A busca tradicional do cofre de dados acha o que é igual: digite “juros” e ela devolve todo texto que contém “juros”. Ela não acha o texto que fala de “custo do dinheiro” sem nunca escrever a palavra. No dia 22, o cofre ganhou a camada que cobre essa lacuna: o índice de significado — busca semântica sobre o fluxo de notícias, inteiramente dentro de casa.

Texto vira coordenada

O coração da camada é um modelo pequeno e aberto que lê um texto e devolve suas coordenadas de significado — um vetor de números em que textos que falam de coisas parecidas ficam próximos, independentemente das palavras usadas. O padrão tem nome: vetores de incorporação de palavras e seus descendentes. Com as coordenadas guardadas junto de cada notícia, perguntar “mostre o que se falou de parecido com isto” vira uma busca por proximidade geométrica — rápida, indexada, dentro do próprio cofre.

flowchart LR N["Notícia<br/>nova"] --> E["Modelo de<br/>significado"] E --> V["Coordenadas<br/>(vetor)"] V --> I["Índice de<br/>proximidade"] Q["Pergunta:<br/>'parecido com isto'"] --> I I --> R["Notícias mais<br/>próximas, com distância"]

As três decisões do desenho

  1. Índice de proximidade interno ao cofre. A busca vetorial mora no próprio cofre de dados — nada de serviço externo de busca, nenhuma cópia dos dados fora de casa, e a mesma régua de backups e permissões.
  2. Modelo pequeno, aberto, local. O modelo de coordenadas é compacto e executado na nossa própria máquina — sem enviar texto a serviço de terceiros, sem custo por leitura, funcionando no caminho frio onde a inteligência acontece.
  3. Particionado para escalar. O índice nasce dividido em setores, preparado para o volume de notícias que os sentidos vão acumular.

Para que serve, na prática

A busca por significado é a infraestrutura de três trabalhos do sistema: o conselheiro que, ao analisar um ativo, recupera o histórico de notícias parecidas antes de opinar; o aprendizado de reações passadas — “o que aconteceu nas vezes em que se falou isso?”; e a deduplicação por tema, além da por impressão digital.

Semântico não substitui o literalO índice de significado acrescenta à busca por palavra-chave, não a substitui: datas, códigos de ativo e nomes exatos seguem melhor servidos pela busca literal. Diferente é o tipo de pergunta: “falei disso de um jeito diferente?” — essa, só as coordenadas respondem.

O que vem pela frente

Com o índice no lugar, o cofre completa sua tríade: memória organizada (gavetas), memória eficiente (otimização) e memória que entende tema. A inteligência do sistema — que vinha sendo alimentada por fontes globais e pelo registro oficial — agora tem onde encontrar o que já soube.