ORBITA: Um Framework de Recomendação de Automação Baseado em Task Mining e Modelos de Linguagem

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorRCMOS - Revista Científica Multidisciplinar o Saberpt_BR
Autor(es): dc.contributor.authorda Silva Bastos, Márcio-
Data de aceite: dc.date.accessioned2026-04-02T15:15:09Z-
Data de disponibilização: dc.date.available2026-04-02T15:15:09Z-
Data de envio: dc.date.issued2026-04-02-
Fonte completa do material: dc.identifierhttps://submissoesrevistacientificaosaber.com/index.php/rcmos/article/view/2199-
identificador: dc.identifier.otherorbita_framework_automacao_task_mining_llm.pdfpt_BR
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/1174580-
Resumo: dc.description.abstractA transformação digital tem levado organizações a buscar maior eficiência por meio da automação de processos. A Automação Robótica de Processos (RPA) tem sido amplamente utilizada para executar tarefas repetitivas, mas ainda enfrenta um desafio importante na etapa de descoberta e documentação, que pode consumir até 40% do tempo total dos projetos e depende de especialistas qualificados. O Task Mining permite identificar padrões de trabalho a partir de registros de interação com sistemas, porém a conversão desses padrões em scripts executáveis ainda é, em grande parte, manual e sujeita a erros. Modelos de linguagem têm avançado na geração de código, mas seu uso direto pode apresentar riscos, como respostas imprecisas. Este artigo apresenta o Framework ORBITA (Orchestrated Recommender Based on Intelligent Task Analysis), uma arquitetura composta por seis camadas que integra Task Mining e modelos de linguagem com o uso de Retrieval-Augmented Generation (RAG), permitindo recomendar automações com validação em ambiente controlado e supervisão humana. O framework foi testado em quatro contextos: automação de interface, extração de dados da web, processamento de documentos e pipelines de dados. Os resultados demonstraram uma redução média de 97,3% no tempo de desenvolvimento das automações em comparação com o método manual, além de uma taxa de 100% de execução funcional dos scripts após validação. Conclui-se que o ORBITA contribui para tornar o processo de automação mais eficiente, confiável e acessível, reduzindo a dependência de especialistas e ampliando o potencial de aplicação da RPA em diferentes cenários.pt_BR
Tamanho: dc.format.extent885 KBpt_BR
Tipo de arquivo: dc.format.mimetypePDFpt_BR
Idioma: dc.language.isopt_BRpt_BR
Direitos: dc.rightsAttribution-NonCommercial-ShareAlike 3.0 Brazil*
Licença: dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/3.0/br/*
Palavras-chave: dc.subjectAutomação de processospt_BR
Palavras-chave: dc.subjectTask Miningpt_BR
Palavras-chave: dc.subjectModelos de linguagempt_BR
Palavras-chave: dc.subjectRPApt_BR
Título: dc.titleORBITA: Um Framework de Recomendação de Automação Baseado em Task Mining e Modelos de Linguagempt_BR
Tipo de arquivo: dc.typetextopt_BR
Aparece nas coleções:Textos

Não existem arquivos associados a este item.

Este item está licenciado sob uma Licença Creative Commons Creative Commons