🧭 Apresentação

O que você vai aprender

  • Um modelo mental de como a IA generativa se comporta — e por quê
  • As quatro propriedades de um modelo: previsão do próximo token, conhecimento, memória de trabalho e dirigibilidade
  • Onde cada propriedade é capacidade e onde vira limitação
  • Como diagnosticar uma saída inesperada e aplicar a correção certa
  • Hábitos de uso responsável em economia e finanças

A ideia central

  • Toda capacidade da IA tem um lado-B que é limitação
  • Não são bugs: são consequências de como o modelo funciona
  • A mesma propriedade que escreve um texto fluente também inventa um número com confiança

O par com o 4D Framework

Onde o 4D ensina as competências humanas (Delegar, Descrever, Discernir, ser Diligente), este curso ensina as propriedades da máquina às quais essas competências respondem.

🤖 O que é (e o que não é) IA

O que entendemos por “IA” aqui

  • Falamos de IA generativa — grandes modelos de linguagem (LLMs)
  • O modelo gera texto plausível; não é busca, banco de dados nem calculadora
  • Treinado em enorme volume de texto para continuar o que você escreve

Uma planilha / banco Um LLM (Claude)
Resultado determinístico Resultado probabilístico
Devolve o que foi gravado Gera uma resposta nova
Erra “fora da regra” Pode errar com fluência

De onde vem o “jeitão” do Claude

  • Pré-treino — aprender a prever texto a partir de muitos dados → capacidade bruta
  • Pós-treino / alinhamento — RLHF e Constitutional AI moldam o comportamento
  • O resultado é um assistente treinado para ser útil, honesto e inofensivo

Nota

Por isso o modelo às vezes “puxa para o seguro” ou recusa um pedido: o alinhamento dá o tom e os limites, por cima da capacidade que veio do pré-treino.

🔮 Propriedade 1 — Previsão do próximo token

O modelo prevê a próxima palavra

  • O coração do modelo: estimar o próximo token mais provável, repetidamente
  • É isso que o torna fluente — e isso é uma capacidade poderosa
  • Mas fluência ≠ veracidade: soar certo não é estar certo

Capacidade

Rascunhar, reformular, traduzir, resumir, sugerir estruturas — tudo o que se beneficia de “qual é a continuação natural?”.

O lado-B: alucinação confiante

  • Como o objetivo é plausibilidade, o modelo pode inventar o que falta
  • Ele preenche lacunas com algo que parece correto — citações, números, fontes
  • O tom seguro esconde a incerteza

Em um relatório macro, isso é perigoso

Peça “a projeção do PIB no último Focus” sem anexar o boletim e o modelo pode devolver um número convincente — e errado. Em economia, um número inventado destrói a credibilidade. Regra de ouro: nunca aceite um número sem fonte.

📚 Propriedade 2 — Conhecimento

O que o modelo sabe — e até quando

  • O conhecimento fica “congelado” nos dados de treino
  • Existe uma data de corte (knowledge cutoff): eventos depois dela, ele não viu
  • Não conhece seus dados internos nem o número que saiu hoje
  • Os dados de treino carregam vieses do mundo real

Capacidade

Ampla cultura geral, definições, padrões e contexto histórico bem estabelecidos — um excelente ponto de partida.

Mitigação: dê o contexto

  • O modelo é ótimo raciocinando sobre o que você fornece
  • Anexe o documento (PDF, CSV, ata) em vez de confiar na memória dele
  • Use busca / ferramentas / RAG para trazer dados recentes ou privados

Antes → Depois

Frágil: “Qual foi a mediana do IPCA no Focus desta semana?”

Ancorado: “Anexei o boletim Focus de hoje (PDF). Extraia a mediana do IPCA para 2026 exatamente como está no texto e cite a linha de onde tirou.”

🧠 Propriedade 3 — Memória de trabalho

A janela de contexto

  • A janela de contexto é a memória de trabalho: tudo que está na conversa atual
  • O modelo só “enxerga” o que está ali — e o espaço é finito
  • Em conversas longas, o começo pode se perder (lost in the middle)

Capacidade

Colar um documento longo e pedir análise, comparação ou síntese — enquanto couber na janela, ele raciocina sobre tudo de uma vez.

Higiene de contexto

  • Seja conciso: cada pedaço irrelevante disputa espaço com o que importa
  • Reafirme o objetivo quando a conversa esticar
  • Recomece (“limpe a mesa”) ao mudar de assunto — evita misturar tarefas

Aviso

Numa conversa enorme analisando várias atas do COPOM, o modelo pode esquecer a instrução de formato dada lá no início. Se a saída “fugiu do combinado”, o problema costuma ser memória de trabalho, não má vontade.

🎛️ Propriedade 4 — Dirigibilidade

Você está no volante

  • Dirigibilidade (steerability): o quanto o comportamento muda com o seu prompt
  • Alavancas: instruções, papel/persona, formato e exemplos (few-shot)
  • Mudar o fraseado muda o resultado — para melhor ou para pior

Antes → Depois

Vago: “Analise essa série.”

Dirigido: “Você é um economista. Anexei o IPCA mensal (2010–2025). Calcule a média móvel de 12 meses, aponte os 3 maiores picos e explique cada um. Responda em tabela + síntese.”

O lado-B: pode ser dirigido para o lado errado

  • Instruções ambíguas levam a saídas inconsistentes
  • O modelo segue o que está no contexto — inclusive texto malicioso (prompt injection)
  • Ele é obediente: dirigir mal é tão fácil quanto dirigir bem

Aviso

Ao colar texto de uma fonte externa, lembre que instruções escondidas ali podem desviar o modelo. Trate conteúdo de terceiros como dado, não como ordem.

🧩 Quando as propriedades colidem

Saídas inesperadas são cruzamentos

  • Uma falha real raramente é “uma” propriedade isolada — é a interação delas
  • O truque é diagnosticar: qual propriedade explica o que você viu?
  • Identificada a propriedade, a correção quase se escolhe sozinha

Dica

Exemplo de colisão: previsão fluente + corte de conhecimento = uma alucinação que soa perfeita. Ou janela cheia + dirigibilidade = ele ignora a regra do início.

Tabela de diagnóstico

Sintoma Propriedade em jogo Correção
Número/citação inventado com confiança Previsão do próximo token Pedir fonte; anexar o dado; verificar
Resposta desatualizada ou genérica Conhecimento (cutoff/viés) Fornecer contexto; busca/RAG
“Esqueceu” a instrução do início Memória de trabalho Reafirmar objetivo; resumir; recomeçar
Resultado vago ou fora do formato Dirigibilidade Prompt claro: papel + tarefa + formato + exemplo
Desviou por texto colado Dirigibilidade (injeção) Tratar fonte externa como dado, não ordem

O hábito que amarra tudo

  • Capacidade e limitação são a mesma propriedade vista de dois ângulos
  • Não pergunte “a IA é confiável?”, pergunte “para esta tarefa, onde no continuum ela cai?”
  • Quanto mais verificável e fornecido o material, mais você se apoia na capacidade

Nota

Em economia e finanças, a postura é sempre human in the loop: o Claude rascunha e acelera; você revisa e responde pelo número publicado.

✅ Conclusão

Mensagens-chave

  • A IA é probabilística: gera texto plausível, não verdade garantida
  • Quatro propriedades: próximo token, conhecimento, memória de trabalho, dirigibilidade
  • Cada uma é capacidade e limitação ao mesmo tempo
  • Diante de uma saída estranha, diagnostique a propriedade e aplique a correção
  • Nunca invente número: forneça a fonte e verifique

Próximos passos

  • Rodar os exercícios “Try it out” de cada propriedade no claude.ai
  • Fazer o par com o 4D Framework (Delegar, Descrever, Discernir, Diligência)
  • Levar os hábitos de verificação para um entregável real da sua rotina

Obrigado! — Análise Macro