Tem gente que confunde comportamento esperado de IA com alucinação. Isso explica por que gente bem-intencionada está falhando ao usar IA. A culpa não é da tecnologia, mas da falta de arquitetura. Explico.
Estocástico e determinístico são dois conceitos fundamentais quando se está projetando comportamentos para agentes de IA.
Determinístico é quando, dadas as mesmas entradas, você sempre tem a mesma saída. Não tem surpresa. É previsível, repetível, confiável. Já o estocástico trabalha com probabilidades. Existe método, mas há variação. Você pode chegar em respostas diferentes a partir do mesmo ponto.
Deixa eu te dar um exemplo bem prático, do meu dia a dia.
Outro dia, estava ajustando a Márcia, minha agente de IA, para produzir relatórios semanais de desempenho da minha empresa de consultoria. A ideia era simples: recuperar no nosso sistema de apontamentos quem trabalhou, quando e para quem, e colocar lado a lado os dados da última semana com os da semana anterior.
Uma tabela com todos os consultores, horas na última semana, na anterior e a diferença. Outra com todos os clientes, também com comparativo de horas. Tudo em ordem alfabética, com as cinco maiores variações destacadas em negrito. Nada disso exige interpretação. Tudo isso é determinístico.
A partir daí entra outra camada. Eu queria uma análise crítica, como a de um gestor, olhando para os números e apontando o que parece certo e onde há sinais de problema. Será que tem gente que esqueceu de apontar horas? Será que tem clientes que estão esfriando? Aqui já não existe uma única resposta correta. Essa é a parte estocástica.
E é aqui que muita gente erra. Usa uma LLM, que é estocástica, para fazer trabalho determinístico. Espera que ela consulte dados e monte tabelas sempre do mesmo jeito, sem variação. Não funciona. Uma semana ela faz exatamente o que você quer, na outra “inventa”.
Isso não é alucinação. É comportamento esperado.
Se é determinístico, use código. Programas e scripts. E sim, você pode usar IA para escrevê-los. Se exige julgamento, interpretação ou leitura de contexto, aí sim use LLM. Misturar isso sem critério é pedir problema.
Quando eu peço para a Márcia se preparar para gerar esses relatórios, ela monta bem o setup. Até porque eu deixo os critérios claros. Mesmo assim, às vezes ela erra. E o motivo é simples: meus critérios são determinísticos; ela é estocástica. Eu sempre reviso, mas são poucas interações.
E tem mais um ponto importante. Código, por ser determinístico, custa menos para executar do que prompts. Isso também precisa entrar na conta.
Na prática, isso vira um pipeline bem simples.
Um cron dispara o processo toda semana. Scripts, que eu escrevi com ajuda de IA, consultam os sistemas e levantam os dados. Esses mesmos scripts já montam o esqueleto do documento, com as tabelas exatamente do jeito que eu gosto, e deixam marcados os pontos onde entram as análises.
Aí entram as LLMs. Elas recebem os dados e escrevem as análises. Depois disso, outros scripts incorporam esses trechos no documento final. Antes de seguir, eu ainda rodo um lint para garantir que tudo respeita a estrutura esperada. Se algo saiu do lugar, eu volto até o ponto que quebrou e ajusto.
Quando o lint passa, acabou. O documento está pronto. Converto de Markdown para Google Docs e envio para quem precisa ler o resumo. Tudo isso, de novo, é determinístico.
No fim, isso não é sobre IA. É sobre arquitetura. Quem não separa bem o que é determinístico do que é estocástico acaba culpando a IA por um erro que, na verdade, é de projeto. E não é falta de ferramenta. É falta de arquitetura.
É exatamente esse tipo de problema que eu resolvo nas minhas consultorias e na minha mentoria.