As ferramentas de expertise location podem ser utilizadas amplamente na gestão do conhecimento para apoiar a identificação e o compartilhamento do conhecimento. porém, manter os dados dos colaboradores de uma organização atualizados nessas ferramentas pode ser desafiador. muitas vezes, os colaboradores precisam preencher as mesmas informações em diversos sistemas. como uma abordagem alternativa para simplificar esse processo de atualização dos dados, este trabalho propõe um modelo para a extração automática de perfis de especialistas a partir de seus documentos não estruturados. assim, realizou-se uma pesquisa aplicada e exploratória com base em uma revisão integrativa da literatura, a qual resultou na identificação das abordagens atuais para a extração de perfil de especialista que permitisse a construção desse modelo. a partir dessas abordagens, foram elaborados um modelo conceitual e um protótipo baseados em processamento de linguagem natural para a tarefa de extração de informações de perfil de especialistas que possam fornecer insumos para a identificação de seus conhecimentos e de suas áreas de interesse. a implementação do protótipo resultou também em uma ferramenta de código aberto. tal ferramenta é disponibilizada em um site público, em conjunto com o seu código-fonte, e gera uma página de perfil com o uso de componentes de tag cloud e timeline. com o intuito de verificar a viabilidade do modelo proposto, a partir de documentos de voluntários, foram executados testes comparando os perfis gerados pela ferramenta com os perfis presentes na rede social linkedin. os resultados dos testes demonstraram que o modelo proposto pode representar uma alternativa viável para a geração de perfis de especialistas de forma automática com o objetivo de apoiar as ferramentas de expertise location em uma organização. consequentemente, a adoção desse modelo pode reduzir a necessidade de atualizações constantes dos perfis de especialistas de forma manual.