O que é vetorização?
Vetorização é a conversão de um texto em um vetor, ou seja, uma lista de números que representa o significado daquele texto. O termo aparece em inglês como vectorization e descreve a etapa que transforma palavras em algo comparável matematicamente.
O resultado dessa conversão é um embedding. Cada trecho vira um ponto em um espaço de centenas ou milhares de dimensões, e textos com significado parecido ficam próximos nesse espaço, mesmo usando palavras diferentes.
Essa proximidade sustenta a busca semântica. “Como cancelar minha assinatura” e “quero encerrar meu plano” não compartilham palavras relevantes, mas seus vetores ficam vizinhos. O sistema recupera o trecho certo sem correspondência literal de termos.
Como funciona na prática?
O processo tem quatro etapas. O texto é dividido em pedaços, prática conhecida como chunking de conteúdo. Cada pedaço passa por um modelo de embedding, que devolve o vetor. Os vetores vão para um banco vetorial junto com a referência ao texto original. Na consulta, a pergunta também vira vetor e o sistema procura os mais próximos, por medidas de distância como a similaridade de cosseno. Um modelo então escreve a resposta a partir dos trechos recuperados, fluxo típico de RAG.
O vetor é calculado por pedaço, não pela página inteira. Um trecho que só faz sentido junto com o parágrafo anterior gera um vetor confuso. Trechos autossuficientes, com sujeito explícito e um assunto por bloco, geram vetores nítidos.
Vetorização vs indexação por palavras: qual a diferença?
| Aspecto | Vetorização | Índice por palavras |
|---|---|---|
| Base da comparação | Significado | Ocorrência de termos |
| Sinônimos | Reconhecidos naturalmente | Dependem de regras extras |
| Unidade típica | Trecho | Documento |
Veredito: o índice por palavras encontra o termo, a vetorização encontra o sentido.
Exemplos de uso
Uma operadora de planos de saúde vetoriza o manual do beneficiário para alimentar o próprio chatbot. Perguntas como “posso usar em outro estado” recuperam o trecho sobre abrangência, mesmo sem essa palavra na pergunta.
Um e-commerce de peças automotivas reescreve as descrições para que cada bloco trate de um aspecto: compatibilidade, medidas e garantia. Cada bloco vira um vetor limpo, e o assistente interno passa a citar a informação certa.
Perguntas frequentes sobre vetorização
Vetorização e embedding são a mesma coisa?
São conceitos relacionados. Vetorização é o processo de converter o texto em números. Embedding é o resultado desse processo, o vetor em si. No uso corrente, muita gente aplica os dois termos de forma intercambiável, sem prejuízo de entendimento.
Preciso vetorizar meu site para aparecer em IA?
Não. Os assistentes públicos vetorizam por conta própria o conteúdo que rastreiam. A vetorização feita por você serve para sistemas internos, como chatbots de atendimento e busca dentro do site, em que você controla a base de conhecimento.
O que deixa um texto mais fácil de vetorizar bem?
Blocos curtos com um assunto cada, sujeito explícito em vez de pronome, termos escritos por extenso ao menos uma vez e títulos que descrevem o conteúdo do bloco. Essas escolhas concentram o significado e produzem vetores mais precisos.