Agente LLM com arquitetura Naive RAG aplicado à ouvidoria do SUS: uma proposta de automação inteligente para triagem e análise de manifestações cidadãs

Resumo

Os serviços de ouvidoria do Sistema Único de Saúde (SUS) recebem um volume crescente de manifestações cidadãs (reclamações, denúncias, sugestões e elogios) cuja análise manual impõe desafios operacionais à gestão em saúde pública. Este trabalho apresenta a implementação de um agente baseado em Large Language Model (LLM), utilizando arquitetura Naive Retrieval Augmented Generation (RAG), para automatizar a triagem, a classificação de sentimentos e a elaboração de respostas às manifestações registradas na Ouvidoria SUS. A solução emprega o modelo Llama 3 por meio da API Ollama, vetorização multilíngue com o modelo paraphrase multilingual-MiniLM-L12-v2, recuperação de informações por similaridade de cosseno e uma interface interativa desenvolvida em Gradio, executada em ambiente Google Colab. O estudo descreve os componentes da arquitetura implementada e discute possibilidades de evolução para uma abordagem Advanced RAG, incorporando orquestração via LangChain, persistência vetorial em PostgreSQL com pgvector e reranqueamento por Cross-Encoder. A iniciativa dialoga com os avanços recentes na incorporação da inteligência artificial aos serviços de ouvidoria do SUS, evidenciando o potencial dessas tecnologias para otimizar os processos de escuta e atendimento no âmbito da saúde pública.