RAG: como a IA responde em cima da sua base sem retreinar modelo.
O mecanismo em quatro passos, o que realmente decide a qualidade da resposta, e as duas situações em que RAG é a ferramenta errada e alguém vai descobrir tarde.
A resposta curta.
RAG é o modelo consultando uma base que é sua antes de responder. A AWS descreve como o processo de otimizar a saída de um modelo de linguagem para que ele referencie uma base de conhecimento confiável fora das fontes de treino. O modelo continua o mesmo; o que muda é o que ele lê antes de escrever.
A sigla vem de um artigo de 2020, de Patrick Lewis e colegas, apresentado na NeurIPS. Ali os modelos combinam duas memórias: a paramétrica, que está nos pesos do modelo, e a não paramétrica, que é um índice consultado na hora. Toda implementação de RAG que existe hoje é uma variação dessa ideia.
Para uma empresa, a consequência prática é direta: dá para o modelo responder sobre política interna, contrato, catálogo e histórico sem mandar nada disso para um treino, e sem esperar a próxima versão do modelo.
Os quatro passos.
É a sequência que a AWS descreve, na ordem em que acontece a cada pergunta. O quarto passo é o que mais projeto esquece.
Preparar a base externa
Os documentos que estão fora do treino do modelo são convertidos em representações numéricas e guardados num banco vetorial. É esta base que o modelo vai consultar, e ela é a sua, não a do fornecedor do modelo.
Recuperar o que é relevante
A pergunta da pessoa também vira uma representação numérica e é comparada com a base. Voltam os trechos mais próximos por cálculo de similaridade, não por palavra-chave.
Aumentar o prompt
Os trechos recuperados entram junto com a pergunta original no pedido enviado ao modelo. O modelo responde olhando para esse contexto, em vez de responder só com o que memorizou no treino.
Atualizar a base
Documento e representação numérica são atualizados de forma automática ou em lote. Sem esta etapa o sistema envelhece em silêncio: continua respondendo com confiança, agora sobre a versão antiga da política, do preço ou do contrato.
A pergunta que decide tudo: qual é a unidade que você indexa?
Antes de escolher modelo, escolha o pedaço. Se a unidade indexada é um recorte cego de mil caracteres, a recuperação devolve meia frase de uma cláusula e o começo de outra. E a resposta sai errada com toda a aparência de certa.
Recorte com significado
Cláusula, seção, item de catálogo, resposta de chamado. A unidade tem que ser uma coisa que uma pessoa citaria inteira.
Fonte grudada no pedaço
Documento, versão, página e data viajam junto com o trecho. Sem isso a resposta não consegue mostrar de onde veio, e ninguém audita nada depois.
Permissão na recuperação
Quem pode ver o quê é filtrado antes de o trecho chegar ao modelo. Pedir ao modelo para não contar é controle de acesso baseado em boa vontade.
Um conjunto de perguntas reais
Trinta perguntas que o negócio faz de verdade, com a resposta certa escrita ao lado. É o que transforma "melhorou" em número, e é o que quase ninguém monta antes.
Quando RAG resolve, e quando não resolve.
O padrão é bom para uma classe de problema e péssimo para outra. Saber a diferença antes economiza um trimestre.
- Pergunta cuja resposta está escrita em algum documento da empresa, e ninguém acha o documento.
- Conhecimento que muda toda semana e não pode esperar uma nova versão de modelo.
- Atendimento que precisa citar a política vigente e mostrar o trecho que usou.
- Triagem: ler muita coisa e apontar o que uma pessoa deve olhar primeiro.
- Número. Saldo, preço, score e prazo saem de cálculo determinístico e testado, com o modelo escrevendo só o texto em volta.
- Resposta que depende de estado ao vivo: estoque agora, posição do pedido agora. Isso é chamada de sistema, não recuperação de documento.
- Base que ninguém mantém. Se o documento fonte está desatualizado, RAG entrega o erro mais rápido e com mais convicção.
- Decisão que precisa ser sempre igual para a mesma entrada. Regra é regra: escreva como regra.
Perguntas sobre RAG.
O que é RAG?
A AWS define RAG como o processo de otimizar a saída de um modelo de linguagem para que ele consulte uma base de conhecimento confiável, fora das fontes de treino, antes de gerar a resposta. O termo vem do artigo de Lewis e colegas, apresentado na NeurIPS em 2020, que descreveu modelos combinando memória paramétrica, treinada, com memória não paramétrica, recuperada de um índice.
RAG é a mesma coisa que treinar o modelo com os meus dados?
Não. Treinar muda os pesos do modelo; RAG não toca no modelo e troca a base que ele consulta. A AWS aponta o custo como a razão principal para preferir RAG: retreinar um modelo de fundação com informação específica de uma organização tem custo computacional e financeiro alto, e RAG introduz dado novo sem isso.
RAG elimina alucinação?
Reduz, não elimina. O modelo passa a responder sobre um contexto que você controla, e isso corta a categoria de erro em que ele inventa por não ter a informação. Continua possível ele interpretar mal o trecho recuperado — por isso a resposta precisa mostrar a fonte, para que a pessoa confira em um clique.
O que decide a qualidade de um sistema RAG?
A recuperação, quase sempre. Se o trecho certo não volta da base, nenhum modelo salva a resposta. O que mais move essa agulha é o tamanho e o recorte do pedaço indexado, o que entra na base, e o que é atualizado com que frequência — nada disso é escolha de modelo.
Quando RAG é a ferramenta errada?
Quando a resposta é conta, e não texto. Saldo, preço, score e prazo devem sair de cálculo determinístico e testado; o modelo escreve o texto em volta. O número vem sempre do cálculo. Também é a ferramenta errada quando cada pessoa pode ver um pedaço diferente da base: aí a permissão precisa ser aplicada na recuperação, e não pedida ao modelo.
Preciso de banco vetorial para fazer RAG?
Precisa de alguma forma de recuperar o trecho certo. O banco vetorial é a implementação mais comum porque compara significado, não palavra exata. Em base pequena e bem estruturada, uma busca convencional bem feita resolve, e sai mais barata de operar.
Quer saber se a sua base aguenta isso hoje?
Na maioria das empresas, a resposta é não. O que trava é o dado. O diagnóstico olha o que você tem, diz o que precisa mudar antes e quanto custa cada parte.
Fontes
A definição e os quatro passos vêm da página da AWS; a origem do termo vem do artigo original, ambos abertos em 9 de agosto de 2026. O restante é prática de implantação e está descrito como prática, não como fato citável.