Requisitos¶

A seção de requisitos estabelece as bases formais para o desenvolvimento do OuvidorIA.

Requisitos de software são descrições das funcionalidades, capacidades e restrições de um sistema. Eles são divididos em Requisitos Funcionais (RF), que definem o que o sistema deve fazer, e Requisitos Não Funcionais (RNF), que definem como o sistema deve operar em termos de qualidade e restrição.

Para este projeto, adotamos uma separação entre Requisitos de Produto, focados na experiência do usuário, e Requisitos de Machine Learning, que detalham as capacidades técnicas dos modelos de IA subjacentes.

1. Requisitos de Produto¶

1.1. Requisitos Funcionais de Produto (RF-PROD)¶

Código do req.	Nome	Descrição
RF-PROD-001	Interação por Chat	O produto deve fornecer uma interface de chat para que o usuário possa interagir com o assistente virtual em linguagem natural.
RF-PROD-002	Consulta de Informações sobre Ouvidoria	O usuário deve poder fazer perguntas abertas sobre leis, manuais e procedimentos, e receber respostas textuais claras e objetivas na interface do chat.
RF-PROD-003	Exibição de Fontes da Informação	O produto deve exibir a origem das informações fornecidas (ex: nome da lei, seção do manual), quando aplicável, para aumentar a confiança do usuário.
RF-PROD-004	Assistência no Preenchimento de Formulário	O produto deve, a partir de um texto do usuário, apresentar sugestões para os campos de um formulário de manifestação (ex: Tipo, Órgão).
RF-PROD-005	Edição de Campos Sugeridos	O usuário deve ter o controle final sobre os campos sugeridos, podendo aceitá-los, modificá-los ou preenchê-los manualmente.
RF-PROD-006	Análise de Qualidade de Texto sob Demanda	O usuário deve poder solicitar uma análise do texto de sua manifestação e visualizar um score de qualidade retornado pelo sistema.
RF-PROD-007	Apresentação de Sugestões de Escrita	Com base na análise de qualidade, o produto deve apresentar ao usuário sugestões claras e práticas para melhorar seu texto.
RF-PROD-008	Controle sobre Alterações no Texto	O usuário deve poder visualizar, aceitar ou rejeitar as sugestões de alteração no texto, mantendo sempre o controle sobre a versão final de sua manifestação.
RF-PROD-009	Dashboard de Análise para Gestores	O produto deve fornecer um dashboard com acesso restrito que exiba visualmente os principais temas e tópicos identificados nas conversas dos usuários.

1.2. Requisitos Não Funcionais de Produto (RNF-PROD)¶

Código do req.	Nome	Descrição
RNF-PROD-001	Usabilidade da Interface	A interface do chatbot e do dashboard deve ser intuitiva e acessível.
RNF-PROD-002	Desempenho da Interação	O tempo de resposta para qualquer interação do usuário com o chatbot não deve exceder 5 segundos (P95).
RNF-PROD-003	Disponibilidade do Serviço	O serviço deve estar disponível para os usuários 99.5% do tempo durante o horário comercial.
RNF-PROD-004	Conformidade Legal (LGPD)	O produto deve estar em total conformidade com a Lei Geral de Proteção de Dados, garantindo a privacidade e a segurança das informações dos usuários.

2. Requisitos de Machine Learning¶

2.1. Requisitos Funcionais de ML (RF-ML)¶

Código do req.	Nome	Descrição
RF-ML-001	Recuperação de Informação em Base de Documentos (RAG)	O sistema de ML deve ser capaz de, a partir de uma consulta em linguagem natural, buscar e recuperar os trechos de texto mais relevantes de uma base de documentos legais e manuais previamente indexada.
RF-ML-002	Geração de Texto em Linguagem Simples (LLM)	O modelo de linguagem (LLM) deve ser capaz de sintetizar as informações recuperadas pelo RAG e gerar respostas coesas, precisas e em linguagem acessível ao cidadão comum.
RF-ML-003	Extração de Entidades e Intenções	O modelo de NLP deve ser capaz de processar o texto inicial do usuário para extrair intenções primárias (ex: fazer denúncia) e entidades relevantes (ex: nome de órgãos, locais).
RF-ML-004	Classificação Multi-label de Manifestações	O modelo de classificação deve receber um texto descritivo e retornar um conjunto de rótulos e suas respectivas probabilidades para as categorias Tipo de Manifestação, Órgão Responsável e Tema/Assunto.
RF-ML-005	Classificação Binária para Score de Qualidade de Texto	O modelo de classificação deve receber o texto de uma manifestação e retornar um score numérico (0 a 100) que represente sua qualidade em termos de clareza e objetividade, com base em critérios pré-definidos.
RF-ML-006	Clusterização de Tópicos em Conversas (Topic Modeling)	O sistema de ML deve ser capaz de processar um conjunto de logs de conversas anonimizados e agrupá-los em clusters temáticos, identificando os assuntos mais recorrentes.
RF-ML-007	Coleta de Dados para Análise	O sistema deve ter uma rotina para coletar e anonimizar os dados de conversas, preparando-os para serem utilizados pelo modelo de clusterização.

2.2. Requisitos Não Funcionais de ML (RNF-ML)¶

Código do req.	Nome	Descrição
RNF-ML-001	Precisão do Modelo de Classificação de Campos	O modelo de classificação multi-label (RF-ML-004) deve atingir uma métrica F1-Score média de no mínimo 0.85 no conjunto de dados de teste.
RNF-ML-002	Consistência e Reprodutibilidade dos Modelos	Para uma mesma entrada, os modelos de ML devem produzir a mesma saída (inferência determinística). O processo de treinamento deve ser reprodutível.
RNF-ML-003	Segurança Contra Injeção de Prompt	O sistema de interação com o LLM deve incluir mecanismos de validação e sanitização de entrada para mitigar riscos de manipulação por injeção de prompt.
RNF-ML-004	Manutenibilidade da Base de Conhecimento (RAG)	Deve existir um processo definido para a atualização e reindexação da base de documentos do RAG, garantindo que o conhecimento do chatbot não fique obsoleto.
RNF-ML-005	Monitoramento de Modelos	O sistema deve incluir monitoramento para acompanhar a performance dos modelos em produção, incluindo logs de inferência e métricas de acurácia, para detectar degradação ou desvios (drift).
RNF-ML-006	Privacidade no Design dos Modelos	Os modelos devem ser treinados e operados seguindo os princípios de "Privacy by Design", garantindo que dados sensíveis sejam anonimizados antes do treinamento e que nenhuma informação pessoal seja retida ou exposta durante a inferência.