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, e-mails 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, e-mail).
ComeçarEm resumo
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. 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, aviso conforme ao AI Act. Ativação através do assistente.
Com a rinqo obténs 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; sistemas com API REST como Confluence ou Notion ligas como ligação, e o agente consulta-os na conversa. Disponível em cada canal: telefone (uma chamada devolve a resposta a partir da base de conhecimento), chat (widget com function calling), e-mail (o agente apresenta as respostas a consultas padrão para aprovação) e o agente pessoal (pesquisa interna de perguntas e respostas para toda a equipa), o marketing e os canais futuros partem da mesma base. Alojamento na Hetzner DE.
Índice
Porquê a 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, 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 e-mail e o agente pessoal, sem integrações de canal à parte. Uma base de conhecimento, cada canal.
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/Nuremberga, 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 e-mail). 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 calendário, 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).
Antes. Depois.
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 + e-mail + agente pessoal. Resolução de lacunas de conhecimento para a aprendizagem contínua. Configuração através do assistente.
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), 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, quatro fontes de entrada com aprovação
A base de conhecimento aceita vários tipos de entrada. Primeiro, rastreio do site. Indicas o URL do teu domínio principal e a rinqo rastreia automaticamente todas as páginas indexáveis, extrai o texto e converte-o em embeddings na base de dados vetorial auto-alojada. Segundo, carregamento de ficheiros. Documentos PDF, documentos Word, ficheiros Markdown e folhas de Excel são carregados. O texto é extraído e convertido em embeddings automaticamente. Funciona para coleções de artigos de helpdesk, manuais de pessoal, documentação de produto, diretrizes de conformidade. Terceiro, fontes de terceiros. Sistemas com API REST como Confluence ou Notion ligas como ligação, e o agente consulta-os na conversa; a pedido tratamos disso nós. Quarto, a partir do próprio dia a dia de trabalho. Se alguém pergunta ao agente pessoal algo que ainda não está registado, ou se uma pessoa responde a um pedido escalado, a rinqo propõe o novo bloco de conhecimento. Importante: uma proposta não fica ativa automaticamente. Uma pessoa autorizada aprova-a e decide se vai para o conhecimento comum da empresa ou para o conhecimento pessoal da pessoa em causa. Assim a base de conhecimento cresce de forma controlada a partir do trabalho diário, sem manutenção penosa, e nada acaba nas respostas sem verificação.
Saída multicanal, uma base de conhecimento para cada canal
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 e-mails, o conhecimento tem de ser consultado à mão por alguém da equipa. A rinqo inverte isto: a mesma base de conhecimento é servida por cada canal. 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 e-mail: 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 e-mails 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, cada canal, sem silos de conhecimento.
Atribuir conhecimento, cada agente vê apenas o que deve ver
Uma base de conhecimento não significa que toda a gente vê tudo. Na rinqo atribuis a cada agente, de forma seletiva, de que conhecimento pode responder. O agente de chat no site recebe horários, serviços e preços; o agente de e-mail, além disso, os fluxos de reclamação; os documentos internos de pessoal, as condições de compra ou os contratos ficam totalmente de fora. Assim, um agente voltado para o cliente responde apenas ao que se destina à clientela e nunca acede a documentos internos; a separação é estrutural, não uma questão de formulação no prompt. O agente pessoal para a equipa, ao contrário, pode aceder ao conhecimento interno, e cada pessoa ainda ao seu próprio conhecimento pessoal, que não é visível para mais ninguém. Defines a atribuição no painel e alteras a qualquer momento; uma alteração produz efeito de imediato em todos os canais, sem que tenhas de manter documentos em duplicado.
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.
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, portanto trabalhosa. 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).
Perguntas frequentes
Fontes
- Regulamento da UE 2024/1689 (AI Act), art. 50
- RGPD art. 28, subcontratação do tratamento
- TJUE C-311/18 (Schrems II), transferência de dados para países terceiros
Atualizado pela última vez: 2026-09-05
Fundador, rinqo
Fundador da rinqo. Constrói uma memória de empresa onde o saber de uma organização converge e continua disponível, e os agentes de IA que trabalham a partir dela: ao telefone, na caixa de correio, no chat, no marketing e noutras funções. Escreve aqui sobre a introdução da IA nas empresas, sobre proteção de dados e sobre o que se aguenta na prática. Desenvolvido na Alemanha, processado na UE, sem fornecedores dos EUA.
Atualizado pela última vez:
Experimentar ao vivo
Ver agente