Assistente de IA que responde com os documentos da empresa

Qual é o procedimento para devolução de mercadoria com avaria? Quantos dias antes preciso pedir férias? Qual versão da instrução de trabalho vale para a linha 3? A resposta existe, em algum PDF, numa pasta compartilhada, num e-mail de dois anos atrás ou na cabeça de alguém que está de férias.

Um assistente de IA que responde com base nos documentos da empresa resolve esse problema quando é bem feito, e cria outro quando não é: respostas confiantes e erradas, ou pior, respostas certas para quem não deveria vê-las. Este texto explica como o assistente funciona, sem jargão, e quais decisões definem se ele sobrevive ao primeiro mês de uso.

O conhecimento da empresa está espalhado e ninguém acha

O problema raramente é falta de documentação. É excesso, em lugares diferentes, sem dono e sem data:

• Manuais e políticas em PDF numa pasta de rede, com três versões do mesmo arquivo.
• Procedimentos operacionais num sistema de qualidade que só meia dúzia de pessoas sabe acessar.
• Respostas recorrentes em conversas de chat corporativo, perdidas na rolagem.
• Conhecimento tácito de quem está na empresa há anos e responde a mesma pergunta toda semana.

A busca por palavra-chave não ajuda muito, porque quem pergunta usa palavras diferentes das que estão no documento. A pessoa procura "reembolso de quilometragem" e a política fala em "ressarcimento de despesas com veículo próprio". O resultado é que ela desiste e pergunta para alguém, e esse alguém para o que estava fazendo.

Quando vale a pena: empresas com um volume de documentos que ninguém domina sozinho, perguntas repetitivas que chegam ao RH, à qualidade, à TI ou ao jurídico, e equipes distribuídas que não têm a quem perguntar no corredor.

Quando não vale: se os documentos estão desatualizados ou contraditórios, o assistente vai reproduzir a confusão com mais velocidade. Às vezes o primeiro projeto é organizar o acervo, não construir o assistente.

Como funciona: buscar primeiro, responder depois

O modelo de linguagem, sozinho, não conhece seus documentos e não deve responder de memória. A técnica usada é chamada de geração aumentada por recuperação (RAG, na sigla em inglês), e a ideia é simples:

1. Preparação. Os documentos são divididos em trechos, e cada trecho é transformado numa representação numérica do seu significado. Isso permite encontrar trechos por sentido, não só por palavra exata.
2. Busca. Quando alguém pergunta, o sistema procura os trechos mais relevantes, combinando a busca por significado com a busca tradicional por palavras. Nomes de produtos, códigos e siglas se encontram melhor pela busca tradicional.
3. Resposta. Os trechos encontrados são entregues ao modelo com uma instrução clara: responda somente com base nestes trechos, cite de onde veio cada informação e diga que não sabe se a resposta não estiver aqui.

A diferença prática é grande. O assistente não "aprendeu" seus documentos; ele os consulta a cada pergunta. Atualizar um procedimento é atualizar o acervo, sem retreinar nada.

A mesma arquitetura aparece voltada ao cliente em atendimento no WhatsApp com IA. A versão interna tem uma exigência a mais, que é o assunto mais importante deste texto: permissões.

Preparando o acervo: formatos, versões e documentos obsoletos

A qualidade da resposta é limitada pela qualidade do que o sistema encontra. A maior parte do esforço de um bom projeto está aqui, não no modelo.

Formatos. PDF digital, documentos de texto e páginas web são tranquilos. PDF escaneado precisa de reconhecimento de texto. Tabelas, fluxogramas e planilhas pedem tratamento específico para não virarem uma sopa de números sem contexto. Quando o acervo tem muitos formulários e documentos estruturados, as técnicas de extração de dados de documentos com IA entram na preparação.

Divisão em trechos. Cortar o documento a cada tantas palavras quebra uma regra no meio. O corte melhor respeita a estrutura: seção, item, pergunta e resposta. Cada trecho carrega o título do documento e da seção de onde veio.

Versões. Se a política de viagens de 2023 e a de 2025 estão no acervo, o assistente pode responder com a errada. Cada documento precisa de metadados: versão, data de vigência, área dona. Documentos revogados saem do índice ou ficam marcados como históricos.

Dono do conteúdo. Cada documento tem uma área responsável por mantê-lo. Sem dono, o acervo apodrece e a confiança no assistente vai junto.

Sincronização. O índice precisa acompanhar as fontes. Um conector lê a pasta, o sistema de qualidade ou a wiki periodicamente, detecta o que mudou e atualiza só esses trechos.

Permissões: o assistente não pode vazar o que a pessoa não vê

Este é o ponto que mais derruba projetos internos. O acervo tem documentos que não são para todos: tabela salarial, processos trabalhistas, contratos com cláusulas confidenciais, planos de reestruturação. Se o assistente busca em tudo e responde a qualquer um, ele vira um vazamento com interface amigável.

A regra é: a pessoa só recebe resposta baseada em documentos que ela já poderia abrir. Na prática:

• O assistente conhece o usuário. Login pelo mesmo provedor de identidade que a empresa já usa, com grupos, cargos e áreas.
• Cada trecho herda as permissões do documento de origem. Se a pasta é restrita ao financeiro, os trechos também são.
• O filtro acontece na busca, não na resposta. Trechos que o usuário não pode ver nunca chegam ao modelo. Pedir ao modelo que "não revele" informação confidencial não é controle de acesso.
• Permissões são sincronizadas. Quando alguém muda de área ou sai da empresa, o acesso acompanha.
• Tudo fica registrado. Quem perguntou o quê, quais trechos foram usados e o que foi respondido. Isso serve para auditoria e para melhorar o sistema.

O modelo de papéis e o registro de acessos seguem os mesmos princípios de qualquer sistema interno, detalhados em controle de acesso e trilha de auditoria.

Há também a questão de onde os dados trafegam. Os trechos enviados ao modelo saem do seu ambiente se o modelo for um serviço externo. Escolha provedores com contrato que proíba o uso dos seus dados para treino, verifique a localização do processamento e trate documentos com dados pessoais conforme a LGPD, com base legal e minimização.

Citar a fonte e admitir quando não sabe

Um assistente interno só é útil se as pessoas confiarem nele, e confiança vem de duas atitudes.

Citar a fonte. Toda resposta traz os documentos e seções usados, com link para abrir o original. Isso permite conferir, e mostra quando o assistente se apoiou num documento que parece errado. Na prática, a citação também ensina as pessoas onde as coisas estão.

Admitir quando não sabe. Se a busca não encontrou nada relevante, a resposta certa é "não encontrei isso nos documentos disponíveis para você", de preferência com a sugestão de a quem perguntar. Inventar uma resposta plausível é o pior resultado possível, porque a pessoa age com base nela.

Algumas decisões reforçam esse comportamento:

• Limiar de relevância. Abaixo de certo nível de semelhança, os trechos não são usados.
• Instrução restritiva ao modelo, testada contra perguntas que não têm resposta no acervo.
• Perguntas sem resposta viram fila. Cada "não sei" é registrado e revisado pelos donos do conteúdo. Muitas vezes revela um documento que falta ou um termo que ninguém usa.
• Botão de avaliação em cada resposta, com espaço para dizer o que estava errado.

Avaliação contínua com perguntas reais

A pergunta "o assistente está bom?" precisa de uma resposta medida, não de impressão. Monte um conjunto de avaliação: algumas centenas de perguntas reais, coletadas com as áreas, cada uma com a resposta esperada e o documento correto.

Com ele, você mede:

• Recuperação: o trecho certo apareceu entre os encontrados?
• Fidelidade: a resposta diz apenas o que está nos trechos?
• Utilidade: a resposta resolve a dúvida de quem perguntou?
• Recusa correta: quando não há resposta no acervo, o assistente admite?
• Respeito a permissões: perguntas feitas por perfis sem acesso não revelam conteúdo restrito?

Toda mudança (novo modelo, nova forma de dividir trechos, nova instrução) roda contra esse conjunto antes de ir para produção. Sem isso, uma melhoria num tipo de pergunta pode piorar outro sem ninguém perceber.

Em produção, acompanhe o volume de uso, as perguntas sem resposta, as avaliações negativas e os temas mais perguntados. O último indicador tem um bônus: mostra onde a comunicação interna está falhando.

Onde o assistente mora: intranet, chat corporativo ou sistema

O melhor assistente é o que está onde as pessoas já trabalham.

• Na intranet ou portal do colaborador, como uma caixa de pergunta ao lado dos serviços. Faz sentido quando o portal já é o ponto de entrada da empresa, como descrevemos em portal do colaborador.
• No chat corporativo, como um contato a quem se pergunta. Baixa fricção, alto uso.
• Dentro de um sistema específico, respondendo sobre aquele contexto: o procedimento de qualidade na tela da ordem de produção, a política comercial na tela do pedido.

A arquitetura por trás pode ser a mesma para os três: um serviço central de busca e resposta, com identidade e permissões, e interfaces finas em cada canal.

Erros comuns

• Indexar tudo sem curadoria, incluindo rascunhos e versões antigas.
• Tratar permissão como instrução ao modelo em vez de filtro na busca.
• Não citar a fonte, o que torna impossível conferir e corrigir.
• Lançar sem conjunto de avaliação e depender de impressões.
• Não ter dono para o acervo, deixando o conteúdo envelhecer.
• Prometer que o assistente sabe tudo, em vez de apresentá-lo como um consultor dos documentos oficiais.

Checklist para começar

• Escolher uma área piloto com perguntas repetitivas e documentação razoável.
• Levantar as fontes, os formatos e as permissões de cada uma.
• Definir donos e critérios de vigência dos documentos.
• Montar o conjunto de avaliação com perguntas reais da área.
• Integrar com o login da empresa e filtrar por permissão na busca.
• Exigir citação e recusa quando não houver resposta.
• Definir onde o assistente vai morar e como as avaliações serão revisadas.

Do acervo espalhado ao assistente confiável

A Pervian Tech desenha e constrói assistentes internos sob medida, dentro do nosso trabalho de arquitetura de software: preparação do acervo, busca com permissões, citação de fonte, avaliação contínua e integração com os sistemas e o login que a empresa já usa.

Começamos por um diagnóstico inicial gratuito do seu acervo, das fontes e das perguntas que mais consomem tempo das equipes. A partir dele definimos as fases, começando por uma área piloto, e o investimento, que é sob consulta. Se a sua equipe perde tempo procurando o que já está escrito, conte onde o conhecimento está hoje.