Busca semântica: quando o vetor ajuda e quando atrapalha

Busca semântica representa texto como vetor e devolve os trechos mais próximos da pergunta. Ela ajuda quando a pessoa não usa a palavra do documento: “atraso de entrega” encontra “prazo de despacho”. Ela atrapalha quando o que importa é um código, um nome exato ou a versão vigente, porque proximidade não é identidade.
O desenho mistura os dois. Filtro exato corta o que não pode entrar, vigência, tipo, permissão. O vetor ordena o que sobrou. Vetor sem filtro varre arquivo morto e documento de outra área e devolve um vizinho convincente.

Qual pergunta é de significado e qual é de chave?
Pergunta de significado descreve uma situação. Pergunta de chave traz número de pedido, SKU, nome de cláusula ou sigla interna. A segunda vai para busca exata. Misturar as duas no mesmo campo faz o vetor “corrigir” o código para um vizinho que não é o item.
Quando a pergunta tem as duas partes, o filtro usa a chave e o vetor só ranqueia dentro dela. “Política de troca do produto X” não pode trazer a política de Y porque o texto é parecido. O identificador do produto é filtro, não sugestão.
O que precisa estar no trecho indexado?
O trecho carrega o texto e os metadados que o filtro usa: documento, vigência, tipo, área. Um parágrafo sem o título da seção perde o assunto. Um índice só de vetor, sem metadado, não consegue cortar o arquivo vencido.
O tamanho do trecho é escolha. Pequeno demais perde contexto. Grande demais mistura dois assuntos e o vizinho fica genérico. A amostra de perguntas reais mostra se o trecho devolvido contém a resposta ou só um tema vizinho.
| Sinal | Caminho | Falha se inverter |
|---|---|---|
| Situação descrita | Vetor | Não acha o sinônimo |
| Código ou nome | Busca exata | Vizinho com outro código |
| Versão vigente | Filtro de data | Arquivo morto no topo |
| Área e permissão | Filtro antes do vetor | Trecho de outra fila |
Como a permissão entra antes da proximidade?
O vetor não entende quem pode ler. O corte de permissão acontece na consulta, no mesmo lugar do filtro de vigência. Trazer dez vizinhos e apagar os proibidos na tela deixa o modelo, se houver, ver o que a pessoa não pode. O corte é antes.
Índice separado por área evita a consulta misturada. Um índice único com filtro fraco é o vazamento mais comum: a pergunta de um time puxa procedimento de outro porque o texto é próximo.
Quando o vizinho está errado mesmo com nota alta?
Nota alta significa parecido, não verdadeiro. Documento genérico, como um manual de boas práticas, fica próximo de quase toda pergunta e empurra a regra específica para baixo. O índice precisa de tipo, e a consulta pode exigir o tipo certo antes de olhar a nota.
A amostra inclui a pergunta que deveria falhar: assunto que não está na base. Se o topo ainda volta com nota alta, a trava de “não achei” está frouxa. Sem um limiar medido, a busca sempre responde alguma coisa.
O que reindexar quando o documento muda?
O documento novo entra e o trecho da versão anterior sai do índice que a consulta usa. Deixar os dois faz a pergunta empatar entre vigência atual e arquivo. A data de indexação não substitui a vigência do conteúdo.
Reindexar tudo a cada frase editada é custo. Reindexar o documento alterado, com a versão antiga retirada, é o mínimo. Uma checagem periódica compara a lista vigente com o que o índice ainda oferece.
Um exemplo de busca de procedimento interno
A pessoa pergunta como tratar atraso sem usar a palavra da política. O filtro corta procedimentos vencidos e os de outra operação. O vetor ordena os vigentes. O topo é o trecho de prazo, não o de marketing que também fala em “experiência”. A resposta, se houver modelo, só cita esse trecho.
Outra pergunta traz o código do procedimento. Aí a busca é exata. O vetor nem roda. Código parecido de outro processo fica de fora. Os dois caminhos estão na mesma tela, e a presença de um identificador escolhe o caminho.
Checklist prático
A busca semântica está no lugar certo quando a chave e a vigência filtram antes do vetor.
- Pergunta de chave vai para busca exata
- Vetor só ordena o que o filtro já cortou
- Metadado de vigência, tipo e área em cada trecho
- Permissão aplicada na consulta, antes do modelo
- Limiar para devolver vazio, medido na amostra
- Documento genérico não domina todo topo
- Versão antiga sai do índice quando a nova entra
- Amostra com pergunta que não deveria achar nada
Erros comuns
O vizinho convincente entra quando o filtro chega depois da nota.
- Deixar o vetor “corrigir” um código
- Indexar sem vigência e sem tipo
- Cortar permissão só na tela, depois do modelo ver o trecho
- Aceitar o topo mesmo quando o assunto não existe na base
- Manter a versão antiga no mesmo índice
- Usar um índice único para áreas com regra de acesso diferente
- Julgar qualidade pela nota, sem ler o trecho
- Reindexar o texto e esquecer de retirar o anterior
Onde a busca entra no desenho?
Num projeto de inteligência artificial, busca semântica é a ordenação depois do filtro. O vetor não decide vigência, permissão nem identidade.