PROTOTIPAGEM DE INTELIGÊNCIA ARTIFICIAL CONVERSACIONAL PARA GESTÃO DE RISCOS CLIMÁTICOS

DESAFIOS E SUCESSOS

Resumo

O trabalho "PROTOTIPAGEM DE INTELIGÊNCIA ARTIFICIAL CONVERSACIONAL PARA GESTÃO DE RISCOS CLIMÁTICOS: DESAFIOS E SUCESSOS" apresenta o desenvolvimento de um assistente conversacional focado em mitigar os impactos operacionais de eventos climáticos extremos (como ondas de calor, chuvas intensas e falta de energia ou água) nas Unidades Básicas de Saúde (UBS). O objetivo central do projeto foi investigar a viabilidade técnica de transformar dados prediais brutos em orientações customizadas para planos de contingência em tempo real, promovendo uma solução de baixo custo e alta eficiência baseada na inovação frugal e na valorização do Sistema Único de Saúde (SUS).

O método consistiu no desenvolvimento interno e autodidata de uma prova de conceito baseada no mapeamento de 94 unidades de saúde gerenciadas pelo CEJAM, dispensando contratações de consultorias privadas. Dados estruturais como autonomia de geradores e volume de reservatórios foram alocados no Google Planilhas. A arquitetura utilizou front-end em React, back-end em TypeScript e integração via API com o modelo GPT-5.2. A solução aplicou uma engenharia de prompts em duas etapas: primeiramente na resolução do nome da unidade de saúde inserido na linguagem natural do gestor, e em seguida na busca automatizada para a injeção de contexto estrutural dinâmico com travas antialucinação. A segurança e a conformidade com a LGPD foram garantidas pelo isolamento das chaves de API e pela ausência de tráfego de dados pessoais.

Os resultados evidenciaram desafios como a calibração do sistema para evitar confusões entre nomes semelhantes de unidades de saúde, a prevenção de respostas inconsistentes para cenários críticos e o isolamento seguro de credenciais. Como sucessos, a arquitetura provou ter alta eficiência e baixíssima latência consultando planilhas, sem a necessidade de bancos de dados relacionais complexos. O recurso de reaproveitamento de contexto reduziu custos e tempo de resposta, com um consumo médio otimizado de 480 tokens por interação, o que confirmou a previsibilidade financeira e a viabilidade da expansão do projeto. O trabalho conclui que a integração de grandes modelos de linguagem à gestão de riscos climáticos na saúde pública é plenamente viável e fornece subsídios práticos e replicáveis para outras instituições do SUS.