A V7 anunciou a integração do Context Graph à plataforma V7 Go, conectando arquivos e dados institucionais diretamente à memória de agentes de IA. O sistema utiliza modelos da linha GPT‑6 Astra e GPT‑5.6 Luna da OpenAI para extrair, organizar e consultar informações empresariais, com ganhos concretos de precisão e eficiência em workflows documentais.
Context Graph: memória institucional estruturada
O Context Graph resolve um dos principais gargalos dos agentes corporativos: a necessidade de redescobrir contexto a cada tarefa. Em vez de depender apenas de grandes janelas de contexto (long-context), o V7 Go conecta repositórios como SharePoint e Google Drive, extrai entidades, relações e atributos, e monta um grafo consultável por agentes. Segundo a V7, esse grafo é “uma ordem de magnitude mais barato e rápido” que abordagens baseadas só em contexto extenso.
A cada novo documento, o sistema identifica entidades relevantes—empresas, fundos, pessoas—e vincula fatos a registros novos ou existentes, sempre preservando a citação à fonte original. Quando o grafo não tem a resposta, o agente recorre ao RAG (retrieval augmented generation) nos documentos brutos.
Resultados práticos e benchmarks
A integração dos modelos GPT-5.6 Luna e Terra, e agora GPT-6 Astra, trouxe ganhos mensuráveis:
- 89% de acurácia nos testes mais difíceis de queries em grafo com o GPT-6 Astra.
- 78% de redução no custo por documento com o GPT-5.6 Luna.
- +11,6 pontos de acurácia em relação ao baseline anterior.
- No benchmark HERB, o sistema de retrieval-only da V7 superou o baseline oficial em 69% e reduziu alucinações em perguntas não respondíveis em 38%.
Casos de uso incluem screening de deals em private equity e underwriting em seguros. Clientes relataram:
- Screening de deals 21x mais rápido (de um dia para 15 minutos).
- Revisão documental caiu de mais de 100 horas para menos de 10, com economia de US$ 12 mil por tarefa.
- Equipes de seguros reduziram erros em 13,5% ao dar aos agentes acesso ao histórico completo de sinistros e apólices.
Arquitetura de agentes e workflows
O V7 Go estrutura workflows complexos em camadas: GPT‑5.6 Luna faz extração estruturada em alto volume, enquanto GPT‑5.6 Terra e Sol assumem etapas que exigem raciocínio ou uso de ferramentas. O Context Graph mantém um histórico auditável de cada decisão do agente, facilitando compliance em setores regulados.
Para tarefas longas (50–100 etapas), a plataforma afirma atingir 99,9% de precisão, mantendo trilha de auditoria e velocidade superior à de processos humanos.
Contexto para o mercado brasileiro
O V7 Go ilustra uma tendência clara: plataformas que acoplam IA generativa a contextos empresariais específicos, superando os limites do prompt e do contexto puro. Para empresas brasileiras de finanças, seguros ou imobiliário, a abordagem pode reduzir custos operacionais e acelerar a automação de processos críticos—desde que os dados estejam organizados e compliance seja prioridade.
A integração com modelos topo de linha como GPT-6 Astra e a arquitetura de grafo podem servir de referência para iniciativas nacionais que buscam ir além do RAG tradicional, oferecendo memória institucional real aos agentes de IA.