EUVIMEDEUVIMED entdecken
Crossref

Chatbot para aposentadoria rural baseado em LLMs e RAG

Igor Kauan Vieira Souza, Tiago Mendonça Lobo

Brazilian Journal of Development · 10.06.2026 · 12 (6) · e87684

DOI: 10.34117/bjdv12n6-016 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Brazilian Journal of Development, online erschienen am 10.06.2026. Verfasst von Igor Kauan Vieira Souza und 1 weiteren Autor:innen.

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Este trabalho apresenta o desenvolvimento e a avaliação de um chatbot para apoio informacional sobre aposentadoria rural do INSS, baseado em Modelos de Linguagem de Grande Escala (LLMs), Retrieval-Augmented Generation (RAG) e embeddings. A pesquisa, de natureza aplicada, qualitativa e exploratória, envolveu a construção de uma base de conhecimento com fontes oficiais do INSS e do Planalto, indexação vetorial e geração condicionada por LLM. A avaliação foi realizada por meio de um FAQ “ouro” com 25 perguntas representativas sobre aposentadoria rural. Os resultados indicaram cobertura integral do conjunto de teste, taxa de respostas substantivas de 80%, fallback de 20% e forte ancoragem em fontes oficiais. Conclui-se que a arquitetura proposta apresenta viabilidade inicial para apoio informacional previdenciário, embora ainda demande aprimoramentos na cobertura do corpus, na recuperação e na ampliação de respostas para questões procedimentais mais específicas.

Zitieren

APA

Souza, I. K. V., & Lobo, T. M. (2026). Chatbot para aposentadoria rural baseado em LLMs e RAG. Brazilian Journal of Development, 12(6), e87684. https://doi.org/10.34117/bjdv12n6-016

Vancouver

Souza IKV, Lobo TM. Chatbot para aposentadoria rural baseado em LLMs e RAG. Brazilian Journal of Development. 2026;12(6):e87684. doi:10.34117/bjdv12n6-016

BibTeX
@article{Souza2026,
  author = {Souza, Igor Kauan Vieira and Lobo, Tiago Mendonça},
  title = {Chatbot para aposentadoria rural baseado em LLMs e RAG},
  journal = {Brazilian Journal of Development},
  year = {2026},
  volume = {12},
  number = {6},
  pages = {e87684},
  doi = {10.34117/bjdv12n6-016}
}
Kostenlos starten →