A Inteligência Artificial Generativa (GenAI) deixou de ser apenas uma ferramenta de apoio à produção de textos e passou a integrar a infraestrutura de gestão da informação em organizações públicas, privadas e instituições de pesquisa. Em 2026, sua aplicação está cada vez mais associada à Gestão do Conhecimento, ampliando a capacidade de recuperar, relacionar e sintetizar informações distribuídas em grandes acervos documentais.
Essa transformação ocorre porque os modelos de linguagem (LLMs) passaram a ser combinados com arquiteturas de recuperação de informação, como Retrieval-Augmented Generation (RAG), bancos de dados vetoriais e técnicas de representação semântica por embeddings. Algo que identifico como um protoarquivo. Em vez de responder apenas com base no conhecimento incorporado durante o treinamento, esses sistemas consultam documentos institucionais antes de gerar uma resposta, aproximando a IA dos processos tradicionais de recuperação da informação.
O desafio não é apenas tecnológico
À medida que cresce o volume de documentos digitais, bases de dados, e-mails, normas, relatórios e registros corporativos, aumenta também a dificuldade de localizar conhecimento confiável e reutilizável. Em muitas organizações, a informação permanece distribuída entre diferentes sistemas, formatos e equipes, dificultando sua reutilização.
A IA generativa oferece mecanismos para reduzir esse problema ao sintetizar informações dispersas e facilitar o acesso ao conhecimento organizacional. Entretanto, sua adoção sem uma estrutura consistente de governança cria novos riscos.
Entre os principais desafios estão a perda do contexto arquivístico dos documentos, a geração de respostas factualmente incorretas (alucinações), a reprodução de vieses existentes nas bases de dados e a dificuldade de auditar como determinadas respostas foram produzidas. Em outras palavras, quanto maior a autonomia atribuída aos modelos, maior a necessidade de mecanismos que garantam transparência, rastreabilidade e confiabilidade.
Da gestão de documentos à gestão da memória algorítmica
As iniciativas mais maduras de Gestão do Conhecimento com IA combinam diferentes disciplinas, incluindo Ciência da Informação, Arquivologia, Engenharia de Dados e Governança de Inteligência Artificial.
Uma das abordagens mais difundidas consiste na utilização de arquiteturas RAG. Nesse modelo, documentos institucionais são indexados em bancos vetoriais, permitindo que o sistema recupere trechos relevantes antes da geração da resposta. O objetivo é restringir o processo inferencial ao universo documental previamente validado, reduzindo erros e aumentando a precisão das respostas. Na Feed Consultoria fazemos isso em alguns clientes com sucesso.
Outro elemento que ganha importância é a documentação dos chamados paradados. Enquanto os metadados descrevem os documentos, os paradados registram informações sobre o funcionamento do próprio sistema, como versões dos modelos, conjuntos de treinamento utilizados, parâmetros de configuração, prompts, histórico de interações e processos de validação. Esses registros aumentam a confiança no sistema informacional e tornam-se fundamentais para auditoria, reprodução de resultados e preservação da memória dos sistemas algorítmicos.
No campo da governança, observa-se a incorporação de referenciais como a ISO/IEC 42001, voltada aos Sistemas de Gestão de Inteligência Artificial, e das recomendações produzidas pelo projeto InterPARES Trust AI. Esses frameworks estabelecem princípios relacionados à gestão de riscos, transparência, responsabilidade e conformidade na utilização da IA em ambientes organizacionais.
Limitações que permanecem
Apesar dos avanços, a IA generativa possui limitações que não podem ser ignoradas.
Do ponto de vista técnico, modelos de linguagem continuam operando por inferência probabilística. Eles calculam a sequência mais provável de tokens a partir de padrões estatísticos aprendidos durante o treinamento. Isso significa que não possuem compreensão semântica, intencionalidade ou capacidade própria de verificar a veracidade das informações produzidas.
Além disso, a qualidade das respostas permanece diretamente relacionada à qualidade dos dados utilizados. Bases incompletas, desatualizadas ou inconsistentes tendem a produzir resultados igualmente problemáticos. Soma-se a isso o elevado custo computacional associado à manutenção de grandes bases vetoriais e aos processos contínuos de indexação e atualização documental.
Sob a perspectiva arquivística, surgem questões ainda mais complexas. A natureza dinâmica das respostas geradas pelos modelos desafia conceitos clássicos como fixidez documental, autenticidade e estabilidade do registro, exigindo novas abordagens para preservação digital de longo prazo.
O novo papel da Gestão do Conhecimento
A incorporação da IA generativa não elimina a necessidade de gestão da informação. Pelo contrário, amplia sua importância.
Profissionais da informação deixam de atuar exclusivamente na organização de documentos para assumir funções relacionadas à arquitetura dos ecossistemas informacionais, à curadoria de dados, ao desenvolvimento de taxonomias, à governança de metadados e paradados e à supervisão dos processos inferenciais realizados pelos modelos.
Nesse contexto, a Gestão do Conhecimento passa a envolver não apenas pessoas, documentos e processos, mas também algoritmos capazes de produzir novas representações da informação a partir de grandes volumes de dados.
Para a Ciência da Informação e a Arquivologia, esse cenário abre novas agendas de pesquisa. Entre elas destacam-se o estudo do documento algorítmico, a investigação sobre formas de preservar sistemas baseados em IA e o desenvolvimento de modelos conceituais capazes de explicar como a memória institucional passa a ser construída em ambientes mediados por inferência probabilística.
A questão central, portanto, deixa de ser se a Inteligência Artificial fará parte da Gestão do Conhecimento. Em grande medida, isso já ocorre. O desafio passa a ser como projetar ecossistemas informacionais que conciliem eficiência computacional, governança, confiabilidade e preservação da memória digital.