Modelos de inteligência artificial capazes de criar conteúdo original: texto, código, imagens e vídeo.
Como funciona na prática
O modelo recebe uma instrução em texto, às vezes acompanhada de documentos ou imagens, e gera uma resposta prevendo, passo a passo, o conteúdo mais provável. Nas empresas, ele raramente é usado sozinho. Costuma ser ligado a bases de conhecimento internas, a sistemas por meio de APIs e a regras que limitam o que pode ou não ser respondido. O acesso pode ser por assistentes prontos, por APIs dos fornecedores ou por modelos abertos instalados em infraestrutura própria. Como o modelo pode inventar informações com aparência convincente, aplicações sérias incluem revisão humana, citação de fontes e testes com perguntas reais antes do uso amplo.
Quando faz sentido
Faz sentido em tarefas com muito texto e algum padrão: responder dúvidas de clientes e colaboradores, resumir documentos, redigir rascunhos de propostas e contratos, extrair dados de formulários, traduzir, gerar código e apoiar análises. O ganho é maior quando uma pessoa revisa o resultado e o uso é frequente. Faz menos sentido quando a resposta precisa ser exata e não há como conferir, como cálculos críticos sem verificação, ou quando a decisão tem impacto relevante sobre pessoas e precisa ser explicada. Um bom começo é escolher um processo específico, medir o tempo atual e comparar com o tempo usando IA.
O que avaliar
Avalie para onde vão os dados enviados ao modelo, se o fornecedor pode usá-los para treinamento e em que país são processados, considerando a LGPD e contratos com clientes. Defina uma política de uso que diga o que pode ou não ser colado em ferramentas públicas. Teste a qualidade com casos reais, incluindo perguntas difíceis, e meça a taxa de erros. Considere o custo por uso em escala, que muda conforme o volume. Verifique como serão tratadas respostas incorretas e quem responde por elas. Por fim, treine as pessoas: a qualidade do resultado depende muito de como o pedido é formulado e revisado.