Inteligência artificial e automação na pesquisa científica: uma proposta de agente computacional para apoio à revisão da literatura

2.1 Agentes de Inteligência Artificial

De acordo com Lanham (2024), um agente é definido como uma entidade que exerce influência, produz efeitos ou atua como meio para alcançar objetivos específicos. Esta definição remete à concepção filosófica de agência, discutida por pensadores como Aristóteles e Hume. Aristóteles associava a ação intencional à capacidade de agir de maneira racional e deliberada, enquanto Hume enfatizava a adaptação e o aprendizado baseados na experiência. Nos agentes de IA, essa dualidade se reflete na combinação entre raciocínio lógico e aprendizado adaptativo, permitindo que os agentes atuem de maneira autônoma tanto por meio de regras predefinidas quanto pela aprendizagem a partir de dados e interações passadas.

Com base nesse referencial teórico, torna-se crucial contextualizar as diferentes aplicações contemporâneas da Inteligência Artificial, especialmente em relação ao papel funcional de cada tecnologia nos sistemas informacionais. Para isso, é fundamental distinguir entre IA Generativa e Agentes de Inteligência Artificial. Essa distinção é sintetizada de forma esquemática no Quadro 1 – Diferença entre IA Generativa e Agentes Inteligentes, com o objetivo de destacar as diferenças essenciais entre essas abordagens.

Após a diferenciação entre IA Generativa e Agentes de Inteligência Artificial, é necessário aprofundar a compreensão sobre a natureza e funcionamento desses agentes no contexto da IA. Esses sistemas, com diferentes graus de autonomia, são projetados para realizar tarefas específicas em ambientes computacionais dinâmicos. Por meio de mecanismos de percepção, decisão e ação, os agentes de IA interagem com o ambiente, adaptando-se a mudanças e aperfeiçoando continuamente seu desempenho. Tais agentes operam com arquiteturas que combinam processamento simbólico, aprendizado de máquina e inferência contextual, o que lhes confere a capacidade de lidar com tarefas complexas de forma eficaz. Sua capacidade de aprendizado contínuo não se limita a simples reações a estímulos, mas envolve tomadas de decisão proativas e otimizadas, sempre alinhadas a metas previamente estabelecidas.

Russell et al. (2021) definem um agente de IA como "qualquer entidade que perceba seu ambiente por meio de sensores e atue sobre esse ambiente por meio de atuadores", ressaltando que a inteligência do agente está diretamente relacionada à sua capacidade de escolher ações que maximizem seu desempenho ao longo do tempo. Nesse sentido, os agentes de IA podem atuar de forma autônoma ou por meio de proxies, componentes intermediários que interpretam comandos e ajustam as ações dos agentes conforme o contexto. Essa arquitetura favorece a adaptabilidade e o desempenho contínuo. A autonomia, elemento central na definição de agentes inteligentes, possibilita a execução de tarefas complexas com eficiência, muitas vezes superando a capacidade humana em velocidade e precisão. Bandeira e Tortato (2024) reforçam que a capacidade de aprendizado contínuo e de aprimoramento das decisões é um elemento essencial para o papel estratégico dos agentes de inteligência artificial em ambientes digitais.

Analogamente à concepção filosófica de agência, que remonta à ideia aristotélica de ação orientada por finalidade (telos) e à visão de Hume sobre a conexão entre crenças e motivações, os agentes de inteligência artificial, embora desprovidos de intencionalidade ou consciência, operam com base em comportamentos dirigidos a objetivos específicos. Nesse contexto, o desenvolvimento desses agentes acompanha a evolução tecnológica recente, refletindo a crescente incorporação da IA nos sistemas de organização, recuperação e gestão da informação.

Para entender as nuances da agência na IA, é necessário observar suas propriedades funcionais, como reatividade, proatividade e socialidade, conceitos inicialmente abordados por Turing (1950) em seu artigo "Computing Machinery and Intelligence", ao questionar a capacidade das máquinas de interagir de forma inteligente e ampliados por Mitchel (2019). Esses avanços indicam que, ao otimizar processos e resultados organizacionais, os agentes de IA têm um papel crescente nas soluções computacionais dinâmicas e na transformação digital das empresas.

2.2 Interseção entre agentes de Inteligência Artificial e a Ciência da Informação

Esta seção explora a aplicação de agentes de inteligência artificial na Ciência da Informação, destacando suas funcionalidades e integração com práticas informacionais modernas. Esses agentes, além de ferramentas computacionais avançadas, otimizam a eficiência dos sistemas informacionais, exigindo reflexão crítica sobre questões éticas e sociais.

O estudo foca em sistemas que atendem a esses critérios, diferenciando-os de soluções genéricas. A transformação dos processos informacionais por esses agentes é ilustrada na Figura 1: Evolução histórica dos agentes de IA aplicados à Ciência da Informação.

A trajetória dos agentes de IA na Ciência da Informação remonta à década de 1980, quando os primeiros sistemas especialistas, como o PLEXUS (1985) e o SCISOR (1986), foram desenvolvidos. Embora esses sistemas não se qualificassem como agentes inteligentes no sentido estrito — dada a sua limitação a regras fixas e árvores de decisão pré-programadas, sem a capacidade de aprender ou de agir de forma autônoma —, representaram um marco fundamental na demonstração do potencial da automação inteligente para tarefas informacionais complexas, tais como indexação e classificação documental. O avanço desses sistemas pioneiros abriu as portas para o desenvolvimento de agentes mais sofisticados, que, mesmo de forma rudimentar, já eram capazes de emular processos decisórios humanos em contextos específicos.

Na década de 1990, observou-se uma transformação significativa com a emergência dos primeiros agentes de IA com autonomia decisória e capacidade de adaptação ao ambiente. A expansão da World Wide Web foi um fator-chave nesse processo, pois impôs novos desafios ao mesmo tempo em que abriu oportunidades para o desenvolvimento de soluções informacionais baseadas em agentes inteligentes. Projetos pioneiros, como o SHOE (1996) e o Ontobroker (1997), exploraram arquiteturas orientadas a agentes para a organização do conhecimento em ambientes digitais distribuídos, estabelecendo um marco na maneira como as informações seriam processadas, estruturadas e recuperadas em plataformas digitais. Nesse contexto, a teoria da atividade, formulada por Engeström (1987), consolidou-se como uma importante referência teórica para a compreensão dos processos de mediação informacional realizados por esses agentes, ao considerar os sistemas sociotécnicos nos quais eles operavam.

No final da década de 1990, os primeiros agentes colaborativos, como o CiteSeer (1998), começaram a demonstrar o enorme potencial da automação no campo da organização da informação científica. O CiteSeer utilizava técnicas automatizadas de indexação e recuperação de artigos acadêmicos, antecipando a consolidação, no início do novo milênio, das arquiteturas multiagente na Ciência da Informação. Essas novas arquiteturas permitiram a coordenação de sistemas distribuídos e possibilitaram a realização de tarefas complexas, como mineração de dados e descoberta automatizada de conhecimento, ampliando a sofisticação dos agentes de IA nesse campo. Além disso, surgiram iniciativas de recomendação, como os sistemas de filtragem colaborativa da Amazon (2003) e os assistentes digitais voltados à pesquisa acadêmica, conforme discutido por Baeza-Yates e Ribeiro-Neto (2011), que indicaram uma crescente tendência de personalização e mediação inteligente na gestão do acesso à informação.

Ao longo da década de 2010, a introdução de técnicas de aprendizado profundo (deep learning) transformou de maneira substancial os agentes de IA permitindo-lhes aprender continuamente a partir de grandes volumes de dados e tomar decisões cada vez mais sofisticadas e autônomas. Exemplos de agentes, como o Semantic Scholar (2015) e o Iris.ai (2016), ampliaram de forma significativa as possibilidades de mediação informacional inteligente, alterando a forma como a informação acadêmica era processada, indexada e recomendada. Nesse novo cenário, a teoria da cognição distribuída (Hollan; Hutchins; Kirsh, 2000) adquiriu uma importância renovada, pois forneceu um referencial teórico fundamental para a compreensão dos ecossistemas híbridos humano-máquina, que são característicos do funcionamento dos agentes de IA em ambientes digitais cada vez mais complexos.

Diante dos desafios técnicos, epistemológicos e éticos mencionados (Zuboff, 2019), este estudo adota uma abordagem metodológica que visa superar as complexidades da implementação de agentes de IA na Ciência da Informação.

A seguir, detalha-se a metodologia aplicada para o desenvolvimento e avaliação da arquitetura computacional proposta, com foco na análise automatizada de artigos científicos, considerando as questões de escalabilidade e ética.

3.1 Especificação dos requisitos analíticos

A etapa inicial da pesquisa consistiu na delimitação das categorias analíticas a serem extraídas dos artigos científicos selecionados, fundamentando-se em diretrizes metodológicas consagradas no âmbito da revisão sistemática da literatura. Foram definidas oito categorias analíticas que orientaram a extração e sistematização dos dados: (i) objetivos da pesquisa; (ii) lacuna teórica ou científica identificada; (iii) metodologia adotada; (iv) principais achados; (v) limitações reconhecidas pelos autores; (vi) conclusões apresentadas; (vii) recomendações para investigações futuras; e (viii) avaliação crítica do estudo.

Complementarmente à definição do escopo analítico, estabeleceu-se o uso de uma linguagem neutra, objetiva e predominantemente descritiva, com a exclusão deliberada de adjetivações superlativas e juízos de valor. Tal orientação visa assegurar a imparcialidade na apresentação dos dados, reforçando a clareza argumentativa e a conformidade com os princípios de rigor e transparência que regem a produção científica de excelência.

A partir dessa estrutura analítica previamente definida, procedeu-se à fase de pré-processamento dos documentos e à subsequente extração sistemática do conteúdo, conforme descrito na seção a seguir.

3.2 Pré-processamento e extração de conteúdo

Dando continuidade à estrutura metodológica delineada, procedeu-se ao pré-processamento dos documentos científicos com vistas à organização e preparação dos dados textuais para análise sistemática. Os artigos, previamente armazenados em formato digital (PDF), foram submetidos a uma etapa de extração automatizada de conteúdo utilizando a biblioteca PyPDFLoader, integrante do ecossistema langchain_community, amplamente empregada em processos de mineração e tratamento de informações textuais.

Essa tecnologia viabilizou a decomposição dos documentos em unidades textuais coerentes, respeitando a estrutura lógica e semântica das páginas originais. A segmentação criteriosa dos textos assegurou a preservação da integridade informacional, aspecto fundamental para garantir a rastreabilidade e a confiabilidade dos dados extraídos.

A organização dos conteúdos em blocos estruturados favoreceu a aplicação posterior de técnicas de processamento de linguagem natural (Natural Language Processing – NLP), possibilitando o alinhamento preciso entre os dados empíricos e as categorias analíticas definidas anteriormente. Tal abordagem reflete as boas práticas de curadoria e tratamento de dados no âmbito da Ciência da Informação, especialmente no que tange à gestão, à representação e à recuperação de informações em ambientes digitais.

3.3 Modelagem do agente de análise

Na sequência do fluxo metodológico, a terceira etapa concentrou-se na modelagem de um agente computacional especializado, concebido para desempenhar a função de Analista de Artigos Científicos. A implementação desse agente foi realizada por meio da biblioteca CrewAI, um framework voltado à orquestração de agentes autônomos baseados em modelos de linguagem natural. Essa biblioteca possibilita a criação de agentes com perfis específicos, capazes de atuar de forma colaborativa ou individual na execução de tarefas cognitivas complexas, mediante a configuração de objetivos, papéis e comportamentos analíticos customizados.

No contexto desta pesquisa, a CrewAI foi empregada de maneira integrada ao modelo GPT-4, acessado por meio da interface langchain_openai, permitindo o desenvolvimento de um agente com escopo de atuação bem definido. A configuração contemplou a definição explícita dos objetivos analíticos, o contexto de aplicação (análise de literatura científica) e diretrizes metodológicas alinhadas às categorias estabelecidas na etapa anterior de extração e curadoria dos dados.

Com o intuito de assegurar maior controle sobre a conduta interpretativa do agente e preservar a coerência metodológica da análise, optou-se por desabilitar a funcionalidade de delegação de tarefas entre múltiplos agentes. Essa decisão visou mitigar variações heurísticas indesejadas, assegurando a estabilidade cognitiva da instância analítica e promovendo maior uniformidade na aplicação dos critérios de interpretação textual.

3.4 Design das tarefas e execução automatizada

A quarta etapa consistiu no delineamento das tarefas cognitivas e na execução automatizada das análises sob responsabilidade do agente computacional previamente modelado. Cada artigo científico foi concebido como uma unidade analítica independente, sendo encapsulado como uma instância da classe Task, conforme a arquitetura operacional da biblioteca CrewAI.

Nesse contexto, adotou-se um modelo de fragmentação textual controlada, no qual cada tarefa foi associada a um extrato do documento com limite de até 5.000 caracteres, valor empiricamente definido para otimizar o desempenho do modelo de linguagem e preservar a coesão semântica do conteúdo analisado. Essa granularidade permitiu ao agente processar os dados em blocos suficientemente informativos, mantendo o equilíbrio entre carga cognitiva e contexto interpretativo.

As tarefas foram alocadas ao agente de análise dentro da estrutura gerencial do objeto Crew, o qual opera como núcleo coordenador das atividades dos agentes autônomos. A execução das análises foi iniciada por meio do método kickoff(), que atua como ponto de disparo da interação entre agente e conteúdo, ativando o ciclo analítico conforme os parâmetros de configuração previamente definidos.

Esse processo garantiu a replicabilidade das análises e a rastreabilidade dos resultados, assegurando aderência às boas práticas de sistematização e controle metodológico exigidas em estudos computacionais na área da Ciência da Informação. Além disso, o uso da estrutura Crew como mecanismo de gerenciamento das tarefas analíticas conferiu robustez ao fluxo de execução, permitindo o acompanhamento preciso da atuação do agente e o registro dos outputs gerados em cada interação.

3.5 Geração e validação dos resultados

A etapa final do fluxo automatizado consistiu na sistematização e validação dos resultados produzidos pelo agente computacional. Após a execução de cada tarefa analítica, os dados extraídos foram serializados no formato YAML (YAML Ain't Markup Language), escolhido por sua legibilidade estrutural e ampla adoção em fluxos de interoperabilidade e persistência de dados. A codificação foi realizada em UTF-8, garantindo a integridade lexical e a compatibilidade com sistemas de armazenamento e leitura textual em múltiplos ambientes computacionais.

As saídas geradas foram automaticamente armazenadas em um diretório previamente definido, com nomenclatura padronizada e controle de versionamento, assegurando a rastreabilidade dos resultados. Para cada operação de escrita, o sistema executa uma verificação automatizada de integridade, emitindo mensagens de status e, em caso de erro, registrando logs informativos com dados técnicos para diagnóstico e auditoria.

Com o objetivo de assegurar a conformidade metodológica da atuação do agente, foi conduzida uma auditoria manual realizada pelos autores da pesquisa. Essa auditoria consistiu na verificação amostral dos arquivos gerados, com especial atenção ao alinhamento entre os resultados extraídos e os parâmetros e diretrizes analíticas previamente definidos na etapa de configuração do agente. Foram observados aspectos como: aderência às categorias analíticas, consistência descritiva, fidelidade ao conteúdo textual original e respeito aos limites semânticos estabelecidos.

Adicionalmente, destaca-se que a atuação humana não se restringiu à auditoria técnica do sistema, mas se estenderá, conforme descrito na próxima seção, à validação crítica dos achados. Essa etapa incluirá a análise qualitativa das respostas produzidas pela IA promovendo um processo de verificação cruzada entre inteligência artificial e julgamento humano, assegurando não apenas a robustez técnica, mas também a credibilidade epistemológica dos resultados.

3.6 População e amostragem

A população investigada nesta pesquisa compreende publicações científicas vinculadas ao domínio da Ciência da Informação, com ênfase em estudos que abordam práticas metodológicas de revisão da literatura, representação do conhecimento e tratamento informacional. A amostra, por sua vez, foi composta por dois artigos científicos publicados na RDBCI – Revista Digital de Biblioteconomia e Ciência da Informação, sediada em Campinas, SP.

A seleção foi realizada por meio de amostragem intencional, tendo como critério principal a relevância temática das publicações para os objetivos da pesquisa, bem como a disponibilidade do conteúdo em formato digital integral, condição indispensável para o processamento computacional automatizado.

O objetivo da análise recaiu sobre a verificação da capacidade de um agente de inteligência artificial em interpretar, sintetizar e estabelecer comparações entre publicações científicas, considerando os princípios e os métodos aplicados na área da Ciência da Informação. A escolha por artigos provenientes de um periódico científico reconhecido visou garantir a qualidade metodológica e a representatividade teórica dos documentos, contribuindo para a robustez e a confiabilidade dos resultados obtidos.

3.7 Instrumentos e Técnicas de Coleta e Análise de Dados

O principal instrumento de coleta de dados adotado nesta investigação foi o agente computacional autônomo, desenvolvido e configurado especificamente para esta finalidade, conforme descrito nas seções anteriores. Esse agente foi programado para realizar a extração estruturada de conteúdos textuais a partir dos artigos selecionados, utilizando como referência um modelo de saída padronizado, baseado nas categorias analíticas previamente definidas.

A validação dos dados extraídos foi conduzida por meio de uma análise cruzada com os documentos originais, assegurando a fidelidade semântica das informações e o respeito à integridade autoral. Esse procedimento visou garantir que o agente operasse em conformidade com os princípios éticos e legais de uso de conteúdo acadêmico, evitando distorções interpretativas ou violações de direitos autorais.

A análise dos dados foi realizada sob uma abordagem qualitativa, centrada na verificação da consistência interpretativa, clareza textual e alinhamento às diretrizes analíticas. O processo analítico buscou, portanto, integrar a precisão técnica da extração automatizada com o rigor epistemológico característico da Ciência da Informação, promovendo uma interpretação crítica e contextualizada dos achados.

3.8 Tecnologias e ferramentas utilizadas

A arquitetura computacional desenvolvida para esta pesquisa foi concebida com base em uma abordagem modular, visando à escalabilidade, reprodutibilidade e compatibilidade com pipelines automatizados de análise textual assistida por inteligência artificial. A implementação foi realizada na linguagem de programação Python, versão 3.13, selecionada por sua ampla adoção na comunidade científica e pela robustez de seu ecossistema voltado ao desenvolvimento de aplicações em inteligência artificial e ciência de dados.

A arquitetura é composta por quatro módulos principais, integrados de forma a viabilizar o processamento completo dos artigos científicos, desde a leitura dos arquivos em formato PDF até a geração estruturada dos resultados analíticos. A seguir, a Figura 3 – Arquitetura Computacional, descreve os componentes e suas respectivas funções:

O módulo de extração e pré-processamento foi responsável pela leitura e segmentação dos artigos científicos em formato PDF, utilizando a biblioteca PyPDFLoader, do ecossistema langchain_community. Essa ferramenta permitiu a conversão dos documentos em objetos textuais estruturados, preservando a integridade do conteúdo original.

O módulo de orquestração de tarefas e definição de agentes foi implementado com base na biblioteca CrewAI, possibilitando a modelagem de agentes autônomos e a coordenação de suas ações analíticas. Cada agente foi configurado segundo perfis específicos, definidos em consonância com os requisitos analíticos estabelecidos.

No módulo de inferência e análise textual, a integração com o modelo GPT-4 foi viabilizada por meio da interface langchain_openai, permitindo a geração controlada de respostas a partir de prompts customizados. Este módulo constituiu o núcleo da arquitetura, sendo responsável pela análise semiautomatizada do conteúdo e pela produção de respostas estruturadas, em conformidade com os princípios de linguagem neutra e originalidade.

Por fim, o módulo de persistência e controle de execução foi responsável pela serialização dos resultados em formato YAML, com codificação UTF-8, assegurando rastreabilidade e integridade dos dados. Bibliotecas padrão da linguagem Python foram utilizadas para gerenciar diretórios, verificar a criação de arquivos e emitir mensagens de status ao término de cada operação.

A integração entre esses módulos permitiu a criação de um fluxo de trabalho contínuo e automatizado, desde a ingestão dos documentos até a geração dos resultados estruturados. A arquitetura proposta foi desenhada para ser reutilizável em diferentes contextos analíticos e facilmente adaptável a outras tipologias documentais, demonstrando potencial para apoiar estudos sistemáticos em larga escala com auxílio de agentes baseados em inteligência artificial.

3.9 Considerações éticas e Limitações e controle de viés

Foram adotadas diretrizes éticas rigorosas para garantir a integridade científica. O agente computacional foi explicitamente instruído a evitar qualquer reprodução literal de trechos dos documentos analisados. Estratégias de paráfrase com alta originalidade textual (nível 10/10) foram utilizadas para assegurar conformidade com as boas práticas da produção científica automatizada.

A principal limitação identificada refere-se à dependência das capacidades interpretativas do modelo GPT-4, o que pode resultar em variações na qualidade da extração textual. Para mitigar esse fator, foram aplicadas diretrizes formais de estilo, delimitação de vocabulário e estrutura analítica rígida. A utilização de um modelo de saída padronizado visou reduzir inconsistências e aumentar a replicabilidade da metodologia.

2.1 Artificial Intelligence agents

According to Lanham (2024), an agent is defined as an entity that exerts influence, produces effects, or acts as a means of achieving specific goals. This definition relates to the philosophical concept of agency, which was discussed by thinkers such as Aristotle and Hume. Aristotle associated intentional action with rational and deliberate behavior, whereas Hume emphasized adaptation and learning based on experience. AI agents reflect this duality by combining logical reasoning and adaptive learning. This allows them to act autonomously through predefined rules and by learning from past data and interactions.

Based on this theoretical framework, it is essential to contextualize contemporary applications of artificial intelligence, especially in relation to each technology's functional role in information systems. To this end, it is essential to distinguish between generative AI and artificial intelligence agents. Chart 1 – "Difference Between Generative AI and Intelligent Agents" – summarizes this distinction, highlighting the essential differences between these approaches.

After distinguishing between generative AI and artificial intelligence agents, it is important to further understand the nature and operation of these agents within the context of AI. These systems are designed to perform specific tasks in dynamic computing environments and have varying degrees of autonomy. AI agents interact with the environment through perception, decision-making, and action mechanisms, adapting to changes and continuously improving their performance. These agents operate using architectures that combine symbolic processing, machine learning, and contextual inference, giving them the ability to effectively handle complex tasks. Their ability to continuously learn is not limited to simple reactions to stimuli; it involves proactive, optimized decision-making that is always aligned with previously established goals.

Russell et al. (2021) define an AI agent as "any entity that perceives its environment through sensors and acts on that environment through actuators," emphasizing that an agent's intelligence is directly related to its ability to select actions that will maximize its performance over time. Either AI agents can act autonomously or through proxies, which are intermediate components that interpret commands and adjust the agents' actions according to the context. This architecture promotes adaptability and continuous performance. Autonomy, a central element in the definition of intelligent agents, enables efficient execution of complex tasks that often surpass human capacity in terms of speed and accuracy. Bandeira and Tortato (2024) reinforce the idea that the capacity for continuous learning and decision improvement is essential for the strategic role of AI agents in digital environments.

Similar to the philosophical concept of agency, dating back to Aristotle's notion of purposeful action (telos) and Hume's perspective on the relationship between beliefs and motivations, AI agents, despite lacking intentionality or consciousness, act based on behaviors aimed at achieving particular goals. The development of these agents reflects the growing incorporation of AI into information organization, retrieval, and management systems, accompanying recent technological developments.

To understand the nuances of agency in AI, it is necessary to observe its functional properties, such as reactivity, proactivity, and sociality. These concepts were initially addressed by Turing (1950) in his article "Computing Machinery and Intelligence," in which he questioned the ability of machines to interact intelligently. These concepts were later expanded upon by Mitchell (2019). These advances suggest that AI agents play an increasingly important role in dynamic computational solutions and the digital transformation of companies by optimizing organizational processes and results.

2.2 Intersection between Artificial Intelligence agents and Information Science

This section explores the application of artificial intelligence (AI) agents in information science, highlighting their functionalities and integration with modern information practices. In addition to advanced computational tools, these agents optimize the efficiency of information systems, prompting critical reflection on ethical and social issues.

The study focuses on systems that meet these criteria, distinguishing them from generic solutions. Figure 1, "Historical Evolution of AI Agents Applied to Information Science," illustrates the transformation of information processes by these agents.

The history of AI agents in information science dates back to the 1980s when the first expert systems, such as PLEXUS (1985) and SCISOR (1986), were developed. While these systems did not qualify as intelligent agents in the strict sense, given their limitations to fixed rules and pre-programmed decision trees without the ability to learn or act autonomously, they represented a fundamental milestone in demonstrating the potential of intelligent automation for complex information tasks such as document indexing and classification. These pioneering systems advanced the development of more sophisticated agents that could emulate human decision-making processes in specific contexts, even in a rudimentary form.

In the 1990s, a significant transformation occurred with the emergence of the first AI agents capable of autonomous decision-making and environmental adaptation. The expansion of the World Wide Web was a key factor in this process, posing new challenges while opening up opportunities for developing information solutions based on intelligent agents. Pioneering projects such as SHOE (1996) and Ontobroker (1997) explored agent-oriented architectures for organizing knowledge in distributed digital environments. These projects established a milestone in how information would be processed, structured, and retrieved on digital platforms. In this context, activity theory, formulated by Engeström (1987), became an important theoretical reference for understanding the information mediation processes performed by these agents within their socio-technical contexts.

Toward the end of the 1990s, the first collaborative agents, such as CiteSeer (1998), began demonstrating the enormous potential of automation in scientific information organization. CiteSeer used automated techniques to index and retrieve academic articles, foreshadowing the consolidation of multiagent architectures in information science at the beginning of the new millennium. These new architectures enabled the coordination of distributed systems, making it possible to perform complex tasks such as data mining and automated knowledge discovery. This increased the sophistication of AI agents in the field. Additionally, recommendation initiatives emerged, including Amazon's collaborative filtering systems (2003) and digital assistants for academic research. As discussed by Baeza-Yates and Ribeiro-Neto (2011), these initiatives indicated a growing trend toward personalization and intelligent mediation in managing access to information.

Throughout the 2010s, the introduction of deep learning techniques transformed AI agents, enabling them to learn continuously from large volumes of data and make increasingly sophisticated, autonomous decisions. Agents like Semantic Scholar (2015) and Iris.ai (2016) have significantly expanded the possibilities for intelligent information mediation, changing the way academic information is processed, indexed, and recommended. In this new scenario, the theory of distributed cognition (Hollan, Hutchins, & Kirsh, 2000) has taken on renewed importance as a fundamental theoretical framework for understanding hybrid human-machine ecosystems, which are characteristic of AI agents' functioning in increasingly complex digital environments.

Considering the technical, epistemological, and ethical challenges mentioned by Zuboff (2019), this study employs a methodological approach to overcome the complexities of implementing AI agents in information science.

The following details the methodology applied to develop and evaluate the proposed computational architecture, with a focus on the automated analysis of scientific articles and consideration of issues of scalability and ethics.

3.1 Specification of analytical requirements

The first stage of the research involved defining analytical categories to be extracted from the selected scientific articles based on the methodological guidelines established for systematic literature reviews. Eight analytical categories were defined to guide the extraction and systematization of data: (i) research objectives, (ii) identified theoretical or scientific gaps, (iii) adopted methodology, (iv) main findings, (v) recognized limitations, (vi) presented conclusions, (vii) recommendations for future research, and (viii) critical evaluation of the study.

In addition to defining the analytical scope, we established the use of neutral, objective, and predominantly descriptive language, deliberately excluding superlative adjectives and value judgments. This guideline aims to ensure impartiality in presenting data, thereby reinforcing clear argumentation and compliance with the principles of rigor and transparency that govern the production of excellent science.

Based on this analytical structure, the documents were preprocessed, and their content was systematically extracted as described in the following section.

3.2 Preprocessing and content extraction

Following the outlined methodological structure, the scientific documents were preprocessed to organize and prepare the textual data for systematic analysis. The articles, which were previously stored in digital format (PDF), underwent automated content extraction using the PyPDFLoader library. This library is part of the LangChain Community ecosystem and is widely used in text mining and processing.

This technology decomposed the documents into coherent textual units while respecting the original pages' logical and semantic structure. The careful segmentation of the texts ensured informational integrity was preserved, which is fundamental to guaranteeing the traceability and reliability of the extracted data.

Organizing the content into structured blocks facilitated the subsequent application of natural language processing (NLP) techniques, enabling precise alignment between the empirical data and the analytical categories previously defined. This approach reflects best practices in data curation and processing in Information Science, particularly regarding managing, representing, and retrieving information in digital environments.

3.3 Modeling the analysis agent

Following the methodological flow, the third stage focused on modeling a specialized computational agent designed to perform the role of scientific article analyst. This agent was implemented using the CrewAI library, which is a framework for orchestrating autonomous agents based on natural language models, or Large Language Models (LLMs). The library enables the creation of agents with specific profiles that can act collaboratively or individually when executing complex cognitive tasks. This is achieved by configuring customized objectives, roles, and analytical behaviors.

In this research context, CrewAI was integrated with the GPT-4 model via the LangChain OpenAI interface to develop an agent with a well-defined scope of action. The configuration included explicitly defining analytical objectives, the application context (analysis of scientific literature), and methodological guidelines aligned with the categories established in the previous stage of data extraction and curation.

To ensure greater control over the agent's interpretive conduct and preserve methodological consistency, we disabled task delegation between multiple agents. This decision aimed to mitigate unwanted heuristic variations, ensuring the cognitive stability of the analytical instance and promoting greater uniformity in the application of textual interpretation criteria.

3.4 Task Design and Automated Execution

The fourth stage involved outlining the cognitive tasks and automating the analyses of the computational agent that had been previously modeled. According to the operational architecture of the CrewAI library, each scientific article was conceived as an independent analytical unit encapsulated as an instance of the Task class.

In this context, we adopted a controlled text fragmentation model, associating each task with an extract from the document of up to 5,000 characters. This value was empirically defined to optimize the performance of the language model while preserving the semantic cohesion of the analyzed content. This level of detail allowed the agent to process the data in informative chunks while maintaining a balance between cognitive load and interpretive context.

The tasks were allocated to the analysis agent within the management structure of the Crew object, the coordinating core of the autonomous agents' activities. The analyses were executed using the kickoff method, which triggers the interaction between the agent and the content and activates the analytical cycle according to the previously defined configuration parameters.

This process ensured the replicability of the analyses and traceability of the results, adhering to good systematization and methodological control practices required in computational Information Science studies. Additionally, using the Crew structure to manage analytical tasks increased the robustness of the execution flow, enabling accurate monitoring of the agent's performance and recording of the outputs generated in each interaction.

3.5 Generation and validation of results

The final stage of the automated process involved systematizing and validating the results produced by the computational agent. After each analytical task was completed, the extracted data was serialized in YAML (YAML Ain't Markup Language) format. YAML was chosen for its structural readability and widespread adoption in data interoperability and persistence flows. UTF-8 encoding was used to ensure lexical integrity and compatibility with storage and text reading systems in multiple computing environments.

The generated outputs were automatically stored in a predefined directory with standardized nomenclature and version control to ensure traceability of the results. The system performs an automated integrity check for each write operation, issuing status messages and, in case of error, recording informative logs with technical data for diagnosis and auditing.

To ensure methodological compliance, the authors of the research conducted a manual audit of the agent's performance. This audit entailed verifying a sample of the generated files, paying special attention to the alignment between the extracted results and the analytical parameters and guidelines defined during the agent configuration stage. The audit observed aspects such as adherence to analytical categories, descriptive consistency, fidelity to the original textual content, and respect for established semantic limits.

Additionally, human intervention will extend beyond the technical audit of the system to the critical validation of the findings, as described in the next section. This stage includes the qualitative analysis of responses produced by AI, promoting cross-verification between artificial intelligence and human judgment. This ensures not only technical robustness but also the epistemological credibility of the results.

3.6 Population and sampling

This research investigated scientific publications linked to the field of information science, with an emphasis on studies addressing the methodological practices of literature reviews, knowledge representation, and information processing. The sample consisted of two articles published in RDBCI (Revista Digital de Biblioteconomia e Ciência da Informação, or Digital Journal of Library Science and Information Science), which is based in Campinas, São Paulo, Brazil.

Articles were selected through intentional sampling based on thematic relevance to the research objectives and availability in full digital format, which is indispensable for automated computer processing.

The analysis aimed to verify an artificial intelligence agent's ability to interpret, synthesize, and establish comparisons between scientific publications considering the principles and methods applied in Information Science. Selecting articles from a recognized scientific journal ensured the methodological quality and theoretical representativeness of the documents, contributing to the robustness and reliability of the results.

3.7 Instruments and Techniques for Data Collection and Analysis

The main data collection tool used in this investigation was an autonomous computational agent developed and configured specifically for this purpose, as described in previous sections. The agent was programmed to extract textual content from the selected articles in a structured manner, using a standardized output model based on previously defined analytical categories as a reference.

We validated the extracted data through cross-analysis with the original documents to ensure semantic fidelity and respect authorial integrity. This procedure aimed to ensure that the agent operated in accordance with the ethical and legal principles of using academic content, thereby avoiding interpretive distortions or copyright violations.

Data analysis used a qualitative approach focused on verifying interpretive consistency, textual clarity, and alignment with analytical guidelines. Thus, the analytical process sought to integrate the technical precision of automated extraction with the epistemological rigor characteristic of information science to promote a critical, contextualized interpretation of the findings.

3.8 Technologies and tools used

The computational architecture developed for this research was designed using a modular approach to achieve scalability, reproducibility, and compatibility with automated, artificial intelligence-assisted text analysis pipelines. It was implemented in Python 3.13 because it is widely adopted in the scientific community and has a robust ecosystem focused on developing applications in artificial intelligence and data science.

The architecture consists of four main modules integrated to enable complete processing of scientific articles, from reading PDF files to generating analytical results in a structured manner. Figure 3 – Computational Architecture – Illustrates the components and their respective functions.

The extraction and preprocessing module used the PyPDFLoader library from the LangChain Community ecosystem to read and segment scientific articles in PDF format. This tool converted documents into structured textual objects while preserving the integrity of the original content.

The task orchestration and agent definition module was implemented using the CrewAI library to enable the modeling of autonomous agents and coordination of their analytical actions. Each agent was configured according to specific profiles defined in accordance with established analytical requirements.

The inference and textual analysis module integrated the GPT-4 model through the langchain_openai interface, enabling the controlled generation of responses from customized prompts. This module was the core of the architecture and was responsible for semi-automating the analysis of content and producing structured responses in accordance with the principles of neutral language and originality.

Finally, the persistence and execution control module serialized the results in YAML format with UTF-8 encoding to ensure data traceability and integrity. Standard Python libraries managed directories, verified file creation, and issued status messages at the end of each operation.

Integrating these modules created a continuous, automated workflow from document ingestion to generating structured results. The proposed architecture is designed to be reusable in different analytical contexts and adaptable to other document types. It has the potential to support large-scale, systematic studies with artificial intelligence–based agents.

3.9 Ethical considerations and Limitations and bias control

Strict ethical guidelines were adopted to ensure scientific integrity. The computational agent was explicitly instructed to avoid literally reproducing any excerpts from the analyzed documents. To ensure compliance with good practices in automated scientific production, paraphrasing strategies with high textual originality (level 10/10) were used.

The main identified limitation refers to dependence on the GPT-4 model's interpretive capabilities, which can result in variations in textual extraction quality. To mitigate this, we applied formal style guidelines, vocabulary delimitation, and a rigid analytical structure. Using a standardized output model aimed to reduce inconsistencies and increase the replicability of the methodology.