Do Google às IAs generativas: a nova era da busca por informação

No início dos anos 2000, a barra de pesquisas do Google revolucionou a maneira como as pessoas acessavam informações. Bastava digitar uma dúvida e receber, em segundos, uma lista de páginas relacionadas. Esse modelo dominou a internet por décadas — até a chegada das inteligências artificiais generativas, que mudaram completamente a lógica da busca.

As chamadas LLMs (Large Language Models) introduziram uma nova interação: em vez de procurar entre links, o usuário conversa com um interlocutor virtual capaz de responder sobre praticamente qualquer assunto, com linguagem fluida e natural.

“O LLM exige um aprendizado de máquina sofisticado, alimentado com uma base massiva de informações. Trata-se de um pré-treinamento que, em regra, não ocorre durante o momento da operação, o que pode gerar uma defasagem temporal”, explica Marcelo Pita, desenvolvedor da área de Inteligência Artificial Generativa do Serpro.

Essa limitação levantou uma questão central: como atualizar constantemente essas IAs? A resposta surgiu com o RAG (Retrieval-Augmented Generation) — uma arquitetura que combina busca de dados externos com a geração de texto, permitindo que o modelo acesse informações recentes e contextualizadas.

No chamado “RAG esperto”, o processo é ainda mais refinado. “O chunking é feito de forma semântica, passando por uma curadoria cuidadosa para dividir as informações em partes que fazem sentido juntas, agrupando ideias relacionadas com cada ‘pedaço’, representando um tópico ou conceito coerente”, detalha Pita.

Além disso, o modelo ideal incorpora embeddings especializados, estratégias de busca ajustáveis, curadoria humana e armazenamento otimizado para gerar respostas mais precisas e consistentes.

Com o Serpro RAG Engine, a estatal brasileira já aplica essa tecnologia em projetos de IA generativa personalizados. “O RAG é uma das estratégias mais interessantes e de menor custo para agregar conhecimento às LLMs. A arquitetura básica é bastante simples, mas o segredo está na combinação das estratégias utilizadas para diminuir o custo e otimizar a qualidade das respostas”, avalia Pita.