Arquitetura Multiagente para Análise de Risco em Contextos Complexos: Um Estudo de Caso em Violência Doméstica

• Cairo Gabriel Castadini Cruz Universidade Federal de Uberlandia (UFU)
• Paulo Henrique Ribeiro Gabriel Universidade Federal de Uberlandia (UFU)

DOI: https://doi.org/10.5753/bresci.2026.249504

Resumo

A análise de risco em domínios sensíveis, como a violência doméstica, exige precisão, rastreabilidade e ancoragem em precedentes documentados. Este trabalho propõe uma arquitetura multiagente com especialização por dimensão sociopsicológica, supervisão hierárquica e autocorreção, voltada à produção de avaliações auditáveis. A validação em três cenários sintéticos parametrizados por instrumentos jurídicos brasileiros demonstrou diferenciação correta de severidade, recomendações adaptadas à urgência e rastreabilidade integral, sem falsos positivos. O uso exclusivo de dados sintéticos delimita o escopo do protótipo sem invalidar a contribuição central: um paradigma replicável para análise de risco multidimensional em contextos que demandem cobertura analítica ampla e justificativa auditável do processo decisório.

Palavras-chave: Sistemas Multiagentes, Análise de Risco, Retrieval-Augmented Generation, Violência Doméstica, Grandes Modelos de Linguagem

Referências

Bernath, E. (2025). Dual-mode AI orchestration: Intelligent coordination mode selection for multi-agent systems. ArXiv Preprint, pages 1–4.

Brasil (2006). Lei n. 11.340, de 7 de agosto de 2006 – lei maria da penha. Diário Oficial da União, n. 151.

Conselho Nacional de Justiça (2020). Formulário nacional de avaliação de risco – resolução conjunta cnj/cnmp n. 5/2020.

CrewAI (2024). CrewAI: Multi-agent orchestration framework. [link].

Dhayakar, D. (2025). Multi-agent architecture for enterprise AI orchestration. Journal of Computational Analysis and Application, 34(11):155–165.

Goldstick, J. E. and Jay, J. (2022). Agent-based modeling: an underutilized tool in community violence research. Current Epidemiology Reports, 9:135–141.

Hassan, M. H., Mostafa, S. A., Mustapha, A., Wahab, M. H. A., and Nor, D. M. (2018). A survey of multi-agent system approach in risk assessment. In International Symposium on Agent, Multi-Agent Systems and Robotics, pages 51–56. IEEE.

Lewis, P., Perez, E., Piktus, A., Petroni, F., Karpukhin, V., Goyal, N., Küttler, H., Lewis, M., Yih, W.-t., Rocktäschel, T., Riedel, S., and Kiela, D. (2020). Retrieval-augmented generation for knowledge-intensive NLP tasks. In Advances in Neural Information Processing Systems, volume 33, pages 9459–9474.

Nanua, S., Steward, R., Neely, B., Datto, M., and Youens, K. (2025). Retrieval-augmented generation for interpreting clinical regulatory questions. Journal of Pathology Informatics, 19:100520.

Reimers, N. and Gurevych, I. (2019). Sentence-BERT: Sentence embeddings using Siamese BERT-networks. In Proceedings of the 2019 Conference on Empirical Methods in Natural Language Processing, pages 3982–3992.

Simon, H. A. (1955). A behavioral model of rational choice. The Quarterly Journal of Economics, 69(1):99–118.

Stanley, N. and Humphreys, C. (2014). Multi-agency risk assessment and management for domestic violence. Children and Youth Services Review, 47:78–85.

Stone, P. and Veloso, M. (2000). Multiagent systems: A survey from a machine learning perspective. Autonomous Robots, 8(3):345–383.

Wooldridge, M. (2009). An Introduction to MultiAgent Systems. John Wiley & Sons.