Desenvolvimento de um Chatbot para Apoio à Transformação Digital: Estudo Preliminar do TransforMind

Resumo

Objetivo do trabalho: A transformação digital (TD) vem se consolidando como uma prioridade estratégica em diversos setores, especialmente no setor público, exigindo ferramentas que auxiliem o diagnóstico e a orientação de organizações em sua jornada digital. No entanto, a avaliação da maturidade digital ainda é um processo complexo, que envolve múltiplos domínios como cultura, estratégia, tecnologia, pessoas e processos (VIAL, 2019; HENRIETTE et al., 2015). Este trabalho tem como objetivo apresentar o desenvolvimento e a avaliação preliminar do TransforMind, um chatbot capaz de interagir em linguagem natural com usuários para classificar automaticamente a intenção de perguntas relacionadas à transformação digital. O projeto busca responder questionamentos sobre transformação digital e servir como base para uma análise de maturidade digital. Metodologia: O desenvolvimento do TransforMind seguiu uma arquitetura modular composta por interface de entrada em texto ou voz, pré-processamento, classificação por modelo de aprendizado de máquina, geração de resposta e armazenamento das interações. Foi adotada a linguagem Python, com uso das bibliotecas Scikit-learn, Streamlit, Spacy, Transformers, PyTorch e MongoDB Atlas. O modelo de classificação de intenções foi treinado utilizando o algoritmo Random Forest, com base em um dataset manualmente construído contendo perguntas sobre transformação digital e suas respectivas classes semânticas (intents), como cultura, dados, estratégia, maturidade digital, entre outras. A classificação foi realizada a partir da representação vetorial dos textos via TF-IDF (Term Frequency-Inverse Document Frequency), sendo os dados divididos em conjunto de treino e teste. A avaliação do modelo considerou as métricas de acurácia, precisão, recall e F1-score, com visualização dos resultados por matriz de confusão. Resultados obtidos: O modelo treinado com Random Forest apresentou o seguinte desempenho na tarefa de classificação de intenções, com acurácia de 85,57%, precisão média ponderada de 82,65%, recall de 85,57% e F1-score de 83,11% sobre um conjunto de teste com 100 perguntas distintas. O relatório de classificação indicou bom desempenho para a maioria das classes com maior representatividade no dataset, como “conceito_td”, “estratégia” e “experiência_cliente”, embora tenha apresentado desempenho limitado em intents com menos exemplos, como “educação”, “riscos” e “mudança”. A matriz de confusão revelou que as principais confusões ocorreram entre intents semanticamente próximas, como “resistência” e “cultura”. A solução demonstrou ser funcional como ferramenta inicial de apoio ao diagnóstico de dúvidas sobre transformação digital. Conclusões: Os resultados obtidos indicam que o TransforMind pode ser uma ferramenta promissora para o apoio à educação organizacional e diagnóstico preliminar em iniciativas de transformação digital, especialmente em contextos públicos com restrições orçamentárias e de pessoal qualificado. O uso de um chatbot oferece benefícios em termos de escalabilidade, acessibilidade e autonomia de uso, além de permitir o registro contínuo de dúvidas reais para retroalimentar o modelo. Como trabalhos futuros, pretende-se: expandir o dataset com base em documentos técnicos, relatórios e bases públicas; explorar modelos mais robustos baseados em Transformers; disponibilizar o sistema na nuvem; integrar com dashboards administrativos; e incorporar raciocínio automatizado (RAG – Retrieval-Augmented Generation) por meio de ontologias desenvolvidas no escopo do projeto OntoMaturity e OntoMTD. O projeto também servirá como base experimental para o trabalho final de doutorado, voltado à modelagem semântica e inferência inteligente na avaliação de maturidade digital em organizações públicas