O que é IA generativa

De onde vem o termo IA generativa?

Em uma frase: o nome vem da ideia de gerar dados novos, em oposição a sistemas que só classificam ou preveem.

Na computação, esse tipo de sistema é chamado de modelagem generativa. O outro tipo é a modelagem discriminativa, que separa ou rotula dados já existentes. Um artigo da UC Berkeley Law lembra que a IA generativa atual usa técnicas tradicionais de modelagem generativa, mas vai além delas. O artigo aponta três diferenças:

• A arquitetura transformer e os modelos de difusão, que melhoraram a qualidade do que é gerado.
• O treinamento com conjuntos de dados da web numa escala sem precedentes.
• O uso de vários modelos combinados dentro de sistemas maiores.

Uma tese da USP resume a diferença de forma simples. A IA generativa cria conteúdos novos, como uma história inédita sobre "um urso chamado Ted" a partir de poucas informações. A IA não generativa faz tarefas específicas, como classificação, previsão ou reconhecimento.

Para quem quer mais 🚀: um ramo antigo da técnica são as redes generativas adversárias (GANs). Nelas, dois algoritmos competem: um gera conteúdo e o outro aponta as falhas. Com isso, o primeiro melhora a cada rodada. O material da FGV Justiça cita essa técnica como base das deepfakes mais sofisticadas.

O que a IA generativa pode fazer hoje?

Em uma frase: ela gera texto, imagem, áudio, vídeo e código. Os modelos que combinam mais de um desses tipos no mesmo pedido se chamam multimodais.

A documentação do Google Cloud cita a geração de código entre as aplicações da IA generativa. A visão geral de IA generativa do Google inclui imagem, áudio e vídeo entre os tipos de conteúdo que esses modelos processam.

Exemplos atuais (verificado em nov/2026)

• Gemini 4 Hydrogen. O Google anunciou o modelo em 12 de novembro de 2026. O foco é execução rápida, programação e fluxos com agentes (IA que executa tarefas usando ferramentas). O contexto é de 1 milhão de tokens. Tokens são os pedaços de texto que o modelo processa. O preço é de US$ 1,50 por milhão de tokens de entrada e US$ 7,50 por milhão de tokens de saída.
• Gemini 4 Carbon e Gemini 4 Argon. O mesmo anúncio apresenta os dois como modelos para raciocínio profundo e tarefas longas. A fonte consultada não informa o preço deles.
• Gemini Omni Flash. É um modelo multimodal. A página de preços do Google Cloud converte cada tipo de entrada em tokens: 1.120 tokens por imagem, 32 tokens por segundo de áudio e até 5.792 tokens por segundo de vídeo.

O que muda entre eles? Pelo anúncio do fabricante, o Hydrogen é a opção rápida e com ampla distribuição. Carbon e Argon foram pensados para tarefas que pedem mais raciocínio. Essa é a finalidade declarada pela empresa, não uma prova independente de que um seja melhor que o outro.

E fora do Google? O guia prático do governo federal para servidores públicos lista em ordem alfabética, sem ranking, outras plataformas de IA generativa:

• ChatGPT (OpenAI)
• Claude (Anthropic)
• Copilot (Microsoft)
• DeepSeek
• Le Chat (Mistral AI)
• Perplexity
• HuggingChat (Hugging Face)
• Maritaca AI, com modelo desenvolvido no Brasil para textos em português

Várias delas são baseadas em modelos abertos. A lista é do período de lançamento da cartilha, que não traz data no trecho consultado. Confira a versão atual de cada uma antes de usar.

Quais são as confusões mais comuns sobre IA generativa?

1. Achar que toda IA é generativa. Muita IA só classifica, prevê ou reconhece padrões, sem criar conteúdo novo (tese da USP).

2. Confundir o modelo com o aplicativo. A maioria das pessoas não usa o modelo diretamente. Ela usa um sistema em volta dele, com interface e outros componentes (UC Berkeley Law). Esse sistema às vezes é chamado de harness: o "carro" em volta do modelo, com ferramentas, memória e arquivos.

3. Tratar o resultado como fato. A IA generativa pode produzir uma alucinação, ou seja, uma resposta inventada com confiança. Isso inclui fontes que não existem. O guia do gov.br recomenda confirmar tudo em fontes confiáveis, sobretudo dados técnicos, legais ou normativos. Em temas de saúde, dinheiro ou lei, procure também um profissional.

4. Ler um ranking como veredito. Em 12 de novembro de 2026, num leaderboard de texto não inglês associado à LMArena, o Gemini 4 Carbon teve 1534 pontos e o Gemini 4 Argon, 1524. Em 13 de novembro de 2026, na medição de entretenimento e mídia, tiveram 1527 e 1522. Esses números valem para aquela tarefa e aquele método. Não provam que um modelo é melhor em tudo, nem em imagem, áudio ou vídeo.

5. Chamar tudo de "código aberto". Quando só os pesos do modelo são publicados, o termo mais preciso é pesos abertos (open weights). Os pesos são os valores que o modelo aprendeu no treinamento.

6. Esquecer a privacidade. Segundo o guia do gov.br, planos gratuitos têm maior risco de usar os dados que você insere para treinar o modelo. A ANPD lembra que o treinamento costuma usar dados raspados da web, que podem incluir dados pessoais.

7. Ignorar o mau uso. As mesmas técnicas criam deepfakes: imagens, áudios ou vídeos falsos que fazem as pessoas acreditarem em algo que não aconteceu (FGV Justiça). Saber disso ajuda você a desconfiar de conteúdos suspeitos.