Pular para o conteúdo principal

LLMestre: Plataforma Educacional Baseada em Agentes de IA e Modelos de Linguagem de Grande Escala​

Automatizando a produção de cursos, avaliações e materiais didáticos com agentes de IA e LLMs

1. Introdução e Contexto Institucional​

O LLMestre é um projeto de pesquisa e desenvolvimento em execução no âmbito do Programa de PD&I em Serviços Avançados da RNP, por meio de um Grupo de Trabalho (GT-RNP) coordenado pelo Grupo de Teleinformática e Automação (GTA) da COPPE/UFRJ, com participação da empresa Black Bear Bytes como parceira de inovação.

Esse programa da RNP é estruturado em dois ciclos anuais (Fase 1 e Fase 2). Na Fase 1, são desenvolvidos protótipos (MVPs) e conduzidas capacitações empreendedoras. Na Fase 2, os projetos selecionados evoluem para pilotos operacionais, com vistas à adoção institucional ou licenciamento da tecnologia. O projeto LLMestre encontra-se atualmente na Fase 1, com o objetivo de entregar um MVP funcional voltado à criação de uma disciplina piloto de Cibersegurança.

2. Motivação​

Professores universitários enfrentam uma significativa sobrecarga de trabalho ao elaborar novas disciplinas: planejar conteúdos, preparar materiais didáticos e corrigir avaliações são tarefas que consomem tempo excessivo. Essa carga reduz a possibilidade de atualizar os cursos com frequência e limita a diversidade de disciplinas ofertadas.

3. Objetivo Geral​

O projeto LLMestre visa desenvolver uma plataforma educacional inteligente e colaborativa capaz de automatizar a criação, disponibilização e gestão de conteúdos didáticos, utilizando agentes de IA especializados integrados a LLMs (Large Language Models). O sistema busca ampliar a eficiência docente e a personalização do ensino, com foco inicial em disciplinas de Engenharia da Computação, como Cibersegurança.

4. Solução Proposta​

A plataforma LLMestre adota uma arquitetura multiagente modular, coordenada por ferramentas como o CrewAI, para organizar agentes especializados com funções específicas:

  • Pesquisador de conteúdo
  • Produtor de slides e apostilas
  • Gerador de quizzes, provas e trabalhos
  • Revisor técnico e pedagógico
  • Integrador com LMS (como o Moodle)
  • Supervisor do pipeline de produção

Esses agentes atuam de forma colaborativa, com capacidade de ajustar materiais ao estilo do docente, garantir conformidade com a ementa, buscar fontes científicas confiáveis e publicar diretamente em ambientes de aprendizagem.

5. Tecnologias Utilizadas​

  • Modelos de Linguagem de Grande Escala (LLMs), com suporte a RAG (Retrieval-Augmented Generation)
  • Plataforma CrewAI, para coordenação dos agentes autônomos
  • Integração nativa com o Moodle via APIs
  • Execução híbrida (local + nuvem) com uso inicial de LLMs leves (como LLaMA 3.2), otimizando custos e escalabilidade
  • Interface amigável para docentes, com controle do fluxo de criação e personalização do curso

6. Benefícios Esperados​

  • Redução do tempo docente gasto em tarefas operacionais
  • Produção de conteúdo atualizado com base em materiais científicos recentes
  • Orientação de estudos personalizada e individualizada
  • Correção automatizada de quizzes, provas e trabalhos
  • Maior engajamento dos estudantes, inclusive com quizzes no estilo Kahoot
  • Melhoria da qualidade e diversidade das disciplinas oferecidas

7. Diferenciais em Relação ao Mercado​

Diferente de plataformas fragmentadas (como QuizGecko, QuizWhiz, Thinkific, entre outras), o LLMestre propõe um ecossistema unificado e programável, integrando todas as etapas de produção de um curso. Sua abordagem multiagente permite:

  • Produção coordenada de conteúdo em português
  • Expansão para diferentes áreas do conhecimento (ex: saúde, ciências humanas)
  • Adoção institucional com controle por identidade federada (CAFe)
  • Aplicação em contextos educacionais e corporativos

8. Público-Alvo e Aplicabilidade​

A solução destina-se a:

  • Instituições de ensino superior e técnico, públicas ou privadas
  • Docentes universitários e profissionais da educação
  • Empresas com programas de capacitação técnica
  • Startups e provedores de conteúdo educacional personalizado

O modelo de negócios contempla ofertas B2B (institucional) e B2C (professores individuais), com planos Básico, Intermediário e Avançado.

9. Equipe do Projeto​

Coordenação Acadêmica

  • Prof. Rodrigo de Souza Couto (COPPE/UFRJ)

Professores do GTA

  • Luís Henrique Maciel Kosmalski Costa
  • Miguel Elias Mitre Campista
  • Pedro Henrique Cruz Caminha

Mestrado e Doutorado (Engenharia Elétrica)

  • Lucas Airam Castro de Souza (Doutorado)
  • Felipe Gomes Táparo (Mestrado)
  • Fernando Dias de Mello Silva (Mestrado) – Assistente de Inovação

Engenharia Eletrônica e Computação (Graduação)

  • João Victor Dias Sobrinho
  • Guilherme Oliveira Rolim Silva
  • Pedro Videira Rubinstein
  • Vivian Maria da Silva e Souza

Parceiro de Inovação

  • Leonardo Picciani (Black Bear Bytes)

10. Status e Próximos Passos​

O LLMestre está em desenvolvimento na Fase 1 (2025) do GT-RNP, com as seguintes entregas previstas:

  • Criação de MVP funcional para disciplina de Cibersegurança
  • Testes com docentes e alunos da equipe
  • Estimativa de uso de tokens para precificação da execução em nuvem
  • Validação do modelo de negócio (B2B e B2C)
  • Preparação para Fase 2, com piloto institucional e expansão da aplicação