O que é um LLM (e o que é o Claude e o ChatGPT)

Resposta direta

Um LLM (large language model, ou modelo de linguagem) é o motor de IA que lê e escreve texto por baixo de chatbots como o Claude e o ChatGPT. Ele aprendeu padrões de linguagem com muito texto e prevê a próxima palavra para responder. O LLM é o motor; o chatbot é a tela onde você conversa com ele.

Em linguagem de operador

LLM e ChatGPT não são a mesma coisa, mesmo que todo mundo use como sinônimo. O LLM é o motor; o ChatGPT (ou o Claude) é o carro. Você dirige o carro, mas é o motor que faz o trabalho. Quando você digita num chat e recebe uma resposta, foi o LLM por baixo que leu o seu texto e gerou a resposta. A tela do chat só passou o pedido adiante e mostrou o que voltou.

A analogia que ajuda no dia a dia: pense no LLM como um cérebro de linguagem que lê e escreve muito bem, mas que não conhece nada do seu negócio. Ele é como um profissional sênior recém-contratado, brilhante em redigir e raciocinar, que chegou hoje na sua empresa. Ele não sabe o seu plano de contas, não sabe o seu regime tributário, não conhece a política interna de aprovação de pagamento. Tudo isso você precisa dar a ele, por escrito, na hora em que pede o trabalho (é o que você faz quando escreve um bom prompt).

Como esse cérebro “aprendeu” a escrever, sem precisar de jargão: o LLM leu uma quantidade enorme de texto e, com isso, ficou muito bom em uma tarefa só, prever a próxima palavra mais provável dado tudo que veio antes. Parece pouco, mas escrever frase a frase prevendo a próxima palavra é o que faz ele responder a um e-mail, resumir um contrato ou classificar um lançamento. Não há um banco de dados de respostas certas por dentro; há um padrão de linguagem aprendido. É por isso que ele é genial em forma (o texto sai redondo) e arriscado em fato (a próxima palavra mais provável nem sempre é a verdadeira). Quem segura essa distinção entre forma que soa bem e fato que precisa ser conferido já evita boa parte das ciladas de IA no financeiro.

Vale separar três palavras que vivem confundidas, porque a confusão custa caro na hora de escolher ferramenta:

• LLM (o motor): o modelo que lê e gera texto. Claude, GPT, Gemini e Llama são LLMs (cada empresa tem o seu).
• Chatbot (a interface): a tela de conversa onde você usa o motor. O ChatGPT é o chatbot da OpenAI; o Claude.ai é o chatbot da Anthropic. Um mesmo motor pode aparecer em vários produtos.
• Agente (quem executa): quando você dá ao LLM um objetivo e ferramentas (ler arquivo, acessar o ERP, rodar código), e ele executa um processo de ponta a ponta, não só responde uma pergunta. O agente usa o LLM como cérebro, mas faz mais do que conversar.

Onde a analogia quebra: o profissional sênior recém-contratado aprende com o tempo e ganha bom senso sobre o seu negócio. O LLM não. Dentro de uma conversa ele segura o que você falou, mas ele não “estuda” a sua empresa entre uma sessão e outra, e não desenvolve faro fiscal. Ele continua um motor de linguagem: excelente em redigir, perigoso em afirmar número sem você conferir.

Na prática (exemplo BR)

A pergunta que mais aparece quando o assunto vira IA no financeiro é “mas então o meu CNPJ e o número da minha conta vão para a nuvem?”. A resposta certa depende de como o LLM é usado, e é justamente aí que uma skill bem construída faz diferença.

Pegue a leitura de uma NFS-e. O arquivo bruto é um XML que carrega tudo: o CNPJ do tomador, o CNPJ do prestador, o valor, o ISS retido, o município. Numa skill de leitura de notas que roda local na sua máquina, o motor Python abre esse XML, extrai os campos e monta um resumo com só o que importa para o trabalho (por exemplo: “nota de R$ 4.200, ISS de R$ 168, vencimento em 30 dias, fornecedor já cadastrado”). O LLM recebe esse resumo, não o XML inteiro. Ele lê o resumo, te ajuda a classificar a nota no plano de contas, sinaliza a divergência, e o número de CNPJ real do XML nunca sobe para o modelo na nuvem.

É uma diferença concreta. Num lote de 50 NFS-e processadas localmente, o LLM enxerga 50 resumos de poucos campos cada, e o XML completo (que é onde mora o dado sensível) fica na sua máquina o tempo todo. O motor que lê o dado bruto é determinístico e local; o LLM entra só na ponta de linguagem, sobre um dado já enxugado. O fosso de privacidade não é o LLM ser bonzinho, é a arquitetura decidir o que ele vê.

Onde ajuda e onde quebra

O LLM não conhece as suas regras: ele não sabe o seu plano de contas, o seu regime tributário nem a sua política de aprovação. Sem você dar esse contexto no pedido, ele responde pela média genérica da internet, que quase nunca bate com a sua operação.

Ele alucina com cara de certeza: o LLM foi feito para soar fluente e confiante, não para admitir dúvida. Ele inventa um número, uma alíquota ou um vencimento com a mesma segurança com que acerta o resto. Em valor financeiro isso é risco YMYL, então valor monetário gerado por IA nunca entra no fechamento sem validação cruzada.

A versão muda e o resultado varia: o motor é atualizado pelo fornecedor sem aviso, e o mesmo pedido pode sair um pouco diferente em dias diferentes. Para um chat avulso isso é tolerável; para um processo que você repete todo mês, é o motivo de embrulhar o LLM numa skill com motor determinístico em vez de confiar só no chat.

Dado sensível não deve ir cru: colar o XML inteiro da NFS-e, com CNPJ e valores reais, dentro de um chat na nuvem é jogar dado fiscal para fora da sua máquina. Isso pode bater de frente com a política da sua TI e com a LGPD. A saída certa é o LLM ver o resumo, não o documento bruto.

Perguntas relacionadas

Qual a diferença entre LLM e ChatGPT?

O LLM é o motor de IA que lê e gera texto; o ChatGPT é o chatbot (a tela de conversa) que usa esse motor. O ChatGPT roda em cima dos modelos GPT, da OpenAI. Dizer “usei o ChatGPT” é como dizer “usei o carro”: útil no dia a dia, mas o trabalho pesado é do motor por baixo.

O Claude é um LLM?

O Claude é o chatbot da Anthropic, e o motor por baixo dele é uma família de LLMs (também chamados Claude). Na prática as pessoas usam “o Claude” para os dois: o produto onde você conversa e o modelo que responde. O importante para o financeiro é que esse motor pode rodar dentro de uma skill local, sobre um resumo do seu dado, não o dado bruto.

LLM e IA generativa são a mesma coisa?

Não exatamente. IA generativa é a categoria ampla de IA que cria conteúdo (texto, imagem, áudio). O LLM é o tipo de IA generativa especializado em texto: ele lê e escreve linguagem. Todo LLM é IA generativa, mas nem toda IA generativa é um LLM (um gerador de imagem também é generativo e não é um modelo de linguagem).

LLM é o mesmo que chatbot?

Não. O LLM é o motor que processa linguagem; o chatbot é a interface de conversa construída em cima dele. O mesmo LLM pode aparecer num chatbot, dentro de uma planilha, num atendimento automático ou numa skill que roda na sua máquina. Confundir os dois leva a escolher a ferramenta errada para o trabalho.

Posso confiar nos números que um LLM me dá?

Use sempre com validação cruzada. O LLM acerta muito em texto, mas inventa número com a mesma confiança com que acerta, então um valor, alíquota ou data que ele gerar precisa ser conferido contra a fonte. Para o financeiro, ele é ótimo para classificar, resumir e explicar, e perigoso como calculadora sem revisão.

Os meus dados financeiros ficam guardados no LLM?

Depende de como você usa. Num chat público na nuvem, o que você cola pode ser processado fora da sua máquina, e às vezes usado pelo fornecedor conforme a política dele. Numa skill local que só mostra ao LLM um resumo do dado (não o arquivo bruto), o documento sensível, com CNPJ e número de conta, nunca sai do seu computador.

Próximo passo

Pega o Guia: os conceitos de IA que destravam o financeiro (o motor, o prompt, a skill e o agente), com o exemplo BR de cada um e onde cada um quebra. É o material para entender IA aplicada a finanças sem virar técnico, explicado pela rotina de quem fecha o mês.

Já sabe o que é o motor? O passo seguinte é aprender a dirigir: veja o que é um prompt e como escrever um bom para o financeiro, a instrução que faz o LLM trabalhar com a sua convenção, não com a média da internet. Antes do motor vem a categoria: o LLM é um tipo de IA generativa, a porta de entrada do tema. Vale ler os dois antes de bater o martelo numa ferramenta.

Quando o volume crescer e o dado ficar sensível, é aí que o LLM precisa estar embrulhado numa skill que roda local, sobre o resumo do seu dado e não o XML cru. É o mesmo princípio do exemplo da NFS-e acima.