IA generativa, agentes inteligentes e modelos multimodais

Prioridade Média 15 min de leitura Não visto Lido Praticado Dominado

Do zero

Até pouco tempo, a IA mais comum classificava: dizia se um e-mail era spam, se uma despesa era suspeita. A IA generativa cria: escreve um texto, desenha uma imagem, compõe um áudio, programa uma função. Ela aprendeu os padrões de milhões de exemplos e produz algo novo que segue esses padrões, como um músico que, depois de ouvir muito samba, compõe um samba inédito.

Um agente inteligente é qualquer coisa que percebe o ambiente e age sobre ele para cumprir um objetivo. Um termostato é um agente simples: sente a temperatura e liga ou desliga o ar. Um assistente de atendimento é um agente mais sofisticado: lê a pergunta do cidadão, consulta o sistema de processos e responde. Hoje, muitos agentes têm um LLM no centro, que decide qual ferramenta usar a cada passo.

E um modelo multimodal trabalha com mais de um tipo de dado ao mesmo tempo: recebe a foto de uma nota fiscal e uma pergunta escrita e responde em texto, ou ouve o áudio de uma sessão e entrega a ata.

Frase para guardar: IA generativa cria conteúdo novo; agente percebe e age para cumprir um objetivo; multimodal mistura texto, imagem, áudio e vídeo.

Em 1 minuto

Modelos generativos: os LLMs (Transformers que geram texto e código), os modelos de difusão (geram imagens partindo de ruído e removendo-o passo a passo), as GANs (um gerador cria e um discriminador tenta distinguir o falso do real, e os dois melhoram competindo) e os VAEs (autocodificadores variacionais).
Aplicações no setor público: resumir processos, rascunhar minutas e pareceres para revisão, atendimento ao cidadão, transcrição de sessões, apoio à programação.
Riscos: alucinação, vieses aprendidos dos dados, vazamento de dados pessoais, questões de direito autoral e deepfakes (áudio e vídeo falsos convincentes).
Agente (Russell e Norvig): percebe por sensores e age por atuadores. A descrição PEAS reúne a medida de desempenho, o ambiente, os atuadores e os sensores.
Tipos de agente: reativo simples (regras “se condição, então ação”), reativo baseado em modelo (guarda um estado interno do mundo), baseado em objetivos (escolhe ações que levam ao objetivo), baseado em utilidade (escolhe a melhor entre as que levam ao objetivo) e com aprendizado (melhora com a experiência).
Ambientes: totalmente ou parcialmente observável, determinístico ou estocástico, episódico ou sequencial, estático ou dinâmico, discreto ou contínuo, com um agente ou vários.
Agentes com LLM: modelo + ferramentas + memória + um laço de raciocinar, agir e observar o resultado, até concluir. Ações de risco pedem confirmação humana (human-in-the-loop).
Multimodal: entende ou gera texto, imagem, áudio e vídeo no mesmo modelo.

Exemplo concreto: o assistente de atendimento ao jurisdicionado

A descrição PEAS do agente:

Elemento	No assistente
Desempenho	Respostas corretas e com fonte, tempo de atendimento, satisfação, nenhum dado indevido exposto
Ambiente	O portal, a base de normas, o sistema de processos, os cidadãos
Atuadores	Enviar resposta, consultar o sistema de processos, abrir chamado para um servidor
Sensores	As mensagens recebidas, os resultados das consultas, as fotos de documentos enviadas

O laço em funcionamento. Um cidadão pergunta: “qual a situação do processo 1234/2026?”.

Raciocina: para responder, precisa consultar o sistema.
Age: chama a ferramenta consultar_processo("1234/2026").
Observa: recebe “Em análise na unidade técnica desde 10/10/2026”.
Responde, citando a fonte e a data da consulta.

Depois, o cidadão manda a foto de um boleto e pergunta se o valor está certo. O modelo multimodal lê a imagem, extrai o valor e o vencimento e compara com o sistema. Quando o cidadão pede para “cancelar o recurso”, o agente não age sozinho: ação com efeito jurídico é encaminhada a um servidor, que confirma.

O ambiente é parcialmente observável (o agente não vê tudo o que acontece no Tribunal), estocástico (a resposta de um sistema pode falhar) e sequencial (cada passo depende do anterior).

Comparação: modelos generativos e tipos de agente

Modelo generativo	Como gera	Uso típico
LLM (Transformer)	Prevê o próximo token	Texto, código, resumos
Difusão	Parte de ruído e o remove em muitos passos	Imagens, vídeo
GAN	Gerador e discriminador competem	Imagens realistas, dados sintéticos
VAE	Comprime em um espaço de representação e reconstrói variações	Dados sintéticos, imagens

Tipo de agente	Decide com base em	Exemplo
Reativo simples	Só na percepção atual, por regras	Termostato
Reativo baseado em modelo	Percepção atual e um estado interno do mundo	Robô aspirador que lembra onde já limpou
Baseado em objetivos	Ações que levam ao objetivo	GPS que acha um caminho até o destino
Baseado em utilidade	A melhor ação entre as que levam ao objetivo	GPS que equilibra tempo, pedágio e trânsito
Com aprendizado	A experiência, que melhora as decisões	Filtro de spam que aprende com as marcações

	Discriminativo	Generativo
Pergunta	A que classe isto pertence?	Que conteúdo novo segue estes padrões?
Saída	Rótulo ou número	Texto, imagem, áudio, código
Exemplo	Classificar denúncias por assunto	Rascunhar a resposta a uma denúncia

Como a FCC cobra

O conceito de IA generativa e seus tipos de modelo (LLM, difusão, GAN), a definição de agente (sensores e atuadores, PEAS) e os tipos de agente de Russell e Norvig.

Propriedades dos ambientes (observável, determinístico, episódico, estático, discreto).
Agentes com LLM: ferramentas, memória e laço de raciocínio e ação.
Modelos multimodais e exemplos de uso.
Riscos da IA generativa: alucinação, viés, deepfakes, dados pessoais.

Pegadinhas

“Conteúdo gerado por IA generativa é sempre verdadeiro, pois vem dos dados de treino.” Falso: o modelo gera o plausível e pode alucinar; o conteúdo precisa ser conferido.
“Agente reativo simples guarda a memória das percepções anteriores.” Falso: reage só à percepção atual; quem guarda estado é o reativo baseado em modelo.
“Nas GANs, um único modelo gera e avalia o próprio resultado.” Falso: são duas redes, o gerador e o discriminador, que competem.
“Modelo multimodal é o que roda em vários servidores ao mesmo tempo.” Falso: multimodal é trabalhar com vários tipos de dado (texto, imagem, áudio, vídeo).
“Um agente com LLM deve executar sozinho qualquer ação pedida pelo usuário.” Falso: ações de risco ou com efeito jurídico exigem confirmação humana e permissões limitadas.

Explique com suas palavras

Explique a um gestor a diferença entre uma IA que classifica, uma IA generativa e um agente, usando o atendimento ao jurisdicionado como exemplo.

Escreva sem olhar a lição, com frases curtas e um exemplo seu.
Onde travar ou precisar de jargão, há uma lacuna: releia só essa parte.
Compare com a explicação-modelo e reescreva o que faltou.

Sua explicação

Fica salva neste navegador.

Comparar com uma explicação-modelo

Uma IA que classifica responde a perguntas do tipo “isto é o quê?”: lê uma mensagem e diz se é dúvida sobre processo, denúncia ou reclamação. Uma IA generativa vai além e cria algo novo: escreve o rascunho da resposta àquela mensagem, com base no que aprendeu. Mas ela só escreve; não faz nada no mundo.

O agente junta as duas coisas com a capacidade de agir. Ele lê a pergunta, percebe que precisa consultar o sistema, faz a consulta, olha o resultado e só então responde, passo a passo, até resolver. Por poder agir, ele precisa de limites: pode consultar e responder, mas uma ação séria, como cancelar um recurso, fica para um servidor confirmar.

Teste-se

Mais duas questões deste tópico estão em Questões.

Flashcards gerados

Frente	Verso
Agente com LLM	Um LLM com ferramentas, memória e um laço de raciocinar, agir e observar o resultado, até concluir a tarefa.
Agente reativo simples × baseado em modelo	O reativo simples age só pela percepção atual, com regras; o baseado em modelo guarda um estado interno do mundo.
Ambiente parcialmente observável	O agente não vê todo o estado do ambiente e precisa agir com informação incompleta.
Human-in-the-loop	Uma pessoa confirma ou revisa as decisões do sistema de IA antes que tenham efeito, sobretudo nas ações de risco.
Deepfake	Áudio, imagem ou vídeo falso, gerado por IA, que imita de forma convincente uma pessoa real.

Ligação com o estudo de caso

Num caso que proponha IA generativa ou agentes no Tribunal, descreva o agente pela PEAS, liste as ferramentas a que ele terá acesso (só as necessárias, com o menor privilégio), defina o que exige confirmação humana, como as respostas citam a fonte e como os riscos serão tratados (alucinação, dados pessoais, vieses). As lições de engenharia de software com IA tratam dos agentes de codificação, e a de ética e governança, das regras de uso.

Fontes da lição

Edital nº 01/2026, Anexo II, Inteligência Artificial, Ciência de Dados e Automação (fontes/edital-01-2026.txt).
Stuart Russell e Peter Norvig, Inteligência artificial: uma abordagem moderna (agentes, PEAS, tipos de agente e de ambiente).
Ian Goodfellow e outros, “Generative Adversarial Nets” (2014); Jonathan Ho, Ajay Jain e Pieter Abbeel, “Denoising Diffusion Probabilistic Models” (2020).
Shunyu Yao e outros, “ReAct: Synergizing Reasoning and Acting in Language Models” (2022).

Claude explica

Tire dúvidas sobre este tema no Claude: o site copia o pedido com a lição e abre uma conversa nova, na sua conta. Confira na fonte qualquer fato de lei ou de norma.

Pratique fora do site

Faça questões da FCC sobre este tópico no QConcursos ou no Gran e registre aqui quantas fez: elas contam na meta da semana e no status do tópico.

Questões no QConcursos

Curso no Gran

Errei uma questão lá: criar flashcard