Maximizando a Produtividade: desenvolvimento de um assistente pessoal para gerenciamento de informações e automação usando agentes de inteligência artificial e modelos de linguagem de larga escala

Abstract

Este trabalho apresenta o desenvolvimento e avaliação de um sistema multiagente de Inte- ligência Artificial (IA) voltado para a automação de tarefas e otimização da produtividade no ambiente Notion. A proposta consiste na criação de um assistente pessoal capaz de com- preender comandos em linguagem natural, interagir com bases de dados e executar ações autônomas de gerenciamento de informações, integrando ferramentas como o framework Agno, o Telegram e a API do Notion. O projeto foi construído segundo o modelo incremen- tal de desenvolvimento de software, permitindo o aperfeiçoamento progressivo dos módulos e a criação de uma arquitetura composta por agentes especializados e coordenados. Por meio de testes comparativos com a execução manual humana, o sistema demonstrou taxas médias de acerto entre 60% e 80% e comportamento consistente em tarefas de criação, atualização e listagem de informações no Notion, ainda que com maior latência. O custo médio inferior a 0,03 dólares por operação e a facilidade de uso via Telegram confirmam a viabilidade técnica e econômica da solução. Os resultados evidenciam que o paradigma multiagente é eficaz para ampliar a autonomia e a escalabilidade em ambientes digitais de produtividade, aproximando os conceitos da Engenharia de Controle e Automação do domínio das interações cognitivas e da gestão inteligente da informação.

This work presents the development and evaluation of a multi-agent Artificial Intelligence (AI) system designed to automate tasks and optimize productivity within the Notion environment. The proposal consists of a personal assistant capable of understanding natural language commands, interacting with databases, and autonomously performing information management actions by integrating technologies such as the Agno framework, Telegram, and the Notion API. The project followed the incremental software development model, allowing progressive refinement of modules and the design of a coordinated archi- tecture composed of specialized agents. Through comparative testing with manual human execution, the system achieved success rates between 60% and 80% while maintaining consistent performance in creating, updating, and listing data, despite higher latency. The average operational cost of less than 0.03 USD and the intuitive Telegram interface confirm the technical and economic feasibility of the solution. Results indicate that the multi-agent paradigm effectively enhances autonomy and scalability in digital producti- vity environments, extending the principles of Control and Automation Engineering to cognitive interaction and intelligent information management domains.