O que é RAG e quando usar em vez de fine-tuning?

RAG ancora respostas do LLM em uma base de conhecimento via busca semântica; é melhor que fine-tuning quando o conhecimento muda com frequência ou exige citação de fontes.

RAG (Retrieval-Augmented Generation) combina LLM com busca em base de conhecimento (documentos, banco, intranet) via embeddings e vector database. O modelo gera a resposta ancorada nos trechos recuperados, com citação de fontes. Vantagens sobre fine-tuning: conhecimento atualizado em tempo real, custo menor, auditabilidade e redução drástica de alucinações. Indicado para FAQ corporativo, BI conversacional, suporte interno, análise de documentos jurídicos/contratos e atendimento técnico. Fine-tuning ainda vence quando o domínio exige terminologia única, formato rígido de saída ou compliance que exige modelo dedicado.

Atualizado em 12/06/2026.