Sistema RAG em documentos corporativos: o que entra no projeto e quanto custa
Um sistema RAG (Retrieval-Augmented Generation) corporativo não é «carregar PDF no ChatGPT» - é infraestrutura que indexa regulamentos, contratos, instruções e bases de conhecimento, encontra fragmentos relevantes e gera respostas com citação de fontes. Em 2026 é padrão para assistentes internos, suporte e consultas de compliance. Abaixo: escopo do projeto, etapas, prazos e faixas de orçamento.
- MVP em uma fonte (Confluence, SharePoint, pasta PDF) - $8 000 - $25 000, 4-8 semanas
- Plataforma RAG corporativa (várias fontes, RBAC, auditoria) - $35 000 - $120 000, 3-5 meses
- Enterprise: on-prem, DLP, SLA, multilíngue - $120 000 - $350 000+, 6-10 meses
- Custos mensais - embeddings, API LLM, BD vetorial, reindexação: de $300 a $12 000+
- Principal fator de preço - não o modelo (GPT-5.6 Terra, Claude Sonnet 5, Gemini 3.5 Flash), mas qualidade do retrieval e profundidade das integrações documentais
O que é RAG em documentos corporativos
RAG complementa um LLM com busca nos seus dados: o modelo não «lembra» o regulamento de férias, recebe parágrafos relevantes do índice vetorial e monta a resposta. Para o negócio reduz alucinações e dá links verificáveis à fonte.
Cenários típicos:
- colaborador pergunta sobre aprovação de contrato - sistema cita cláusula no Confluence;
- suporte recebe rascunho da base Zendesk atualizada;
- jurídico busca precedentes em arquivo de contratos com filtros por tipo de contraparte e data.
Sem RAG, o chatbot responde em generalidades ou «inventa» regras internas. Com RAG, a resposta está ligada a documentos verificáveis.
Composição do projeto
Oito blocos influenciam prazo e orçamento.
| Bloco | O que se faz | Parte típica |
|---|---|---|
| Discovery | Fontes, papéis, KPIs de qualidade, restrições de dados | 8-12% |
| Ingestion (ETL) | Confluence, SharePoint, Drive, CRM, tickets, ERP | 15-25% |
| Chunking e preprocessing | Fragmentação, limpeza, metadados, OCR | 10-15% |
| Embeddings e índice | Modelo embedding, BD vetorial, busca híbrida | 10-15% |
| Pipeline retrieval | Reranking, filtros por papel, deduplicação | 15-20% |
| Camada generation | Prompts, citações, guardrails, fallback | 10-15% |
| Interface e API | Widget, Slack/Teams, portal, API headless | 10-20% |
| Observabilidade e eval | Métricas retrieval, dataset de teste, alertas | 8-12% |
Chave na mão: fontes indexadas, respostas nos canais alvo, logs, piloto, documentação de reindexação.
Etapas de desenvolvimento
1. Auditoria de dados e especificação (1-2 semanas)
Fontes, volume, acesso (SSO, RBAC), métricas. Entrega: mapa de fontes, matriz de direitos, 50-200 perguntas eval.
2. Protótipo de ingestion (2-4 semanas)
Primeira fonte, ciclo completo: webhook/export, parsing, chunking, escrita na BD vetorial. Stack: LangChain / LlamaIndex, Unstructured, conectores SharePoint/Confluence.
3. Retrieval e qualidade (3-6 semanas)
Modelo embedding, pgvector/Qdrant/Weaviate, busca híbrida, reranker (+15-30% precisão), filtros por departamento.
4. Generation e guardrails (2-4 semanas)
Prompt «responder só do contexto», citações, «não sei», proteção injection, roteamento de modelos.
5. Integrações e interface (2-6 semanas)
Widget intranet, bot Slack/Teams, SSO, painel admin, API CRM.
6. Piloto e produção (2-4 semanas)
Regressão eval, piloto 50-200 usuários, monitoramento, runbook.
Faixas de custo por tipo
MVP - uma fonte
| Parâmetro | Valor |
|---|---|
| Orçamento | $8 000 - $25 000 |
| Prazo | 4-8 semanas |
| Fontes | 1 |
| Usuários | até 100 |
Plataforma corporativa
| Parâmetro | Valor |
|---|---|
| Orçamento | $35 000 - $120 000 |
| Prazo | 3-5 meses |
| Fontes | 3-8 |
| Usuários | 200-5 000, RBAC, SSO |
Enterprise
| Parâmetro | Valor |
|---|---|
| Orçamento | $120 000 - $350 000+ |
| Prazo | 6-10 meses |
| Requisitos | on-prem/VPC, DLP, GDPR/HIPAA, SLA 99,9% |
Custos mensais (OPEX)
| Item | Faixa/mês |
|---|---|
| Embeddings | $50 - $800 |
| API LLM | $200 - $8 000 |
| BD vetorial | $70 - $600 |
| Rerank | $30 - $400 |
| Hosting | $100 - $1 500 |
| Suporte | $1 000 - $8 000 |
Exemplo: 5 000 documentos, 3 000 consultas/mês - ~$250-400/mês. Com 50 000 consultas: $3 000 - $12 000/mês.
Prazos e equipe
| Tipo | Equipe | Prazo |
|---|---|---|
| MVP | 1 backend + ML (parcial) | 4-8 semanas |
| Plataforma | 2 backend, 1 ML, 1 frontend, PM | 3-5 meses |
| Enterprise | 4-7 + DevOps, QA, segurança | 6-10 meses |
Tarifas 2026 (remoto, Europa Oriental/CIS): ML/RAG $60-100/h. EUA/Europa ocidental: x2-3.
O que encarece o projeto
Formatos legacy, RBAC por documento (+20-35%), multilíngue (+25-40%), atualizações em tempo real, on-prem com GPU.
Como não pagar a mais
- Um departamento, uma fonte, 30-50 perguntas de referência.
- Eval desde a semana 1.
- Busca híbrida + rerank antes de fine-tuning.
- Roteamento de modelos.
- Cache semântico (-20-40% API).
- MVP fixo, T&M para novas fontes.
Conclusão
RAG em documentos corporativos em 2026: de $8 000 (MVP) a $350 000+ (enterprise). 4-8 semanas a 10 meses. Drivers: fontes, direitos, qualidade retrieval, tráfego. Ingestion e busca definem a utilidade real.
Perguntas frequentes
RAG vs fine-tuning?
Fine-tuning embute conhecimento nos pesos - atualizações caras. RAG reindexa rápido e cita fontes. Para documentos corporativos mutáveis, RAG primeiro.
RAG sem desenvolvimento via ChatGPT Enterprise ou Copilot?
Parcialmente para piloto (centenas de docs). Produção com SSO e auditoria: plataforma custom a partir de ~$35 000.
Quantos documentos?
MVP: 500-5 000. Plataforma: 100 000+. Arquivos OCR massivos: +30-50% orçamento.
Como medir qualidade?
Dataset eval 50-200 perguntas. Métricas: recall@k, faithfulness, citation accuracy. Meta: recall@5 > 85%, faithfulness > 90%.
Suporte pós-lançamento?
Retainer $1 000 - $5 000/mês ou 15-25%/ano do desenvolvimento: monitoramento, eval, conectores, prompts. Sem suporte, degradação em 3-6 meses.