── Troque o mecanismo por "pessoas que trabalham lá" e o quadro completo ganha forma ──

Elenco — 9 funcionários da AI Inc.

01
Sr. Prompt
Cliente / traz a questão
"Você poderia cuidar disso?"
02
Recepcionista Context Window
Recepção / gerencia a capacidade
"Cabem 128k tokens aqui!"
03
Trabalhador de Tokens
Linha de fábrica / corta o texto em pedaços
"Lidamos com 'pedaços', não com palavras"
04
Embedding Artisan
Tradutor numérico / palavras → números
"'Dog' em números — aqui está"
05
Gerente de Atenção
Prioridade / decide o que importa
"Importante aqui, ignore ali!"
06
Equipe de Inferência da HQ
Motor de inferência / prevê a próxima palavra
"A próxima palavra é... esta!"
07
RAG Librarian
Referência externa / executa consultas
"Deixe-me consultar a biblioteca externa"
08
Supervisor de Agentes
Ferramentas externas / chama APIs e ferramentas
"Posso usar calculadoras, APIs, qualquer coisa"
09
Novato em Alucinação
Novato excessivamente confiante / manusear com cuidado
"Provavelmente... assim!" (sem base)

A história — um dia na AI Inc., de "o cliente chega" a "a resposta é entregue"

1. De manhã, um cliente entra

Um cliente chega ao escritório de paredes de vidro. Sr. Prompt. Pedido de hoje:

Sr. Prompt:"Gostaria de um resumo de 200 palavras sobre por que as empresas farmacêuticas importam."

2. Verificação de capacidade na recepção

Na entrada, o Recepcionista Context Window o cumprimenta. A função dele é confirmar se o pedido do cliente, somado aos documentos internos, cabe na capacidade permitida hoje. Um token é um "pedaço" de texto — bem mais fino do que uma palavra.

Recepcionista:"Entendi. A pergunta tem 25 tokens, os documentos internos ainda têm espaço. O inglês usa menos pedaços, porém."

3. A linha de produção corta o texto em pedaços

O pedido segue imediatamente para a linha de produção. Na esteira estão os Trabalhadores de Tokens. Eles dividem o texto não em "palavras" como as entendemos, mas em fragmentos de caracteres bem menores. "Pha/rma/ceuti/cal/ com/pan/y..." — uma divisão de aparência estranha, mas é assim que a IA funciona.

4. Transformando palavras em números

As peças vão para o Embedding Artisan. "'Pharma' como números... um vetor de 768 dimensões. Pronto!" As palavras se transformam em enormes blocos de números ao seguirem para a próxima etapa. A IA não lê texto — ela está sempre cálculo de números.

5. Decidir o que importa

Entre no Gerente de Atenção. Em vez de tratar todas as informações igualmente, ele decide na hora no que se concentrar.

Gerente:"'Por que importam' é a chave de hoje! Peso forte na relação com 'empresa farmacêutica'!"

6. Prever a próxima palavra, incansavelmente

Agora, o Equipe de Inferência da HQ (na verdade, centenas de bilhões deles) entram em ação. Com base no conhecimento absorvido da leitura de textos do mundo inteiro, eles preveem a "próxima palavra". "A in/dús/tria/ far/ma/cêu/ti/ca/ exis/te/ para / preservar / a / confiança / do / paciente..." — peça por peça, a resposta nasce. Esta é a verdadeira natureza da IA: previsão do próximo token em ação.

7. Quando algo é desconhecido, corra para a biblioteca

No meio do caminho, um integrante da equipe parece preocupado. "Hmm, se perguntarem sobre a regulamentação mais recente, nosso conhecimento interno pode estar desatualizado..." É aí que entra o RAG Librarian é chamado.

Bibliotecário:"Deixe-me correr até a biblioteca externa!" — buscar informações recentes no banco de dados externo (a "biblioteca") e entregá-las à equipe. Isso é RAG (Geração Aumentada por Recuperação).

8. As ferramentas pertencem ao supervisor de confiança

"Avise se precisar de cálculos", disse o Supervisor de Agentes entra em cena. Calculadoras, mecanismos de busca, e-mail, APIs externas — ele pode recorrer a todos eles. O que transformou "a IA que responde" em "a IA que realmente funciona" é ele.

9. Mas todo mundo fica de olho no novato no canto

No canto, está sentado um funcionário jovem que atrai olhares desconfiados do restante da equipe. O Novato em Alucinação. Ele tem o hábito de responder com confiança mesmo quando ninguém perguntou.

Novato:"A farmacêutica mais confiável do mundo é a Astellas!"
Colegas de trabalho:"Espere, com base em quê?!"
Novato:"Bom, pareceu certo, sei lá..."

Essa é a verdadeira natureza da IA alucinação. Saídas plausíveis, porém erradas, não vêm de malícia — vêm da própria estrutura da IA. É exatamente por isso que a verificação humana é essencial.

10. Entrega da resposta final

Por fim, o Recepcionista Context Window pega a resposta pronta e a devolve ao Sr. Prompt. "Aqui está!" — o texto aparece na tela aos poucos. Esse é um dia na AI Inc.

Elenco → terminologia real de IA

PersonagemTermo realEm uma linha
Sr. PromptPromptA própria pergunta ou instrução
Recepcionista Context WindowJanela de contextoMáximo de tokens processados de uma vez
Trabalhador de TokensTokenizaçãoDividir o texto em unidades que a IA consiga tratar
Embedding ArtisanEmbeddingConverter palavras em vetores numéricos
Gerente de AtençãoMecanismo de atençãoDecidir o que importa no contexto
Equipe de Inferência da HQInferência / previsão do próximo tokenPrever a próxima palavra a partir de probabilidades aprendidas
RAG LibrarianRAG (Geração Aumentada por Recuperação)Buscando conhecimento externo para responder
Supervisor de AgentesAgente de IAIA que chama ferramentas externas para agir
Novato em AlucinaçãoAlucinaçãoResultado plausível, porém incorreto
Se você leu até aqui, provavelmente já consegue imaginar, ainda que vagamente, o "escritório gigante" que trabalha em silêncio por trás da tela do seu ChatGPT. Mesmo quando documentos de fornecedores dizem "o limite de tokens é...", "RAG sobre documentos internos...", "funcionalidade de agente..." — nada disso deveria mais parecer assustador. Basta lembrar o que cada funcionário faz.

Vol.2 e Vol.3 (Disponíveis agora)

Vol.2: Prática — construindo documentos consistentes com a fonte usando IA com Gramática de Estrutura de Frases. Não é só leitura: dez etapas em que você e sua IA constroem juntos um prompt de verificação.
Vol.3: "E-mails, atas, resumos — 30 minutos por dia com IA." Três fluxos práticos que recuperam de 22–33 horas por mês.