O descomissionamento de poços offshore exige a consolidação de informações técnicas dispersas em relatórios, registros operacionais e documentos históricos, sendo a elaboração de históricos operacionais uma atividade intensiva em tempo, sujeita a retrabalho e dependente de elevada precisão documental. Nesse contexto, este trabalho avalia experimentalmente o uso de Inteligência Artificial Generativa, por meio de uma arquitetura Retrieval-Augmented Generation (RAG), para apoiar a geração preliminar de históricos operacionais de poços em processo de descomissionamento. O estudo foi desenvolvido a partir de um caso real associado ao projeto Pront Abandono, utilizando uma base documental composta por 17 relatórios técnicos em PDF, referentes a 9 poços, e gabaritos produzidos por especialistas. A metodologia foi estruturada em duas etapas. Na primeira, foram avaliadas seis estratégias de chunking e valores de k entre 1 e 20, com o objetivo de analisar a qualidade do contexto recuperado por meio das métricas Contextual Relevancy, Contextual Recall e Score de Contexto. Na segunda etapa, os valores ótimos de k foram combinados com o prompt baseline original e sete estratégias individuais de Prompt Engineering, sendo as respostas avaliadas pelas métricas Faithfulness, Answer Relevancy, Adherence e Score de Geração. Os resultados indicaram que o aumento de k não gera melhoria linear no desempenho, pois contextos mais extensos podem introduzir ruído e reduzir a aderência ao objetivo do relatório. Também se observou que a melhor estratégia na recuperação não necessariamente produz a melhor resposta final. A estratégia C6 - Documento obteve o maior Score de Contexto, mas apresentou menor desempenho médio na geração, enquanto a configuração C1 - 800/100, com k = 4, combinada ao prompt P6 - Self-Check, apresentou o melhor equilíbrio entre aderência ao gabarito, fidelidade e relevância. Conclui-se que sistemas RAG aplicados a documentos técnicos exigem avaliação conjunta da recuperação e da geração, bem como validação humana especializada, especialmente em domínios regulatórios e de alta responsabilidade técnica