Aplicação profissional

Esta aula é o seu escudo profissional. O maior risco de usar IA no trabalho não é ela ser fraca, é você confiar numa alucinação e passar a informação errada adiante, comprometendo sua credibilidade. Profissionais maduros usam a IA para acelerar o rascunho e depois aplicam seu próprio julgamento na revisão. Adote desde já o hábito de perguntar "de onde veio esse dado?" e de conferir qualquer número, nome ou fato antes de usar num documento oficial, numa proposta ou numa decisão. Quem faz isso colhe toda a velocidade da IA sem correr o risco que derruba os desavisados.

---