A gestão do conhecimento para IA começa muito antes da escolha de um chatbot ou agente. Na palestra “From Files to Pages to Agentic Contexts and Back? — Consequences for Knowledge Sharing and Processing”, Karsten Ehms, responsável por Conhecimento e Colaboração Digital na Siemens AG, mostrou que a qualidade das respostas de inteligência artificial depende de fundamentos frequentemente esquecidos: como o conteúdo é estruturado, em que formato é armazenado e se suas fontes podem ser encontradas e verificadas.
Com base em sua experiência na gestão da wiki interna da Siemens, Ehms questionou a ideia de que a IA conseguirá organizar automaticamente qualquer acervo corporativo. Se as informações estão presas em arquivos difíceis de processar, distribuídas em páginas sem estrutura ou ligadas por endereços instáveis, o problema não desaparece quando se acrescenta uma interface de conversa.
Gestão do conhecimento para IA começa nas fontes
Uma resposta gerada por IA pode estar errada. Por isso, não basta exibir um link genérico como referência: o colaborador precisa conseguir chegar ao trecho que sustenta a resposta e examinar seu contexto.
Ehms defendeu conteúdos organizados em partes menores, com títulos claros e links que apontem para seções específicas de uma página. Há uma diferença importante entre receber um endereço que leva diretamente à orientação sobre uma regra e outro que abre um documento extenso, deixando para o usuário a tarefa de encontrar a passagem relevante.
Esse princípio aproveita uma das características centrais da web: a possibilidade de criar ligações entre informações. Identificadores de fragmento, como os trechos de um endereço após o símbolo #, podem apontar para partes de uma página quando o sistema oferece esse suporte.
Para intranets e bases de conhecimento, a consequência é prática: uma fonte precisa ser útil tanto para a máquina que a recupera quanto para a pessoa que deseja conferi-la.
Links estáveis também geram confiança
Ehms criticou os endereços longos, pouco legíveis ou sujeitos a mudanças frequentes produzidos por alguns sistemas. Quando um link deixa de funcionar, não se perde apenas um atalho: podem ser quebradas conexões entre páginas, referências compartilhadas e caminhos usados para validar informações.
A defesa de endereços estáveis ecoa um princípio conhecido da arquitetura da web: “bons endereços não mudam”.
Isso não significa que toda URL corporativa precise ser curta. O essencial é que permaneça acessível, aponte para o conteúdo certo e, sempre que possível, permita chegar diretamente à seção relevante. Para quem administra uma intranet, preservar links e planejar redirecionamentos passa a fazer parte da governança do conhecimento.
Arquivos bonitos podem ser difíceis para IA
Outro ponto da palestra foi a distância entre um documento agradável de ler e um conteúdo fácil de processar automaticamente.
Ehms destacou os desafios dos PDFs, especialmente quando concentram informações que poderiam estar em páginas estruturadas. Para que um sistema de IA use esse conteúdo, pode ser necessário extrair texto, reconhecer títulos, reconstruir tabelas e separar seções. Layouts elaborados, tabelas complexas e células aninhadas aumentam o risco de perder relações importantes durante essa conversão.
“Quanto mais design você coloca no conteúdo, mais difícil fica para a IA”, afirmou.
A provocação não é uma proibição de PDFs ou de recursos visuais. O ponto é escolher o formato de acordo com a finalidade. Quando uma orientação precisa ser atualizada, pesquisada, citada por seção e reutilizada em respostas de IA, uma página bem estruturada pode ser mais adequada do que um arquivo fechado.
O problema técnico também não é insolúvel: ferramentas de processamento documental conseguem extrair conteúdo de PDFs e outros arquivos e representá-lo em Markdown para uso em sistemas de busca e IA. Ainda assim, a necessidade dessa etapa mostra por que estruturar a informação desde a origem pode simplificar o trabalho posterior.
Markdown entra na conversa
Markdown é uma forma simples de organizar texto com títulos, listas e links, sem depender de um layout visual complexo. Ehms observou que desenvolvedores já trabalham com frequência em ambientes baseados em texto e repositórios, enquanto muitas áreas de negócio continuam produzindo conhecimento principalmente em apresentações e documentos formatados.
Para ele, essa diferença pode criar uma divisão interna. De um lado, conteúdos fáceis de conectar e reutilizar; de outro, materiais que exigem conversão antes de entrar em fluxos de IA.
Isso não quer dizer que todos os colaboradores precisem passar a escrever diretamente em Markdown. A lição é mais ampla: os sistemas de publicação devem permitir uma experiência simples para quem cria conteúdo sem perder a estrutura necessária para busca, links precisos e processamento por IA. Soluções de análise documental, por exemplo, usam Markdown como uma representação que ajuda a separar documentos por títulos, parágrafos e tabelas para sistemas de geração de respostas com base em fontes.
O conteúdo vem antes da interface
Para Ehms, a discussão sobre IA frequentemente começa pela parte mais visível: a interface, o agente ou a resposta pronta. Ele propôs inverter a ordem e avaliar primeiro a qualidade do conhecimento disponível.
“Se você não acertar o conteúdo, teremos um problema com a IA, sem dúvida”, alertou.
Uma base preparada para esse uso precisa responder a perguntas concretas. Quem é responsável por cada orientação? Qual versão está em vigor? Uma pessoa consegue localizar o trecho citado? O link continuará funcionando depois de uma atualização? Tabelas e elementos visuais preservam seu significado quando o conteúdo é extraído?
A organização não precisa redesenhar todo o acervo de uma vez. Pode começar pelos materiais mais consultados ou pelos que servirão de fonte para um caso de uso de IA, testar as respostas e corrigir os problemas encontrados.
Como preparar a intranet
A palestra sugere cinco ações para equipes de intranet, comunicação interna e gestão do conhecimento:
- Mapear os formatos: identificar onde estão as informações essenciais e quais arquivos exigem mais trabalho para serem pesquisados ou atualizados.
- Estruturar conteúdos prioritários: usar títulos claros, seções específicas e linguagem que permita compreender cada orientação em seu contexto.
- Testar os links: verificar se referências permanecem estáveis e levam à passagem correta, não apenas à página inicial de um documento.
- Aproximar equipes técnicas e de negócio: criar modos de publicação simples para autores, sem perder estrutura e capacidade de reutilização.
- Questionar fornecedores: pedir demonstrações de como suas soluções tratam PDFs, tabelas, links, fontes e atualização de conteúdos.
O argumento de Ehms é direto: não existe IA confiável sustentada por conhecimento impossível de encontrar ou conferir. Antes de perguntar o que um agente pode responder, vale perguntar se a organização criou condições para que pessoas e sistemas cheguem à mesma fonte — e entendam o que ela realmente diz.
