Pular para o conteúdo
← Todos os posts
19 de novembro de 202612 min de leituraMarcos Messias

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.

company-braincomparisonragconhecimentobuscagovernanca
Company brain vs. RAG vs. base de conhecimento vs. busca corporativa
Ouça este artigo

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:

  1. O que ela consegue ler? Só documentos escritos, ou também os dados vivos do ERP e do CRM?
  2. O que ela devolve? Um link, um trecho ou uma resposta pronta?
  3. Quem a mantém atualizada? Uma pessoa que escreve, um índice que sincroniza ou a própria fonte?
  4. 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:

  1. Ele lê documentos e dados vivos, na fonte, sem copiar tudo para um lugar novo.
  2. 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.
  3. As próprias fontes o mantêm atualizado, porque ele as consulta onde elas estão.
  4. 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?

CritérioBase de conhecimentoBusca corporativaRAG sobre documentosCompany brain
O que éUm acervo curadoUm produto de buscaUma técnicaUma camada governada
O que lêArtigos escritos para elaConteúdo indexado de vários aplicativosOs documentos que você indexaDocumentos e sistemas vivos, na fonte
O que devolveUm artigo para lerLinks, às vezes um resumoUma resposta baseada em trechosUma resposta pronta, com fontes
Dados vivos (ERP, CRM, bancos)NãoRaramenteNão na forma usualSim
Cruza fontes em uma respostaNãoNãoSó entre os documentos indexadosSim
Quem mantém atualizadoQuem escreve os artigosA sincronização do índiceQuem reindexaAs próprias fontes
PermissõesPor espaço ou páginaHerdadas das fontes, nos bons produtosVocê constróiPor perfil, em cada fonte
Auditoria do que foi lidoLimitadaVaria por produtoVocê constróiNativa
Executa trabalhoNãoNãoNãoSim, por fluxos
Serve bem paraProcedimentos oficiaisAchar onde algo estáPerguntas sobre conteúdo escritoPerguntas 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.

FerramentaO que o atendente recebeO que ainda falta fazer
Base de conhecimentoO artigo "Política de devolução", se estiver atualizadoLer, procurar a data do pedido em outro sistema, fazer a conta
Busca corporativaLinks para o PDF da política e para conversas sobre devoluçõesAbrir os links, procurar o pedido, fazer a conta
RAG sobre documentos"Devoluções são aceitas em até 30 dias após a compra", com o trecho citadoProcurar 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 citadasNada. 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.