Sistemas RAG à medida que respondem com os seus documentos e dados, e citam a fonte de cada resposta.
Os seis que mais desenvolvemos, e qualquer outro sistema de que o seu conhecimento precise.
Um só sítio onde a sua equipa pergunta às suas wikis, pastas partilhadas, tickets e bases de dados, com cada resposta a citar a página de origem.
Assistentes de apoio e de helpdesk que respondem a clientes ou colaboradores só com o seu próprio conteúdo, e passam o caso quando a resposta não está lá.
Perguntas respondidas sobre contratos, políticas, manuais e relatórios, lendo também as tabelas, digitalizações e diagramas que contêm.
Pesquisa e respostas integradas na sua própria app ou produto SaaS, cada uma com os dados de um só cliente e nada mais.
RAG nos seus próprios servidores ou na sua cloud privada, com modelos abertos, para que os seus documentos nunca saiam de uma infraestrutura que controla.
O conhecimento que os seus agentes de IA consultam, com o mesmo índice e as mesmas permissões, para que um agente aja sobre factos.
Seis passos, desde uma amostra dos seus documentos até um sistema a que a sua equipa confia as suas perguntas.
As suas fontes, perguntas reais e regras de acesso, com um conjunto de teste das respostas a acertar.
Documentos processados, digitalizações e tabelas incluídas, segmentados e indexados com as suas permissões.
Pesquisa, reordenação e respostas que citam as suas fontes, dentro da sua aplicação.
Pontuado contra o conjunto de teste, com as falhas listadas e um sim ou não claro.
Implementado no seu ambiente com início de sessão único, controlo de acessos e monitorização.
O índice atualizado, as respostas revistas e o custo e a precisão acompanhados.
As suas fontes, perguntas reais e regras de acesso, com um conjunto de teste das respostas a acertar.
Documentos processados, digitalizações e tabelas incluídas, segmentados e indexados com as suas permissões.
Pesquisa, reordenação e respostas que citam as suas fontes, dentro da sua aplicação.
Pontuado contra o conjunto de teste, com as falhas listadas e um sim ou não claro.
Implementado no seu ambiente com início de sessão único, controlo de acessos e monitorização.
O índice atualizado, as respostas revistas e o custo e a precisão acompanhados.
As peças que integramos num sistema RAG, ajustadas aos seus documentos e a quem os lê.
PDF, digitalizações e folhas de cálculo lidos com as tabelas e o layout intactos, sem os achatar em texto.
Divididos por secção e cláusula, para que cada passagem mantenha o título e nunca pare a meio de uma frase.
Palavras exatas e significado pesquisados em conjunto, e as melhores passagens ordenadas no topo.
Cada pessoa recebe respostas só dos documentos que já pode abrir no sistema de origem.
Cada resposta nomeia os documentos e passagens de onde vem, a um clique do original.
Quando a resposta não está nos seus documentos, diz isso e indica quem poderá saber.
Perguntas reais com as respostas e fontes certas, contra cada alteração antes de sair.
Documentos novos e alterados indexados quando mudam, e os apagados retirados das respostas.
Na sua cloud, nos seus servidores ou isolado, onde os seus dados podem estar.
Algo novo com IA, ou IA no software que já tem.
Um MVP de IA com as funcionalidades que mais importam, para lançar e aprender.
Um produto de IA desenhado, construído e lançado por inteiro, por uma só equipa.
Engenheiros de IA que se juntam à sua equipa, ou uma equipa dedicada que conduz o trabalho.
IA integrada nos sistemas que já usa, com os seus dados e permissões.
Uma demo ou prova de conceito tornada fiável, segura e medida, pronta para utilizadores reais.
Alojado e monitorizado, com modelos avaliados e atualizados à medida que os dados mudam, acordado consigo.
Desenvolvimento de software à medida para cada setor: web, móvel e IA, construído e auditado em segurança pela mesma equipa.
Também desenvolvemos software para seguros (insurtech), administração pública (govtech), energia e media. Se o seu setor não estiver na lista, também podemos desenvolver software para ele.
Os modelos que testamos com as suas perguntas, e as bases de dados vetoriais, frameworks e ferramentas com que construímos a recuperação.
Três produtos próprios, desenhados, construídos e mantidos pela equipa que desenvolveria o seu sistema RAG.
Retalho · SaaS
Um sistema de ponto de venda que reúne vendas, inventário e talões no terminal, no tablet e no telemóvel.
Viagens
Uma app de reservas de viagem cujo assistente de IA encontra voos, hotéis e ideias de viagem, até à reserva confirmada.
IA
Um assistente de IA para apoio ao cliente e vendas, que responde a dúvidas e orienta os compradores.
O que as equipas perguntam antes de deixar uma IA responder com os seus documentos, respondido com clareza.
Muito provavelmente. Ligamo-nos onde está o seu conhecimento — Google Drive, SharePoint, Confluence, Notion, helpdesks, bases de dados e pastas partilhadas — e lemos PDF, ficheiros de Word e PowerPoint, folhas de cálculo e digitalizações. Se um sistema tem API, sincronizamos a partir dela; se não tem, trabalhamos com exportações regulares.
O RAG procura os excertos relevantes dos seus documentos quando é feita uma pergunta, e o modelo responde com eles e cita-os. O fine-tuning altera o próprio modelo: serve para um estilo ou um formato, mas não mantém os factos atualizados nem mostra de onde vêm. Para responder com o seu conhecimento, o RAG costuma ser a escolha certa, e quando não é, dizemos-lhe.
Responde só com os excertos que recuperou, e cita-os. Quando não encontra nada relevante, diz que a resposta não está nos seus documentos em vez de adivinhar. E cada versão é pontuada com um conjunto das suas perguntas reais, por isso uma alteração que piore as respostas não é publicada.
Sim. As permissões são herdadas dos sistemas de origem e verificadas na recuperação, por isso um excerto que alguém não poderia abrir no SharePoint ou no Drive nunca chega à sua resposta. O acesso segue o seu início de sessão único e muda quando ele muda.
Sim. Implementamos RAG on-premise, na sua cloud privada ou numa região da UE, com modelos abertos como Llama e Mistral quando os documentos não podem ir para um fornecedor externo. A base de dados vetorial e o índice ficam dentro da sua rede.
Claude, GPT, Gemini ou modelos abertos como Llama e Mistral; Pinecone, Weaviate, Qdrant ou pgvector; LlamaIndex ou LangChain; Unstructured e Docling para ler documentos, Cohere Rerank para reordenar e Ragas para avaliar. Escolhemos testando com os seus documentos, e nenhum deles o prende.
Antes de construir, reunimos perguntas reais, cada uma com a resposta certa e as suas fontes. Cada alteração é pontuada com elas — se encontra o excerto certo, se a resposta se mantém fiel a ele, se o cita — e a pontuação decide se a alteração é publicada.
O índice mantém-se sincronizado com as fontes: os documentos novos e editados voltam a ser indexados e os apagados desaparecem das respostas. A frequência é definida por fonte, desde poucos em poucos minutos até todas as noites.
Reunir os documentos e as perguntas e construir o conjunto de avaliação leva uma a duas semanas, um protótipo com os seus documentos duas a seis, e a produção — controlo de acessos, sincronização e monitorização — mais umas semanas. A estimativa define os prazos antes de começar.
Construí-lo depende das fontes, dos formatos e das regras de acesso; depois de uma primeira chamada enviamos uma estimativa por escrito. O custo de funcionamento é sobretudo o alojamento do índice e o uso do modelo por resposta, que estimamos antes de construir.
