SEAD: Sistema de Encaminhamento Automático de Documentos

Abstract

A evolução tecnológica tem promovido transformações significativas em diversos setores, com a automação de fluxos de trabalho emergindo como uma das principais alavancas de eficiência e inovação. Em um cenário de crescente competitividade e complexidade, as organizações buscam otimizar seus processos para garantir maior produtividade, qualidade e agilidade. Nesse contexto, a aplicação de soluções de automação inteligente, combinadas com tecnologias como a Inteligência Artificial (IA), tem-se tornado cada vez mais indispensável. Assim, o objetivo deste trabalho foi desenvolver um sistema de classificação e encaminhamento automático de e-mails com base em técnicas de processamento de linguagem natural e aprendizado profundo. Para a obtenção desse objetivo foi desenvolvida uma pesquisa experimental. Inicialmente foi realizada uma pesquisa bibliográfica na qual buscou-se por trabalhos relacionados a este, bem como foram identificados os conceitos para o desenvolvimento do trabalho, a saber: Automação Inteligente, Inteligência Artificial, Processamento de Linguagem Natural (PLN), e Aprendizado profundo, A metodologia seguiu uma abordagem quantitativa, com caráter aplicado e exploratório, focando no desenvolvimento de um sistema capaz de automatizar o processamento e a classificação de documentos. Para isso, foi criada uma base de dados local em PDF, processada utilizando Python e bibliotecas como PyPDF2, NLTK e Transformers (Hugging Face). Após uma etapa de pré-processamento simplificado, o modelo BERT foi treinado e atingiu 95% de acurácia no conjunto de testes. A integração com o Gmail API permitiu o download de e-mails convertidos em PDFs para classificação automática. O processo incluiu monitoramento de pastas e uso do Watchdog para detecção de novos documentos.

Technological evolution has promoted significant transformations in several sectors, with the automation of workflows emerging as one of the main levers of efficiency and innovation. In a scenario of increasing competitiveness and complexity, organizations seek to optimize their processes to ensure greater productivity, quality, and agility. In this context, the application of intelligent automation solutions, combined with technologies such as Artificial Intelligence (AI), has become increasingly indispensable. Thus, the objective of this work was to develop a system for automatic classification and forwarding of e-mails based on natural language processing and deep learning techniques. To achieve this objective, an experimental research was developed. Initially, a bibliographical research was carried out in which related works were searched, as well as the concepts for the development of the work were identified, namely: Intelligent Automation, Artificial Intelligence, Natural Language Processing (NLP), and Deep Learning. The methodology followed a quantitative approach, with an applied and exploratory character, focusing on the development of a system capable of automating the processing and classification of documents. To achieve this, a local PDF database was created and processed using Python and libraries such as PyPDF2, NLTK, and Transformers (Hugging Face). After a simplified preprocessing step, the BERT model was trained and achieved 95% accuracy on the test set. Integration with the Gmail API allowed the download of e-mails converted to PDFs for automatic classification. The process included folder monitoring and the use of Watchdog to detect new documents.