Glossário
RAG (Retrieval-Augmented Generation)
RAG (Retrieval-Augmented Generation) é a técnica que ancora a resposta de uma IA em documentos recuperados na hora: antes de responder, o sistema busca os trechos mais relevantes e os entrega ao modelo como contexto. Reduz a alucinação, mas não a elimina: o estudo Stanford/JELS 2025 registrou 33% de erro numa ferramenta líder mesmo com RAG.
O mecanismo clássico funciona assim: o documento é dividido em pedaços, cada pedaço vira um vetor numérico e, na pergunta, o sistema recupera os pedaços mais parecidos com ela para o modelo usar como base. Para textos curtos, resolve. Em autos de milhares de páginas, o picotamento destrói a estrutura do processo: a sentença vira dezenas de fragmentos misturados aos da contestação e do laudo, e a busca por semelhança devolve o que soa parecido com a pergunta, não o que a responde.
Por isso a honestidade importa: RAG sozinho não elimina alucinação. O modelo continua capaz de preencher lacunas com fluência, e o dado de Stanford (33% de erro mesmo com RAG, numa ferramenta paga e líder de mercado) é a prova medida disso. O consenso técnico de 2025 e 2026 para documentos longos migrou para a navegação por índice: uma árvore de peças com resumos, compilada na ingestão, que a IA navega como um advogado usa um sumário, lendo só as páginas necessárias.
Como essa navegação funciona nos autos, e o que precisa existir além dela para a citação ser confiável, está explicado em IA que lê o processo. O risco que o RAG mitiga mas não resolve tem verbete próprio: alucinação de IA.