Inteligência Artificial
Artificial Intelligence (AI)
Campo
BásicoCategoria: 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)
