Glossário de IA

Acuracia e a metrica mais simples de avaliacao de classificadores, representando a proporcao total de previsoes corretas. Pode ser enganosa em datasets desbalanceados.

AUC (Area Under the Curve) e a area sob a curva ROC, resumindo o desempenho global de um classificador em um unico valor entre 0 e 1. Quanto mais proximo de 1, melhor a capacidade discriminativa do modelo.

Cosine Similarity e uma metrica matematica que mede o angulo entre dois vetores em espaco multidimensional, calculando a similaridade semantica entre textos, imagens ou outros dados representados como embeddings.

CPA (Cost Per Acquisition) e a metrica que calcula o custo medio para adquirir um cliente ou conversao. Com IA, e possivel otimizar lances automaticamente para atingir o CPA alvo, usando modelos preditivos que consideram centenas de sinais em tempo real.

CTR (Click-Through Rate) e a metrica que mede a porcentagem de pessoas que clicam em um link, anuncio ou CTA em relacao ao total que o visualiza. Com IA, e possivel prever e otimizar CTR em escala, testando variantes e personalizando conteudo.

Dashboard e um painel visual interativo que apresenta metricas, KPIs e dados importantes de forma consolidada em uma unica tela. Permite monitorar a saude do negocio em tempo real e identificar tendencias, anomalias e oportunidades rapidamente.

F1-Score e a media harmonica entre Precisao e Recall, fornecendo uma metrica unica e balanceada para avaliar classificadores. E especialmente util quando as classes sao desbalanceadas.

Fairness em IA refere-se ao principio de que sistemas inteligentes devem tratar todos os grupos de forma justa e equitativa. Envolve metricas matematicas como paridade demografica, igualdade de oportunidades e calibracao entre subgrupos populacionais.

Goodhart Law aplicada a IA afirma que quando uma metrica se torna alvo de otimizacao, ela deixa de ser uma boa metrica. Em IA, modelos otimizados diretamente em metricas proxy como BLEU ou reward score podem produzir resultados que pontuam alto mas sao qualitativamente ruins.

KPI (Key Performance Indicator) e uma metrica quantitativa que mede o progresso de um objetivo estrategico especifico. Diferente de metricas genericas, KPIs sao indicadores-chave selecionados por sua relevancia direta para o sucesso do negocio.

Metric e qualquer medida quantitativa utilizada para acompanhar e avaliar o desempenho de processos, atividades ou resultados de negocio. Metricas sao os dados numericos que alimentam dashboards, relatorios e analises de performance organizacional.

Model Card e um documento padronizado que acompanha modelos de machine learning, detalhando desempenho, limitacoes, dados de treino, metricas de fairness e contexto de uso pretendido. Promove transparencia e decisoes informadas sobre implantacao de modelos.

Perplexity e uma metrica que mede quao bem um modelo de linguagem prevê texto, calculada como a exponencial da entropia cruzada media. Menor perplexity indica melhor modelagem da linguagem. Usada para avaliar e comparar modelos de linguagem.

Precisao (Precision) e a metrica que mede a proporcao de previsoes positivas que estao corretas. E crucial quando o custo de falsos positivos e alto, como em deteccao de spam ou diagnosticos medicos.

Recall (Sensibilidade) e a metrica que mede a proporcao de positivos reais que foram corretamente identificados pelo modelo. E crucial quando o custo de falsos negativos e alto, como em deteccao de doencas.

ROAS (Return on Ad Spend) e a metrica que mede a receita gerada para cada real investido em publicidade. Com IA, plataformas de anuncios otimizam lances e targeting automaticamente para maximizar ROAS, prevendo valor de cada impressao em tempo real.

ROI de Automacao e a metrica que mede o retorno sobre o investimento de projetos de automacao. Calcula a relacao entre os ganhos obtidos (reducao de custos, tempo economizado, erros eliminados) e o investimento realizado em ferramentas, desenvolvimento e manutencao.

ROI de IA mede o retorno financeiro gerado por investimentos em inteligencia artificial. Calcula ganhos como reducao de custos, aumento de receita e eficiencia operacional versus custos de desenvolvimento, infraestrutura, dados e talentos de IA.