Depende do que você quer mudar, e essa é a única pergunta que separa os dois. Se o problema é a IA não saber das suas coisas, o caminho é abastecer: colocar o material na conversa. Se o problema é ela não fazer do seu jeito, mesmo sabendo tudo que precisa, aí entra ajuste de modelo. Conhecimento e comportamento são problemas diferentes, e trocar um pelo outro é o erro mais caro dessa decisão.
Na prática, a maior parte dos casos que as pessoas chamam de “preciso treinar” é conhecimento disfarçado. A empresa quer que a IA responda sobre o produto dela, sobre a política interna, sobre o histórico do cliente. Nada disso é comportamento. Tudo isso é material, e material se coloca na frente dela, não se grava dentro dela.
Leve o mapa mental desta aula com você
O vídeo tem um apoio visual desenhado à mão, o mesmo que aparece na abertura e no fecho da aula. Está disponível pra download em Excalidraw, e abre arrastando o arquivo pra dentro do excalidraw.com, de graça, sem instalar nada.
O contexto, em três linhas
Sou engenheiro de software sênior e passei os últimos anos colocando modelos de linguagem em produção, em sistema que outras pessoas usam.
Essa decisão costuma aparecer numa reunião, embrulhada em orçamento. Alguém propõe treinar um modelo com a base da empresa, e a proposta soa séria justamente porque é cara. Quase sempre existe um caminho de dez por cento do custo que entrega mais.
O eixo que resolve a discussão
Antes dos dois do título existe um terceiro caminho, e ele é o mais barato: escrever a instrução uma vez, num lugar que fica. Isso resolve tom, formato, o que evitar e como responder. Muita gente pula direto para a discussão cara sem ter tentado a única que custa zero.
Com os três na mesa, o eixo fica claro.
- Instruir muda o jeito. Custo quase zero, efeito imediato, e não ensina nenhum fato novo.
- Abastecer muda o que ela vê. Custo baixo, resolve conhecimento, e atualiza sozinho quando o documento muda.
- Treinar muda o modelo por dentro. Caro, demorado, e congelado no dia dos exemplos que você usou.
Comportamento se instrui. Conhecimento se abastece. Só padrão muito repetido se treina.
Por que abastecer ganha quase sempre
Existe um argumento que decide sozinho a maior parte dos casos, e ele é sobre manutenção. Quando você coloca o material na conversa, atualizar a informação é atualizar o documento. Quando você treina, atualizar a informação é treinar de novo.
Some a isso três coisas que só aparecem depois: um modelo ajustado precisa ser hospedado e mantido, precisa ser reavaliado a cada mudança de base, e amarra você a uma escolha que era boa na semana em que foi feita. O material colado na conversa não tem nenhum desses custos, e ainda deixa você trocar de modelo sem perder nada.
Treinar congela. Abastecer acompanha.
Quando treinar é legítimo de verdade
Existe, e vale dizer com honestidade em vez de descartar por moda. Ajustar o modelo se justifica quando o que você precisa é um padrão de saída muito repetido e muito específico, que instrução não segura e exemplo colado toda vez sairia caro. Formato rígido de documento, estilo de escrita de uma marca aplicado em altíssimo volume, classificação num vocabulário próprio.
Nesses casos você não está ensinando fatos. Está ensinando forma. E forma é exatamente o que sobrevive ao congelamento, porque ela não desatualiza junto com a sua base de conhecimento.
O segundo caso legítimo é econômico: quando a instrução necessária é tão longa que ela sozinha custaria mais, repetida em milhões de chamadas, do que o ajuste custaria uma vez. Isso é uma conta, não uma opinião, e ela só fecha em escala grande.
Nenhum dos três conserta dado errado
Aqui está o limite que mais custa caro quando é ignorado. Exemplo ruim treinado vira erro consistente. E erro consistente é pior que erro aleatório, porque erro aleatório chama atenção e erro consistente passa a ser lido como comportamento esperado do sistema.
Personalizar muda o jeito e muda o que ela vê. Não muda a natureza dela: continua sendo previsão, continua completando lacuna, continua precisando de conferência.
O critério que eu uso agora
- Escreva a frase do problema começando com um verbo. “Ela não sabe X” é conhecimento. “Ela não responde do jeito Y” é comportamento. A frase decide o caminho.
- Tente instruir primeiro, e por escrito. Uma instrução salva num lugar fixo resolve mais casos do que parece, e resolve hoje.
- Se for conhecimento, abasteça e pare por aí. Não existe caso de “ela precisa saber da minha empresa” que treinar resolva melhor que material na conversa.
- Só considere treinar com padrão repetido, volume alto e base estável. Se qualquer uma das três faltar, a conta não fecha.
Onde tudo isso fica registrado
Escrevo tudo o que aprendo aqui neste blog, que roda num plano de quatro anos da Hostinger, que eu recomendo.
O vídeo lá em cima é a aula sobre as formas de personalizar de um curso gratuito de fundamentos de inteligência artificial, com aulas curtas e um conceito por vez. Ela fecha o bloco de controle, e o curso segue pelo momento em que a IA deixa de responder e começa a fazer.
O que eu faria diferente se começasse hoje
Eu escreveria a frase do problema antes de escolher a solução. Eu esgotaria o degrau barato antes de discutir orçamento. E eu trataria “vamos treinar um modelo nosso” como uma proposta que precisa de justificativa, não como o caminho sofisticado por definição.
No fundo é a armadilha de sempre em engenharia: confundir a solução mais complexa com a mais correta. Reescrever o sistema quando faltava um índice, trocar o banco quando faltava cache, subir microserviço quando faltava clareza de responsabilidade. O padrão se repete, e o custo também.
A newsletter sai todo domingo, com o bastidor do que eu estou construindo, incluindo o que não deu certo.
