O vocabulário que usamos.

Definições curtas, do nosso jeito. Útil para alinhar conversas internas e externas sem que o termo signifique uma coisa para você, outra para o board e uma terceira para o time técnico.

Sóliton

Onda solitária que se propaga em meios não lineares preservando amplitude, forma e velocidade. Descrita pela equação de Korteweg–de Vries (KdV). Origem do nome da empresa e metáfora central: uma iniciativa de IA bem desenhada atravessa o enterprise sem se dissipar.

KdV (Korteweg–de Vries)

Equação diferencial parcial não linear que descreve a propagação de ondas longas em meios pouco dispersivos. Sua solução solitária é o sóliton. Forma: ∂u/∂t + 6·u·∂u/∂x + ∂³u/∂x³ = 0.

Agente (autônomo)

Sistema baseado em LLM com capacidade de planejar passos, usar ferramentas (APIs, bancos, navegadores), tomar decisões intermediárias e executar tarefas com supervisão variável. Diferente de uma chamada única a um modelo, um agente opera em loop até atingir um objetivo.

Frota de agentes

Conjunto de agentes operando simultaneamente em produção, frequentemente especializados por função e orquestrados por um agente coordenador ou um workflow definido. Exige gestão de identidades, ferramentas, custos e políticas de uso.

RAG (Retrieval-Augmented Generation)

Técnica que combina busca em uma base de conhecimento externa (vetorial, lexical ou híbrida) com geração por LLM. Reduz alucinação, aumenta precisão factual e permite respostas baseadas em dados privados da empresa.

Fine-tuning

Treinamento adicional de um modelo pré-treinado em dados específicos do domínio para ajustar comportamento, estilo ou conhecimento. Tipos comuns: supervised fine-tuning (SFT), DPO, LoRA. Nem todo caso de uso precisa — RAG e prompting cobrem a maioria.

Eval

Avaliação sistemática da qualidade de saída de um LLM ou agente contra um conjunto de casos de teste. Pode ser automatizada (LLM-as-judge, métricas determinísticas) ou humana. Versionada e executada continuamente para detectar regressão.

Eval contínua

Pipeline que roda evals automaticamente a cada mudança de modelo, prompt, ferramenta ou base de conhecimento — equivalente a CI/CD para sistemas de IA. Essencial para operar agentes em produção com confiança.

Governança de IA

Camada de políticas, controles e processos que garante uso responsável, seguro e auditável de sistemas de IA dentro de uma empresa. Cobre acesso, dados, modelos, eval, log auditável, gestão de risco e conformidade regulatória (LGPD, marcos setoriais).

MLOps

Práticas de engenharia para desenvolver, implantar e operar modelos de ML em produção. Versionamento de dados e modelos, CI/CD, monitoramento, observabilidade e retreinamento. Para LLMs e agentes, a disciplina equivalente é frequentemente chamada de LLMOps.

LLM (Large Language Model)

Modelo de linguagem treinado em grande escala com bilhões de parâmetros. Capaz de gerar texto, raciocinar em linguagem natural, usar ferramentas e executar tarefas complexas. Exemplos: GPT, Claude, Gemini, Llama.

Multi-agent

Arquitetura em que múltiplos agentes especializados colaboram para resolver uma tarefa, tipicamente com orquestração explícita (handoff, supervisor, planner-worker) ou implícita (mensagens em fila). Padrão comum quando uma tarefa tem subdomínios distintos.

Handoff

Padrão de orquestração multi-agente em que um agente transfere o controle (e contexto) para outro agente mais qualificado para a próxima etapa. Análogo a um transferimento de chamada entre departamentos.

Drift

Mudança gradual no comportamento de um modelo ou na distribuição dos dados de entrada ao longo do tempo, levando à queda de qualidade. Detectado por monitoramento contínuo de métricas de saída pareadas com métricas de negócio.

Observabilidade de modelos

Capacidade de inspecionar latência, custo por chamada, qualidade de resposta, taxas de erro e drift de modelos e agentes em produção. Métricas técnicas precisam estar pareadas com métricas de negócio para serem acionáveis.