Tecnologia
Abaixo está um modelo funcionando do sistema que construímos para nossos clientes. Cada ponto é um fragmento da documentação desta empresa, posicionado pelo significado. Faça uma pergunta e acompanhe a busca: a pergunta vira um vetor, os fragmentos mais próximos são encontrados e ordenados, e um modelo de linguagem que roda nos nossos próprios servidores escreve a resposta a partir deles.
/01 RAG
Os documentos são divididos em fragmentos curtos: contratos, manuais, políticas, fichas de produto, e-mails. O texto é extraído de PDF, Word e digitalizações, com OCR quando necessário.
Um modelo de embeddings transforma cada fragmento em um vetor. Fragmentos com significado parecido ficam próximos, mesmo escritos em idiomas diferentes.
A pergunta vira um vetor e é comparada com todos os fragmentos. Os mais próximos são escolhidos e podem ser filtrados por área, cliente ou permissões.
O modelo de linguagem recebe só esses fragmentos e escreve a resposta indicando de onde vem cada parte. Se a resposta não está nos documentos, ele diz isso.
/02 STACK
Escolhemos os componentes de cada projeto de acordo com os dados, o orçamento e a privacidade de que cada cliente precisa.
Modelos de pesos abertos como Llama, Qwen, Mistral ou gpt-oss rodam nos servidores do cliente ou em uma nuvem privada. Os dados não saem da infraestrutura da empresa e não há custo por pergunta. O assistente desta página funciona assim.
Quando uma tarefa precisa dos modelos mais capazes, integramos OpenAI, Anthropic Claude ou Google Gemini pelas suas APIs, com limites de gasto, registro de uso e um segundo provedor como reserva.
A geração aumentada por recuperação conecta um modelo de linguagem à documentação de uma empresa. O modelo responde a partir dos fragmentos que recupera e os cita, em vez de responder com conhecimento geral.
Extraímos texto e tabelas de PDF, Word, Excel e documentos digitalizados, classificamos e guardamos tudo em uma base de conhecimento pesquisável que se atualiza quando os documentos mudam.
Agentes e fluxos que leem e escrevem nas ferramentas que a empresa já usa (CRM, ERP, contabilidade, e-mail, WhatsApp, planilhas, bancos de dados), com uma pessoa aprovando as etapas que precisam disso.
Contêineres, proxy reverso com TLS, backups, monitoramento e controle de acesso. As pessoas entram com as contas da empresa, as consultas podem ser registradas para auditoria e o sistema cresce de um servidor para vários conforme o uso.
/03 ENTERPRISE
A mesma tecnologia funciona dentro de uma empresa. Os funcionários perguntam em linguagem natural e recebem respostas tiradas dos manuais, contratos, procedimentos e arquivos da organização, com link para a fonte. É parecido com o NotebookLM, mas instalado para a sua empresa, conectado aos seus sistemas e limitado ao que cada pessoa pode ver.
Como processo uma devolução? O que tem na lista de integração? Respostas a partir da versão vigente de cada procedimento.
Quais contratos renovam neste trimestre? O que diz o acordo com o fornecedor sobre multas? Cláusulas encontradas e citadas em segundos.
As equipes de suporte e engenharia buscam em manuais, tickets e especificações pelo significado, e não por palavras exatas.
Férias, benefícios e regras de despesas respondidas do mesmo jeito para todos, a qualquer hora.
Propostas anteriores, preços e casos de sucesso encontrados em segundos para responder antes a um cliente.
Perguntas sobre notas fiscais, extratos e relatórios, com os números tirados dos próprios documentos.
Mapeamos as fontes de documentos, os usuários, as permissões e as perguntas mais importantes.
Conectamos as fontes (pastas compartilhadas, Google Drive, SharePoint, e-mail, bancos de dados) e montamos a base de conhecimento.
Um assistente funcionando para uma equipe em poucas semanas, medido com as perguntas reais dessa equipe.
Mais equipes e fontes, permissões por grupo, relatórios de uso e melhorias mensais.
Em uma conversa gratuita de 30 minutos revisamos quais documentos e perguntas mais importam para a sua equipe e propomos um piloto.