Dicionário de Inteligência Artificial PM3

Approval Gate

É um ponto explícito no fluxo em que o agente para, apresenta o que pretende fazer e espera aprovação, de uma pessoa ou de uma verificação automática, antes de continuar. Diferente de revisar a saída final, o gate intercepta a ação antes que ela aconteça. Combinado com checkpoints, permite que o agente retome exatamente do ponto em que parou depois da aprovação. É o mecanismo técnico que implementa o Human-in-the-Loop dentro de um fluxo agêntico.

Supervised Autonomy / Autonomy Level

É o modelo operacional em que um sistema de IA executa com autonomia, mas dentro de um envelope definido: quais ações são permitidas, quais limiares de confiança se aplicam, quais aprovações são obrigatórias e onde estão os pontos de parada. O nível de autonomia é definido por ação, não por sistema. Ler pode ser livre; escrever pode pedir confirmação; cobrar exige uma pessoa. O princípio de agência mínima necessária diz que o agente deve ter apenas a autonomia que a tarefa exige, e nada mais. É a forma como sistemas agênticos operam com segurança em produção.

Circuit Breaker

É um mecanismo que, após um número de falhas consecutivas em um serviço (modelo, API, banco de dados), “abre o circuito” e para de chamá-lo por um período, redirecionando o tráfego para um fallback, em vez de continuar tentando e degradando todo o sistema. Depois do intervalo, o mecanismo testa se o serviço voltou e, se sim, “fecha o circuito” e retoma o uso normal. A metáfora vem do disjuntor elétrico, que desarma para proteger a instalação quando algo está errado.

State / Session / Checkpoint

Estado é tudo o que o agente sabe sobre a tarefa em andamento: o histórico, os resultados das ferramentas, as variáveis intermediárias. Sessão é a unidade de interação que carrega esse estado, do início ao fim de uma tarefa ou conversa. Checkpoint é uma cópia do estado salva em um ponto seguro, que permite retomar a execução após uma falha, auditar o que aconteceu e reverter se necessário. Sem checkpoint, uma falha no passo 7 obriga a refazer os passos 1 a 6, com todo o custo e tempo envolvidos.

Parallel Execution / Fan-out, Fan-in

É o padrão de executar ao mesmo tempo as capacidades que não dependem uma da outra (fan-out) e consolidar seus resultados em seguida (fan-in). Em vez de esperar cada etapa terminar para começar a próxima, tudo o que pode rodar junto roda junto. Paralelismo não é rodar tudo ao mesmo tempo; é saber o que não depende de quê. A latência de um bloco paralelo é a da capacidade mais lenta, e não a soma de todas. O que depende de um resultado anterior espera por ele. É um dos padrões mais eficazes para reduzir o tempo de resposta de sistemas com várias etapas.

Fallback / Graceful Degradation

É o caminho alternativo acionado quando a capacidade principal falha, demora demais ou responde com baixa confiança. Pode ser um modelo secundário, uma resposta baseada em regras, uma resposta padrão honesta (“não consegui verificar agora”) ou o encaminhamento para uma pessoa. Degradação graciosa é o princípio por trás: entregar um serviço reduzido, mas útil e honesto, em vez de um erro ou de uma resposta ruim disfarçada de boa. É um dos elementos que diferenciam um produto de uma demonstração.

Tool

É uma função exposta ao modelo, com nome, descrição e esquema de entrada e saída, que ele pode pedir para executar: consultar disponibilidade, calcular uma tarifa, abrir um chamado, buscar um documento. Ferramentas são o que devolvem exatidão e capacidade de ação ao fluxo generativo. O modelo decide quando chamar; o sistema executa; o resultado volta ao modelo como dado. O modelo nunca executa a ferramenta diretamente. Ele apenas indica que quer usá-la e com quais parâmetros, e o sistema decide se e como executar.

Handoff

É a transferência de controle de um agente para outro, ou de um agente para uma pessoa, com passagem do contexto: o que já foi feito, o que falta fazer, o que o usuário quer. Difere de chamar um agente como ferramenta. No handoff, o controle muda de mãos e o primeiro agente sai de cena; na chamada como ferramenta, o primeiro agente continua no comando e apenas usa o resultado do segundo. O termo vem do atendimento humano, em que um atendente “passa” o cliente para outro.

Human-in-the-Loop (HITL) / Human-on-the-Loop (HOTL)

Human-in-the-Loop (HITL) é o padrão em que uma pessoa participa da decisão antes de ela valer: aprova, corrige ou rejeita a saída do sistema. Existem variantes: por exceção (só os casos abaixo de um limiar de confiança), por amostragem (uma fatia aleatória sempre revisada, que alimenta a avaliação) e antes do irreversível (cobrança, bloqueio, comunicação pública). Human-on-the-Loop (HOTL) é a variante em que a pessoa monitora o sistema e pode intervir, mas não aprova cada caso individualmente. O sistema age; a pessoa supervisiona. Ambos são mecanismos de supervisão humana; a diferença está no momento em que a pessoa entra.

Agent Loop

É o ciclo básico de funcionamento de um agente de IA. O modelo recebe um objetivo e um contexto, decide uma ação (responder ou chamar uma ferramenta), o sistema executa essa ação, o resultado volta para o contexto e o modelo decide o próximo passo. O ciclo se repete até que a tarefa seja concluída, um limite seja atingido ou o agente peça ajuda. Cada volta do loop é uma nova chamada ao modelo, com custo e latência que se acumulam. Um agente que dá 10 voltas custa e demora cerca de 10 vezes mais do que uma resposta simples. É esse ciclo que diferencia um agente de um chatbot: em vez de responder e parar, ele age, observa e continua.

Agent Memory

É o que o agente lembra além da chamada atual. A memória de curto prazo é o contexto da sessão em andamento. A memória de longo prazo é a informação guardada entre sessões, que pode ser de três tipos: episódica (o que aconteceu: “o cliente reclamou em março”), semântica (fatos: “o cliente prefere e-mail”) e procedural (como fazer: métodos aprendidos). A memória de longo prazo não é carregada inteira a cada chamada. Ela é recuperada para o contexto quando relevante, de forma parecida com o RAG. É o que permite a um assistente “conhecer” o usuário ao longo do tempo.

Orchestrator

É o componente que coordena a execução de um sistema de IA: decide o que roda em paralelo e o que espera, dispara as capacidades, aguarda os resultados, consolida as saídas, resolve conflitos por regras de precedência e aciona uma pessoa quando o caso sai do esperado. Pode ser código determinístico, no caso de um workflow, ou um modelo de linguagem, no caso de um agente orquestrador que delega tarefas a outros agentes ou ferramentas. É a “camada de gerência” do sistema: não faz o trabalho, mas define quem faz o quê e em que ordem.

Reasoning and Acting (ReAct)

É um padrão de agente em que o modelo alterna explicitamente entre raciocinar e agir. Antes de cada ação, ele escreve o que está pensando (“o cliente mencionou multa, preciso consultar o contrato”), executa a ação (“chamar consultar_contrato”), observa o resultado e raciocina de novo. Esse raciocínio intercalado melhora a escolha de ferramentas e torna o histórico da execução legível para pessoas, o que facilita entender por que o agente fez o que fez. O padrão alternativo é o Plan-and-Execute: um componente planeja todos os passos primeiro, e outro os executa em sequência. É mais previsível, mas menos adaptável a surpresas no meio do caminho.

Retry / Exponential Backoff / Timeout

São três mecanismos básicos de confiabilidade. Retry é tentar de novo após uma falha temporária, como uma API indisponível ou um limite de requisições atingido. Backoff exponencial é aumentar o intervalo entre as tentativas (1 s, 2 s, 4 s...) para não sobrecarregar o serviço que falhou. Timeout é o tempo máximo de espera por uma resposta antes de desistir. Os três precisam de limites. Tentativas infinitas sobre um modelo que responde mal só multiplicam o custo sem resolver o problema. São padrões antigos de sistemas distribuídos que se aplicam integralmente a chamadas de modelos de IA.

Tool Schema

É a descrição formal de uma ferramenta: seu nome, uma descrição em linguagem natural, os parâmetros de entrada com tipos e obrigatoriedade, e o formato da saída. O modelo lê o schema para decidir se usa a ferramenta e como preencher os parâmetros. O sistema usa o schema para validar a chamada antes de executá-la. Um schema ambíguo gera chamadas erradas; um schema preciso reduz erros sem precisar trocar de modelo.

Multi-agent System / Subagent

É uma arquitetura em que vários agentes especializados cooperam para resolver uma tarefa. Um agente supervisor pode delegar a subagentes (um pesquisa, outro redige, outro revisa); um roteador pode escolher o agente adequado para cada tipo de pedido; agentes podem passar o trabalho uns aos outros por handoff. Cada agente tem contexto, instruções e ferramentas próprios, o que reduz confusão e permite que trabalhem em paralelo. O custo é mais coordenação, mais tokens consumidos e mais formas de o sistema falhar. Um erro de comunicação entre agentes pode ser difícil de rastrear.

Agent Skill

É uma capacidade empacotada que um agente carrega quando precisa: instruções sobre como executar uma tarefa, o contexto necessário, exemplos, critérios de qualidade, ferramentas associadas e limitações. Enquanto uma ferramenta é uma função atômica (“consultar contrato”), uma skill é um método completo (“analisar uma entrevista de usuário e extrair insights”). Ela transforma conhecimento tácito, que estava na cabeça de alguém, em uma capacidade reutilizável. Uma skill bem construída segue a lógica de um contrato de capacidade em escala menor: entrada, saída, critério de qualidade e limites, com o julgamento humano preservado sobre o resultado.

Workflow

É uma sequência predefinida de passos, alguns dos quais chamam um modelo de IA, orquestrada por código. O caminho é fixo, as decisões de roteamento são explícitas, e o custo e a latência são previsíveis. Um workflow pode incluir ramificações condicionais (“se a confiança for maior que 0,8, siga; senão, envie para revisão”), execução em paralelo e repetições limitadas. Mas quem define a estrutura é quem constrói o sistema, não o modelo. É a forma mais comum de usar IA em produto, e muitas vezes é chamada de “agente” sem ser.