Estudo de caso · IA generativa

Assistente RAG para
atendimento ao cidadão

Um sistema de Retrieval-Augmented Generation em produção no setor público federal (FNDE), que responde dúvidas sobre bolsas, auxílios, valores e legislação de mais de 20 programas.

Flávia Gaia
Flávia Gaia
Cientista de Dados Sênior · Engenheira de IA
O desafio

Muitas dúvidas, e precisão inegociável

Programas de bolsas e auxílios geram um volume alto de perguntas recorrentes: valores, prazos, regras e procedimentos. Nesse contexto, uma resposta errada sobre dinheiro ou legislação não é aceitável. O desafio: dar respostas confiáveis e rastreáveis em escala, sem alucinação.

A arquitetura

Da pergunta à resposta, com controle

1
Pergunta do cidadãoLinguagem natural · interface Streamlit
2
Roteamento automáticoEncaminhamento para a área responsável
3
Camada de respostas curadasAnti-alucinação em valores, legislação e prazos
4
Busca vetorial híbridaEmbeddings BGE-large · densa + esparsa
5
Geração com LLM + resiliênciaFallback entre modelos · circuit breaker
6
Resposta + confidence scoringConfiança alta / média / baixa
Diferenciais

O que faz o sistema ser confiável

Anti-alucinação

Uma camada de respostas curadas intercepta temas críticos antes da geração, garantindo precisão em valores, legislação e prazos.

Busca híbrida

Recuperação densa e esparsa combinadas, capturando tanto o sentido quanto termos e siglas exatas dos programas.

Resiliência

Fallback em cascata entre modelos com circuit breaker: falha de um provedor não derruba o atendimento.

Observabilidade

Telemetria de todas as interações e painel de curadoria com ciclo de vida para revisar e publicar respostas.

Escopo

Escala e cobertura

20+
programas federais cobertos
RAG
em produção, com curadoria
2
modelos em cascata (com fallback)
100%
das interações com telemetria
Stack

Ferramentas e plataforma

PythonStreamlitDatabricks Apps Unity CatalogDelta LakeVector Search SQL WarehouseBGE-largeLLMs (Llama 4 · Claude Sonnet 4) RAGNLP
Vamos conversar

Flávia Gaia

Cientista de Dados Sênior e Engenheira de IA · IA generativa, RAG, NLP e MLOps.

Projeto interno do setor público · conteúdo sem dados sensíveis do órgão.