FEEDBACKINSIGHT-AI; SISTEMA DE TRIAGEM, CLASSIFICAÇÃO E SUMARIZAÇÃO DE FEEDBACK DE CLIENTES COM INTELIGÊNCIA ARTIFICIAL

Autores

  • Filipe Magalhães Autor
  • Matheus Marques Autor
  • Ricardo Marciano dos Santos Autor
  • Alfredo Nazareno Pereira Boente Autor
  • Vinícius Marques da Silva Ferreira Autor
  • Miguel Gabriel P de Carvalho Autor
  • Thiago Silva da Conceiçao Autor
  • Rosangela de Sena Almeida Autor

DOI:

https://doi.org/10.56238/arev7n11-361

Palavras-chave:

Inteligência Artificial, Automação, Feedback de Clientes, Processamento de Linguagem Natural, Análise de Sentimentos

Resumo

O presente artigo propõe o FeedbackInsight-AI, um sistema automatizado de triagem, classificação e sumarização de feedbacks de clientes por meio de técnicas de Inteligência Artificial (IA) e Processamento de Linguagem Natural (PLN). O objetivo é otimizar o tratamento de grandes volumes de mensagens recebidas por empresas, reduzindo o tempo de resposta e permitindo uma análise mais eficiente das informações. O estudo parte de uma abordagem qualitativa e descritiva, com base em modelos de aprendizado de máquina aplicados à análise de sentimentos e categorização textual. A metodologia envolve a integração entre APIs de comunicação (Gmail), gestão (Trello) e análise de dados (Google Sheets), utilizando modelos de linguagem de última geração (como GPT-4). A proposta visa contribuir com o avanço da automação inteligente de processos de atendimento e tomada de decisão em organizações orientadas por dados.

Downloads

Os dados de download ainda não estão disponíveis.

Referências

ATLASSIAN. Trello Developers. Disponível em: https://developer.atlassian.com/cloud/trello/. Acesso em: 25 out. 2025.

BOENTE, Alfredo Nazareno Pereira. [S. l.], v. 7, n. 10, p. e8856, 2025. DOI: 10.56238/arev7n10-149. Disponível em: https://periodicos.newsciencepubl.com/arace/article/view/8856. Acesso em: 21 out. 2025.

DOMINGOS, Pedro. The Master Algorithm: How the Quest for the Ultimate Learning Machine Will Remake Our World. New York: Basic Books, 2015.

DOS SANTOS, Ricardo Marciano. Proposição de um modelo de interação humano-computador baseado em lógica fuzzy para aferição de dados biofísicos. Rio de Janeiro, 2020.

FERREIRA, Vinícius Marques da Silva. [S. l.], v. 7, n. 10, p. e8856, 2025. DOI: 10.56238/arev7n10-149. Disponível em: https://periodicos.newsciencepubl.com/arace/article/view/8856. Acesso em: 21 out. 2025.

GOODFELLOW, Ian; BENGIO, Yoshua; COURVILLE, Aaron. Deep Learning. Cambridge: MIT Press, 2016.

GOOGLE. Gmail API Documentation. Disponível em: https://developers.google.com/gmail/api. Acesso em: 25 out. 2025.

GOOGLE. Google Sheets API Documentation. Disponível em: https://developers.google.com/sheets/api. Acesso em: 25 out. 2025.

HAENLEIN, Michael et al. Artificial Intelligence and the Future of Marketing: A Review and Research Agenda. Journal of Business Research, v. 116, p. 263–271, 2019.

LECUN, Yann; BENGIO, Yoshua; HINTON, Geoffrey. Deep Learning. Nature, v. 521, p. 436–444, 2015.

MARR, Bernard. Artificial Intelligence in Practice. New York: Wiley, 2020.

NIELSEN, Jakob. Human–AI Interaction Guidelines. Nielsen Norman Group, 2020.

OPENAI. API Reference. Disponível em: https://platform.openai.com/docs/. Acesso em: 25 out. 2025.

RUSSELL, Stuart; NORVIG, Peter. Artificial Intelligence: A Modern Approach. 4. ed. London: Pearson, 2022.

Downloads

Publicado

2025-11-27

Edição

Seção

Artigos

Como Citar

MAGALHÃES, Filipe; MARQUES, Matheus; DOS SANTOS, Ricardo Marciano; BOENTE, Alfredo Nazareno Pereira; FERREIRA, Vinícius Marques da Silva; DE CARVALHO, Miguel Gabriel P; DA CONCEIÇAO, Thiago Silva; ALMEIDA, Rosangela de Sena. FEEDBACKINSIGHT-AI; SISTEMA DE TRIAGEM, CLASSIFICAÇÃO E SUMARIZAÇÃO DE FEEDBACK DE CLIENTES COM INTELIGÊNCIA ARTIFICIAL. ARACÊ , [S. l.], v. 7, n. 11, p. e10492, 2025. DOI: 10.56238/arev7n11-361. Disponível em: https://periodicos.newsciencepubl.com/arace/article/view/10492. Acesso em: 5 dez. 2025.