Busca com IA no conhecimento da sua empresa: Copilot ou Gemini, um produto de busca como o Glean ou uma solução própria

Alguém da sua empresa pergunta onde está a política de reembolso mais recente. A resposta está em três lugares: uma página da wiki, uma conversa em um ticket e uma mensagem de chat da primavera passada. A busca de conhecimento com IA lê todas essas fontes e responde com uma única resposta e links para o lugar de onde ela veio. Você tem três caminhos. Pode usar o assistente da suíte de escritório, que talvez precise de licença própria, comprar um produto de busca corporativa ou construir um sistema sobre os seus próprios dados. O caminho certo depende sobretudo de quantas ferramentas guardam o seu conhecimento e de quão organizados estão os seus direitos de acesso.

Quando a busca comum basta, e quando não basta?

A busca comum basta quando as pessoas sabem qual ferramenta abrir e a página tem um título claro. A caixa de busca de uma wiki ou a busca de um drive compartilhado faz bem esse trabalho e não custa nada a mais.

Ela deixa de bastar em três casos. A resposta está espalhada por várias ferramentas. A pergunta usa palavras que nenhum documento usa. Ou a pessoa quer uma única resposta curta. Antes de comprar qualquer coisa, peça a dez colegas a última pergunta que levou mais de dez minutos para ser respondida. Se a maioria apontar para uma só ferramenta, conserte primeiro a busca dessa ferramenta.

Como funciona a recuperação de informação, e como uma resposta ganha as suas fontes?

A recuperação de informação consiste em encontrar os trechos com maior chance de conter a resposta antes de escrever qualquer resposta. O software lê os seus documentos e os corta em trechos. Guarda-os em um índice, uma estrutura de consulta montada com antecedência para que a busca não leia todos os arquivos a cada vez. Quando alguém faz uma pergunta, o sistema busca os trechos que melhor combinam. Depois um grande modelo de linguagem, o tipo de programa por trás do ChatGPT, escreve uma resposta a partir deles.

RAG, sigla de retrieval-augmented generation (geração aumentada por recuperação), é o nome do conjunto desses passos. A AWS abre a sua explicação com “Retrieval-Augmented Generation (RAG) é o processo de otimizar a saída de um grande modelo de linguagem”, e acrescenta: “A saída pode incluir citações ou referências às fontes.”

Para casar o significado e não só as palavras exatas, muitos sistemas transformam cada trecho em um embedding. Um embedding é uma lista de números que representa o que o texto quer dizer, de modo que trechos sobre coisas parecidas fiquem próximos. A OpenAI descreve os embeddings como uma forma de “medir a relação entre cadeias de texto”.

As fontes ao lado de uma resposta normalmente vêm dos trechos entregues ao modelo. Um link mostra de onde o sistema diz que o texto veio. Ele não prova que o modelo o leu corretamente, então abra os links em uma amostra de respostas.

O que o assistente da nossa suíte de escritório cobre, e onde ele termina?

Um conector é um software que lê uma ferramenta externa, como o Confluence ou um CRM, e repassa o conteúdo dela ao sistema de busca. A Microsoft diz oferecer “mais de 100 conectores prontos para serviços populares”. Do lado do Google, um produto separado faz esse trabalho, à parte do assistente Gemini dentro dos aplicativos do Workspace. O Google diz que “o Gemini Enterprise é uma plataforma de busca de intranet, assistente de IA e agentes” com “conectores prontos para aplicativos de terceiros de uso comum, como Confluence, Jira, Microsoft SharePoint e ServiceNow.”

Os limites são práticos. O assistente de uma suíte lê melhor o que já mora na suíte. Uma ferramenta sem conector pronto precisa de um personalizado. A página da Microsoft diz: “Os conectores personalizados oferecem flexibilidade, mas exigem manutenção.” A ordenação, o estilo das respostas e a gama de modelos são escolhas do fornecedor, então você os ajusta menos do que em um sistema que construiu.

O que um produto de busca dedicado acrescenta, e o que deixamos de ter?

Glean, Elastic, Coveo, Guru e Atlassian Rovo são exemplos de produtos usados para buscar em muitas ferramentas. A Atlassian diz: “O Rovo Search permite pesquisar em várias ferramentas ao mesmo tempo, sem trocar de contexto.” O que você ganha varia, então confira três coisas. Quantas das suas ferramentas têm um conector pronto, mantido pelo fornecedor? Como os resultados são ordenados, e o produto usa quem trabalha em quê, como o autor de uma página, como sinal? Dá para ver por que um resultado ficou em primeiro?

O que você perde é a simplicidade. Um produto de busca costuma ser mais um contrato e mais um console de administração. Se o fornecedor o hospeda e indexa o seu conteúdo, esse fornecedor também passa a ter uma cópia pesquisável. Essa cópia exige uma revisão própria de região, retenção e acesso do fornecedor.

Em que consiste construir a própria solução, e quem a opera depois?

São cinco partes. Os conectores leem cada fonte com os seus dados de permissão. Uma rotina de ingestão corta os documentos em trechos e os atualiza. Um índice dá suporte à busca por palavra-chave e por embeddings. Uma etapa de resposta passa os melhores trechos a um modelo e o instrui a citá-los. Uma tela de chat ou um add-in, com logs e uma visão de administração, completa o conjunto. A documentação do Elastic diz: “A segurança em nível de documento restringe os documentos aos quais os usuários têm acesso de leitura”. Em alguns níveis de assinatura, os conectores do próprio Elastic sincronizam essas permissões para fontes como o Confluence e o SharePoint Online. Para as outras fontes, você mesmo escreve o mapeamento.

O trabalho depois do lançamento é a parte maior. Alguém precisa consertar os conectores quando uma fonte muda, rodar de novo a ingestão, vigiar a conta do modelo, manter as perguntas de teste atualizadas e explicar por que o assistente disse o que disse. Indique essas pessoas antes de começar.

Como os direitos de acesso são levados para o índice, e o que é o problema de superexposição de dados (oversharing)?

A maioria das fontes mantém um registro de quem pode abrir cada item, em geral chamado de lista de controle de acesso, ou ACL. Um conector que copia conteúdo para um índice deve copiar esse registro também. Para esses conectores, a Microsoft diz: “Cada item inclui conteúdo, metadados (como título e URL) e uma lista de controle de acesso (ACL) que impõe as permissões.” A Glean diz: “Se um usuário não consegue abrir um documento no sistema de origem, esse documento não pode ser usado como contexto, devolvido como resultado de busca nem exibido como citação.”

A cópia é tão boa quanto cada conector. O SharePoint e o Google Drive têm pastas, grupos e links de compartilhamento. O Confluence tem restrições de espaço e de página. O Slack tem canais privados e mensagens diretas. Um CRM tem papéis e donos de registros. Para cada fonte, pergunte como o fornecedor lê essas regras, com que rapidez uma mudança chega e o que acontece quando uma regra não pode ser lida. A resposta segura para a última pergunta é esconder o item.

A superexposição de dados (oversharing) é o problema antigo que um assistente deixa à mostra. Imagine que uma pasta da folha de pagamento foi compartilhada com a empresa inteira anos atrás. A busca nunca a mostrou porque ninguém procurava, e um assistente pode mostrá-la. A Microsoft afirma: “Conteúdo com compartilhamento excessivo ou mal governado pode afetar os resultados do Copilot e aumentar o risco.” O relatório de permissões de sites do SharePoint, parte do SharePoint Advanced Management, mostra quais sites dão acesso a “Everyone except external users”, um grupo que “inclui automaticamente todos os usuários internos, mas exclui todos os convidados externos”. Revise com os responsáveis os sites de acesso mais amplo antes do lançamento e comece o piloto com um conjunto restrito de fontes.

O que acontece com documentos desatualizados, duplicados e conflitantes?

O assistente pode não saber dizer qual de duas políticas está em vigor. Pode citar as duas, ou citar a antiga com confiança. Indique um responsável por cada fonte, aposente o que está desatualizado e mantenha uma única fonte de verdade por tema. Peça ao assistente que mostre a data e o autor de cada fonte e avise quando as fontes divergirem.

A atualização tem um segundo lado: a rapidez com que uma mudança chega ao índice. A Microsoft diz: “Os novos documentos adicionados a sites do SharePoint Online que são acessíveis, por herança do site, a dois ou mais usuários são indexados diariamente.” Para um documento já indexado, diz que “as alterações são indexadas imediatamente.” Peça os dois prazos por escrito a cada fornecedor.

Como testamos a qualidade das respostas com as nossas próprias perguntas antes do lançamento?

Reúna perguntas reais dos funcionários, cada uma com a resposta correta e o documento de onde ela deve vir. Rode o mesmo conjunto em todos os candidatos. Avalie quatro coisas: o documento certo entre as fontes, uma resposta correta, o reconhecimento honesto quando nenhum documento ajuda e o respeito aos direitos de acesso.

O teste de acesso exige dois logins. Faça uma pergunta cuja resposta esteja em uma pasta que só uma pessoa pode abrir. A outra pessoa não deve receber nenhum vestígio dela, nem mesmo o título de uma fonte. Repita o conjunto após cada mudança. O nosso artigo sobre notas de corte, linkado acima, trata dos limites mínimos.

O que o assistente de IA registra, e quem pode ver o que as pessoas perguntaram?

As perguntas podem ser delicadas, como uma sobre o processo disciplinar de um colega. A Microsoft diz que os seus registros de auditoria “contêm detalhes sobre qual usuário interagiu com o Copilot, quando a interação ocorreu e onde ocorreu”. Separadamente, diz que os dados que ela armazena “incluem o prompt do usuário e a resposta do Copilot” e acrescenta: “Para visualizar e gerenciar esses dados armazenados, os administradores podem usar a Content search ou o Microsoft Purview.” Para cada caminho, pergunte quem pode ler o texto das perguntas, por qual motivo e por quanto tempo.

O que significam os papéis do GDPR, a região, a retenção e o apagamento para o índice?

O GDPR é a lei de proteção de dados da UE. Quando um fornecedor trata dados pessoais por você, normalmente você é o controlador, que decide por que e como os dados são usados. O fornecedor é o operador (processor), que age em seu nome. As diretrizes do Comitê Europeu para a Proteção de Dados dizem: “O operador não deve ir além do que foi instruído pelo controlador.” E acrescentam: “As instruções emitidas pelo controlador devem ser documentadas.” O operador não pode contratar outro “sem autorização prévia, específica ou geral, por escrito do controlador”. Peça ao seu próprio advogado que leia cada contrato.

Pergunte a região diretamente a cada fornecedor. A Microsoft diz: “O tráfego da UE permanece dentro do EU Data Boundary, enquanto o tráfego mundial pode ser enviado à UE e a outros países ou regiões para o processamento pelo LLM.” Uma nota na mesma página acrescenta: “Os modelos fornecidos pela Anthropic como subprocessadora estão atualmente excluídos do EU Data Boundary.” A Microsoft diz que esses modelos vêm desativados por padrão para clientes dentro desse limite, então confira a configuração de administração. Sobre o índice, ela diz: “Para clientes dentro do European Union Data Boundary (EUDB), o índice é armazenado em um datacenter da UE/EFTA.” A Microsoft diz também: “Prompts, respostas e dados acessados pelo Microsoft Graph não são usados para treinar LLMs de base.”

O índice é uma cópia dos seus documentos, então os dados pessoais de um documento também estão no índice e muitas vezes nos logs. O guia do Comitê para pequenas empresas diz: “Sempre responda a uma solicitação de titular de dados dentro de um mês.” Ele permite “mais dois meses” para uma solicitação complexa, se a pessoa for avisada dentro do primeiro mês. Pergunte quanto tempo um documento excluído leva para sair do índice, se os backups e os logs guardam o texto dele e como as perguntas de uma pessoa podem ser removidas.

Qual é a diferença entre preço por usuário (seat) e preço por uso?

O preço por usuário (seat) cobra um valor fixo por usuário nominal, quer essa pessoa faça buscas ou não. O preço por uso cobra pelo que o sistema faz, como o texto que ele processa. Os fornecedores usam um ou outro, ou uma mistura. Peça o preço atual por escrito, com o número mínimo de usuários, os complementos e as taxas de conector, e pergunte quem precisa de licença.

Como exemplo de preço por uso, a página de preços da OpenAI lista o modelo text-embedding-3-small a 0,02 dólar por milhão de tokens e o text-embedding-3-large a 0,13 dólar. Um token é um pedaço pequeno de texto que os provedores contam e cobram. O custo de guardar o índice, de rodar o modelo e de pagar as pessoas vem além disso. Tome um arquivo inventado de 50.000 documentos de cerca de 2.000 tokens cada, o que dá 100 milhões de tokens. Transformá-lo em embeddings uma vez custa 2 dólares com o modelo pequeno e 13 dólares com o grande. O tamanho do arquivo é uma suposição, e os preços de tabela podem mudar.

Como é a dependência de fornecedor, e o que devemos guardar para poder sair?

A dependência de fornecedor está onde o seu esforço foi parar: conectores configurados no console de um fornecedor, regras de ordenação no formato dele, mapeamentos de permissão que só ele tem. O índice pode ser reconstruído a partir das suas fontes, por isso é o que menos importa. Guarde as suas perguntas de teste com as respostas esperadas, um mapa escrito de como as permissões são lidas, as instruções dadas ao modelo e qualquer código de conector personalizado. Peça uma exportação dos logs. Combine no contrato os termos de exportação e de exclusão.

Quando se justifica construir a sua própria busca de conhecimento?

Construir se justifica quando a busca faz parte do produto que você vende, porque então os seus clientes são os usuários e nenhuma licença de funcionários os cobre. Também se justifica quando uma regra de dados exclui todos os produtos, inclusive os que rodam na sua própria nuvem. Só para a busca dos funcionários é difícil justificar, porque você assumiria conectores, controle de acesso, logs e plantão.

O que devemos perguntar a um fornecedor ou a uma empresa que fosse construir?

Para um fornecedor ou provedor de suíte:

• Quais das nossas fontes têm conectores prontos, e quem os mantém?
• Como vocês leem as permissões de cada fonte, e o que acontece quando uma regra não pode ser lida?
• Quanto tempo leva para uma alteração ou uma exclusão chegar ao índice?
• Onde o índice, as perguntas e os logs são processados, e quem pode ler as perguntas?
• Quanto custa um mês do nosso uso real, e o que podemos exportar se sairmos?

Para uma empresa que fosse construir:

• Quais partes vocês vão escrever, e quais vão aproveitar de produtos existentes?
• Ele vai rodar na nossa conta de nuvem, e quem guarda as chaves?
• Como vocês vão testar as respostas e os direitos de acesso, e quem do nosso lado dá a aprovação?
• Quem opera depois do lançamento, e quanto isso custa por mês?

Onde a amBrain se encaixa?

A amBrain publica este blog. Sobre o próprio produto, ela diz: “Nosso produto próprio, o aigo, roda em agentes de IA que pesquisam, escrevem, verificam e medem a partir de uma memória compartilhada dos fatos da empresa. Uma pessoa aprova tudo o que sai.”

Este artigo não é um estudo de caso e não descreve nenhum trabalho para clientes. Ele não afirma que a amBrain tenha construído um sistema de busca de conhecimento para algum cliente. A linha acima trata do produto próprio da amBrain, e os exemplos são gerais.

As empresas, os produtos e os órgãos públicos citados aqui são referenciados a partir das suas páginas publicadas, lidas em 11 de novembro de 2026. O artigo não afirma nenhuma relação entre a amBrain e nenhum deles e não traz preços nem prazos da amBrain.

A amBrain constrói software desde 2019. Sobre como trabalha com os clientes, ela diz: “Três formatos: entrega completa, time dedicado ou engenheiros embarcados no seu time.” A frase dela sobre propriedade é: “O cliente mantém a propriedade integral do produto e do código, exceto dos nossos componentes reutilizáveis.” Peça a lista desses componentes, nome por nome, antes de assinar.

Se a amBrain estiver na sua lista de candidatas, faça a ela as mesmas perguntas que faria a qualquer outra empresa.