Era segunda-feira de manhã quando o e-mail chegou. 

O assunto era curto: “Algo está errado com a IA.”

A empresa vinha usando um assistente de inteligência artificial para apoiar a equipe de análise financeira há mais de quatro meses. O sistema funcionava bem. Resumos precisos, dados corretos, projeções alinhadas com os números reais. A equipe confiava no output sem questionar muito.

Na sexta-feira anterior, o time de tecnologia havia aplicado uma atualização de configuração. Na segunda-feira seguinte, os analistas começaram a perceber algo estranho: os resumos estavam mais fluidos, mais narrativos, mais ousados. E estavam incluindo cenários que nunca tinham acontecido.

O modelo não havia mudado. Os dados não haviam mudado. A empresa não havia mudado. Um único parâmetro havia sido ajustado. E ninguém havia entendido o que ele significava.

O que é temperatura, de verdade

Temperatura é o parâmetro que controla o grau de aleatoriedade nas respostas de um modelo de linguagem.

O conceito vem da física estatística. Em sistemas de alta temperatura, as partículas têm mais energia e se movem com mais liberdade. Em sistemas de baixa temperatura, elas se organizam em estruturas mais rígidas e previsíveis. Os modelos de linguagem importaram esse princípio para descrever o mesmo fenômeno no nível do texto.

Quando um modelo gera uma resposta, ele não escreve palavra por palavra de forma determinística. Ele calcula, para cada posição no texto, uma distribuição de probabilidades sobre todas as palavras possíveis. A temperatura determina o quão seletivo ele será ao amostrar dessa distribuição.

Com temperatura próxima de zero, o modelo quase sempre escolhe a palavra de maior probabilidade. O resultado é previsível, coerente, consistente. Gere a mesma pergunta dez vezes e você receberá dez respostas quase idênticas. 

Com temperatura alta, o modelo amplia sua seleção para palavras menos prováveis. O resultado é mais variado, mais surpreendente. Às vezes mais criativo. Às vezes incoerente. Às vezes simplesmente inventado.

A maioria das ferramentas de IA que os líderes usam hoje opera com um valor padrão de temperatura que nunca foi configurado por eles e raramente aparece em qualquer interface de usuário.

Quando a temperatura Importa

A consequência direta desse parâmetro raramente aparece nas apresentações de implantação de IA. E ela é simples: a temperatura certa para uma tarefa é errada para outra. 

Um contrato precisa de temperatura baixa. Uma análise de risco jurídico precisa de temperatura baixa. Um relatório financeiro precisa de temperatura baixa. Um resumo de prontuário médico precisa de temperatura baixa. Qualquer tarefa onde a precisão é não negociável e onde uma variação não autorizada representa uma falha precisa de temperatura baixa. 

Uma sessão de brainstorming para novos produtos precisa de temperatura alta. Um gerador de títulos para campanha criativa precisa de temperatura alta. Um exercício de simulação de cenários futuros precisa de temperatura alta. Qualquer tarefa onde a surpresa é bem-vinda e onde a variação é o objetivo precisa de temperatura alta. 

O problema nas organizações é que elas tendem a implantar uma única ferramenta de IA, com uma única configuração de temperatura, para tarefas que exigem comportamentos opostos. 

A equipe jurídica usa a mesma plataforma que a equipe de marketing. O mesmo parâmetro que torna a ferramenta mais criativa para uma área torna a ferramenta menos confiável para outra.

Isso não é negligência. É a ausência de vocabulário para fazer a pergunta certa.

O paradoxo da criatividade controlada

Existe uma intuição comum sobre modelos de linguagem que o conceito de temperatura desmonta. 

A ideia de que a IA “alucina” é frequentemente descrita como um defeito do modelo. Um bug. Uma limitação que será corrigida nas próximas versões. 

A realidade é mais específica.

Com temperatura alta, o modelo amostra de uma distribuição mais ampla de palavras possíveis. Isso significa que ele pode gerar saídas mais originais, menos óbvias, mais criativas. Significa também que ele pode associar conceitos de forma inesperada, incluir informações que existem no seu espaço probabilístico mas não na realidade do problema, e construir narrativas que soam plausíveis mas que nunca aconteceram. 

A alucinação não é o modelo inventando à toa. É o modelo sendo criativo demais para o contexto em que está sendo usado. 

Um modelo com temperatura alta que escreve um roteiro de ficção está fazendo exatamente o que foi configurado para fazer: explorar possibilidades. O mesmo modelo, com a mesma temperatura, produzindo uma análise jurídica está aplicando “exploração de possibilidades” num contexto que exige exatamente o oposto. 

A ferramenta não mudou. O contexto que exige um comportamento completamente diferente é que mudou. E quem não entende isso tende a culpar o modelo por fazer aquilo para o qual foi configurado.

O que isso tem a ver com liderança

Aqui o conceito deixa de ser técnico. 

Temperatura é, na prática, o parâmetro que regula a tensão entre consistência e criatividade. Essa tensão não existe só em modelos de linguagem. Ela existe em toda organização que já precisou decidir quando seguir o processo e quando questioná-lo. 

Líderes que operam sempre em temperatura baixa constroem times que executam bem, entregam de forma previsível e raramente saem do processo. Esses times têm consistência. E raramente questionam se o processo ainda faz sentido.

Líderes que operam sempre em temperatura alta constroem times com alta geração de ideias, muita energia e pouca previsibilidade. Esses times inovam. E raramente terminam o que começam.

O desafio não é encontrar a temperatura certa uma vez e mantê-la. É saber qual temperatura cada situação pede. 

Uma revisão financeira pede temperatura baixa: foco, consistência, aderência aos dados. Uma sessão de planejamento estratégico para os próximos cinco anos pede temperatura alta: abertura a cenários que ainda não existem, questionamento de premissas, tolerância à ambiguidade. 

Os melhores líderes são reguladores de temperatura. Eles sabem quando aumentar a abertura do sistema e quando apertar o critério. E sabem que deixar o sistema no padrão configurado por outra pessoa é abrir mão de uma das alavancas mais importantes que têm.

O que os líderes precisam perguntar

Antes de qualquer expansão de ferramentas de IA na organização, cinco perguntas definem se o uso será preciso ou caótico.

Quais tarefas executadas com IA exigem consistência e precisão? Para essas tarefas, a temperatura deve ser baixa. Se a plataforma não permite essa configuração, ela pode não ser a ferramenta certa para tarefas de alta consequência.

Quais tarefas se beneficiam de variação e criatividade? Para essas, temperatura mais alta é um ativo, não um risco. Restringir a criatividade numa sessão de ideação porque a mesma ferramenta é usada para análise de risco é desperdiçar metade do potencial da ferramenta.

Você sabe qual temperatura padrão as suas ferramentas de IA estão usando? Se a resposta for “não sei”, alguém tomou essa decisão por você. Pode ter sido tomada bem. Mas não foi tomada com o contexto do seu negócio.

Você está usando a mesma ferramenta de IA para compliance e para brainstorming? Se sim, ela está provavelmente configurada para uma das duas tarefas. Isso significa que está mal configurada para a outra.

Onde na sua organização decisões de alta consequência estão sendo tomadas com suporte de ferramentas que ninguém configurou intencionalmente? Essa pergunta vale para temperatura. Vale também para tudo o que veio antes nessa série.

Menos tinta, mais barro

Esta série mapeou o vocabulário que as organizações adotaram antes de entender o que ele significa.

Cada edição revelou a mesma estrutura: um conceito técnico com implicações de negócio que raramente aparecem no briefing de implantação. O humano que virou carimbo. A alucinação que ninguém esperava. O RAG que não resolve a qualidade dos dados. O fine-tuning que ensinou o errado. O guardrail que ficou no papel. O overfitting que funcionava para um mundo que não existe mais. O agente que agiu rápido demais. 

E agora: a temperatura que ninguém configurou.

O padrão de fábrica das ferramentas de IA raramente é o padrão certo para o seu contexto. Alguém tomou a decisão de usar aquele número. Foi uma escolha razoável para um caso de uso genérico. Pode não ser a escolha certa para os seus contratos, os seus clientes ou os seus analistas. 

Entender temperatura não transforma um líder em engenheiro de IA. Transforma um líder em alguém que sabe fazer a pergunta certa para quem implantou o sistema.

Na maioria das organizações, essa pergunta ainda não foi feita. 

A ferramenta configurada no padrão de fábrica está resolvendo o problema do fabricante, não o seu.

Fernando Santos – Vice-presidente de Articulação da Federação Assespro-MG