Geração sintética de diálogos profissionais usando modelos de linguagem e com a incorporação de histórico curricular e indicadores de performance.

Abstract

Avaliar atributos profissionais, como desempenho, produtividade e habilidade, a partir de interações textuais é um desafio central para organizações que operam em ambientes digitais. Contudo, a escassez de dados reais de comunicação corporativa, aliada a restrições de privacidade, limita o avanço de pesquisas nessa direção. Este trabalho propõe uma abordagem experimental para a construção e avaliação de um corpus sintético de conversas empresariais, gerado por modelos de linguagem de grande escala e condicionado a variáveis latentes ocupacionais extraídas de históricos de carreira reais. O método desenvolvido integra simulação estatística, formação de times por similaridade de trajetória profissional e engenharia estruturada de prompt, produzindo diálogos que refletem comportamentos associados a diferentes perfis, sem revelar explicitamente os atributos no texto. A avaliação combina validação estrutural, rubricas de qualidade e um protocolo de inferência inversa, no qual os modelos avaliadores tentam recuperar os atributos latentes apenas a partir da leitura das conversas. Os resultados demonstram que o cenário estruturado supera consistentemente a linha de base aleatória, confirmando que modelos de linguagem conseguem codificar e recuperar parcialmente sinais comportamentais em diálogos sintéticos. A análise revela, ainda, um viés sistemático em direção a avaliações positivas por parte dos inferidores e uma tensão entre a naturalidade do texto e a controlabilidade dos atributos, abrindo caminho para o aprimoramento de métodos de geração e avaliação de dados sintéticos corporativos.