Um classificador de IA é um modelo que atribui uma categoria ao que recebe: um e-mail, um texto ou uma foto. Um filtro de spam, um roteador de tickets ou um detector de idioma são classificadores. Os mais novos escolhem entre opções que você define, ou respondem sim ou não, com a probabilidade de cada resposta.
Uma pergunta do app. Escolha uma resposta.
Mensagem: "Quanto custa passar para o plano Pro?" Na sua equipe, preços e planos vão para Vendas. O Jev mandou para Cobrança, com confiança 0,91 (número de exemplo). Foi assim que você perguntou:
O que você testa primeiro?
O limiar decide se você age, não qual área ele escolhe. Continuaria indo para Cobrança.
Só com o nome, o Jev não sabe onde termina Vendas. Teste descrições que separem preços de cobranças já feitas.
Trocar de modelo não esclarece suas regras. Primeiro descreva o que entra em cada área e confira o resultado.
Num teste, um modelo leu "Um tomate." e respondeu duas perguntas de sim ou não: "É uma fruta.", 0,65; "É uma verdura.", 0,85. As duas dão sim e não é uma contradição: cada pergunta é respondida sozinha, sem olhar a outra.
Se você precisa de uma só resposta, peça uma escolha entre opções: aí as probabilidades se dividem e somam 1. Com fruta e verdura deu 50 e 50. Na botânica é uma fruta e na cozinha, uma verdura: se importa um dos dois critérios, diga isso na pergunta. E um empate não é para o seu código escolher ao acaso.
Um corretor automático recebe "Capital da França? Resposta do aluno: Madri" e a pergunta "A resposta está correta.". No teste deu 0,57: mais sim que não, para uma resposta errada. Acrescentando ao texto "Resposta correta: Paris.", caiu para 0,04.
Não conte com que ele saiba o dado. Se a decisão depende de um dado, coloque o dado no texto. É a mesma ideia do RAG: buscar primeiro o que falta e entregar ao modelo.
Num teste, um roteador de tickets mandou "O Excel fecha sozinho toda vez que abro um arquivo." para hardware, com 0,96. "O aplicativo Excel fecha sozinho…" foi para software, com 0,98. Dois jeitos de dizer o mesmo, duas áreas diferentes, e as duas com muita certeza.
Uma probabilidade alta não é garantia (a probabilidade calibrada explica por quê). Experimente descrever cada opção: o que entra, o que não e um exemplo, como "Software: programas e apps, inclusive Excel ou Word" em vez de só "software". E confira o resultado com casos reais seus.
Os classificadores estão entre as coisas mais antigas do machine learning: um filtro de spam é treinado para uma só tarefa. Os novos, como o Jev ou a Decisions API da OpenAI, recebem as opções em cada pedido, então o mesmo modelo serve para tarefas diferentes. Também há modelos abertos que rodam no seu computador.