42380343

Esta é uma pré-visualização de arquivo. Entre para ver o arquivo original

Conteudista: Prof. Dr. Luciano Rossi
Revisão Textual: Prof.ª M.ª Sandra Regina Fonseca Moreira
 
Objetivos da Unidade:
Apresentar ao(à) aluno(a) uma visão crítica sobre a utilização da inteligência
artificial na economia;
Discutir os impactos da tecnologia na indústria, na agricultura e no comércio,
focando na otimização de processos e suas implicações sociais;
Analisar as principais inovações, baseadas em inteligência artificial, aplicadas à
gestão.
˨ Material Teórico
˨ Material Complementar
˨ Referências
Aplicações da Inteligência Artificial na
Economia
A Indústria 4.0
Caro(a) estudante, anteriormente foram discutidos alguns aspectos importantes a partir das
aplicações de inteligência artificial. Vimos que, a partir da evolução da indústria, a sociedade
sofreu impactos significativos. O surgimento de meios de produção, que apresentavam algum
nível de tecnologia embarcada, resultou em aumento de produtividade, redução dos custos de
produção e melhoria na qualidade dos produtos.
Os avanços, que culminaram no contexto atual, ocorreram de forma gradual e, atualmente, é
possível pontuar alguns marcos desse desenvolvimento. O que conhecemos como “Revolução
Industrial” é definida, por especialistas, como resultado de três momentos distintos. O primeiro
momento tem como marco inicial o desenvolvimento de teares mecânicos (1780). Esse aparato
era movido por motores a vapor e possibilitou a centralização dos processos produtivos, o que
dá origem ao que chamamos de fábrica.
1 / 3
˨ Material Teórico
Leitura 
Revolução Industrial 
Conheça os detalhes históricos a respeito da Revolução Industrial a
seguir. 
Clique no botão para conferir o conteúdo.
ACESSE
O segundo momento marcante dessa evolução ocorreu 100 anos depois do surgimento do tear
mecânico. O engenheiro mecânico norte-americano Henry Ford foi o primeiro a considerar uma
linha de produção seriada para a produção em massa de veículos automotores. O Ford T foi o
primeiro modelo produzido nesse conceito, o que resultou em um novo conceito de produção,
conhecido como “fordismo”, e que tornou Henry Ford um dos homens mais ricos de todo o
mundo.
A indústria automobilística foi também responsável pelo terceiro marco da revolução industrial.
No final da década de 1960, a General Motors desenvolveu uma alternativa à tecnologia para
automação utilizada na época. Tratava-se do controlador lógico programável (CLP), um aparato
eletrônico composto por hardware e software que possibilitava o controle e o monitoramento de
máquinas, de forma individual, até linhas de produção inteiras.
Atualmente, os processos produtivos continuam evoluindo a partir de novas tecnologias
emergentes. Desse modo, estamos vivenciando a transformação ao mesmo tempo em que
tentamos compreendê-la. Esse novo marco evolutivo é denominado Indústria 4.0, e está
baseado em tecnologias que utilizam a expansão da Internet e a inteligência artificial.
A Internet das coisas (IoT) é o resultado da aplicação de diferentes tecnologias que possibilitam a
integração e a interação de diferentes objetos à Internet. Nesse contexto, além de computadores,
smartphones e outros assemelhados, pode-se integrar à Internet objetos como sensores,
atuadores e outros tipos de equipamentos, desde que contenham com um endereço IP para sua
identificação na rede. Além disso, o desenvolvimento de objetos inteligentes completa o cenário
para a automatização industrial em um nível nunca visto.
https://www.historiadomundo.com.br/idade-moderna/revolucao-industrial.htm
A Figura 1 apresenta os quatro marcos da evolução da indústria com as respectivas
características de cada momento histórico.
Figura 1 – Os marcos da Revolução Industrial e suas
principais características
A Indústria 4.0 é o resultado da utilização de sistemas inteligentes e altamente integrados que
possibilitam a autogestão dos processos, a customização de produtos e a manutenção dos
benefícios da produção em massa. Os sistemas Ciber-físicos constituem um importante
diferencial na nova dinâmica da produção industrial e são definidos a partir de três
características principais dos equipamentos que os compõem:
Representação virtual;
Conexão por meio da IoT;
Comunicação em tempo real.
Clique no botão para conferir o conteúdo.
ACESSE
As perspectivas relativas à Indústria 4.0 ainda são temas de estudos por parte de especialistas.
Isso ocorre por conta de o tema ser muito recente, a primeira menção foi feita em 2011 na
Alemanha. Porém, já é possível relacionar alguns conceitos importantes, descritos a seguir:
Leitura 
Indústria 4.0: Entenda seus Conceitos e Fundamentos  
Para aprofundar seus conhecimentos a respeito da Indústria 4.0 acesse
o Portal da Indústria, disponível a seguir. 
Operação em tempo real: devido à conectividade, os dados referentes aos processos
integrados podem ser obtidos e tratados de forma, praticamente, instantânea. Desse
modo, os eventos ligados ao processo podem ser identificados e as decisões podem
ser tomadas em tempo real;
Virtualização: o parque fabril, bem como outros ambientes de interesse, pode ser
monitorado a partir de representações virtuais. Esse monitoramento é possibilitado
por meio da utilização de sensores que mapeiam pontos críticos de controle em todo
o processo;
Descentralização: cada componente ou módulo do processo de fabricação pode
receber comandos e fornecer informações a respeito do andamento do processo, o
que possibilita que haja uma independência operacional, resultando no
aprimoramento do processo como um todo;
https://www.portaldaindustria.com.br/industria-de-a-z/industria-4-0/
Além dos conceitos inerentes à Indústria 4.0, há um conjunto de elementos que são
considerados como pilares, os quais são descritos a seguir:
Orientação a serviços: possibilita a implementação de um conjunto de ferramentas
de software cuja arquitetura é orientada a serviços;
Modularidade: com a descentralização e a independência modular, é possível o
ajustamento automático da organização modular de modo que produtos
customizados sejam produzidos sem a perda de características de produção em
massa.
Big Data e ciência de dados: o nível de automatização de processos produtivos,
observado na Indústria 4.0, resulta na produção de um grande volume de dados.
Esses dados se adequam às características descritas a partir de conceito de Big Data,
os quais demandam técnicas apropriadas para sua análise;
Robôs autônomos: a utilização de robôs em linhas de produção não é uma novidade.
Porém, na Indústria 4.0, os robôs têm novas capacidades, não limitando-se a tarefas
puramente repetitivas. Além disso, há uma integração maior entre robôs e
humanos, com maior nível de segurança;
Simulação: a disponibilização de informações sobre o processo produtivo, em
tempo real, possibilita a realização de simulações que podem ser úteis para a
testagem de diferentes parametrizações a partir de modelos virtuais;
Integração de sistemas: além da possibilidade de integração de diferentes sistemas
no contexto interno da organização, a Indústria 4.0 prevê a integração com redes
externas, o que elevará o nível de automação;
Internet das coisas industrial: trata-se da conexão de máquinas, equipamentos,
computadores e outros artefatos presentes no processo de produção, de modo a
possibilitar a obtenção de respostas em tempo real;
Segurança: a interconectividade em diferentes contextos do processo fabril
demandará uma atenção especial quanto a critérios de segurança da informação,
A Indústria 4.0 já é uma realidade em diferentes países. No Brasil, a grande maioria das
indústrias não enquadram suas operações nos conceitos considerados pela Indústria 4.0. Nesse
cenário, o setor produtivo que mais avançou, nos últimos anos, foi a indústria automotiva.
Os principais desafios para a implantação da Indústria 4.0 no Brasil, de forma ampla, foram
listados pela FIRJAN (Federação das Indústrias do Estado do Rio de Janeiro) como sendo:
resultando em um ambiente propício
para o desenvolvimento de novas soluções
nesta área;
Nuvem: a utilização de serviços de computação em nuvem não é uma novidade para
grande parte das empresas. No entanto, no contexto da Indústria 4.0, a demanda por
esse tipo de serviço aumentará;
Fabricação de aditivos: com a descentralização dos processos produtivos e a
interconexão entre eles, a necessidade de estoques será reduzida por conta da
utilização de tecnologias emergentes como, por exemplo, impressoras 3D;
Realidade aumentada: essa tecnologia pode auxiliar na operação dos processos
produtivos, no treinamento de mão de obra, na manutenção de máquinas e
equipamentos e na parametrização de processos customizados.
Criação de um programa nacional de manufatura avançada;
Realização de acordos de cooperação internacional;
Criação de uma rede de ambientes de testes e demonstrações (testbed);
Criação de linhas de fomento;
Engajamento de empresas de pequeno e médio portes.
A Agricultura como Importante Consumidor de
Tecnologia
As aplicações de soluções baseadas em inteligência artificial são possíveis de serem observadas
em diferentes setores. Um setor em particular, que é consumidor voraz de tecnologia, é o
agronegócio. A forma como os processos agropecuários evoluíram é muito impressionante.
Máquinas realizam a semeadura ou a colheita da safra, orientadas por satélite. As características
climáticas e da terra são mapeadas a partir de sensores distribuídos por toda a área de plantio.
Como resultado dos avanços tecnológicos sobre os processos na agricultura e pecuária podemos
destacar a produtividade e a qualidade dos produtos.
Considerando, mais especificamente, as aplicações em inteligência artificial, é possível observar
que, além de produtividade e qualidade, o setor agropecuário pode operar de maneira mais
sustentável, reduzindo os impactos ao meio ambiente, por exemplo, pela redução do uso de
agrotóxicos.
Devido às características dos processos envolvidos na produção agropecuária e também do
contexto produtivo, o gerenciamento desses processos é difícil de ser realizado sem a ajuda da
tecnologia. Nesse contexto, a utilização de sistemas inteligentes, de aparatos de
monitoramento, de veículos autônomos, dentre outras possibilidades tecnológicas, faz com que
o agronegócio no Brasil seja um dos principais consumidores de tecnologia.
Leitura 
Agricultura 4.0: Conceito, Tecnologias, Vantagens e Desafios  
Analogamente ao conceito da Indústria 4.0, o emprego da tecnologia
no campo é conhecido como Agricultura 4.0. Conheça mais a seguir. 
Clique no botão para conferir o conteúdo.
ACESSE
Os grandes produtores agrícolas contam, atualmente, com o auxílio de drones para o
monitoramento das lavouras. Os drones possibilitam que imagens sejam utilizadas, em tempo
real, para a identificação de eventuais problemas e para a atuação imediata neles. Além disso, o
produtor rural conta com uma série de sensores que monitoram diferentes aspectos da lavoura,
como umidade, temperatura, presença de pragas, entre outros. 
Nesse sentido, é possível utilizar aplicativos que mapeiam a plantação e indicam a necessidade
de utilização de defensivos agrícolas, de forma pontual e localizada, minimizando, assim, o
impacto ao meio ambiente e aos custos. 
O monitoramento tecnológico produz uma infinidade de dados sobre as operações. Com a
utilização de técnicas de aprendizado de máquina é possível a identificação de padrões nesses
dados que vão indicar, por exemplo, a presença ou ausência de nutrientes em determinadas
áreas da plantação, possibilitando que haja uma correção, antes mesmo dos efeitos serem
observados.
https://www.totvs.com/blog/gestao-agricola/agricultura-4-0/
Figura 2 – Cabine de comando de uma colheitadeira 
Fonte: sanjuan.edu
O clima é outro fator de impacto na produtividade no campo. Se não é possível controlar o clima,
é importante que previsões mais assertivas e precoces sejam disponibilizadas, de modo a
permitir alguma intervenção que amenize o impacto à lavoura. Nesse contexto, o produtor rural
tem acesso a previsões climáticas mais pontuais, e não apenas da região na qual está inserido. É
possível prever com alto grau de exatidão a temperatura, vento, chuva, geada, seca, enfim,
qualquer evento climático que impactará a plantação. De posse dessas informações, é possível
realizar um reforço na irrigação ou na utilização de fertilizantes, por exemplo.
Um grande trunfo ao produtor rural é a possibilidade de utilizar veículos que baseiam sua
operação com algum grau de inteligência artificial. A tecnologia para a utilização de veículos
autônomos no campo já existe e a inteligência artificial deverá elevar essa capacidade a outros
níveis. Além da precisão nas operações, é possível ao veículo autônomo identificar eventos e
reagir a eles. Por exemplo, um trator autônomo pode identificar a presença de chuva forte e
mudar a rota de operação de modo a evitar possíveis riscos, tanto para o equipamento quanto
para a lavoura. Nessa mesma linha, é possível, para um veículo autônomo, a utilização de dados
históricos para a dosagem precisa de, por exemplo, defensivos agrícolas. Outra possibilidade é a
identificação de maturidade para colheita de frutos, mesmo que estejam em um mesmo pé.
O ambiente rural é cercado por muitas variáveis que impactam, diretamente, no contexto
produtivo. Exatamente por isso é que esse ambiente é um terreno fértil para a utilização de
tecnologia e aplicações em inteligência artificial. A utilização de grandes bancos de dados, a
necessidade de poder de processamento, o consumo de sensores dos mais variados tipos, a
utilização de veículos autônomos, a necessidade de predições assertivas são características que
tornam a produção agrícola um potencial consumidor de tecnologia, elevando a gestão no
campo a um nível de automatização, por vezes, superior ao observado em outros contextos.
Outro argumento para o uso da inteligência artificial no campo é a necessidade de aumento de
produção. A população mundial vem crescendo ano após ano e a produção de alimentos deve
acompanhar esse crescimento. Uma forma de aumentar a produtividade é tornar as terras
agrícolas mais produtivas, sem degradar o solo a longo prazo. Nesse sentido, a inteligência
artificial pode fornecer os meios para que essa produtividade seja alcançada e para que os danos
ao meio ambiente sejam minimizados.
Comércio Eletrônico
O comércio eletrônico é um resultado direto da evolução tecnológica. A possibilidade de se fazer
a aquisição de bens de forma remota é um atrativo adicional para o consumo. Além da questão do
conforto, a compra via Internet possibilita o acesso a produtos que, no contexto analógico, talvez
não pudessem ser acessados. Uma navegação despretensiosa pela Internet pode resultar em uma
avalanche publicitária, na qual produtos que foram escolhidos a partir de suas preferências,
mesmo que não declaradas explicitamente, lhes são apresentados. Nesse contexto, a
inteligência artificial tem sido utilizada para tornar os processos mais assertivos e impactantes
ao consumidor virtual. Assim, vamos discutir de que modo a inteligência artificial vem sendo
utilizada na área do comércio eletrônico.
Uma aplicação muito conhecida da inteligência artificial são os sistemas de recomendação. Esse
tipo de sistema é muito utilizado em serviços de streaming dos mais variados tipos. Um sistema
de recomendação utiliza dados do usuário para mapear seu perfil e realizar recomendação de
conteúdos mais relevantes para aquele usuário em particular. Quem vive com outras pessoas e é
assinante de algum serviço de streaming pode perceber que cada pessoa tem um conjunto de
recomendações diferente. Quando você acessa o serviço com suas credenciais, o sistema
reconhece seu perfil e apresenta uma tela totalmente personalizada, ou seja, os itens
apresentados são escolhidos de acordo com seu perfil de usuário.
No contexto do comércio eletrônico, os sistemas de recomendação são utilizados para a criação
de vitrines virtuais. O mecanismo é o mesmo, de acordo com a análise do seu perfil de consumo
é possível, para o sistema, configurar uma vitrine que apresente produtos com maior
probabilidade de lhes serem atraentes. Além disso, é possível que seu perfil seja atualizado em
tempo real. A partir das escolhas que você faça na plataforma de compra, o sistema de
recomendação vai atualizando seu perfil e apresenta produtos que façam mais sentido naquela
navegação.
Note que toda dinâmica de mapeamento de perfil e seleção de produtos para a vitrine é feita de
forma automática, sem nenhuma atuação por parte de pessoas. Assim, as vitrines de
recomendação são autônomas, característica que é resultado da aplicação de técnicas da
inteligência artificial.
Os sistemas de recomendação apresentam itens que possam ser mais atrativos para as pessoas,
de forma personalizada. Porém, é possível que estejamos procurando por algo que não tenha
sido identificado por um sistema de recomendação. Nesse sentido, os mecanismos de busca têm
um papel importante. Todos que utilizam a Internet com certa frequência estão familiarizados
com os buscadores. Utilizamos os buscadores de diferentes formas para encontrar algo de
interesse. Esse tipo de busca é também considerado no contexto do comércio eletrônico e
impactado pela inteligência artificial.
A inteligência artificial é utilizada nos mecanismos de busca de modo a incrementar seu poder.
Existem diferentes características que são implementadas na chamada busca inteligente.
Podemos citar a velocidade com a qual as respostas são obtidas. Em um ambiente de compras
virtuais, quando começamos a digitar o nome de um item de interesse, quase instantaneamente
as sugestões vão sendo apresentadas ao usuário.
Mesmo quando a palavra que estamos utilizando na busca é grafada de maneira errada, o
mecanismo de busca inteligente é capaz de inferir a palavra correta por meio de similaridade
fonética. Essa capacidade dos mecanismos de busca inteligentes é baseada na semelhança que
existe entre os sons das letras, retornando os itens corretos mesmo que o nome para busca
tenha sido digitado incorretamente.
O nosso comportamento nas plataformas de compras também é utilizado para melhorar o
processo de busca inteligente. Quando clicamos ou visitamos um produto com uma cor
específica, essa informação fica armazenada. Se em um outro momento realizarmos uma busca
por aquele item específico, o buscador irá oferecer primeiro os itens que tenham a cor que
especificamos por meio da navegação anterior, essa característica é chamada de busca
comportamental.
Não somente através de texto é possível realizar buscas por produtos. Uma área muito
desenvolvida da inteligência artificial é o processamento de linguagem natural (PLN). Além de
várias aplicações populares, o PLN permite que as buscas sejam realizadas a partir da fala do
usuário, facilitando, por exemplo, a busca por itens com nomes estrangeiros ou difíceis de
serem escritos.
Clique no botão para conferir o conteúdo.
ACESSE
Leitura 
Introdução ao Processamento de Linguagem Natural usando Python  
Para aprofundar seus conhecimentos sobre o Processamento de
Linguagem Natural e suas aplicações, leia o artigo a seguir. 
http://www.facom.ufu.br/~wendelmelo/terceiros/tutorial_nltk.pdf
Na mesma linha do PLN, outra área muito importante na inteligência artificial é a busca por
imagem. Neste caso, ao invés de um texto ou uma fala, a busca se baseia em uma imagem de um
produto para o qual queremos encontrar itens similares. Há, ainda, a possibilidade de se tirar
uma fotografia de um produto e realizar a busca a partir dela.
O processo de realizar aquisições via Internet possui diferentes etapas. Pode ser que o comprador
queira obter mais informações a respeito do produto, antes de finalizar sua compra. Ou ainda,
pode querer fazer uma reclamação após receber o seu pedido. Para atender a esses tipos de
demanda, as plataformas de compras, comumente, disponibilizavam um canal de comunicação,
via telefone ou por chat. Os serviços de telemarketing, que abrangem o nosso exemplo, sempre
foram grandes empregadores, sendo responsáveis por absorver um tipo de mão de obra que não
tem muita experiência de mercado.
O atendimento via chatbot é uma aplicação baseada em diferentes áreas da inteligência artificial,
como, por exemplo, o PNL e Aprendizagem de Máquina. Esse tipo de serviço é disponibilizado no
próprio portal de compras e possibilita ao comprador interagir com um programa que analisa as
questões e produz as melhores respostas. Desse modo, o atendimento é agilizado, pois grande
parte das questões dos consumidores são semelhantes entre si e, para aquelas que são mais
difíceis de serem respondidas, o chatbot pode iniciar o atendimento e, posteriormente,
direcionar para um atendente humano. Importante notar que, atualmente, há serviços de
chatbot nos quais as pessoas literalmente conversam com a máquina.
Os serviços de chatbot, além de agilizar o atendimento ao usuário, são responsáveis pela efetiva
realização de negócios, por sanarem dúvidas que poderiam impactar na decisão de compra. Além
disso, com o constante avanço tecnológico, principalmente na área da inteligência artificial, o
atendimento via chatbot é altamente personalizado, o que potencializa a satisfação do
consumidor.
Quando um usuário de uma plataforma de compras online desiste da aquisição após ter
selecionado alguns produtos para o seu carrinho de compras virtual, a inteligência artificial não
permite que essas informações sejam perdidas. Considerando o perfil do comprador em
associação com os itens que foram escolhidos em uma compra não finalizada é possível
identificar outros produtos que tenham potencial de agradar ao comprador, e encaminhar esses
itens via e-mail. Desse modo, dois conceitos são possíveis de serem destacados: a
automatização da operação e a personalização do conteúdo do e-mail, de modo que uma nova
transação seja concretizada.
Aplicações de IA em Gestão
A área da gestão empresarial é uma das mais impactadas pelos avanços tecnológicos.
Principalmente a partir do surgimento dos sistemas de gestão integrados. Os sistemas de gestão
são responsáveis por fornecer suporte aos diferentes processos de negócios. Esse tipo de
sistema é responsável por garantir mais agilidade e assertividade aos processos gerenciados.
Existem categorias que classificam os sistemas de gestão integrados. Os sistemas do tipo ERP
(Enterprise Resource Planning), sigla para planejamento de recursos empresariais, cuida de todos
os processos internos da organização. Processos financeiros, de recursos humanos,
produtivos, fiscais, dentre outros, são gerenciados de forma integrada por sistemas deste tipo. É
importante destacar a integração observada nesses sistemas, por exemplo, um único banco de
dados é utilizado por diferentes módulos do sistema. Essa integração resulta em menor risco de
perda de integridade dos dados e atualizações mais assertivas.
Outra categoria de sistemas integrados são os chamados CRM’s (Customer Relationship
Management), sigla para gerenciamento do relacionamento com o cliente, que são responsáveis
pelos processos que envolvem diretamente o cliente. O objetivo desse tipo de sistema é
centralizar as ações de vendas, marketing e pós-vendas, de modo a manter o foco na experiência
do cliente, criando fidelidade e fornecendo informações para ações estratégicas da organização.
Finalmente, os sistemas conhecidos por SCM (Supply Chain Management), sigla para
gerenciamento da cadeia de suprimentos, são responsáveis pelo gerenciamento dos processos
logísticos. O SCM é responsável por gerenciar os insumos, matérias primas, componentes e
demais itens consumidos no processo produtivo. Além disso, o SCM promove a coordenação e a
colaboração de todos os envolvidos no processo, inclusive agentes externos.
Com a popularização dos sistemas de gestão integrados, os processos de negócio atingiram um
alto nível de automatização.
Desse modo, a produção de dados a respeito dos processos
organizacionais também aumentou de maneira importante. Não demorou para que os gestores
percebessem que havia muita oportunidade de aprendizado naqueles conjuntos de dados.
Assim, surge o conceito de BI (Business Intelligence), sigla para inteligência de negócio, que trata
da transformação de dados brutos em informações que podem basear a tomada de decisão
estratégica e nortear as ações cotidianas.
Veja na Figura 3 as relações entre os sistemas integrados e a produção de conhecimento por
meio da análise de dados.
Figura 3 – Relação entre os sistemas integrados e produção
de conhecimento por meio da análise de dados
A economia digital é responsável por uma fatia importante do PIB de países desenvolvidos e em
desenvolvimento. Estima-se que na América Latina essa fatia seja superior a 50%. Nesse
contexto, as organizações investem cada vez mais em tecnologia da informação. Mais
especificamente, os investimentos das organizações focam nos pilares da Terceira Plataforma,
que incluem mobilidade, nuvem, big data e mídias sociais.
Com o investimento crescente, as organizações têm seus modelos de negócios transformados.
Essa transformação passa pelo surgimento de modelos mais integrados, conectados,
inteligentes e focados em serviço. A integração e a conectividade tendem a dissipar as fronteiras
entre os processos que compõem a cadeia de valor nas organizações. A inteligência desses
modelos está ligada à captação das informações e à delegação de decisões para sistemas on-line
equipados com algoritmos de inteligência artificial.
Não há muito espaço para questionamento sobre o impacto que a inteligência artificial gerará
nas organizações. Parece haver um consenso a esse respeito. A grande dúvida está ligada à
sobrevivência da organização a partir da ruptura que a inteligência artificial promoverá. Nesse
sentido, especialistas indicam três elementos importantes para o momento de transição, são
eles:
O trabalho colaborativo envolve a criação de equipes multidisciplinares que são responsáveis por
alinhar as estratégias da organização, definir processos, políticas e padrões e estabelecer
parcerias tecnológicas. A implantação de uma cultura data-driven prevê a substituição da
intuição ou da experiência pessoal pela utilização de dados na tomada de decisão. Além disso,
devido ao dinamismo do contexto atual, as organizações devem ser capazes de se moldarem, de
forma rápida, às demandas que surgem. Nesses casos, a adaptação é um fator primordial para a
perpetuação das organizações.
A evolução tecnológica, principalmente aquelas decorrentes da inteligência artificial, impactam
fortemente nas profissões, as quais podem ser substituídas por algoritmos de computador. No
contexto corporativo, foi criado um método para classificar as ocupações em função do seu
respectivo grau de suscetibilidade à tecnologia.
O trabalho colaborativo;
A cultura data-driven;
Estrutura organizacional ágil e flexível.
O método descreve que as profissões que ainda têm menor probabilidade de serem substituídas
são aquelas ligadas às tarefas de percepção e manipulação, de criatividade e de inteligência
social. Apesar dos avanços no campo da Visão Computacional, as máquinas não se igualam aos
seres humanos quando se necessita de percepções mais complexas. A criatividade é outra
característica humana difícil de ser copiada por um computador. Finalmente, o que chamamos
de inteligência social, é uma capacidade inerentemente humana. Assim, tarefas que envolvem
negociação, persuasão e cuidado são difíceis de serem realizadas por computadores.
Parece razoável que as ocupações no futuro serão exercidas combinando as características
essencialmente humanas com um alto grau de tecnologia. Essa combinação necessita do
desenvolvimento das habilidades conhecidas como soft, juntamente com o aprendizado de
habilidades hard. De todo modo, há uma valorização das competências humanas, as quais são
descritas por estudiosos como: criatividade, colaboração, transparência, compartilhamento,
mindfulness, inteligência emocional, capacidade de experimentação, empatia e espírito
empreendedor. Essas características não são possíveis, até o presente momento, de serem
reproduzidas por máquinas. Assim, os profissionais do futuro serão aqueles que tenham essas
características e que saibam lidar bem com os avanços tecnológicos.
Além dos impactos gerados pela automatização de tarefas, existem outros desdobramentos, no
campo da inteligência artificial, que impactam a gestão das organizações. Considerando
somente o contexto interno, as organizações hoje têm disponível um grande volume de dados a
respeito de seus próprios processos organizacionais, que são resultado da utilização dos
sistemas de gestão integrados.
Os dados armazenados pelas organizações podem ser utilizados para muitas aplicações. Em um
nível mais superficial, os dados, depois de estruturados, padronizados e normalizados, são
utilizados para a representação do momento atual da organização, por meio de dashboards.
Os dashboards são conjuntos de representações gráficas que descrevem o comportamento da
organização em diferentes setores. Cada representação em um dashboard, comumente descreve
a evolução de um indicador chave de desempenho (KPI – Key Performance Indicator). Assim, os
desempenhos, individuais e coletivos, podem ser acompanhados, muitas vezes em tempo real,
de modo que seja possível aos gestores realizar correções de rota quando se observa um
distanciamento da meta estabelecida.
A partir dos dados organizacionais, é possível também a aplicação de tarefas de aprendizado de
máquina, que é uma das áreas da inteligência artificial. Nesse contexto, é possível considerar
dois tipos de aprendizado: o supervisionado e o não supervisionado. O primeiro considera
tarefas cujo objetivo é a obtenção de modelos, ou funções, preditivos. Esses modelos são
treinados para capturar um determinado padrão a partir dos dados. Esse padrão pode ser
considerado para predizer alguma característica desconhecida em um novo registro.
Por exemplo, é possível predizer o impacto nas vendas de um produto a partir do número de
ações de marketing que são executadas. Além disso, outros fatores podem ser considerados de
modo a incrementar o poder de predição, como o meio de comunicação utilizado, período do
ano, eventos que ocorram pontualmente, dentre outros.
As tarefas associadas ao aprendizado não supervisionado são ligadas, principalmente, à
obtenção de agrupamentos ou clusters. Nesse caso, se busca identificar objetos de dados que
sejam similares entre si. A partir dessa identificação, é possível criar conjuntos homogêneos de
objetos de dados, o que pode ser útil para a definição de uma série de estratégias, por exemplo.
Seja qual for a técnica considerada para a extração de conhecimento relevante a partir do
conjunto de dados organizacional, o certo é que as organizações estão, cada dia mais, baseando
suas decisões operacionais, táticas ou estratégicas em análises robustas de dados. Desse modo,
o espaço para a tomada de decisão baseada em intuição ou percepção pessoal é cada vez menor,
o que pode resultar em decisões mais assertivas por parte das organizações.
Atualmente, as organizações, em diferentes áreas, perceberam que existem muitas outras
oportunidades de descoberta de conhecimento com a expansão da exploração de dados para
além das fronteiras físicas da organização. Os ambientes virtuais, como as redes sociais, são
terreno fértil para esse tipo de aplicação. Desse modo, a presença digital das organizações vem
aumentando de forma importante. Tornando as ações de marketing digital fundamentais para a
perpetuação da organização a partir de planejamentos estratégicos baseados no aprendizado
que os dados externos podem proporcionar, tanto sobre os próprios produtos e serviços, quanto
sobre o ambiente externo de forma ampla.
Indicações para saber mais sobre os assuntos abordados
nesta Unidade:
  Vídeos  
Indústria 4.0 – A Quarta Revolução Industrial
2 / 3
˨ Material Complementar
Industria 4.0 - A Quarta Revolução Industrial
https://www.youtube.com/watch?v=ulnv9U20SZ4
Agricultura 4.0: Como Robôs Podem Ajudar no Campo
Inteligência Artificial: O Futuro do Ecommerce é Agora
Agricultura 4.0: como robôs podem ajudar no campo
INTELIGÊNCIA ARTIFICIAL: O FUTURO DO ECOMMERCE É AGORA
https://www.youtube.com/watch?v=zDQiaLArg0M
https://www.youtube.com/watch?v=ktHVe3zA8Dw
Qual é o Valor que a Inteligência Artificial Pode Criar Para
Empresas e Sociedade?
Qual é o valor que a Inteligência Arti�cial pode criar para empresa…
https://www.youtube.com/watch?v=hLMMgp4WD4o
BROOKSHEAR, J. G. Ciência da Computação: uma visão abrangente. 11ª ed. Porto Alegre:
Bookman, 2013. (e-book)
COPPIN, B. Inteligência Artificial. Rio de Janeiro: LTC, 2010. (e-book)
FACELI, K. et al. Inteligência Artificial: uma abordagem de aprendizado de máquina. Rio de
Janeiro: LTC, 2011. (e-book)
GARCIA, L. R. Lei Geral de Proteção de Dados Pessoais (LGPD): Guia de implantação. São Paulo:
Blucher, 2020.
HAYKIN, S. Redes Neurais: princípios e prática. 2ª ed. Porto Alegre: Bookman, 2011. (e-book)
MARINHO, F. Os 10 Mandamentos da LGPD: como implementar a Lei Geral de Proteção de Dados
em 14 passos. 1ª ed. São Paulo: Atlas, 2020.
NEISSER, U. et al. Intelligence: knowns and unknowns. American psychologist, v. 51, n. 2, p. 77,
1996.
RUSSEL, S.; NORVIG, P. Inteligência Artificial. 3ª ed. Rio de Janeiro: Elsevier Editora Ltda, 2013.
SANCTIS, F. M. Inteligência Artificial e Direito. 1ª ed. São Paulo: Almedina, 2020.
3 / 3
˨ Referências
SANTOS, B. P. et al. Indústria 4.0: desafios e oportunidades. Revista Produção e
Desenvolvimento, v. 4, n. 1, p. 111-124, 2018.
SILVEIRA, C. B. Indústria 4.0: O que é, e como ela vai impactar o mundo. Citisystems, 2016.
Disponível em: . Acesso em: 26/02/2022.
WIKILIVROS. Prolog. Disponível em: . Acesso em
09/02/2020.