Voltar aos resultados

Inteligência Artificial

Artificial Intelligence (AI)

Campo
Básico
Categoria: Fundamentos e paradigmasSubcategoria: Conceitos centrais

O que significa

Inteligência Artificial (IA) é a área da computação dedicada à criação de sistemas capazes de realizar tarefas que normalmente exigiriam capacidades associadas à inteligência humana. Essas tarefas podem incluir aprender com dados, reconhecer padrões, compreender linguagem, resolver problemas, tomar decisões e gerar conteúdos. Por exemplo, sistemas de IA podem reconhecer rostos em fotografias, recomendar filmes, traduzir textos, identificar fraudes ou conversar com pessoas por meio de assistentes virtuais. Em termos simples: IA é a capacidade de uma máquina utilizar dados e algoritmos para executar tarefas de maneira que simule certos aspectos da inteligência humana.

Como usar na prática de produto

A IA pode apoiar diferentes etapas do ciclo de produto, ajudando a entender problemas, analisar informações, acelerar tarefas e apoiar decisões. Na prática, pode ser usada para: • Analisar feedbacks e identificar padrões nas dores dos usuários • Apoiar pesquisas, discovery e geração de hipóteses • Criar e testar protótipos com mais rapidez • Personalizar experiências e recomendações • Automatizar tarefas e processos repetitivos • Analisar dados e apoiar a tomada de decisão • Criar funcionalidades e experiências baseadas em IA • Acelerar documentação, como PRDs, histórias e critérios de aceite

Quando usar este termo ou outro

Use Inteligência Artificial quando estiver falando da tecnologia de forma ampla ou quando não for necessário especificar a técnica utilizada. Se o contexto for mais específico, prefira o termo correspondente: Machine Learning para sistemas que aprendem padrões a partir de dados, IA Generativa para geração de novos conteúdos, LLM para modelos de linguagem e agentes de IA para sistemas capazes de executar ações e etapas em direção a um objetivo.

Exemplos de aplicação

  • Recomendação: sugerir produtos, conteúdos ou ofertas com base no comportamento do usuário.
  • Atendimento: chatbots e assistentes que respondem dúvidas e orientam usuários.
  • Análise de feedbacks: agrupar comentários e identificar dores, padrões e oportunidades.
  • Personalização: adaptar conteúdos, jornadas e experiências para diferentes perfis.
  • Predição: prever churn, demanda, comportamento ou probabilidade de conversão.
  • Automação: executar tarefas repetitivas e apoiar fluxos operacionais.
  • Geração de conteúdo: criar textos, imagens, resumos e materiais personalizados.
  • Copilotos: apoiar usuários na execução de tarefas dentro do próprio produto.

Origem do termo

Cunhado por John McCarthy na proposta do workshop de Dartmouth (1955), que fundou a disciplina.

Fonte técnica

Google Machine Learning Glossary; McCarthy et al., A Proposal for the Dartmouth Summer Research Project on AI (1955)

Termos relacionados