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 caderno de encargos, num contrato ou numa reunião de equipa.

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 percurso

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 pedido, marcar uma visita, escrever no CRM, passar o caso à equipa. Âmbito e permissões são fixados à partida.

Alucinação

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

Atribuição

Método que atribui um pedido 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 propinas, 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 guião. 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 ficha, 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

Evento agendado em que os candidatos visitam um campus ou seguem sessões online. É um objetivo de marcação essencial para um agente de admissões, porque transforma um pedido num primeiro contacto real.

Double opt-in

Consentimento em dois passos: a pessoa subscreve e depois confirma através de uma ligação 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 pedido ou conversa à pessoa ou equipa 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 ficha do candidato a informação recolhida na conversa: curso de interesse, ano de entrada, perguntas feitas. A equipa 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 pedido 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 contacto à matrícula: em geral pedido, candidato qualificado, candidatura, admissão, reserva de vaga e matrícula. Os nomes variam consoante a 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

Conceção 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 marcar um dia aberto ou atualizar uma ficha 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 propinas, marcar 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 marcação 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 à parte 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 ligação, como origem, meio e campanha, que identificam de onde veio uma visita. UTM coerentes permitem ligar as conversas do chatbot aos canais de marketing.

Pedido de chamada

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

Pedido de informação

Primeiro contacto de um candidato que pergunta por um curso, propinas, ano de entrada ou campus. Defina o que conta como pedido, porque formulários, chats e chamadas são muitas vezes contados de forma diferente entre equipas.

Prazo de conservação

Tempo durante o qual os dados pessoais são guardados antes de apagados ou anonimizados. Fixe um para transcrições e fichas de candidatos, documente-o e aplique-o no CRM e nos registos do agente.

Prompt

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

Qualificação

Recolher os poucos dados que permitem à equipa atuar sobre um pedido: 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 registos e as chamadas ao modelo.

Resposta de recurso

Resposta prevista quando o agente não tem informação fiável. Uma boa resposta de recurso admite a lacuna, oferece contacto humano ou um formulário e regista a pergunta para a equipa 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.

Speed-to-lead

Tempo entre o pedido de um candidato e o primeiro contacto, humano ou automático. Muitas equipas 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 estagnam e é um melhor alvo de lembretes do que o número bruto de pedidos.

Taxa de conversão

Proporção de pessoas que passam à etapa seguinte, por exemplo de pedido 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 conservação e acesso como qualquer dado pessoal.

Yield (taxa de aceitação)

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

Em Portugal: DGES, concurso nacional e CNPD

Em Portugal, o acesso ao ensino superior público faz-se pelo concurso nacional de acesso, coordenado pela DGES, enquanto muitas instituições privadas e politécnicas recebem candidaturas diretamente. Um agente IA explica calendário, provas de ingresso e documentos e encaminha para a equipa; nunca promete colocação.

A CNPD é a autoridade portuguesa de proteção de dados: peça ao encarregado de proteção de dados que confirme finalidade, prazo de conservação e regras de comunicação comercial antes do arranque. A qualidade dos cursos é avaliada pela A3ES, e o agente só deve repetir o que consta das fontes oficiais da instituição. Dias abertos e candidaturas a mestrados e a estudantes internacionais são os momentos em que a passagem para uma pessoa mais pesa.

Do glossário às decisões

Um vocabulário partilhado só serve se mudar decisões. Escolha cinco termos desta lista (grounding, handoff, prazo de conservação, residência dos dados, humano no circuito) e peça a cada fornecedor, nós incluídos, 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 equipa 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.