Glossário de agentes IA de admissões: 50 termos essenciais

Como usar este glossário

Este glossário de IA para o recrutamento de estudantes define 50 termos que surgem quando uma instituição de ensino superior implementa agentes IA nas admissões. Cada definição é um parágrafo curto que pode citar num termo de referência, num contrato ou numa reunião de equipe.

Os fornecedores usam as mesmas palavras para coisas diferentes, e um mal-entendido sobre «agente», «grounding» ou «opt-in» sai caro depois da assinatura. As definições descrevem conceitos, não produtos. Para a visão geral, comece pela definição de agente IA de admissões ou pelo guia de agentes IA para o recrutamento de estudantes.

Os 50 termos por etapa do jornada

Importa menos o número de termos do que o responsável por eles: para cada termo que toca em dados ou decisões, defina quem, na sua instituição, responde por ele.

Fontes de referência: AI Act, anexo III · AI Act, artigo 50 · artigo original do RAG (Lewis et al.)

O glossário de A a Z

Agente de voz

Agente IA que mantém conversas faladas por telefone, convertendo voz em texto e vice-versa. Precisa do mesmo grounding e da mesma passagem que um agente de chat, mais regras sobre gravação de chamadas e latência.

Agente IA

Sistema baseado num modelo de linguagem que responde a partir dos seus conteúdos e executa tarefas definidas: qualificar um solicitação, agendar uma visita, escrever no CRM, passar o caso à equipe. Âmbito e permissões são fixados à partida.

Alucinação

Resposta fluida mas falsa ou sem suporte de um modelo de linguagem, como mensalidades ou prazos inventados. Grounding, barreiras e revisão reduzem-na; nenhum a elimina por completo.

Atribuição

Método que atribui um solicitação ou uma matrícula ao canal que o originou: pesquisa, redes sociais, feira ou recomendação. Sem etiquetagem coerente, o contributo do chatbot fica invisível nos relatórios.

Barreiras de segurança

Regras e filtros em torno do modelo que limitam o que pode dizer ou fazer: temas a recusar, conteúdos a evitar, ações que exigem aprovação. Complementam o grounding e testam-se com perguntas adversas.

Base de conhecimento

Conjunto de conteúdos aprovados a partir dos quais o agente responde: páginas de cursos, tabelas de mensalidades, condições de acesso, perguntas frequentes. A sua atualidade limita a qualidade das respostas: dê-lhe um responsável e uma data de revisão.

Chatbot baseado em regras

Ferramenta de conversa que segue uma árvore de decisão escrita à mão. É previsível e fácil de auditar, mas falha perante qualquer pergunta fora do roteiro. É muitas vezes confundido com os chatbots generativos.

Consentimento

Acordo informado de uma pessoa para que os seus dados sejam tratados com uma finalidade declarada. A lei de proteção de dados fixa as condições exatas em cada país, mas deve poder prová-lo e permitir retirá-lo facilmente.

CRM

Sistema de gestão de relacionamento que guarda a cadastro, o histórico e o estado de cada candidato. Nas admissões é a fonte de verdade: o agente deve ler dele e escrever nele dentro de um âmbito definido.

Dia aberto / visita ao campus

Evento agendado em que candidatos visitam um campus ou participam de sessões online. É um objetivo de agendamento essencial para um agente de admissões, porque transforma uma dúvida em um primeiro contato real.

Double opt-in

Consentimento em dois passos: a pessoa subscreve e depois confirma através de uma link enviada para o endereço indicado. Prova que o endereço lhe pertence e limita inscrições erradas ou falsas.

Embedding

Representação numérica de um excerto de texto que capta o seu significado. Permite encontrar as páginas mais próximas de uma pergunta, que é o passo de recuperação do RAG.

Encaminhamento

Envio de um solicitação ou conversa à pessoa ou equipe certa conforme o curso, o campus, o idioma ou o assunto. Regras claras evitam que candidatos fiquem sem responsável numa caixa partilhada.

Enriquecimento do CRM

Acrescentar à cadastro do candidato a informação coletada na conversa: curso de interesse, ano de entrada, perguntas feitas. A equipe não tem de voltar a perguntar nem de reintroduzir dados.

Escalonamento

Passagem de um caso a uma pessoa quando o agente não pode ou não deve continuar: uma reclamação, uma situação pessoal, um solicitação pouco claro. Os gatilhos devem ser regras escritas e testadas antes do arranque.

Fine-tuning

Treino adicional de um modelo com um conjunto de dados específico para mudar o seu estilo ou comportamento. Não é a via habitual para ensinar a um agente os seus cursos; o grounding em fontes atualizadas é.

Funil de matrícula

Sequência de etapas do primeiro contato à matrícula: em geral solicitação, candidato qualificado, inscrição, aprovação, pagamento da matrícula e ingresso. Os nomes variam por instituição: documente os seus.

Grounding (ancoragem)

Limitar uma resposta a fontes aprovadas, como as suas páginas de cursos e regulamentos, e idealmente indicar a fonte usada. É a principal defesa contra respostas inventadas.

Handoff (passagem)

Momento em que a conversa passa do agente a uma pessoa, com o seu contexto. Uma boa passagem evita que o candidato repita a pergunta e mostra ao conselheiro o que já foi dito.

Humano no circuito

Concepção em que uma pessoa revê, aprova ou pode reverter o resultado do sistema em pontos definidos. Para decisões de admissão é boa prática, e a pessoa deve poder contrariar o sistema.

IA agêntica

Software que persegue um objetivo e atua nos seus sistemas, por exemplo agendar um dia aberto ou atualizar uma cadastro do CRM, em vez de apenas responder. Atua com permissões definidas e escala o que fica fora delas.

IA generativa

Modelos que produzem texto, imagens ou áudio novos a partir de uma instrução. Nas admissões redige respostas e rascunhos, daí a necessidade de grounding e revisão: um texto fluido nem sempre é um texto correto.

Injeção de prompt

Ataque em que um texto, numa mensagem ou documento, tenta anular as instruções do agente, por exemplo «ignora as tuas regras». Defesas: controlo das entradas, permissões limitadas e não confiar cegamente em textos recuperados.

Intenção

O que a pessoa quer alcançar com uma mensagem: perguntar por mensalidades, agendar uma visita, verificar um prazo. Detetar a intenção determina a resposta, a ação ou a passagem seguintes.

Janela de contexto

Quantidade de texto que um modelo de linguagem consegue considerar de uma só vez, medida em tokens. Uma conversa longa pode excedê-la: as mensagens antigas são cortadas ou resumidas e perdem-se detalhes.

Lead scoring

Atribuir uma pontuação a um candidato conforme o seu ajuste e envolvimento para priorizar o acompanhamento. Mantenha os critérios visíveis e revistos: um scoring opaco pode derivar em decisões automatizadas sobre pessoas.

LLM (grande modelo de linguagem)

Modelo treinado com grandes volumes de texto para prever e gerar linguagem. Alimenta os agentes atuais, mas não sabe nada da sua instituição se não lhe fornecer os conteúdos.

Minimização de dados

Princípio segundo o qual só se recolhem os dados pessoais necessários a uma finalidade declarada. Para um agente, pedir o e-mail quando uma agendamento o exige, não por defeito na primeira mensagem.

Multilingue

Capacidade de compreender e responder em vários idiomas. Verifique a qualidade idioma a idioma com perguntas reais e garanta que os conteúdos existem em cada idioma prometido.

No-show

Pessoa inscrita num evento ou chamada que não comparece. Confirmações e lembretes reduzem-no; meça-o separadamente dos cancelamentos, que libertam a vaga com antecedência.

Omnicanal

Atendimento coerente do mesmo candidato no site, e-mail, mensagens, telefone e eventos, com um histórico partilhado. O objetivo é a continuidade, não apenas estar presente em muitos canais.

Opt-in

Ação explícita pela qual uma pessoa aceita receber comunicações ou que os seus dados sejam usados para uma finalidade, por exemplo marcar uma caixa vazia. Prefira-o a caixas pré-marcadas ou ao silêncio e guarde a data em que foi dado.

Parâmetros UTM

Etiquetas acrescentadas ao URL de uma link, como origem, meio e campanha, que identificam de onde veio uma visita. UTM coerentes permitem ligar as conversas do chatbot aos canais de marketing.

Solicitação de ligação

Chamada, de um conselheiro ou automática, combinada com um candidato que pediu para ser contatado. O candidato escolhe um horário ou prazo, e o solicitação chega à equipe com a conversa anexada.

Prazo de retenção

Tempo pelo qual os dados pessoais são mantidos antes da eliminação ou anonimização. Defina um para transcrições e cadastros de candidatos, documente-o e aplique-o no CRM e nos registros do agente.

Prompt

Instruções e contexto dados a um modelo de linguagem: papel, tom, regras, excertos recuperados e a pergunta do usuário. Um prompt é configuração: versione-o e teste-o como código.

Qualificação

Recolher os poucos dados que permitem à equipe atuar sobre um solicitação: nível de estudos, curso, ano de entrada, localização, dúvidas de financiamento. Pergunte apenas o necessário e explique porquê.

RAG (geração aumentada por recuperação)

Técnica que recupera os excertos relevantes dos seus conteúdos e os entrega ao modelo para redigir a resposta. Descrita num artigo de investigação de Lewis e colegas, é a base habitual do grounding.

Residência dos dados

Localização geográfica onde os dados são armazenados e tratados. Os contratos com instituições exigem muitas vezes uma região concreta; pergunte onde são tratadas as conversas, os registros e as chamadas ao modelo.

Resposta de contingência

Resposta prevista quando o agente não tem informação confiável. Uma boa resposta de recurso admite a lacuna, oferece contato humano ou um formulário e regista a pergunta para a equipe de conteúdos a preencher.

Sequência de nurturing

Série planeada de mensagens enviadas a um candidato ao longo do tempo, por e-mail ou mensagens, para esclarecer dúvidas e manter o interesse até à candidatura. Cada canal exige um fundamento legal válido.

Solicitação de informações

Primeiro contato de um candidato que pergunta sobre um curso, mensalidades, ingresso ou campus. Defina o que conta como solicitação, pois formulários, chats e ligações costumam ser contados de forma diferente entre equipes.

Speed-to-lead

Tempo entre o solicitação de um candidato e o primeiro contato, humano ou automático. Muitas equipes fixam um objetivo interno, e um agente ajuda a cumpri-lo fora do horário de expediente.

Summer melt

Candidatos que aceitam uma admissão ou pagam uma reserva mas não se matriculam. O termo vem das admissões norte-americanas e designa a distância entre aceitação e entrada; lembretes e passos claros respondem-lhe.

Taxa de conclusão da candidatura

Proporção de candidaturas iniciadas que são submetidas com todos os documentos exigidos. Mostra onde os candidatos travam e é um melhor alvo de lembretes do que o número bruto de solicitações.

Taxa de conversão

Proporção de pessoas que passam à etapa seguinte, por exemplo de solicitação a candidatura ou de candidatura a matrícula. Indique sempre as duas etapas e o período; caso contrário, dois números não são comparáveis.

Tempo de resposta

Intervalo entre a mensagem ou o formulário de um candidato e a primeira resposta útil. Meça separadamente a primeira resposta e o tempo até uma pessoa: uma resposta automática imediata não significa que a dúvida esteja resolvida.

Token

Unidade de texto que um modelo lê e escreve, aproximadamente um fragmento de palavra. Utilização, custo, limites de contexto e extensão das respostas contam-se em tokens.

Transcrição da conversa

Registo guardado de uma troca entre um candidato e o agente. Alimenta a passagem, o controlo de qualidade e as notas do CRM, pelo que segue as suas regras de retenção e acesso como qualquer dado pessoal.

Yield (taxa de aceitação)

Proporção de candidatos admitidos que aceitam a oferta e se matriculam. As equipes acompanham-na por curso e ano de entrada; difere da taxa de conversão, que pode abranger qualquer etapa.

No Brasil: ENEM, SISU, vestibular e LGPD

No Brasil, muitos candidatos entram com a nota do ENEM, pelo SISU ou pelo ProUni nas instituições que participam, enquanto outras fazem vestibular próprio ou processo seletivo. Um agente IA explica datas, documentos, bolsas e formas de ingresso e encaminha para a secretaria. Não promete vaga nem bolsa.

A LGPD é fiscalizada pela ANPD . Peça ao encarregado (DPO) que confirme base legal, finalidade e transparência, com atenção reforçada a dados de menores. O MEC e o INEP publicam as regras e os dados oficiais sobre cursos e avaliações, e o agente deve repetir apenas o que consta dessas fontes e dos documentos da instituição.

Do glossário às decisões

Um vocabulário partilhado só serve se mudar decisões. Escolha cinco termos desta lista (grounding, handoff, prazo de retenção, residência dos dados, humano no circuito) e peça a cada fornecedor, nós inclusos, uma resposta por escrito.

A Skolbot implementa agentes IA ligados ao CRM da instituição: o agente do site responde a partir dos conteúdos próprios da instituição e transmite a conversa e a sua qualificação ao CRM. A equipe de admissões mantém o controlo dos casos que exigem uma pessoa. Para comparar abordagens, leia o nosso guia de chatbots IA para o recrutamento de estudantes.