# Busca em linguagem natural para imóveis: por que embeddings sozinhos não bastam

*O que aprendemos construindo a busca semântica da CF Intelligence, e por que a maior parte do ganho não veio de onde esperávamos.*

Daniel Hollander · CF Intelligence · outubro de 2026

---

## O problema

Um corretor de alto padrão não preenche formulário. Ele digita o que o cliente disse:

> "Apartamento nos Jardins, 3 suítes, até 8 milhões, sem piscina, de preferência reformado."

Essa frase mistura quatro tipos de pedido:

- **restrições duras:** bairro, número de suítes e teto de preço;
- **uma negação:** sem piscina;
- **uma preferência:** de preferência reformado;
- **vocabulário local:** "Jardins" não é um bairro oficial, mas uma região que todo paulistano reconhece.

A resposta padrão do mercado em 2026 é usar embeddings, ou seja, transformar a frase e os anúncios em vetores e devolver os mais parecidos. Nós começamos por aí. Este artigo conta o que os números mostraram depois.

## A arquitetura atual

A busca tem três camadas. Cada uma tem uma responsabilidade clara.

### 1. Interpretar antes de buscar

Um modelo de linguagem lê o pedido e preenche um **menu fechado**. Ele não escreve texto livre, porque a saída precisa ser auditável. O menu separa:

- **filtros**, aquilo que o cliente exige;
- **preferências**, aquilo que o cliente gostaria de ter;
- **negações**, que viram veto explícito;
- **o que ficou fora do menu**.

Quando o núcleo do pedido não pode ser atendido, o sistema devolve um **"vazio honesto"** com a explicação, em vez de devolver qualquer coisa.

### 2. Gerar candidatos por quatro caminhos em paralelo

Quatro geradores rodam ao mesmo tempo:

- atributos estruturados do imóvel, extraídos das fotos (veja o primeiro artigo da série);
- vetor semântico do pedido interpretado;
- vetor semântico do anúncio;
- busca lexical clássica (BM25).

As listas dos quatro são combinadas por fusão de ranking (*Reciprocal Rank Fusion*). Um princípio importante: **os geradores só sugerem candidatos, nunca excluem imóveis.** A exclusão é responsabilidade de uma única camada, com regras explícitas.

### 3. Vetar, depois ordenar

Os candidatos passam por um **veto simbólico**, que só remove um imóvel quando há evidência de que ele viola o pedido. Atributo desconhecido nunca veta.

Depois, os imóveis que restam são ordenados pela média ponderada das preferências atendidas. **A similaridade semântica entra só como desempate.** A próxima seção explica por quê.

## Os resultados

### Benchmark controlado: o que cada técnica faz bem

Primeiro, comparamos quatro abordagens no mesmo acervo de 330 imóveis, com 12 consultas divididas por tipo de dificuldade. A métrica é nDCG@10, que vai de 0 (inútil) a 1 (ordem perfeita).

| Tipo de consulta | Lexical (BM25) | Semântica (embeddings) | Fusão (RRF) | Fusão + reordenação por LLM |
|---|---:|---:|---:|---:|
| **Média geral** | 0,50 | 0,69 | 0,68 | **0,83** |
| Negação ("sem piscina") | 0,38 | 0,92 | 0,85 | 1,00 |
| Imóvel novo, pouca informação | 0,65 | 0,53 | 0,81 | 0,90 |
| Preço | 0,03 | 0,46 | 0,22 | 0,48 |

Três leituras:

- **Embeddings ganham do lexical com folga em média**, e especialmente em negação. É o resultado esperado.
- **A fusão só compensa em imóveis com pouca informação.** Na média, ela empata com a busca semântica pura.
- **Nenhuma técnica de recuperação resolve preço.** Mesmo o melhor braço fica em 0,48. Preço, metragem e número de suítes precisam de filtro estruturado, não de similaridade de texto. Esse resultado foi decisivo para a arquitetura.

### Produção: buscas reais de corretores

Benchmarks controlados não bastam. Por isso pegamos **15 buscas reais**, digitadas por corretores em produção, e escrevemos o gabarito de cada uma **antes** de rodar qualquer versão. Uma busca conta como "limpa" se nenhum dos 10 primeiros resultados viola o pedido sem avisar.

| | Versão inicial | Outubro, 1ª rodada | Outubro, 2ª rodada |
|---|---:|---:|---:|
| Buscas limpas | 10/15 | 12/15 | **14/15** |
| Imóveis fora do pedido no top-10, sem aviso | 19 | 3 | **1** |
| Tempo de resposta (mediana) | ~16 s | 7,5 s | 8,3 s |
| Custo por busca | US$ 0,021 | US$ 0,021 | US$ 0,021 |

Os imóveis errados que chegavam ao corretor caíram de 19 para 1, e o tempo de resposta caiu pela metade.

### Um defeito que só a observabilidade revelou

Numa bateria de produção em agosto, descobrimos que a camada semântica estava **silenciosamente desligada**. O tempo de cálculo do vetor da consulta era zero em 22 de 22 buscas, e a similaridade era zero em 592 de 592 resultados. Na mesma bateria, 4 de 22 consultas qualitativas devolviam o **acervo inteiro**, cerca de 16,5 mil imóveis.

Nada disso aparecia para o usuário como erro: a busca simplesmente funcionava pior. Hoje cada resposta registra o que cada camada contribuiu, e uma busca semântica indisponível nunca resulta em "devolver tudo".

## A lição principal: o ganho veio da interpretação, não dos embeddings

Quando decompusemos a melhora de 10/15 para 14/15 nas buscas reais, ela veio principalmente de duas coisas:

1. **Interpretar melhor o pedido.** Por exemplo, "acima de 5 milhões" é um piso, não uma faixa de um único valor. E um teto de preço que o cliente não disse não pode ser inventado.
2. **Conhecer o vocabulário do mercado.** "Jardins" é uma região formada por vários bairros oficiais. Ensinar isso ao sistema zerou as violações em consultas sobre a região, inclusive em formas de escrever que não tínhamos visto antes.

Os embeddings são necessários, mas não foram o que separou uma busca boa de uma ruim.

Descobrimos também o contrário: **similaridade semântica com peso alto faz mal.** Numa análise com perfis de clientes, a similaridade de texto estava *anticorrelacionada* com o que o cliente queria: correlação de −0,26 entre o imóvel servido e o desejo declarado. Anúncios com texto parecido com o pedido não são necessariamente imóveis que atendem ao pedido. Por isso a similaridade virou desempate, com peso pequeno.

## Experimentos que não foram para produção

- **Reordenação por cross-encoder.** Na CPU de produção, o tempo no percentil 95 era de 563 a 826 ms. Na bateria em produção, ele caiu no modo de segurança em 83% das chamadas, e o mecanismo automático de desligamento atuou. Está desativado.
- **Reordenação por LLM.** Foi o melhor resultado do benchmark (0,83), mas no teste com clientes o ganho foi de +0,003, com intervalo de confiança cruzando zero, ao custo de +2,4 s por busca. Não compensou.
- **Agente autônomo.** Um agente que lê o pedido e consulta o acervo por conta própria acertou **15 de 15** buscas reais, com 0 afirmações sem lastro em 373 verificadas. Mas custou cerca de 4× mais e levou cerca de 3× mais tempo. A versão **híbrida** foi a escolhida: o agente só entra quando a camada principal sinaliza algo que não resolveu, o que aconteceu em 2 de 15 buscas. Ela chega a 14/15 por US$ 0,032 por busca.

## Limites que reconhecemos

- **"Limpa" não quer dizer "ótima".** A métrica de produção mede se a busca respeita o pedido, não se os primeiros resultados são os melhores possíveis. A avaliação de relevância por corretores, com votação cega, é a próxima etapa.
- **Amostras pequenas.** O benchmark tem 12 consultas e a avaliação de produção tem 15. Os intervalos de confiança são largos, e relatamos assim.
- **Vocabulário em aberto.** Apelidos como "Itaim" e referências como "perto da Faria Lima" ainda não são resolvidos pela camada principal. Hoje é o agente que os trata.
- **Polaridade de estado.** "Reformado" e "para reformar" ainda devolvem imóveis demais em comum. A causa está na extração: o estado de conservação é um dos atributos mais difíceis de ler em foto.
- **Cobertura vetorial.** Cerca de 82% do acervo tem vetor calculado. O restante é encontrado pelos outros três caminhos.

## Por que isso importa

A busca semântica virou commodity: qualquer equipe consegue indexar anúncios num banco vetorial em uma tarde. O que separa um produto que o corretor usa de um que ele abandona é outra coisa:

- interpretar o pedido como o cliente quis dizer;
- nunca devolver um imóvel que viola o que foi pedido sem avisar;
- dizer "não encontrei" quando não há resposta boa.

Esses três comportamentos são mensuráveis, e foi neles que concentramos o trabalho.

*Artigos da série: extração de atributos, busca semântica e matching cliente–imóvel.*