Análise e Visualização de Ideias com Grandes Modelos de Linguagem: Um Método Baseado em Técnicas de Processamento de Linguagem Natural

Abstract

Este relatório apresenta os resultados parciais da pesquisa desenvolvida no âmbito do Programa Institucional de Bolsas de Iniciação Científica (PIBIC), cujo objetivo foi investigar o uso de técnicas de Processamento de Linguagem Natural (PLN) e Grandes Modelos de Linguagem (LLMs) aplicados à gestão de ideias organizacionais. A pesquisa buscou superar limitações dos sistemas tradicionais de gestão de ideias frente a grandes volumes de dados textuais não estruturados, propondo uma abordagem inovadora baseada em vetorização de textos com SBERT, agrupamento por K-Means e redução de dimensionalidade por PCA e t-SNE. Adicionalmente, foi implementado um sistema de perguntas e respostas fundamentado em Geração Aumentada por Recuperação (RAG). Os experimentos realizados permitiram identificar padrões semânticos e conexões ocultas entre propostas distintas, revelando temas estratégicos recorrentes, como sustentabilidade e inovação tecnológica. Os resultados indicam que a aplicação integrada de PLN e LLMs possibilita a geração de análises estratégicas automatizadas, como SWOT e recomendações de risco, reduzindo significativamente o tempo de processamento manual e ampliando o potencial de apoio à tomada de decisão. Assim, a pesquisa contribui para o avanço dos Sistemas de Gestão de Ideias (SGI), demonstrando o papel da inteligência artificial na promoção de processos de inovação mais ágeis, eficientes e orientados a dados.