Desenvolvimento de Produtos com IA

Questões de exemplo

Duas questões deste simulado, no mesmo estilo do exame de certificação. Responda antes de abrir a explicação.

1. Questão 1

   Um marketplace recebe 40 mil produtos novos por mês. Em 94% dos casos o fornecedor envia um código de categoria que mapeia diretamente para a taxonomia interna. Os 6% restantes chegam sem código. A equipe quer automatizar a categorização. Qual abordagem é mais adequada?

   1. Treinar um classificador com todo o histórico de produtos e aplicá-lo a 100% da entrada, para garantir critério único de categorização.
   2. Usar um modelo de linguagem em toda a entrada, já que ele resolve tanto os casos com código quanto os casos sem código.
   3. Aplicar o mapeamento determinístico nos 94% e usar modelo apenas nos 6% que chegam sem código do fornecedor.
   4. Adiar a automação até que os fornecedores passem a enviar código em 100% dos casos, evitando manter dois caminhos distintos.
   Ver resposta e explicação

   Resposta correta: C. Aplicar o mapeamento determinístico nos 94% e usar modelo apenas nos 6% que chegam sem código do fornecedor.

   A primeira pergunta no desenvolvimento de produtos com IA não é qual modelo usar, e sim qual parte do problema já tem solução determinística. Quando existe uma regra confiável, ela é mais barata, mais rápida, mais fácil de depurar e não introduz variabilidade entre execuções. O modelo deve ser reservado para a parte residual que a regra não cobre. Aplicar modelo sobre os 94% que já são resolvidos por mapeamento adiciona custo de inferência, risco de erro e uma fonte de inconsistência, sem ganho correspondente. Esse padrão, resolver o determinístico com regra e o residual com modelo, aparece na maioria dos produtos de IA que sustentam operação em produção.

2. Questão 2

   Uma ferramenta de atendimento gera rascunhos de resposta para os agentes. Após três meses, a adoção do recurso é de 91%, os agentes editam 80% dos rascunhos antes de enviar e o tempo médio de atendimento caiu 4%. Qual leitura melhor orienta a próxima decisão de produto?

   1. A taxa de edição de 80% indica que o modelo é inadequado para a tarefa, e a funcionalidade deve ser descontinuada antes de consumir mais orçamento.
   2. A adoção alta combinada com edição frequente sugere que o rascunho serve como ponto de partida, e o ganho está em reduzir o esforço de edição.
   3. A adoção de 91% já demonstra sucesso da funcionalidade, e a próxima decisão deve ser expandir o recurso para os demais canais de atendimento.
   4. O ganho de 4% está dentro da variação esperada do indicador, então é necessário estender a observação por mais três meses antes de decidir.
   Ver resposta e explicação

   Resposta correta: B. A adoção alta combinada com edição frequente sugere que o rascunho serve como ponto de partida, e o ganho está em reduzir o esforço de edição.

   Adoção alta e edição alta não se contradizem, elas informam onde o valor está sendo criado. Se os agentes continuam usando o recurso mesmo editando quase tudo, o rascunho está economizando o esforço de começar do zero, que costuma ser a parte mais custosa da tarefa. O erro comum é ler a taxa de edição como medida de qualidade do modelo e concluir fracasso. A leitura correta é que a unidade de valor não é o rascunho pronto para envio, e sim o rascunho aproveitável. Isso muda o que a equipe deve otimizar: em vez de perseguir envio sem alteração, vale reduzir o custo de editar, com edição estruturada, trechos reutilizáveis e aprendizado das correções mais frequentes.