No projeto “IA da Ouvidoria”, utilizamos diversas ferramentas para otimizar o processamento e análise das interações. Python foi a linguagem de programação central, permitindo a implementação de toda a lógica do sistema e integração das ferramentas. Para o processamento de texto, utilizamos Spacy e NLTK: o Spacy foi responsável por realizar tarefas avançadas de análise linguística, como a extração de entidades e análise de sintaxe, enquanto o NLTK ajudou com a tokenização, remoção de stopwords e outras tarefas de pré-processamento. A técnica TFIDF foi aplicada para transformar os textos em vetores, identificando as palavras mais relevantes em cada interação. Para a parte de aprendizado de máquina, o Scikit-learn forneceu os algoritmos para classificação e modelagem, e o XGBoost foi utilizado para melhorar a precisão e eficiência dos modelos preditivos, aplicando técnicas de boosting e otimização de modelos baseados em árvores. Juntas, essas ferramentas permitiram criar um sistema de IA robusto e eficiente para a análise de dados das ouvidorias.