Da Engenharia de Prompt aos Sistemas Multiagentes: Uma Trilha de Aprendizagem em Inteligência Artificial Generativa Para Todos

• José Robson da Silva Araujo Junior UFCG https://orcid.org/0009-0005-7985-2162
• Eliane Cristina de Araújo UFCG https://orcid.org/0000-0002-6837-6173
• Lívia Sampaio Campos UFCG https://orcid.org/0009-0002-1544-9380
• Leandro Balby Marinho UFCG https://orcid.org/0000-0001-7599-372X

DOI: https://doi.org/10.5753/wei.2026.22745

Resumo

Este artigo apresenta um relato de experiência sobre a concepção e execução de uma trilha de aprendizagem em inteligência artificial generativa, realizada ao longo de quatro semanas do primeiro semestre de 2025 na Universidade Federal de Campina Grande. A formação foi estruturada em três oficinas práticas e um seminário, abordando diversos tópicos da área. Cada atividade foi conduzida por estudantes de graduação e pós-graduação sob orientação docente, totalizando mais de 150 participantes. A análise quantitativa e qualitativa dos feedbacks revela altos índices de satisfação, especialmente quanto à qualidade do conteúdo e ao suporte prestado, evidenciando a eficácia da intervenção proposta no letramento em IA.

Referências

Brown, T., Mann, B., Ryder, N., Subbiah, M., Kaplan, J. D., Dhariwal, P., Neelakantan, A., Shyam, P., Sastry, G., Askell, A., et al. (2020). Language models are few-shot learners. Advances in neural information processing systems, 33:1877–1901.

Chatterji, A., Cunningham, T., Deming, D. J., Hitzig, Z., Ong, C., Shan, C. Y., and Wadman, K. (2025). How people use ChatGPT. Technical report, National Bureau of Economic Research.

de Freitas, R., Bessa, J. A., Hsu, M. H., Souza, G., Cordeiro, L. C., Menezes, R., and Charalambous, Y. (2025). TEIA colaborativa Brasil-Inglaterra: promovendo intercâmbio virtual, internacionalização e aprendizado em IA generativa em cursos de computação. In Simpósio Brasileiro de Educação em Computação (EDUCOMP), pages 596–608. SBC.

Hinton, G., Vinyals, O., and Dean, J. (2015). Distilling the knowledge in a neural network. arXiv preprint arXiv:1503.02531.

Li, X., Wang, S., Zeng, S., Wu, Y., and Yang, Y. (2024). A survey on llm-based multi-agent systems: workflow, infrastructure, and challenges. Vicinagearth, 1(1):9.

MCTI and CGEE (2025). IA para o bem de todos: Plano brasileiro de inteligência artificial. Technical report, Ministério da Ciência, Tecnologia e Inovação, Brasília, DF. Acesso em: 15 dez. 2025.

Miguel, J., Martins, W., Benarrós, Í., and Duarte, J. C. (2025). Especialista em algoritmos para apoio interativo na aprendizagem de programação utilizando ChatGPT. In Simpósio Brasileiro de Educação em Computação (EDUCOMP), pages 204–215. SBC.

Muennighoff, N., Yang, Z., Shi, W., Li, X. L., Fei-Fei, L., Hajishirzi, H., Zettlemoyer, L., Liang, P., Candès, E., and Hashimoto, T. B. (2025). s1: Simple test-time scaling. In Proceedings of the 2025 Conference on Empirical Methods in Natural Language Processing, pages 20286–20332.

OpenAI (2022). Introducing ChatGPT. Disponível em: [link]. Acesso em: 17 nov. 2025.

Pichai, S., Hassabis, D., and Kavukcuoglu, K. (2025). A new era of intelligence with Gemini 3. Disponível em: [link]. Acesso em: 18 nov. 2025.

Rahman, M. M. and Watanobe, Y. (2023). ChatGPT for education and research: Opportunities, threats, and strategies. Applied sciences, 13(9):5783.

Roth, E. (2025). OpenAI says ChatGPT users send over 2.5 billion prompts every day. Disponível em: [link]. Acesso em: 17 nov. 2025.

Sanh, V., Debut, L., Chaumond, J., and Wolf, T. (2019). DistilBERT, a distilled version of BERT: smaller, faster, cheaper and lighter. arXiv preprint arXiv:1910.01108.

Wei, J., Wang, X., Schuurmans, D., Bosma, M., Xia, F., Chi, E., Le, Q. V., Zhou, D., et al. (2022). Chain-of-thought prompting elicits reasoning in large language models. Advances in neural information processing systems, 35:24824–24837.