Em março de 2025, uma startup de tecnologia americana com 82 funcionários demitiu — por razões orçamentárias — a única pessoa que sabia como o fluxo completo de onboarding de cliente enterprise funcionava. Documentação formal, zero. Tempo que o substituto levou para remontar o fluxo com ajuda de um consultor externo: quatro meses. Custo declarado no relatório interno que chegou ao board: US$ 47 mil, só para reconstruir um processo que já existia na empresa. O caso virou referência em estudos da Learn to Win sobre perda de conhecimento em 2025.
Esse US$ 47 mil não é absurdo. É a regra. A IDC estima que uma empresa de mil funcionários com taxa de saída anual de 7% perde, em valor de conhecimento tácito não transferido, cerca de US$ 300 mil por semana. O número é invisível nos balanços porque não tem linha onde entrar. Mas existe, consome caixa, e em boa parte dos casos é o maior custo operacional não declarado da empresa média.
Esse é o tema aqui: o recurso escasso que a próxima década de software vai disputar. Não é computação. Não é talento. É contexto — e quase nenhuma empresa sabe produzir, preservar ou recuperar o seu.
O recurso invisível
Contexto, na acepção que interessa à operação corporativa, não é dado. Dado é estrutura — registros, campos, métricas. Contexto é o que está em volta do dado: a razão pela qual aquele cliente específico foi aprovado com desconto de 14% e não 10%, a história de por que a política interna mudou em 2023, o detalhe que o gerente lembra da última reunião com o fornecedor. É o porquê, não o quê.
Pesquisadores que estudam gestão de conhecimento há quatro décadas separam o conhecimento corporativo em duas camadas. Explícito é o que está em algum documento, relatório ou base estruturada — facilmente transferível, facilmente perdido em uma migração mal feita, mas pelo menos rastreável. Tácito é o que existe na cabeça das pessoas: heurísticas, intuições, padrões reconhecidos pela experiência, decisões que ninguém escreveu porque pareciam óbvias quando foram tomadas.
A proporção é brutal. A pesquisa consolidada em Knowledge Loss Induced by Organizational Member Turnover, publicada pela The Learning Organization em 2023, mostra que cerca de 80% do conhecimento operacional de uma empresa é tácito. Quatro em cada cinco decisões que sua operação toma diariamente se apoiam em algo que não está em lugar nenhum — só na cabeça de quem decide.
“O que faz a empresa funcionar está quase inteiramente fora do sistema. Não porque falha de processo — porque natureza da coisa.”
Quanto vale o conhecimento que ninguém mediu
Em 2024, um grupo de pesquisadores da Universidade de Economia de Praga publicou, no Central European Business Review, um estudo longitudinal de dez anos acompanhando saída de colaboradores em 47 empresas médias na Europa Oriental. O achado central: 42% das habilidades que um colaborador sênior aplica em seu papel não podem ser executadas por um substituto no curto prazo. Não porque o substituto seja menos capaz — mas porque esse pedaço de 42% depende de contexto acumulado que ninguém documentou.
Se você traduz esse número para a sua operação: de cada dez pessoas críticas, quando uma sai, 42% do que essa pessoa fazia vira improviso do substituto por um período longo. Não é coincidência que, em 2025, as posições com mais pressão em empresas médias brasileiras sejam aquelas em que o sênior saiu há menos de nove meses e a equipe ainda está “ajustando o ritmo”.
Quatro tipos de contexto corporativo
Para sair da discussão abstrata, vale separar contexto em quatro subtipos. Cada um tem economia diferente e estratégia de preservação diferente.
1. Contexto transacional
O histórico factual do que aconteceu: emails trocados, pedidos emitidos, tickets resolvidos, reuniões realizadas. É o mais fácil de capturar — sistemas transacionais já fazem. É também o menos valiosoisoladamente, porque o histórico sem interpretação é só arquivo. Uma caixa de 8 mil emails de 2023 só vira contexto quando alguém consegue perguntar “o que aconteceu com aquela conta enterprise em março?” e receber uma resposta coerente.
2. Contexto de decisão
A camada acima: por que decidimos o que decidimos. Este é o contexto que raramente é capturado em sistema. Em operações maduras, vive em atas de reunião (se alguém escreveu), memos internos (se foram salvos), threads de Slack (se ninguém arquivou) e na memória das pessoas (se elas ainda estão lá). É o mais caro de perder porque é a matéria-prima de aprendizado organizacional.
3. Contexto relacional
O que sabemos sobre os atores externos — clientes, fornecedores, parceiros. Não é o registro no CRM. É a textura: como aquele cliente reage a preço novo, quem é o decisor real dentro daquela conta, que evento quebrou a confiança em 2024. Grande parte da receita recorrente de uma empresa depende desse conhecimento — e grande parte dele sai quando o vendedor sênior sai.
4. Contexto procedural
Como as coisas efetivamente funcionam — o processo real, não o processo descrito em documento de onboarding. Em empresas médias, a distância entre um e outro costuma ser considerável. Toda gente que já virou chefe de time sabe: a documentação diz A; a operação rodou durante os últimos dois anos numa variação B-com-exceções que funciona e que só três pessoas do time conseguem explicar.
O problema real — contexto não é documentação
A resposta histórica a tudo isso foi a mesma: “documente mais”. Empresas inteiras compraram Notion, Confluence, ClickUp com o objetivo declarado de “capturar conhecimento”. A taxa de sucesso dessa estratégia, medida pela utilização real do que foi documentado seis meses depois, é consistentemente baixa.
O motivo é duplo. Primeiro, documentar dá trabalho e ninguém tem tempo — o que acaba entrando é o óbvio, não o importante. Segundo, mesmo quando documentado, ninguém encontra no momento da necessidade. O contexto de uma decisão de 2022 pode estar perfeitamente escrito em algum wiki, mas se o analista de 2026 não sabe procurar, ele é equivalente a não existir.
“Documentação que não é encontrada no momento da pergunta é equivalente a arqueologia — pode até resolver na semana que vem, mas não resolve agora.”
Esse duplo problema — capturar o que importa e recuperar no momento certo — é o que gastou duas décadas de ciclo de hype em ferramentas de “gestão de conhecimento” sem resultado consistente. Em 2023, a combinação de modelos de linguagem grandes (LLMs) com bases vetoriais de recuperação semântica trocou o problema estrutural de lugar. Pela primeira vez, consultar conhecimento corporativo em linguagem natural com precisão razoável virou tecnicamente possível.
A chegada dos agentes mudou tudo
A crise silenciosa que a economia do contexto atravessou em 2024–2025 tem um nome técnico: retrieval-augmented generation, ou RAG. A ideia básica é simples — quando um modelo de IA recebe uma pergunta, ele primeiro busca em uma base de documentos os pedaços mais relevantes e só então responde, com base neles, em vez de inventar. O efeito prático foi transformar bases corporativas em fontes consultáveis por agentes.
A curva de adoção é de tecnologia disruptiva. Segundo a Squirro e a RAGFlow, o mercado de RAG empresarial atingiu US$ 1,85 bilhão em 2024 e cresce a um CAGR de 49%, projeção de chegar a algo em torno de US$ 11 bilhões em 2027. A Mckinsey, em seu relatório global de IA 2025, reportou que 71% das empresas pesquisadas já usam GenAI regularmente em ao menos uma função de negócio, subindo de 65% no começo de 2024.
O efeito sobre a economia do contexto foi estrutural. Até 2022, empresa que queria recuperar decisão antiga precisava de arquivista. Em 2025, precisa de um RAG bem configurado e um acervo indexável. A diferença entre as duas épocas é tecnológica e econômica — a segunda custa uma fração e entrega em segundos.
Context Engineering — a disciplina que nasceu em 2025
No segundo semestre de 2025, uma palavra começou a circular em newsletters de VCs e em threads técnicas no LinkedIn: context engineering. A RAGFlow publicou em dezembro uma análise declarando que “com a recuperação como capacidade central, o RAG evolui para um motor de contexto, tornando-se a camada unificada de contexto que serve aplicações LLM”.
A discussão técnica importa porque revela a mudança de modelo mental. Até 2024, a pergunta corporativa era “como armazenar conhecimento?”. Em 2025, virou “como entregar o pedaço certo de contexto para o agente certo no momento certo?”. Essas duas perguntas têm respostas arquiteturalmente diferentes. A primeira levou à indústria de wikis. A segunda leva a algo que ainda não tem categoria estabelecida.
Empresas que já começaram a estruturar context engineering têm três coisas em comum: (1) unificaram a camada de armazenamento, deixando de ter cinco bases de conhecimento paralelas; (2) adotaram recuperação semântica como infraestrutura-padrão, não como feature experimental; (3) trataram cada saída de colaborador sênior como evento de captura — entrevistas estruturadas, revisões de decisões tomadas, externalização do tácito para o explícito antes do adeus formal.
Como produzir contexto que vale a pena
Não vou trazer lista com oito recomendações porque é exatamente esse tipo de conteúdo que não resolve o problema. O que funciona é mais específico. Quatro decisões operacionais fazem diferença visível no primeiro trimestre.
Decisão 1 — unificar a fonte antes de otimizar
Empresa com conhecimento espalhado em seis lugares não tem problema de ferramenta. Tem problema de topologia. O primeiro passo, antes de qualquer embedding, antes de qualquer agente, é decidir onde o contexto canonicamente mora. Não cinco lugares; um, com políticas claras de origem.
Decisão 2 — capturar na hora, não depois
Reunião que termina sem ata é contexto perdido. O que antes exigia uma pessoa responsável por redação de atas hoje é feito por transcrição automática + sumarização por LLM + revisão em 90 segundos pelo decisor. Não é tecnologia de ponta; é higiene operacional moderna.
Decisão 3 — indexar antes que você precise
Conhecimento que será usado daqui a dois anos precisa ser indexado hoje. Esperar que a pergunta apareça primeiro e depois correr para procurar é a estratégia que produz os quatro meses de consultoria do caso da startup que abriu este texto.
Decisão 4 — entrevistar saídas seniores
É o item mais subestimado. Toda saída sênior deveria disparar um processo formal de knowledge capture — não uma reunião rápida de “o que você quer passar”, mas uma série de conversas estruturadas com perguntas específicas sobre as decisões mais complexas dos últimos 24 meses. Custa uma semana. Evita, conforme estudos da IDC, perdas que chegam a seis dígitos em empresas médias.
Os três erros mais caros
Empresas que tentaram estruturar contexto entre 2023 e 2025 caíram em três armadilhas recorrentes. Vale citá-las nominalmente, porque estão sendo repetidas agora em 2026.
Erro 1 — tratar contexto como projeto, não como infraestrutura
Quando gestão de contexto vira um projeto com começo, meio e fim, ela fracassa. Contexto vive porque é alimentado continuamente. Empresa que trata como entrega de trimestre está criando outro depósito digital — bonito no dia 1, abandonado no dia 180.
Erro 2 — priorizar volume em vez de relevância
Ingerir milhões de documentos em uma base vetorial é fácil. Garantir que o pedaço certo aparece na consulta certa é difícil. Empresas que fizeram apenas o primeiro passo acabaram com bases enormes e inúteis — toda pergunta retorna 200 documentos marginais em vez do 1 decisivo.
Erro 3 — negligenciar a camada de permissão
Contexto tem permissão. A remuneração confidencial do C-level não deve aparecer em consulta de um estagiário de marketing. Bases de contexto que não respeitam isso desde o dia 1 viram incidente — e, nos EUA e Europa, viram também multa. Empresas maduras tratam RBAC (role-based access control) como requisito arquitetural, não como feature opcional.
A vantagem composta
O motivo pelo qual a economia do contexto importa em horizonte longo, e não só como tema trimestral, é o que técnicos chamam de compounding: contexto bem produzido hoje melhora o contexto de amanhã, que melhora o contexto de depois de amanhã.
Em prática: uma decisão registrada ano passado com raciocínio completo serve de referência para a decisão análoga deste ano. Uma reunião bem sumarizada em março alimenta a pergunta certa em outubro. Uma política atualizada em abril faz com que o agente de atendimento não erre em junho.
A diferença entre duas empresas do mesmo porte que escolheram caminhos diferentes — uma que tratou contexto como infraestrutura, outra que deixou tácito — é pequena no primeiro ano. É visível no segundo. Em três anos, é estrutural.
“Capital financeiro composta em juros compostos. Capital de contexto composta em decisões compostas — e é mais difícil de imitar.”
Não é um argumento romântico. É uma consequência prática. Em operação onde 80% do conhecimento é tácito e existe na cabeça de pessoas que podem sair, a empresa que sistematiza a captura desse tácito e a torna recuperável está construindo uma vantagem que ferramentas não entregam. Não é tecnologia — é escolha deliberada de infraestrutura.
A IA dos próximos dois anos vai ampliar essa vantagem de forma desproporcional. Quem entendeu primeiro não precisa correr agora. Quem ainda não entendeu está pagando um custo silencioso todo mês — o consultor externo, o quatro meses para remontar fluxo, as reuniões que reabrem decisões já tomadas, o analista sênior que gasta metade do dia reconstruindo o que a empresa já sabia.
A economia do contexto é a economia que sua empresa já tem. A pergunta é se ela está sendo tratada como ativo ou como ruído.
Fontes consultadas: IDC, estimativas de custo de perda de conhecimento (citadas em Learn to Win, 2025); The Learning Organization, Knowledge Loss Induced by Organizational Member Turnover (2023, Emerald Publishing); Central European Business Review, Staff Turnover as a Possible Threat to Knowledge Loss (2024); Learn to Win, The Cost of Lost Knowledge (2025); RAGFlow, From RAG to Context — 2025 Year-End Review; Squirro, RAG in 2026: Bridging Knowledge and Generative AI; Morphik, 7 Proven Strategies to Deploy Retrieval-Augmented Generation at Scale (2025); arXiv 2501.09136, Agentic Retrieval-Augmented Generation: A Survey; McKinsey, The State of AI in Early 2025.