O que é IA generativa, como funciona e o que ela não é

IA generativa é a classe de modelos estatísticos que produz conteúdo novo — texto, imagem, áudio, vídeo ou código — a partir de padrões extraídos de grandes volumes de dados de treinamento. No caso do texto, o modelo atribui probabilidade ao próximo token e escolhe um, repetidamente. Não consulta banco de dados, não raciocina sobre fatos e não garante resposta correta: gera a continuação mais provável.

Como funciona a IA generativa por dentro

Um modelo de linguagem não trabalha com palavras, e sim com tokens, unidades subpalavra que funcionam como as peças mínimas do texto. A conversão de referência em inglês é de aproximadamente um token para cada quatro caracteres, ou cerca de 0,75 palavra. Em português, com mais acentuação e palavras longas, a mesma frase costuma consumir mais tokens do que em inglês, o que encarece a operação sem que nada tenha mudado no produto.

O treinamento ajusta bilhões de parâmetros, os pesos, para que o modelo acerte a continuação de textos que já existem. Terminado esse ajuste, os pesos ficam congelados. O modelo passa a receber um prompt e devolver token a token, cada um condicionado ao que veio antes.

Daí vem uma propriedade que confunde muita gente: a mesma pergunta pode gerar respostas diferentes. Isso não é defeito, é o funcionamento previsto. A geração envolve amostragem sobre uma distribuição de probabilidade, e apenas com temperatura zero e mesma configuração o resultado tende a se repetir.

A janela de contexto é o limite de tokens que entram na conta de uma vez, somando prompt, documentos anexados e resposta. Fora dessa janela, o modelo não tem acesso a nada, a menos que o desenvolvedor injete o material, que é exatamente o que faz o RAG: recupera trechos de uma base própria antes da geração.

O que a IA generativa não é

Este é o bloco que mais gera confusão em reunião de diretoria e em edital público.

Não é sinônimo de inteligência artificial. IA é o campo inteiro, que inclui sistemas de classificação, previsão, otimização e visão computacional em uso há décadas. A parte generativa é um recorte recente.

Não é IA preditiva. Um modelo de crédito que estima probabilidade de inadimplência é aprendizado de máquina supervisionado, não IA generativa. Ele devolve um número ou uma classe, não conteúdo novo.

Não é banco de dados nem mecanismo de busca. O modelo não guarda documentos recuperáveis; guarda pesos. Quando cita uma fonte sem ter acesso a ela, está gerando algo plausível, não consultando registro.

Não é software determinístico. Sistema tradicional entrega a mesma saída para a mesma entrada. Modelo generativo, não. Isso muda como se testa, se audita e se contrata a tecnologia.

Não é AGI. Inteligência artificial geral é hipótese de sistema com competência ampla equivalente à humana. Modelo generativo de fronteira em 2026 é ferramenta especializada em produzir sequências prováveis.

Não é código aberto quando o vendedor diz que é. Modelo de pesos abertos publica os parâmetros e permite rodar localmente. Código aberto de verdade exige também licença permissiva, código de treinamento e, no limite, os dados. As três coisas são distintas e costumam ser vendidas como uma só.

Para que serve na prática

Os usos que sustentam contrato hoje são pouco glamourosos: resumo de documento, primeira versão de texto, extração de dados de arquivo não estruturado, classificação de chamado, tradução, geração e revisão de código, atendimento com base em manual próprio.

O ganho aparece quando existe verificação barata do resultado. Um desenvolvedor lê o código gerado e roda o teste. Um analista confere o resumo contra o documento. Quando a checagem custa tanto quanto fazer à mão, o ganho evapora.

No setor público brasileiro o padrão de adoção é esse. A TIC Governo 2025, do Cetic.br, divulgada em julho de 2026, registrou IA em 59% dos órgãos federais e estaduais, com 94% no Judiciário, 92% no Ministério Público e 27% das prefeituras, concentrada em automatização de processos e mineração de texto. Na saúde, entre os estabelecimentos que usam IA, 76% usam modelos generativos, segundo a TIC Saúde 2025.

O que costuma dar errado

O erro característico é a “alucinação”, nome dado à saída fluente e factualmente falsa. Ele não é um bug corrigível com atualização: decorre de o modelo otimizar plausibilidade, não verdade.

As taxas variam tanto entre avaliações que citar um número isolado engana. Compilação publicada em maio de 2026 pela Presenc AI reúne os quatro benchmarks mais citados e mostra o quadro: em tarefas de resumo com fonte fornecida, modelos de fronteira erram entre 1,0% e 2,5%, contra 3% a 8% em 2023; em fidelidade sobre RAG, a faixa sobe para 4% a 9%; em fatos de cauda longa, informação obscura, técnica ou local, os mesmos modelos erram entre 15% e 40%.

Cauda longa é onde mora quase todo caso brasileiro.

Um teste local ilustra o ponto. O benchmark aberto BNCC, rodada de julho de 2026, submeteu 17 modelos a 900 perguntas cada sobre o texto oficial da Base Nacional Comum Curricular, sem dar acesso à fonte. A taxa de respostas fiéis ao texto oficial variou de 89% a 2%, dependendo do modelo. O mesmo material com acesso estruturado à fonte muda o resultado, que é o argumento prático a favor de RAG em qualquer aplicação com norma, tabela ou jurisprudência envolvida.

A lista de problemas seguintes é operacional: conhecimento congelado na data de corte do treinamento, custo que cresce com o tamanho do contexto, latência e envio de dado sensível a serviço de terceiro sem contrato adequado.

Quanto custa rodar IA generativa

Existem duas rotas. A primeira é chamar a API de um fornecedor e pagar por token. A segunda é rodar um modelo de pesos abertos em infraestrutura própria, trocando conta variável por investimento em hardware e equipe.

A conta da primeira rota é direta. Comparativos de preço atualizados em 2026 colocam os modelos intermediários na faixa de US$ 2 a US$ 5 por milhão de tokens de entrada e US$ 10 a US$ 30 por milhão de tokens de saída, com modelos econômicos abaixo de US$ 1 na entrada. Tome um atendimento típico com 1.500 tokens de entrada e 500 de saída, a US$ 3 e US$ 15 por milhão: são US$ 0,012 por interação, US$ 120 por dia em dez mil atendimentos, cerca de US$ 3.600 por mês. Trocar por um modelo econômico derruba isso em uma ordem de grandeza; migrar para o topo da linha multiplica por cinco ou mais.

Duas ressalvas mudam o resultado dessa conta. Preço de token muda várias vezes por ano e mudanças de tokenizador alteram quantos tokens o mesmo texto consome, o que reajusta a fatura sem reajuste de tabela. E texto em português consome mais tokens que o equivalente em inglês.

A segunda rota esbarra no hardware. A memória HBM e o empacotamento avançado CoWoS, que definem quantos aceleradores existem no mundo, estão reservados até 2027. O gargalo de CoWoS e HBM na produção de chips de IA já produz efeitos no varejo: a Jefferies Equity Research projeta alta de 40% a 50% no preço das memórias RAM no terceiro trimestre de 2026 e de 40% a 45% ao longo de 2027.

IA generativa no Brasil, em números

A TIC Domicílios 2025, do Cetic.br, mediu pela primeira vez o uso da tecnologia no país: 32% dos usuários de internet com dez anos ou mais, cerca de 50 milhões de pessoas, com adoção concentrada nas faixas de maior renda e escolaridade.

Do lado das empresas, o número é bem menor. A TIC Empresas 2025 apontou 17% das companhias com dez ou mais pessoas ocupadas usando alguma forma de IA, contra 13% em 2024, com 50% entre as grandes e 15% entre as pequenas.

A distância entre 32% de pessoas e 17% de empresas é o dado mais relevante do conjunto: a adoção brasileira começou pelo indivíduo, informalmente, antes de virar processo formal nas organizações.