Ideia principal

Manter uma camada de conhecimento neutra entre as fontes e os documentos sempre foi possível: tomar notas limpas, guardar as fontes, escrever sínteses. O que faltava não era o material, era o rendimento. Uma vez constituída a camada, produzir cada saída continuava sendo um trabalho manual inteiro — ou seja, a camada acrescentava um custo sem reduzir o seguinte.

O que muda é a recomposição: a partir de um material bem organizado, um mesmo conhecimento pode ser declinado em versão longa, curta, comercial, técnica, prudente ou pedagógica sem ser reescrito à mão toda vez.

O custo da camada não baixou. O que aumentou foi o que ela permite depois.

A recomposição é apenas a primeira das operações destravadas. Uma camada bem mantida fica interrogável: pedir os pontos cegos, comparar opções, ligar entrevistas entre si, identificar recorrências, produzir uma consulta para verificar um comportamento nos dados, aproximar uma dor do cliente das funcionalidades existentes e ausentes. O ganho já não é só escrever mais rápido, é obter perguntas que você não teria feito.

Camada trazida por "O backlog não é um depósito de entulho: é uma ferramenta de ação" (2026-06-03).

Por que isso importa

Isso reformula uma decisão que a gente achava resolvida. Muitas organizações desistiram de capitalizar seu conhecimento depois de constatar que aquilo não rendia nada — e essa constatação estava certa na época em que foi feita.

Isso também diz o que é preciso dar a uma IA para obter uma recomposição correta: não o último documento enviado, não uma conversa, não um PDF final, mas as fontes, as notas, as decisões, os limites e o que continua incerto.

Nuances e limites

A rentabilidade depende inteiramente da organização do material. Uma camada mal mantida não fica recomponível porque uma IA lê ela — ela fica apenas recomponível de forma torta.

E o ganho está na produção das saídas, não na constituição da camada, que continua sendo um trabalho humano de julgamento.

Camada trazida por "Wiki IA: por que construí uma base de conhecimentos mantida por uma IA" (2026-05-25). A restrição anterior afrouxa, sem desaparecer. Sobre um conhecimento de domínio estável — normas, regulamentação, vocabulário da manutenção industrial —, a constituição da camada também se automatiza: a máquina lê as fontes, escreve as notas, atualiza as que existem. Novecentas e cinquenta notas tiradas de uma dúzia de obras não foram escritas à mão por ninguém. O que continua humano se desloca então um degrau, sem se reduzir a nada: decidir qual domínio se presta a isso, ajustar as regras de ingestão, e validar o que sai dali — três trabalhos de julgamento, mas que já não são redação.

Camada trazida por "Fui procurar o que eu tinha realmente inventado em \"Contexte\"" (2026-09-21). A camada em si não esperou a IA, e uma busca de anterioridade mostra isso. A Experience Factory de Victor Basili separa desde os anos 1980 a organização de projeto do dispositivo que recupera sua experiência, analisa ela, sintetiza ela em unidades reutilizáveis e devolve ela aos projetos seguintes — o Software Engineering Laboratory da NASA já era um exemplo operacional disso em 1992. Knowledge-Centered Service vai mais longe ao recusar o processo separado: o conhecimento é procurado, reutilizado, melhorado e capturado dentro do próprio fluxo da resolução, o que o Consortium for Service Innovation resume com "reuse is review". O que muda com a IA, portanto, não é a ideia da camada, nem mesmo a de encostar ela no trabalho corrente: é o preço de mantê-la.

Questões em aberto

• A partir de quantas saídas esperadas a camada fica rentável, e isso dá para calcular de antemão?