IA First
Série sobre produto e operação de IA: prompts, guardrails, avaliação, RAG, agentes, custo e governança de modelos em produção.
30 episódios no blog · 5 h 9 min de leitura · último em
Episódio 1: Antes de Falar em IA, Arruma Esse CRUD
IA amplifica o que já existe. Por que contratos de API, dados consistentes, observabilidade e testes no CRUD vêm antes de plugar qualquer modelo.
Episódio 2: Do Zero ao Prompt: Como Explicar IA Para o Time Sem Virar Palestra Motivacional
Como explicar IA generativa para o time sem hype: partir da dor real, um molde de prompt, sessão prática em código de verdade e governança.
Episódio 3: Prompt Engineering Que Funciona em Produção, Não Só em Playground
Prompt em produção é código: versionamento semântico, testes de regressão, ambientes, canary, A/B test e observabilidade por versão de prompt.
Episódio 4: Como Escolher Entre ChatGPT, Claude, Gemini, Mistral e Modelo Open Source Sem Virar Fanboy
Critérios para escolher LLM por custo, latência e qualidade, onde ChatGPT, Claude, Gemini, Mistral e open source vencem e como fugir do vendor lock-in.
Episódio 5: Guardrails: Colocando Cinto de Segurança em LLM Antes Que o Jurídico Descubra
Guardrails em LLM antes do incidente: os riscos do OWASP Top 10 para LLMs, defesa em três camadas, ferramentas prontas e o que o jurídico vai cobrar.
Episódio 6: Avaliar Qualidade de Resposta de IA Sem Ficar Perguntando no Slack: "O Que Vocês Acharam Disso?"
Avaliar resposta de LLM sem achismo: por que BLEU e ROUGE enganam, LLM-as-judge calibrado, golden dataset e teste de regressão de prompt no CI/CD.
Episódio 7: Do Prompt ao Produto: Desenhando Features de IA Com User Journey e Não Com Hype
Feature de IA começa na jornada do usuário, não no modelo: onde IA ajuda ou atrapalha, output verificável, fallback, confiança e métrica de produto.
Episódio 8: Arquitetura de Um Backend Pronto Para IA: Contexto, Logs e Telemetria Desde o Dia 1
O que um backend precisa para operar IA: Context Assembler, Prompt Registry, AI Gateway, log de cada interação e telemetria de custo e qualidade.
Episódio 9: RAG Sem Romance: Como Fazer Busca + Contexto Que Não Vira Máquina de Alucinação
RAG em produção sem misticismo: quando não usar, extração, chunking, busca híbrida com threshold, montagem de contexto, invalidação do índice e métricas.
Episódio 10: Data Lake Para IA: Do "Joga No S3" ao "Consigo Explicar de Onde Saiu Essa Resposta"
Data lake que sustenta IA auditável: catálogo, lineage, gate de qualidade, mascaramento de PII, controle de acesso e versionamento de datasets.
Episódio 11: Skills e Ferramentas: Quando o LLM Precisa Apertar Parafusos no Seu Stack
Como deixar um LLM chamar APIs e executar ações sem perder o controle: contrato da tool, validação, risco por tipo de ação, menor privilégio e auditoria.
Episódio 12: MCPs, Plugins e Ecossistemas: Colando Sua Plataforma no Cérebro dos Modelos
Quando vale criar um servidor MCP e como expor sua plataforma a modelos de terceiros com OAuth, rate limiting, logs e defesa contra prompt injection.
Episódio 13: Orquestração de Fluxos de IA: De um Prompt Solto para um Workflow Confiável
Do prompt único a um workflow de IA confiável: quando usar código, state machine, fila ou agente, e como tratar retry, idempotência e revisão humana.
Episódio 14: Do Monólito ao "AI Mesh": Quebrando Capacidades em Serviços de IA Reutilizáveis
Como achar as capacidades de IA que se repetem entre features, extraí-las como serviços com contrato, SLA e versão, e saber quando ainda é cedo para o AI Mesh.
Episódio 15: Custo de IA em Produção: Como Parar de Levar Surpresa na Fatura no Final do Mês
Como estimar o custo de uma feature de IA antes de lançar, criar alertas de anomalia e cortar tokens com contexto enxuto, cache e roteamento de modelos.
Episódio 16: Avaliação Contínua: Não Basta Subir o Modelo, Tem Que Medir, Quebrar e Ajustar
Como medir a qualidade de uma feature de IA depois do deploy: eval set vivo, LLM-as-judge calibrado, eval no CI, detecção de drift e feedback do usuário.
Episódio 17: Fine-tuning vs Prompting vs RAG: A Tríade Que Vai Comer Seu Orçamento se Você Não Entender
Quando usar prompting, RAG ou fine-tuning, quanto cada um custa em tokens, manutenção e governança, e como combinar os três sem queimar o orçamento.
Episódio 18: Segurança e Compliance em Produtos com IA: Do LGPD ao "Não Deixa Esse Modelo Ver Esse Dado"
Como pôr segurança e LGPD no design de um produto com IA: mapa do fluxo de dados, mascaramento, logs, cláusulas com o provedor e revisão humana de decisões.
Episódio 19: Design de Feedback Loop: Como Ensinar a IA Usando o Próprio Uso do Produto
Como capturar feedback explícito e implícito numa feature de IA, ligar cada ação do usuário à interação e usar o sinal para ajustar prompt, config e dataset.
Episódio 20: Agentes de IA: Entre o Brinquedo Bonito e o Operador Real de Processo
Quando um agente de IA faz sentido e como operá-lo em produção com limites: poucas tools, sub-objetivos, plano auditado, trava contra loop e log de cada passo.
Episódio 21: Treinando Modelos Proprietários: Quando Vale a Pena e o Que Você Não Está Vendo na Conta
Quando treinar ou fazer fine-tuning de um modelo próprio compensa, e os custos de dataset, MLOps, equipe e infraestrutura que a planilha esquece.
Episódio 22: Arquiteturas Híbridas: Misturando Modelos Grandes, Pequenos e Regras Clássicas
Como combinar modelos grandes, modelos pequenos e regras determinísticas com roteamento e cascata para cortar custo e latência sem perder qualidade.
Episódio 23: From Batch to Real Time: IA em Baixa Latência Para Casos Críticos
Como pôr IA em fraude, trading e decisões de milissegundos: modelo pequeno, precomputo, inferência local, decisão assíncrona e fallback determinístico.
Episódio 24: Governança de Modelos: Quem Assina em Baixo Quando a IA Erra?
Ownership, comitê de IA, aprovação de mudanças, registro de decisões e resposta a incidentes para saber quem responde quando um modelo em produção erra.
Episódio 25: Linhas de Produção de IA: Do Git ao Experimento em Produção em Poucos Passos Confiáveis
CI/CD para IA: como versionar código, prompts, modelo e eval set juntos, testar no pipeline, fazer shadow e canary e ter um rollback que funciona.
Episódio 26: Orquestração Multi-Modelo e Multi-Provedor: Não Coloque Todos os Tokens na Mesma Cesta
Por que depender de um só provedor de LLM é risco de negócio e como reduzi-lo com camada de abstração, roteamento por tenant e feature e benchmark contínuo.
Episódio 27: Explainability em Sistemas de IA: Como Dar Satisfações Sem Inventar Desculpas Bonitas
Por que o raciocínio que o LLM conta e o gráfico de SHAP não explicam a decisão, e o que funciona: trilha de decisão, contrafactual e modelo interpretável.
Episódio 28: IA em Ambientes Regulados: O Que Muda em Bolsas, Bancos e Seguradoras
Kill switch, controle pré-negociação, teto de autonomia, testes e registro imutável: o que MiFID II, SEC e EU AI Act exigem da arquitetura de IA regulada.
Episódio 29: Construindo um Roadmap de IA Para a Organização Sem Virar Fábrica de POC
Como montar um roadmap de IA como portfólio de apostas: tese explícita, financiamento em estágios com gates, build versus buy e métrica de negócio.
Episódio 30: Liderança Técnica em Tempos de IA: Que Tipo de Engenheiro Você Precisa Ser Para o Próximo Ciclo
Se gerar código ficou barato, o que vale no engenheiro sênior: julgar, verificar, desenhar o sistema sociotécnico, multiplicar o time e negociar risco.