nilalisson.com.br

Engenharia de IA aplicada · GenAI

GenAI que sai do slide e entra em produção.

Construo e avalio sistemas com LLMs: RAG com guardrails, agentes conversacionais e pipelines na AWS. Base de 9+ anos em requisitos, que faz a IA nascer com escopo, critérios e rastreabilidade.

>

Nil Alisson Pereira

Sobre

IA aplicada, com critério

Meu diferencial não é treinar modelos: é especificar, construir e avaliar sistemas de GenAI que funcionam em produção. Venho da Engenharia de Requisitos, então cada agente nasce com casos de uso, regras de negócio, guardrails e métricas de avaliação.

Avalio LLMs em plataformas internacionais (Turing, Outlier AI) com SxS e fact-checking, e pesquiso no mestrado (UFPB) a qualidade de histórias de usuário geradas por diferentes LLMs, com avaliação cega por analistas.

Trajetória

Experiência com IA

GenAI aplicada em ambiente regulado

Spassu · ANVISA · 2024 – 2026

Uso prático de LLMs dentro do fluxo de engenharia de requisitos de sistemas críticos de saúde pública.

  • Aceleração de análise normativa e geração de cenários de teste com GenAI.
  • Validação de consistência entre regras de negócio, telas e integrações.
Case RAG na AWS (GitHub) →

Avaliação e alinhamento de LLMs

Turing · Outlier AI · 2023 – 2024

Avaliação internacional de qualidade de modelos: SxS, fact-checking e documentação de erros para RLHF.

  • Side-by-Side por aderência ao prompt, completude e consistência.
  • Contribuição para redução de alucinações e alinhamento dos modelos.
Detalhes no portfólio →

Agentes conversacionais em produção

LIFEE · Consultoria própria · 2024 – hoje

Construção e operação de agentes reais: chatbots educacionais, SaaS de agendamento via WhatsApp e a plataforma multi-agente deste site.

  • Typebot + n8n + APIs de LLM (ChatGPT, Gemini) com guardrails e handoff.
  • Plataforma própria: FastAPI + Postgres + ChromaDB + Gemini, multi-tenant, rodando nesta VPS.
Professional AI Framework (GitHub) →

Hands-on

Projetos de IA

AWS BedrockRAGLambda

Case AWS: análise documental com GenAI

Projeto de portfólio documentado

Plataforma RAG para ambientes regulados com Bedrock Knowledge Bases (Titan V2 + Nova Lite), S3 Vectors e Lambda. Corpus sintético com validação por ground truth: 3/3 consultas corretas com citações. Bugs encontrados e documentados.

GitHub →
RAGGuardrailsGemini

Chatbot RAG + guardrails deste site

Em produção agora

Retrieval lexical em camadas, memória de conversa, anti-injection e handoff. Pipeline transparente: cada resposta mostra guardrails, chunks e latência. Decisão consciente de não usar embeddings em base pequena.

GitHub →
SxSRLHFFact-checking

Avaliação e alinhamento de LLMs

Turing · Outlier AI

Avaliações Side-by-Side, fact-checking com validação de evidências e documentação de padrões de erro para RLHF, em padrões internacionais de qualidade.

GitHub →
Typebotn8nChatGPT

Chatbots de educação

LIFEE

Agentes conversacionais com Typebot + n8n + API do ChatGPT: personas, fluxos, regras e ajuste iterativo, com menos respostas fora de contexto.

GitHub →
Multi-tenantEvolution APIFastAPI

Plataforma SaaS multi-tenant com agentes de IA

Nil Alisson Soluções com IA

Plataforma onde negócios criam e publicam seu próprio agente de IA: site com editor visual, WhatsApp com texto/áudio/imagem, painel administrativo e domínio próprio. Evolution API, PostgreSQL, FastAPI e PHP.

GitHub →
LangGraphChromaDBRAGAS

ReqGuard: RAG para Engenharia de Requisitos

Pesquisa aplicada · em andamento

Sistema RAG com LangChain/LangGraph, ChromaDB e avaliação RAGAS sobre um corpus sintético regulatório, explorando como agentes de IA podem apoiar a engenharia de requisitos em ambientes críticos.

GitHub →
RAGASVertex AIGemini API

Benchmark de provedores de RAG

Vertex AI vs. Gemini API

Comparação de duas arquiteturas de RAG usando métricas RAGAS, avaliando qualidade de resposta e citação de fontes entre os dois provedores.

GitHub →
PesquisaLLMsRequisitos

Pesquisa: LLMs geram bons requisitos?

Mestrado UFPB

Experimento comparando histórias de usuário geradas por DeepSeek-R1, GPT-4o, Sabiá-3, LLaMA e Gemini, com avaliação cega por analistas e critérios de qualidade de requisitos.

GitHub →

Ferramentas

Stack de trabalho

GenAI & LLMs

RAGGuardrailsPrompt engineeringAvaliação SxSRAGASGPT-4oGeminiClaudeLLaMA

AWS

Bedrock Knowledge BasesTitan EmbeddingsS3 VectorsLambdaCloudWatchCloud Practitioner (cert.)

Automação & Agentes

n8nTypebotEvolution API (WhatsApp)APIs RESTWebhooks

Base & Dados

Python (automação)PHPSQLPostgreSQLPower BIRequisitos/BDD

Em produção

Agentes de IA

Agentes especializados que você pode testar agora, cada um com RAG, guardrails e handoff humano.

Contato

Vamos construir com IA

Aberto a posições remotas em GenAI aplicada, análise funcional de IA e evolução para engenharia de agentes (MCP, RAG, integrações).

Validação

Certificações

GenAI for Startups (AWS Bedrock)

Sebrae

Ver certificado ↗

AWS Certified Cloud Practitioner

Amazon Web Services

Ver certificado ↗

Scrum Foundation Professional (SFPC)

Certiprof

Ver certificado ↗

Metodologias Ágeis: Lean, Scrum e Squads

DIO

Ver certificado ↗

Trajetória

Formação

Mestrado em Ciência da Computação

UFPB · 2024–2026 · Pesquisa: LLMs aplicados à Engenharia de Requisitos

MBA em Governança de TI

Universidade Cruzeiro do Sul

Ver diploma/certificado ↗

Bacharelado em Sistemas de Informação

UFPB

Ver diploma/certificado ↗