Estamos no meio do que a internet gosta de chamar de “revolução da IA”. Você provavelmente já percebeu que as ferramentas de inteligência artificial estão se infiltrando em quase todos os aspectos do nosso trabalho, desde a automação de tarefas rotineiras até o fortalecimento dos processos de tomada de decisão.
Entre as ferramentas emergentes de IA estão os agentes baseados em conhecimento, que utilizam uma vasta base de conhecimento para fornecer respostas e insights acionáveis.
Neste artigo, discutiremos a mecânica dos agentes baseados em conhecimento na IA, como eles estão transformando os locais de trabalho e por que estão prestes a se tornar uma parte essencial de todas as equipes com visão de futuro.
⏰ Resumo de 60 segundos
- Agentes baseados em conhecimento são sistemas de inteligência artificial que acessam, analisam e fornecem informações relevantes a partir de um repositório de conhecimento.
- Eles são construídos com base em dois componentes principais: uma base de conhecimento para armazenar dados e um sistema de inferência para raciocínio.
- Os agentes baseados em conhecimento coletam informações, interpretam-nas, recuperam conhecimentos relevantes e fornecem resultados acionáveis.
- Suas aplicações incluem assistência médica para apoio ao paciente, atendimento ao cliente para ajuda instantânea e finanças para gestão de conformidade.
O que é um agente baseado em conhecimento?
Um agente baseado em conhecimento é um sistema de IA que usa técnicas avançadas de IA para acessar, interpretar e fornecer informações a partir de um repositório de conhecimento estruturado. Além de armazenar dados, esses agentes analisam o conhecimento armazenado em bancos de dados para resolver problemas ou fornecer insights acionáveis.
Ao representar o conhecimento em um formato legível por máquina por meio da Linguagem de Representação de Conhecimento, eles permitem que os sistemas interpretem, raciocinem e tomem decisões.
Eles incluem métodos como lógica proposicional, lógica de primeira ordem, redes semânticas, estruturas e ontologias, cada um oferecendo maneiras diferentes de representar relações e entidades. Os KRLs são cruciais para a IA e os sistemas de informação, permitindo que as máquinas armazenem conhecimento, tirem conclusões e se comuniquem entre plataformas.
Ao contrário de outros agentes de IA (como chatbots ou assistentes virtuais), os agentes baseados em conhecimento podem lidar com consultas complexas. Eles também facilitam melhorias significativas na gestão do tempo e na eficiência. Veja estas estatísticas do Mckinsey Global Institute:
📌 Exemplo: Rufus, o assistente de compras de IA da Amazon, funciona como um agente de gerenciamento de conhecimento de IA, aproveitando uma vasta base de conhecimento que abrange catálogos de produtos, avaliações de clientes, perguntas e respostas e informações da web.
Usando o processamento de linguagem natural, o Rufus entende as consultas dos clientes e emprega a Geração Aumentada por Recuperação (RAG) para encontrar informações relevantes e gerar respostas abrangentes. Esse processo envolve recuperar dados pertinentes de sua base de conhecimento e aumentá-los com o contexto da consulta do usuário.
O aprendizado contínuo por meio do feedback do usuário e do aprendizado por reforço permite que o Rufus refine suas respostas e melhore sua capacidade de fornecer respostas úteis. Em essência, o Rufus centraliza, organiza, divulga e personaliza o conhecimento relacionado às compras, capacitando os clientes a tomar decisões de compra informadas.
Componentes dos agentes baseados em conhecimento
No centro de cada agente baseado em conhecimento na inteligência artificial, existem dois componentes principais: a base de conhecimento e o mecanismo de inferência. Esses componentes trabalham juntos para fornecer insights inteligentes e sensíveis ao contexto.
A base de conhecimento
Pense na base de conhecimento como o cérebro do agente. É onde todos os fatos essenciais, regras e informações úteis são armazenados, prontos para serem usados sempre que necessário. A base de conhecimento dá ao agente sua inteligência — como uma enciclopédia que não fica apenas na prateleira, mas ajuda ativamente na tomada de decisões. Ao contrário dos bancos de dados tradicionais, a base de conhecimento cresce e evolui. Novas informações são adicionadas e detalhes desatualizados são substituídos para fornecer respostas relevantes.
🧠 Você sabia? A base de conhecimento pode armazenar tanto dados estruturados (como planilhas) quanto dados não estruturados (como e-mails ou registros de bate-papo), tornando-a versátil para qualquer tipo de consulta.
O mecanismo de inferência
O mecanismo de inferência é como o parceiro de resolução de problemas da base de conhecimento. Ele não apenas extrai informações, mas também aplica raciocínio lógico para analisar dados, tirar conclusões e tomar decisões informadas com base no conhecimento do agente.
O mecanismo de inferência dá a um agente baseado em conhecimento a capacidade de “raciocinar” e fornecer respostas inteligentes e contextualmente adequadas.
Ele usa as seguintes técnicas de inteligência artificial para fornecer insights e soluções:
| Técnica | Significado | Exemplo |
| Dedução | Utiliza regras ou fatos gerais e os aplica para chegar a conclusões. | Regra: Todos os funcionários com mais de 10 anos de experiência se qualificam para um cargo de gerência sênior. Fato: Alex tem 12 anos de experiência. Conclusão: Alex se qualifica para um cargo de gerência sênior. |
| Indução | Tira conclusões generalizadas a partir de exemplos ou padrões específicos. Essas conclusões são prováveis, mas não garantidas. Isso ajuda na análise de tendências. | Observação: a produtividade da equipe aumentou 15% nos últimos três meses, quando foram implementados horários de trabalho flexíveis. Conclusão indutiva: horários de trabalho flexíveis provavelmente melhoram a produtividade. |
| Abdução | Começa com uma observação e trabalha retroativamente para encontrar a explicação mais provável. É comumente usado para diagnóstico ou solução de problemas. | Observação: O tempo de resposta do sistema está excepcionalmente lento. Possíveis explicações (da base de conhecimento): Alta carga do servidor ou problemas de rede. Conclusão abdutiva: A alta carga do servidor é a causa mais provável com base em incidentes anteriores. |
Tipos de agentes baseados em conhecimento
Os agentes de IA baseados em conhecimento vêm em várias formas, cada uma projetada para atender a necessidades ou ambientes específicos. Vamos detalhar os principais tipos de agentes baseados em conhecimento e como eles se destacam em diferentes cenários:
Agentes reflexos simples
Agentes reflexos simples são como os especialistas em IA do tipo “se isso, então aquilo”. Eles seguem um conjunto de regras predefinidas e reagem instantaneamente a entradas específicas, sem se preocupar com eventos anteriores. Pense neles como companheiros confiáveis e diretos — perfeitos para tarefas previsíveis e repetitivas.
📌 Exemplo: Um sistema de diagnóstico médico sugere uma doença com base nos sintomas inseridos por um médico, usando a regra: “Se houver febre, erupção cutânea e dor nas articulações, sugira dengue”.
Mas há um porém: agentes reflexos simples não são exatamente flexíveis. Eles dependem exclusivamente de regras predefinidas; se as coisas ficarem muito complexas ou começarem a mudar, esses agentes não conseguem se adaptar. Com base no exemplo acima, se o paciente tiver outros sintomas além de febre ou erupção cutânea, o agente de IA pode não ser capaz de identificar a condição.
Agentes baseados em modelos
Os agentes baseados em modelos levam as ferramentas de IA para a tomada de decisões a um novo nível lógico, construindo um mapa mental do seu ambiente. Esse modelo interno ajuda-os a perceber o que está a acontecer, mesmo quando não têm todos os detalhes.
📌 Exemplo: Um sistema doméstico inteligente mantém uma representação interna do ambiente doméstico, incluindo fatores como temperatura, umidade e ocupação. Quando detecta que a temperatura excede a configuração preferida do usuário, ele pode ajustar o termostato.
Agentes baseados em objetivos
Esses agentes se concentram em alcançar resultados específicos, avaliando ações em relação às metas desejadas. Eles avaliam diferentes opções e decidem o melhor caminho para o sucesso. Imagine uma base de conhecimento de IA ajudando uma equipe de projeto a cumprir prazos — ela responde a perguntas de acordo com seu conhecimento prévio e sugere proativamente etapas para manter o projeto em dia.
📌 Exemplo: Um sistema de navegação GPS calcula a melhor rota para um destino considerando o objetivo (chegar ao local) e fatores como tráfego e distância, atualizando a rota dinamicamente para atingir o objetivo com eficiência.
Agentes baseados em utilidade
Os agentes baseados em utilidade são os multitarefas da IA no local de trabalho. Quando há muita coisa acontecendo e vários objetivos a serem conciliados, esses agentes entram em ação para descobrir o melhor curso de ação. Eles não buscam apenas o que é possível, mas se concentram no que agrega mais valor geral.
📌 Exemplo: Em uma situação de alocação de recursos, um agente inteligente baseado em utilidade pode avaliar opções e priorizar decisões que economizam tempo e dinheiro. É como ter um colega de equipe de IA que sempre encontra a maneira mais inteligente de aproveitar ao máximo seus recursos.
📖 Leia mais: As 10 melhores ferramentas de colaboração de IA
Como os agentes baseados em conhecimento funcionam
Aqui está uma descrição passo a passo de como os agentes baseados em conhecimento funcionam:
Etapa 1: Percebendo o ambiente
A primeira coisa que o agente faz é reunir informações do seu ambiente. Isso pode ser uma consulta do usuário, uma leitura do sensor ou dados provenientes de outro sistema. Considere um cenário de suporte ao cliente: alguém pergunta: “Como faço para redefinir a senha da minha conta?” O agente recebe essa informação e se prepara para encontrar possíveis soluções.
Etapa 2: Interpretando a entrada
É aqui que entra em ação a magia do processamento de linguagem natural (NLP). O agente analisa a entrada para descobrir exatamente o que o usuário precisa. Ele identifica frases-chave como “redefinir” e “senha da conta” para reconhecer a consulta como uma solicitação de solução de problemas. Com a IA para automatizar tarefas como essas, os usuários obtêm respostas rápidas e precisas, sem qualquer troca de mensagens desnecessária.
Etapa 3: Acessando a base de conhecimento
Em seguida, o agente mergulha em seu sistema de gerenciamento de conhecimento ou software de base de conhecimento para encontrar as informações mais relevantes. Ele examina fatos armazenados, regras e outros dados úteis para identificar exatamente o que é necessário. Nesse caso, ele pode extrair um guia passo a passo sobre como redefinir senhas. É aqui que ter um sistema baseado em conhecimento bem organizado faz toda a diferença.
Etapa 4: Raciocínio e tomada de decisão
Agora, o agente realmente mostra sua inteligência. Usando seu mecanismo de inferência, ele aplica regras lógicas ao conhecimento recuperado para fornecer uma resposta relevante e personalizada. Se o usuário também mencionar: “Tentei reiniciar e ainda não está funcionando”, o agente pode sugerir verificar se há erros de e-mail ou uma conta bloqueada. Não se trata apenas de dar respostas, mas de pensar no problema para oferecer a melhor solução.
Etapa 5: Entrega do resultado
Por fim, o agente fornece a resposta de maneira clara e prática. Pode ser uma resposta simples por texto, um guia visual passo a passo ou uma ação automatizada, como o envio de um e-mail para redefinir a senha. Com o software de base de conhecimento alimentado por IA certo, essas tarefas são realizadas de maneira integrada, economizando tempo para o usuário e para a equipe.
🧠 Você sabia? Uma das primeiras aplicações dos agentes baseados em conhecimento foi na área da saúde. O MYCIN, desenvolvido na década de 1970 em Stanford, foi projetado para diagnosticar infecções bacterianas e recomendar tratamentos. Apesar de sua precisão, ele não foi amplamente adotado devido a questões éticas e legais da época.
Vantagens dos agentes baseados em conhecimento
Aqui estão as vantagens dos agentes baseados em conhecimento na IA:
Decisões rápidas
Com a ajuda da IA conectada, esses agentes examinam enormes repositórios de conhecimento e fornecem instantaneamente as informações exatas de que você precisa.
🌻 Exemplo: imagine uma equipe de TI resolvendo um problema no servidor. Em vez de folhear manuais desatualizados, o agente extrai a solução exata da base de conhecimento em segundos, colocando os sistemas de volta online antes que alguém perceba.
Consistência garantida
Vamos ser sinceros: erros humanos acontecem e, às vezes, informações desatualizadas se infiltram nos fluxos de trabalho. Mas isso não acontece com um agente baseado em conhecimento. Eles obtêm informações de fontes verificadas e atualizadas, garantindo respostas confiáveis e precisas, independentemente da situação.
🌻 Exemplo: Uma organização de saúde usa um agente baseado em conhecimento para responder às perguntas dos pacientes. Os conselhos, desde instruções sobre medicamentos até cuidados pós-cirúrgicos, estão sempre alinhados com os padrões médicos mais recentes.
Redução de custos
Ao assumir tarefas repetitivas, esses agentes aliviam a carga das equipes humanas. Isso significa menos recursos gastos com questões rotineiras e mais foco em prioridades estratégicas. A melhor parte? A qualidade nunca é prejudicada.
🌻 Exemplo: Uma equipe de atendimento ao cliente que conta com um agente pode resolver problemas simples instantaneamente, como fornecer atualizações de pedidos, liberando os representantes humanos para lidar com solicitações mais complexas. Sem estresse extra.
✅ Verificação de fatos: em média, os funcionários dedicam cerca de 28% de sua semana de trabalho ao gerenciamento de e-mails e quase 20% à busca de informações internas ou à localização de colegas que possam ajudar em tarefas específicas.
Ter um repositório de conhecimento pesquisável pode reduzir em até 35% o tempo gasto na busca por informações da empresa. Isso pode gerar maior valor por meio de uma colaboração mais rápida, eficiente e eficaz dentro e entre as organizações.
Atualizações contínuas
Expandir seus negócios significa processos e gerenciamento de dados mais complexos, o que leva muito tempo para ser comunicado e gerenciado por uma equipe humana. Os agentes baseados em conhecimento se adaptam perfeitamente ao seu crescimento.
Você pode atualizar seus repositórios com novos conhecimentos, processos ou detalhes específicos do mercado em segundos, garantindo que o agente de IA esteja sempre pronto para dar suporte à sua equipe ou aos seus clientes. À medida que sua empresa cresce ou entra em novos mercados, esses agentes evoluem junto com você, lidando com o aumento da demanda sem esforço.
Melhor experiência do usuário
Loops infinitos de busca por informações ou espera por respostas podem transformar até mesmo uma tarefa simples em uma provação frustrante. Esses momentos muitas vezes levam a experiências ruins para funcionários e clientes, criando atritos desnecessários. Os agentes baseados em conhecimento eliminam esses pontos fracos, fornecendo respostas instantâneas e personalizadas.
🌻 Exemplo: uma equipe de projeto com prazos apertados pode pedir ajuda a um agente para priorizar tarefas. Em segundos, ele sugere os itens críticos a serem tratados primeiro, dando à equipe clareza e confiança para atingir seus objetivos.
📖 Leia mais: Como integrar IA em um site
Um agente de IA baseado em conhecimento para gerenciamento de projetos
Um dos melhores casos de uso de agentes baseados em conhecimento na IA é o gerenciamento de projetos.
As equipes de projeto frequentemente enfrentam dificuldades com excesso de informações, dados imprecisos e retenção de conhecimento. Um agente baseado em conhecimento simplifica essas complexidades, atuando como um centro de inteligência central, fornecendo às equipes os insights e o suporte de que precisam para se manterem no caminho certo e tomarem decisões informadas.
É aqui que o ClickUp entra em cena como a solução definitiva para equipes modernas. É o aplicativo completo para o trabalho que combina gerenciamento de projetos, gerenciamento de conhecimento e bate-papo — tudo com tecnologia de IA que ajuda você a trabalhar de forma mais rápida e inteligente.
O ClickUp Brain, o poderoso assistente de IA do ClickUp, é um agente dinâmico baseado em conhecimento que atua como o centro de inteligência da sua equipe. O ClickUp Brain não apenas armazena conhecimento, mas também pensa, raciocina e se adapta ativamente para ajudá-lo a trabalhar de forma mais inteligente, sem esforço.
Veja como o ClickUp otimiza o gerenciamento de projetos:
Repositório colaborativo de conhecimento
O recurso de gerenciamento de conhecimento do ClickUp ajuda você a criar facilmente uma base de conhecimento interna. Ele permite que você inicie o processo com modelos Wiki pré-construídos ou importe documentos ou planilhas de outras ferramentas no seu formato preferido.
O ClickUp Docs, o documento integrado do ClickUp, é o seu ponto de partida. Ele permite que você crie páginas, armazene documentação e vincule documentos a projetos específicos para que o conhecimento esteja sempre conectado em todo o seu espaço de trabalho.
Além disso, você pode converter seus ClickUp Docs em um wiki, garantindo que todas as suas informações estejam organizadas e facilmente pesquisáveis. Seu editor intuitivo suporta formatação de rich text, permitindo que você adicione cabeçalhos, banners, citações e blocos de código. Você também pode incorporar mídias como listas de verificação, imagens, vídeos, apresentações e muito mais, tornando sua base de conhecimento dinâmica e visualmente atraente.
Depois que sua base de conhecimento estiver estabelecida, o ClickUp Brain, assistente de IA integrado ao ClickUp, conecta todos os seus documentos, tarefas, pessoas e conhecimento da empresa (lembra que falamos sobre a criação de um mapa interno anteriormente?). Com sua função AI Knowledge Manager, o ClickUp Brain reúne tudo em um só lugar.
Em vez de procurar informações manualmente, você pode simplesmente perguntar ao ClickUp Brain: “Você pode me fornecer o arquivo do plano do projeto XYZ do mês passado?” ou “Onde está o último relatório de marketing?” Ele recupera instantaneamente o que você precisa de um hub central, economizando tempo e garantindo que nenhum detalhe importante seja esquecido.
Inferência e raciocínio em ação
O ClickUp Brain vai além da recuperação de informações — ele pensa com você.
Quando você fornece dados, ele interpreta e extrai insights importantes. Por exemplo, você pode perguntar: “Quais são as principais tendências neste relatório?” ou “Como você resumiria o feedback deste cliente?” O ClickUp Brain analisa as informações inseridas, aplicando raciocínio para fornecer insights baseados no contexto que ajudam você a tomar melhores decisões com mais rapidez.
Esse recurso transforma dados brutos em inteligência acionável, tornando o ClickUp Brain uma ferramenta ideal para uma tomada de decisão mais inteligente.
Adaptabilidade dinâmica
O superpoder do ClickUp Brain é sua capacidade de personalizar o conteúdo para necessidades específicas, impulsionado por seu forte mecanismo de conhecimento e inferência.
Você pode fornecer um texto, como uma apresentação ou pitch, e perguntar: “Você pode otimizar isso para o setor de tecnologia?” ou “Adicione frases mais lógicas para um e-mail de cliente”. Ele adapta o conteúdo dinamicamente, ajudando você a refinar e reutilizar informações com facilidade.
Esse recurso garante que suas mensagens e documentos estejam sempre adequados, independentemente da situação ou do público.
Habilitação de colaboração perfeita
Desde resumir notas de reuniões até transcrever roteiros e compartilhá-los com colegas de equipe, o ClickUp Brain transforma a comunicação em um processo contínuo.
O ClickUp tem muito a oferecer em um só lugar, como gerenciamento de projetos, opções de brainstorming, gerenciamento de tarefas, planejamento de projetos, gerenciamento de documentação, etc. Ele definitivamente tornou a vida comparativamente mais fácil, pois é fácil de usar, a interface do usuário é bem projetada e a colaboração dentro da equipe e com outras equipes é mais fácil. Conseguimos gerenciar melhor o trabalho, acompanhar e relatar o trabalho com facilidade e, com base nas reuniões diárias de progresso, o planejamento futuro ficou fácil.
O ClickUp tem muito a oferecer em um só lugar, como gerenciamento de projetos, opções de brainstorming, gerenciamento de tarefas, planejamento de projetos, gerenciamento de documentação, etc. Ele definitivamente tornou a vida comparativamente mais fácil, pois é fácil de usar, a interface do usuário é bem projetada e a colaboração dentro da equipe e com outras equipes é mais fácil. Conseguimos gerenciar melhor o trabalho, acompanhar e relatar o trabalho com facilidade e, com base nas reuniões diárias de progresso, o planejamento futuro ficou fácil.
Pesquisa conectada do ClickUp
A Pesquisa Conectada do ClickUp é outro recurso interessante que funciona como um assistente de base de conhecimento. Você pode usá-la para encontrar qualquer documento, arquivo ou tarefa.
Os recursos de inferência inteligente ajudam a ferramenta a entender o contexto para apresentar resultados relevantes, mesmo que você não tenha as palavras-chave exatas. Isso economiza tempo ao se preparar para uma reunião com um cliente ou ao procurar notas antigas de projetos.
A Pesquisa Conectada do ClickUp ajuda você a:
- Encontre qualquer arquivo no ClickUp, em um aplicativo conectado ou em seu disco local.
- Obtenha resultados de pesquisa personalizados e relevantes
- Adicione comandos de pesquisa personalizados, como atalhos para links ou armazenamento de texto para uso posterior.
Aplicações de agentes baseados em conhecimento em diversos setores
Veja como os agentes baseados em conhecimento podem ser usados em diferentes setores com seu nível de conhecimento:
Saúde: capacitando um melhor atendimento ao paciente
Na área da saúde, precisão e rapidez podem fazer toda a diferença. Os agentes baseados em conhecimento apoiam os profissionais médicos, fornecendo acesso imediato a protocolos, pesquisas e registros de pacientes, garantindo que decisões informadas sejam tomadas rapidamente.
Eles também auxiliam os pacientes diretamente, respondendo a perguntas sobre sintomas, medicamentos e consultas futuras, tornando o atendimento mais acessível.
🌻 Exemplo: O Verificador de Sintomas da Mayo Clinic usa um agente baseado em conhecimento para ajudar os usuários a entender suas preocupações com a saúde com base em seus sintomas. Os usuários recebem possíveis condições e recomendações com base em uma vasta base de conhecimento médico, orientando-os para o tratamento adequado.
Suporte ao cliente: redefinindo as experiências do usuário
As expectativas dos clientes estão mais altas do que nunca, e os agentes baseados em conhecimento, como parte dos sistemas baseados em conhecimento, garantem que nenhuma consulta fique sem resposta. Desde a resolução de problemas comuns até a orientação dos usuários sobre os recursos do produto, esses agentes tornam o suporte mais rápido, consistente e sem frustrações.
🌻 Exemplo: O Answer Bot da Zendesk responde automaticamente às perguntas dos clientes. Ele extrai informações da base de conhecimento da empresa para responder instantaneamente a perguntas comuns, reduzindo o tempo de resposta.
Finanças: garantindo conformidade e clareza
O setor financeiro exige precisão e conformidade regulatória, tornando os agentes baseados em conhecimento inestimáveis. Esses agentes dependem da representação do conhecimento para organizar e recuperar regras de conformidade, diretrizes de empréstimo ou políticas de conta com eficiência. Para os clientes, eles respondem a perguntas complexas sobre investimentos, hipotecas ou regras tributárias de acordo com o conhecimento disponível.
🌻 Exemplo: O OneSumX Reg Manager da Wolters Kluwer é um assistente de IA que ajuda empresas de serviços financeiros com a conformidade regulatória. Ele agrega conteúdo regulatório e fornece insights acionáveis.
TI e tecnologia: simplificando o diagnóstico de problemas
Os agentes baseados em conhecimento simplificam a resolução de problemas em TI e tecnologia, atuando como especialistas em referência rápida. Eles ajudam as equipes a resolver imediatamente problemas de rede, erros de software ou dúvidas de integração de usuários.
🌻 Exemplo: O Virtual Agent da ServiceNow é um chatbot baseado em conhecimento que auxilia equipes de suporte de TI, fornecendo respostas automatizadas para questões e dúvidas técnicas comuns.
Use o ClickUp para criar uma base de conhecimento
Os agentes baseados em conhecimento nos sistemas de IA estão transformando a produtividade e a colaboração das equipes, fornecendo insights em tempo real e permitindo que as equipes automatizem os processos de tomada de decisão.
Esses agentes demonstram comportamento inteligente, analisando padrões anteriores e tendências atuais do mercado para que as empresas possam antecipar desafios e aproveitar oportunidades. O ClickUp traz o poder desses sistemas de apoio à decisão diretamente para o seu espaço de trabalho.
Com recursos como o ClickUp Brain e a Pesquisa Conectada, você tem acesso a uma base de conhecimento centralizada que simplifica os fluxos de trabalho e garante que sua equipe possa recuperar facilmente documentos relevantes, detalhes do projeto e dados históricos.
Essa integração perfeita mantém sua equipe informada e aumenta significativamente a produtividade. Dê o próximo passo: inscreva-se hoje mesmo no ClickUp e torne-o seu melhor agente baseado em conhecimento!