Como montar uma base de conhecimento com IA que seu time vai realmente usar

A IA é a parte fácil de uma base de conhecimento com IA. As respostas saem erradas porque os documentos por baixo estão desatualizados, duplicados ou compartilhados com as pessoas erradas. Por isso, arrume seus 50 documentos mais usados e as configurações de compartilhamento antes de comprar qualquer coisa.

Isso importa agora porque você talvez já tenha uma. A Atlassian liga a IA por padrão em todos os apps dos planos de nuvem Standard, Premium e Enterprise, Rovo incluído, até que um administrador a desligue (Atlassian). O ChatGPT Business ativa os apps por padrão (OpenAI Help Center). O Claude Team e o Enterprise vêm com um projeto de busca "Ask Your Org" que já vem ativado e só espera um owner concluir a configuração (Claude Help Center). Seu pessoal pode em breve estar perguntando à IA sobre os seus arquivos antes de alguém ter conferido o que ela vai encontrar.

Este guia é para líderes de time, pessoas de operações e de TI em empresas de cerca de 10 a 500 pessoas. Ele cobre como as respostas são montadas, três formas de construir com preços de 2026 verificados, o que faz as respostas saírem erradas e um plano de implantação de 30 dias.

Como uma resposta de IA é montada a partir do conhecimento da empresa

Tirando a marca, todo produto aqui faz o mesmo trabalho em quatro movimentos. Primeiro, verifica quem está perguntando. Depois, busca só nos documentos que essa pessoa já pode abrir. Em seguida, entrega os trechos mais relevantes a um modelo de linguagem, que escreve a resposta a partir deles. Por fim, liga cada parte da resposta ao trecho de onde ela veio, para o leitor poder conferir.

O nome técnico é retrieval-augmented generation, ou RAG. O modelo não decorou o seu wiki. Ele lê alguns trechos recuperados no momento da pergunta, mais ou menos como um novato que dá uma olhada em três páginas antes de responder no Slack. Uma resposta só pode ser tão atual e correta quanto os trechos que recebeu, e um modelo esperto não salva uma página errada.

Permissões são a etapa que os times subestimam. A documentação da Microsoft diz que o Microsoft Copilot "só exibe dados da organização aos quais cada usuário tenha, no mínimo, permissão de visualização", e orienta os admins a usar o modelo de permissões do SharePoint para que as pessoas certas tenham o acesso certo (Microsoft Learn). Leia isso do avesso. A IA não mostra um arquivo a quem não consegue abri-lo. Mas ela traz todo arquivo que a pessoa consegue abrir, inclusive aquela planilha de revisão salarial que alguém compartilhou com a empresa inteira anos atrás e esqueceu. (A Microsoft renomeou o Microsoft 365 Copilot para Microsoft Copilot, embora algumas licenças ainda possam mostrar o nome antigo durante a transição.)

O diagrama acompanha uma pergunta por essas etapas. A caixa âmbar é a que decide o que a IA pode ler.

Olhe o ciclo na parte de baixo. Quando alguém sinaliza uma resposta ruim, ela deve ir para quem é dono do documento-fonte, porque corrigir a página corrige todas as respostas futuras que a citarem. Corrigir a resposta no chat conserta uma conversa só.

Por baixo do capô há dois desenhos, e eles falham de jeitos diferentes. As ferramentas baseadas em índice copiam seu conteúdo e as configurações de permissão para um índice próprio, com antecedência. É assim que funcionam o Semantic Index da Microsoft, o Rovo, o Glean e o Gemini Enterprise: é rápido, mas a cópia pode ficar defasada em relação à fonte. As ferramentas de chamada ao vivo buscam nos seus apps quando a pergunta chega. A busca corporativa do Claude faz chamadas MCP aos serviços conectados e diz que nada deles é indexado do lado da Anthropic.

Uma linha da página de ajuda da Anthropic importa para a TI. Normalmente cada pessoa se conecta com as próprias credenciais, então os resultados refletem o acesso dela. Um conector personalizado configurado com uma API key compartilhada funciona diferente: todo mundo que o usa vê tudo o que aquela única credencial enxerga.

Três caminhos para construir, conforme o conhecimento está distribuído

O modelo por dentro quase não pesa nesse trabalho. O Notion, por exemplo, deixa quem usa o Enterprise Search escolher entre GPT da OpenAI, Claude da Anthropic e Gemini do Google. O que diferencia os produtos é onde eles procuram e quão bem acompanham suas permissões, então a escolha certa vem de onde o seu conhecimento já mora.

Há três formas realistas de construir. Um assistente de time é um projeto ou notebook compartilhado para um time, com um conjunto limitado de documentos, e pode estar no ar numa tarde. IA no seu wiki significa ligar o assistente que o fornecedor do seu wiki já entrega. Uma camada de respostas indexa várias ferramentas atrás de uma única caixa de busca e só compensa o custo quando o conhecimento está espalhado por muitos sistemas.

Da esquerda para a direita, cada caminho cobre mais gente e mais ferramentas, e herda mais configurações de permissão que alguém precisa ter conferido. O cartão âmbar do meio é o padrão sensato para a maioria das empresas de 10 a 500 pessoas. Se você já paga por um wiki, a IA dele é a rota mais barata para respostas com citação, e o dinheiro economizado pode ir para a limpeza das páginas.

Não sabe qual descreve você? A árvore abaixo faz no máximo duas perguntas.

Se você cair em "Buy an answer layer", leia a seção sobre por que as respostas saem erradas antes de assinar qualquer coisa. Quanto maior o índice, mais configurações de compartilhamento esquecidas ele vai desenterrar.

Caminho um: ligue a IA do wiki que você já tem

Os fornecedores de wiki têm algo que os outros caminhos não têm: recursos para manter as páginas atualizadas, e vários já mostram esse status dentro das respostas da IA.

O Notion coloca a IA no plano Business, a US$ 20 por membro ao mês no faturamento anual ou US$ 24 no mensal. Free e Plus só têm um período de teste (Notion pricing). O Business inclui o Enterprise Search no Notion e em ferramentas conectadas como Slack, Microsoft Teams e GitHub, com mais em beta. O recurso mais útil aqui é pequeno: você pode colocar um selo de verificado em páginas atualizadas, e o Notion diz que o selo "aparece nos resultados de busca e nas citações da IA", então o leitor vê se uma fonte foi conferida.

O Confluence é mais barato por usuário porque o Rovo vem junto. O Standard custa US$ 5,42 por usuário ao mês e o Premium US$ 10,44, com franquias de Rovo de 25 créditos por usuário ao mês no Standard, 70 no Premium e 150 no Enterprise (Atlassian). A documentação de uso da Atlassian acrescenta que os créditos são compartilhados na organização e não acumulam, e que a cobrança por uso extra começa ainda este ano, ativada por padrão a US$ 10 por 1.000 créditos, a menos que um admin defina um teto. Reserve verba para isso antes de o piloto virar sucesso.

As ferramentas de wiki menores vendem a manutenção com mais força. O Slite Basic custa US$ 10 por usuário ao mês no plano anual e responde só com os docs do Slite, limitado a 30 perguntas por usuário ao mês. O Pro, a US$ 20, adiciona busca em ferramentas conectadas e checagem de fatos nos docs, com sugestões de correção (Slite). O Tettra Scaling custa US$ 8 por usuário ao mês no plano anual, com mínimo de 10 usuários, além de relatórios de páginas desatualizadas e conteúdo sem dono (Tettra). O Guru não divulga preços, mas o pacote lista fluxos de verificação e respostas com citação que respeitam permissões.

Escolha entre elas pelos recursos de manutenção, não pelo modelo. Um selo de verificado ou um relatório de páginas desatualizadas é o que mantém as respostas certas seis meses depois do lançamento, quando as páginas já se afastaram da realidade. E se o seu wiki é um cemitério de páginas pela metade, ligar a IA dele só dá voz ao cemitério.

Caminho dois: um assistente compartilhado para um time

Às vezes o problema de conhecimento é de um time só: as 40 macros do suporte, digamos, ou o playbook de vendas. Um projeto de assistente compartilhado dá conta de um conjunto limitado assim numa tarde, sem migrar wiki nenhum.

O ChatGPT Business custa US$ 25 por usuário ao mês, ou US$ 20 no plano anual, com mínimo de dois assentos (OpenAI Help Center). O plugin Company Knowledge responde a partir de fontes conectadas, e a OpenAI diz que um membro só consegue recuperar ali o que já tem permissão de acessar. Atenção à lacuna de administração, porém. No Business os apps vêm ativados por padrão, e o controle por função sobre cada app é um recurso do Enterprise e do Edu.

O Claude Team custa US$ 20 por assento padrão ao mês no faturamento anual, ou US$ 25 no mensal, para times de 2 a 150 pessoas (Claude pricing). Os projetos podem ser públicos para toda a organização ou privados para membros convidados, com os papéis Can view e Can edit. Quando os arquivos de um projeto se aproximam do limite de contexto, a Anthropic diz que o Claude passa a usar recuperação por conta própria e consegue manter até dez vezes mais conteúdo.

O Google renomeou o NotebookLM para Gemini Notebook este ano, e diz que mais de 30 milhões de pessoas e mais de 600 mil organizações o usam. O modelo de compartilhamento é o que você precisa entender antes de subir qualquer coisa. Em um notebook compartilhado, quem só visualiza "tem acesso somente leitura a todos os documentos-fonte e anotações", e o Chat View, que esconde esses materiais, "não revoga completamente o acesso subjacente do visualizador" (Google).

Daí sai uma regra para todo este caminho. Nunca ponha num projeto ou notebook compartilhado um documento que você não entregaria, sem edição, a cada pessoa com quem ele é compartilhado.

O scorecard compara esses assistentes com as ferramentas de wiki e o Microsoft Copilot em cinco critérios que decidem se as respostas continuam certas. Comece pela última coluna.

Toda ferramenta cita as fontes e respeita as permissões de origem, com o Claude perdendo meio ponto pelos conectores de credencial compartilhada. A diferença está na manutenção. O ChatGPT Business e o Claude Team não têm recurso para marcar um documento como verificado ou sinalizá-lo como desatualizado, então a atualidade depende inteiramente de quem é dono dos arquivos. Para um time de suporte com um responsável e algumas dezenas de documentos, tudo bem. Não escala para uma empresa inteira.

Caminho três: uma camada de respostas sobre todas as suas ferramentas

Quando a resposta a uma pergunta de rotina pode estar no Confluence, numa pasta do Google Drive, numa thread do Slack ou num ticket do Jira, a IA de um wiki só enxerga uma parte. As camadas de respostas indexam tudo e aplicam nos resultados as permissões de cada fonte. O Glean diz oferecer mais de 250 conectores e que "os usuários só veem o que têm permissão de acessar". Não divulga preços.

As antigas páginas do Agentspace, do Google, agora redirecionam para o Gemini Enterprise. A edição Business começa em US$ 21 por usuário ao mês, não exige configuração da TI, conecta com Microsoft 365, Google Workspace, HubSpot e Jira, e reúne 25 GiB de armazenamento e indexação por usuário. Standard e Plus começam em US$ 30 (Google Cloud).

O Microsoft 365 Copilot Business é um complemento de um plano Microsoft 365 Business, a US$ 21 por usuário ao mês com pagamento anual. Clientes atuais que assinarem até o fim de 2026 pagam US$ 18 promocionais no primeiro ano (Microsoft). A Microsoft descreve o Copilot Chat sem custo adicional, incluído nos planos elegíveis, como baseado na web, então confira qual Copilot seu pessoal está usando antes de supor que as respostas vêm do SharePoint.

Ponha lado a lado os preços de entrada por usuário e a variação entre os três caminhos é pequena.

Seis dos oito planos ficam em US$ 20 ou US$ 21 por usuário. O Tettra custa US$ 8, e o Confluence Standard US$ 5,42 com créditos do Rovo incluídos. Uma empresa de 50 pessoas a US$ 20 por usuário paga US$ 1.000 por mês, ou US$ 12.000 por ano, e essa é a parte previsível. O custo variável é o tempo das pessoas para limpar documentos, auditar compartilhamentos e revisar respostas, e é o mesmo com qualquer fornecedor.

As edições business do Gemini Enterprise e do Copilot param em 300 usuários, então uma empresa de 400 pessoas precisa cotar faixas maiores (o Gemini Enterprise Standard não tem limite de usuários). Com menos de uns 50 funcionários e um só wiki, pule este caminho. Você pagaria para indexar ferramentas onde mora pouca coisa de valor, e herdaria todos os erros de compartilhamento que existem nelas.

Para um leque maior do que os produtos citados aqui, o quadro de gestão de conhecimento com IA ao vivo ranqueia a categoria pela nota ToolRank, e nosso panorama das ferramentas de gestão de conhecimento com IA analisa os líderes com mais profundidade.

Por que as respostas da IA saem erradas

Quando um piloto decepciona, olhe as fontes antes de culpar o modelo. As falhas são previsíveis, e a maioria vem do conteúdo.

Páginas desatualizadas vêm primeiro. Um modelo não distingue uma política de viagens antiga da atual, a menos que a página diga qual é a vigente, e se as duas puderem ser recuperadas ele pode citar a errada com total confiança. Duplicatas pioram, porque duas versões da mesma política podem gerar uma resposta que mistura as duas e cita ambas.

O excesso de compartilhamento é o que acaba num relatório de incidente. A Microsoft criou um controle do SharePoint, o Restricted Content Discovery, para organizações que "precisam de tempo para revisar sites do SharePoint, validar permissões e implementar controles de governança" antes que o Copilot torne o conteúdo amplamente detectável. A Microsoft o chama de temporário, ele não altera as permissões de ninguém, e em sites com mais de 500.000 itens uma atualização pode levar mais de uma semana. Se o fornecedor entrega um paliativo para arquivos compartilhados demais, parta do princípio de que você tem alguns.

A falta de dono transforma erros pequenos em permanentes. Se ninguém é dono da página que uma resposta cita, um erro sinalizado não tem para onde ir.

A defasagem de sincronização pega os times depois do lançamento. O Notion diz que seus conectores de IA podem levar até 36 horas para ingerir um app conectado, que conteúdo novo leva até 3 horas para aparecer e que a integração em geral alcança um ano para trás a partir da configuração (Notion Help). A documentação do Gemini Enterprise, do Google, diz que uma sincronização incremental traz conteúdo adicionado e atualizado, mas não dados de identidade nem exclusões, que esperam uma sincronização completa ou de identidade. Ou seja, um documento que você apagou ou restringiu hoje de manhã pode continuar respondível por um tempo. A Atlassian diz que o Rovo acompanha as mudanças de permissão e atualiza seu índice, e esse é o comportamento que vale perguntar a todo fornecedor.

A última falha é proposital. O Top 10 da OWASP para aplicações de LLM descreve um atacante que edita um documento usado por um sistema RAG, de modo que instruções plantadas mudam o que a IA diz para a próxima pessoa que perguntar. Quem tem permissão de edição numa fonte consegue direcionar as respostas, então mantenha as permissões de edição mais restritas que as de leitura.

Um plano de 30 dias que começa pelos seus 50 documentos principais

Trinta dias bastam para um piloto honesto se as duas primeiras semanas forem para os documentos, e não para o software. Cinquenta é um número de trabalho, não mágico, e é pequeno o bastante para terminar em quinze dias.

No plano abaixo, a limpeza começa no primeiro dia e a IA só encosta numa fonte na semana 3.

Semana 1: colete perguntas reais e depois descubra o que as responde

Levante 50 perguntas feitas recentemente nos canais do Slack, nos tickets do help desk e nas conversas de acompanhamento com quem acabou de entrar. Mantenha a redação delas, erros de digitação incluídos, porque é assim que as pessoas vão perguntar à IA. Para cada pergunta, ache o documento que deveria respondê-la. Essa lista é o seu top 50.

Para cada documento, anote quem é o dono e quando alguém o conferiu pela última vez. Depois audite quem consegue vê-lo. Nos drives e wikis que você pretende conectar, procure compartilhamento "qualquer pessoa com o link" e acesso para toda a organização em pastas de RH, financeiro ou jurídico. Espaços cujos donos já saíram da empresa entram na mesma lista.

Semana 2: limpe os 50 documentos

Arquive ou apague duplicatas para que cada pergunta tenha uma única resposta vigente, e aponte as páginas substituídas para a nova. Dê a cada página um dono nomeado e uma data de revisão. Depois reescreva pensando na recuperação. A IA lê trechos, não páginas inteiras, então um parágrafo que diz "o limite agora é US$ 50" não quer dizer nada quando separado do título. Cite a política, o time, a região e o ano dentro do próprio trecho. A Anthropic recomenda nomes de arquivo claros e descritivos para projetos do Claude, e com os títulos é a mesma coisa.

Passe cada um dos 50 documentos por este cartão antes que ele chegue perto de um conector.

O último item depende da sua ferramenta. Notion e Slite têm verificação embutida, e o Tettra reporta páginas desatualizadas e sem dono. Num projeto do ChatGPT ou do Claude, o substituto viável é uma data de revisão no nome do arquivo ou na primeira linha.

Semanas 3 e 4: conecte, rode o piloto e avalie

Conecte duas ou três fontes, não tudo. Deixe de fora os espaços de RH, financeiro e jurídico na primeira rodada, mesmo que as permissões pareçam certas. Escolha de 10 a 20 usuários-piloto de times diferentes e peça que usem a IA no trabalho de verdade (nosso plano da primeira semana com IA no trabalho ajuda quem está começando). Rode suas 50 perguntas no fim da semana 3 e de novo na semana 4, e avalie assim:

1. 1Classifique cada resposta como certa, parcialmente certa ou errada.
2. 2Abra as citações. Uma resposta certa que cita uma página desatualizada é uma falha à espera de acontecer.
3. 3Conte as perguntas que ela não soube responder. Uma taxa alta de "sem resposta" muitas vezes aponta para um documento que falta, e não para uma ferramenta fraca.
4. 4Envie cada resposta errada ao dono da página citada e acompanhe quantas são corrigidas em até uma semana.
5. 5Só expanda quando os resultados passarem de um patamar definido de antemão, como 45 boas respostas em 50.

Antes de conectar qualquer coisa, avalie onde você está. Os itens de dois pontos são as lacunas que geram as piores respostas.

Abaixo de 6 pontos, continue limpando. Conectar agora traria arquivos desatualizados e compartilhados demais mais rápido do que as pessoas conseguem corrigir. A partir de 6 você pode fazer um piloto com um grupo pequeno, e a partir de 10 suas fontes estão em boa forma para expandir por etapas.

Governança que mantém as respostas certas

Uma boa implantação leva você até o dia do lançamento. Manter as respostas certas depois disso exige alguns hábitos sem graça.

Toda fonte precisa de um dono nomeado, uma pessoa e não um alias de time. Quando alguém sai, as páginas dela são reatribuídas na mesma checklist de desligamento que recolhe o notebook. Páginas sem dono devem sair das fontes da IA até que alguém as assuma.

Defina as datas de revisão conforme a velocidade com que o conteúdo muda. Noventa dias servem para políticas. Preços, detalhes de planos e etapas de processo pedem uma olhada a cada 30 dias. Uma página vencida é conferida ou arquivada e, numa ferramenta com verificação, é reverificada ou perde o selo.

Compartilhe com grupos, não com indivíduos, para que o acesso acompanhe as mudanças de função. Revise os compartilhamentos antes de conectar uma fonte, que é o que a Atlassian diz aos clientes do Rovo para fazer com todo app de terceiros. E dê preferência a conectores em que cada pessoa entra com a própria conta, porque uma credencial compartilhada dá a todos a mesma visão.

Alguns materiais nunca devem ficar onde a IA alcança, por mais restritas que as permissões pareçam:

• Senhas, API keys e outras credenciais.
• Salários, dados de saúde e detalhes de casos individuais de RH.
• Dados pessoais de clientes além do que o time precisa para atender aquele cliente.
• Material protegido por sigilo jurídico, incluindo qualquer coisa sob litigation hold.
• Rascunhos não revisados que parecem política oficial.

Confira o que cada fornecedor faz com seus dados. A OpenAI diz que, por padrão, não treina com dados do workspace do ChatGPT Business, o Claude Team informa que, por padrão, não há treinamento de modelo com o seu conteúdo, e a Microsoft diz que os dados acessados pelo Microsoft Graph não são usados para treinar modelos de fundação. A retenção varia mais: o Notion indica retenção de 30 dias com seus provedores de LLM nos planos menores e retenção zero no Enterprise. Nosso framework de privacidade para ferramentas de IA traz as perguntas para fazer.

Depois, mantenha o ciclo de feedback rodando. Dê às pessoas um jeito rápido de sinalizar uma resposta errada, encaminhe o alerta ao dono da página e revise os alertas todo mês. O ciclo do primeiro diagrama só funciona se alguém o fechar.

Perguntas frequentes

Precisamos de uma ferramenta nova ou a IA do nosso wiki basta?

Comece com a IA do wiki e seus conectores. Só adicione uma camada de respostas quando as perguntas sem resposta do seu piloto estiverem em ferramentas que o wiki não alcança.

A IA pode mostrar a alguém um documento que ela não deveria ver?

Não um que a pessoa não consiga abrir, nos produtos tratados aqui. O risco está nos arquivos que ela pode abrir mas não deveria, como uma pasta compartilhada com a empresa toda por engano, além de tudo que é alcançável por um conector de credencial compartilhada.

Quanto custa uma base de conhecimento com IA para um time de 50 pessoas?

A preços de lista, cerca de US$ 1.000 por mês em qualquer um dos planos de US$ 20: Notion Business, Slite Pro, ChatGPT Business ou Claude Team, todos no faturamento anual. O Confluence Standard sai por US$ 271 por mês com a franquia do Rovo, e o Tettra Scaling por US$ 400. Reserve ainda o tempo das pessoas para a limpeza.

O NotebookLM ainda existe?

Sim, com outro nome. O Google o renomeou para Gemini Notebook este ano e diz que ele continua sendo um produto independente. O endereço antigo notebooklm.google agora redireciona para notebook.google, e a edição Business do Gemini Enterprise inclui o Gemini Notebook para empresas.

Devemos construir nosso próprio sistema RAG?

Para a maioria das empresas de 10 a 500 pessoas, não. As ferramentas prontas já resolvem a sincronização de permissões e as citações, que são as partes difíceis. Construir faz sentido quando as respostas precisam ficar dentro do seu próprio produto ou usar dados que nenhum fornecedor conecta, e o quadro de bancos de dados vetoriais e recuperação é um bom ponto de partida.