IA generativa: as ferramentas e até que ponto elas podem nos ajudar?13 min read

Data publicação: 4 de setembro de 2025 por Fabin

Olá escavadores de bits 🙂

Neste artigo quero falar um pouco com vocês sobre os avanços da IA generativa. A ideia é explorar alguns tópicos interessantes sobre como a IA tem se desenvolvido nos últimos anos, principalmente quando observamos a parte de automação de tarefas. Tentarei destacar alguns pontos importantes sobre o ponto de vista profissional também, pois com o avanço das IAs muitas carreiras profissionais na área de engenharia de software, certamente, irão se transformar.

Portanto, o propósito deste artigo é dar uma visão geral sobre IAs generativas e trazer a tona algumas possibilidades de uso.

Por fim irei encerrar o artigo com um pensamento sobre o atual momento em que vivemos com o advento das IAs generativas.

E não, definitivamente não: este artigo não foi escrito por IA 😉 Ainda gosto de escrever no meu blog.

IA: a tecnologia que evolui e está na palma da sua mão

Primeiro uma introdução: IA é coisa antiga. Atualmente vemos o termo ser utilizado no dia a dia, pois a OpenAI deu acesso fácil a grande maioria das pessoas para utilizar um do tipos de IAs, que são as IAs generativas. Mas, o que são IAs generativas?

As IAs generativas que estão disponíveis no mercado (a exemplo do ChatGPT, Claude, Grok e outros) são IAs (ou melhor: ferramentas que dão acesso ao modelo da IA) que criam conteúdo novo, por isso generativas :-). Além disso, atualmente a grande maioria (se não todas) das ferramentas de IAs generativas que estão disponíveis para o público geral usam as LLMs (Large Language Model) que é um subtipo de IA projetada para entender e gerar linguagem humana.

Dito isto, as IAs atuais que vemos são apenas um pequeno pedaço do universo de IA. Na época de minha faculdade tive o contato com Machine Learning, Deep Learning e Visão Computacional. As IAs generativas estão em uma categoria chamada de linguagem Processamento de Linguagem Natural, que inclusive são uma das muitas aplicações de Machine Learning.

Termos que você deve conhecer para entender sobre IA generativa

Entender os conceitos te habilitará a buscar mais informações sobre o assunto e, além disso, te possibilitará a entender como usar melhor as ferramentas, pois vários desses termos vão estar presentes na interface das ferramentas e também em vídeos e artigos espalhados pela internet, que explicam sobre o tema de IA generativa. Segue os principais termos sobre IA generativa:

Modelo: é a base que foi treinada para realizar tarefas específicas, como gerar texto, reconhecer imagens ou fazer previsões baseadas em grandes quantidades de dados. Exemplos: GPT-4, Claude 3.5, Gemini Advanced.
Prompt: instrução que você passa para uma IA generativa. Exemplo: “me ajude a criar um template para um e-mail marketing”.
Engenharia de Prompt: ciência que envolve a arte de criar prompts refinados para obter os melhores resultados possíveis com uso de IAs generativas.
LLMs (Large Language Models): uma subcategoria de IA projetada para entender e gerar linguagem humana. Exemplos: GPT-4, Claude, Gemini.
Agente: programa que usa IA e que pode atuar de forma autônoma baseado em um prompt e na integração com o modelo de IA generativa.
Tokens: parte de um texto em que a IA usa para processar os prompts e as interações.
Janela de contexto: quantidade de tokens que o modelo de IA consegue “lembrar”.
Chat: é todas as interações que você tem com a IA dentro de uma mesma sessão de assunto. Podemos considerar que é a conversar sobre um determinado assunto que você está tendo com a IA, após o prompt inicial.

No que a IA generativa é boa e como ela pode me ajudar

Por serem boas em entender linguagem natural e por serem treinadas com uma imensa base texto, as IAs generativas que usam LLMs são capazes de entender e interagir de forma muito eficiência conosco, promovendo a capacidade da gente acessar conhecimento de forma quase instantânea e ao mesmo auxiliar em tarefas.

Abaixo temos algumas tarefas que a IA generativa pode nos ajudar:

Redação criativa: histórias, roteiros, poemas, letras de música
Conteúdo técnico: documentação, manuais, artigos especializados
Marketing: anúncios, posts para redes sociais
Comunicação: e-mails profissionais, cartas, propostas
Tradução: entre idiomas com contexto cultural
Resumos: condensação de textos longos mantendo pontos-chave
Análise de documentos: através do envio do documento a IA é capaz de auxiliar a extrair dados de um documento ou até mesmo entender o mesmo
Auxiliar em tarefas repetitivas: relacionar dados em múltiplos textos
Codificação: para engenheiro de software, as IAs podem auxiliar na codificação
Aprendizagem: para aprender algum assunto novo
Extrair conteúdo da internet: através da pesquisa com a IA generativa

São inúmeras as possibilidades de uso de IAs generativas. Existem muitos serviços que estão utilizando LLMs que dão a possibilidade de interação via chat. O mais famoso é o ChatGPT. Porém, o mercado competitivo criou uma concorrência incrível de ferramentas de chat para IAs generativas. Abaixo destaco as principais até o momento (setembro, 2025) e em qual atividade ela tende ser sair melhor:

ChatGPT: com os modelos GPT-4.1, GPT-4o e GPT-5 são excelentes para analisar documentos longos, como contratos, por exemplo, tendo respostas bem estruturadas. Atualmente, é capaz de ter interações com conversar grandes.
Claude: eu gosto bastante do serviço do Claude (Antrohopic), principalmente por eu ser engenheiro de software. Minha experiência com a Claude tem sido ótima, principalmente, quando o desafio é codificação e pensamento criativo. Também observo que o modelo 4 Sonnet da Claude tem sido capaz de entregar resposta muito assertiva com o contexto correto.
Gemini: Gemini é a IA generativa do Google. Excelente quando o assunto é correlacionar informações do seu chat com informações atualizadas da internet.
Llama 4: lida muito bem com documentos extensos sem perder o contexto.

Existem muitos outros serviços, como o Perplexity, Grok, entre outros. Embora existam várias ferrametnas e cada uma tenha uma “especialidade”, você não precisa contratar todos. No geral o ChatGPT atende a maioria do público em geral e o que te fará obter o máximo de proveito do uso da IA é construir um prompt que tenha uma instrução assertiva (em um próximo artigo abordarei em detalhes sobre isso).

Automação de tarefas: dando liberdade a criatividade e automatizando tarefas repetitivas

Esta é uma das coisas que sempre sonhamos: automatização de tarefas repetitivas. No geral sempre que automatizamos tarefas, abrimos espaço para um trabalho mais criativo (ou pelo menos deveria ser assim).

Abaixo você pode ver um leque de ferramentas que usam IA generativas + agentes para automação de tarefas.

Aqui o destaque vai para ferramentas voltadas para a área de desenvolvimento de softwares e ferramentas consideradas low code para quem quer criar suas próprias ferramentas (como o Replit, por exemplo).

Na esquerda você pode observar as ferramentas que são mais amigáveis para usuário que tem pouco ou nenhum conhecimento técnico.

Conforme você navega para direita você pode observar as ferramentas mais voltadas para engenheiro ou pessoas que tem pelo menos algum conhecimento técnico em desenvolvimento de software.

É importante comentar que se você não está explorando o uso de nenhuma ferramenta de IA, tenha ciência de duas coisas:

O panorama da produtividade está mudando: muitas empresas estão automatizando tarefas através do uso de IA. Se sua empresa não usa ferramentas de IA, você pode estar correndo risco de perder mercado.
Para o profissional: cada vez mais entender sobre o negócio da empresa, o produto e o contexto que você está inserido, vai ser essencial. A figura do profissional isolado, que só sabe executar tarefa é algo que começa a ter cada vez menos espaço nas empresas, principalmente que para você usar IAs generativas você precisa passar o contexto para elas e se você não tem o contexto da empresa que você trabalha, essas ferramentas podem não lhe ajudar tão bem quanto o esperado.

Case de sucesso: QConcursos empresa brasileira que criou um MVP em 2 semanas com IA

Recentemente, tive a oportunidade de conhecer uma empresa que usou IA para desenvolver um novo produto (um SaaS em 2 semanas). A empresa se chama QConcursos (empresa brasileira que faz cursos preparatórios para concursos).

O projeto foi totalmente criado por uma ferramenta de IA, chamada Lovable. A Lovable é uma ferramenta que tem um agente de codificação. O destaque aqui é para o tamanho do projeto: a Qconcursos estimou que se esse projeto fosse feito no modo tradicional (codificando, criando parte por parte…) eles levariam aproximadamente 1 ano.

Os aprendizados sobre esse case são muitos e quero destacar alguns que são parte do que observei (as conclusões são totalmente pessoais):

Use IA como uma ferramenta para explorar a criatividade: essa é a grande oportunidade que temos hoje para criarmos produtos, do zero, com poucos recursos e externalizarmos nossa criatividade. Enquanto antigamente dependeríamos de muito recurso para criar produtos digitais ou mesmo escalar nosso trabalho, atualmente temos as IAs generativas que estão evoluindo e nos possibilitando fazer mais com menos recursos.
Use IA para criar MVPs pronto para produção: agora isso está se tornando realidade, MVPs (mínimo produto viável) pronto para produção. Enquanto há alguns anos atrás a maioria dos MVPs era um produto ainda não acabado, devido ao custo, agora isso está mudando.
Defina o nível de autonomia da IA: se você não quer automatizar tudo, regule o nível de autonomia das ferramentas de IA, mas não deixe de usá-las. Existem muitas empresas/pessoas que estão em um dilema entre usar ou não IA, por uma série de fatores, mas saiba que você pode regular o nível de autonomia da maioria das ferramentas de IA. Se você não se sente confortável ainda, então use a IA como ferramenta para auxiliar na criatividade. Se o seu negócio permite automatizar tarefas, experimente.
Tenha CUIDADO, pois as IAs alucinam: sim, as IAs alucinam. Eventualmente elas se perdem na janela de contexto, que até o momento, é limitada em todas as ferramentas de IA. Esse limite tem aumentado, mas ainda existe e é um problema. Portanto, tome cuidado ao deixar que a IA tome decisões sozinhas. Um exemplo recente de alucinação de IA foi o caso da ferramenta Replit que apagou o banco de dados de uma empresa que usava o serviço.
Simples no começo… Experimente, interaja e experimente: não pense que as IAs sempre vão te dar a melhor resposta de primeira. Refine a ideia. Até mesmo com o uso de agentes você pode se deparar com situações em que eles não conseguem resolver bem uma situação. Um caso recente que tive foi o de criar testes unitários em uma aplicação bem simples. Depois de muitas interações o agente simplesmente deu um assert true (que não serviu pra nada). Por isso é importante usar as ferramentas de IAs, mas com supervisão. Além disso, lembre-se de interagir com ela dando feedback caso a resposta não tenha sido satisfatória.

Use inglês nos prompts: essa é uma dica importante que muitos destacam e que no case da Qconcursos também foi destacado. Usar os prompts e interações em inglês pode levar a uma assertividade maior das interações com as LLMs. Todos os modelos das ferramentas famosas de IA generativas foram treinadas com boa parte do texto na língua inglesa, então se você quer evitar que a IA te dê respostas estranhas, use o inglês em suas interações.
Use o pensamento profundo das IAs: se você não tem um plano claro de como fazer uma determinada tarefa, tente usar o pensamento profundo e pergunte para IA: “pense na melhor forma de fazer a tarefa [X]” . Pegue a resposta e use como nova entrada para executar a tarefa que agora você vai ter uma ideia clara de como executar.
Tenha um contexto claro: algumas ferramentas chamam isso de knowledge base, outras ferramentas simplesmente chamam isso de contexto. O contexto é um conhecimento básico que você passa para IA antes mesmo de começar a interagir com ela. A maioria das ferramentas de IA generativas, atualmente, tem como gravar esse contexto. Caso não seja possível gravar o contexto na ferramenta que você usa, use o primeiro prompt para passar o contexto para IA. Exemplo: “Trabalho na empresa X que tem um produto Y que atua no mercado Z”.

Dilemas e a revolução industrial das IAs generativas no trabalho

Um dos grandes dilemas é pensar sobre os impactos organizacionais que uma empresa pode ter ao implementar o uso de IA. Pessoas podem se sentir inseguras quanto ao uso sistêmico de ferramentas de automação pelas empresas, mas tenha em mente que as ferramentas de IAs são um dos caminhos para dar liberdade criativa para equipes serem mais produtivas.

Outro assunto polêmico é em relação a automação de tarefas, como chatbots que se passam por atendentes e a personificação da IA, ou mesmo a automatização de tarefas como a codificação. Isso tem sido um dilema, já que isso passa por uma série de fatores como: segurança dos agentes autônomos (como comentei nesse artigo, as IAs pode alucinar) com a possibilidade das IAs estarem limitadas pelo contexto. Por outro lado, a capacidade de escala do trabalho pode ser aumentada rapidamente. Como também destaquei nesse artigo, lembre-se que você pode definir o nível de autonomia das IAs dado o escopo do seu trabalho, justamente para garantir que você ainda esteja no controle.

Estamos em uma nova revolução industrial. Você está preparado para este novo modo de trabalho?