Apresentar o desenvolvimento da Fábrica de Experimentos, plataforma configurável destinada à realização de pesquisas experimentais sobre interação humano-IA, destacando o problema enfrentado, o processo de construção do produto e suas contribuições metodológicas, tecnológicas e aplicadas.
A relevância está em viabilizar experimentos controlados com IA, enquanto a originalidade decorre da integração, em um único ambiente, de agentes, estímulos, randomização, questionários, registros de interação e exportação de dados, anteriormente dependentes de ferramentas fragmentadas.
Adotou-se abordagem aplicada, baseada no diagnóstico do problema, definição de requisitos, prototipação e desenvolvimento incremental. A plataforma foi construída em três sprints, com práticas Scrum, e submetida a testes unitários, integrados, de usabilidade e homologação com pesquisadores.
Como resultado, foi desenvolvido um MVP funcional, submetido a testes internos, capaz de configurar agentes e grupos experimentais, randomizar participantes, aplicar questionários, registrar integralmente as interações e exportar dados vinculados às condições experimentais, reduzindo a fragmentação e ampliando
Teoricamente, o produto amplia as possibilidades de investigação da interação humano-IA em condições controladas. Metodologicamente, oferece infraestrutura integrada para padronização de estímulos, formação de grupos experimentais, randomização, vinculação entre interações e respostas e redução de vieses de memória.
A plataforma pode ampliar o acesso de pesquisadores e instituições a experimentos rigorosos com IA, reduzindo barreiras técnicas e operacionais. Para a gestão, centraliza recursos, simplifica a coordenação da coleta, melhora a rastreabilidade e favorece decisões baseadas em dados experimentais consistentes.
To present the development of Experiment Factory, a configurable platform for conducting experimental research on human–AI interaction, highlighting the addressed problem, the product development process, and its methodological, technological, and practical contributions.
Relevance lies in enabling controlled AI experiments, while originality stems from integrating agents, stimuli, randomization, questionnaires, interaction records, and data export within a single environment, activities previously dependent on fragmented tools.
An applied approach was adopted, based on problem diagnosis, requirements definition, prototyping, and incremental development. The platform was built through three Scrum-based sprints and underwent unit, integration, usability, and acceptance testing with researchers.
As a result, a functional MVP was developed and internally tested. It configures agents and experimental groups, randomizes participants, administers questionnaires, records complete interactions, and exports data linked to experimental conditions, reducing fragmentation and strengthening data collection control
Theoretically, the product broadens opportunities to investigate human–AI interaction under controlled conditions. Methodologically, it provides integrated infrastructure for stimulus standardization, experimental group formation, randomization, linking interactions to responses, and reducing recall bias.
The platform can broaden researchers’ and institutions’ access to rigorous AI experiments by reducing technical and operational barriers. For management, it centralizes resources, simplifies data collection coordination, improves traceability, and supports decisions based on consistent experimental data.