Inteligência artificial para empresas: agentes e RAG
Assistentes que respondem com base nos documentos e nos dados da sua empresa — não em achismo — integrados ao WhatsApp e aos sistemas que você já usa.
Projetos de IA aplicada para empresas e instituições de Brasília, conduzidos por quem também desenvolve o sistema onde a IA vai funcionar.
O que dá para resolver com IA hoje, sem promessa vazia
A pergunta certa não é "onde uso IA", e sim "qual tarefa consome tempo da equipe e depende de ler texto". É aí que a tecnologia atual entrega resultado real: procurar a resposta em centenas de páginas de norma, triar mensagens recebidas, extrair dados de documentos, redigir a primeira versão de um parecer.
O que não recomendamos: usar IA para decidir sozinha o que tem consequência jurídica ou financeira. O modelo propõe, a pessoa confirma. Essa fronteira aparece no desenho do projeto e é discutida com você antes da primeira linha de código.
- Assistente que responde dúvidas sobre normas, contratos e manuais internos
- Atendimento inicial no WhatsApp, com escalonamento para uma pessoa quando necessário
- Extração de dados de notas, contratos e laudos para dentro do sistema
- Triagem e classificação de solicitações que chegam por e-mail ou formulário
- Análise de inconsistências em bases de dados, com diagnóstico e plano de ação
Como montamos um agente com RAG
AuditorAPS: um agente em produção, não uma demonstração
O AuditorAPS é a nossa plataforma de apoio à gestão da Atenção Primária à Saúde. O agente responde a gestores municipais com base em portarias, notas técnicas e manuais oficiais do Ministério da Saúde, e ao mesmo tempo consulta os dados do município — equipes, indicadores, financiamento e inconsistências — para diagnosticar a situação e montar um plano de ação priorizado.
Foi construído com Java e Spring Boot, PostgreSQL com pgvector para a busca semântica, modelos da OpenAI e atendimento por WhatsApp. É o mesmo conjunto de técnicas que aplicamos em projetos menores: a diferença está no volume de documentos, não na receita.
Perguntas frequentes
O que é RAG, em termos práticos?
RAG (geração aumentada por recuperação) é a técnica que faz a IA responder com base nos seus documentos, e não no que ela "acha". Antes de responder, o sistema busca os trechos relevantes nos seus arquivos — contratos, normas, manuais, portarias — e só então gera a resposta, citando de onde tirou. É o que reduz drasticamente a chance de invenção.
Meus documentos ficam expostos ou vão treinar o modelo?
Não. Os arquivos ficam no banco de dados do seu projeto e são enviados ao modelo apenas como contexto da pergunta, sob contrato de API — que, nos provedores que usamos, não usa esse conteúdo para treinamento. Também definimos quem pode perguntar o quê: um assistente pode responder ao setor financeiro coisas que não responde para o atendimento.
Preciso treinar um modelo próprio?
Na quase totalidade dos casos, não. Treinar modelo é caro, demorado e desatualiza rápido. O caminho que funciona para empresa é usar um modelo pronto e bom, alimentado com os seus dados via RAG, com ferramentas que consultam seus sistemas em tempo real — a resposta acompanha o dado atual, sem retreinar nada.
Quanto custa manter um assistente de IA no ar?
Há duas contas: o desenvolvimento, que é projeto fechado, e o uso, cobrado por volume de perguntas pelo provedor do modelo. Um assistente interno de porte médio costuma custar poucas dezenas de reais por mês em consumo. Dimensionamos isso antes, com base no volume estimado, para não haver surpresa.
Dá para integrar com o WhatsApp?
Sim, e costuma ser o formato mais adotado, porque a pessoa já vive nele. É o que fizemos no AuditorAPS, onde a conversa com o agente acontece tanto na web quanto no WhatsApp, com o mesmo histórico.
Traga um problema concreto, não uma ideia genérica
Quanto mais específico — "meu time perde duas horas por dia procurando X" —, mais rápido conseguimos dizer se IA resolve, quanto custa e em quanto tempo fica pronto.