Propor e avaliar heuristicamente, de forma ex ante, um framework sociotécnico para um Agente Analítico baseado em redes semânticas, aprendizado de máquina e mediação por LLMs, voltado a apoiar o foresight estratégico, reduzir sobrecarga informacional, rigidez categorial e pontos cegos organizacionais.
A relevância e originalidade do estudo estão na integração entre redes semânticas, aprendizado de máquina e LLMs em um framework sociotécnico para foresight, oferecendo avaliação ex ante e Princípios de Design para reduzir pontos cegos e apoiar sensemaking estratégico.
A pesquisa adota Design Science Research, com elicitação qualitativa de requisitos junto a especialistas, elaboração da primeira versão do framework, avaliação heurística ex ante por painel de consenso e calibração técnica da arquitetura, resultando na versão refinada e nos Princípios de Design.
Os resultados consolidam a versão refinada do framework, com processamento híbrido, repositório de dados residuais, indicadores visuais de explicabilidade e quatro Princípios de Design, oferecendo uma arquitetura sociotécnica para apoiar sensemaking e reduzir pontos cegos no foresight estratégico.
Como contribuição teórico-metodológica, o estudo formaliza Princípios de Design em lógica CIMO e demonstra um percurso DSR para especificar, avaliar ex ante e calibrar um framework sociotécnico baseado em redes semânticas, articulando rigor acadêmico e utilidade gerencial.
O framework apoia gestores na leitura de sinais emergentes, reduz sobrecarga informacional e pontos cegos, preserva memória interpretativa e fortalece decisões coletivas em foresight, favorecendo organizações mais preparadas para lidar com incertezas e mudanças estratégicas.
To propose and heuristically evaluate, ex ante, a sociotechnical framework for an Analytical Agent based on semantic networks, machine learning, and LLM mediation, aimed at supporting strategic foresight and reducing information overload, categorical rigidity, and organizational blind spots.
The study’s relevance and originality lie in integrating semantic networks, machine learning, and LLMs into a sociotechnical foresight framework, combining ex ante evaluation and Design Principles to reduce blind spots and support strategic sensemaking.
The study adopts Design Science Research, with qualitative requirements elicitation from experts, development of the first framework version, ex ante heuristic evaluation through a consensus panel, and technical calibration, resulting in the refined version and Design Principles.
The results consolidate the refined framework, including hybrid processing, a residual data repository, visual explainability indicators, and four Design Principles, offering a sociotechnical architecture to support sensemaking and reduce blind spots in strategic foresight.
As a theoretical and methodological contribution, the study formalizes CIMO-based Design Principles and demonstrates a DSR pathway to specify, evaluate ex ante, and calibrate a semantic-network-based sociotechnical framework, connecting academic rigor and managerial usefulness.
The framework supports managers in interpreting emerging signals, reducing information overload and blind spots, preserving interpretive memory, and strengthening collective foresight decisions, helping organizations become better prepared to address uncertainty and strategic change.