O que é algoritmo: passos finitos para um resultado

Algoritmo é um conjunto finito e bem especificado de passos que, aplicados a uma entrada, produzem um resultado prescrito. Em computação, descreve como transformar dados em resposta, seja por regras escritas por pessoas ou por procedimentos que aprendem padrões a partir de exemplos. Serve a software, criptografia e sistemas de inteligência artificial.

Você abre um app de mapas, pede o caminho mais rápido e recebe uma rota em segundos. Em outra tela, a loja sugere um produto e o banco decide se libera um crédito. Por trás desses gestos há um algoritmo em execução, com critérios, limites e falhas possíveis. Entender a definição de algoritmo ajuda a separar o que a máquina calcula do que ainda exige julgamento humano.

Quem pesquisa o tema costuma misturar algoritmo, programa, modelo e inteligência do sistema. Além disso, o jargão muda conforme a área. Por isso este guia traduz o mecanismo, mostra exemplos cotidianos e aponta riscos que acompanham cada benefício, sem prometer resultado mágico.

Como funciona um algoritmo na prática?#

Como funciona um algoritmo, em essência, é receber uma entrada, aplicar regras na ordem certa e devolver uma saída. Segundo o glossário de segurança da definição de algoritmo do NIST, trata-se de um processo matemático claramente especificado, ou seja, um conjunto de regras que, se seguido, leva a um resultado prescrito. A entrada do glossário da MDN sobre algorithm reforça o mesmo núcleo, descrevendo uma série autocontida de instruções para executar uma função de forma repetível.

Entrada, regras e saída#

Imagine que você precisa ordenar dez nomes de clientes em ordem alfabética. A entrada é a lista bagunçada. As regras dizem como comparar dois nomes e quando trocá-los de lugar. A saída é a lista ordenada. Enquanto isso, o mesmo problema admite caminhos diferentes. Um caminho compara pares vizinhos várias vezes. Outro divide a lista e ordena pedaços menores. Os dois podem chegar ao resultado correto, porém o tempo e a memória gastas mudam.

Por que a ordem dos passos importa#

Se a regra de comparar A com B vier depois de descartar B, o resultado deixa de ser confiável. Assim, um algoritmo não é só a intenção de ordenar. Ele é a sequência fechada o bastante para outra pessoa, ou outra máquina, repetir o processo e obter o mesmo tipo de resposta nas mesmas condições. No entanto, há algoritmos probabilísticos, em que o caminho inclui aleatoriedade controlada. Nesses casos o resultado ainda segue a especificação, porém a execução individual pode variar dentro do que a regra permite.

Um exemplo numérico com premissas explícitas#

Suponha uma lista ordenada com 1.024 nomes e a tarefa de achar um nome específico. Premissa 1, a lista está ordenada. Premissa 2, cada comparação responde se é este, se está antes ou se está depois. Premissa 3, contamos só comparações. Um algoritmo que testa um nome por vez pode precisar de até 1.024 comparações no pior caso. Um algoritmo que sempre corta o intervalo pela metade reduz drasticamente o número de checagens quando a premissa de ordenação vale. Por outro lado, se a lista estiver bagunçada, o atalho some e o custo sobe. Esse contraste é o que a complexidade algorítmica resume em linguagem técnica, inclusive pela ideia de Big O citada no glossário da MDN.

Na prática, o que eu vejo com mais frequência é time tratar “temos um algoritmo” como sinônimo de “já está pronto para produção”, sem documentar entrada válida, casos-limite e o que acontece quando o dado chega incompleto.

Quais são os tipos de algoritmo mais comuns?#

Os tipos de algoritmo mais citados no dia a dia cobrem ordenação, busca, criptografia, roteamento e aprendizado a partir de dados. Em cada família o benefício é velocidade, economia de recurso ou proteção da informação. O custo escondido é escolher um método inadequado ao tamanho dos dados, à memória disponível ou ao nível de risco do problema, e aí a operação lenta vira fila, timeout, conta de nuvem mais alta ou incidente de segurança.

Algoritmos clássicos de dados#

Ordenação e busca aparecem em planilhas, bancos de dados e filas de atendimento. Roteamento calcula caminhos em mapas e em redes. Compressão reduz tamanho de arquivo com regras de substituição. Por exemplo, um método ótimo para cem itens pode degradar quando a base cresce para milhões. Em seguida a equipe descobre que o gargalo não era a linguagem, e sim a escolha do procedimento.

Algoritmos de aprendizado e modelos#

Quando as regras não cabem em condições simples escritas à mão, entra o aprendizado de máquina. Em vez de listar todas as condições, o procedimento ajusta parâmetros com exemplos rotulados ou padrões nos dados. O produto desse treino costuma ser chamado de modelo. Porém o modelo não entende no sentido humano. Ele aplica a relação matemática aprendida a entradas novas. Se os exemplos forem enviesados, a saída herda o viés. Se a distribuição dos dados mudar depois do treino, a qualidade cai sem aviso dramático na interface.

Tabela rápida para orientar a leitura#

Se fosse comigo, eu começaria classificando o problema na tabela acima antes de discutir ferramenta, porque misturar cifra com modelo generativo costuma gerar expectativa errada sobre garantia de resultado.

O que muda no algoritmo em programação?#

No algoritmo em programação, a ideia abstrata vira código em uma linguagem, com estruturas de decisão, repetição e dados. O programa é a implementação. O algoritmo é o método. Você pode trocar a linguagem e manter o mesmo método, ou manter a linguagem e trocar o método. Por isso dois códigos diferentes podem expressar o mesmo algoritmo, e dois algoritmos diferentes podem resolver o mesmo problema com custos distintos.

Eficiência, manutenção e débito oculto#

Eficiência importa porque tempo de CPU, memória e chamadas a serviços externos têm preço. Em computação em nuvem, um algoritmo que faz dez vezes mais leituras do que o necessário aparece na fatura. Além disso, um método difícil de explicar vira custo de manutenção. A equipe nova herda um fluxo opaco e evita mexer nele. Em seguida surgem atalhos paralelos, e o sistema passa a ter dois comportamentos para o mesmo caso.

Interface e contrato com outros sistemas#

Muitos algoritmos só fazem sentido quando conversam com outros componentes por API. O contrato define o formato da entrada e o da saída. Se o algoritmo espera um número e recebe texto vazio, a falha pode ser silenciosa ou barulhenta, conforme o tratamento de erro. O benefício de automatizar some quando ninguém valida o contrato. O risco é propagar lixo para o próximo passo da cadeia.

O erro que mais custa caro aqui é otimizar microdetalhe de código sem medir se o gargalo está no método escolhido, na rede ou no dado sujo que alimenta a regra.

Qual a diferença entre algoritmo, programa e modelo de IA?#

Algoritmo é o método. Programa é a expressão desse método em software executável. Modelo de IA, no sentido de aprendizado de máquina, é o artefato treinado que aplica relações aprendidas a novas entradas. O material da Google for Developers sobre o que é machine learning deixa a distinção operacional clara. Na programação tradicional você escreve regras que atuam sobre dados para produzir respostas. No aprendizado de máquina você oferece dados e rótulos para o sistema inferir regras, e o resultado do treino é o modelo usado depois para prever ou gerar.

Quando a regulação fala em sistema de IA#

O Regulamento (UE) 2024/1689, o AI Act no texto publicado no EUR-Lex, de 13 de junho de 2024, descreve sistemas de IA pela capacidade de inferir saídas como previsões, conteúdo, recomendações ou decisões, e também pela capacidade de derivar modelos ou algoritmos a partir de entradas ou dados. O mesmo considerando deixa explícito que a definição não deve cobrir sistemas baseados apenas em regras definidas unicamente por pessoas para executar operações de forma automática. Em outras palavras, nem todo algoritmo é tratado como sistema de IA sob esse marco. A fronteira importa para quem importa regra europeia ou compara regimes.

Generativo, LLM e alucinação#

Sistemas de inteligência artificial generativa e um LLM (modelo de linguagem de grande escala) usam procedimentos estatísticos para produzir texto, imagem ou outro conteúdo. O benefício é velocidade de rascunho e apoio a tarefas repetitivas. O risco paralelo é a alucinação de IA, quando a saída parece coerente e ainda assim inventa fato. Por isso conferência humana continua parte do processo quando a resposta alimenta decisão, publicação ou cliente.

Muita gente acha que um algoritmo inteligente resolve sozinho, e quase sempre está enganada, porque o que muda na IA é a origem das regras e o grau de opacidade, não a necessidade de critério, dado de qualidade e revisão.

Onde o algoritmo aparece no seu dia a dia?#

O algoritmo aparece em recomendações de vídeo, ranking de busca, cálculo de rota, detecção de fraude, fila de atendimento e proteção de senha. Em criptografia, a OWASP explica que uma cifra é um algoritmo de criptografia ou decriptação, com famílias simétricas e assimétricas e exemplos como AES em cifras de bloco. O benefício é reduzir exposição de dado sensível. O custo é complexidade operacional, porque chave perdida ou algoritmo obsoleto vira incidente.

Recomendação e ranqueamento#

Quando a plataforma decide o que mostrar primeiro, há objetivos embutidos, como engajamento, relevância declarada ou receita. Você ganha atalho para achar conteúdo. Por outro lado, o mesmo mecanismo pode reforçar filtro estreito se só amplificar o que você já consome. Sem transparência mínima, fica difícil saber se a ordem reflete qualidade, popularidade ou outro critério comercial.

Decisão que afeta pessoa#

Crédito, triagem de currículo e moderação de conteúdo usam regras ou modelos sobre perfis. O ganho operacional é escala. O risco é erro sistemático contra grupos, ou decisão opaca sem canal de contestação. No Brasil, a LGPD trata decisão tomada unicamente com base em tratamento automatizado que afete interesses do titular, com direito a solicitar revisão e a pedir informações claras sobre critérios e procedimentos, observados segredos comercial e industrial, conforme o art. 20 da Lei 13.709/2018 no texto compilado do Planalto, conferido nesta sessão.

Quando reviso um fluxo novo, o que costuma falhar primeiro é a ausência de dono humano para o critério, ou seja, ninguém consegue explicar por que a regra existe nem quando ela deveria parar de valer.

Quais riscos e limites um algoritmo traz?#

Todo benefício de automação vem com limite de premissa, custo de manutenção e risco de erro em escala. Um algoritmo correto para o caso médio pode falhar no caso raro. Um modelo treinado ontem pode degradar amanhã se o mundo mudar. Uma regra de segurança forte no papel pode ser fraca na implementação. Por isso a pergunta útil não é só se funciona, e sim em quais condições falha e quem responde pela falha.

Premissas quebradas e dados ruins#

Se a regra assume preço sempre positivo e chega zero, a divisão pode quebrar o fluxo. Se o modelo assume que o futuro parece o passado e o mercado muda, a previsão piora. Assim, inventário de premissas vale mais do que slogan de inovação. Em seguida, métricas de monitoramento mostram deriva antes que o usuário reclame em massa.

Opacidade, viés e dependência excessiva#

Quanto mais complexa a cadeia, mais difícil auditar um passo isolado. Há ganho de capacidade. Há também custo de explicação e risco de confiança cega. Em temas com dado pessoal, transparência e base legal não são detalhe ético opcional. São obrigação de tratamento responsável, com canais para o titular exercer direitos previstos na LGPD.

No dia a dia de quem opera sistemas, o ponto de atenção costuma ser a falta de teste nos extremos, porque o demonstrativo feliz usa dado limpo e o incidente real chega com campo nulo, fuso errado ou texto colado no lugar do número.

Termos relacionados#

• aprendizado de máquina É a família de algoritmos que ajusta modelos a partir de dados em vez de listar todas as regras à mão.
• inteligência artificial generativa Usa procedimentos estatísticos para produzir conteúdo novo, com limites de fidelidade factual.
• LLM (modelo de linguagem de grande escala) É um tipo de modelo generativo de texto que depende de treino em larga escala e de amostragem na geração.
• alucinação de IA Nomeia o caso em que a saída parece plausível e ainda assim inventa informação.
• API (interface de programação de aplicações) É o contrato pelo qual programas expõem entradas e saídas para outros sistemas consumirem um algoritmo.
• computação em nuvem É o ambiente em que muitos algoritmos rodam como serviço, com custo ligado a tempo de processamento e tráfego.

Perguntas frequentes sobre algoritmo#

As dúvidas abaixo concentram o que costuma sobrar depois da definição. Elas cobrem linguagem simples, diferença para IA, eficiência, decisão automatizada e o que fazer quando o resultado parece estranho. Use cada resposta como ponto de partida e volte às seções longas quando precisar do mecanismo completo.

O que é algoritmo em poucas palavras?#

Algoritmo é uma sequência finita de passos bem definidos para transformar uma entrada em um resultado prescrito. Em computação, essa sequência pode estar em regras escritas por pessoas ou em procedimentos que aprendem a partir de dados. A mesma ideia aparece em tarefas simples, como ordenar uma lista, e em sistemas complexos de recomendação.

Algoritmo é a mesma coisa que inteligência artificial?#

Não. Algoritmo é o método geral. Inteligência artificial, no uso atual, costuma apontar para sistemas que inferem padrões ou geram saídas com algum grau de autonomia adaptativa. O AI Act europeu, no texto do EUR-Lex conferido nesta sessão, separa sistemas de IA de software tradicional baseado só em regras definidas por pessoas. Por isso um cálculo de juros simples pode ser algorítmico sem ser tratado como sistema de IA.

Por que dois algoritmos para o mesmo problema podem ter custos diferentes?#

Porque o número de passos e o uso de memória crescem de formas distintas quando o volume de dados aumenta. Um método aceitável para cem itens pode ficar inviável para dez milhões. Além disso, implementação, hardware e qualidade do dado alteram o tempo real. Medir com carga representativa evita surpresa em produção.

Decisão tomada por algoritmo pode ser questionada no Brasil?#

Quando a decisão for tomada unicamente com base em tratamento automatizado de dados pessoais e afetar interesses do titular, a LGPD prevê o direito de solicitar revisão e de pedir informações claras sobre critérios e procedimentos, com ressalvas de segredo comercial e industrial, conforme o art. 20 da Lei 13.709/2018. O caso concreto define prazos, exceções e o canal adequado. Orientação individual exige análise jurídica própria.

O que fazer se um sistema algorítmico errar com frequência?#

Registre exemplos do erro, isole se a falha está no dado de entrada, na regra ou no modelo, e peça ao responsável a métrica monitorada e o critério de aceite. Em seguida, evite corrigir no chute com exceção empilhada sem dono. Se houver dado pessoal e impacto relevante, use os canais de titular previstos na política de privacidade do controlador.

Conclusão#

Para a maioria das pessoas que só querem decidir com mais clareza, o caminho útil é tratar algoritmo como método com premissas, não como autoridade invisível. Peça a entrada que ele exige, o resultado que ele promete e o que acontece no caso feio. Se a resposta não couber em linguagem simples, desconfie da prontidão do sistema, não da sua capacidade de entender.

A resposta muda quando o fluxo envolve aprendizado de máquina, dado pessoal ou decisão com efeito concreto sobre crédito, emprego ou acesso a serviço. Nesses casos o foco passa de qual biblioteca usar para evidência, monitoramento, base legal e canal de revisão. O primeiro passo prático é escrever em uma página a premissa, a métrica de sucesso e o critério de interrupção manual antes de ampliar a automação.

Este conteúdo sobre algoritmo é informativo e geral. Não substitui consultoria jurídica sobre decisões automatizadas, nem auditoria de segurança, nem recomendação de produto ou modelo específico. Obrigações sob a LGPD e enquadramentos de sistemas de IA dependem dos fatos de cada operação. Procure profissional habilitado quando houver impacto concreto em direitos, contratos ou dados pessoais. As fontes técnicas e legais citadas foram conferidas em outubro de 2026.