Tecnologia além do código.
Régys Borges da Silveira
Início / Acervo

Tag: Revisão Humana

5 resultado(s)

Ilustração conceitual de uma seleção de documentos antes de encaminhá-los a uma ferramenta

IA no trabalho: quais informações podem entrar na ferramenta?

O erro parece simples: copiar um chamado para a IA explicar o problema, enviar uma planilha para resumir cobranças ou anexar um contrato para localizar uma cláusula. A tarefa pode ser legítima e útil.

Ver resumo completo

O erro parece simples: copiar um chamado para a IA explicar o problema, enviar uma planilha para resumir cobranças ou anexar um contrato para localizar uma cláusula. A tarefa pode ser legítima e útil. Isso não responde, porém, se aquela informação pode entrar naquela ferramenta, naquela conta e para aquela finalidade.

A dificuldade não se resolve com uma proibição genérica nem com a confiança de que todo produto empresarial é adequado. É preciso entender o conteúdo, a necessidade do trabalho e o caminho dos dados. Quem desenvolve sistemas também precisa distinguir o que a aplicação permite tecnicamente do que a organização autorizou operacionalmente.

Neste artigo, apresento conceitos básicos e um roteiro de triagem com situações fictícias de desenvolvimento e contabilidade. As referências legais foram consultadas em 3 de outubro de 2026. Os exemplos são recomendações de organização do trabalho, não parecer jurídico nem autorização para tratar dados de clientes.

Para aprofundar a relação entre ferramentas, permissões e operação, conheça a página de IA além da conversa. O livro ajuda a enxergar as decisões que ficam escondidas atrás da conversa, incluindo segurança, privacidade e governança. Essa é a dificuldade que precisamos enfrentar antes de transformar uma demonstração em rotina.

Publicado em · Régys Borges da Silveira
Ler artigo →
Ilustração conceitual de documentos seguindo caminhos de leitura diferentes até uma etapa de conferência

Como usar IA para ler PDFs, imagens e documentos empresariais

Um pedido chega por e-mail, acompanhado de um PDF. Na tela, quantidade, preço e total parecem claros.

Ver resumo completo

Um pedido chega por e-mail, acompanhado de um PDF. Na tela, quantidade, preço e total parecem claros. A próxima ideia é pedir à inteligência artificial que leia o arquivo e preencha o sistema. Antes de escolher o modelo, porém, existe uma pergunta mais básica: de que maneira essas informações estão armazenadas e qual evidência permitirá conferir o preenchimento?

O mesmo conteúdo pode estar em texto recuperável, numa fotografia da página ou em campos identificados de um arquivo estruturado. Essas representações exigem caminhos diferentes. Além disso, reconhecer um número não demonstra que ele pertence ao campo certo, corresponde à versão vigente ou autoriza uma ação. Para desenvolvimento e contabilidade, essa separação é mais importante que a aparência convincente da resposta.

Este artigo explica os conceitos necessários, apresenta um ensaio executado com arquivos fictícios e propõe critérios para usar extração, reconhecimento de caracteres e interpretação visual. O objetivo não é automatizar qualquer documento, mas organizar um processo em que informação, origem e conferência permaneçam juntas.

Se sua dificuldade é transformar uma resposta da IA em um processo verificável, conheça a página de IA além da conversa. Essa é a conexão central com o tema: o modelo participa da leitura, mas a arquitetura precisa definir como o resultado será utilizado e conferido.

Publicado em · Régys Borges da Silveira
Ler artigo →
Ilustração de uma aplicação Delphi conectada a um modelo local, com uma fronteira de validação antes da revisão humana.

Sua primeira integração de IA em Delphi: do pedido à resposta validada

Uma equipe quer usar inteligência artificial para organizar mensagens recebidas pelo suporte. A demonstração é simples: copiar uma mensagem, pedir uma classificação e ler a resposta.

Ver resumo completo

Uma equipe quer usar inteligência artificial para organizar mensagens recebidas pelo suporte. A demonstração é simples: copiar uma mensagem, pedir uma classificação e ler a resposta. A dificuldade começa quando essa resposta precisa entrar em um programa. O texto pode variar, um campo pode desaparecer e uma classificação plausível pode encaminhar a solicitação para o setor errado. Integrar não é apenas obter uma resposta; é decidir quais resultados a aplicação aceitará e o que poderá acontecer depois.

Neste artigo, vamos construir esse caminho em Delphi: preparar uma mensagem fictícia, chamar um modelo local, receber uma saída estruturada e conferir o resultado antes de apresentá-lo para revisão. O exemplo foi compilado e executado. Também foram exercitados caminhos de falha, distinguindo respostas reais do modelo de respostas produzidas por um servidor simulado para testar o cliente.

Para aprofundar as decisões que cercam essa chamada — contratos, ferramentas, avaliação e operação — conheça IA Além da Conversa e leia a degustação gratuita. Se sua dificuldade começa na descrição da tarefa e dos critérios que o programa precisa verificar, SDD em Delphi complementa a leitura com especificações, contratos e testes.

Publicado em · Régys Borges da Silveira
Ler artigo →
Mockup ilustrativo do livro Não Comece do Zero, com capa branca e laranja, ao lado de materiais de trabalho organizados.

Não Comece do Zero: meu novo livro sobre trabalho reutilizável com IA

Você prepara um material com inteligência artificial, explica o público, fornece documentos, corrige a linguagem e ajusta o resultado. Depois de algumas rodadas, o trabalho fica bom.

Ver resumo completo

Você prepara um material com inteligência artificial, explica o público, fornece documentos, corrige a linguagem e ajusta o resultado. Depois de algumas rodadas, o trabalho fica bom. Na semana seguinte, precisa produzir algo parecido e percebe que boa parte das decisões continua espalhada naquela conversa. O material foi salvo, mas o caminho para produzi-lo ainda depende da sua memória.

É esse problema que abordo em Não Comece do Zero, meu novo livro, com o subtítulo Crie especificações e prompts reutilizáveis para produzir materiais melhores com inteligência artificial. A proposta é ajudar o leitor a preservar contexto, regras, fontes e critérios de qualidade em arquivos que possam ser consultados, revisados e usados novamente.

Neste artigo, apresento a obra, explico o que significa construir uma especificação reutilizável e mostro uma forma pequena de experimentar a ideia. O objetivo é que a próxima tarefa aproveite decisões já conferidas, em vez de exigir uma reconstrução completa do trabalho. Ao final, você encontra os caminhos para conhecer a leitura e escolher sua edição.

Publicado em · Régys Borges da Silveira
Ler artigo →
Composição colorida contrapondo geração aberta de conteúdo, à esquerda, e decisões estruturadas com probabilidades, à direita, conectadas por um núcleo híbrido e revisão humana

Jev na prática: quando usar um modelo de decisão em vez de um LLM

Durante os últimos anos, inteligência artificial aplicada a software tornou-se quase sinônimo de grandes modelos de linguagem, os LLMs. Quando um sistema precisa classificar uma solicitação, escolher uma ferramenta ou avaliar um texto, tornou-se comum enviar um prompt a um modelo generativo e pedir uma resposta em JSON.

Ver resumo completo

Durante os últimos anos, inteligência artificial aplicada a software tornou-se quase sinônimo de grandes modelos de linguagem, os LLMs. Quando um sistema precisa classificar uma solicitação, escolher uma ferramenta ou avaliar um texto, tornou-se comum enviar um prompt a um modelo generativo e pedir uma resposta em JSON. Essa solução funciona, mas levanta uma pergunta importante: se o programa precisa somente de uma decisão, por que utilizar um mecanismo projetado principalmente para gerar linguagem?

O Jev, apresentado pela TypeSafe AI em setembro de 2026, parte dessa pergunta. Em vez de escrever uma explicação, ele recebe informações sobre um caso e responde a perguntas delimitadas com valores tipados e probabilidades. A proposta chama atenção pelo custo e pela velocidade divulgados, mas o aspecto mais interessante é arquitetural: o modelo não recebe autoridade sobre o fluxo; ele fornece julgamentos que o código pode combinar, limitar e encaminhar para revisão.

Neste artigo, explicarei o paradigma que sustenta o Jev, suas três primitivas, uma integração prática e os critérios para escolher entre Jev, LLM, regras determinísticas e classificadores tradicionais. Também examinarei limitações e pesquisas iniciais, porque saída estruturada, confiança e baixo custo não tornam uma decisão automaticamente correta.

A escolha entre uma decisão tipada e uma resposta gerada só faz sentido dentro do processo que utilizará o resultado. IA Além da Conversa aprofunda a arquitetura ao redor dos modelos: contexto, ferramentas, permissões, avaliação e operação. Conheça a proposta e leia a degustação gratuita para avaliar como definir essas fronteiras no seu projeto. Para registrar comportamentos esperados, exceções e critérios de aceite em uma implementação Delphi, SDD em Delphi oferece um percurso complementar. São conexões de método, não uma afirmação de que os livros ensinam especificamente o Jev.

Publicado em · Régys Borges da Silveira
Ler artigo →