ISBN:
DOI:
ORGANIZADORES:
Mirian Nunes de Carvalho Nunes
Thiago Santana de Oliveira
Ivone Ascar Sauáia Guimarães
Ewerton Ferreira Bastos
Tayssara Elizavieta Martins Varão
Wagner Elvio de Loiola Costa
Antonio Luís de Souto Filho
RESUMO:
A evolução da Inteligência Artificial Generativa tem impulsionado a necessidade de soluções mais eficientes para armazenamento e recuperação de dados, especialmente em contextos que exigem compreensão semântica. Nesse cenário, os bancos de dados vetoriais emergem como uma alternativa relevante, permitindo consultas baseadas em similaridade e contexto, em contraste com os métodos tradicionais. O presente estudo teve como objetivo analisar o uso de bancos de dados vetoriais em aplicações de Inteligência Artificial Generativa, destacando suas principais contribuições, limitações e tendências atuais. Para isso, foi adotada uma abordagem metodológica de natureza qualitativa, por meio de revisão bibliográfica descritiva, com análise de artigos científicos, teses e livros publicados principalmente entre 2020 e 2025, em bases como Google Scholar, SciELO, IEEE Xplore e ACM Digital Library.
Os trabalhos selecionados foram organizados em categorias temáticas relacionadas a conceitos fundamentais de bancos vetoriais, aplicações em Inteligência Artificial Generativa, arquiteturas Retrieval-Augmented Generation (RAG), métricas de avaliação e desafios técnicos. Os resultados evidenciam que os bancos vetoriais desempenham papel fundamental em arquiteturas como RetrievalAugmented Generation, contribuindo para maior precisão e relevância das respostas geradas. Além disso, verificou-se que soluções híbridas, combinando bancos relacionais e vetoriais, apresentam potencial significativo para aplicações corporativas e sistemas inteligentes. Entretanto, desafios como custos de implementação, escalabilidade, ausência de padronização e questões de segurança ainda limitam sua ampla adoção. Conclui-se que, apesar das limitações, os bancos de dados vetoriais representam uma tecnologia promissora, com grande potencial para aprimorar sistemas de busca semântica e fortalecer aplicações baseadas em Inteligência Artificial Generativa.
Palavras-chave: Busca semântica. Bancos vetoriais. Embeddings. Recuperação de informação. Inteligência artificial generativa.