Publication
Assistente para Consulta de Modelos de Produto
| datacite.subject.fos | Engenharia e Tecnologia | |
| datacite.subject.sdg | 09:Indústria, Inovação e Infraestruturas | |
| dc.contributor.advisor | Faria, Luiz Felipe Rocha de | |
| dc.contributor.advisor | Sousa, Paulo Alexandre Gandra de | |
| dc.contributor.author | TEIXEIRA, JOÃO LOURENÇO FELGUEIRAS | |
| dc.date.accessioned | 2025-12-17T15:25:39Z | |
| dc.date.available | 2025-12-17T15:25:39Z | |
| dc.date.issued | 2025-10-23 | |
| dc.description.abstract | É inegável que a transformação digital no setor segurador introduz desafios significativos em diversos processos internos, em particular na gestão da informação de produtos. Estes desafios decorrem não apenas da elevada complexidade e variabilidade dos modelos de produto de seguros, frequentemente sujeitos a alterações, mas também das exigências técnicas das ferramentas atualmente utilizadas para suportar estes processos, que requerem um conhecimento aprofundado do domínio. Com os recentes avanços tecnológicos e a crescente adoção da Inteligência Artificial (IA) Generativa na automatização e otimização de processos em diversos setores, torna-se imperativo que as empresas do setor segurador se adaptem ao novo contexto tecnológico. A utilização das potencialidades desta tecnologia possibilita acelerar e simplificar processos internos que, de outra forma, seriam morosos e, eventualmente, uma desvantagem competitiva no setor. A fim de dar resposta a estes desafios, a presente dissertação explora o desenvolvimento do Product Machine Explorer, um sistema que integra as potencialidades da Inteligência Artificial Generativa, em particular dos Large Language Models (LLMs) e dos agentes de IA. Este sistema é integrado com a plataforma de modelação Product Machine (PM), desenvolvida pela msg Life Iberia, a fim de apoiar a consulta de modelos de produto de seguros. Na perspetiva do utilizador, o sistema materializa-se num chatbot que, apoiado em estruturas de dados adequadas e técnicas avançadas de consulta, interpreta pedidos em linguagem natural e devolve respostas fundamentadas na informação estruturada, permitindo uma exploração mais eficiente e intuitiva dos modelos existentes. O desenvolvimento e a melhoria contínua do sistema basearam-se na metodologia Evaluation- Driven Development (EDD), complementada por atividades de engenharia do conhecimento para a adaptação da estrutura de dados, bem como por boas práticas de engenharia de software, de prompt e de contexto associadas ao uso de LLMs e à implementação de sistemas baseados em agentes. O processo de avaliação foi estruturado a partir da definição de métricas específicas, cujo cumprimento pôde ser verificado por meio dos resultados obtidos. Os resultados alcançados, aliados ao feedback recolhido junto de profissionais que testaram a ferramenta na fase final do seu desenvolvimento, evidenciam a eficácia do sistema em aumentar a produtividade e a eficiência operacional, reduzir a dependência de conhecimento especializado e simplificar processos tradicionalmente complexos. Assim, o trabalho constitui uma contribuição relevante para a transformação tecnológica da gestão de informação no setor segurador. | por |
| dc.description.abstract | It is undeniable that digital transformation in the insurance sector introduces significant challenges in various internal processes, particularly in product information management. These challenges stem not only from the high complexity and variability of insurance product models, which are frequently subject to change, but also from the technical demands of the tools currently used to support these processes, which require extensive domain knowledge. With recent technological advances and the growing adoption of Generative AI (GenAI) for the automation and optimization of processes across multiple sectors, it has become a need for organizations in the insurance sector to adapt to the new technological context. Leveraging the potential of this technology allows internal processes to be streamlined and optimized, which would otherwise be time-consuming and could result in a competitive disadvantage in the sector. This dissertation introduces Product Machine Explorer, a system that leverages the capabilities of Generative AI, specifically Large Language Models (LLMs) and Artificial Intelligence (AI) agents, to address these challenges. This system is integrated with Product Machine (PM), a modeling tool developed by msg Life Iberia, with the aim of supporting the exploration of insurance product models. From the user’s perspective, the system is implemented as a chatbot that, supported by appropriate data structures and advanced query techniques, interprets natural language requests and returns answers grounded in structured information, enabling a more efficient and intuitive exploration of the existing models. The system’s development and continuous improvement were based on the Evaluation- Driven Development (EDD) methodology, complemented by knowledge engineering activities for adapting the data structures, along with best practices in software, prompting and context engineering associated with the use of LLMs and the implementation of agentic systems. The evaluation process was supported by the formulation of evaluation metrics, which were which were later validated by the achieved results. The results, together with feedback collected from professionals who tested the tool in the final development phase, demonstrate the system’s effectiveness in increasing productivity and operational efficiency, reducing dependence on specialized knowledge, and simplifying traditionally complex processes. Therefore, this work represents a significant contribution to the technological transformation of information management in the insurance sector. | eng |
| dc.identifier.tid | 204067375 | |
| dc.identifier.uri | http://hdl.handle.net/10400.22/31238 | |
| dc.language.iso | por | |
| dc.rights.uri | N/A | |
| dc.subject | Exploração de Modelos | |
| dc.subject | Produtos de Seguros | |
| dc.subject | IA Generativa | |
| dc.subject | Large Language Models | |
| dc.subject | Agentes de IA | |
| dc.subject | Agentic Workflows | |
| dc.title | Assistente para Consulta de Modelos de Produto | |
| dc.title.alternative | Product Model Exploration Assistant | eng |
| dc.type | master thesis | |
| dspace.entity.type | Publication | |
| thesis.degree.name | Mestrado em Engenharia Informática |