IA Agente para Recomendações de Turismo Responsável

Como os sistemas de recomendação impulsionados por IA podem ir além da otimização para preferências individuais para apoiar um turismo mais responsável? Começamos examinando a evolução dos sistemas de recomendação tradicionais para recomendações impulsionadas por LLM e agentes, explorando como os LLMs possibilitam uma compreensão contextual mais rica, interação conversacional e raciocínio, e como a IA agente pode integrar múltiplos objetivos e partes interessadas no processo de recomendação. Fundamentando essa transição em pesquisas práticas, destacamos dois projetos recentes: Collab-REC, uma framework multi-agente que reúne personalização, popularidade e objetivos de sustentabilidade, e TRACE, um sistema conversacional interativo projetado para ajudar os usuários a entender e considerar escolhas de viagem mais sustentáveis. Usando o Gemini e o Kit de Desenvolvimento de Agente (ADK) do Google, esses projetos ilustram como as arquiteturas emergentes de agentes podem traduzir ideias de pesquisa em sistemas de IA práticos. Olhando para o futuro, à medida que os recomendadores agentes se tornam mais autônomos e personalizados, novas questões surgem em torno da privacidade, transparência, avaliação, responsabilidade e o equilíbrio entre preferências dos usuários e impacto societal e ambiental. A palestra explora esses desafios abertos e oportunidades para construir sistemas de IA que sejam não apenas mais capazes, mas também mais responsáveis. Quem deve participar? A arquitetura subjacente dos sistemas de recomendação resolve um gargalo universal em IA para Ciência: como construir sistemas de agentes autônomos que negociem objetivos complexos e concorrentes em vez de otimizar para um único critério. Seja equilibrando eficácia terapêutica contra toxicidade em regimens de saúde, trocando desempenho mecânico contra impressões de carbono do ciclo de vida na descoberta de materiais, ou navegando em restrições ecológicas em modelagem de recursos geocientíficos, o desafio é idêntico. Os participantes sairão com fluxos de trabalho práticos para orquestrar consenso multi-agente, fundamentar agentes generativos em restrições de domínio estritas e projetar raciocínio transparente com o usuário no circuito. Se sua pesquisa exige fluxos de trabalho de IA que raciocinam através de trade-offs entre múltiplas partes interessadas, ética e sustentabilidade, esta sessão fornece um plano de ação aplicável em descobertas científicas e engenharia.