Sumarização

É a tarefa de condensar um texto preservando o que é essencial. Existem duas formas principais. A sumarização extrativa seleciona e reúne trechos do texto original, sem alterá-los. A abstrativa reescreve o conteúdo com novas frases, como uma pessoa faria ao explicar um documento. Os LLMs fazem sumarização abstrativa com muita fluência, o que é uma vantagem para a leitura e um risco para a precisão: um resumo bem escrito pode incluir informações que não estavam no texto original, ou omitir algo importante. Por isso, além de avaliar se o resumo é claro e curto, é preciso avaliar se ele é fiel à fonte.

Em Produto, sumarização é uma das aplicações mais imediatas de IA Generativa: resumir reuniões, chamados, documentos, avaliações, históricos de clientes. O primeiro passo é definir o que “essencial” significa para quem vai ler. Um resumo de chamado para o próximo atendente precisa destacar o problema e o que já foi tentado; um resumo de contrato para o jurídico precisa destacar riscos e obrigações. O mesmo texto pode ter resumos diferentes dependendo do objetivo. O segundo passo é medir fidelidade, não só concisão. Um resumo bonito que inventa uma informação é pior do que o texto integral. Vale incluir na avaliação a verificação de que tudo o que está no resumo existe na fonte.

Use sumarização extrativa quando a fidelidade literal é obrigatória, como em contextos jurídicos ou regulatórios, em que cada frase precisa ser rastreável ao original. Use sumarização abstrativa quando a leitura rápida e a clareza valem mais do que a citação exata. Não confunda sumarização com extração de informação. Extração retira dados específicos de um texto (um valor, uma data); sumarização condensa o conteúdo como um todo. Uma forma simples de diferenciar: extrativa recorta trechos do original; abstrativa reescreve com novas palavras; extração busca dados pontuais.

Luhn (IBM, 1958) propôs a sumarização automática extrativa; a abstrativa tornou-se viável com modelos seq2seq (2015) e LLMs.

Google Machine Learning Glossary; Ragas documentation (faithfulness)