1. Repositório Institucional - Universidade Federal de Uberlândia
  2. Faculdade de Computação (FACOM)
  3. TCC - Sistemas de Informação (Monte Carmelo)
Por favor, use este identificador para citar o enlazar este ítem: https://repositorio.ufu.br/handle/123456789/48103
Registro completo de metadatos
Campo DCValorLengua/Idioma
dc.creatorSilva, Géssica dos Santos-
dc.date.accessioned2026-01-28T14:09:50Z-
dc.date.available2026-01-28T14:09:50Z-
dc.date.issued2025-09-23-
dc.identifier.citationSILVA, Géssica dos Santos. Análise Comparativa de Tecnologias de IA para o Desenvolvimento de Chatbots Especializados. 2025. 58 f. Trabalho de Conclusão de Curso (Graduação em Sistemas de Informação) – Universidade Federal de Uberlândia, Monte Carmelo, 2025.pt_BR
dc.identifier.urihttps://repositorio.ufu.br/handle/123456789/48103-
dc.languageporpt_BR
dc.publisherUniversidade Federal de Uberlândiapt_BR
dc.rightsAcesso Abertopt_BR
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/us/*
dc.subjectChatbotpt_BR
dc.subjectInteligência Artificialpt_BR
dc.subjectLLMpt_BR
dc.subjectContextualizaçãopt_BR
dc.subjectChatbots especializadospt_BR
dc.titleAnálise Comparativa de Tecnologias de IA para o Desenvolvimento de Chatbots Especializadospt_BR
dc.typeTrabalho de Conclusão de Cursopt_BR
dc.contributor.advisor1Pereira, Fabíola Souza Fernandes-
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/2320001731969968pt_BR
dc.contributor.referee1Santos, Fernanda-
dc.contributor.referee1Latteshttp://lattes.cnpq.br/6802596562404346pt_BR
dc.contributor.referee2Melo, Sara-
dc.contributor.referee2Latteshttp://lattes.cnpq.br/010707833475602pt_BR
dc.description.degreenameTrabalho de Conclusão de Curso (Graduação)pt_BR
dc.description.resumoCom o rápido avanço da Inteligência Artificial, a busca por chatbots especializados deixou de ser uma opção e se tornou uma necessidade estratégica para grandes empresas que visam aprimorar a experiência do cliente. Para responder à questão de qual tecnologia oferece a melhor combinação de desempenho, este trabalho apresenta uma análise comparativa do desempenho de diferentes tecnologias de agentes de conversação, a fim de eleger aquele que possui a melhor compreensão do contexto utilizando o menor número de tokens possível, tudo isso a partir de um contexto padronizado. A metodologia consistiu em submeter os tipos de tecnologia encontrados a um conjunto de vários casos de uso que simulam cenários reais de atendimento, realizados após um ciclo de teste e refinamento. O desempenho foi mensurado por meio de uma métrica quantitativa, como a contagem de tokens, e qualitativas, como a Escala de Likert e a Coerência Contextual. Os resultados deste trabalho indicam que a abordagem de contextualização direta em LLMs se mostrou tão eficaz quanto as demais tecnologias utilizadas, com o modelo Llama 3.2 alcançando a melhor avaliação. Conclui-se que utilizar os modelos de LLMs é uma estratégia viável e robusta para criar agentes especializados com alta fidelidade, representando uma alternativa de grande potencial às plataformas comerciais.pt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.courseSistemas de Informaçãopt_BR
dc.sizeorduration58pt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::CIENCIA DA COMPUTACAO::SISTEMAS DE COMPUTACAO::SOFTWARE BASICOpt_BR
Aparece en las colecciones:TCC - Sistemas de Informação (Monte Carmelo)

Ficheros en este ítem:
Fichero Descripción TamañoFormato 
AnáliseComparativaTecnologias.pdfTCC7.9 MBAdobe PDFVista previa
Visualizar/Abrir
Mostrar el registro sencillo del ítem


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons