Para quem precisa responder a uma pergunta sobre a biblioteca inteira, não sobre um arquivo.
Aqui, uma pergunta impossível é aquela que não dá para responder lendo os documentos um depois do outro, na escala e no tempo que se tem. É o nome de um jeito de perguntar, não uma promessa.
Perguntas que aparecem quando os documentos são lidos juntos
Respondidas com um endereço que você confere
Algumas perguntas não são sobre um único arquivo. Quais das quarenta propostas ainda têm um slide oculto? Entre duas versões de uma apresentação, quais números do texto mudaram? Quais contratos de uma pasta ainda têm comentários, e o que eles dizem? O SazAI Corpus lê cada documento uma vez, elemento por elemento, e guarda o registro: o que cada arquivo contém, qual arquivo o SazAI Corpus produziu a partir de qual, e as comparações já feitas. O assistente que você usa pergunta sobre esse registro, e cada achado pode vir com o documento e o elemento em que se apoia, para você abrir e conferir.
O que torna uma pergunta impossível
Ela precisa de pelo menos uma de três coisas
Todos, com a contagem. “De todas as propostas, quais…”, “nenhuma delas”, “qual tem mais”. Uma busca que devolve os trechos mais próximos não consegue dizer “todos”. Uma consulta pode ser percorrida, página por página, até o fim do escopo que você definiu, e a resposta diz, ao lado, o que não foi lido. Exemplo: das quarenta propostas desta pasta, quais têm um slide oculto?
A memória da biblioteca. As versões que o SazAI Corpus produziu a partir de um arquivo, e as comparações que ele fez entre dois arquivos. Esses registros vêm do próprio Corpus, não dos arquivos. Exemplo: quais versões foram produzidas a partir do mesmo arquivo de origem, e quais pares já foram comparados?
A camada debaixo do texto. Fórmulas, slides ocultos, comentários, descrições de imagens, campos de assinatura. Uma ferramenta que guarda o texto e nada mais perde essa camada antes de alguém perguntar. Exemplo: quais contratos ainda têm comentários, e o que eles dizem? Os campos de assinatura são lidos como estão declarados: o SazAI Corpus não verifica uma assinatura.
Uma pergunta que não precisa de nenhuma das três é uma pergunta comum, e recebe uma resposta comum.
Como ler um achado
O que um achado neste modo deve trazer
- A ponte. Dois documentos, ou duas versões de um, e o elemento que os liga: uma fórmula, uma versão, uma planilha que se alinha, um termo em comum. Sem ponte, não há achado.
- Pelo menos duas explicações. Como uma fonte em comum, um modelo em comum ou o acaso, e o item que as distingue. Uma evidência que serve para todas as explicações não decide nada.
- A cobertura. Quantos documentos foram cobertos, quais ficaram de fora e o que não foi lido.
- O endereço. O documento, e o slide, a página, o parágrafo ou a célula.
- A próxima verificação. Aquela cujo resultado contrário mais mudaria a conclusão.
Um resultado inconclusivo é um resultado. Peça esses pontos na sua pergunta; um achado sem um deles é uma pista, não um achado.
O que o SazAI Corpus faz aqui
Cenas avaliadas numa rodada
Nenhuma pergunta deste modo foi avaliada numa rodada ainda. As cenas aparecem aqui quando uma for.
O que o SazAI Corpus não faz
Neste modo, hoje
O Corpus não:
- promete que algo será encontrado;
- diz se houve fraude, intenção ou descumprimento de uma regra;
- lê a falta de uma ligação como prova de que dois documentos não têm relação, nem dois textos parecidos como prova de que um foi copiado do outro;
- lê uma ordem no tempo como causa.
O Corpus lê e registra; a sua IA raciocina sobre isso; você decide. As áreas em que isso se aplica: Auditoria, Compliance, Serviços financeiros, Jurídico, Ciências da vida e Imobiliário. Para falar com a gente: contato.
Leituras
A base do método
O método se apoia nestes trabalhos publicados. Citá-los não significa que os autores endossam o SazAI.
- Swanson, D. R. (1986). Undiscovered Public Knowledge. The Library Quarterly 56(2), 103 a 118.
- Pirolli, P., Card, S. (2005). The Sensemaking Process and Leverage Points for Analyst Technology. International Conference on Intelligence Analysis.
- Heuer, R. J. (1999). Psychology of Intelligence Analysis, capítulo 8, Analysis of Competing Hypotheses.
- Buneman, P., Khanna, S., Tan, W. C. (2001). Why and Where: A Characterization of Data Provenance. ICDT 2001.
- Howard, R. A. (1966). Information Value Theory. IEEE Transactions on Systems Science and Cybernetics 2(1), 22 a 26.
- Kastrin, A., Cestnik, B., Lavrač, N. (2025), e Alkan, A. K. et al. (2025): revisões sobre descoberta baseada em literatura e sobre geração de hipóteses.