O que é um AI component
Nota: Este documento é uma tradução automática da versão original em inglês.
O que é um AI component
Um AI component é a parte específica de um projeto onde o trabalho de IA real acontece — análise, geração, predição, ranqueamento ou tomada de decisão. Não é um rótulo de marketing nem uma menção de marca. Nos cartões de projeto do DecAIHub, o campo AI component responde a uma pergunta: o que exatamente a IA faz aqui?
Em resumo: um AI component é o mecanismo concreto onde os dados entram e um resultado orientado por IA sai — não um logotipo, um slogan ou uma promessa de roadmap.
Analogia para iniciantes
Pense em um projeto como um restaurante. O use case é o cardápio — o que o cliente vê e pede. O AI component é a cozinha — o equipamento e a técnica de fato que transformam ingredientes brutos em um prato. Um restaurante pode ter um cardápio lindo (use case), mas nenhuma cozinha funcional (AI component). Quando o DecAIHub revisa um projeto, ele entra na cozinha para verificar se o fogão é real, se alguém está cozinhando e se há receitas de verdade — não apenas fotos de comida impressas em uma placa lá fora.
O que é
Um AI component é um módulo funcional ou subsistema que realiza um trabalho tipicamente associado à inteligência artificial ou ao machine learning. Isso inclui:
- Motores de inferência — rodar um modelo treinado para produzir saídas (predições, classificações, texto ou imagens gerados)
- Pipelines de treinamento — atualizar os weights do modelo com novos dados
- Modelos de analytics — extrair padrões, pontuações ou sinais de dados (analytics de mercado, pontuação de risco, análise de sentimento)
- Frameworks de agentes — orquestrar tomada de decisão autônoma, uso de ferramentas e raciocínio de múltiplos passos
- Sistemas de rotulagem de dados — gerenciar anotação humana ou automatizada para construir datasets
- Orquestração de compute — distribuir cargas de trabalho de IA entre nós ou GPUs
A distinção-chave: um projeto tem um AI component se contém um subsistema que processa dados usando modelos, algoritmos ou representações aprendidas. Um projeto carece de um AI component se "AI" aparece apenas em seu nome, texto de marketing ou planos futuros, sem qualquer implementação técnica verificável.
Um AI component não precisa ser construído sob medida do zero. Um projeto que faz fine-tuning de um modelo open-source, envolve uma API de inferência com pré e pós-processamento significativo, ou treina seu próprio classificador em dados proprietários, ainda tem um AI component — desde que a camada de IA acrescente uma função verificável além de um simples pass-through.
O espectro: de ausente a totalmente verificável
Nem todos os AI components são iguais. Eles existem em um espectro de maturidade e verificabilidade:
| Nível | Descrição | O que esperar |
|---|---|---|
| Ausente | Nenhuma IA encontrada no projeto | O campo ai_component lê none ou unknown |
| Positioning only | IA alegada no marketing mas sem evidência técnica | O campo lê positioning only; o ai_score é 0 |
| Declarado | A IA é mencionada em docs oficiais ou roadmap, mas sem artefatos funcionais | AI_0 = 1, as demais flags de IA são 0 |
| Demonstrado | Existe uma demo funcional, protótipo ou pipeline documentado | AI_1 e AI_2 são 1; evidência parcial |
| Verificado | Benchmarks, documentação técnica, versões de modelo e resultados reproduzíveis estão disponíveis | AI_3 e AI_4 são 1; forte evidência Tier-1 |
Este espectro importa porque "ter IA" não é binário na prática. Um projeto pode ter um modelo treinado mas nenhum benchmark, ou uma demo funcional mas nenhuma arquitetura publicada. O campo AI component captura o que existe, não o que poderia existir no futuro.
Valores comuns de AI component no DecAIHub
Aqui estão valores reais de cartões de projeto no registro:
AI agent platform (workflows/tools/KB)— infraestrutura de agente com ferramentas e base de conhecimentoAI data labeling + model evaluation (human experts)— rotulagem com um pipeline human-in-the-loopAI/ML crypto market analytics (app)— modelos de machine learning aplicados a dados de mercadocompute orchestration— roteamento e agendamento de tarefas de compute de IAAI trading signals— modelos que geram sinais relacionados a trading a partir de dadosagentic framework (memory/actions/plugins)— um runtime de agente com memória e integrações de ferramentasAI summaries + crypto intelligence terminal— sumarização baseada em NLP e análise de dadosinference engine— um sistema dedicado a rodar inferência de modelo
Cada valor descreve o que a IA de fato faz — não o que o projeto promete se tornar. Esses valores são extraídos do registro normalizado de campos repetidos para garantir consistência entre os cartões de projeto. Quando um revisor preenche o campo AI component, ele escolhe entre os valores observados ou adiciona um novo que capture precisamente o mecanismo técnico.
Onde aparece nos cartões de projeto do DecAIHub
O campo AI component (ai_component) faz parte da tabela do Project Passport. Ele fica ao lado do campo Use case. Juntos, separam o mecanismo técnico da descrição do produto.
Se o campo lê positioning only, none ou unknown, significa que a evidência de um AI component funcional não foi confirmada até a data da verificação. Esses não são tecnologias — são modos de leitura de evidência.
O campo AI component é uma das primeiras coisas que um leitor experiente verifica. Ele dá um sinal imediato: este projeto faz algo com IA, ou apenas diz que faz? Combinado com a tabela de Evidence e a data de verificação, ele pinta um quadro rápido da substância técnica do projeto.
Como os AI components são verificados
A verificação segue a hierarquia de evidências Tier-1/2/3. Para que o AI component avance além de positioning only, os revisores procuram por:
- Artefatos Tier-1 — código-fonte em repositórios públicos, pesos de modelo ou descrições de arquitetura, relatórios de benchmark com metodologia, documentação de API mostrando endpoints de inferência, artigos técnicos publicados pela equipe.
- Contexto Tier-2 — revisões de terceiros mencionando o pipeline de IA, integrações de ecossistema que dependem da saída da IA, descrições de agregadores que referenciam funcionalidade de IA específica.
- Sinais Tier-3 — alegações de marketing, menções de influenciadores, press releases sem detalhe técnico. Estes são anotados, mas não elevam o AI score por si só.
A revisão também verifica anti-patterns comuns: um repositório do GitHub vazio listado como "código de IA", benchmarks copiados de outro projeto ou um API wrapper apresentado como modelo proprietário. Essas red flags mantêm o ai_score em 0 até que evidência verificável apareça.
O que um AI component significa para o DecAI Fit
O AI component alimenta diretamente o eixo de AI reality da pontuação DecAI Fit. Sem evidência Tier-1 de um AI component funcional, o ai_score de um projeto é 0 — e seu DecAI Fit geral não pode subir acima de 0.
Esta é a regra mais rígida do sistema de pontuação: sem AI reality, sem DecAI Fit acima de 0. Mesmo que um projeto tenha forte infraestrutura on-chain e um token bem projetado, ele não pode pontuar acima de zero sem um AI component verificável. Isso reflete a tese central do DecAIHub — o registro avalia o alinhamento com a tese de "IA Descentralizada", e a IA é o ponto de partida inegociável.
Isso não significa que o projeto seja ruim ou sem valor. Significa que a evidência não estava disponível no momento da revisão. Quando artefatos verificáveis (código, benchmarks, demos, documentação técnica) aparecem, o cartão é atualizado.
O que este termo por si só não prova
- Ter um AI component não prova que o produto é útil, que o token é necessário ou que a integração on-chain é significativa.
- O campo AI component descreve apenas o mecanismo. Qualidade, maturidade e escala são avaliados separadamente por meio da tabela de Evidence e das flags de AI reality.
- Um projeto pode ter um AI component real que é trivial — por exemplo, um simples classificador de sentimento chamando uma API externa. Real não significa significativo.
- Por outro lado, um projeto com um AI component sofisticado ainda pode pontuar baixo no DecAI Fit se sua integração on-chain for superficial ou se seu token não cumprir nenhuma função.
Não confundir com
- Use case descreve o que o usuário obtém do produto. O AI component descreve o que a IA faz por dentro. Veja AI component vs use case.
- Category (por exemplo,
AI/Agents) classifica o projeto em um nível mais alto. O AI component é mais específico: a tecnologia de fato. - Automação nem sempre é IA. Scripts simples baseados em regras ou fluxos de trabalho se/então não são AI components. Veja Automação vs AI component real.
- Modelo de IA refere-se ao artefato treinado (weights, arquitetura). O AI component é mais amplo: inclui o modelo mais o pipeline ao seu redor (ingestão de dados, pré-processamento, serviço de inferência, pós-processamento).
- API wrapper — um projeto que apenas encaminha requisições a uma API de IA de terceiros (como um LLM hospedado) sem acrescentar processamento significativo. Isso pode ou não se qualificar como um AI component, dependendo do nível de integração e do valor agregado.
Perguntas frequentes
Qual é a diferença entre um AI component e um use case?
O AI component é o mecanismo técnico — o que a IA faz (por exemplo, roda inferência, treina modelos, pontua dados). O use case é o resultado do produto — o que o usuário obtém (por exemplo, copilot de DeFi, rastreador de portfólio, alertas de risco). Um projeto pode ter o mesmo AI component mas use cases diferentes, ou o mesmo use case alimentado por AI components inteiramente diferentes. Nos cartões de projeto do DecAIHub, esses são campos deliberadamente separados para que os leitores possam avaliar a tecnologia e o produto de forma independente. Veja AI component vs use case para uma comparação detalhada.
Um projeto pode ter IA sem um AI component?
Não — na terminologia do DecAIHub, se um projeto tem IA, ele tem um AI component. A questão é se esse componente é verificável. Um projeto pode genuinamente usar IA internamente mas não fornecer evidência pública: sem código, sem documentação, sem benchmarks, sem demos. Nesse caso, o campo AI component lerá unknown e o ai_score permanecerá 0. Isso não significa que a IA está ausente — significa que a evidência está ausente. O cartão é atualizado quando a evidência aparece.
O que significa "positioning only"?
Significa que o projeto usa linguagem de IA em seu marketing, branding ou posicionamento — mas nenhuma evidência Tier-1 ou Tier-2 de um AI component funcional foi encontrada. A palavra "AI" pode aparecer no nome do projeto, no slogan do site ou no pitch deck, mas não há repositório de código, documentação de modelo, demo nem descrição técnica do que a IA de fato faz. "Positioning only" é uma observação factual, não um julgamento. Alguns projetos nesse estado podem estar pré-lançamento, com AI components em desenvolvimento; outros podem nunca construir um.
Um ai_score mais alto significa um projeto melhor?
Não. O ai_score mede a verificabilidade do AI component, não a qualidade do produto ou a utilidade da tecnologia. Um projeto com ai_score = 3 tem evidência forte de que sua IA é real e documentada. Um projeto com ai_score = 1 tem evidência limitada. Nenhuma pontuação diz nada sobre se o produto resolve um problema real, se os usuários precisam dele ou se o modelo de token faz sentido. O DecAI Fit combina quatro dimensões — AI reality, Onchain necessity, Token necessity e Evidence — para dar um quadro mais completo.
Referências externas
- Machine Learning Glossary — Google Developers — definições de referência para a terminologia de ML e IA usada em toda a indústria.
- The promises and challenges of crypto + AI applications — Vitalik Buterin — um framework para pensar sobre onde IA e blockchain genuinamente se complementam.
- Stanford HAI — AI Index Report — dados anuais sobre o estado da inteligência artificial, incluindo adoção, pesquisa e progresso técnico.
No comments to display
No comments to display