Company brain vs. RAG vs. base de conhecimento vs. busca corporativa
RAG é uma técnica, base de conhecimento é um acervo curado e busca corporativa é um jeito de encontrar coisas. O company brain é a camada governada que usa os três, lê os dados vivos dos sistemas e ainda age. Veja o que cada um resolve e onde para.

Resposta curta: os quatro termos não são concorrentes, porque estão em níveis diferentes. RAG é uma técnica para entregar documentos a um modelo. Base de conhecimento é um acervo curado de artigos. Busca corporativa é um jeito de encontrar onde algo está. O company brain, o cérebro da empresa, é a camada governada que usa os três, lê os dados vivos nos sistemas onde eles estão e ainda executa trabalho. Se as suas perguntas são só sobre o que está escrito em documentos, talvez você ainda não precise de um company brain.
Uma reunião sobre IA costuma levar dez minutos para chegar a este ponto. Alguém diz "isso a gente já tem, é o nosso RAG". Outra pessoa diz "para isso existe a wiki". Uma terceira lembra da ferramenta de busca que a empresa comprou no ano passado.
As três têm razão sobre o que têm. Elas estão descrevendo coisas diferentes, e nenhuma está descrevendo um company brain. Se o termo ainda é novo para você, comece por o que é um company brain.
Por que esses quatro termos se confundem?
Eles se confundem porque os quatro prometem o mesmo resultado: o funcionário pergunta e recebe a resposta da empresa. A diferença está em até onde cada um vai para entregar isso.
Um jeito útil de separar é fazer quatro perguntas sobre qualquer ferramenta:
- O que ela consegue ler? Só documentos escritos, ou também os dados vivos do ERP e do CRM?
- O que ela devolve? Um link, um trecho ou uma resposta pronta?
- Quem a mantém atualizada? Uma pessoa que escreve, um índice que sincroniza ou a própria fonte?
- Ela consegue fazer alguma coisa? Ou para quando a resposta é entregue?
As seções abaixo aplicam essas quatro perguntas a cada termo.
O que é RAG, e onde ele para?
RAG (retrieval-augmented generation, ou geração aumentada por recuperação) é uma técnica: antes de o modelo responder, o sistema recupera os trechos mais relacionados à pergunta e os entrega ao modelo como contexto. É o que faz um assistente responder com base no PDF da sua política, e não no que aprendeu no treinamento.
O RAG resolve bem um problema real. O modelo para de inventar regras, a resposta vem com o trecho em que se baseou, e atualizar o conhecimento significa atualizar o documento, sem retreinar nada.
Onde ele para, na sua forma mais comum (um pipeline sobre uma pasta de documentos):
- Ele só conhece o que foi indexado. Se a resposta é um número no banco de vendas, não existe trecho para recuperar.
- Ele recupera por semelhança, não calcula. "Quanto vendemos na semana passada" não é um trecho de texto. É uma consulta.
- Permissão é problema seu. A técnica não diz nada sobre quem pode ver qual trecho. Alguém precisa construir isso.
- Ele termina na resposta. RAG não agenda um relatório nem abre um chamado.
Nada disso é defeito. RAG é um componente, e o erro está em avaliá-lo como um sistema completo.
O que é uma base de conhecimento, e onde ela para?
Uma base de conhecimento é um acervo curado de artigos escritos por pessoas: a wiki, a central de ajuda, o manual de procedimentos. É a única das quatro em que um humano decidiu, frase por frase, qual é a resposta oficial.
Essa é a força dela. Um artigo bem mantido é a fonte de maior autoridade que uma empresa tem, e é a melhor matéria-prima para qualquer camada de IA colocada por cima.
Onde ela para:
- Ela só guarda o que alguém escreveu. A exceção combinada por e-mail no mês passado não está lá.
- Ela depende de manutenção. Um artigo sem dono fica errado sem ninguém perceber.
- Ela não guarda fatos. A política de devolução está lá. A data do pedido do cliente, não.
- Quem lê faz o trabalho. A pessoa encontra o artigo, lê e aplica ao próprio caso.
O que é busca corporativa, e onde ela para?
A busca corporativa indexa os aplicativos da empresa (drive, e-mail, chat, chamados, wiki) e permite pesquisar em todos de um só lugar. Os bons produtos respeitam as permissões de cada fonte e, mais recentemente, resumem os resultados com um modelo.
Ela resolve o problema do "eu sei que isso existe, só não sei onde". Em empresas com dezenas de ferramentas, só isso já devolve horas por semana.
Onde ela para:
- Ela encontra, não conclui. O resultado típico é uma lista de links, ou um resumo do que os links dizem.
- Os sistemas vivos costumam ficar de fora. Buscar documentos sobre vendas é diferente de consultar o banco de vendas.
- Ela não cruza fontes em uma decisão. Mostra a política e o pedido. Juntar os dois continua sendo trabalho da pessoa.
- Ela não age.
O que é um company brain?
Um company brain é uma camada única e governada que conecta os sistemas, os documentos, os processos e as ferramentas de uma empresa para que a IA responda com os dados da própria empresa, aja sobre eles por meio de fluxos autônomos e deixe um registro de auditoria de tudo o que lê e faz.
Diante das quatro perguntas:
- Ele lê documentos e dados vivos, na fonte, sem copiar tudo para um lugar novo.
- Ele devolve a resposta pronta, com as fontes citadas, mesmo quando a resposta precisa de um banco de dados e de um documento ao mesmo tempo.
- As próprias fontes o mantêm atualizado, porque ele as consulta onde elas estão.
- Ele age: a mesma camada que responde também roda fluxos por agendamento ou por evento.
Tudo isso acontece sob acesso por perfil e auditoria, que é o que permite que os outros três pontos existam em uma empresa de verdade.
Como os quatro se comparam lado a lado?
| Critério | Base de conhecimento | Busca corporativa | RAG sobre documentos | Company brain |
|---|---|---|---|---|
| O que é | Um acervo curado | Um produto de busca | Uma técnica | Uma camada governada |
| O que lê | Artigos escritos para ela | Conteúdo indexado de vários aplicativos | Os documentos que você indexa | Documentos e sistemas vivos, na fonte |
| O que devolve | Um artigo para ler | Links, às vezes um resumo | Uma resposta baseada em trechos | Uma resposta pronta, com fontes |
| Dados vivos (ERP, CRM, bancos) | Não | Raramente | Não na forma usual | Sim |
| Cruza fontes em uma resposta | Não | Não | Só entre os documentos indexados | Sim |
| Quem mantém atualizado | Quem escreve os artigos | A sincronização do índice | Quem reindexa | As próprias fontes |
| Permissões | Por espaço ou página | Herdadas das fontes, nos bons produtos | Você constrói | Por perfil, em cada fonte |
| Auditoria do que foi lido | Limitada | Varia por produto | Você constrói | Nativa |
| Executa trabalho | Não | Não | Não | Sim, por fluxos |
| Serve bem para | Procedimentos oficiais | Achar onde algo está | Perguntas sobre conteúdo escrito | Perguntas e tarefas que cruzam sistemas |
Como fica a mesma pergunta em cada um?
Pegue uma pergunta que um atendente faz todos os dias: "este cliente ainda pode devolver o pedido 4812?". Neste exemplo, o pedido foi feito há 21 dias e a política aceita devoluções em até 30 dias.
| Ferramenta | O que o atendente recebe | O que ainda falta fazer |
|---|---|---|
| Base de conhecimento | O artigo "Política de devolução", se estiver atualizado | Ler, procurar a data do pedido em outro sistema, fazer a conta |
| Busca corporativa | Links para o PDF da política e para conversas sobre devoluções | Abrir os links, procurar o pedido, fazer a conta |
| RAG sobre documentos | "Devoluções são aceitas em até 30 dias após a compra", com o trecho citado | Procurar a data do pedido, fazer a conta |
| Company brain | "Sim. O pedido 4812 foi feito há 21 dias e o prazo é de 30 dias", com as duas fontes citadas | Nada. Se o perfil do atendente permitir, o cérebro também abre a solicitação de devolução |
As três primeiras respostas estão corretas. Elas só param um passo antes da decisão, e é nesse último passo que o tempo do atendente vai embora.
Quando RAG, base de conhecimento ou busca corporativa bastam?
Muitas vezes. O company brain não é a resposta certa para todo problema, e comprar um cedo demais é um jeito real de desperdiçar dinheiro.
- A base de conhecimento basta quando as perguntas são sobre procedimentos estáveis e existe um dono para o conteúdo.
- A busca corporativa basta quando a dor é encontrar as coisas, e quem busca sabe o que fazer com o que encontra.
- O RAG sobre documentos basta quando as respostas estão no texto, o conteúdo não é sensível e um único time usa.
O sinal de que você passou desse ponto é sempre o mesmo: as respostas de que as pessoas precisam dependem de dados que vivem em sistemas, de mais de uma fonte ao mesmo tempo, ou de alguém fazer alguma coisa depois que a resposta chega.
O company brain substitui os outros três?
Não. Ele os usa. A recuperação sobre documentos é uma das formas de o company brain ler o que está escrito, então o RAG está dentro dele. Uma base de conhecimento bem cuidada é uma das suas melhores fontes. E a empresa que já tem busca corporativa já fez parte do trabalho de mapear onde o conhecimento está.
Isso também quer dizer que nada do que você construiu se perde. As políticas que você escreveu, os documentos que indexou e o protótipo que alguém do time de dados montou mostram quais perguntas importam. O que eles não entregam é a camada em volta: conectores para os sistemas vivos, permissões, auditoria e execução. Detalhamos quanto essa camada custa em construir ou comprar um company brain.
Como saber qual deles eu já tenho?
Faça estas seis perguntas sobre a ferramenta que a sua empresa hoje chama de "nossa IA":
- Ela responde com os números de ontem, ou só com o que está escrito em documentos?
- Ela consegue combinar um banco de dados e um documento na mesma resposta?
- Duas pessoas com perfis diferentes recebem respostas diferentes para a mesma pergunta?
- Existe um registro de quem perguntou o quê e de quais fontes foram lidas?
- Toda resposta aponta de onde veio?
- Ela consegue rodar uma tarefa por agendamento, sem ninguém pedir?
Se a resposta é "sim" só para a quinta, você tem RAG. Se é "sim" para as seis, você tem um company brain, seja qual for o nome que ele recebe.
Onde a Orkindo entra
A Orkindo é um company brain. Ela se conecta aos seus bancos de dados, documentos, ferramentas internas e canais de comunicação, e reúne tudo em uma única camada onde qualquer pessoa com permissão pergunta em linguagem natural no WhatsApp, no Google Chat ou no chat web e recebe tabelas, gráficos e respostas com a fonte citada.
A recuperação sobre os seus documentos faz parte disso, ao lado das consultas ao vivo nos seus bancos e dos fluxos autônomos que rodam por agendamento ou por evento. Tudo passa por acesso por perfil e por um log de auditoria completo. O primeiro agente costuma entrar em produção em até duas semanas.
Se você quer ver onde a sua estrutura atual para, agende uma conversa.
Perguntas frequentes
Company brain é só RAG com um nome novo?
Não. RAG é uma técnica para recuperar trechos de documentos e entregá-los a um modelo. O company brain usa essa técnica e acrescenta consultas ao vivo em sistemas como o ERP e o CRM, acesso por perfil, log de auditoria e fluxos que executam trabalho.
Preciso de RAG se tenho um company brain?
Você já tem. A recuperação sobre documentos é uma das formas de o company brain ler conteúdo escrito, como políticas e contratos. O que muda é que ela deixa de ser o único caminho da IA até o conhecimento da empresa.
Qual é a diferença entre busca corporativa e company brain?
A busca corporativa encontra onde a informação está e devolve links ou um resumo. O company brain devolve a resposta pronta, combinando documentos com os dados vivos dos sistemas, e ainda pode executar a tarefa seguinte, sob acesso por perfil e auditoria.
O company brain substitui a nossa wiki ou base de conhecimento?
Não. Uma base de conhecimento bem mantida é uma das melhores fontes que um company brain pode ter, porque uma pessoa decidiu qual é a resposta oficial. O cérebro a lê onde ela está e a combina com os fatos guardados nos sistemas.
Quando o RAG simples sobre documentos é suficiente?
Quando as respostas estão no texto, o conteúdo não é sensível e um único time usa. Quando as perguntas passam a depender de dados vivos, de mais de uma fonte ou de permissões que mudam por perfil, o RAG sozinho deixa de bastar.