RAG em 2026: o que a recuperação muda para a sua marca

RAG, a técnica em que o modelo de linguagem consulta documentos antes de responder, decide hoje duas coisas ao mesmo tempo: qual contrato o assistente da sua empresa lê antes de orientar um cliente, e qual página da web o ChatGPT ou o Gemini leem antes de falar da sua marca. Em 2026, as medições mostram que o custo da alternativa sem recuperação subiu, que a recuperação agêntica virou produto de prateleira e que, nos motores públicos, ser recuperado é a condição para ser citado.

Por Alexandre Caramaschi, Chief Strategy Officer da Nuvini (Nasdaq: NVNI), Founder da Brasil GEO, cofundador da NAIA e cofundador da AI Brasil, ex-CMO da Semantix (Nasdaq) · Outubro 2026

Atualizado em 30 de outubro de 2026.

Este artigo amplia o curso gratuito de RAG em 20 aulas, escrito para quem aprova projetos de inteligência artificial sem programar. O curso ensina a localizar em qual etapa uma resposta errada nasceu; o texto abaixo traz o que mudou no mercado entre junho e outubro de 2026, separa o que foi medido do que ainda é hipótese e termina com três ações para a semana.

26 vezesmais tokens por pergunta no contexto longo em relação ao RAG semântico, com correção de 73,1% contra 65,4%arXiv 2606.20898, 18/06/2026
2,8% → 91,4%de menção da marca no GPT sem e com o próprio domínio no caminho de recuperação, em 34.960 observaçõesarXiv 2609.23162, 19/09/2026
14,4%das 66,6 milhões de respostas do ChatGPT gratuito traziam consultas de busca na web, cerca de 1,6 por respostaAhrefs, 12/10/2026

Por que a recuperação virou assunto de diretoria?

Uma seguradora recebe a reclamação de um cliente: o assistente informou um prazo de carência que o contrato dele não prevê. A equipe descobre que a busca trouxe a cláusula de um plano individual para uma pergunta sobre plano empresarial. A citação era verdadeira e a resposta estava errada. O exemplo, hipotético e usado ao longo do curso, resume o problema que a diretoria passou a enfrentar em 2026: o modelo raramente inventa do nada, ele responde com o documento que alguém deixou chegar até ele.

O mesmo mecanismo opera do lado de fora. Quando um comprador pergunta ao ChatGPT qual fornecedor escolher, o motor decide se vai buscar na web, quais consultas faz e quais páginas lê. A Ahrefs analisou 66,6 milhões de respostas do ChatGPT gratuito e sem login e publicou, em 12/10/2026, que 14,4% traziam consultas de busca, com média de 1,6 por resposta, e que a palavra “official” apareceu em 13,1% dessas consultas em setembro, contra 10,1% em agosto. O motor está preferindo a fonte primária, e a página da sua empresa concorre para ser essa fonte.

Contexto longo substitui a recuperação?

A pergunta mais frequente em 2026 nasce das janelas de um milhão de tokens: se o modelo lê o acervo inteiro, para que selecionar trechos? O estudo “The Token Tax of Epistemic Accuracy”, submetido em 18/06/2026 ao arXiv, o repositório aberto de artigos científicos,, comparou as duas arquiteturas em 972 respostas sobre segurança industrial, com dois modelos pequenos e três formas de acesso aos documentos. No estudo de 2026, o contexto longo acertou mais (73,1% contra 65,4% do RAG semântico) e custou 26 vezes mais tokens por pergunta. Os autores chamam essa diferença de imposto do token e a discutem para organizações com orçamento limitado.

Para você, que aprova o orçamento, o número traduz uma escolha de operação. Um acervo pequeno, estável e sem restrição de acesso pode ir inteiro na chamada, sobretudo com cache de prompt. Um acervo grande, que muda toda semana e tem documentos que só algumas pessoas podem ver, exige seleção antes do envio, porque o filtro de permissão precisa existir fora do modelo. O curso dedica um capítulo a essa comparação com a mesma pergunta e os mesmos documentos nos dois caminhos; a tabela abaixo resume os critérios.

Três formas de dar evidência ao modelo, comparadas pelos critérios que decidem o projeto
Critério	Contexto longo	RAG	Ajuste fino (fine-tuning)
Custo por pergunta	Alto: o acervo inteiro entra em cada chamada (26 vezes o RAG no estudo de junho de 2026)	Baixo: só os trechos selecionados entram	Baixo na chamada, alto no treino e a cada mudança
Atualização do conteúdo	Imediata, basta trocar o documento	Reindexar o que mudou	Retreinar; o conhecimento fica congelado na data do treino
Rastreabilidade da resposta	Possível, com documento inteiro no contexto	Alta: cada resposta aponta o trecho recuperado	Baixa: a resposta sai do peso do modelo, sem fonte anexada
Controle de acesso por pessoa	Só se o documento inteiro for permitido àquela pessoa	Filtro antes da recuperação, por produto, vigência e perfil	Inviável: o que entrou no treino pode sair para qualquer usuário
Quando começar por ela	Acervo pequeno e estável, consultas repetidas com cache	Acervo grande, mutável e com permissões	Estilo, formato ou vocabulário fixo, sem fato que muda

O que mudou no mercado entre junho e outubro de 2026?

18/06/2026O custo do contexto longo ganha medição publicada
O estudo Token Tax põe número na escolha entre ler tudo e recuperar trechos: 7,7 pontos percentuais a mais de correção por 26 vezes o custo. A decisão passa a ser financeira, com a precisão exigida pelo caso como condição.
07/09/2026As táticas de GEO de 2023 perdem o efeito medido
Bajemon e Rochet remediram, em dez famílias de motores atuais, as táticas apontadas como causais em 2023 (citar fontes, estatística, aspas) e não encontraram efeito sobre a citação em nenhuma. Um escore de página calculado sem consultar o motor teve correlação de Spearman de 0,11 com a citação dentro da mesma consulta. Para quem publica, a atenção passa da frase para a presença no conjunto que o motor recupera.
16/09/2026Microsoft atualiza a recuperação agêntica do Azure AI Search
A documentação descreve um fluxo de várias consultas: o modelo divide a pergunta complexa em subconsultas, roda em paralelo e reordena cada resultado por relevância, com cobrança em dois serviços (busca e modelo). O planejamento de consultas segue em prévia, sem acordo de nível de serviço e sem recomendação para produção.
19/09/2026Recuperação explica a menção da marca nos motores públicos
Tannenbaum analisou 34.960 observações de GPT e Gemini entre junho e setembro de 2026. Sem a marca nem o domínio no caminho de recuperação, a menção ficou em 2,8% e 3,8% naquele período de 2026; com o domínio citado e a marca nas buscas internas do motor, 91,4% e 100%. O autor declara o modelo preditivo e observacional, sem afirmar causa.
12/10/2026ChatGPT busca menos e prefere a fonte primária
Na amostra da Ahrefs, o Reddit caiu de uma citação a cada 5 respostas em março para uma a cada 43 em setembro, e 75,9% das buscas restritas a um site apontaram para site de marca em 2026. A recuperação do motor está mais seletiva, e a página oficial com o dado completo é a que entra.

Como o executivo avalia um RAG sem programar?

O curso organiza o sistema em seis etapas didáticas: ler os documentos, dividir o conteúdo, representar e indexar os trechos, recuperar candidatos, selecionar o contexto e gerar a resposta. A divisão serve para localizar responsabilidade. Se a tabela do contrato sumiu na extração do PDF, o problema é de leitura; se o trecho existe no índice e a busca não o traz, o problema é de recuperação ou de filtro; se o trecho certo chegou e a redação perdeu a exceção, o problema é de geração. Trocar o modelo só resolve o terceiro caso.

A medição segue a mesma lógica. A documentação do Ragas, biblioteca aberta de avaliação, define fidelidade como a proporção de afirmações da resposta que podem ser inferidas do contexto recuperado, de 0 a 1. Uma resposta pode ser fiel a um documento errado, por isso a fidelidade se combina com a cobertura da recuperação (a evidência esperada apareceu?) e com a precisão do contexto (quanto do que veio era pertinente?). Avaliação feita por outro modelo é auxiliar: compare uma amostra com revisão humana e mantenha parte das perguntas fora do ajuste do dia a dia.

Conjunto de avaliação próprio. Perguntas, respostas esperadas e fontes anotadas pela sua equipe, com casos de recusa, versão antiga e acesso negado. Critério de sucesso: a versão nova responde ao menos tão bem quanto a anterior em todos os grupos de pergunta, sem perder os casos críticos que a média esconde.
Permissão antes da recuperação. O filtro por produto, vigência e perfil roda antes de qualquer trecho chegar ao modelo. Critério de sucesso: um usuário sem acesso a um documento recebe recusa fundamentada, nunca um trecho dele, em todos os testes.
Documento como evidência, nunca como ordem. Um arquivo recuperado pode conter instruções que tentam comandar o assistente. Critério de sucesso: o sistema trata todo trecho como dado a citar, e o teste com documento malicioso não muda o comportamento.
Piloto de 30 dias com medida semanal. Cada semana termina com algo medido: leitura dos documentos, cobertura da busca, fidelidade da resposta e, por fim, a decisão de avançar, ajustar ou trocar de solução. Critério de sucesso: a decisão da quarta semana cabe numa página com os números das três anteriores.

O que a recuperação dos motores públicos pede da sua página?

O lado externo do RAG tem nome próprio, GEO (Generative Engine Optimization): o trabalho de fazer a página da empresa entrar no conjunto que o motor recupera e usa. Os dados de setembro e outubro de 2026 apontam para três condições. A página precisa ser alcançável e legível pelo robô do motor, com o dado completo em HTML, porque o motor recorta trechos como qualquer sistema de recuperação. Ela precisa responder às variantes da pergunta que levam à mesma decisão, porque o motor desdobra a pergunta em consultas menores antes de buscar. E precisa ser a fonte primária do próprio dado, porque a amostra da Ahrefs mostra o motor preferindo o site oficial ao fórum.

Nenhuma dessas condições garante citação. O estudo de Tannenbaum mede associação, e o de Bajemon e Rochet mostra que a frase polida com estatística e aspas não moveu a citação em nenhum motor testado. O que os dois têm em comum é a ordem dos fatores: primeiro ser recuperado, depois ser escolhido. A página que o motor não lê não entra na conta. O artigo sobre JSON-LD e Markdown para IA detalha o formato que facilita esse recorte.

O que fazer nesta semana?

Peça o registro de uma resposta errada do assistente interno com pergunta, documentos autorizados, candidatos recuperados e contexto enviado. Se a equipe não consegue mostrar em qual das seis etapas o erro nasceu, o projeto ainda está sem instrumentação.
Compare o custo dos dois caminhos com a sua pergunta e o seu acervo. Uma versão com o documento inteiro, outra com trechos recuperados, mesma pergunta, mesmos documentos. Anote correção, tempo e custo total, inclusive a preparação do índice.
Faça ao ChatGPT e ao Gemini as cinco perguntas que o seu comprador faz e anote se o seu domínio aparece entre as fontes. Repita em dias diferentes antes de concluir, porque a presença em resposta de IA varia entre rodadas.

Perguntas frequentes

RAG elimina as alucinações do assistente?

Não. A recuperação acrescenta trechos que podem ser conferidos, e o modelo continua a redigir a resposta e pode interpretar mal o trecho. Uma citação verdadeira anexada a uma resposta inadequada ao caso continua sendo erro, por isso a avaliação mede recuperação e redação em separado.

Com janelas de um milhão de tokens, o RAG ainda é necessário?

Depende do acervo. O estudo Token Tax, de junho de 2026, mediu correção maior com contexto longo (73,1% contra 65,4% do RAG semântico) ao custo de 26 vezes mais tokens por pergunta. Para acervo pequeno e estável, enviar o documento inteiro pode bastar; para acervo grande, que muda e tem permissões por pessoa, a recuperação segue necessária.

O que o RAG dos motores públicos tem a ver com a minha marca?

ChatGPT, Gemini e Perplexity recuperam páginas da web antes de responder a parte das perguntas. No estudo de Tannenbaum (setembro de 2026), a marca foi mencionada em 2,8% das respostas do GPT quando nem ela nem o domínio apareciam na recuperação, e em 91,4% quando o domínio era citado e a marca entrava nas buscas internas do motor. Ser recuperado é a condição para ser citado.

Como aprovar um piloto de RAG sem depender da demonstração do fornecedor?

Exija um conjunto de avaliação com perguntas, respostas esperadas e fontes anotadas pela sua equipe, inclusive casos de recusa, versão antiga e acesso negado. Meça cobertura da recuperação, precisão do contexto e fidelidade da resposta em separado, e compare a versão nova com a anterior antes de ampliar o uso.

Fontes

Amanhã, peça à equipe o registro da última resposta errada do assistente. A etapa em que o erro nasceu diz quanto o conserto vai custar, e essa conta vem antes de ampliar o uso. O módulo final do curso de RAG traz o roteiro do piloto de 30 dias, e os demais cursos gratuitos estão no catálogo de educação.