Sistema de recomendação em e-commerce com modelos de LLM e computação em nuvem: um relato de experiência

Resumo

Este trabalho apresenta o desenvolvimento da plataforma Diego, um sistema de recomendação inteligente voltado ao e-commerce, que integra modelos de linguagem natural (LLMs), serviços em nuvem e boas práticas de engenharia de software. A motivação do projeto surgiu da necessidade crescente de oferecer recomendações personalizadas em ambientes de compra cada vez mais dinâmicos e competitivos. A metodologia adotada envolveu revisão bibliográfica, desenho arquitetural, implementação e testes. A arquitetura do sistema foi estruturada segundo o padrão MVC, com backend desenvolvido em Python e FastAPI, frontend com ReactJS e autenticação via Firebase. A infraestrutura foi concebida em ambiente multicloud, combinando serviços da AWS (S3 para armazenamento de arquivos) e GCP (Cloud Run para deploy e BigQuery para análise de dados). O sistema interage com agentes de IA generativa da OpenAI e DeepSeek, permitindo recomendações e respostas contextualizadas em linguagem natural. A coleta de dados foi realizada por meio de técnicas de webscraping com Selenium, extraindo informações de produtos em marketplaces como Kabum, Terabyte e Pichau. Os dados foram organizados em camadas de processamento (Raw, Silver e Gold) e armazenados em buckets S3. Os testes envolveram avaliações locais e em produção, verificando autenticação, integração com APIs, persistência e desempenho do sistema. Como contribuição, o trabalho apresenta uma solução escalável, segura e modular para recomendação em e-commerce, com potencial de adaptação para diferentes contextos comerciais. Como trabalhos futuros, pretende-se explorar a integração com modelos open-source, expandir marketplaces suportados, incluir feedback ativo do usuário e aplicar aprendizado por reforço. A plataforma Diego evidencia como o uso integrado de LLMs e computação em nuvem pode aprimorar a experiência do usuário e gerar valor estratégico para o varejo digital.