Comparative Analysis of Single and Multi-Agent LLM Architectures for Domain-Specific Tasks in Well Constructiion

A indústria de óleo e gás, particularmente no domínio da construção de poços, enfrenta desafios significativos para extrair eficientemente conhecimento de vastos repositórios de dados técnicos não estruturados e semiestruturados. Esta dissertação avalia e compara a eficácia, a eficiência e a viabilidade prática de diferentes arquiteturas de Geração Aumentada por Recuperação (RAG), abrangendo desde pipelines não-agênticos até configurações de agente único e multiagente, para a resolução de desafios de recuperação de informação em domínios específicos. Adotando a metodologia de Design Science Research (DSR), este estudo foi conduzido através de dois ciclos experimentais distintos. O primeiro ciclo (2024) forneceu uma comparação fundamental, revelando que, embora uma arquitetura multiagente tenha alcançado 28% mais veracidade (truthfulness) em tarefas de Pergunta e Resposta (Q&A), seu custo operacional foi, em média, 3,7 vezes maior, e um sistema de agente único foi surpreendentemente mais eficaz para tarefas de Texto-para-SQL (Text-to-SQL). O segundo experimento, mais rigoroso (2025), introduziu workflows não agênticos como linha de base (baseline) e empregou uma metodologia de avaliação quantitativa e automatizada, utilizando um “LLM-como-juiz” (LLM-as-a-judge), para avaliar o desempenho com base em precisão, revocação (recall) e F1-score. Este segundo ciclo produziu uma descoberta crucial e contraintuitiva: uma arquitetura RAG não-agêntica, utilizando um roteador inteligente para selecionar a fonte de conhecimento apropriada, superou tanto os sistemas de agente único quanto os multiagentes. Este resultado levou à hipótese central do “déficit de conhecimento de domínio” (domain knowledge deficit), que postula que, em domínios técnicos altamente especializados onde o LLM carece de conhecimento profundo pré-treinado, as capacidades de raciocínio cíclico e reflexivo dos sistemas agênticos são menos eficazes do que um processo de recuperação otimizado e bem direcionado. A pesquisa conclui que, para aplicações industriais práticas, o foco arquitetônico deve estar na otimização dos mecanismos de recuperação e roteamento, em vez de recorrer a frameworks agênticos mais complexos e dispendiosos, fornecendo uma orientação clara e baseada em evidências para a adoção estratégica dessas tecnologias.