O que é RAG (geração aumentada por recuperação)

O que é RAG, passo a passo?

Em uma frase: RAG é um modelo de linguagem com uma etapa de busca antes de responder. Primeiro o sistema procura nos seus documentos e depois o modelo escreve a resposta com base no que encontrou.

O nome em inglês descreve as três partes:

• Retrieval (recuperação) é a busca dos trechos.
• Augmented (aumentada) quer dizer que a pergunta ganha esses trechos como contexto.
• Generation (geração) é a resposta escrita pelo modelo.

A documentação do Microsoft Foundry resume o fluxo como Retrieve → Augment → Generate: recuperar, aumentar e gerar.

Para quem quer mais. Um sistema RAG típico funciona em quatro etapas, segundo os slides do curso CS 329T de Stanford:

1. Indexação. Os documentos são divididos em pedaços menores, os chunks. Um modelo de embeddings converte cada pedaço em um vetor, que é uma representação numérica do significado do texto. Textos parecidos geram vetores próximos. Esses vetores ficam guardados em um banco vetorial. 2. Recuperação. A pergunta é convertida em vetor pelo mesmo modelo de embeddings. O sistema busca os vetores mais próximos e devolve os trechos correspondentes. 3. Aumento. O sistema monta um novo prompt com a pergunta original e os trechos encontrados. Essa prática às vezes é chamada de prompt stuffing. 4. Geração. O modelo combina esse material com o que já aprendeu no treinamento e pode indicar as fontes, para que você confira.

Essa busca é semântica, isto é, por significado. Os slides de Princeton dão um exemplo: uma busca por palavra-chave não liga "usuário" a "pessoa". Uma busca por significado entende que as duas palavras dizem coisas parecidas.

Produtos atuais acrescentam etapas ao fluxo. O Copilot Studio inclui a reescrita da consulta e uma validação de segurança e governança. O Oracle Select AI busca em um índice vetorial os K textos mais parecidos com a pergunta e os envia ao modelo.

Onde o RAG aparece no dia a dia?

O mesmo princípio aparece em produtos com objetivos diferentes. A lista abaixo foi verificada em nov/2026 na documentação oficial de cada empresa.

• NotebookLM (Google). Você escolhe as fontes, e o NotebookLM responde e produz relatórios e visões gerais em áudio e vídeo a partir delas (Google, 20 mar. 2026). Em 8 de junho de 2026, o Google anunciou raciocínio mais avançado, um computador em nuvem seguro e o uso da Busca Google para adicionar fontes. Desde 27 de janeiro de 2026, os notebooks podem ser usados como fonte no Gemini. Desde 12 de maio de 2026, também funcionam em automações do Workspace Studio, pela etapa Ask NotebookLM.
• Microsoft Copilot Studio. É voltado à criação de chatbots e agentes de empresa, com etapas explícitas de segurança e governança (documentação de 28 out. 2026).
• Microsoft Foundry e Azure. Servem para quem constrói o próprio sistema RAG, combinando índices de dados e modelos, com suporte a citações (Foundry). Também permitem conversar sobre arquivos da empresa (Azure Files).
• Oracle Select AI. O RAG fica integrado ao banco de dados Autonomous AI Database (documentação de 3 nov. 2026).

O que muda entre eles. O NotebookLM serve para estudar e pesquisar documentos que você mesmo escolhe. Copilot Studio, Foundry e Select AI servem para empresas que querem conectar chatbots aos próprios dados, com controle do fluxo.

Não há medição pública e comparável de qualidade entre esses produtos. Por isso, nenhum deles pode ser chamado de melhor em qualidade de resposta.

Quem monta o próprio sistema escolhe também o banco vetorial. Os slides de Princeton citam como exemplos Pinecone, Qdrant, Weaviate e Postgres pgvector.

Privacidade. Em um sistema RAG, seus documentos passam pela ferramenta. Antes de enviar algo sensível, veja onde os dados ficam guardados. O guia de chatbots da FGV, aprovado em 24/10/2024, lembra que conversas podem ficar em servidores fora do país, sujeitos a outras leis além da LGPD.

Quais são as confusões comuns sobre RAG?

"RAG é treinar o modelo com os meus documentos." Não é. O modelo não é treinado com seus arquivos: ele os consulta na hora da pergunta, como uma fonte de conhecimento em tempo real. Os slides da CMU explicam esse ponto e destacam que isso evita o custo de treinar um modelo.

"Com RAG, a IA não erra." Também não é verdade. Algumas apresentações falam em "zero alucinação", ou seja, nenhuma resposta inventada. Uma descrição mais cuidadosa, como a dos slides de Princeton, diz que o RAG reduz a alucinação. A resposta depende da busca: se ela trouxer trechos errados, incompletos ou desatualizados, a resposta pode sair errada também.

Um preprint de 2024 encontrou um efeito inesperado. Trechos que a busca classifica como muito relevantes, mas que não contêm a resposta, pioraram o desempenho do modelo.

"Se tem citação, está certo." A citação mostra de onde veio a informação, mas não garante que o modelo a usou bem. Os slides de Stanford propõem avaliar três pontos:

• se o trecho recuperado tem relação com a pergunta;
• se a resposta está apoiada nesse trecho;
• se a resposta responde de fato ao que foi perguntado.

Em temas de saúde, dinheiro ou lei, abra a fonte citada antes de usar a resposta e, quando for o caso, procure um profissional.