Vannevar Bush descreveu a vaga em 1945. Por 80 anos nenhum candidato humano coube no orçamento. Agora cabe e o cargo se chama LLM Wiki.
Toda segunda-feira sua empresa refaz o trabalho de quarta passada
Toda segunda de manhã alguém da sua empresa abre um Google Doc em branco e começa a escrever um briefing. Sobre um cliente, um concorrente, uma decisão de produto, uma tese de M&A. E na quarta-feira da semana anterior outra pessoa já tinha escrito um documento parecido sobre o mesmo assunto, com mais ou menos os mesmos dados, e salvou em uma pasta que ninguém mais abre.
Isso tem um custo medido. Em 2012 a McKinsey Global Institute calculou que o trabalhador de conhecimento gasta 19% da semana só procurando informação interna. Quase um dia inteiro. Multiplica pela sua folha e pelo seu CMV de hora-executiva. Esse é o tamanho da conta que sua empresa paga toda semana para esquecer o que ela mesma já sabia.
Eu paguei essa conta por anos. Como CMO da Semantix, como cofundador da AI Brasil e agora como CEO da Brasil GEO, refiz briefings que eu mesmo já tinha escrito três meses antes. A diferença é que de seis meses para cá decidi parar.
A tese, em uma frase
A IA acabou de tornar barato o cargo de bibliotecário corporativo que Vannevar Bush descreveu em 1945 e quem não preenche essa vaga em 2026 vai competir contra concorrentes que preencheram.
Esse é o ponto. O resto deste texto explica o porquê.
O que Andrej Karpathy publicou em novembro
Em novembro de 2024, Andrej Karpathy — ex-diretor de IA da Tesla, cofundador da OpenAI, hoje um dos engenheiros mais escutados do planeta — publicou um texto curto no GitHub. Sem anúncio, sem evento. Descreveu um hábito pessoal: ele mantém dois arquivos de texto, index.md e log.md, que funcionam como uma Wikipédia interna dele mesmo. Toda conversa boa que tem com uma IA, todo aprendizado, toda decisão, vira parágrafo nesses arquivos. Quando precisa de uma resposta nova, ele cola os dois no prompt antes de perguntar.
Parece banal. Não é. Karpathy batizou esse hábito de LLM Wiki e o que ele resolve são dois problemas que custam bilhões hoje.
Problema 1: a IA tem amnésia (e isso tem nome)
Quando você pergunta algo ao ChatGPT, ao Claude, ao Gemini, na maioria das empresas a resposta é construída assim: o sistema vai correndo num banco de documentos da empresa, busca os 3 ou 5 trechos que parecem mais relevantes para a pergunta, cola eles em cima do prompt e devolve a resposta.
Esse jeito padrão tem um nome técnico: RAG, sigla para “geração aumentada por recuperação”. Na prática é um estagiário com bom faro: corre na biblioteca, traz três livros que parecem do tema e te dá uma resposta. O problema é que toda terça o estagiário esquece tudo que aprendeu na segunda. Cada conversa começa do zero. Não há acumulação. O conhecimento que você gerou na conversa de ontem não está na resposta de hoje, a menos que esteja num documento que o estagiário consiga achar de novo — e ele raramente acha o trecho certo.
Em ambientes técnicos, RAG erra entre 30% e 50% das recuperações, segundo benchmarks acadêmicos recentes. É o equivalente a um estagiário que volta da biblioteca com o livro errado uma em cada três vezes.
Problema 2: o wiki que sua empresa tem está morto
A alternativa óbvia seria ter uma boa wiki interna. Confluence, Notion, SharePoint. A maioria das empresas tem. E a maioria dessas wikis está morta — foi escrita uma vez em 2022 por alguém que já saiu, ninguém atualiza, ninguém lê, todo mundo prefere perguntar no Slack.
A wiki morre porque escrever entrada de wiki é trabalho que ninguém vê. É bem comum sair do trabalho, abrir o Confluence para documentar o que você acabou de aprender e desistir porque amanhã tem reunião às 8. A entropia ganha.
A invenção de Karpathy: a wiki que se escreve sozinha
O que Karpathy percebeu é que a IA virou simultaneamente a leitora e a escritora dessa wiki. Você não precisa redigir nada. Você conversa com a IA normalmente, e no fim da conversa pede: “resume os pontos novos que você e eu chegamos aqui em três parágrafos para eu colar no meu log.md“. Ela faz. Você cola. Pronto.
Na próxima conversa, você cola index.md + log.md no início do prompt e a IA tem memória de tudo que vocês já discutiram, na ordem em que discutiram, com o contexto que importa. Não é busca aproximada num banco. É leitura linear de um documento que cresce como uma biografia intelectual.
A diferença com RAG é a diferença entre um estagiário que esquece tudo e um assistente sênior que leu todas as suas atas dos últimos dois anos.
Vannevar Bush e o bibliotecário impossível
Em julho de 1945, no fim da Segunda Guerra, o engenheiro Vannevar Bush — coordenador científico de Roosevelt, o homem que disse “sim” ao Projeto Manhattan — publicou um ensaio na revista The Atlantic chamado As We May Think (https://www.theatlantic.com/magazine/archive/1945/07/as-we-may-think/303881/). Bush descreveu uma máquina hipotética, o Memex, que seria uma extensão da memória humana: tudo que você lê, tudo que você anota, fica conectado por trilhas, e qualquer pessoa pode percorrer a trilha de outra. Foi a primeira visão de hipertexto, 44 anos antes da web.
Mas Bush escreveu algo mais delicado no mesmo texto: ele observou que historicamente quem realmente teve essa memória estendida foram poucas figuras de elite que podiam pagar um bibliotecário pessoal. Darwin tinha. Einstein tinha. Os outros 99,9% da humanidade tinham que se virar com a própria cabeça e uma estante.
O Memex prometia democratizar essa estendida. A web entregou parte — Wikipédia, busca, indexação. Mas a parte mais valiosa, o bibliotecário que organiza, sintetiza, lembra e contextualiza pra você, continuou sendo serviço de elite.
Até agora.
Por que isso importa para a humanidade
Um assinante de Claude ou ChatGPT no plano profissional paga entre US$ 200 e US$ 600 por mês. Por menos do que a Netflix de uma família americana, hoje qualquer pessoa pode ter o bibliotecário que só Darwin tinha. Um pesquisador de uma universidade pequena no interior do Brasil, uma médica de comunidade, um vereador de cidade pequena tentando entender uma minuta de lei, uma fundadora sem chief of staff. O cargo virou commodity.
Isso não é detalhe técnico. É a primeira realização barata da visão de Bush em 80 anos. O conhecimento que antes evaporava entre gerações de funcionários, entre administrações municipais, entre mandatos políticos, entre coortes de uma ONG, pode finalmente acumular. PKM individual, wiki de time, memória de comunidade, base institucional de uma ONG, continuidade entre prefeituras. Tudo isso vira viável com 50 reais e disciplina de meia hora por dia.
A cura para a amnésia institucional crônica acabou de ficar acessível. É grande demais para tratar como hack pessoal de engenheiro.
Por que isso importa para a sua empresa
Para uma empresa, três coisas mudam.
Primeira: o retrabalho semanal de briefing acaba. O memo para o conselho consultivo não nasce em Google Doc em branco — nasce do log.md do último trimestre, e o que você escreve é a delta, não a base. Tempo de elaboração de memo executivo cai de horas para minutos.
Segunda: due diligence vira interpretação, não caça. Em vez de procurar o PDF certo, você lê o index.md do alvo, encontra a inconsistência e gasta seu tempo no julgamento, não na busca. É a diferença entre um analista júnior e um senior partner. A IA fez todos os juniores subirem um degrau.
Terceira, e a mais subestimada: essa mesma base de conhecimento serve duas plateias. Por dentro, o time. Por fora, o algoritmo. Os LLMs — ChatGPT, Gemini, Claude, Perplexity — hoje intermediam descoberta em fase crescente do funil B2B. Pesquisa da Princeton, publicada em 2023 no arXiv (https://arxiv.org/abs/2311.09735) e validada na conferência KDD 2024, mostra que páginas otimizadas para serem citadas por LLMs (a disciplina que chamamos de GEO, Generative Engine Optimization) ganham até +115% de visibilidade em respostas geradas por IA. Quem mantém wiki viva por dentro, expõe parte dela por fora e vira fonte citada no lugar de invisível. Quem decide isso em maio passa na frente de quem decide em outubro.
O que fazer na segunda-feira que vem
Não precisa de projeto, não precisa de consultoria, não precisa de orçamento. Precisa de três coisas:
• Um index.md — uma página única que lista do que sua empresa (ou você) entende, o que está aprendendo, o que decidiu. Cabe em uma tela.
• Um log.md — um arquivo onde toda conversa boa com IA termina virando 3 parágrafos colados no fim. Em ordem cronológica reversa. Datado.
• Uma operação repetível — toda sexta de manhã, 30 minutos, alguém (você no começo, um analista depois) abre os dois arquivos, lê o que foi colado na semana e move o que merece para o index. Esse é o cargo do bibliotecário. Trinta minutos por semana.
Em 90 dias você tem uma base de conhecimento que dá ciúme no Notion mais bem cuidado da concorrência. Em 12 meses você tem um ativo que vale mais do que metade dos PowerPoints da sua empresa.
O texto longo, com benchmarks, citações acadêmicas e a explicação técnica para quem implementa, está em alexandrecaramaschi.com/artigos/karpathy-llm-wiki-ressuscita-vannevar-bush. Mas a decisão de começar não exige ler.
A vaga de bibliotecário corporativo está aberta desde 1945. Pela primeira vez na história, ela cabe no seu orçamento.
