Como fazer a IA responder com base nos documentos da empresa

Uma analista de RH responde a mesma pergunta sobre reembolso de viagem várias vezes por semana. A resposta está numa política de doze páginas que quase ninguém lê. Alguém sugere usar uma ferramenta de IA, testa, e a resposta vem bem escrita, segura e errada: a IA não conhece a política da empresa.

Esse é o ponto de partida de muitos projetos de inteligência artificial. A tecnologia sabe escrever. Falta ela saber o que a empresa sabe.

Por que a IA genérica não resolve

Os assistentes de IA mais conhecidos aprenderam com uma enorme quantidade de textos públicos. Eles não leram os seus contratos, o seu manual de procedimentos nem a sua tabela de preços. Quando recebem uma pergunta sobre isso, tentam responder com o que parece plausível.

Colar o documento na conversa funciona para um caso isolado, mas não escala. Ninguém vai fazer isso a cada pergunta, e não há controle sobre quem consultou o quê.

Como funciona uma IA que consulta os documentos da empresa

A técnica mais usada para isso tem um nome técnico, RAG, sigla em inglês para geração aumentada por recuperação. Na prática, funciona em quatro passos:

1. Organização. Os documentos da empresa são divididos em trechos e organizados de forma que o sistema consiga encontrar o assunto certo, mesmo quando a pergunta usa palavras diferentes das do texto.
2. Busca. Quando alguém pergunta, o sistema encontra os trechos mais relevantes para aquela pergunta.
3. Resposta. A IA responde usando apenas esses trechos, com a instrução de não inventar.
4. Fonte. A resposta mostra de qual documento veio, para que a pessoa possa conferir.

O resultado é um assistente que responde com o conhecimento da empresa e mostra de onde tirou cada informação.

Onde isso costuma trazer ganho

O padrão é sempre o mesmo: muitas perguntas repetidas sobre um conhecimento que já existe, mas é difícil de encontrar.

• Atendimento interno. Dúvidas sobre políticas, benefícios, reembolsos e procedimentos.
• Suporte ao cliente. Respostas consistentes a partir de manuais e bases de conhecimento.
• Comercial. Consulta rápida a condições, contratos e propostas anteriores.
• Operação. Instruções técnicas disponíveis no momento em que alguém está executando a tarefa.

Quando essa não é a resposta

Se a pergunta depende de dados que mudam o tempo todo, como estoque, saldo ou status de pedido, o caminho é consultar o sistema de origem no momento da pergunta, e não guardar cópias em documentos. Muitos projetos combinam as duas coisas: documentos para o conhecimento e conexão com os sistemas para os dados do dia.

Também não faz sentido quando o conhecimento muda todo dia e ninguém é responsável por mantê-lo. A IA vai responder com a versão que encontrar.

Os cuidados que separam um teste de uma solução em uso

• Permissões. Cada pessoa só pode receber respostas de documentos que ela já poderia ler. Um estagiário não deve receber trechos do contrato de um executivo porque fez a pergunta certa.
• Qualidade da base. Documento desatualizado gera resposta desatualizada. Cada conjunto de documentos precisa de um responsável e de uma rotina de revisão.
• Avaliação contínua. Monte uma lista de perguntas com as respostas esperadas e confira a qualidade sempre que algo mudar.
• Privacidade. Escolha fornecedores e configurações que não usem os dados da empresa para treinar modelos públicos.
• Saber dizer "não sei". Quando não encontrar base suficiente, o sistema deve dizer isso e indicar quem procurar.

Erros comuns

• Colocar todos os documentos de uma vez. Arquivos duplicados e versões antigas confundem as respostas. Comece por um conjunto limpo e com dono.
• Não medir antes. Sem saber quanto tempo as pessoas gastam hoje procurando respostas, fica difícil mostrar o ganho depois.
• Esconder as fontes. Sem a indicação do documento de origem, a equipe não confia na resposta e volta a perguntar para as pessoas.
• Tratar como projeto de TI isolado. Quem conhece o conteúdo precisa participar da escolha dos documentos e da avaliação das respostas.

Por onde começar

Escolha um tema com documentos que tenham dono e um público que faz perguntas recorrentes. Meça quanto tempo as pessoas gastam hoje procurando respostas ou esperando alguém responder. Coloque a solução para um grupo pequeno, acompanhe por algumas semanas e compare.

Um primeiro caso bem delimitado mostra se o ganho existe e orienta os próximos passos com base em números da própria empresa.

Perguntas frequentes

A IA pode inventar uma resposta?

Pode, por isso a solução é configurada para responder só com base nos trechos encontrados, mostrar a fonte e dizer quando não sabe. Ainda assim, decisões importantes devem continuar com uma pessoa.

Os documentos da empresa ficam expostos?

Não precisam ficar. A solução respeita as permissões de acesso de cada pessoa e pode ser configurada para que os dados não sejam usados no treinamento de modelos de terceiros.

Quanto custa manter?

Além do desenvolvimento, existe um custo de uso que varia com o volume de perguntas. Vale estimar esse valor no começo e comparar com o tempo que a equipe economiza.