Wiki corporativa com IA para PMEs: conhecimento seguro e conforme a LGPD

Na maioria das empresas com quem conversamos, o conhecimento está espalhado em seis lugares: a cabeça dos colaboradores mais experientes, caixas de e-mail, conversas de WhatsApp, pastas no servidor, planilhas e pastas de papel. Nenhum deles foi feito para encontrar uma resposta rapidamente.

Uma pesquisa da fabricante de software Atlassian (que vende software de wiki) com 12.000 profissionais do conhecimento e 200 executivos constatou que líderes e equipes perdem cerca de um quarto do tempo procurando respostas.[1] O número vem de uma pesquisa de fornecedor, não especificamente de PMEs. Nas PMEs a situação é diferente: as pessoas buscam menos em sistemas e perguntam mais ao colega do lado. Parece mais rápido, mas interrompe duas pessoas em vez de uma.

Faça a conta para a sua equipe. Dez colaboradores que passam 30 minutos por dia procurando e perguntando somam cerca de 1.100 horas por ano, considerando 220 dias úteis. É mais de meio cargo em tempo integral que não aparece em nenhum orçamento.

Focamos em setores em que muito conhecimento está nos processos, as pessoas trabalham no computador e dados confidenciais fazem parte da rotina.

A maioria das PMEs já tentou algo. Uma estrutura de pastas com regras de nome. Uma wiki em nuvem de um fornecedor americano. Uma planilha compartilhada. Ou o pacote de IA do fornecedor de ferramentas de escritório.

Essas ferramentas não são ruins. Mesmo assim, em empresas pequenas elas costumam falhar em três pontos:

1. Ninguém mantém o conteúdo. Uma wiki sem responsáveis claros fica desatualizada em três meses. Depois disso ninguém confia nela, e todos voltam a perguntar ao colega.
2. A busca só encontra palavras exatas. Quem procura “computador perdido” não encontra a página “notebook roubado”.
3. Os dados ficam com um fornecedor americano. Mesmo com data center no Brasil, empresas com sede nos EUA estão sujeitas ao CLOUD Act e podem ser obrigadas a entregar dados a autoridades americanas.[4] Administradoras, escritórios de contabilidade e clínicas precisam saber responder a essa pergunta para seus próprios clientes.

Há também a questão do custo. Muitas dessas soluções cobram por usuário por mês. Cada nova contratação aumenta a conta, e os recursos de IA muitas vezes são um pacote à parte.

Chatbots de IA genéricos também não resolvem. Eles não conhecem a sua empresa. Não sabem quem é o seu zelador nem qual combinado vale para o cliente X. E tudo o que os colaboradores digitam ali sai da sua empresa.

Uma wiki corporativa com IA da RakenAI tem quatro partes que trabalham juntas. O gráfico no topo mostra o fluxo.

1. A wiki. Cada página tem um responsável, uma data de revisão e permissões de leitura definidas. Toda alteração é versionada, então sempre dá para ver quem mudou o quê e quando. As páginas são texto estruturado simples, não um formato fechado. Se um dia você não precisar mais de nós, leva todo o conteúdo junto.

2. A busca inteligente. Ela combina dois métodos. A busca clássica por palavra-chave encontra termos exatos, como nomes, endereços ou CNPJs de fornecedores. A busca semântica encontra conteúdo pelo significado: cada trecho de texto é transformado em uma sequência de números, chamada embedding, que descreve o sentido. Assim, “bomba quebrou” também encontra a página “falha no sistema de recalque”. A combinação dos dois métodos se chama busca híbrida e, na prática, traz os resultados mais confiáveis.

3. O assistente de IA. Ele responde perguntas em linguagem natural. O termo técnico é geração aumentada por recuperação (RAG, na sigla em inglês): primeiro o sistema encontra os trechos certos, depois o modelo de IA escreve a resposta a partir deles. Ele só pode responder com base nessas fontes. Se não encontrar nada, avisa e indica a pessoa responsável. É assim que reduzimos o risco de respostas inventadas, o maior ponto fraco da IA dentro de uma empresa.

4. Login e permissões. Os colaboradores entram com a conta que já usam na empresa. O perfil de cada um define quais páginas pode ver, inclusive no chat. Uma estagiária do financeiro não recebe resposta tirada da página “Política salarial da diretoria”, mesmo que pergunte.

O que é RAG? Geração aumentada por recuperação é um método em que o modelo de IA não responde com base no seu treinamento geral, e sim em documentos buscados especificamente antes. Isso torna as respostas verificáveis, porque cada afirmação remete a uma fonte.

O conhecimento entra na wiki de três formas: por um editor no navegador, por documentos existentes que nós preparamos e por mensagens de voz. Na prática, a última é a mais importante. A gerente grava três minutos no celular explicando o que fazer em caso de vazamento. A IA transforma isso em um rascunho de página estruturado, ela revisa e aprova. Leva poucos minutos em vez de uma tarde.

Como esses sistemas se saíram em grandes empresas, incluindo os limites que a IBM e a Uber publicaram, está na nossa visão geral Sistemas de conhecimento na prática.

Começamos pela proteção de dados antes de escrever a primeira linha de código. Ela define onde o sistema roda e como é construído. O gráfico mostra a diferença em relação ao caminho típico em nuvem.

Uma wiki raramente falha por causa da tecnologia. Na maioria das vezes, simplesmente ninguém cuida dela. Por isso a manutenção já vem embutida.

Não publicamos preços fechados aqui, de propósito. Cada projeto é diferente, e um preço sério só existe depois da primeira conversa. O que podemos mostrar é do que os custos são compostos.

Os custos únicos cobrem o conceito, a instalação e, principalmente, a captação do conhecimento. O esforço depende de quantas áreas você quer cobrir, de quanto conhecimento já está escrito e de haver ou não integrações com sistemas existentes.

Os custos recorrentes cobrem hospedagem, o modelo de IA e o suporte. Para o modelo, você escolhe entre cobrança por uso em um data center no Brasil e um equipamento próprio na sua empresa, com investimento único.

O que deixa de existir é a licença por usuário. Trabalhamos com software open source. Conectar dez ou quarenta colaboradores não muda nada no custo de software.

O cálculo lá de cima serve como referência. Se a sua equipe gasta hoje 1.100 horas por ano procurando e perguntando, e só um terço disso deixar de existir, você tem um parâmetro para avaliar qualquer proposta, inclusive a nossa.

A RakenAI é uma empresa suíça, com sede em Frick, no cantão de Argóvia. Somos pequenos, e de propósito: a mesma equipe faz a primeira conversa, constrói o sistema e cuida dele depois.

Juntos, nossos profissionais somam mais de 40 anos de experiência em desenvolvimento de software, adquirida em empresas europeias de software muito antes de a IA virar tendência. Nosso desenvolvedor líder trabalha há mais de 15 anos como desenvolvedor full stack, com foco em Python, bancos de dados, integração de modelos de linguagem e sistemas RAG. Nosso segundo desenvolvedor tem mais de 10 anos de experiência em automação, integrações e otimização de modelos de linguagem. O fundador, Goekhan Dogan, traz mais de 20 anos de experiência em marketing digital, SEO e desenvolvimento de negócios, muitos deles na área da saúde.

Para você, isso significa que construímos nós mesmos, em vez de revender software de terceiros. Por isso conseguimos explicar o que acontece dentro do sistema e adaptá-lo aos seus processos. Como usamos open source, você não fica preso a nenhum fornecedor, nem a nós. Conhecemos as exigências de proteção de dados na prática, pelos nossos projetos na Europa, onde o GDPR serviu de modelo para a LGPD. E, se uma ferramenta padrão for suficiente para você, nós dizemos.

Uma wiki corporativa com IA não é o investimento certo para toda empresa. Com menos de cinco pessoas na mesma sala, o colega do lado costuma ser mais rápido. Se a sua empresa já trabalha totalmente em uma nuvem de escritório, bem organizada e sem preocupações com proteção de dados, a IA embutida nela pode bastar. Empresas com equipe de TI própria também podem montar uma wiki com busca por IA por conta própria, com software open source. E se ninguém estiver disposto a assumir a responsabilidade pelo conteúdo, nem a melhor tecnologia resolve. Conversamos sobre isso com franqueza na primeira reunião.