LTK - Consultoria de IA para Documentação Técnica
Uma consultoria focada em manuais técnicos, IA aplicada a documentos, estratégia de RAG, OCR e na arquitetura correta para PDFs grandes e complexos.
Sobre o projeto
Trabalhamos com um cliente que redige, revisa e traduz manuais altamente técnicos, incluindo PDFs grandes de equipamentos industriais e agrícolas com diagramas, ícones, tabelas e conteúdo técnico estruturado.
O time já havia iniciado um pipeline de IA para esses documentos, mas havia um gargalo arquitetural logo na entrada: uma abordagem local baseada em IBM Granite e inferência self-hosted em uma máquina dedicada. Para esse caso de uso, essa escolha adicionava complexidade sem entregar a qualidade, a velocidade e a compreensão multimodal necessárias.
Em uma consultoria curta, conseguimos destravar um time que estava há meses empacado ao reenquadrar o problema: em vez de insistir em um modelo local fraco para um fluxo exigente de documentos, recomendamos uma abordagem API-first com Gemini 2.5 Flash, muito mais adequada para PDFs com OCR, workflows de retrieval e confiabilidade em produção.
A partir daí, a atuação se expandiu para a orientação técnica mais ampla sobre arquitetura de RAG, estratégia de chunking, configuração de overlap, uso corporativo mais seguro de IA, structured outputs e definição de onde a IA deve acelerar o trabalho dos revisores humanos sem substituir a validação técnica.
Principais funcionalidades
- Diagnóstico rápido do gargalo central em um pipeline existente de IA para documentos técnicos
- Recomendação de troca da inferência self-hosted com IBM Granite por Gemini 2.5 Flash via API
- Orientação sobre por que hospedagem local não fazia sentido para o workload e a estrutura do cliente
- Direcionamento técnico para Q&A de manuais e acesso a conhecimento interno com RAG
- Recomendações sobre chunking, overlap, embeddings e qualidade de retrieval
- Orientação para OCR e leitura de PDFs complexos, especialmente diagramas, tabelas e páginas com layout misto
- Avaliação de quando fine-tuning era desnecessário e prompt mais structured outputs resolviam melhor
- Diretrizes para uso corporativo mais seguro de IA com provedores confiáveis e capacitação do time
- Recomendações para usar IA como assistente de revisão em fluxos de documentação técnica, e não como substituto cego da validação humana