RAG honesto: citações que você pode clicar

A adoção de IA nas empresas já é maioria: 72% dos lojistas brasileiros usam IA em tarefas como descrição de produto, imagem e atendimento (NuvemCommerce 2026, via Nuvemshop). Mas adotar IA interna e confiar nela são coisas diferentes. O que trava a confiança tem nome: alucinação. O modelo inventa uma política que não existe, o analista segue, e o cliente fica irritado.

Este post é sobre como construímos o Copilot para não fazer isso. A ideia central é simples e contraintuitiva: um sistema que admite quando não sabe é mais confiável do que um que sempre tem resposta.

Por que o medo da alucinação é legítimo

O maior receio de quem adota IA interna é que o sistema afirme com segurança algo falso. E o medo tem base: a maioria dos sistemas de RAG (geração com recuperação de contexto) não foi construída tendo honestidade como valor primário. Eles são otimizados para sempre responder, não para responder só quando têm base.

Num time de operação ou suporte, isso é caro. Uma resposta inventada sobre prazo, política de troca ou regra fiscal não é um erro de digitação. É uma decisão errada tomada com a confiança de quem achou que estava certo.

Como o Copilot foi construído para não inventar

No Copilot, toda resposta tem citação clicável. Se o sistema não encontra base para uma afirmação, ele diz "não encontrei documentação sobre isso", em vez de inventar. Parece óbvio, mas exige decisões de produto que não são triviais: o tamanho do chunk de contexto, o threshold de similaridade que separa "achei" de "não achei", e o prompt de sistema que instrui o modelo a preferir "não sei" à especulação.

Cada uma dessas escolhas empurra o sistema para o lado da cautela. O resultado é um Copilot que erra menos porque fala menos quando não deveria falar.

A transparência é o que gera confiança

O efeito na adoção foi o mais interessante. Dado interno da Uncode: os times que viram o sistema admitir que não sabia algo passaram a confiar mais nele quando ele respondia. A transparência sobre o limite aumentou a confiança na resposta que ele dava.

Faz sentido. Um colega que às vezes diz "isso eu não sei" é mais confiável do que um que responde tudo com a mesma segurança, porque você aprende a acreditar nele quando ele afirma. Com IA interna é igual. A honestidade sobre a fronteira do conhecimento é o que dá peso ao que está dentro dela.

O número, com a parte que não é citação

Dado interno da Uncode: 82% das respostas do Copilot têm citação verificável nos nossos clientes em beta. Os 18% restantes são respostas em que o modelo interpretou e sintetizou. E aqui está a honestidade que sustenta o resto: nesses casos, sempre marcamos "síntese" no label da resposta. O usuário sabe, na hora, quando está lendo um fato com fonte e quando está lendo uma interpretação.

Esse é o ponto que separa RAG honesto de RAG que só parece confiável: não é ter 100% de citação, é nunca esconder quando não tem.

O que fazer com isso

Se o seu time avalia adotar um copiloto interno, faça uma pergunta antes de olhar a demo bonita: quando ele não sabe, o que ele faz? Se a resposta for "ele sempre acha alguma coisa para dizer", desconfie. Um sistema que nunca diz "não sei" não é mais inteligente. É menos honesto.

O Copilot foi desenhado ao contrário disso, e é por isso que os times confiam nele. Se quiser entender como aplicar essa lógica à base de conhecimento da sua operação, a conversa é de 30 minutos, sem pitch: você mostra onde o time perde tempo procurando informação e a gente diz honestamente se o Copilot resolve o seu caso.

Fontes

NuvemCommerce 2026, via Nuvemshop (adoção de IA por lojistas brasileiros). Os dados do Copilot (82% de respostas com citação verificável em beta) são internos da Uncode.