Por Lucas Borges
O último jantar de 2025 do Mercado & Opinião teve Frederico Trajano (Magalu), Patrícia Florissi (Google Cloud) e Marco Stefanini (Stefanini Group) debatendo sobre IA.
Ao olhar para o mercado e para a visão dos executivos, é seguro dizer que a IA generativa entrou em sua fase mais transformacional desde o surgimento da computação em nuvem.
Dessa vez, não como ferramenta de automação, mas como infraestrutura estratégica (capaz de remodelar modelos de negócio, cultura organizacional, custos operacionais e, sobretudo, experiência do cliente).
Para entender esse ponto, houve uma exemplificação sobre o poder dos embeddigs e dos sistemas que deixam de ser “estáticos” para atuar como agentes, intérpretes e criadores.
Embeddings e RAG: como a memória semântica transforma informação em vantagem
Embeddings são vetores numéricos que representam significado: uma frase, um parágrafo ou um documento é transformado em uma “assinatura” que o computador pode comparar com outras. Essa base vetorial permite que sistemas encontrem conteúdo semanticamente próximo (é a fundação técnica por trás do que conhecemos como search semântico). Quando combinado com AIG, esse mecanismo alimenta o RAG, em que um motor de busca recupera trechos relevantes de uma base (documentos, manuais, FAQs) e fornece esse contexto ao gerador, que produz respostas anotadas e atualizadas. Esse arranjo reduz drasticamente respostas inventadas e torna a IA suficientemente confiável para usos empresariais sensíveis.
No ambiente corporativo, RAG+embeddings permitem construir “memórias da empresa” com bases internas que a AIG consulta antes de gerar qualquer saída: políticas, contratos, históricos de atendimento, catálogos de produto. O resultado prático é: respostas com citação de fonte, pesquisa interna automatizada e chatbots que, em vez de dar palpite, devolvem recomendações fundamentadas.
Programação de AIG: do prompt à produção
A era do prompt craft evoluiu para pipelines de engenharia. Além de prompts bem formulados, empresas profissionais adotam fine-tuning, instruções de sistema, cadeias de raciocínio e testes automatizados que medem factualidade, toxicidade e viés. Em produção, esses modelos vivem dentro de orquestrações que gerenciam versionamento, logs, métricas e fallback humano. Guias práticos e estudos de caso já recomendam arquiteturas com múltiplas camadas de verificação (retriever → reranker → generator → verificador), e apontam ferramentas estabelecidas (FAISS, Pinecone, LlamaIndex) para indexação e recuperação.
Da automação à inteligência contextual: o que muda com embeddigs e IA generativa
Na prática, embeddings permitem que sistemas entendam contexto, intenção e até nuances emocionais.
É isso que possibilita uma IA: Que responda como vendedora experiente, um sistema que aprenda individualmente o comportamento do cliente, agentes autônomos que operam processos complexos de ponta a ponta; e interações que se mantêm coerentes ao longo do tempo.
Patrícia Florissi reforçou a importância dessa camada como infraestrutura:
“Estamos entrando na era das empresas que conversam, aprendem e respondem em tempo real.”
(Inserir foto da Patrícia)
Nos bastidores do Google Cloud, essa evolução está guiando novas arquiteturas de modelos e padrões de governança e segurança, fundamentais para o uso empresarial.
O caso Magalu: IA como produto, operação e relacionamento
Frederico Trajano apresentou exemplos de uso já em escala:
O atendimento por IA no WhatsApp, agentes autônomos que resolvem problemas do consumidor e modelos que funcionam como vendedores digitais.
O Magalu usa IA para, entre outras coisas: responder dúvidas de produtos com precisão contextual, recomendar itens com base em histórico e intenção detectada, operar fluxos logísticos com agentes especializados e escalar atendimento sem fricção.
Um ponto levantado por Trajano sintetizou o momento:
“A IA deixou de ser uma área e virou uma camada que atravessa toda a companhia.”
(Inserir foto do Trajano)
Esse movimento explica por que empresas que incorporam IA reduzem custos e aumentam capacidade competitiva.
Stefanini e a lógica dos “agentes corporativos”
No grupo Stefanini, a evolução da IA generativa está criando estruturas híbridas de trabalho, nas quais: Agentes de IA respondem por processos inteiros e grandes corporações começam a medir “produtividade de IA”
Marco Stefanini destacou a importância de abandonar a visão de “ferramenta” e adotar a lógica de ecossistemas inteligentes e reconfiguráveis.
“Quem usar IA como automação vai ganhar eficiência.
Quem usar IA como infraestrutura vai ganhar mercado.”
O Brasil tem uma janela de oportunidade rara
Vemos um alinhamento entre: tecnologia (com modelos mais acessíveis), negócios (com casos reais e resultados) e cultura corporativa (com abertura à experimentação).
“Se esse movimento continuar, empresas brasileiras poderão transformar seus cenários consumindo tecnologia para criar novos mercados” – Marcos Koenigkan, CEO Mercado & Opinião.
