Tem gente que acha que evolução em IA é trocar de modelo. Eu tenho visto outra coisa na prática.

A Márcia, minha agente de IA que opera no OpenClaw, acabou de passar por uma mudança importante de arquitetura.

Mas essa história não começa agora. Há tempos eu projetei um Knowledge Graph justamente para dar à Márcia uma memória semântica e relacional. A ideia sempre foi permitir que ela não só armazenasse informações, mas entendesse como as coisas se conectam. O que mudou agora foi a base tecnológica que sustenta isso.

Até então, esse grafo rodava em SQLite. Funcionava, mas era limitado. Relações diretas, consultas simples. Nada que realmente explorasse o potencial de um grafo.

Resolvi migrar tudo para o Neo4j.

O ganho não foi pequeno.

Com Cypher, a Márcia agora não olha só para relações diretas. Ela navega caminhos. Descobre conexões. Calcula o menor caminho entre entidades. Isso muda o tipo de pergunta que eu posso fazer.

Antes, eu perguntava: “essa pessoa tem relação comigo?”

Agora, eu consigo perguntar: “como essa pessoa se conecta comigo?”

E a resposta pode vir assim: ela trabalha em uma empresa que é cliente da Eximia. Uma relação indireta, mas relevante, passa a ser visível.

Outra mudança foi na forma de interação com o grafo.

O Neo4j traz uma interface visual que vira quase uma janela para dentro da cabeça da Márcia. Eu consigo ver as conexões, inspecionar relações, identificar inconsistências. E pedir ajustes.

“Márcia, essa relação aqui não está boa.”
Ela vai lá, corrige, escreve o Cypher e executa.

Eu não precisei aprender Cypher para fazer a migração. Quem fez foi ela. Migrou os dados do SQLite, estruturou o grafo, ajustou as relações. E continua evoluindo sob demanda.

No fim, o que muda não é só a tecnologia. É a semântica.

Quando você qualifica melhor as relações, dá nome certo para os vínculos, explicita conexões que antes estavam implícitas, o sistema passa a entender melhor o que representa. E isso aparece na qualidade das respostas.

Isso reforça uma conclusão que venho amadurecendo. Boa parte da eficiência de um agente de IA não está no modelo. Está no harness. Na arquitetura. Na forma como memória e contexto são organizados.

Trocar SQLite por Neo4j não foi só uma escolha técnica. Foi uma decisão arquitetural.

Foi uma mudança na forma de representar o mundo dentro do sistema. Saio de uma estrutura mais rígida, orientada a tabelas, para um modelo onde relações são de primeira classe. Isso muda como a informação é organizada, como ela é consultada e o tipo de raciocínio que o sistema consegue fazer.

E isso não é um detalhe isolado. É exatamente o tipo de decisão que separa um sistema que funciona de um sistema que realmente escala em capacidade e inteligência.

Esse tipo de escolha, de onde colocar complexidade e como estruturar memória e contexto, é o que eu venho trabalhando com profundidade na minha mentoria de arquitetura de software. Porque no fim do dia, arquitetura não é sobre tecnologia específica. É sobre fazer escolhas que ampliam ou limitam o que o sistema pode se tornar.