Utilize este link para identificar ou citar este item: https://bdm.unb.br/handle/10483/45355
Arquivos neste item:
Arquivo Descrição TamanhoFormato 
2025_MiguelMatosCostaBarbosa_tcc.pdf5,18 MBAdobe PDFver/abrir
Registro completo
Campo Dublin CoreValorLíngua
dc.contributor.advisorFreitas, Sérgio Antônio Andrade de-
dc.contributor.authorBarbosa, Miguel Matos Costa de Frias-
dc.identifier.citationBARBOSA, Miguel Matos Costa de Frias. Sistema de apoio à análise de processos organizacionais: uma abordagem com inteligência artificial e controle de contexto. 2025. 92 f., il. Trabalho de Conclusão de Curso (Bacharelado em Engenharia de Software) — Universidade de Brasília, Brasília, 2025.pt_BR
dc.descriptionTrabalho de Conclusão de Curso (graduação) — Universidade de Brasília, Faculdade de Ciências e Tecnologias em Engenharia, Engenharia de Software, 2025.pt_BR
dc.description.abstractA análise de processos organizacionais, especialmente no setor público, enfrenta desafios críticos relacionados à repetitividade e padronização, resultando em ineficiência operacio nal e comprometimento da rastreabilidade das decisões. As abordagens atuais frequente mente carecem de ferramentas integradas capazes de aproveitar o conhecimento contido em documentos históricos e no contexto legislativo para auxiliar os analistas. Este tra balho apresenta o desenvolvimento do "SEI Expert", um sistema de software que integra modelos de linguagem de grande escala (LLMs), aprendizado de máquina e protocolos de controle de contexto para otimizar a análise de processos. A solução implementada apresenta uma arquitetura robusta com uma camada de in teligência artificial especializada, utilizando um validador semântico e um orquestrador para garantir precisão contextual e mitigar alucinações por meio da técnica Retrieval Augmented Generation (RAG).Este trabalho detalha o desde o planejamento ao desen volvimento do sistema, os resultados demonstram a entrega de um produto mínimo viável (MVP) funcional, capaz de ingerir dados processuais, fornecer respostas fundamentadas com rastreabilidade de fontes e reduzir a carga cognitiva dos analistas, promovendo maior transparência e padronização na tomada de decisão organizacional.pt_BR
dc.rightsAcesso Abertopt_BR
dc.subject.keywordInteligência artificialpt_BR
dc.subject.keywordGrandes Modelos de Linguagem (LLMs)pt_BR
dc.subject.keywordAprendizado de máquinapt_BR
dc.subject.keywordProcessos organizacionaispt_BR
dc.subject.keywordProcessos organizacionais - análisept_BR
dc.titleSistema de apoio à análise de processos organizacionais: uma abordagem com inteligência artificial e controle de contextopt_BR
dc.typeTrabalho de Conclusão de Curso - Graduação - Bachareladopt_BR
dc.date.accessioned2026-08-10T21:08:02Z-
dc.date.available2026-08-10T21:08:02Z-
dc.date.submitted2025-12-16-
dc.identifier.urihttps://bdm.unb.br/handle/10483/45355-
dc.language.isoPortuguêspt_BR
dc.rights.licenseA concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor que autoriza a Biblioteca Digital da Produção Intelectual Discente da Universidade de Brasília (BDM) a disponibilizar o trabalho de conclusão de curso por meio do sítio bdm.unb.br, com as seguintes condições: disponível sob Licença Creative Commons 4.0 International, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta.pt_BR
dc.description.abstract1The analysis of organizational processes, particularly in the public sector, faces critical challenges related to repetitiveness and standardization, leading to operational inefficiency and compromised decision traceability. Current approaches often lack integrated tools capable of leveraging knowledge contained in historical documents and legislative contexts to assist analysts. This work presents the development of "SEI Expert", a software system that integrates Large Language Models (LLMs), Machine Learning, and context control protocols to optimize process analysis. The implemented solution features a robust architecture with a specialized Artificial In telligence layer, utilizing a semantic validator and an orchestrator to ensure contextual ac curacy and mitigate hallucinations through the Retrieval-Augmented Generation (RAG) technique. This work details the entire lifecycle, from planning to system development. The results demonstrate the delivery of a functional Minimum Viable Product (MVP) capable of ingesting process data, providing grounded responses with source traceability, and reducing the analysts’ cognitive load, thereby promoting greater transparency and standardization in organizational decision-making.pt_BR
Aparece na Coleção:Engenharia de Software



Todos os itens na BDM estão protegidos por copyright. Todos os direitos reservados.