Grafo de conhecimento ou memória vetorial para agentes de IA
Grafo de conhecimento ou memória vetorial para agentes: quais registros vão em cada uma, como sincronizá-las e testar se a memória continua atual.

Use um armazenamento vetorial para textos da empresa que precisam ser encontrados pelo significado, como manuais, políticas, anotações de ligações e procedimentos longos. Use um grafo de conhecimento para registros que têm identidade e relações, como clientes, trabalhos, ativos, aprovações e o dono de cada fato. A maioria dos agentes de empresa precisa das duas coisas: o grafo decide de qual entidade a pergunta trata, e o armazenamento vetorial encontra o trecho que responde.
Principais pontos
- Armazenamentos vetoriais encontram textos pela semelhança de significado. Eles são o lugar certo para documentos lidos como trechos.
- Grafos de conhecimento guardam entidades e as relações entre elas. Eles são o lugar certo para fatos que precisam ser ligados, datados, ter dono e poder ser corrigidos.
- A memória só se acumula de forma confiável quando cada escrita tem fonte, versão, dono e um caminho para ser expirada ou corrigida.
- Guarde o trecho na camada vetorial e o fato que aponta para ele no grafo, em vez de copiar o mesmo texto para os dois lugares.
- Avalie o desenho com testes de recuperação feitos a partir de perguntas reais da equipe, e não pelo nome do banco de dados.
Por que a escolha do armazenamento define o que seu agente lembra
Quando um dono de negócio ouve “banco de dados vetorial”, é fácil supor que o agente agora tem memória. Na prática, um armazenamento vetorial guarda representações numéricas de pedaços de texto e devolve os pedaços que mais se parecem com a pergunta. Isso é útil, mas o sistema não sabe que o “cliente Mercer” citado em um e-mail e o código de conta de uma nota fiscal são o mesmo cliente. Também não sabe que uma regra de garantia foi substituída no mês passado, a menos que alguém tenha registrado essa mudança de um jeito que o sistema consiga usar.
O desvio costuma aparecer assim: o agente recupera um trecho plausível que era verdadeiro em uma versão antiga da política, ou associa um fato ao cliente errado porque dois registros parecem parecidos. Nenhuma dessas falhas é dramática, e ambas corroem a confiança aos poucos. A escolha do armazenamento importa porque determina quais dessas falhas você consegue detectar e quais consegue corrigir.
O que um armazenamento vetorial faz bem
Um armazenamento vetorial é forte quando a pergunta é sobre linguagem, e não sobre identidade. Um membro da equipe pergunta como tratar uma palete danificada na entrega, e a resposta está em um procedimento de três páginas que ninguém resumiu. Dividir o procedimento em trechos, gerar os vetores desses trechos e recuperar os mais próximos dá ao agente boas chances de achar o parágrafo certo, mesmo quando a forma como a pessoa perguntou é diferente da forma como o documento foi escrito.
As fraquezas são previsíveis. Trechos podem separar uma regra da sua exceção. Passagens semelhantes de versões diferentes de um documento podem competir entre si. Nada no armazenamento diz qual passagem está em vigor, quem a aprovou ou a qual cliente ela se aplica. Por isso, a recuperação vetorial funciona melhor em documentos revisados, versionados e escritos para serem entendidos sozinhos. Os detalhes práticos de como dividir documentos longos estão em Tamanho de chunk para base de conhecimento com IA: regras sem cortes, e a pergunta geral sobre precisar ou não de um banco vetorial está em Preciso de um banco de dados vetorial para IA na empresa?.
O que um grafo de conhecimento faz bem
Um grafo de conhecimento representa coisas e os vínculos entre elas. Os nós podem ser um cliente, um trabalho, um ativo, uma localização ou um papel na equipe. As arestas dizem que um trabalho pertence a um cliente, que um ativo está instalado em um local ou que uma aprovação foi dada por um gerente. Cada aresta pode carregar data, fonte e status, o que torna o grafo bem mais fácil de auditar do que uma pilha de textos.
O grafo responde perguntas que a busca por semelhança responde mal. Quais trabalhos abertos pertencem a este cliente e à empresa controladora dele? Quais aprovações ainda valem para este ativo? Qual fato substituiu o anterior? Percurso pelos vínculos e consulta exata resolvem essas perguntas diretamente. O custo está no desenho inicial: é preciso decidir os tipos de entidade, os identificadores e as regras para casar registros. A extração a partir de documentos também pode introduzir erros, então os fatos do grafo precisam da mesma revisão que qualquer outra memória. Um escopo inicial prático é descrito em Grafo de conhecimento para agentes de IA: comece com cinco entidades.
Um guia de decisão: que registros vão para onde
Use as perguntas a seguir para classificar cada tipo de registro. Se a resposta à primeira pergunta for sim, o registro provavelmente pertence ao grafo como entidade ou fato. Se a resposta à segunda for sim, ele provavelmente pertence à camada vetorial como trecho.
- O registro descreve algo específico sobre o qual o negócio age, como um cliente, trabalho, ativo, local ou contrato? Coloque-o no grafo com um identificador estável.
- O registro precisa estar ligado a outros registros, como uma aprovação que vale apenas para um trabalho? Coloque o vínculo no grafo.
- O registro precisa de data de expiração, dono ou histórico de correções? Coloque o fato no grafo, mesmo que o texto de origem esteja em outro lugar.
- O registro é uma explicação longa, procedimento, política ou conjunto de exemplos lido como linguagem? Coloque o trecho no armazenamento vetorial, com fonte, versão e data anexadas.
- O registro é uma observação informal de uma conversa que ainda não foi revisada? Mantenha-o fora dos dois lugares até ser checado, seguindo as regras de revisão em Como revisar resumos de conversas de agentes de IA antes que virem memória.
Cenário ilustrativo: uma locadora regional de equipamentos recebe uma pergunta sobre a taxa de entrega de um guindaste reservado antes, sob outro nome empresarial. O armazenamento vetorial recupera o trecho dos termos de locação. O grafo mostra que a reserva pertence à mesma entidade de cliente, vinculada a uma empresa controladora, e que os termos foram substituídos em uma versão posterior. O agente responde com a versão vigente e a cita, e a equipe consegue ver por que a passagem antiga foi descartada. Sem o grafo, o agente teria citado termos que pareciam corretos, mas que já não estavam em vigor.
Um plano passo a passo que evita o desvio da memória
O desenho só funciona se for operado. A sequência a seguir é um bom ponto de partida para um primeiro projeto e pode ser executada por uma equipe pequena com responsabilidades claras.
- Passo 1: liste as entidades sobre as quais o negócio age todos os dias e dê a cada uma um único identificador estável, mesmo que os sistemas de origem usem códigos diferentes.
- Passo 2: atribua um dono a cada tipo de registro e escreva uma regra para quem pode criar, alterar e aposentar esse registro.
- Passo 3: guarde cada trecho de documento com fonte, versão, data de vigência e data de revisão, para que o agente consiga dizer qual versão usou.
- Passo 4: vincule os fatos do grafo aos trechos que os sustentam, em vez de copiar o texto da política para dentro do grafo.
- Passo 5: reúna de vinte a trinta perguntas reais de quem atende clientes e registre qual trecho ou fato uma resposta correta precisa usar.
- Passo 6: rode essas perguntas antes e depois de cada mudança na memória e registre cada erro com a causa, como um vínculo faltando, um trecho desatualizado ou uma entidade duplicada.
- Passo 7: revise os fatos com prazo de expiração em uma agenda fixa e remova ou corrija o que não corresponde mais ao negócio.
Vários desses passos dependem de documentos de origem bem organizados. Se os documentos estiverem espalhados ou sem versão, comece por Como preparar documentos da empresa para um agente de IA antes de construir qualquer uma das duas camadas.
Como a Be Human opera este desenho de memória
A Be Human projeta e opera infraestrutura de IA personalizada, na qual um agente mantém sua identidade, memória, canais, ferramentas, permissões e contexto operacional sob controle humano. Um primeiro projeto define um papel útil, a memória e as ferramentas que esse papel precisa, os limites de aprovação e um critério de sucesso observável. Na memória, isso normalmente significa decidir quais registros pertencem a um grafo, quais trechos pertencem a uma camada vetorial e quem é o dono de cada escrita. A operação gerenciada cobre então monitoramento, avaliações recorrentes de recuperação, manutenção das integrações, revisão de permissões, resposta a incidentes e melhorias controladas, para que os armazenamentos sejam verificados com perguntas reais em vez de deixados ao desvio.
Para um dono de negócio, a próxima decisão costuma ser mais estreita do que escolher um banco de dados. Trata-se de escolher um papel, um conjunto de registros e uma pergunta que o agente precise responder corretamente sempre. Comece por aí, meça e expanda somente quando o primeiro papel se comportar como esperado. Antes de escolher, faça o diagnóstico gratuito de IA da Be Human para identificar a primeira tarefa que vale a pena entregar a um agente.
Perguntas frequentes
Um armazenamento vetorial basta para a memória de agentes de IA da empresa? Para documentos não estruturados que as pessoas leem como texto, um armazenamento vetorial costuma ser uma boa primeira camada. Ele tem dificuldade com identidade, relações, datas e correções, então a maioria dos negócios acaba precisando de uma camada estruturada para esses registros.
Quando um grafo de conhecimento vale o esforço extra? Ele passa a valer o esforço quando o agente precisa conectar clientes, trabalhos, ativos ou aprovações, ou quando precisa saber qual fato substituiu outro. Comece com um conjunto pequeno de tipos de entidade e expanda somente depois que os testes de recuperação mostrarem uma lacuna real.
Um único sistema pode fazer os dois trabalhos? Algumas plataformas oferecem as duas capacidades em um mesmo produto, o que pode simplificar a operação. A pergunta de desenho continua a mesma: o sistema precisa de trechos que possam ser encontrados pelo significado, fatos que possam ser ligados e expirados, e um dono claro para cada escrita.
Como saber se a memória do meu agente está melhorando? Meça com um conjunto fixo de perguntas reais, a fonte correta para cada uma e um registro dos erros. Melhora significa menos respostas erradas e menos citações desatualizadas ao longo do tempo, não mais conteúdo armazenado.
Seu próximo passo
Descubra primeiro onde um agente de IA cabe na sua empresa.
Faça o diagnóstico gratuito de IA da Be Human. Algumas perguntas sobre o seu trabalho mostram qual tarefa entregar primeiro a um agente, o que ele precisa saber e onde uma pessoa aprova.
Orientação editorial Be Human. Exemplos são ilustrativos, salvo atribuição explícita. Fontes oferecem contexto; a implementação depende do seu processo.


