USO DE INTELIGÊNCIA ARTIFICIAL PARA APOIAR A PERSONALIZAÇÃO DE INTERFACES GRÁFICAS EM
SISTEMAS SAAS MULTILOCATÁRIO
Inteligência artificial, interface gráfica de usuário, Software como um Serviço, Software Multilocatário
Este projeto de pesquisa tem como objetivo investigar e propor uma abordagem
baseada em técnicas de inteligência artificial (IA) para auxiliar na personalização de inter-
faces gráficas de usuário (GUIs) em aplicações Software as a Service (SaaS) multilocatário,
considerando o alto grau de variabilidade proporcionado por Linhas de Produto de Software
Dinâmicas (LPSD).
Durante a elaboração desta proposta, foi realizada uma Revisão Sistemática da Li-
teratura (RSL) que evidenciou a predominância do uso de metadados como estratégia para
representar e configurar variabilidades em aplicações SaaS. Também foi observado que,
apesar da variedade de mecanismos técnicos existentes, ainda há uma lacuna significativa
quanto ao suporte oferecido ao usuário final durante o processo de personalização, especi-
almente em cenários altamente configuráveis. Este contexto reforça a hipótese central de
que a personalização, quando não assistida, tende a ser percebida como complexa e pode
comprometer a experiência do usuário.
A proposta delineada neste trabalho busca preencher essa lacuna por meio da
integração de mecanismos inteligentes ao processo de personalização de GUIs, com base
em dados contextuais, históricos de uso e metadados configuracionais. A aplicação dessas
técnicas visa reduzir a carga cognitiva dos usuários, agilizar o processo de configuração
e aumentar a eficácia da personalização, promovendo interfaces mais alinhadas às reais
necessidades dos locatários.
O método de pesquisa adotado será experimental, com abordagem mista (quanti-
tativa e qualitativa), a fim de permitir uma avaliação empírica dos impactos da solução
proposta. Serão desenvolvidas e comparadas duas versões de um protótipo de aplicação
SaaS multilocatário: uma com personalização manual e outra com personalização assistida
por IA. As análises considerarão aspectos como tempo de execução das tarefas, satisfação
dos usuários, complexidade percebida e aproveitamento das funcionalidades disponíveis.