Inteligência ArtificialArtigo
Base de conhecimento com IA (RAG): como fazer a IA responder com os documentos da sua empresa
Em resumo
O que é RAG em linguagem simples, o que projetos do ChatGPT e do Claude, GPTs, Gemini Notebook e Copilot fazem com os seus arquivos (páginas oficiais, out/2026), quando montar algo próprio, como preparar os documentos, os três riscos e um teste com 20 perguntas reais.
Em resumo: para a IA responder com os documentos da sua empresa, e não com o que aprendeu na internet, usa-se uma técnica chamada RAG: antes de escrever a resposta, o sistema procura nos seus arquivos os trechos que tratam da pergunta e entrega esses trechos ao modelo junto com ela. Para uma pequena empresa, o caminho mais curto costuma ser um recurso pronto que já faz essa busca, como os projetos do ChatGPT, o Gemini Notebook (antigo NotebookLM), os projetos do Claude ou os notebooks do Copilot. O resultado depende menos da ferramenta e mais de três cuidados: documentos com uma versão só e um responsável, controle de quem enxerga o quê e um teste com perguntas reais antes de liberar para a equipe. As informações das ferramentas são das páginas de ajuda oficiais consultadas em outubro de 2026.
O que é RAG, sem jargão
Pense num atendente novo que recebe uma pasta com o manual da loja. Quando o cliente pergunta sobre troca, ele não responde de cabeça: abre a pasta, acha a página da política de trocas, lê e só então responde. RAG é isso feito por software. A sigla vem do inglês retrieval-augmented generation, traduzida pela Microsoft como geração aumentada por recuperação.
A documentação do Microsoft Foundry descreve o processo em três passos:
- Buscar: a pergunta do usuário dispara uma consulta a um índice montado a partir dos seus documentos, que devolve os trechos mais relacionados.
- Juntar: o sistema monta um pedido ao modelo com a pergunta e os trechos encontrados.
- Responder: o modelo escreve a resposta apoiado nesses trechos. Segundo a Microsoft, isso reduz imprecisões e permite citar de onde veio cada informação.
Repare no verbo: reduz, não elimina. O modelo continua sendo um gerador de texto e pode errar na leitura do trecho, juntar dois documentos que não deveriam ser juntados ou responder com confiança quando a busca trouxe o trecho errado. Por isso o teste do capítulo 6 não é opcional.
Vale separar RAG de outra coisa que se ouve muito, o ajuste fino (fine-tuning). No ajuste fino, o próprio modelo é treinado de novo com os seus dados. No RAG, o modelo não muda: os dados entram no pedido, a cada pergunta. Para uma base de manuais, políticas e tabelas que mudam todo mês, o RAG é o formato natural, porque basta trocar o arquivo para a resposta mudar.
E não confunda o assistente que consulta documentos com um agente que executa tarefas. Um responde; o outro age em sistemas. A diferença, com o custo de cada formato, está no texto sobre chatbot, copiloto e agente de IA.
Opções prontas: o que cada ferramenta faz com os seus arquivos
Todas as opções abaixo permitem anexar arquivos a um espaço de trabalho e conversar com a IA sobre eles. Elas diferem em quantos arquivos aceitam, se acompanham a versão nova de um documento e como lidam com permissões. A tabela resume o que as páginas de ajuda informavam em outubro de 2026; limites e nomes mudam com frequência, então confira na sua conta antes de decidir.
| Recurso | Onde os documentos entram | O que a ajuda oficial informa | Ponto de atenção |
|---|---|---|---|
| Projetos do ChatGPT | Arquivos enviados ou texto colado no projeto; links de pasta do Google Drive ou canal do Slack como fonte | Até 5 arquivos por projeto no plano gratuito, 25 no Go e no Plus, 40 no Pro, no Edu, no Business e no Enterprise; o projeto pode ser compartilhado com acesso de edição ou só de conversa | Em projeto compartilhado, quem tem edição altera os arquivos de todos; a ajuda registra que o app do Google Drive não sincroniza quando adicionado dentro do projeto |
| GPTs personalizados | Seção de conhecimento do GPT | Até 20 arquivos, de até 512 MB cada; a OpenAI orienta usar os arquivos para material de consulta e as instruções para regras e tom | A leitura dos documentos é só do texto: imagens dentro do arquivo são descartadas |
| Gemini Notebook (antigo NotebookLM) | Fontes do caderno: Word, PDF, PowerPoint, CSV, texto, links | No gratuito, até 50 fontes por caderno e até 500 mil palavras por fonte; respostas com citação do trecho usado; fonte do Drive se atualiza sozinha | O próprio Google avisa que a ferramenta pode errar e pede conferência |
| Projetos do Claude | Conhecimento do projeto | Quando o volume se aproxima do limite de contexto, o Claude passa a buscar só os trechos relevantes em vez de ler tudo | Essa busca ampliada está só nos planos pagos (Pro, Max, Team e Enterprise) |
| Copilot Notebooks (Microsoft 365) | Referências: arquivos enviados, arquivos do OneDrive, sites, bibliotecas e pastas do SharePoint | O Copilot usa só as referências adicionadas e às quais o usuário tem permissão | Ao compartilhar o notebook, quem recebe é convidado para todos os arquivos vinculados |
As fontes de cada linha: Projects in ChatGPT e Uploading files to ChatGPT, da OpenAI; Creating and editing GPTs, também da OpenAI; a ajuda sobre fontes do Gemini Notebook e o anúncio do Google sobre a troca de nome; RAG for projects, da Anthropic; e Add references to your Copilot Notebook, da Microsoft.
Na prática, a escolha costuma seguir o pacote que a empresa já paga. Quem guarda os documentos no Google Drive tende a ganhar com o Gemini Notebook, que acompanha o arquivo original. Os Gems do Gemini ficaram fora da tabela porque estão sendo substituídos por skills, como mostra a notícia sobre a troca dos Gems por skills. Quem vive no SharePoint e no OneDrive tem no Copilot a vantagem de herdar as permissões já existentes. Quem já tem ChatGPT ou Claude em plano empresarial começa por um projeto, sem contratar nada novo. O que mais pesa no orçamento não é a licença, como mostra a conta sobre quanto custa IA numa pequena empresa.
Quando vale montar algo próprio
Montar um sistema próprio de RAG significa juntar, você ou um fornecedor, as peças que a ferramenta pronta esconde: a rotina que lê e quebra os documentos em pedaços, o índice de busca, o modelo que responde, a tela onde o usuário pergunta e a medição de qualidade. A documentação da Microsoft sobre RAG no Azure Databricks cita, entre os componentes, a rotina que prepara e indexa os documentos e a avaliação de qualidade, custo e tempo de resposta. É trabalho de projeto, não de configuração.
Os sinais de que a ferramenta pronta deixou de servir são concretos:
- O público é o cliente, não a equipe. Os recursos da tabela respondem a quem conversa dentro da própria ferramenta. Para responder ao cliente no site ou no WhatsApp com base nos manuais, é preciso integrar a IA ao canal, o que já é outro tipo de projeto.
- Os documentos estão num sistema que a ferramenta não alcança. ERP, sistema de chamados ou banco de dados próprio exigem conector ou integração.
- Cada pessoa precisa ver uma parte diferente. Se o vendedor não pode ver a planilha de margem que a diretoria vê, a busca tem de respeitar a permissão de cada usuário. A Microsoft descreve isso como algo que a etapa de busca pode fazer, mas depende de como o sistema foi montado.
- Você precisa medir e registrar. Saber quais perguntas ficaram sem resposta, quais documentos são mais consultados e guardar registro do que foi respondido costuma exigir algo sob medida.
Se nenhum desses sinais aparece, a ferramenta pronta resolve, e o dinheiro de um projeto próprio rende mais na organização dos documentos. Se aparecerem, o roteiro para comparar propostas está no texto sobre como avaliar um fornecedor de IA antes de contratar.
Preparar os documentos antes de ligar a IA
A IA responde com o que encontra. Se a pasta tem três versões da tabela de frete, ela pode achar a de 2024. A preparação é a parte mais barata e a que mais muda a qualidade da resposta. Um checklist para fazer antes de subir qualquer arquivo:
- Uma versão só de cada documento. Apague ou tire da pasta as cópias "final", "final2" e "revisado". Se precisar guardar o histórico, guarde fora da base.
- Um dono por documento. Uma pessoa responde por manter o arquivo certo: política de trocas com o atendimento, tabela de preços com o comercial, procedimento de fechamento com o financeiro.
- Data no topo. Escreva na primeira linha "Vigente desde" e "Revisar em". A data ajuda a pessoa que confere a resposta e ajuda a própria busca, se alguém perguntar "qual a regra atual".
- Nome de arquivo que diz o conteúdo. "Politica-de-trocas-2026.pdf" em vez de "doc_final.pdf". A Anthropic recomenda nomes claros e descritivos e citar o documento na pergunta para orientar a busca; o Gemini Notebook faz recomendação parecida quando há muitas fontes.
- Texto antes de enfeite. A OpenAI observa que leiaute complexo dificulta o uso do arquivo e que a leitura dos documentos é só do texto, com as imagens descartadas. Tabela de frete que existe só como imagem precisa virar texto ou planilha.
- Regra separada de consulta. "Responda em português, com tom cordial, e diga quando não souber" vai nas instruções; o manual vai nos arquivos. É a divisão que a ajuda da OpenAI sobre GPTs recomenda.
- Nada sigiloso na primeira leva. Comece pelo que já é de uso amplo na empresa: manuais, procedimentos, perguntas frequentes. Contratos, folha de pagamento e dados de clientes ficam para depois de resolver o acesso.
Prefira, quando a ferramenta permitir, ligar o arquivo original do Drive ou do SharePoint em vez de subir uma cópia. Pela ajuda do Google, a fonte do Gemini Notebook importada do Drive se atualiza sozinha quando o documento original muda. Cópia enviada à mão fica congelada no dia do envio, e é aí que nasce a resposta desatualizada.
Os três riscos e como reduzir cada um
Resposta inventada
Mesmo com os documentos à mão, o modelo pode errar. O FAQ do Gemini Notebook diz que a ferramenta pode cometer erros, e a página sobre o chat pede que o usuário confira. A defesa principal é a citação: nas ferramentas que mostram de qual trecho saiu a resposta, como o Gemini Notebook, quem pergunta consegue abrir o trecho e checar. Torne isso regra de uso: resposta que vai para cliente, fornecedor ou contador só sai depois de alguém abrir a citação. Nas instruções, peça que a IA diga "não encontrei nos documentos" em vez de completar com conhecimento geral, e teste se ela obedece.
Documento desatualizado
É o erro mais silencioso, porque a resposta vem correta segundo um documento que já não vale. Os cuidados do capítulo anterior resolvem a maior parte: versão única, dono, data e, quando possível, arquivo ligado ao original. Some a isso uma revisão de calendário: quando muda a política, a tabela ou o procedimento, o dono troca o arquivo na base no mesmo dia. Uma sugestão do ConnectWeek, sem base em norma: revisar a base inteira a cada trimestre, conferindo a data "Revisar em" de cada documento.
Acesso a arquivo sigiloso
A IA mostra o que alcança. A Microsoft afirma que o Microsoft 365 Copilot só traz dados da organização que o usuário já tem permissão de ao menos visualizar, e o seu guia de configuração segura alerta que conteúdo compartilhado em excesso afeta os resultados e aumenta o risco, recomendando retirar usuários e grupos sobrando e links de compartilhamento com a empresa inteira. A lição vale para qualquer ferramenta: se a pasta de contratos está aberta para todos, a IA vai achar o contrato para qualquer um que perguntar. Nos projetos compartilhados do ChatGPT, a OpenAI separa acesso de edição e de conversa, e nos notebooks do Copilot compartilhar o caderno convida a pessoa para todos os arquivos ligados a ele. Arrume as permissões das pastas antes de ligar a IA, não depois. O roteiro de níveis de acesso, aprovação e registro está em como limitar permissões de um agente de IA na empresa.
Se a base tiver dado pessoal de cliente ou funcionário, entra também a LGPD: use conta empresarial, com finalidade definida, e só o dado que a tarefa exige. O detalhe do que pode ou não ir para a ferramenta está no texto sobre o que a equipe pode colar no ChatGPT. A regra interna sobre quais ferramentas e contas usar cabe na política de uso de IA da empresa.
Como testar com 20 perguntas reais antes de liberar
O teste serve para descobrir, antes da equipe, onde a base falha. O número 20 é uma sugestão do ConnectWeek, sem base em norma: é pouco o bastante para fazer numa tarde e suficiente para mostrar padrões. A OpenAI, na ajuda sobre GPTs, também recomenda testar depois de subir os arquivos para ver se o conteúdo é usado como esperado.
Como montar a lista. Tire as perguntas do dia a dia, não da imaginação: mensagens de clientes, dúvidas que os funcionários mandam no grupo, e-mails do último mês. Distribua assim:
- 8 perguntas frequentes, cuja resposta está clara num documento;
- 4 perguntas cuja resposta depende de juntar dois documentos (por exemplo, prazo de troca e custo do frete de devolução);
- 4 perguntas sobre algo que mudou recentemente, para ver se a IA pega a versão nova;
- 4 perguntas cuja resposta não está em documento nenhum, para ver se a IA admite que não sabe.
Como anotar. Para cada pergunta, registre numa planilha: resposta correta (sim ou não), documento citado, se a citação confere com o texto original e se a IA inventou algo. Quem anota deve ser o dono do documento, que conhece a resposta certa.
Exemplo resolvido (hipotético). Uma distribuidora de material de limpeza com 12 funcionários sobe 30 documentos num projeto e faz o teste. Resultado: das 8 frequentes, acertou 7; das 4 que juntam documentos, 2; das 4 sobre mudança recente, 2, porque em duas usou a tabela de preços antiga, esquecida na pasta; das 4 sem resposta, admitiu não saber em 3 e inventou um prazo na quarta. Total: 14 respostas adequadas em 20, ou 70%.
| Grupo | Acertos | Causa do erro | Correção |
|---|---|---|---|
| Frequentes (8) | 7 | Procedimento descrito só em imagem | Reescrever o procedimento em texto |
| Juntar documentos (4) | 2 | Documentos com nomes genéricos | Renomear e citar o documento na pergunta |
| Mudança recente (4) | 2 | Tabela de 2025 ainda na base | Apagar a versão velha, deixar uma só |
| Sem resposta (4) | 3 | IA completou com conhecimento geral | Reforçar nas instruções que deve dizer "não encontrei" |
Depois das correções, refaça as mesmas 20 perguntas. Um critério possível, também sugestão sem base em norma: liberar para a equipe quando nenhuma resposta inventada passar e os erros restantes forem de pergunta mal formulada, não de documento errado. Guarde a planilha; ela vira o teste de regressão sempre que a base mudar muito.
Comece por aqui Novo no assunto? Leia primeiro inteligência artificial para pequenas empresas, o texto-base desta cobertura.
Fonte: Microsoft Learn
Perguntas frequentes
O que é RAG em inteligência artificial?
É a técnica em que o sistema primeiro busca, nos documentos da empresa, os trechos ligados à pergunta e depois entrega esses trechos ao modelo para ele escrever a resposta. A documentação da Microsoft descreve três passos: buscar, juntar a pergunta com os trechos e gerar a resposta, o que reduz imprecisões e permite citar a origem.
Preciso contratar um sistema próprio para a IA usar os documentos da empresa?
Nem sempre. Projetos do ChatGPT e do Claude, GPTs personalizados, Gemini Notebook e Copilot Notebooks aceitam arquivos e respondem com base neles, conforme as páginas de ajuda consultadas em outubro de 2026. Um sistema próprio passa a fazer sentido quando o público é o cliente, os dados estão em sistemas que a ferramenta não alcança ou cada usuário precisa ver uma parte diferente.
A IA pode inventar resposta mesmo com os documentos da empresa?
Pode. O RAG reduz o problema, mas não o elimina, e o próprio Google avisa que o Gemini Notebook pode errar. Por isso vale exigir que a resposta mostre o trecho citado, pedir nas instruções que a IA diga quando não encontrou a informação e testar com perguntas cuja resposta não está em nenhum documento.
Como evitar que a IA mostre um arquivo sigiloso para quem não deveria ver?
Arrumando as permissões das pastas antes de ligar a IA. A Microsoft informa que o Microsoft 365 Copilot só mostra dados que o usuário já pode visualizar, e alerta que conteúdo compartilhado em excesso aumenta o risco. Se a pasta está aberta para todos, a IA encontra o arquivo para qualquer um. Na primeira leva, deixe fora contratos, folha e dados de clientes.
Como manter a base de conhecimento atualizada?
Com uma versão única de cada documento, um responsável por arquivo e data de vigência no topo. Quando a ferramenta permitir, ligue o arquivo original do Drive ou do SharePoint em vez de subir uma cópia: pela ajuda do Google, a fonte do Gemini Notebook importada do Drive se atualiza quando o original muda.
