O material escolhido pela instituição pode ser a referência.
Uma IA de uso geral pode explicar conceitos amplos. Para apoiar um curso, a pergunta muda: a resposta considera a terminologia, o exemplo e a abordagem que o estudante está aprendendo?
Uma das formas de trabalhar com esse contexto é a geração aumentada por recuperação, conhecida como RAG. Nessa abordagem, a aplicação busca trechos relevantes de uma base e os oferece ao modelo para elaborar a resposta. A documentação da Microsoft sobre RAG descreve esse mecanismo e suas exigências de busca, preparação do conteúdo e controle de acesso.
Para uma instituição, isso sugere uma decisão concreta: quais materiais serão referência, para quais pessoas e em quais situações? Conectar documentos não elimina a necessidade de curadoria, revisão e critérios de avaliação.
Compare o comportamento, além do nome do modelo.
“IA genérica” e “IA com documentos” são atalhos de linguagem. Uma ferramenta de uso geral também pode oferecer anexos ou busca. O que merece avaliação é o funcionamento da solução no contexto escolhido.
| Critério | O que observar no teste |
|---|---|
| Referências | Quais materiais foram usados? O estudante consegue consultar a origem da explicação? |
| Alinhamento com o curso | A resposta segue a abordagem do material ou mistura explicações incompatíveis sem avisar? |
| Limite da evidência | Quando a informação não está disponível, a solução reconhece essa limitação? |
| Atualização | Como uma nova versão substitui o documento antigo? Quem acompanha essa mudança? |
| Acesso | Quais pessoas podem consultar cada material? Como isso é demonstrado no piloto? |
Mostrar uma fonte é um começo. Conferi-la é parte do trabalho.
Uma referência exibida deve sustentar a afirmação que acompanha. No piloto, abra a fonte e compare: o trecho realmente diz o que a resposta apresenta? Uma resposta pode citar o documento correto e ainda interpretar mal seu conteúdo.
O Google descreve RAG como um caminho para trazer conhecimento externo para a geração e melhorar o contexto. Isso não dispensa testar a busca e a resposta com perguntas reais do curso. Fonte, qualidade da explicação e resultado de aprendizagem são dimensões diferentes.
Leve cinco perguntas para o seu piloto.
- Qual tarefa queremos apoiar? Escolha uma dificuldade observável, como entender um exemplo ou revisar um conceito.
- Quais materiais têm autorização e estão atualizados? Identifique responsáveis pela seleção e pela manutenção.
- Quais perguntas desafiam a solução? Inclua casos com resposta no material, informação ausente e termos ambíguos.
- Quem revisa as respostas? Combine critérios com docentes e responsáveis pelo curso antes de ampliar o uso.
- O que justificaria continuar? Separe uso, qualidade e aprendizagem. Um número alto de conversas não demonstra, por si só, melhora educacional.
Essas perguntas são um roteiro editorial de avaliação, não uma certificação de uma tecnologia ou de um fornecedor. As capacidades de acesso, atualização e referência precisam ser demonstradas pela solução escolhida.
Montar um roteiro para o piloto ↗Referências e escopo
Fontes técnicas consultadas em 8 de outubro de 2026: Microsoft Learn — RAG em Azure AI Search e Google Cloud — visão geral de RAG Engine. As perguntas e o quadro de avaliação são uma aplicação editorial desses conceitos ao ensino superior. Este artigo não usa dados de estudantes nem apresenta resultados de um piloto.