Business Intelligence

Na Sprint 19, a equipe de Business Intelligence (BI) da JFRN, para o projeto da triagem automática de perícias, teve como missão a implementação de extensão para o PJe. Quanto ao projeto da Nísia Chatbot, as missões foram as seguintes: consulta processual; validar MVP do chatbot; e integração de modelos LLM. 

Dando continuação à missão de criação de uma extensão para o projeto da Triagem, nesta sprint, a versão de homologação foi finalizada. Além disso, utilizou-se o identificador de petições iniciais, modelo criado pela equipe de BI ao longo da residência, para validar se os documentos utilizados pelo usuário para análise com a extensão são verdadeiramente petições iniciais. 

No dia 18/09, a Nísia Chatbot foi colocada em produção no site da JFRN (https://www.jfrn.jus.br/). Para auxiliar nesse processo, a equipe deu suporte à seção de sistemas da instituição, assim como, trabalhou em tarefas de atualizar informações respectivas ao atendimento, por exemplo, balcão virtual e contatos. Quanto aos modelos LLM para aplicar o GPT no chatbot, foram feitos testes com dados do site da JFRN, fonte selecionada para extrair os dados. 

Considerando que a ferramenta está agora em produção, foi incluída a função de enviar sugestão/crítica por texto no chatbot, com o objetivo de coletar o feedback dos usuários. As informações coletadas estarão disponíveis para análise no dashboard da Nísia no Qlik, o qual foi finalizado nesta sprint. 

Por último, a tarefa de implementar uma forma de visualizar o conteúdo dos documentos juntados, durante a consulta processual, ainda está em execução. A equipe, com a colaboração da seção de sistemas, elaborou estratégias para tentar solucionar essa tarefa, as quais serão testadas futuramente. 

Na Sprint 19, a equipe de Business Intelligence (BI) da JFRN, para o projeto da triagem automática de perícias, teve como missão a implementação de extensão para o PJe. Quanto ao projeto da Nísia Chatbot, as missões foram as seguintes: consulta processual; validar MVP do chatbot; e integração de modelos LLM. 

Dando continuação à missão de criação de uma extensão para o projeto da Triagem, nesta sprint, a versão de homologação foi finalizada. Além disso, utilizou-se o identificador de petições iniciais, modelo criado pela equipe de BI ao longo da residência, para validar se os documentos utilizados pelo usuário para análise com a extensão são verdadeiramente petições iniciais. 

No dia 18/09, a Nísia Chatbot foi colocada em produção no site da JFRN (https://www.jfrn.jus.br/). Para auxiliar nesse processo, a equipe deu suporte à seção de sistemas da instituição, assim como, trabalhou em tarefas de atualizar informações respectivas ao atendimento, por exemplo, balcão virtual e contatos. Quanto aos modelos LLM para aplicar o GPT no chatbot, foram feitos testes com dados do site da JFRN, fonte selecionada para extrair os dados. 

Considerando que a ferramenta está agora em produção, foi incluída a função de enviar sugestão/crítica por texto no chatbot, com o objetivo de coletar o feedback dos usuários. As informações coletadas estarão disponíveis para análise no dashboard da Nísia no Qlik, o qual foi finalizado nesta sprint. 

Por último, a tarefa de implementar uma forma de visualizar o conteúdo dos documentos juntados, durante a consulta processual, ainda está em execução. A equipe, com a colaboração da seção de sistemas, elaborou estratégias para tentar solucionar essa tarefa, as quais serão testadas futuramente. 

Na Sprint 19, a equipe de Business Intelligence (BI) da JFRN, para o projeto da triagem automática de perícias, teve como missão a implementação de extensão para o PJe. Quanto ao projeto da Nísia Chatbot, as missões foram as seguintes: consulta processual; validar MVP do chatbot; e integração de modelos LLM. 

Dando continuação à missão de criação de uma extensão para o projeto da Triagem, nesta sprint, a versão de homologação foi finalizada. Além disso, utilizou-se o identificador de petições iniciais, modelo criado pela equipe de BI ao longo da residência, para validar se os documentos utilizados pelo usuário para análise com a extensão são verdadeiramente petições iniciais. 

No dia 18/09, a Nísia Chatbot foi colocada em produção no site da JFRN (https://www.jfrn.jus.br/). Para auxiliar nesse processo, a equipe deu suporte à seção de sistemas da instituição, assim como, trabalhou em tarefas de atualizar informações respectivas ao atendimento, por exemplo, balcão virtual e contatos. Quanto aos modelos LLM para aplicar o GPT no chatbot, foram feitos testes com dados do site da JFRN, fonte selecionada para extrair os dados. 

Considerando que a ferramenta está agora em produção, foi incluída a função de enviar sugestão/crítica por texto no chatbot, com o objetivo de coletar o feedback dos usuários. As informações coletadas estarão disponíveis para análise no dashboard da Nísia no Qlik, o qual foi finalizado nesta sprint. 

Por último, a tarefa de implementar uma forma de visualizar o conteúdo dos documentos juntados, durante a consulta processual, ainda está em execução. A equipe, com a colaboração da seção de sistemas, elaborou estratégias para tentar solucionar essa tarefa, as quais serão testadas futuramente. 

Na Sprint 19, a equipe de Business Intelligence (BI) da JFRN, para o projeto da triagem automática de perícias, teve como missão a implementação de extensão para o PJe. Quanto ao projeto da Nísia Chatbot, as missões foram as seguintes: consulta processual; validar MVP do chatbot; e integração de modelos LLM. 

Dando continuação à missão de criação de uma extensão para o projeto da Triagem, nesta sprint, a versão de homologação foi finalizada. Além disso, utilizou-se o identificador de petições iniciais, modelo criado pela equipe de BI ao longo da residência, para validar se os documentos utilizados pelo usuário para análise com a extensão são verdadeiramente petições iniciais. 

No dia 18/09, a Nísia Chatbot foi colocada em produção no site da JFRN (https://www.jfrn.jus.br/). Para auxiliar nesse processo, a equipe deu suporte à seção de sistemas da instituição, assim como, trabalhou em tarefas de atualizar informações respectivas ao atendimento, por exemplo, balcão virtual e contatos. Quanto aos modelos LLM para aplicar o GPT no chatbot, foram feitos testes com dados do site da JFRN, fonte selecionada para extrair os dados. 

Considerando que a ferramenta está agora em produção, foi incluída a função de enviar sugestão/crítica por texto no chatbot, com o objetivo de coletar o feedback dos usuários. As informações coletadas estarão disponíveis para análise no dashboard da Nísia no Qlik, o qual foi finalizado nesta sprint. 

Por último, a tarefa de implementar uma forma de visualizar o conteúdo dos documentos juntados, durante a consulta processual, ainda está em execução. A equipe, com a colaboração da seção de sistemas, elaborou estratégias para tentar solucionar essa tarefa, as quais serão testadas futuramente. 

Na Sprint 19, a equipe de Business Intelligence (BI) da JFRN, para o projeto da triagem automática de perícias, teve como missão a implementação de extensão para o PJe. Quanto ao projeto da Nísia Chatbot, as missões foram as seguintes: consulta processual; validar MVP do chatbot; e integração de modelos LLM. 

Dando continuação à missão de criação de uma extensão para o projeto da Triagem, nesta sprint, a versão de homologação foi finalizada. Além disso, utilizou-se o identificador de petições iniciais, modelo criado pela equipe de BI ao longo da residência, para validar se os documentos utilizados pelo usuário para análise com a extensão são verdadeiramente petições iniciais. 

No dia 18/09, a Nísia Chatbot foi colocada em produção no site da JFRN (https://www.jfrn.jus.br/). Para auxiliar nesse processo, a equipe deu suporte à seção de sistemas da instituição, assim como, trabalhou em tarefas de atualizar informações respectivas ao atendimento, por exemplo, balcão virtual e contatos. Quanto aos modelos LLM para aplicar o GPT no chatbot, foram feitos testes com dados do site da JFRN, fonte selecionada para extrair os dados. 

Considerando que a ferramenta está agora em produção, foi incluída a função de enviar sugestão/crítica por texto no chatbot, com o objetivo de coletar o feedback dos usuários. As informações coletadas estarão disponíveis para análise no dashboard da Nísia no Qlik, o qual foi finalizado nesta sprint. 

Por último, a tarefa de implementar uma forma de visualizar o conteúdo dos documentos juntados, durante a consulta processual, ainda está em execução. A equipe, com a colaboração da seção de sistemas, elaborou estratégias para tentar solucionar essa tarefa, as quais serão testadas futuramente. 

Na Sprint 19, a equipe de Business Intelligence (BI) da JFRN, para o projeto da triagem automática de perícias, teve como missão a implementação de extensão para o PJe. Quanto ao projeto da Nísia Chatbot, as missões foram as seguintes: consulta processual; validar MVP do chatbot; e integração de modelos LLM. 

Dando continuação à missão de criação de uma extensão para o projeto da Triagem, nesta sprint, a versão de homologação foi finalizada. Além disso, utilizou-se o identificador de petições iniciais, modelo criado pela equipe de BI ao longo da residência, para validar se os documentos utilizados pelo usuário para análise com a extensão são verdadeiramente petições iniciais. 

No dia 18/09, a Nísia Chatbot foi colocada em produção no site da JFRN (https://www.jfrn.jus.br/). Para auxiliar nesse processo, a equipe deu suporte à seção de sistemas da instituição, assim como, trabalhou em tarefas de atualizar informações respectivas ao atendimento, por exemplo, balcão virtual e contatos. Quanto aos modelos LLM para aplicar o GPT no chatbot, foram feitos testes com dados do site da JFRN, fonte selecionada para extrair os dados. 

Considerando que a ferramenta está agora em produção, foi incluída a função de enviar sugestão/crítica por texto no chatbot, com o objetivo de coletar o feedback dos usuários. As informações coletadas estarão disponíveis para análise no dashboard da Nísia no Qlik, o qual foi finalizado nesta sprint. 

Por último, a tarefa de implementar uma forma de visualizar o conteúdo dos documentos juntados, durante a consulta processual, ainda está em execução. A equipe, com a colaboração da seção de sistemas, elaborou estratégias para tentar solucionar essa tarefa, as quais serão testadas futuramente. 

Na Sprint 19, a equipe de Business Intelligence (BI) da JFRN, para o projeto da triagem automática de perícias, teve como missão a implementação de extensão para o PJe. Quanto ao projeto da Nísia Chatbot, as missões foram as seguintes: consulta processual; validar MVP do chatbot; e integração de modelos LLM. 

Dando continuação à missão de criação de uma extensão para o projeto da Triagem, nesta sprint, a versão de homologação foi finalizada. Além disso, utilizou-se o identificador de petições iniciais, modelo criado pela equipe de BI ao longo da residência, para validar se os documentos utilizados pelo usuário para análise com a extensão são verdadeiramente petições iniciais. 

No dia 18/09, a Nísia Chatbot foi colocada em produção no site da JFRN (https://www.jfrn.jus.br/). Para auxiliar nesse processo, a equipe deu suporte à seção de sistemas da instituição, assim como, trabalhou em tarefas de atualizar informações respectivas ao atendimento, por exemplo, balcão virtual e contatos. Quanto aos modelos LLM para aplicar o GPT no chatbot, foram feitos testes com dados do site da JFRN, fonte selecionada para extrair os dados. 

Considerando que a ferramenta está agora em produção, foi incluída a função de enviar sugestão/crítica por texto no chatbot, com o objetivo de coletar o feedback dos usuários. As informações coletadas estarão disponíveis para análise no dashboard da Nísia no Qlik, o qual foi finalizado nesta sprint. 

Por último, a tarefa de implementar uma forma de visualizar o conteúdo dos documentos juntados, durante a consulta processual, ainda está em execução. A equipe, com a colaboração da seção de sistemas, elaborou estratégias para tentar solucionar essa tarefa, as quais serão testadas futuramente. 

Na Sprint 19, a equipe de Business Intelligence (BI) da JFRN, para o projeto da triagem automática de perícias, teve como missão a implementação de extensão para o PJe. Quanto ao projeto da Nísia Chatbot, as missões foram as seguintes: consulta processual; validar MVP do chatbot; e integração de modelos LLM. 

Dando continuação à missão de criação de uma extensão para o projeto da Triagem, nesta sprint, a versão de homologação foi finalizada. Além disso, utilizou-se o identificador de petições iniciais, modelo criado pela equipe de BI ao longo da residência, para validar se os documentos utilizados pelo usuário para análise com a extensão são verdadeiramente petições iniciais. 

No dia 18/09, a Nísia Chatbot foi colocada em produção no site da JFRN (https://www.jfrn.jus.br/). Para auxiliar nesse processo, a equipe deu suporte à seção de sistemas da instituição, assim como, trabalhou em tarefas de atualizar informações respectivas ao atendimento, por exemplo, balcão virtual e contatos. Quanto aos modelos LLM para aplicar o GPT no chatbot, foram feitos testes com dados do site da JFRN, fonte selecionada para extrair os dados. 

Considerando que a ferramenta está agora em produção, foi incluída a função de enviar sugestão/crítica por texto no chatbot, com o objetivo de coletar o feedback dos usuários. As informações coletadas estarão disponíveis para análise no dashboard da Nísia no Qlik, o qual foi finalizado nesta sprint. 

Por último, a tarefa de implementar uma forma de visualizar o conteúdo dos documentos juntados, durante a consulta processual, ainda está em execução. A equipe, com a colaboração da seção de sistemas, elaborou estratégias para tentar solucionar essa tarefa, as quais serão testadas futuramente. 

Na Sprint 19, a equipe de Business Intelligence (BI) da JFRN, para o projeto da triagem automática de perícias, teve como missão a implementação de extensão para o PJe. Quanto ao projeto da Nísia Chatbot, as missões foram as seguintes: consulta processual; validar MVP do chatbot; e integração de modelos LLM. 

Dando continuação à missão de criação de uma extensão para o projeto da Triagem, nesta sprint, a versão de homologação foi finalizada. Além disso, utilizou-se o identificador de petições iniciais, modelo criado pela equipe de BI ao longo da residência, para validar se os documentos utilizados pelo usuário para análise com a extensão são verdadeiramente petições iniciais. 

No dia 18/09, a Nísia Chatbot foi colocada em produção no site da JFRN (https://www.jfrn.jus.br/). Para auxiliar nesse processo, a equipe deu suporte à seção de sistemas da instituição, assim como, trabalhou em tarefas de atualizar informações respectivas ao atendimento, por exemplo, balcão virtual e contatos. Quanto aos modelos LLM para aplicar o GPT no chatbot, foram feitos testes com dados do site da JFRN, fonte selecionada para extrair os dados. 

Considerando que a ferramenta está agora em produção, foi incluída a função de enviar sugestão/crítica por texto no chatbot, com o objetivo de coletar o feedback dos usuários. As informações coletadas estarão disponíveis para análise no dashboard da Nísia no Qlik, o qual foi finalizado nesta sprint. 

Por último, a tarefa de implementar uma forma de visualizar o conteúdo dos documentos juntados, durante a consulta processual, ainda está em execução. A equipe, com a colaboração da seção de sistemas, elaborou estratégias para tentar solucionar essa tarefa, as quais serão testadas futuramente. 

Na Sprint 19, a equipe de Business Intelligence (BI) da JFRN, para o projeto da triagem automática de perícias, teve como missão a implementação de extensão para o PJe. Quanto ao projeto da Nísia Chatbot, as missões foram as seguintes: consulta processual; validar MVP do chatbot; e integração de modelos LLM. 

Dando continuação à missão de criação de uma extensão para o projeto da Triagem, nesta sprint, a versão de homologação foi finalizada. Além disso, utilizou-se o identificador de petições iniciais, modelo criado pela equipe de BI ao longo da residência, para validar se os documentos utilizados pelo usuário para análise com a extensão são verdadeiramente petições iniciais. 

No dia 18/09, a Nísia Chatbot foi colocada em produção no site da JFRN (https://www.jfrn.jus.br/). Para auxiliar nesse processo, a equipe deu suporte à seção de sistemas da instituição, assim como, trabalhou em tarefas de atualizar informações respectivas ao atendimento, por exemplo, balcão virtual e contatos. Quanto aos modelos LLM para aplicar o GPT no chatbot, foram feitos testes com dados do site da JFRN, fonte selecionada para extrair os dados. 

Considerando que a ferramenta está agora em produção, foi incluída a função de enviar sugestão/crítica por texto no chatbot, com o objetivo de coletar o feedback dos usuários. As informações coletadas estarão disponíveis para análise no dashboard da Nísia no Qlik, o qual foi finalizado nesta sprint. 

Por último, a tarefa de implementar uma forma de visualizar o conteúdo dos documentos juntados, durante a consulta processual, ainda está em execução. A equipe, com a colaboração da seção de sistemas, elaborou estratégias para tentar solucionar essa tarefa, as quais serão testadas futuramente. 

Na Sprint 19, a equipe de Business Intelligence (BI) da JFRN, para o projeto da triagem automática de perícias, teve como missão a implementação de extensão para o PJe. Quanto ao projeto da Nísia Chatbot, as missões foram as seguintes: consulta processual; validar MVP do chatbot; e integração de modelos LLM. 

Dando continuação à missão de criação de uma extensão para o projeto da Triagem, nesta sprint, a versão de homologação foi finalizada. Além disso, utilizou-se o identificador de petições iniciais, modelo criado pela equipe de BI ao longo da residência, para validar se os documentos utilizados pelo usuário para análise com a extensão são verdadeiramente petições iniciais. 

No dia 18/09, a Nísia Chatbot foi colocada em produção no site da JFRN (https://www.jfrn.jus.br/). Para auxiliar nesse processo, a equipe deu suporte à seção de sistemas da instituição, assim como, trabalhou em tarefas de atualizar informações respectivas ao atendimento, por exemplo, balcão virtual e contatos. Quanto aos modelos LLM para aplicar o GPT no chatbot, foram feitos testes com dados do site da JFRN, fonte selecionada para extrair os dados. 

Considerando que a ferramenta está agora em produção, foi incluída a função de enviar sugestão/crítica por texto no chatbot, com o objetivo de coletar o feedback dos usuários. As informações coletadas estarão disponíveis para análise no dashboard da Nísia no Qlik, o qual foi finalizado nesta sprint. 

Por último, a tarefa de implementar uma forma de visualizar o conteúdo dos documentos juntados, durante a consulta processual, ainda está em execução. A equipe, com a colaboração da seção de sistemas, elaborou estratégias para tentar solucionar essa tarefa, as quais serão testadas futuramente. 

Na Sprint 19, a equipe de Business Intelligence (BI) da JFRN, para o projeto da triagem automática de perícias, teve como missão a implementação de extensão para o PJe. Quanto ao projeto da Nísia Chatbot, as missões foram as seguintes: consulta processual; validar MVP do chatbot; e integração de modelos LLM. 

Dando continuação à missão de criação de uma extensão para o projeto da Triagem, nesta sprint, a versão de homologação foi finalizada. Além disso, utilizou-se o identificador de petições iniciais, modelo criado pela equipe de BI ao longo da residência, para validar se os documentos utilizados pelo usuário para análise com a extensão são verdadeiramente petições iniciais. 

No dia 18/09, a Nísia Chatbot foi colocada em produção no site da JFRN (https://www.jfrn.jus.br/). Para auxiliar nesse processo, a equipe deu suporte à seção de sistemas da instituição, assim como, trabalhou em tarefas de atualizar informações respectivas ao atendimento, por exemplo, balcão virtual e contatos. Quanto aos modelos LLM para aplicar o GPT no chatbot, foram feitos testes com dados do site da JFRN, fonte selecionada para extrair os dados. 

Considerando que a ferramenta está agora em produção, foi incluída a função de enviar sugestão/crítica por texto no chatbot, com o objetivo de coletar o feedback dos usuários. As informações coletadas estarão disponíveis para análise no dashboard da Nísia no Qlik, o qual foi finalizado nesta sprint. 

Por último, a tarefa de implementar uma forma de visualizar o conteúdo dos documentos juntados, durante a consulta processual, ainda está em execução. A equipe, com a colaboração da seção de sistemas, elaborou estratégias para tentar solucionar essa tarefa, as quais serão testadas futuramente. 

Na Sprint 19, a equipe de Business Intelligence (BI) da JFRN, para o projeto da triagem automática de perícias, teve como missão a implementação de extensão para o PJe. Quanto ao projeto da Nísia Chatbot, as missões foram as seguintes: consulta processual; validar MVP do chatbot; e integração de modelos LLM. 

Dando continuação à missão de criação de uma extensão para o projeto da Triagem, nesta sprint, a versão de homologação foi finalizada. Além disso, utilizou-se o identificador de petições iniciais, modelo criado pela equipe de BI ao longo da residência, para validar se os documentos utilizados pelo usuário para análise com a extensão são verdadeiramente petições iniciais. 

No dia 18/09, a Nísia Chatbot foi colocada em produção no site da JFRN (https://www.jfrn.jus.br/). Para auxiliar nesse processo, a equipe deu suporte à seção de sistemas da instituição, assim como, trabalhou em tarefas de atualizar informações respectivas ao atendimento, por exemplo, balcão virtual e contatos. Quanto aos modelos LLM para aplicar o GPT no chatbot, foram feitos testes com dados do site da JFRN, fonte selecionada para extrair os dados. 

Considerando que a ferramenta está agora em produção, foi incluída a função de enviar sugestão/crítica por texto no chatbot, com o objetivo de coletar o feedback dos usuários. As informações coletadas estarão disponíveis para análise no dashboard da Nísia no Qlik, o qual foi finalizado nesta sprint. 

Por último, a tarefa de implementar uma forma de visualizar o conteúdo dos documentos juntados, durante a consulta processual, ainda está em execução. A equipe, com a colaboração da seção de sistemas, elaborou estratégias para tentar solucionar essa tarefa, as quais serão testadas futuramente. 

Na Sprint 19, a equipe de Business Intelligence (BI) da JFRN, para o projeto da triagem automática de perícias, teve como missão a implementação de extensão para o PJe. Quanto ao projeto da Nísia Chatbot, as missões foram as seguintes: consulta processual; validar MVP do chatbot; e integração de modelos LLM. 

Dando continuação à missão de criação de uma extensão para o projeto da Triagem, nesta sprint, a versão de homologação foi finalizada. Além disso, utilizou-se o identificador de petições iniciais, modelo criado pela equipe de BI ao longo da residência, para validar se os documentos utilizados pelo usuário para análise com a extensão são verdadeiramente petições iniciais. 

No dia 18/09, a Nísia Chatbot foi colocada em produção no site da JFRN (https://www.jfrn.jus.br/). Para auxiliar nesse processo, a equipe deu suporte à seção de sistemas da instituição, assim como, trabalhou em tarefas de atualizar informações respectivas ao atendimento, por exemplo, balcão virtual e contatos. Quanto aos modelos LLM para aplicar o GPT no chatbot, foram feitos testes com dados do site da JFRN, fonte selecionada para extrair os dados. 

Considerando que a ferramenta está agora em produção, foi incluída a função de enviar sugestão/crítica por texto no chatbot, com o objetivo de coletar o feedback dos usuários. As informações coletadas estarão disponíveis para análise no dashboard da Nísia no Qlik, o qual foi finalizado nesta sprint. 

Por último, a tarefa de implementar uma forma de visualizar o conteúdo dos documentos juntados, durante a consulta processual, ainda está em execução. A equipe, com a colaboração da seção de sistemas, elaborou estratégias para tentar solucionar essa tarefa, as quais serão testadas futuramente. 

Na Sprint 19, a equipe de Business Intelligence (BI) da JFRN, para o projeto da triagem automática de perícias, teve como missão a implementação de extensão para o PJe. Quanto ao projeto da Nísia Chatbot, as missões foram as seguintes: consulta processual; validar MVP do chatbot; e integração de modelos LLM. 

Dando continuação à missão de criação de uma extensão para o projeto da Triagem, nesta sprint, a versão de homologação foi finalizada. Além disso, utilizou-se o identificador de petições iniciais, modelo criado pela equipe de BI ao longo da residência, para validar se os documentos utilizados pelo usuário para análise com a extensão são verdadeiramente petições iniciais. 

No dia 18/09, a Nísia Chatbot foi colocada em produção no site da JFRN (https://www.jfrn.jus.br/). Para auxiliar nesse processo, a equipe deu suporte à seção de sistemas da instituição, assim como, trabalhou em tarefas de atualizar informações respectivas ao atendimento, por exemplo, balcão virtual e contatos. Quanto aos modelos LLM para aplicar o GPT no chatbot, foram feitos testes com dados do site da JFRN, fonte selecionada para extrair os dados. 

Considerando que a ferramenta está agora em produção, foi incluída a função de enviar sugestão/crítica por texto no chatbot, com o objetivo de coletar o feedback dos usuários. As informações coletadas estarão disponíveis para análise no dashboard da Nísia no Qlik, o qual foi finalizado nesta sprint. 

Por último, a tarefa de implementar uma forma de visualizar o conteúdo dos documentos juntados, durante a consulta processual, ainda está em execução. A equipe, com a colaboração da seção de sistemas, elaborou estratégias para tentar solucionar essa tarefa, as quais serão testadas futuramente. 

Na Sprint 19, a equipe de Business Intelligence (BI) da JFRN, para o projeto da triagem automática de perícias, teve como missão a implementação de extensão para o PJe. Quanto ao projeto da Nísia Chatbot, as missões foram as seguintes: consulta processual; validar MVP do chatbot; e integração de modelos LLM. 

Dando continuação à missão de criação de uma extensão para o projeto da Triagem, nesta sprint, a versão de homologação foi finalizada. Além disso, utilizou-se o identificador de petições iniciais, modelo criado pela equipe de BI ao longo da residência, para validar se os documentos utilizados pelo usuário para análise com a extensão são verdadeiramente petições iniciais. 

No dia 18/09, a Nísia Chatbot foi colocada em produção no site da JFRN (https://www.jfrn.jus.br/). Para auxiliar nesse processo, a equipe deu suporte à seção de sistemas da instituição, assim como, trabalhou em tarefas de atualizar informações respectivas ao atendimento, por exemplo, balcão virtual e contatos. Quanto aos modelos LLM para aplicar o GPT no chatbot, foram feitos testes com dados do site da JFRN, fonte selecionada para extrair os dados. 

Considerando que a ferramenta está agora em produção, foi incluída a função de enviar sugestão/crítica por texto no chatbot, com o objetivo de coletar o feedback dos usuários. As informações coletadas estarão disponíveis para análise no dashboard da Nísia no Qlik, o qual foi finalizado nesta sprint. 

Por último, a tarefa de implementar uma forma de visualizar o conteúdo dos documentos juntados, durante a consulta processual, ainda está em execução. A equipe, com a colaboração da seção de sistemas, elaborou estratégias para tentar solucionar essa tarefa, as quais serão testadas futuramente. 

Na Sprint 19, a equipe de Business Intelligence (BI) da JFRN, para o projeto da triagem automática de perícias, teve como missão a implementação de extensão para o PJe. Quanto ao projeto da Nísia Chatbot, as missões foram as seguintes: consulta processual; validar MVP do chatbot; e integração de modelos LLM. 

Dando continuação à missão de criação de uma extensão para o projeto da Triagem, nesta sprint, a versão de homologação foi finalizada. Além disso, utilizou-se o identificador de petições iniciais, modelo criado pela equipe de BI ao longo da residência, para validar se os documentos utilizados pelo usuário para análise com a extensão são verdadeiramente petições iniciais. 

No dia 18/09, a Nísia Chatbot foi colocada em produção no site da JFRN (https://www.jfrn.jus.br/). Para auxiliar nesse processo, a equipe deu suporte à seção de sistemas da instituição, assim como, trabalhou em tarefas de atualizar informações respectivas ao atendimento, por exemplo, balcão virtual e contatos. Quanto aos modelos LLM para aplicar o GPT no chatbot, foram feitos testes com dados do site da JFRN, fonte selecionada para extrair os dados. 

Considerando que a ferramenta está agora em produção, foi incluída a função de enviar sugestão/crítica por texto no chatbot, com o objetivo de coletar o feedback dos usuários. As informações coletadas estarão disponíveis para análise no dashboard da Nísia no Qlik, o qual foi finalizado nesta sprint. 

Por último, a tarefa de implementar uma forma de visualizar o conteúdo dos documentos juntados, durante a consulta processual, ainda está em execução. A equipe, com a colaboração da seção de sistemas, elaborou estratégias para tentar solucionar essa tarefa, as quais serão testadas futuramente. 

Na Sprint 19, a equipe de Business Intelligence (BI) da JFRN, para o projeto da triagem automática de perícias, teve como missão a implementação de extensão para o PJe. Quanto ao projeto da Nísia Chatbot, as missões foram as seguintes: consulta processual; validar MVP do chatbot; e integração de modelos LLM. 

Dando continuação à missão de criação de uma extensão para o projeto da Triagem, nesta sprint, a versão de homologação foi finalizada. Além disso, utilizou-se o identificador de petições iniciais, modelo criado pela equipe de BI ao longo da residência, para validar se os documentos utilizados pelo usuário para análise com a extensão são verdadeiramente petições iniciais. 

No dia 18/09, a Nísia Chatbot foi colocada em produção no site da JFRN (https://www.jfrn.jus.br/). Para auxiliar nesse processo, a equipe deu suporte à seção de sistemas da instituição, assim como, trabalhou em tarefas de atualizar informações respectivas ao atendimento, por exemplo, balcão virtual e contatos. Quanto aos modelos LLM para aplicar o GPT no chatbot, foram feitos testes com dados do site da JFRN, fonte selecionada para extrair os dados. 

Considerando que a ferramenta está agora em produção, foi incluída a função de enviar sugestão/crítica por texto no chatbot, com o objetivo de coletar o feedback dos usuários. As informações coletadas estarão disponíveis para análise no dashboard da Nísia no Qlik, o qual foi finalizado nesta sprint. 

Por último, a tarefa de implementar uma forma de visualizar o conteúdo dos documentos juntados, durante a consulta processual, ainda está em execução. A equipe, com a colaboração da seção de sistemas, elaborou estratégias para tentar solucionar essa tarefa, as quais serão testadas futuramente. 

Na Sprint 19, a equipe de Business Intelligence (BI) da JFRN, para o projeto da triagem automática de perícias, teve como missão a implementação de extensão para o PJe. Quanto ao projeto da Nísia Chatbot, as missões foram as seguintes: consulta processual; validar MVP do chatbot; e integração de modelos LLM. 

Dando continuação à missão de criação de uma extensão para o projeto da Triagem, nesta sprint, a versão de homologação foi finalizada. Além disso, utilizou-se o identificador de petições iniciais, modelo criado pela equipe de BI ao longo da residência, para validar se os documentos utilizados pelo usuário para análise com a extensão são verdadeiramente petições iniciais. 

No dia 18/09, a Nísia Chatbot foi colocada em produção no site da JFRN (https://www.jfrn.jus.br/). Para auxiliar nesse processo, a equipe deu suporte à seção de sistemas da instituição, assim como, trabalhou em tarefas de atualizar informações respectivas ao atendimento, por exemplo, balcão virtual e contatos. Quanto aos modelos LLM para aplicar o GPT no chatbot, foram feitos testes com dados do site da JFRN, fonte selecionada para extrair os dados. 

Considerando que a ferramenta está agora em produção, foi incluída a função de enviar sugestão/crítica por texto no chatbot, com o objetivo de coletar o feedback dos usuários. As informações coletadas estarão disponíveis para análise no dashboard da Nísia no Qlik, o qual foi finalizado nesta sprint. 

Por último, a tarefa de implementar uma forma de visualizar o conteúdo dos documentos juntados, durante a consulta processual, ainda está em execução. A equipe, com a colaboração da seção de sistemas, elaborou estratégias para tentar solucionar essa tarefa, as quais serão testadas futuramente. 

Na Sprint 19, a equipe de Business Intelligence (BI) da JFRN, para o projeto da triagem automática de perícias, teve como missão a implementação de extensão para o PJe. Quanto ao projeto da Nísia Chatbot, as missões foram as seguintes: consulta processual; validar MVP do chatbot; e integração de modelos LLM. 

Dando continuação à missão de criação de uma extensão para o projeto da Triagem, nesta sprint, a versão de homologação foi finalizada. Além disso, utilizou-se o identificador de petições iniciais, modelo criado pela equipe de BI ao longo da residência, para validar se os documentos utilizados pelo usuário para análise com a extensão são verdadeiramente petições iniciais. 

No dia 18/09, a Nísia Chatbot foi colocada em produção no site da JFRN (https://www.jfrn.jus.br/). Para auxiliar nesse processo, a equipe deu suporte à seção de sistemas da instituição, assim como, trabalhou em tarefas de atualizar informações respectivas ao atendimento, por exemplo, balcão virtual e contatos. Quanto aos modelos LLM para aplicar o GPT no chatbot, foram feitos testes com dados do site da JFRN, fonte selecionada para extrair os dados. 

Considerando que a ferramenta está agora em produção, foi incluída a função de enviar sugestão/crítica por texto no chatbot, com o objetivo de coletar o feedback dos usuários. As informações coletadas estarão disponíveis para análise no dashboard da Nísia no Qlik, o qual foi finalizado nesta sprint. 

Por último, a tarefa de implementar uma forma de visualizar o conteúdo dos documentos juntados, durante a consulta processual, ainda está em execução. A equipe, com a colaboração da seção de sistemas, elaborou estratégias para tentar solucionar essa tarefa, as quais serão testadas futuramente.