Base de conhecimento com IA para empresas.
Sistema RAG da Alemanha, disponível em qualquer canal.
O conhecimento está por todo o lado, em PDF, wikis, documentos Word, listas de FAQ, emails antigos. A equipa e os clientes têm de o procurar à mão. As ferramentas clássicas de gestão do conhecimento são motores de busca: mostram resultados, mas não respondem. A IA generativa como o ChatGPT responde, mas não conhece o conhecimento da tua empresa. O que falta: um sistema RAG que ligue as duas coisas e esteja disponível em qualquer canal (telefone, chat, email).
RAG (Retrieval Augmented Generation) é a arquitetura padrão para as bases de conhecimento com IA nas empresas: os documentos são convertidos em embeddings vetoriais e guardados numa base de dados vetorial. Perante uma consulta, o sistema procura as passagens mais relevantes e passa-as como contexto a um LLM, que gera uma resposta a partir delas. Vantagem face aos motores de busca clássicos: resposta em linguagem natural em vez de uma lista de ligações. Vantagem face à IA genérica: conhecimento específico da empresa em vez de conhecimento geral. Mas construir um sistema RAG por conta própria é engenharia empresarial à medida: licenciar a base de dados vetorial (serviço na cloud dos EUA ou auto-alojado), configurar a integração do LLM, montar o pipeline de embeddings, escolher a estratégia de chunking, aplicar um modelo de re-ranking, construir uma camada de conformidade para o RGPD/AI Act. Tempo necessário: 2 a 6 meses de implementação à medida. Preços: configuração de cinco dígitos mais custos de cloud mensais de quatro dígitos. Fora do orçamento de uma PME da região DACH. A arquitetura da rinqo resolve isto: a gestão do conhecimento vem de origem no produto, base de dados vetorial auto-alojada na Hetzner na Alemanha, modelos de IA com tratamento de dados garantido por contrato na UE (EU Data Boundary), aviso conforme ao AI Act. Ativação em 10 minutos através do assistente.
A rinqo é uma base de conhecimento com IA com saída multicanal. Uma base de conhecimento central baseada em RAG por organização, alimentada por PDF, rastreio do site, listas de FAQ e artigos de helpdesk; outras fontes como Confluence, Notion ou SharePoint ligamos a pedido. Disponível em quatro canais: telefone (uma chamada devolve a resposta a partir da base de conhecimento), chat (widget com function calling), email (um agente de triagem autónomo responde às consultas padrão) e agente pessoal (pesquisa interna de perguntas e respostas para toda a equipa). Alojamento na Hetzner DE, desde 99 € sem IVA/mês em tarifa fixa.
Testar a base de conhecimento com IAWarum rinqo?
RAG de origem em vez de engenharia à medida
Implementação clássica de RAG: 2 a 6 meses de engenharia à medida com licença de base de dados vetorial, configuração do LLM, pipeline de embeddings, chunking, re-ranking, conformidade. rinqo: configuração com assistente em 10 minutos, base de dados vetorial auto-alojada, serviço de IA com tratamento na UE, aviso do AI Act integrado por predefinição.
Saída multicanal sem integração à parte
As ferramentas clássicas de base de conhecimento são frontends web. A rinqo torna a mesma base de conhecimento acessível por telefone, widget de chat, triagem de email e o agente pessoal, sem integrações de canal à parte. Uma base de conhecimento, quatro canais.
Hetzner DE em vez de base vetorial na cloud dos EUA
Os serviços de base de dados vetorial mais comuns alojam em regiões dos EUA. A rinqo opera a sua própria base de dados vetorial na Hetzner Falkenstein/Nürnberg — a tua base de conhecimento não fica num serviço vetorial na cloud dos EUA, mas na UE. Acordo de tratamento de dados automático ao assinar o contrato.
Resolução de lacunas de conhecimento com aprendizagem contínua
Quando a IA não consegue responder a uma consulta, a lacuna é comunicada no painel. Adicionas a resposta num minuto e, da próxima vez, a IA já consegue responder. A base de conhecimento cresce a partir de consultas reais de clientes, não da manutenção teórica de FAQ.
Aviso do art. 50 do AI Act por predefinição
Em cada resposta gerada por IA: aviso de transparência (mensagem de voz, distintivo no chat, rodapé de email). Obrigatório a partir de 02.08.2026, na rinqo por predefinição. As implementações RAG à medida clássicas têm de acrescentar o aviso à mão.
Function calling para respostas estruturadas
Em vez de apenas respostas em texto, a IA pode chamar funções: marcar uma reunião no Cal.com, criar um lead no CRM, disparar um webhook, reencaminhar para uma pessoa. Assim, a base de conhecimento torna-se ativa (age) em vez de passiva (apenas informa).
Vorher. Nachher.
Opções clássicas para a gestão do conhecimento na empresa: (1) ferramentas de wiki e de documentos, frontend web para pesquisa, sem resposta de IA, sem disponibilidade multicanal. (2) Implementação RAG à medida, 2 a 6 meses de engenharia, custos de configuração de cinco dígitos, base de dados vetorial na cloud dos EUA, conformidade com o RGPD manual. (3) Chats de IA genéricos, não conhecem o conhecimento da tua empresa, dão respostas inventadas (alucinações).
rinqo (DE, Hetzner): sistema RAG de origem com base de dados vetorial auto-alojada na Alemanha, modelos de IA com tratamento na UE, padrão do AI Act. Saída multicanal: telefone + chat + email + agente pessoal. Resolução de lacunas de conhecimento para a aprendizagem contínua. Configuração em 10 minutos através do assistente. Tarifa fixa desde 99 € sem IVA/mês em vez de uma configuração à medida de cinco dígitos.
O que é uma base de conhecimento com IA? RAG para empresas, explicado
RAG (Retrieval Augmented Generation) é a arquitetura de referência para as bases de conhecimento com IA. Três passos: primeiro, os documentos são convertidos em embeddings vetoriais semânticos (através de um modelo de embeddings) e guardados numa base de dados vetorial. A rinqo opera a sua própria base de dados vetorial na Hetzner na Alemanha. Segundo, perante uma consulta, o sistema calcula o embedding vetorial da pergunta e procura as passagens de documento mais parecidas na base de dados, tipicamente os 5 melhores resultados. Terceiro, as passagens encontradas são passadas como contexto a um LLM (na rinqo com tratamento de dados garantido por contrato na UE, EU Data Boundary), que gera a partir delas uma resposta em linguagem natural. Vantagem: conhecimento específico da empresa em vez de conhecimento geral, resposta em linguagem natural em vez de uma lista de ligações. Contrapartida: precisa de conteúdos de qualidade na base de conhecimento e de um chunking limpo. A rinqo tem o chunking e o re-ranking calibrados de origem para bases de conhecimento de PME da região DACH (artigos de helpdesk de 100-500 palavras, combinados com listas de FAQ e documentos PDF).
Como se constrói a base de conhecimento da rinqo, três fontes de entrada
A rinqo aceita três tipos de entrada para a base de conhecimento. Primeiro, rastreio do site. Indicas o URL do teu domínio principal e a rinqo rastreia automaticamente todas as páginas indexáveis (tipicamente 50-500 páginas numa PME da região DACH), extrai o texto e converte-o em embeddings na base de dados vetorial auto-alojada. Esforço de 5 a 15 minutos consoante o número de páginas. Segundo, carregamento de ficheiros. Documentos PDF, documentos Word, ficheiros Markdown e folhas de Excel são carregados. A rinqo extrai o texto com compreensão do layout (títulos, tabelas, listas) e cria os embeddings automaticamente. Funciona para coleções de artigos de helpdesk, manuais de pessoal, documentação de produto, diretrizes de conformidade. Terceiro, fontes de terceiros. Conteúdos de ferramentas como Confluence, Notion, SharePoint, Google Drive ou Zendesk ligamos a pedido, a configuração fica a nosso cargo, normalmente em poucos dias.
Saída multicanal, uma base de conhecimento para quatro canais
As ferramentas clássicas de gestão do conhecimento são frontends web, a equipa e os clientes têm de abrir a aplicação, procurar, ler. Em chamadas telefónicas, consultas de chat ou emails, o conhecimento tem de ser consultado à mão por alguém da equipa. A rinqo inverte isto: a mesma base de conhecimento é servida por quatro canais. Canal de telefone: o agente telefónico com IA atende a chamada, procura na base de conhecimento e responde por voz (síntese de voz através de um fornecedor alemão, alojada na UE). Canal de chat: widget web com a mesma base de conhecimento. Canal de email: um agente de triagem autónomo liga-se por IMAP à caixa de correio, responde às consultas que constam da base de conhecimento e escala os emails complexos. Agente pessoal: pesquisa direta de perguntas e respostas para toda a equipa (por exemplo, sobre a documentação do fluxo de baixa por doença), com indicação da fonte em cada resposta. Uma base de conhecimento, quatro canais, sem silos de conhecimento.
Resolução de lacunas de conhecimento, a base de conhecimento aprende com consultas reais
Os sistemas RAG clássicos têm um problema típico: a base de conhecimento está incompleta no início. A equipa e os clientes fazem perguntas que a base de conhecimento não cobre. Os sistemas clássicos respondem então com uma mensagem de erro ou, pior, alucinam. A rinqo tem um ciclo de aprendizagem contínua. Passo 1: perante uma consulta a que não é possível responder, a IA escala com honestidade para uma pessoa E regista a lacuna de forma estruturada no painel. Passo 2: vês todas as lacunas de conhecimento em aberto ordenadas por frequência. Passo 3: adicionas a resposta em 30 segundos (pode ser uma entrada de FAQ, uma passagem de documentação ampliada ou um novo ficheiro de conhecimento). Passo 4: a próxima consulta igual ou parecida é respondida automaticamente. A base de conhecimento cresce a partir de consultas reais de clientes, não da manutenção teórica de FAQ. Efeito: a taxa de acerto sobe de uns 60-70 por cento habituais na semana 1 para 90-95 por cento nas semanas 4-6.
rinqo vs. ferramentas clássicas de gestão do conhecimento, a comparação
Em 2026, as PME da região DACH comparam três opções para a gestão do conhecimento. Primeiro, as ferramentas clássicas de wiki e de base de conhecimento. Força: interfaces editoriais maduras, versionamento, permissões, colaboração em equipa. Fraqueza: apenas frontend web, sem resposta de IA, sem disponibilidade multicanal. Preço habitual de 8-15 €/pessoa/mês, mas sem uma camada de IA incluída. Segundo, a implementação RAG à medida. Força: máxima flexibilidade na arquitetura e nas integrações. Fraqueza: 2 a 6 meses de engenharia, custos de configuração de cinco dígitos, licenças de base de dados na cloud, conformidade com o RGPD/AI Act manual. Fora do orçamento de uma PME da região DACH. Terceiro, os chats de IA genéricos. Força: respostas de LLM maduras. Fraqueza: não conhecem o conhecimento da empresa (a não ser que copies o contexto à mão), alucinam perante consultas específicas, muitas vezes alojados na cloud dos EUA. A rinqo une as três vantagens: uma base de conhecimento mantida com funções editoriais básicas, mais respostas RAG, mais RGPD/alojamento na UE (feito na Alemanha), de origem desde 99 €/mês em tarifa fixa.
Perguntas frequentes
Fontes
- Regulamento da UE 2024/1689 (AI Act), art. 50
- RGPD art. 28, subcontratação do tratamento
- TJUE C-311/18 (exposição ao Cloud Act), transferência de dados para países terceiros
Atualizado pela última vez: 2026-05-09
Fundador e CEO, rinqo
O Sven cria a rinqo a partir de uma observação simples: a maioria das ferramentas de IA é concebida em São Francisco e vendida em Berlim. A oficina na Floresta Negra, a clínica veterinária em Salzburgo, o hotel familiar no Tirol recebem software que não fala a sua língua. A rinqo inverte isso. Em servidores europeus, configurado em dez minutos, em vinte línguas. Com modelos que vêm do próprio setor.
Atualizado pela última vez:
Experimentar ao vivo
Ver agente