CASE-01SEFAZ-PB — Modernização tributária e agendamento de atendimento
Contexto. Secretaria da Fazenda da Paraíba (via Minsait/Indra). Modernização de sistemas tributários e necessidade de organizar o atendimento ao contribuinte.
Ação. Engenharia de requisitos para os sistemas tributários e concepção de um sistema de agendamento de atendimento (locais, serviços, perfis e dashboards), com mapeamento de processos em BPMN/Bizagi.
CASE-02ECOS — TI para 365 escolas públicas (Analista a Coordenador de TI)
Contexto. Projeto estadual de educação na Paraíba: 365 escolas a equipar e manter, além de suporte às 3 sedes da ECOS. Evoluí de Analista de Requisitos a Coordenador de TI.
Ação. Coordenação de equipes de campo instalando software e hardware nas escolas, configuração de painéis e dashboards de atendimento, mapeamento de processos, implantação de sistema de chamados (service desk) e atuação em requisitos.
CASE-03Cruz — Implantação de ERP em indústria (Nomus)
Contexto. Indústria de embalagens (caixas) precisava sair de controles dispersos para um ERP único cobrindo a operação fim a fim.
Ação. Levantamento de requisitos, mapeamento de todos os processos (estoque, produção, financeiro, contas a pagar e a receber), migração de dados e implantação do ERP Nomus, com treinamento dos usuários.
CASE-04LIFEE — Chatbots de GenAI para educação
Contexto. Produtos educacionais precisavam de atendimento automatizado confiável e disponível.
Ação. Chatbots com Typebot + n8n + API do ChatGPT: casos de uso, regras de negócio, fluxos automatizados e ajuste iterativo de comportamento, com atenção ao contexto educacional.
CASE-05GenAI aplicada à análise normativa
Contexto. Volume alto de normas e regras de negócio a validar contra telas e integrações em sistemas regulatórios.
Ação. Fluxos com LLMs para acelerar análise normativa, gerar cenários de teste e cruzar consistência entre regras, telas e integrações — com guardrails e revisão humana.
CASE-06Avaliação e alinhamento de LLMs em escala internacional
Contexto. Plataformas globais de treinamento de IA (Turing, Outlier AI) exigem avaliação rigorosa e reproduzível de respostas de modelos.
Ação. Avaliações SxS com critérios de completude, aderência ao prompt e consistência; fact-checking com validação de evidências; documentação de padrões de erro para RLHF.