Neste trabalho, o modelo de composição integrada de especialistas locais (CIEL), proposto por Scarpel (2006) para geração de modelos de previsão, é explorado para a metamodelagem de três funções determinísticas bivariadas (funções Bohachevsky, Ackley e composição de senoides), visando auxiliar o processo de otimização. A ideia básica é construir uma superfície de resposta utilizando um metamodelo composto por especialistas simples (funções lineares). Na construção dos metamodelos CIEL, variou-se de 2 até 5 o número de agrupamentos da composição de especialistas e foram utilizados diferentes números de amostras (50 e 150). O desempenho dos metamodelos CIEL foi comparado com o de metamodelos gerados a partir de 21 amostras pelo Processo Estocástico Gaussiano (GaSP), técnica muito utilizada e recomendada na literatura sobre otimização baseada em metamodelagem. O metamodelo CIEL apresentou bom desempenho para indicar a região de ótimo das funções, exceto no caso da função composição de senoides com base em 50 amostras, em que se obteve desempenho apenas regular. Apesar disso, os metamodelos CIEL, de forma geral, não foram adequados à representação das funções. No caso da função Bohachevsky, o modelo GaSP se mostrou claramente superior, Quanto à função Ackley, os resultados obtidos com o GaSP e com o CIEL foram semelhantes. Em especial, ressalta-se o potencial do metamodelo CIEL em situações análogas à da função composição de senoides, que possui superfície bem ondulada, com diversos ótimos locais. Apesar de esta função possuir forma complexa e de difícil representação, o desempenho do metamodelo CIEL com 150 amostras foi nitidamente melhor que o GaSP, ao indicar o ótimo.