Inteligência artificial na gestão pública municipal: uma análise da integração entre LLM e RAG para a elaboração de Estudo Técnico Preliminar e Termo de Referência.

Abstract

O presente estudo investiga a integração da Inteligência Artificial (IA) na administração pública municipal, focando na Subsecretaria do Trabalho e de Economia Criativa e Solidária (SSTECS) de Araraquara-SP. O objetivo central foi analisar a viabilidade da utilização de IA para otimizar a elaboração de Estudos Técnicos Preliminares (ETP) e Termos de Referência (TR), documentos essenciais para as compras públicas. A pesquisa, de natureza mista (exploratória, descritiva e explicativa), empregou a arquitetura RAG (Retrieval Augmented Generation), alimentada com a Lei de Licitações (14.133/2021), diretrizes internas e orçamentos. A metodologia envolveu a simulação de um processo de compra real. Os resultados demonstraram que o sistema RAG atua com eficácia como um especialista em recuperação de informação, fornecendo ao modelo de linguagem (LLM) contextos precisos e atualizados. Essa sinergia visa permitir a geração de seções documentais com alta conformidade legal, mitigando o risco de "alucinações" e a dependência de modelos genéricos. Conclui-se que a arquitetura RAG é uma solução estratégica, segura e viável, pois opera em ambiente interno, assegurando a proteção de dados e a aderência à LGPD, enquanto potencializa a eficiência e a qualidade do serviço público sem a necessidade de retreinar o LLM.

The present study investigates the integration of Artificial Intelligence (AI) in municipal public administration, focusing on the Subsecretariat of Labor and Creative and Solidarity Economy (SSTECS) in Araraquara-SP. The main objective was to analyze the feasibility of using AI to optimize the preparation of Preliminary Technical Studies (ETP) and Terms of Reference (TR), which are essential documents for public procurement. The research, of a mixed nature (exploratory, descriptive, and explanatory), employed the RAG (Retrieval-Augmented Generation) architecture, fed with the Public Procurement Law (Law No. 14.133/2021), internal guidelines, and budgets. The methodology involved simulating a real procurement process. The results demonstrated that the RAG system effectively functions as an information retrieval specialist, providing the language model (LLM) with precise and up-to-date contexts. This synergy aims to enable the generation of document sections with high legal compliance, reducing the risk of “hallucinations” and dependence on generic models. It is concluded that the RAG architecture is a strategic, secure, and feasible solution, as it operates in an internal environment, ensuring data protection and compliance with the LGPD (Brazilian General Data Protection Law), while enhancing the efficiency and quality of public service without the need to retrain the LLM.