Síntese da Parte 0¶

Parte 0 ofereceu o vocabulário e os critérios que orientam o resto do livro. O que ficou estabelecido:

Modelo vs produto vs sistema. O valor real aparece no sistema; o modelo é um componente.
Sistemas de IA são probabilísticos em ambientes determinísticos. É preciso isolar variância.
IA é sociotécnica. Falhas operacionais e organizacionais costumam ser tão danosas quanto bugs no modelo.
Demo otimiza para impacto; produção otimiza para estabilidade sob restrição. Os dois caminhos quase nunca convergem.
Trade-offs enterprise existem entre qualidade, custo, latência, segurança, governança, privacidade, manutenção, escalabilidade e auditabilidade. Nenhum sistema maximiza tudo.
Controle determinístico ≠ mitigação probabilística. Esta é uma das ideias centrais do livro e atravessa todas as partes seguintes.
A matriz de decisão arquitetural (Cap. 0.8) é a referência prática para escolher entre regras, ML, LLM, RAG, fine-tuning, agente, multi-agent ou híbrido.
O caso "Hermes Logística" estará disponível como fio condutor narrativo para ligar conceitos a decisões.

A Parte 1 entra em ML tradicional, mostrando por que ele continua sendo o caminho mais defensável para uma classe enorme de problemas -inclusive dentro de arquiteturas modernas com LLMs e agentes.