IA: termos que mais confundem brasileiros, aponta estudo

A IA abriu novos termos no cotidiano dos brasileiros, mas muitos usuários ainda não dominam o vocabulário técnico. Um levantamento da Adapta, empresa de soluções em IA, identificou quais expressões geram dúvidas entre quem usa ferramentas como ChatGPT e Gemini, em 2025.

A pesquisa ouviu 500 usuários conectados à internet e revelou mais de 90 termos pouco compreendidos. O estudo aponta que a popularização da IA avança mais rápido que o entendimento sobre seu funcionamento.

O diagnóstico evidencia que expressões ligadas ao funcionamento básico da IA apresentam dúvida recorrente, além de termos específicos usados por modelos de linguagem.

Principais termos que confundem

No topo, o termo “prompt” aparece citado por 12,6% dos entrevistados. Ele se refere ao comando enviado à IA para orientar a resposta. A Adapta explica que o prompt molda o resultado, com maior clareza aumentando a chance de atender ao objetivo.

Segundo Eduardo Coelho, head de marketing da Adapta, entender o prompt passou a fazer parte do uso cotidiano da IA em ambientes profissionais.

Conceitos centrais da IA ainda pouco claros

Além do prompt, palavras como “machine learning”, “deep learning” e “redes neurais” somam mais de 9% das menções. Machine learning descreve sistemas que aprendem padrões a partir de dados, enquanto o deep learning usa redes neurais para tarefas complexas.

Esses conceitos aparecem com frequência no dia a dia, mas ainda geram confusão entre usuários habituais.

O termo “algoritmo” também aparece de forma relevante, ligado às regras que orientam o funcionamento da IA em diferentes tarefas.

Tokens, LLMs e embeddings confundem

Dentre os termos internos, “tokens”, “embeddings” e “LLM” juntos somam mais de 5% das respostas. Tokens são fragmentos de texto usados pelo modelo; embeddings são representações numéricas que ajudam a IA a enxergar relações entre palavras; LLMs (Large Language Models) interpretam comandos e geram textos contextualizados.

Outros termos recorrentes

A lista cita ainda “fine-tuning”, “aprendizagem por reforço”, “agentes”, “automação” e “alucinação de IA”. Fine-tuning ajusta modelos já treinados; aprendizagem por reforço aprimora respostas por tentativa e erro; agentes são sistemas autônomos; automação aplica essas capacidades aos processos.

Alucinação de IA ocorre quando informações são incorretas ou inventadas, destacando a importância da supervisão humana e da verificação de conteúdos sensíveis.

Metodologia do levantamento

A Adapta coletou respostas de 500 brasileiros usuários de tecnologias digitais nas últimas semanas. Cada participante indicou termos que não consegue explicar em 2025, e os mais citados formaram o ranking divulgado.