Ferramentas No-Code/Low-Code aplicadas ao desenvolvimento de inteligência artificial e de machine learning: uma revisão sistemática da literatura

RABELO, Jonas da Silva

Ferramentas No-Code/Low-Code aplicadas ao desenvolvimento de inteligência artificial e de machine learning: uma revisão sistemática da literatura

Arquivo(s)

TC_Artigo_FerramentasNocodeLowcode.pdf (582.25 KB)

Tipo de Documento

Trabalho de Curso - Graduação - Artigo

Data

27-02-2026

Autor(es)

RABELO, Jonas da Silva

Orientador(es)

TEIXEIRA, Otávio Noura

Coorientador(es)

MENDES, Ingrid Nery

Tipo de acesso

Acesso Aberto

Citar como

RABELO, Jonas da Silva. Ferramentas No-Code/Low-Code aplicadas ao desenvolvimento de inteligência artificial e de machine learning: uma revisão sistemática da literatura. Orientador: Otávio Noura Teixeira; Coorientadora: Ingrid Nery Mendes. 2026. [27] f. Trabalho de Curso (Bacharelado em Engenharia da Computação) – Faculdade de Engenharia da Computação, Campus Universitário de Tucuruí, Universidade Federal do Pará, Tucuruí, 2026. Disponível em: https://bdm.ufpa.br/handle/prefix/9333. Acesso em:.

Este trabalho apresenta uma Revisão Sistemática da Literatura sobre o uso de Ferramentas No-Code e Low-Code (LC/NC) no desenvolvimento de soluções de Inteligência Artificial e Machine Learning. O objetivo é mapear e analisar as plataformas utilizadas, identificando características, benefícios, limitações e tendências. A revisão seguiu as diretrizes de Kitchenham e considerou estudos publicados entre janeiro de 2020 e agosto de 2025 nas bases ACM Digital Library, IEEE Xplore, ScienceDirect, Scopus e SpringerLink. Após os critérios de inclusão e exclusão, 67 estudos foram selecionados. Os resultados mostram que as ferramentas LC/NC ampliam o acesso ao desenvolvimento de IA e ML, especialmente para usuários sem formação técnica avançada. Contudo, foram identificadas limitações relacionadas à flexibilidade, personalização e dependência de ecossistemas, além da predominância de estudos descritivos e de viabilidade.