SMARTFEED: UMA FERRAMENTA LOW-CODE PARA GERAÇÃO AUTOMATIZADA DE CONTEÚDO NO LINKEDIN USANDO INTELIGÊNCIA ARTIFICIAL
DOI:
https://doi.org/10.56238/arev7n10-094Palavras-chave:
Inteligência Artificial, Automação de Conteúdo, Adubação nitrogenada. Mombaça. Paredão., Low Code, PLNResumo
Este artigo apresenta o desenvolvimento do sistema smartFEED, uma aplicação web construída com ferramentas low-code para automatizar a criação de conteúdo estratégico no LinkedIn, especialmente voltada para micro e pequenas empresas (PMEs) e criadores de conteúdo. O objetivo é democratizar o acesso à comunicação digital de alta qualidade, promovendo maior eficiência, visibilidade e autoridade profissional. O artigo descreve os principais requisitos e funcionalidades do sistema, projetado para atender a diferentes perfis de usuários com diferentes necessidades de posicionamento digital. A modelagem de dados adota estruturas relacionais e fluxos orientados a casos de uso, abrangendo operações como cadastro, entrada de tópicos, seleção de tom e geração automática de texto, hashtags e scripts visuais. Tecnologias como FlutterFlow, Figma e a API OpenAI GPT foram integradas para garantir estabilidade, personalização e acessibilidade. A geração de conteúdo é baseada em inteligência artificial e estruturada em blocos reutilizáveis, permitindo que os usuários mantenham uma presença consistente na plataforma sem a necessidade de conhecimento técnico avançado. A digitalização do processo de criação de conteúdo reduz erros, padroniza a comunicação e agiliza as decisões estratégicas de marketing pessoal. O sistema também promove a autonomia do usuário e contribui para a inclusão digital em contextos profissionais. Como aprimoramento futuro, está prevista a integração com sistemas de métricas de engajamento e outras redes sociais. O artigo destaca o papel estratégico da tecnologia na construção da reputação digital e no fortalecimento da presença profissional em ambientes orientados por algoritmos.
Downloads
Referências
ALALWAN, A. A. et al. Social media in marketing: a review and analysis of the existing literature. Telematics and Informatics, v. 34, n. 7, p. 1177–1190, 2017.
BROWN, T. B. et al. Language models are few-shot learners. In: ADVANCES IN NEURAL INFORMATION PROCESSING SYSTEMS, 33., 2020. Anais [...]. [S.l.]: Curran Associates, 2020.
CULLUM, B. Low-code platforms: democratizing app development and bridging the digital divide. London: TechPolicy Press, 2022.
DAVENPORT, T. H.; BECK, J. C. The attention economy: understanding the new currency of business. Boston: Harvard Business Press, 2001.
FLORIDI, L.; CHIRIATTI, M. GPT-3: its nature, scope, limits, and consequences. Minds and Machines, v. 30, n. 4, p. 681–694, 2020.
GARTNER. Forecasts worldwide low-code development technologies market to grow 23% in 2021. 2021. Disponível em: https://www.gartner.com/en/newsroom. Acesso em: 10 jun. 2025.
INTERNATIONAL ORGANIZATION FOR STANDARDIZATION. ISO/IEC/IEEE 29148:2018: systems and software engineering — life cycle processes — requirements engineering. Geneva, 2018.
KOLOVOS, D. S.; ROSE, L. M.; PAIGE, R. F. Low-code engineering for digital transformation: opportunities and challenges. In: INTERNATIONAL CONFERENCE ON MODEL DRIVEN ENGINEERING LANGUAGES AND SYSTEMS (MODELS), 24., 2021, Fukuoka. Anais [...]. Fukuoka: ACM, 2021. p. 1–11.
LINKEDIN BUSINESS. The state of B2B marketing on LinkedIn. LinkedIn Marketing Solutions, 2023. Disponível em: https://business.linkedin.com/. Acesso em: 10 jun. 2025.
LINKEDIN ENGINEERING. How the LinkedIn feed works. LinkedIn Official Blog, 2023. Disponível em: https://engineering.linkedin.com. Acesso em: 10 jun. 2025.
MARRS, A. The science of building a personal brand that gets you hired. Fast Company, 2021. Disponível em: https://www.fastcompany.com. Acesso em: 10 jun. 2025.
NIELSEN, J. Usability engineering. San Francisco: Morgan Kaufmann, 1994.
OPENAI. Introducing GPT-5. 2025. Disponível em: https://openai.com/index/introducing-gpt-5/. Acesso em: 09 ago. 2025.
PARISER, E. The filter bubble: what the internet is hiding from you. New York: Penguin Press, 2011.
RADFORD, A. et al. Language models are unsupervised multitask learners. OpenAI, 2019. Disponível em: https://cdn.openai.com/language_models_are_unsupervised_multitask_learners.pdf.
SARSA, J. et al. Instruction tuning of pretrained language models. arXiv preprint, arXiv:2203.02155, 2022. Disponível em: https://arxiv.org/abs/2203.02155. Acesso em: 10 jun. 2025.
SEBRAE. Empreendedorismo e marketing digital: relatório de comportamento em redes sociais. Brasília: Sebrae Nacional, 2022.
SOMMERVILLE, I. Engenharia de software. 9. ed. São Paulo: Pearson, 2011.
WEIDINGER, J. L. et al. Ethical and social risks of harm from language models. arXiv preprint, arXiv:2112.04359, 2022. Disponível em: https://arxiv.org/abs/2112.04359.
