Contexto antes de IA

Depois de ver o problema operacional, este artigo posiciona IA no lugar certo da stack de conhecimento.

IA sem contexto é risco operacional

Em ambientes regulados ou com legado crítico, resposta plausível não é resposta correta. Sem recuperação governada, assistentes inventam procedimentos, misturam ambientes (homologação vs. produção), citam runbooks obsoletos ou expõem informação inadequada ao papel do usuário.

Caso típico em operação: plantonista pergunta ao assistente como reiniciar cluster de mensageria. O modelo retorna procedimento de versão anterior — com comando que em produção atual causa perda de mensagens em fila. O texto “parecia” igual ao runbook antigo que ainda está indexado sem flag de obsolescência. O risco não é alucinação fantástica; é ação errada com confiança: rollback incorreto, procedimento de outro cliente, dado classificado em canal indevido.

Em setor público ou multi-tenant, o custo inclui auditoria e responsabilização — não só downtime.

Contexto é produto, não prompt

Contexto confiável não se resolve com prompt engineering isolado. Exige camadas operacionais que se constroem em ordem:

• Fontes registradas. Cada origem com owner, classificação, política de retenção e metadado de vigência — não “indexamos o drive inteiro”.
• Curadoria humana. IA propõe resumo ou candidato a runbook; humano promove o canônico. Sem isso, busca semântica só encontra ruído mais rápido.
• Retrieve por intenção e escopo. Filtrado por sistema, ticket, papel, cliente ou contrato antes do ranking por similaridade.
• Agnosticismo de modelo. Gateway multi-provider quando necessário; o ativo é o contexto governado, não o vendor da semana.

Knowledge Operations organiza essas camadas antes de escolher GPT, Claude ou modelo interno.

Sequência correta

A ordem importa mais que a ferramenta:

1. Definir o que é conhecimento canônico, rascunho e histórico — com critério explícito, não intuído.
2. Integrar fontes existentes (artigo 4) sem big bang documental — começar pelo que quebra SLA hoje.
3. Aplicar governança e approval gates (artigo 5) — acesso, promoção, auditoria.
4. Só então acelerar com IA assistida em fluxos delimitados — piloto com métrica, não rollout corporativo no mês um.

Inverter a ordem — copiloto primeiro, governança depois — amplifica caos: modelo treinado em média do que está no índice, incluindo lixo, duplicata e versão errada. Custo de correção depois é múltiplo do custo de fazer na sequência certa.