A busca tradicional acha palavras. Se você procura “pedido que não chegou” e o documento diz “atraso na entrega”, a busca por palavras não encontra. A busca por significado encontra, e é ela que está por trás do RAG.
O que é um embedding
Uma forma de transformar um trecho de texto em números que representam o seu sentido. Textos com sentido parecido viram números parecidos. “Pedido que não chegou” e “atraso na entrega” ficam próximos; “atraso na entrega” e “política de férias” ficam longe.
Você não vê esses números. O que você vê é o efeito: uma busca que entende sinônimo, paráfrase e contexto, em qualquer língua.
Onde isso aparece no seu dia
- Na busca de e-mail e de documentos das ferramentas mais novas, que acham o que você quis dizer, não só o que digitou.
- No RAG, para escolher quais trechos do manual entram na resposta.
- Em “documentos parecidos”, “perguntas relacionadas”, classificação automática de chamados.
O que isso não é
Não é entendimento. É proximidade estatística de sentido. Funciona muito bem na média e falha em casos específicos: siglas internas da empresa, nomes de produto, jargão que só existe no seu setor. Por isso um sistema de busca bom para a sua empresa precisa dos seus documentos e, às vezes, de um glossário para ensinar o que as siglas significam.
Para quem decide
Quando um fornecedor fala em “busca semântica”, “vetores” ou “banco vetorial”, é isso. A pergunta que importa não é técnica: “funciona com o vocabulário da minha empresa?”. Teste com dez perguntas reais, com as siglas de casa, antes de acreditar na demonstração.