Uma empresa pede ao agente: “priorize os clientes com maior risco”. A frase parece simples, mas abre várias perguntas. Risco de cancelamento, inadimplência ou atraso? Cliente significa empresa, contato ou grupo econômico? O cálculo deve considerar os últimos 30 dias ou o contrato inteiro? Quem pode visualizar o resultado?
Modelos de linguagem conhecem padrões gerais, não a realidade operacional de cada organização. Eles precisam receber definições, relações, regras, permissões e dados atualizados no momento certo. Esse trabalho é chamado de engenharia de contexto.
Em 22 de outubro de 2026, o Google Cloud anunciou enriquecimento autoaprendível no Knowledge Catalog para identificar lacunas de contexto e manter definições empresariais atualizadas. A evolução confirma uma mudança importante: o diferencial já não está apenas no modelo, mas na qualidade do contexto reutilizável que o conecta ao negócio.
O que é engenharia de contexto?
Engenharia de contexto é a disciplina de selecionar, estruturar, atualizar e entregar à IA todas as informações necessárias para uma tarefa. Ela combina dados operacionais, metadados, glossários, regras, histórico, identidade do usuário, estado do processo e ferramentas disponíveis.
Não se resume a escrever um prompt longo. O prompt é apenas uma parte. Um sistema robusto decide dinamicamente qual contexto recuperar, verifica se a fonte está atualizada, aplica permissões e registra o que foi usado em cada resposta ou ação.
Prompt, RAG e camada de contexto não são a mesma coisa
Prompt define comportamento
O prompt descreve o papel do agente, seus limites e o formato esperado. É útil para instruções relativamente estáveis, mas se torna frágil quando tenta carregar toda a complexidade do negócio.
RAG recupera conteúdo
Uma arquitetura RAG localiza trechos relevantes em documentos e bases de conhecimento. Ela ajuda a responder com fontes, mas encontrar textos semelhantes não garante que a IA compreenda relações, autoridade, vigência ou exceções.
A camada de contexto conecta significado
A camada de contexto registra que um pedido pertence a uma filial, que a filial pertence a uma região, que determinado contrato substituiu o anterior e que apenas o financeiro pode consultar margem. Ela une busca, semântica, relações, regras e governança.
Por isso, a engenharia de contexto complementa o RAG agêntico. A recuperação encontra evidências; o contexto explica como interpretá-las e o que o agente está autorizado a fazer.
Os componentes de um bom contexto empresarial
- glossário: definições aprovadas para cliente ativo, receita, oportunidade, atraso e outras métricas;
- ontologia: entidades do negócio e relações entre pessoas, empresas, contratos, produtos e eventos;
- metadados: origem, proprietário, qualidade, sensibilidade e data de atualização;
- regras: políticas comerciais, limites, alçadas e exceções;
- identidade: usuário, função, empresa, unidade e permissões;
- estado: etapa atual do processo, ações anteriores e pendências;
- memória: fatos úteis de interações anteriores com validade definida;
- ferramentas: APIs e operações que o agente pode consultar ou executar.
Exemplo prático: agente comercial conectado ao CRM
Imagine um agente que prepara o vendedor antes de uma reunião. Sem contexto governado, ele procura mensagens recentes e produz um resumo genérico. Com uma camada de contexto, o resultado muda.
O agente identifica o grupo econômico do cliente, relaciona contatos e oportunidades, verifica produtos contratados, considera chamados críticos, usa a definição oficial de receita recorrente e respeita a carteira do vendedor. Em seguida, sugere três assuntos e registra a preparação no CRM.
Se o usuário pertence a outra equipe, dados de margem podem ser ocultados. Se uma política comercial expirou, ela não entra na recomendação. Se duas fontes discordam, o agente informa a divergência em vez de inventar uma conclusão.
Grafo de contexto: quando as relações importam
Bancos relacionais continuam essenciais para transações. Um grafo de conhecimento acrescenta uma forma direta de representar relações e percorrer conexões: pessoa trabalha em empresa, empresa pertence a grupo, contrato cobre produto, chamado afeta contrato.
Essa abordagem é útil para perguntas com vários saltos, como “quais clientes estratégicos dependem de fornecedores afetados por este incidente?”. A resposta não vem de um único documento ou tabela; depende de entidades conectadas.
Nem todo projeto precisa começar com um banco de grafos. Uma primeira versão pode usar catálogo, camada semântica, busca híbrida e serviços existentes. O importante é modelar o significado e não confundir complexidade tecnológica com valor.
Como manter o contexto atualizado
Contexto envelhece. Uma política muda, um produto é descontinuado, um cliente troca de grupo ou uma métrica ganha nova fórmula. Por isso, cada conjunto de contexto precisa ter responsável, fonte de verdade, validade e fluxo de aprovação.
Interações do agente também revelam lacunas. Perguntas sem resposta, correções humanas e conflitos entre fontes devem alimentar uma fila de melhoria. Sistemas recentes já analisam esse uso para propor enriquecimentos, mas a publicação de novas definições deve permanecer governada.
Segurança: contexto não significa acesso irrestrito
Centralizar conhecimento sem aplicar autorização pode ampliar vazamentos. O filtro deve ocorrer antes da recuperação e continuar em cada ferramenta acionada pelo agente.
- propague a identidade do usuário em todas as consultas;
- aplique controle por função, empresa, unidade e finalidade;
- minimize dados pessoais e informações sensíveis;
- separe contexto global, de equipe e individual;
- use credenciais temporárias para ações;
- registre fontes, versões e decisões para auditoria;
- defina retenção para memória e histórico.
Esses controles complementam a identidade própria dos agentes e a observabilidade das execuções.
Arquitetura de referência
- conectores capturam mudanças de CRM, ERP, documentos e bancos;
- um catálogo registra metadados, qualidade e responsáveis;
- glossário e ontologia organizam conceitos e relações;
- índices vetoriais, SQL e grafos atendem diferentes consultas;
- um serviço de contexto combina tarefa, usuário e estado;
- políticas filtram dados e ferramentas autorizadas;
- o agente recebe apenas o pacote necessário;
- telemetria registra fontes, custos, ações e correções.
A camada pode ser implementada gradualmente e conectada aos sistemas existentes por APIs e eventos. Não é necessário migrar todos os dados para um único repositório.
Como iniciar sem criar outro projeto interminável de dados
1. Escolha uma decisão concreta
Comece por uma tarefa mensurável: classificar solicitações, preparar proposta, analisar risco ou orientar atendimento. Evite tentar modelar a empresa inteira.
2. Liste o contexto indispensável
Quais conceitos, fontes, relações e regras mudam a decisão? Quem pode acessar cada item? O que precisa estar em tempo real?
3. Defina fontes de verdade
Escolha o sistema responsável por cada fato. Quando duas fontes divergem, estabeleça precedência ou encaminhe para revisão.
4. Teste com casos reais
Monte cenários normais, exceções e tentativas de acesso indevido. Compare a resposta do agente com a decisão de especialistas.
5. Crie o ciclo de manutenção
Registre falhas, correções e mudanças de regra. Contexto é produto contínuo, não um arquivo entregue no lançamento.
Métricas que mostram se o contexto funciona
- percentual de respostas apoiadas em fontes válidas;
- taxa de respostas corrigidas por especialistas;
- conflitos ou lacunas encontrados por semana;
- tempo para atualizar uma definição do negócio;
- ações bloqueadas corretamente por política;
- conclusão da tarefa sem retrabalho humano;
- uso de contexto desatualizado ou irrelevante.
Contexto é infraestrutura de negócio
Um agente confiável precisa saber mais do que “o que está escrito”. Ele deve entender quais conceitos se relacionam, qual regra está vigente, de onde veio o dado e até onde pode agir. Engenharia de contexto transforma conhecimento disperso em uma capacidade reutilizável para diferentes agentes, aplicativos e automações.
A ProativaIA desenvolve soluções de IA e automação, software sob medida e integrações com os sistemas da empresa. Podemos mapear um caso de uso, construir a camada de contexto e colocar agentes conectados ao negócio em produção com segurança.