Seufitelli, Danilo BoechatTemponi, Matheus Nemer Resende2026-09-012026-06-18https://repositorio.cefetmg.br//handle/123456789/2943O agronegócio brasileiro desempenha papel fundamental na economia nacional, respondendo por quase metade das exportações do país. Nesse contexto, o crédito rural constitui um dos principais instrumentos de incentivo à produção agrícola, possibilitando o financiamento de custeio, investimento e comercialização. Contudo, o acesso às informações normativas que regulam o crédito rural, como o Manual de Crédito Rural (MCR), o Sistema de Informações de Crédito (SCR) e as instruções para declaração no Imposto de Renda Pessoa Física (IRPF), ainda representa um desafio para produtores e analistas. Este trabalho propõe o desenvolvimento de um assistente de crédito rural baseado em RAG (Retrieval-Augmented Generation), capaz de responder perguntas em linguagem natural fundamentando-se em docu mentos oficiais. O sistema utiliza técnicas de recuperação de informação semântica, reclassificação de relevância e geração de texto por modelos de linguagem de grande porte (LLMs), de modo a garantir respostas contextualizadas e com citações das fontes utilizadas. Espera-se que o protótipo obtido seja capaz de recuperar pas sagens relevantes, sintetizar respostas precisas e reduzir a ocorrência de erros ou “alucinações” típicas de sistemas generativos. Como resultado, pretende-se oferecer uma ferramenta que facilite o entendimento das normas de crédito rural e promova maior transparência e eficiência na análise de crédito no agronegócio. A principal contribuição esperada é a aplicação prática de técnicas de inteligência artificial para democratizar o acesso à informação financeira e fomentar o uso de IA responsável no setor agropecuário brasileiro.ptTrabalho de Conclusão de Curso da Graduação2026-09-01Aprendizado do computadorLinguística computacionalProcessamento de linguagem natural (Computação)Inteligência artificial