Desenvolver uma solução de Processamento de Linguagem Natural para classificar automaticamente comentários no X em sentimentos positivos, negativos ou neutros. O sistema integra-se ao Slack para automatizar alertas e viabilizar uma gestão reputacional proativa..
Soluciona os gargalos do monitoramento reputacional manual e terceirizado com inteligência artificial aplicada a dados reais altamente desbalanceados. Inova ao integrar-se diretamente ao Slack (Nexus Bot), eliminando barreiras organizacionais para adoção prática diária da tecnologia.
Pesquisa qualitativa e aplicada estruturada sob o protocolo CIMO. O desenvolvimento tecnológico utilizou Scrum em cinco sprints, realizando pré-processamento textual, representação densa por Word2Vec e testes comparativos de múltiplos algoritmos de classificação supervisionada.
O modelo combinando Word2Vec, Regressão Logística e oversampling atingiu 86% de acurácia, 0,80 de F1-Score e 0,78 de recall, sem overfitting. A entrega gerou duas ferramentas integradas: um painel Front-end interativo e o Nexus Bot no Slack.
Valida empiricamente que a representação vetorial densa (Word2Vec) supera limitações de matrizes esparsas (Bag of Words) em redes sociais. Consolida a utilidade do protocolo CIMO para relatos de produção técnica organizacional aplicada.
Permite uma gestão reputacional proativa e independente, eliminando a lentidão e custos de relatórios mensais terceirizados. Demonstra que projetos de IA corporativos ganham efetividade quando desenvolvidos de forma ágil e integrados às ferramentas de trabalho cotidiano.
To develop a Natural Language Processing solution to automatically classify X (formerly Twitter) comments as positive, negative, or neutral in sentiment. The system integrates with Slack to automate alerts and enable proactive reputation management.
It addresses the bottlenecks associated with manual and outsourced reputation monitoring by applying artificial intelligence to highly imbalanced real-world data. It innovates through direct integration with Slack (Nexus Bot), removing organizational barriers to the technology's practical, day-to-day adoption.
Applied qualitative research structured according to the CIMO protocol. Technical development employed the Scrum framework across five sprints, involving text preprocessing, dense representation via Word2Vec, and comparative testing of multiple supervised classification algorithms.
The model—combining Word2Vec, Logistic Regression, and oversampling—achieved 86% accuracy, an F1-Score of 0.80, and a recall of 0.78, without overfitting. The project delivered two integrated tools: an interactive front-end dashboard and the Nexus Bot for Slack.
It empirically validates that dense vector representation (Word2Vec) overcomes the limitations of sparse matrices (Bag of Words) in the context of social media. It reinforces the utility of the CIMO protocol for reporting on applied organizational technical development.
It enables proactive, independent reputation management, eliminating the delays and costs associated with outsourced monthly reports. It demonstrates that corporate AI projects are more effective when developed using agile methods and integrated into daily workflow tools.