Eduardo Niglio · Eniglio Tech Press
Fundamentos de Engenharia de IA — Eduardo Niglio
Escrevi este livro para ajudar você a transformar conceitos de IA em decisões de engenharia. Ao longo dos capítulos, exploro modelos, prompts, RAG, agentes e avaliação, conectando as escolhas técnicas à qualidade, à segurança, ao custo e à latência. Quero que você aprenda a experimentar, analisar resultados e decidir com mais clareza.
Sobre o livro
Escrevi Fundamentos de Engenharia de IA para discutir uma pergunta que considero central: como transformar o potencial da inteligência artificial em sistemas que façam sentido na prática? Meu objetivo é ajudar você a compreender as decisões por trás de uma solução, avaliar as alternativas e reconhecer os limites de cada escolha.
Meu ponto de partida é o problema que queremos resolver. Antes de escolher um modelo, escrever um prompt ou adicionar um agente, proponho olhar para a tarefa, os dados disponíveis, o resultado esperado e as condições em que o sistema será utilizado. É essa clareza que permite escolher uma abordagem e entender se ela realmente está funcionando.
Ao longo do livro, exploro modelos, construção de prompts, geração aumentada por recuperação de informações (RAG) e agentes. Procuro conectar esses conceitos às escolhas de implementação: quais informações fornecer ao modelo, quando recuperar conteúdo externo, como integrar ferramentas e onde estabelecer limites para a atuação do sistema. Quero que você entenda o motivo de uma decisão, além de conhecer a técnica utilizada.
Dou atenção especial à experimentação e à avaliação. Uma resposta convincente não é, necessariamente, uma resposta correta. Uma mudança que melhora um exemplo pode piorar outros. Por isso, proponho pensar em hipóteses, critérios de sucesso, comparação de resultados e análise de falhas. Para mim, avaliar é parte da construção do sistema: é o que permite aprender com os resultados e decidir o próximo passo com mais segurança.
Também discuto as relações entre qualidade, segurança, custo e latência. Uma solução mais barata por chamada pode exigir mais tentativas; uma resposta rápida pode não atender ao nível de qualidade esperado. Em vez de tratar essas dimensões isoladamente, procuro mostrar por que elas precisam ser consideradas em conjunto, sempre em relação ao uso que pretendemos atender.
Penso este livro como uma leitura para quem desenvolve software, participa de decisões de arquitetura ou quer compreender melhor como sistemas de IA são projetados e avaliados. Minha intenção é aproximar os fundamentos das perguntas que surgem durante a implementação, sem apresentar uma única ferramenta ou configuração como resposta para todos os problemas.
Como complemento à leitura, criei o AI Engineering Lab, um mini app com 24 desafios práticos. Nele, você pode analisar cenários, escolher uma resposta e refletir sobre a justificativa de cada decisão. A ideia é levar os conceitos do livro para uma experiência de aprendizado ativa, em que os acertos e os erros ajudem a identificar o que merece uma nova leitura.
Mais do que reunir técnicas, quero oferecer uma forma de pensar sobre engenharia de IA. Meu convite é simples: compreender o problema, experimentar com intenção, avaliar com critério e melhorar a partir das evidências. É esse caminho que procuro construir com você ao longo do livro.
Eduardo Niglio
Sobre o autor
Sou Eduardo Niglio, engenheiro de software, arquiteto de IA e autor deste livro. Escrevo a partir das perguntas que considero essenciais ao projetar software com IA: como avaliar a qualidade, proteger os dados e equilibrar custo e tempo de resposta. No livro, organizo esses temas para ajudar o leitor a justificar suas escolhas. Nos aplicativos Engineering Lab e Architecture Lab, transformo essa proposta em desafios e cenários de decisão. Meu objetivo é oferecer uma base para pensar, experimentar e revisar soluções com critério.
Eixos de leitura
Fundamentos
Modelos, prompting e os conceitos para pensar sobre sistemas de IA.
Implementação
RAG e agentes: decisões de implementação e integração.
Avaliação
Como avaliar respostas, comparar alternativas e interpretar os resultados.
Governança
Segurança, limites de uso e decisões responsáveis em sistemas de IA.
Casos reais
Problemas práticos para discutir qualidade, custo e latência.