Desafio: Calculadora de despesas

Estes desafios fazem você pensar, que hoje não precisamos apenas em colocar o 0.

Seria legal já trabalhar com agentes:

A IA não apenas soma, mas entende o contexto do gasto para gerar inteligência de negócios ou finanças pessoais.

Como funciona: Em vez de receber apenas números puros, o sistema recebe inputs em linguagem natural (ex: "50 reais de Uber", "350 de mercado", "80 de restaurante").

A IA entra aqui: Um modelo de PLN (Processamento de Linguagem Natural) ou uma LLM leve atua como um Agente de Classificação. Ele extrai o valor numérico para alimentar o algoritmo de soma e, simultaneamente, categoriza a despesa (Transporte, Alimentação, Lazer). No final, o sistema apresenta a soma total acompanhada de um gráfico descritivo e um insight financeiro preditivo (ex: "Você gastou 15% a mais em lazer este mês comparado ao anterior").

Vantagem: Transforma dados brutos em insights acionáveis de forma automática.

Oi, Weyner! Como vai?

Gostei bastante da sua análise sobre transformar uma calculadora de despesas em uma solução mais inteligente usando IA e PLN. Esse tipo de desafio faz pensar além do básico, porque hoje precisamos ir muito além de apenas colocar o zero ou fazer uma soma simples de valores. Sua visão mostra um raciocínio voltado para a evolução de sistemas e para a geração de valor real a partir dos dados.

A ideia de trabalhar com linguagem natural é muito legal e bastante relevante. Em vez de receber números puros, o sistema passa a entender entradas como "350 de mercado" ou "80 de restaurante", classificando cada gasto em categorias como Transporte, Alimentação ou Lazer. Isso transforma dados brutos em inteligência acionável de forma automática, o que é exatamente o que o mercado busca hoje.

Sua proposta de usar um agente de classificação com PLN para alimentar o algoritmo de soma e ainda gerar insights preditivos é um exemplo excelente de como esses desafios fazem pensar de forma estratégica e completa. Isso não é apenas um exercício técnico, é uma solução com aplicação direta em finanças pessoais e em negócios.

Uma dica prática: antes de partir para modelos mais robustos, você pode começar criando regras simples de categorização com palavras-chave no próprio código. Assim, consegue entender melhor o fluxo de classificação antes de integrar uma LLM ao sistema.

Você já pensou em qual categoria de despesas seria mais desafiadora para o agente classificar corretamente e por quê?

Conte com o apoio da comunidade Alura na sua jornada. Abraços e bons estudos!

Conteúdos relacionados

Trilhas por carreira

Carreiras de IA

Carreiras de Dados

Carreiras de Cyber

Carreiras de DevOps & Cloud

Carreiras de UX & UI

Carreiras de Mobile & Front-End

Carreiras de Back-End

Carreiras de Negócios

Cursos universitários FIAP

Tópicos relacionados

Conteúdos Alura com o tema