Na Sprint 16, a equipe de Business Intelligence (BI) da JFRN, para o projeto da triagem automática de perícias, teve como missões os seguintes tópicos: implantação do sinapses/pje; melhorias na aplicação do triagem; e implementar classificação multirrótulo na pipeline de subsets. Quanto ao projeto do Nísia Chatbot, as missões foram as seguintes: implementar MVP para o chatbot; documentar os históricos dos atendimentos das unidades de JEF na SJRN; e dashboard para o Nísia Chatbot. 

Dando continuidade ao contato com a equipe do TRF5 que está trabalhando para inserir a Triagem de Perícias no fluxo do PJe, nesta sprint criou-se um grupo para facilitar a comunicação entre a JFRN e o TRF5. Atendendo às requisições feitas pela equipe do TRF5, foi liberado o acesso do grupo à API dos modelos, possibilitando a iniciação dos testes pelo time do TRF5. 

Quanto ao site que atualmente hospeda esses modelos, foi descrito na última sprint que a página WEB passou por mudanças, tanto no frontend quanto no backend. Nesta sprint, foram adicionadas novas informações no site com o intuito de facilitar a interação do usuário. O site pode ser acessado, através da rede da JFRN, na seguinte URL: triagem.jfrn.jus.br. 

Além disso, a equipe conseguiu grandes avanços em tarefas essenciais para o treinamento de novas versões dos modelos. Foram atingidos as seguintes milestones: execução do collect dos subsets; criação de scripts para executar treino externamente; configuração do ambiente no servidor de armazenamento. Todo o material foi encaminhado para o Prof. Dr. Elias Jacob que realizará o treinamento dos modelos. 

Passando para o projeto do Nísia Chatbot, foi finalizada a implementação do resto da carta de serviço no chatbot. Nesta sprint, a equipe também prestou apoio à equipe de desenvolvimento da JFRN, a qual está integrando o chatbot no ambiente de homologação do site da JFRN para realização de testes. 

Para a missão de desenvolver um dashboard com os dados de atendimento do Nísia, a equipe conseguiu configurar a execução automática do novo banco para os dados do chatbot e foi criada a primeira versão do dashboard. 

Na sprint anterior, os dashboards dos atendimentos via WhatsApp foram apresentados aos servidores. Através do feedback coletado, decidiu-se alterar algumas das métricas com o intuito de melhorar a forma que certos resultados estavam sendo apresentados. Dentre as tarefas realizadas, tem-se: correlacionar o tempo médio de resposta com a quantidade de atendimentos; criar uma nuvem de palavras de todas as mensagens recebidas; e estudar e remover outliers para o tempo médio de resposta e média de interações.