Modelo de IA se aluga, contexto se constrói e o ativo de IA é o que fica com a empresa.

Duas empresas do mesmo setor assinam, na mesma semana, a versão corporativa do mesmo assistente de IA. Na primeira, um analista pergunta se pode liberar o pagamento de uma nota de R$ 48 mil. O assistente devolve uma explicação correta e genérica sobre conferência de nota, pedido de compra e recebimento. Útil como aula, inútil como decisão. Na segunda, a mesma pergunta recebe outra resposta. A nota bate com o pedido, mas o fornecedor está em bloqueio comercial desde março, a divergência de 3,2% no frete supera a tolerância de 3% daquela categoria, e a alçada acima de R$ 40 mil é do gerente. A sugestão é devolver ao comprador com o motivo. Mesmo modelo, mesma pergunta, mesmo dia. 

A segunda empresa não comprou um plano melhor. Ela passou três meses contextualizando o modelo de IA para ela, com as tolerâncias por categoria, as alçadas, os fornecedores bloqueados e o critério que o comitê aprovou em 2024 e ninguém tinha anotado. A primeira tem acesso a um modelo. A segunda tem um modelo que a conhece. 

Essa diferença explica o número mais citado e menos compreendido do ano. Segundo o relatório The GenAI Divide, do MIT, 95% das organizações pesquisadas não obtiveram retorno mensurável com IA generativa, e os autores atribuem o resultado à integração frágil e ao aprendizado de contexto fraco, não à qualidade dos modelos. A IA não falhou por falta de inteligência. Falhou por falta de contexto. 

Contexto de negócio, ou business context, é o conjunto de regras, critérios, exceções, definições e padrões que explicam como uma empresa específica decide e executa o seu trabalho, formalizado de modo que um sistema de IA consiga consultá-lo a cada tarefa. O modelo de IA estar à venda para qualquer concorrente, no mesmo dia e pelo mesmo preço. O contexto só existe dentro da organização. É por isso que ele, e não o modelo, é o ativo. 

O modelo é o motor. O carro é outra coisa 

Todo mundo já viu o teclado do celular sugerir a próxima palavra. Um modelo de linguagem é isso, em escala difícil de imaginar. Ele aprendeu a prever a próxima palavra lendo mais texto do que uma pessoa leria em mil vidas, e por isso escreve, resume e compara com tanta naturalidade. Dessa origem decorrem duas consequências que explicam quase todos os problemas de IA em empresas. O modelo não consulta uma base de verdades antes de responder, então erra com confiança. E não conhece a sua empresa, a menos que alguém conte. 

A segunda ideia é que o modelo, sozinho, nunca foi o produto. O que mudou de patamar entre 2024 e 2026 foi o que se construiu em volta dele, e o mercado chama esse conjunto de harness. A imagem mais precisa é a de motor e carro. O motor é o modelo. O carro é tudo o que o cerca para que ele trabalhe de forma confiável, e tem seis peças. Instruções, que dizem o que fazer e como. Memória, que guarda o que já aconteceu. Ferramentas, que definem o que ele pode acionar. Verificação, quem confere antes de valer. Limites, o que ele não faz sozinho. E trilha de auditoria, o registro do que foi feito, por quem e quando. 

O mesmo motor, em dois carros diferentes, chega a lugares completamente diferentes. Foi o que aconteceu com as duas empresas da abertura, e é por isso que “qual modelo vocês usam” virou a pergunta errada. Os motores estão à venda para todos e se tornam intercambiáveis a cada geração. O carro, cada empresa monta para si. O contexto de negócio é a parte do carro que nenhum fornecedor entrega pronta. 

Onde o contexto mora 

Contexto não é um documento que se escreve em uma tarde, mas também não é um saber místico guardado na cabeça de meia dúzia de veteranos. Ele existe em três lugares, e o trabalho é reuni-lo. Parte está nas pessoas, como a tolerância que a área aplica ou a exceção aprovada em comitê e nunca registrada. Parte está nos documentos, em políticas, contratos, manuais e pareceres. E uma parte maior do que se imagina está nos próprios sistemas de gestão. O cadastro de fornecedores, os parâmetros de aprovação, os campos obrigatórios e as regras configuradas no ERP são contexto estruturado. O histórico de transações, lido por process mining, revela o processo como ele realmente acontece, com desvios e gargalos que ninguém descreveria de memória. Até o metamodelo dos sistemas, a forma como tabelas, campos e fluxos foram desenhados, carrega decisões de negócio que a empresa tomou há anos e esqueceu que tomou. 

O que torna o contexto difícil não é a sua inexistência, mas a sua dispersão. O dado está no banco; o sentido está espalhado entre um parâmetro, uma política e uma pessoa. Nos projetos que conduzimos, o que precisa chegar ao modelo se resume a cinco perguntas. Como o trabalho acontece de fato, quais regras e exceções o governam, de onde vem cada dado e quem responde por ele, o que não acontece sem alguém decidir, e qual número vai dizer se funcionou. Nenhuma das cinco é tecnologia. Mas duas delas têm técnica com nome para chegar ao modelo, e é disso que trata a próxima seção. 

Como o contexto chega ao modelo 

Todo modelo trabalha dentro de uma janela de contexto, o espaço de texto que ele considera de uma vez. Ela cresceu muito, mas continua finita, custa a cada chamada e, entupida de material irrelevante, piora a resposta. O desafio nunca foi dar ao modelo todo o conhecimento da empresa. É dar o conhecimento certo, na hora certa, pelo caminho certo. Há quatro caminhos, e cada um implica uma relação diferente de propriedade. 

Instruções

O caminho mais simples é escrever uma instrução de trabalho que o sistema carrega antes de cada tarefa, com regra, critérios, exceções e padrão do entregável. É o prompt, com uma diferença que não está no conteúdo, e sim na governança. Tem dono, versão e vale para todos que executam aquele processo. Para regras estáveis e curtas, é o mais barato e o mais transparente. 

RAG

Quando o conhecimento é volumoso ou muda com frequência, não cabe na instrução. A solução é fazer o modelo consultar antes de responder. É o que a sigla descreve, retrieval-augmented generation, termo cunhado por pesquisadores da Meta em 2020. Os documentos são divididos em trechos e indexados por significado; quando chega uma pergunta, o sistema recupera os trechos mais parecidos e o modelo responde com base neles, citando a fonte. É a diferença entre alguém que decorou e alguém que consultou. Resolve a primeira consequência do teclado, o erro confiante, com um limite que vale lembrar. A resposta nunca será melhor do que o arquivo. RAG distribui o contexto que a empresa já formalizou. Não o cria. 

MCP

Documentos descrevem a empresa; os sistemas são a empresa. Saber a política de bloqueio é uma coisa, saber se aquele fornecedor está bloqueado agora é outra, e a resposta só existe no ERP. O Model Context Protocol é um protocolo aberto, hoje mantido pela Agentic AI Foundation, que padroniza como um sistema expõe a um modelo dados que ele pode consultar e ações que pode executar. A empresa publica uma vez as funções do seu ERP ou da sua base de contratos em um conector sob controle próprio, com autenticação e registro, e qualquer modelo compatível, de qualquer fornecedor, passa a usá-las. Resolve a segunda consequência, porque o modelo passa a conhecer a empresa ao vivo. É o que permite ao assistente da segunda empresa verificar o bloqueio no ato, em vez de confiar em uma lista exportada semana passada. 

Fine-tuning

O quarto caminho é retreinar o modelo com exemplos da empresa, alterando os seus parâmetros internos. Funciona para estilo e formato muito específicos. Funciona mal para fatos que mudam, porque cada mudança de regra exige novo treinamento, e tem um custo que raramente aparece na proposta. O conhecimento passa a viver dentro de um modelo, de uma versão, de um fornecedor. Quando esse modelo for descontinuado, e todos são, o contexto vai junto. 

Quatro degraus e um teste 

Esses caminhos se traduzem em quatro degraus de maturidade. No primeiro, o prompt, a pessoa explica tudo, toda vez, e o contexto vive na cabeça de cada um. No segundo, o prompt agent (uma evolução das skills), o processo está escrito dentro da ferramenta e a pessoa o aciona pelo nome, como quem pede a um colega. No terceiro, o agente com ferramentas, ele acessa sistemas e dados e executa etapas, com pontos de controle definidos. No quarto, a IA embarcada, ninguém aciona nada; a inteligência está dentro do processo. A maioria das empresas está no primeiro degrau, e isso é normal. O ganho real começa no segundo, quando o resultado deixa de depender de quem sabe escrever um pedido. Não é preciso chegar ao quarto para ter retorno. É preciso sair do primeiro. 

Há um teste simples para saber se uma empresa subiu de degrau ou só contratou acesso. Se o fornecedor atual dobrasse o preço amanhã, quanto do que a IA sabe sobre a empresa sobreviveria à troca? Onde o contexto mora em prompts pessoais, em históricos de conversa ou no ajuste fino de um modelo, a resposta honesta é quase nada. Onde ele mora em instruções, biblioteca e conectores, a resposta é tudo. 

O que o mercado já entendeu 

Se o contexto é o ativo, era de esperar que alguém tentasse vendê-lo. Os maiores fornecedores de process mining do mundo reposicionaram as suas plataformas nos últimos dois anos como a camada que fica entre os dados brutos da empresa e os modelos de IA, entregando a eles quem faz o quê, quando e por quê. Em vez de disputar o modelo, decidiram ser donos do contexto, e isso diz muito sobre onde o valor está. Levamos duas lições desse movimento para a nossa abordagem. A primeira é que a camada de contexto merece investimento próprio, separado do modelo, e portável entre modelos. A segunda é que uma plataforma, por mais sofisticada, resolve a parte do contexto que está nos sistemas. As regras não escritas, as exceções de comitê e o ponto de controle humano continuam dependendo de método e de gente. 

Governança em uma frase 

A pergunta não é “posso confiar na IA”, e sim “o que acontece se ela errar aqui”. Onde o erro se desfaz com um clique, como uma minuta de e-mail, deixe a IA ir rápido e revise depois. Onde o erro não volta, como um pagamento ou um envio ao fisco, coloque uma pessoa no ponto de controle e uma trilha. Isso é governança de verdade, e é mais simples do que parece. 

Quando o contexto entra no carro 

O padrão se repete nos processos em que fizemos esse trabalho. Um cálculo mensal que consumia dias de um analista, com dezenas de conferências à mão e regras que viviam na cabeça de quem executava e nas planilhas de quem já tinha saído. O trabalho não começou pelo modelo. Começou por escrever as regras, as exceções e as verificações, com dono e versão. Só então um agente passou a calcular sobre todas as linhas, devolvendo o resultado com as verificações feitas e uma fila de exceções para a área decidir. O tempo cai de dias para horas, mas o ganho que mais importa não se mede em horas. O critério é o mesmo todo mês, um analista novo conduz o ciclo na primeira competência, e cada número aponta a regra que o produziu. O modelo que faz a conta pode ser trocado amanhã. As regras ficam. 

Por onde começar 

Escolha um processo com volume, dono claro e regra que caiba em duas páginas. Reúna em um documento o fluxo real, as regras, as exceções dos últimos doze meses e o padrão do que sai; peça a um gestor experiente que valide. Só então conecte um modelo, qualquer modelo, e meça contra a linha de base. O exercício costuma mostrar que formalizar o contexto dá mais trabalho do que usar a IA. É exatamente essa a lição que separa as empresas que escalam das que cancelam o piloto. 

O modelo vai mudar. O contexto vai ficar 

Daqui a dois anos, o modelo que as duas empresas da abertura assinaram terá sido substituído por outro, melhor e mais barato. A primeira vai recomeçar do zero, com uma ferramenta nova e o mesmo vazio. A segunda vai apontar as suas instruções, a sua biblioteca e os seus conectores para o modelo novo e seguir operando, com dois anos de regras revisadas a mais. A distância entre elas não foi criada pela tecnologia. Foi criada pelo que cada uma decidiu formalizar enquanto a tecnologia ainda era novidade. 

A Apter apoia empresas em projetos de AI Enablement que partem exatamente daí. Priorizar os processos, extrair o contexto de onde ele está e embarcá-lo pelo caminho certo, de modo que fique com a empresa, independentemente do modelo que o execute. 

O modelo de IA se aluga. O contexto se constrói. E só um dos dois aparece no inventário de capacidades da empresa daqui a três anos.