Inteligência Artificial e Liderança

Prévia do material em texto

Cezar Taurion e Lucas Silveira Kupssinskü
INTELIGÊNCIA ARTIFICIAL E 
LIDERANÇA: IMPACTOS NA 
GESTÃO
Cezar Taurion
Para a gente falar de inteligência artificial, nós 
temos que dar um pano de fundo. E esse pano 
de fundo, indiscutivelmente, é o cenário de 
negócio que nós estamos vivenciando hoje.
2
Conheça o livro da disciplina
CONHEÇA SEUS PROFESSORES 3
Conheça os professores da disciplina. 
EMENTA DA DISCIPLINA 4
Veja a descrição da ementa da disciplina. 
BIBLIOGRAFIA DA DISCIPLINA 5
Veja as referências principais de leitura da disciplina. 
O QUE COMPÕE O MAPA DA AULA? 6
Confira como funciona o mapa da aula.
MAPA DA AULA 7
Veja as principais ideias e ensinamentos vistos ao longo da aula.
RESUMO DA DISCIPLINA 48
Relembre os principais conceitos da disciplina. 
AVALIAÇÃO 49
Veja as informações sobre o teste da disciplina. 
3
Doutor em Computação Aplicada pela Unisinos. Trabalhou por nove 
anos com desenvolvimento de sistemas utilizando metodologias 
ágeis, nos quais exerceu os papéis de Desenvolvedor, Analista de 
Sistemas e Scrum Master. Foi professor em cursos de extensão, 
técnico, graduação (UFRGS e PUCRS) e Pós-Graduação Lato Sensu 
e Stricto Sensu em disciplinas de Computação e Aprendizado de 
Máquina. Atualmente, é professor do Programa de Pós-Graduação 
em Ciências da Computação da PUCRS (Capes 7). Seus principais 
interesses de pesquisa são Mineração de Dados, Aprendizado de 
Máquina e Aprendizado Profundo.
LUCAS SILVEIRA KUPSSINSKÜ 
Professor PUCRS
Sócio da KICK Ventures, César Taurion trabalha com o propósito 
de incentivar e promover o empreendedorismo para o próximo 
nível, especialmente nas economias emergentes, alavancando 
a cultura da inovação e parcerias de empreendimentos 
corporativos. Além disso, Taurion é VP de Estratégia e Inovação 
na Cia Técnica, mentor e investidor em startups, e ainda, 
exerceu cargos técnicos e executivos em empresas como Shell 
e Chase Manhattan Bank. Consultor com grande experiência, 
já foi diretor de Novas Tecnologias Aplicadas/Chief Evangelist 
da IBM Brasil, e sócio-diretor líder de IT Strategy na PwC, 
desenvolvendo diversos projetos de alta complexidade que 
transformaram o papel da TI e seu posicionamento profissional 
em grandes corporações. Como escritor, Taurion é autor de 
nove livros que abordam assuntos como Transformação Digital, 
Inovação, Big Data e Tecnologias Emergentes. É colunista da 
CIO Magazine e Computerworld Brasil. Também colabora com 
sites especializados, como TI Especialistas e iMasters, além 
de apresentar palestras sobre tecnologia da informação em 
eventos e conferências.
CEZAR TAURION
Professor Convidado
Conheça seus professores
4
Ementa da Disciplina
Introdução à Inteligência Artificial; IA como suporte a decisões; IA aplicada à 
gestão; Uso de recursos de IA no processo de gestão; Desafios técnicos, éticos, 
sociais e de governança; Estudos de caso.
5
Bibliografia da Disciplina
As publicações destacadas têm acesso gratuito. 
Bibliografia básica
KAUFMAN, Dora. Desmistificando a inteligência artificial. Grupo Autêntica, 2022. 
E-book. ISBN 9786559281596.
EYSENCK, Michael W.; EYSENCK, Christine. Inteligência artificial X humanos: o que a 
ciência cognitiva nos ensina ao colocar frente a frente a mente humana e a IA. [Digite 
o Local da Editora]: Grupo A, 2023. E-book. ISBN 9786558821106.
SILVA, Fabrício M.; LENZ, Maikon L.; FREITAS, Pedro H C.; et al. Inteligência artificial. 
Grupo A, 2018. E-book. ISBN 9788595029392.
Bibliografia complementar
Nestor Maslej, Loredana Fattorini, Erik Brynjolfsson, John Etchemendy, Katrina Ligett, 
Terah Lyons, James Manyika, Helen Ngo, Juan Carlos Niebles, Vanessa Parli, Yoav 
Shoham, Russell Wald, Jack Clark, and Raymond Perrault, “The AI Index 2023 Annual 
Report,” AI Index Steering Committee, Institute for Human-Centered AI, Stanford 
University, Stanford, CA, April 2023. 
Coursera Global Skills Report 2023.
https://integrada.minhabiblioteca.com.br/#/books/9786559281596/
https://integrada.minhabiblioteca.com.br/#/books/9786559281596/
https://integrada.minhabiblioteca.com.br/#/books/9786558821106/
https://integrada.minhabiblioteca.com.br/#/books/9786558821106/
https://integrada.minhabiblioteca.com.br/#/books/9786558821106/
https://integrada.minhabiblioteca.com.br/#/books/9788595029392/
https://integrada.minhabiblioteca.com.br/#/books/9788595029392/
https://aiindex.stanford.edu/wp-content/uploads/2023/04/HAI_AI-Index-Report_2023.pdf
https://aiindex.stanford.edu/wp-content/uploads/2023/04/HAI_AI-Index-Report_2023.pdf
https://aiindex.stanford.edu/wp-content/uploads/2023/04/HAI_AI-Index-Report_2023.pdf
https://aiindex.stanford.edu/wp-content/uploads/2023/04/HAI_AI-Index-Report_2023.pdf
https://aiindex.stanford.edu/wp-content/uploads/2023/04/HAI_AI-Index-Report_2023.pdf
https://www.coursera.org/skills-reports/global
6
O que compõe o 
Mapa da Aula?
MAPA DA AULA
São os capítulos da aula, demarcam 
momentos importantes da disciplina, 
servindo como o norte para o seu 
aprendizado.
Frases dos professores que resumem 
sua visão sobre um assunto ou situação. 
DESTAQUES
Conteúdos essenciais sem os quais você 
pode ter dificuldade em compreender a 
matéria. Especialmente importante para 
alunos de outras áreas, ou que precisam 
relembrar assuntos e conceitos. Se você 
estiver por dentro dos conceitos básicos 
dessa disciplina, pode tranquilamente 
pular os fundamentos.
FUNDAMENTOS
Questões objetivas que buscam 
reforçar pontos centrais da disciplina, 
aproximando você do conteúdo de 
forma prática e exercitando a reflexão 
sobre os temas discutidos. Na versão 
online, você pode clicar nas alternativas.
EXERCÍCIOS DE FIXAÇÃO
Fatos e informações que dizem 
respeito a conteúdos da disciplina.
CURIOSIDADES
Conceituação de termos técnicos, 
expressões, siglas e palavras específicas 
do campo da disciplina citados durante 
a videoaula. 
PALAVRAS-CHAVE
Assista novamente aos conteúdos 
expostos pelos professores em vídeo. 
Aqui você também poderá encontrar 
vídeos mencionados em sala de aula. 
VÍDEOS
Inserções de conteúdos para tornar 
a sua experiência mais agradável e 
significar o conhecimento da aula. 
ENTRETENIMENTO
Apresentação de figuras públicas 
e profissionais de referência 
mencionados pelo(a) professor(a).
PERSONALIDADES
Neste item, você relembra o case 
analisado em aula pelo professor. 
CASE
A jornada de aprendizagem não 
termina ao fim de uma disciplina. Ela 
segue até onde a sua curiosidade 
alcança. Aqui você encontra uma lista 
de indicações de leitura. São artigos e 
livros sobre temas abordados em aula. 
LEITURAS INDICADAS
Aqui você encontra a descrição detalhada 
da dinâmica realizada pelo professor. 
MOMENTO DINÂMICA
7
Mapa da Aula
Os tempos marcam os principais momentos das videoaulas.
AULA 1 • PARTE 1
07:23
CURIOSIDADE
A IBM - International Business Machines 
Corporation é uma empresa dos Estados 
Unidos especializada em informática, com 
uma história contínua desde o século XIX. 
Ela fabrica e vende hardware e software, 
além de oferecer serviços de infraestrutura, 
hospedagem e consultoria, abrangendo 
desde grandes computadores até 
nanotecnologia.
IBM 
A pesquisa da IBM em IA começou 
nos anos 1950 e inclui marcos como o 
supercomputador Deep Blue derrotando 
Garry Kasparov no xadrez e o IBM Watson 
vencendo no Jeopardy! em 2011. O Watson, 
que respondeu perguntas complexas em 
segundos, gerou interesse sobre IA e suas 
aplicações nos negócios. Hoje, clientes 
de diversos setores utilizam o Watson 
para obter novos insights, aumentar a 
produtividade e melhorar a experiência 
do cliente. Para entender mais sobre esse 
projeto clique aqui.
Projeto Watson
CASE
07:41
07:41‘‘Para a gente falar de inteligência 
artificial, nós temos que dar um pano 
de fundo. E esse pano de fundo, 
indiscutivelmente, é o cenário de negócio 
que nós estamos vivenciando hoje.
’’
 
O ambiente vivenciado no cenário de 
negócios atualmente é imerso na tecnologia. 
Além deste cenário, a tecnologia também 
estátomarem decisões, uma 
das questões essenciais é garantir 
que as suas iniciativas de IA sejam 
debaixo desse guarda-chuva que 
chamamos de Responsible AI.
’’
 
31:15 ‘‘Nós temos que começar a 
lidar com essa tecnologia no nosso 
dia a dia. A inteligência artificial, 
como a tecnologia digital, vai fazer 
parte do nosso dia a dia. Já está 
fazendo parte!
’’
37
AULA 3 • PARTE 1
O professor Lucas inicia a aula com uma 
lembrança de sua infância, quando visitava 
a locadora Dika de Vídeo, que oferecia 
um atendimento personalizado. O dono 
da locadora conhecia os clientes pelo 
nome, sabia detalhes de suas vidas e fazia 
recomendações baseadas nos gostos 
individuais de cada um. Lucas utiliza 
esse exemplo para introduzir a discussão 
sobre a personalização no atendimento, 
destacando que esse modelo não pode ser 
escalado facilmente devido à necessidade 
de conhecimento pessoal dos clientes.
Ele questiona como manter a 
personalização enquanto se aumenta a 
escala. A resposta, segundo ele, está nos 
dados. Com a coleta e o processamento 
de dados, é possível criar um histórico 
de consumo dos clientes, entender seus 
desejos e criar recomendações em larga 
escala. Hoje, através de algoritmos de 
inteligência artificial e aprendizado de 
máquina, podemos transformar esses 
dados em informações úteis para decisões 
de negócio.
Nas plataformas de streaming a 
experiência personalizada é oferecida com 
base no histórico de consumo do usuário 
e de clientes semelhantes, permitindo 
uma personalização em grande escala 
sem a necessidade de interação humana 
direta. Assim, a personalização é mantida 
e ampliada por meio da tecnologia e dos 
dados coletados.
Atendimento e personalização 04:27
09:44 ‘‘Com sistemas baseados em 
dados, a gente pode, por exemplo, 
criar sistemas de recomendação 
que conseguem entregar de novo 
aquela experiência personalizada, 
embora de um ponto de vista de 
escala, de uma maneira nunca 
antes vista.
’’
10:37 ‘‘Então a gente consegue ter 
uma experiência personalizada 
numa escala muito maior, porque é 
como se eu tivesse fazendo aquela 
recomendação só pra ti, mas sem 
precisar ter uma pessoa dentro desse 
looping que te conhece e tem as 
informações pessoais sobre você.
’’
12:16
Dados Estruturados
Os dados estruturados são organizados 
de maneira fixa e bem definida, como 
em tabelas, planilhas e bancos de dados 
relacionais. Esses dados são facilmente 
pesquisáveis e geralmente são armazenados 
em formatos de tabela com colunas e 
linhas. Exemplos comuns incluem registros 
financeiros, informações de inventário e 
dados de clientes.
Dados Não-Estruturados
Os dados não-estruturados não seguem 
uma estrutura específica ou um formato 
pré-definido. Eles incluem informações que 
não se encaixam facilmente em tabelas ou 
bancos de dados tradicionais, como textos 
Tipos de Dados
FUNDAMENTO
38
livres, e-mails, postagens em redes sociais, 
imagens, vídeos e arquivos de áudio. A 
análise de dados não-estruturados pode ser 
mais complexa e geralmente requer técnicas 
avançadas de processamento e análise, 
como mineração de texto e processamento 
de linguagem natural (PLN).
Dados Categóricos
Os dados categóricos são aqueles que 
podem ser classificados em categorias 
distintas. Eles são divididos em dois 
subtipos: nominal e ordinal.
Nominal: Um atributo nominal só nos 
permite saber se um objeto é igual ou 
diferente de outro. Exemplos incluem cores 
(vermelho, azul, verde), gêneros (masculino, 
feminino) e tipos de produtos (eletrônicos, 
móveis). A operação principal associada a 
dados nominais é a igualdade.
Ordinal: Dados ordinais possuem uma noção 
de ordem, o que significa que podemos 
ordenar os dados, mas a distância entre 
as categorias não é necessariamente 
uniforme. Exemplos incluem classificações 
(primeiro, segundo, terceiro) e níveis de 
satisfação (satisfeito, neutro, insatisfeito). A 
operação principal para dados ordinais é a 
comparação.
Dados Numéricos
Os dados numéricos são representados por 
números e podem ser medidos ou contados. 
Eles são divididos em dois subtipos: 
intervalar e razão.
Intervalar: Em dados intervalares, as 
diferenças entre valores têm significado, 
mas não existe um ponto zero absoluto. Um 
exemplo comum é a temperatura em graus 
Celsius ou Fahrenheit, onde a diferença entre 
20°C e 30°C é a mesma que entre 30°C 
e 40°C. As operações associadas incluem 
adição e subtração.
Razão: Dados de razão possuem tanto 
diferenças quanto razões significativas entre 
os valores, além de um ponto zero absoluto. 
Exemplos incluem peso, altura, idade e 
salário. As operações permitidas para dados 
de razão incluem multiplicação e divisão.
O professor Lucas discute o conceito de 
Big Data, enfatizando suas características 
principais: volume, velocidade, variedade 
e veracidade. Ele explica que Big Data 
envolve a coleta de grandes volumes de 
dados não estruturados, que são gerados 
rapidamente e em diferentes formatos, 
como tabelas, imagens, áudio e logs de 
sensores. Lucas dá o exemplo de sensores 
de temperatura em uma chapa de um 
restaurante, onde os dados são coletados 
continuamente em intervalos regulares, 
exemplificando o streaming de dados.
É importante considerar a qualidade e 
a confiabilidade dos dados ao tomar 
decisões baseadas neles. Lucas destaca 
situações em que a ciência de dados 
pode não ser útil, como quando decisões 
precisam ser tomadas rapidamente, sem 
tempo para verificar a qualidade dos 
dados, ou em casos sem precedentes 
históricos relevantes. Ele também 
menciona o risco de usar dados históricos 
não confiáveis ou tentar justificar decisões 
já tomadas com dados, o que é uma 
prática inadequada.
Algumas análises podem conter vieses. 
Para exemplificar é usando o caso de 
uma ouvinte de rádio que questionou 
a média de gestação humana de 266 
dias. Ele demonstra como, ao considerar 
apenas a probabilidade isolada, pode-
se concluir erroneamente que a ouvinte 
está mentindo. No entanto, ao aplicar 
a probabilidade a um contexto maior, 
como o número de nascimentos anuais 
nos Estados Unidos, percebe-se que 
é plausível que ocorram milhares de 
gestações com duração semelhante à 
mencionada pela ouvinte.
Ou seja, ao usar algoritmos de inteligência 
artificial para a tomada de decisões, 
é essencial entender as nuances e os 
problemas potenciais decorrentes do uso 
de dados. Lucas ressalta a necessidade de 
uma análise cuidadosa e contextualizada 
dos dados para evitar conclusões 
precipitadas ou equivocadas.
Big Data 16:35
39
Lucas afirma que existe um “hype” em 
torno da Inteligência Artificial (IA), 
Machine Learning (Aprendizado de 
Máquina) e Deep Learning (Aprendizado 
Profundo). Ele menciona que a IA não 
é algo novo, embora tenha ganhado 
popularidade recentemente. Para ilustrar, 
ele lê frases impactantes sobre IA, 
destacando uma de 1958 do New York 
Times, que exagera as expectativas sobre 
as capacidades dos computadores.
Lucas define IA como uma área 
abrangente da ciência da computação 
que inclui algoritmos para imitar 
tarefas humanas como aprendizado, 
planejamento, comunicação, percepção 
e raciocínio. Dentro da IA, o Aprendizado 
de Máquina se destaca como uma subárea 
focada em algoritmos que aprendem a 
partir de dados históricos, resultando em 
modelos ajustados a esses dados. Além 
disso, ele explica que a engenharia manual 
de atributos, onde os desenvolvedores 
extraem informações úteis dos dados, era 
essencial para o Aprendizado de Máquina 
clássico.
Deep Learning, ou Aprendizado Profundo, 
surge como uma subárea dentro do 
Aprendizado de Máquina, baseada 
em redes neurais artificiais. Esta área 
automatiza a engenharia de atributos 
e é responsável por muitas aplicações 
modernas de IA, como modelos de 
linguagem e algoritmos generativos.
Lucas discute diferentes abordagens para 
desenvolver sistemas de IA: imitar ações 
humanas, pensar como humanos, agir 
racionalmente ou pensar racionalmente. 
Ele também compara a programação 
tradicional, que segueinstruções passo 
a passo para transformar entradas em 
saídas, com os algoritmos de IA que 
aprendem e se adaptam a partir dos dados 
fornecidos. Por exemplo, ele menciona um 
algoritmo para jogar o jogo da velha que, 
seguindo regras específicas, garante nunca 
perder o jogo.
O que temos 29:18
31:46 ‘‘Inteligência Artificial é 
uma área de pesquisa muito 
abrangente do ponto de vista da 
ciência da computação.
’’
33:27 ‘‘O que aprendizado de 
máquina faz? Ele se preocupa 
com algoritmos que fazem um 
processo de aprendizado com 
base em dados históricos.
’’
35:47 ‘‘O aprendizado de máquina 
faz? Ele se preocupa com 
algoritmos que fazem um 
processo de aprendizado com 
base em dados históricos.
’’
Aprendizado Profundo (Deep Learning) é 
uma subárea da Inteligência Artificial focada 
em algoritmos que aprendem a partir de 
dados históricos, resultando em modelos 
ajustados a esses dados. 
EXERCÍCIO DE FIXAÇÃO
R
e
sp
o
st
a
 d
e
st
a
 p
á
g
in
a
: 
fa
ls
o
.
40
AULA 3 • PARTE 2
E quando não sabemos o que 
programar?
O professor Lucas aborda na sua aula 
a dificuldade de programar instruções 
detalhadas para resolver problemas 
complexos, como distinguir entre 
imagens de gatos e cachorros. Ele explica 
que, embora seja fácil para humanos 
identificar esses animais, é complicado 
construir regras detalhadas para que um 
computador faça o mesmo. 
Ao invés de programar regras específicas, 
podemos coletar um grande volume de 
dados e usar algoritmos para ensinar o 
computador a tomar decisões baseadas 
em experiências anteriores. Lucas 
menciona Ada Lovelace, observando que 
as máquinas só processam informações 
que já conhecemos, sem criar algo novo.
Para diferenciar entre programação 
tradicional e aprendizado de máquina, 
na programação tradicional usamos 
dados e regras como entrada para obter 
respostas específicas. Já no aprendizado 
de máquina, fornecemos dados históricos 
e respostas, buscando extrair regras ou 
processos de decisão que possam ser 
aplicados a novos dados. Apesar do 
avanço do aprendizado de máquina, a 
programação clássica continuará sendo 
necessária para muitas aplicações.
00:10
CURIOSIDADE
(1815 – 1852) Matemática e escritora 
britânica do século XIX, amplamente 
reconhecida como a primeira programadora 
de computadores. Colaborou com Charles 
Babbage no desenvolvimento da “Máquina 
Analítica”, uma máquina precursora do 
computador moderno. Conhecida por suas 
notas explicativas sobre o funcionamento 
da máquina, onde descreveu algoritmos 
destinados a serem executados nela, 
tornando-se assim a pioneira na concepção 
de software.
Ada Lovelace
03:43
O professor Lucas explica que a história 
da Inteligência Artificial (IA) começa 
de forma imprecisa, pois tanto as 
origens quanto os desdobramentos 
são influenciados pelo contexto da 
época. Ele menciona que se estivesse 
ensinando nos anos 1980, seu enfoque 
seria em lógica proposicional e agentes 
lógicos, enquanto nos anos 2000, 
daria ênfase a máquinas de vetores 
de suporte, inferência Bayesiana e 
computação evolutiva. Hoje, a ênfase 
está em Perceptrons, redes neurais 
artificiais e aprendizado profundo.
Quando começa a IA?06:15
41
Ele destaca os primeiros esforços para criar 
redes neurais artificiais, citando os trabalhos 
de McCulloch e Pitts, que tentaram emular 
processos de neurônios vivos em modelos 
computacionais. É errado afirmar que 
neurônios artificiais funcionam exatamente 
como os naturais, eles são apenas 
vagamente inspirados no conhecimento da 
época sobre neurônios.
O professor menciona a publicação de Alan 
Turing em 1950, onde ele propôs a questão 
“Máquinas podem pensar?” e introduziu a 
ideia de máquinas que poderiam aprender a 
partir de dados históricos. 
Em 1956, um grupo de pesquisadores 
liderados por John McCarthy e Marvin 
Minsky organizou a conferência de 
Dartmouth, onde cunharam o termo 
“Inteligência Artificial”. Essa conferência 
foi um marco na história da IA, reunindo 
pesquisadores para discutir e desenvolver 
algoritmos e técnicas para resolver 
problemas que requerem inteligência.
Lucas também ressalta o trabalho de 
Frank Rosenblatt com o Perceptron, um 
modelo teórico de neurônio artificial 
que ele implementou em uma máquina 
financiada pela Marinha. Rosenblatt 
percebeu a necessidade de compactar 
informações para tornar o aprendizado 
viável economicamente. O Perceptron de 
Rosenblatt conseguia reconhecer caracteres 
em imagens, ajustando seus parâmetros (ou 
pesos) para melhorar a tomada de decisões.
O professor conclui que, embora os 
algoritmos sejam bem compreendidos, às 
vezes é difícil transformar esse entendimento 
em uma explicação clara para suas decisões. 
Ele enfatiza a importância de entender 
os detalhes operacionais do Perceptron, 
mostrando que as operações realizadas são 
simples, mesmo que a interpretação dos 
resultados possa ser complexa.
08:08
CURIOSIDADE
O Modelo de Neurônio de McCulloch-
Pitts, desenvolvido em 1943 por Warren 
McCulloch e Walter Pitts, foi o primeiro 
esforço significativo para criar um modelo 
matemático de um neurônio biológico, 
estabelecendo as bases das redes neurais 
artificiais. Este modelo simples de neurônio 
realizava operações lógicas básicas, 
combinando entradas binárias ponderadas 
e aplicando uma função de ativação 
para determinar a saída. Esse trabalho 
demonstrou que redes de neurônios simples 
podiam implementar funções lógicas 
complexas, influenciando o desenvolvimento 
posterior de redes neurais e a pesquisa em 
inteligência artificial.
Modelo de Neurônio de 
McCulloch-Pitts
PERSONALIDADE
Alan Turing (1912 – 1954) foi um matemático 
e cientista da computação britânico, pioneiro 
da computação moderna. Ele é famoso por 
seu trabalho na quebra de códigos durante 
a Segunda Guerra Mundial e pelo conceito 
da “Máquina de Turing”, fundamental para o 
desenvolvimento da teoria da computação.
Alan Turing 
12:46
42
16:12
Cinebiografia de 2015, dirigida por Morten 
Tyldum, conta a história de Alan Turing 
(Benedict Cumberbatch), quando é recrutado 
para decifrar os códigos nazistas, incluindo o 
“Enigma”, que criptógrafos acreditavam ser 
inquebrável.
Filme: O Jogo da Imitação
ENTRETENIMENTO
CURIOSIDADE
Realizado em 1956 e organizado por John 
McCarthy e Marvin Minsky, é amplamente 
reconhecido como o ponto de partida 
formal para o campo da inteligência 
artificial (IA). Este evento reuniu diversos 
pesquisadores para explorar a possibilidade 
de criar máquinas capazes de simular 
aspectos da inteligência humana. Durante 
o projeto, foram discutidos vários tópicos 
fundamentais, como redes neurais, teoria 
da automação, linguagem de máquina e 
heurísticas de resolução de problemas. O 
encontro estabeleceu as bases teóricas 
e metodológicas para a IA, influenciando 
profundamente o desenvolvimento 
subsequente da área.
Dartmouth Summer 
Research Project on Artificial 
Intelligence
19:40
23:03
PERSONALIDADE
Frank Rosenblatt (1928 - 1971) foi um 
psicólogo e cientista da computação 
americano, nascido em 1928. Ele trabalhou 
como pesquisador no Cornell Aeronautical 
Laboratory e é mais conhecido por seu 
desenvolvimento do Perceptron em 1957, 
um dos primeiros modelos de rede neural. 
O Perceptron, um hardware dedicado à 
detecção visual, podia aprender a reconhecer 
padrões visuais simples ajustando os pesos 
das conexões entre seus neurônios artificiais 
com base em exemplos de treinamento.
Frank Rosenblatt
43
AULA 3 • PARTE 3
Historicamente, a pesquisa em IA e redes 
neurais enfrentou períodos de entusiasmo 
e decepção. Após os anos dourados entre 
1956 e 1970, a realidade das limitações 
tecnológicas, como a incapacidade dos 
perceptrons simples de resolver problemas 
não lineares e a dificuldade de treinar 
perceptrons de múltiplas camadas, levou ao 
declínio do interesse e financiamento. Esses 
ciclos de altos e baixos, conhecidos como 
“invernos da IA”, marcaram o período de 
1970 a 1990, com muitos setores de pesquisa 
e desenvolvimento mudando seufoco para 
outras áreas. Apenas alguns pesquisadores 
continuaram investindo na área, como Geoff 
Hinton, que recebeu o Turing Award por suas 
contribuições.
Hoje, as redes neurais artificiais e o deep 
learning estão no cerne de muitas aplicações 
impressionantes. Exemplos incluem 
algoritmos para detecção de objetos e 
pedestres, filtros de estilo em redes sociais, 
geração de conteúdo de imagem e vídeo, 
e modelos de linguagem para chatbots. A 
arquitetura de rede YOLO, utilizada para 
detecção de objetos, é mencionada como 
uma das inovações significativas.
O professor destaca que as capacidades 
de sistemas baseados em redes neurais 
evoluíram significativamente. Aplicações 
como o reconhecimento de escrita 
manual, que começaram a ser usadas no 
roteamento de cartas nos Estados Unidos, 
e o reconhecimento de voz, que hoje 
permite interagir com dispositivos apenas 
por comandos de voz, mostram essa 
evolução. A performance dos algoritmos de 
reconhecimento de imagem e linguagem 
também melhorou, atingindo níveis próximos 
ao desempenho humano.
Apesar das redes neurais serem uma 
tecnologia antiga, o avanço se deve a 
melhorias no treinamento e na engenharia 
dos algoritmos, mantendo-se baseados 
nos mesmos princípios fundamentais 
estabelecidos décadas atrás.
Onde estamos? 00:10
PERSONALIDADE
Cientista da computação e pesquisador 
em inteligência artificial, conhecido por 
suas contribuições significativas para 
o desenvolvimento de redes neurais 
profundas e aprendizado profundo. Ele é 
uma figura central no campo da IA, tendo 
desempenhado um papel fundamental no 
avanço das técnicas de aprendizado de 
máquina, especialmente no contexto de 
redes neurais convolucionais e modelos 
geradores adversariais (GANs).
Geoff Hinton
00:00
00:00
YOLO (You Only Look Once): Técnica 
avançada de detecção de objetos em 
imagens e vídeos, desenvolvida por 
Joseph Redmon e Santosh Divvala 
em 2016. Ao contrário de métodos 
anteriores que dividiam a imagem 
em regiões para análise, a YOLO 
realiza a detecção de objetos em uma 
única passagem pela rede neural, 
tornando-a mais rápida e eficiente.
PALAVRA-CHAVE
44
Lucas explica que o atual boom no 
desenvolvimento da Inteligência 
Artificial e das redes neurais se deve 
a três ingredientes fundamentais. 
Primeiramente, o avanço do hardware, 
especialmente a disponibilidade de 
equipamentos altamente otimizados para 
multiplicação de matrizes, a operação 
fundamental por trás das redes neurais 
atuais. Esse hardware é resultado da 
demanda histórica da indústria de jogos e 
computação gráfica por placas de vídeo 
capazes de realizar essas operações 
rapidamente.
Em segundo lugar, a disponibilidade de 
uma quantidade massiva de dados é 
essencial para o treinamento eficaz das 
redes neurais. Antigamente, era difícil e 
caro gerar dados anotados, necessários 
para o aprendizado supervisionado. No 
entanto, a descoberta do aprendizado 
auto supervisionado permitiu treinar 
modelos de linguagem sem a necessidade 
de anotações humanas, ampliando 
enormemente o conjunto de dados 
utilizáveis.
Por fim, o desenvolvimento de arquiteturas 
de redes neurais mais eficientes, como 
o modelo Transformador, possibilitou 
lidar melhor com grandes volumes de 
dados e realizar operações em paralelo, 
tornando o treinamento em conjuntos de 
dados extensos mais viável e eficaz. Esses 
três fatores combinados contribuíram 
significativamente para o rápido avanço e 
popularização da Inteligência Artificial nos 
dias de hoje.
Por que agora? 09:24
O Processamento de Linguagem Natural 
(PLN) refere-se ao esforço dentro da área 
de Inteligência Artificial para permitir 
que máquinas interpretem ou produzam 
linguagem natural, seja em texto, voz 
ou outro formato. Antigamente, o PLN 
envolvia a manualidade na modelagem de 
relações e o uso de Ontologias. Os linguistas 
computacionais tinham que estudar idiomas 
e criar modelos de processamento de 
linguagem baseados em lógica de primeira 
ordem. Isso mudou com o advento das Redes 
Neurais, especialmente os Large Language 
Models (LLMs) da OpenAI.
Os LLMs são modelos de linguagem 
baseados em transformers e treinados com 
grandes conjuntos de dados textuais. O 
treinamento auto supervisionado, onde a 
rede é ensinada a completar frases, permitiu 
que esses modelos fossem treinados em 
uma variedade de textos da internet, como 
Wikipedia, livros, redes sociais, entre outros. 
Isso desbloqueou o potencial de gerar 
textos gramaticalmente corretos e de alta 
qualidade, mas também introduziu desafios, 
como a possibilidade de gerar informações 
incorretas devido à diversidade e à falta de 
supervisão nos dados de treinamento.
A OpenAI desenvolveu sucessivos LLMs, 
como o GPT-2, GPT-3 e GPT-4, com bilhões 
de parâmetros e treinados em uma vasta 
quantidade de dados, incluindo textos 
da web e redes sociais. Esses modelos 
conseguem realizar tarefas além de 
completar frases, como tradução, aritmética 
básica, sumarização de texto, entre outras. 
No entanto, o aumento no número de 
parâmetros também resultou em maior 
demanda computacional para utilizar esses 
modelos.
Processamento de Linguagem Natural17:23
45
AULA 3 • PARTE 4
Nesse momento da explicação, Lucas 
menciona que as soluções baseadas 
em processamento de linguagem 
natural estão migrando para modelos 
de linguagem grandes, eliminando a 
necessidade do linguista computacional. 
Em vez disso, pessoas especializadas em 
aprendizado profundo e deep learning 
estão desenvolvendo e treinando esses 
modelos, além de ajustá-los para casos 
específicos de uso. Isso tem gerado 
impactos significativos em várias 
indústrias de tecnologia, que estão criando 
seus próprios modelos de linguagem e até 
mesmo negócios inteiros baseados nesses 
modelos.
Lucas também menciona a diversidade 
de opções disponíveis atualmente, tanto 
de código aberto quanto de código 
fechado, para a utilização de modelos de 
linguagem. Essas tecnologias permitem 
criar assistentes virtuais mais sofisticados, 
realizar tradução, geração de código, 
análise de sentimento, transcrição de 
reuniões e até mesmo fazer screening 
de candidatos de forma mais eficiente 
e automatizada. Ele enfatiza que essas 
aplicações tendem a aumentar em 
quantidade e qualidade, tornando-se cada 
vez mais presentes e impactantes nos 
ambientes de trabalho.
Aplicações 00:10
Treinar modelos de linguagem não é 
uma tarefa simples. É um processo 
custoso, demandando recursos, dados e 
energia. Apenas empresas com acesso 
a hardware significativo conseguem 
realizar esse tipo de treinamento. No 
entanto, isso não torna os modelos de 
linguagem opensource inúteis. Mesmo 
sem poder computacional para treinar 
um modelo do zero, é possível adaptar 
modelos já existentes aos dados 
específicos de um domínio.
Além disso, o professor Lucas aborda 
a questão da qualidade do texto 
gerado pelos modelos. Ele destaca que 
o conceito de qualidade pode variar 
dependendo do contexto: um texto 
pode ser considerado de qualidade se 
for criativo em certos casos, enquanto 
em outros casos, é mais importante 
que seja objetivo e formal. Isso 
levanta a necessidade de um segundo 
treinamento utilizando aprendizado 
por reforço com feedback humano, 
para garantir que o modelo produza 
respostas adequadas e de qualidade. 
Essa etapa é essencial para evitar 
respostas errôneas que o modelo pode 
gerar se treinado apenas para completar 
frases sem contexto.
Problemas no treinamento de LLMs 06:15
46
As tendências discutidas por Lucas na 
sequência da aula de Inteligência Artificial 
incluem a ascensão dos modelos de 
foundation, que são modelos treinados 
em grandes bases de dados e podem 
ser adaptados para diversas situações 
ou resolver problemas abrangentes. 
Ele menciona o exemplo do modelo 
de segmentação da Meta, que pode 
segmentar diferentes objetos em imagens, 
como mostrado em um projeto de 
segmentação de imagens médicas.
Outra tendência destacada é a melhoria 
contínua na qualidade dos modelos 
generativos de imageme vídeo, 
demonstrada pela evolução notável entre 
fevereiro de 2022 e dezembro de 2023 
na qualidade das imagens geradas pelo 
Midjourney.
Além disso, há uma ênfase crescente no 
uso de modelos multimodais, capazes de 
lidar com texto, imagens, documentos, 
vídeos e áudios, permitindo uma interação 
mais rica e contextualizada. Por fim, Lucas 
menciona a tendência emergente de 
tecnologias como o text-to-video, onde 
modelos podem criar vídeos a partir de 
descrições de cena ou instruções, embora 
ainda haja desafios como a coerência 
temporal a serem superados.
Tendências 13:14
CURIOSIDADE
Serviço de inteligência artificial criado pela 
empresa Midjourney, Inc., um laboratório 
de pesquisa independente localizado em 
São Francisco (EUA). Ele produz imagens a 
partir de descrições em linguagem natural, 
conhecidas como prompts, seguindo uma 
abordagem semelhante ao DALL-E da 
OpenAI e ao Stable Diffusion. Serviço de 
inteligência artificial criado pela empresa 
Midjourney, Inc., um laboratório de pesquisa 
independente localizado em São Francisco 
(EUA). Ele produz imagens a partir de 
descrições em linguagem natural, conhecidas 
como prompts, seguindo uma abordagem 
semelhante ao DALL-E da OpenAI e ao 
Stable Diffusion.
Midjourney
15:21
No encerramento da aula, o professor 
Lucas destaca alguns pontos de atenção 
relacionados aos LLMs e ao uso da 
Inteligência Artificial. Primeiramente, 
ele aborda a questão da “alucinação” 
nos modelos de linguagem, explicando 
que eles são treinados para completar 
textos, não necessariamente para fornecer 
informações precisas. Isso pode resultar 
em textos que parecem factíveis, mas 
não são necessariamente verdadeiros. 
Lucas menciona técnicas como o uso de 
modelos de busca junto com o modelo de 
linguagem para melhorar a qualidade das 
respostas e mitigar a “alucinação”.
Pontos de atenção 17:59
47
Outro ponto discutido é a questão da 
propriedade intelectual ao usar modelos de 
linguagem para auxiliar na escrita de artigos 
ou textos. Lucas questiona a quem deve ser 
atribuído crédito nesses casos, como quando 
um autor usa um modelo de linguagem 
para correções gramaticais. Ele também 
destaca a importância de considerar o viés 
e a equidade nos modelos de IA, além de 
mencionar boas práticas, como diversidade 
nos conjuntos de dados, monitoramento 
contínuo dos modelos e colaboração 
interdisciplinar.
Por fim, Lucas enfatiza que a IA veio para 
ficar e que sua aplicação só tende a crescer. 
Ele encoraja o uso dessas ferramentas para 
aumentar a produtividade e a qualidade 
do trabalho, mas ressalta a necessidade 
de entender suas limitações e garantir 
transparência nas decisões baseadas em 
algoritmos de IA.
48
Resumo da disciplina
Veja, nesta página, um resumo dos principais conceitos vistos ao longo da disciplina. 
AULA 1
AULA 2
AULA 3
A IA veio para ficar e que sua aplicação 
só tende a crescer.
Se você quer treinar bem o algoritmo, 
tenha certeza de que você está coletando 
um volume adequado de dados e que ele 
seja suficiente para o sistema.
Inteligência Artificial é uma área de 
pesquisa muito abrangente do ponto de 
vista da ciência da computação.
Embora os algoritmos sejam bem 
compreendidos, às vezes é difícil 
transformar esse entendimento em uma 
explicação clara para suas decisões.
A expectativa sempre foi muito grande 
sobre as tecnologias, mas a realidade 
prática é completamente diferente.À medida que a tecnologia vai evoluindo, 
ela vai assumindo algumas tarefas que 
as pessoas fazem. Isso não significa 
necessariamente substituir a atividade 
humana.
Toda tecnologia que dá certo, 
que é transformadora, provoca 
mudanças na sociedade. 
Uma equipe de projeto de Inteligência 
artificial tem que ser multidisciplinar, 
porque, entre outras atividades e 
responsabilidades, você tem que ter 
pessoas que entendam do negócio. Mesmo empresas, digamos, muito 
competentes, com imensa experiência em 
inteligência artificial, em grandes projetos, 
muitas vezes tropeçam na própria 
ambição.
49
Veja as instruções para realizar a avaliação da disciplina.
Já está disponível o teste online da disciplina. O prazo para realização 
é de dois meses a partir da data de lançamento das aulas. 
Lembre-se que cada disciplina possui uma avaliação online. 
A nota mínima para aprovação é 6. 
Fique tranquilo! Caso você perca o prazo do teste online, ficará aberto 
o teste de recuperação, que pode ser realizado até o final do seu curso. 
A única diferença é que a nota máxima atribuída na recuperação é 8. 
Avaliação
	Conheça seus professores
	Conheça os professores da disciplina.​
	Ementa da Disciplina
	Veja a descrição da ementa da disciplina. ​
	Bibliografia da Disciplina
	Veja as referências principais de leitura da disciplina.​
	O que compõe o Mapa da Aula?
	Confira como funciona o mapa da aula.
	Mapa da Aula
	Veja as principais ideias e ensinamentos vistos ao longo da aula.
	Resumo da disciplina
	Relembre os principais conceitos da disciplina.​
	Avaliação
	Veja as informações sobre o teste da disciplina.​
	Botão 311: 
	Botão 312: 
	Botão 313: 
	Botão 314: 
	Botão 315: 
	Botão 316: 
	Botão 317: 
	Botão 318: 
	Botão 319: 
	Botão 320: 
	Botão 321: 
	Botão 322: 
	Botão 324: 
	Botão 326: 
	Botão 327: 
	Botão 328: 
	Botão 329: 
	Botão 330: 
	Botão 336: 
	Botão 337: 
	Botão 338: 
	Botão 339: 
	Botão 340: 
	Botão 341: 
	Botão 342: 
	Botão 343: 
	Botão 344: 
	Botão 345: 
	Botão 346: 
	Botão 347: 
	Botão 348: 
	Botão 349: 
	Botão 350: 
	Botão 351: 
	Botão 352: 
	Botão 354: 
	Botão 356: 
	Botão 357: 
	Botão 358: 
	Botão 359: 
	Botão 360: 
	Botão 361: 
	Botão 362: 
	Botão 363: 
	Botão 364: 
	Botão 365: 
	Botão 366: 
	Botão 367: 
	Botão 368: 
	Botão 369: 
	Botão 370: 
	Botão 371: 
	Botão 372: 
	Botão 374: 
	Botão 376: 
	Botão 377: 
	Botão 379: 
	Botão 381: 
	Botão 382: 
	Botão 383: 
	Botão 384: 
	Botão 385: 
	Botão 386: 
	Botão 387: 
	Botão 389:presente em muitos momentos do dia a 
dia das pessoas, como o uso do smartphone 
ao acordar, que pode ser usado como 
despertador, o carro para dirigir etc. Todas 
essas coisas estão repletas de tecnologia.
Introdução à IA 10:56
https://www.ibm.com/br-pt/watson
https://www.ibm.com/br-pt/watson
8
O professor chama a atenção para a 
diferença geracional de quem já nasce com 
a tecnologia como pano de fundo e quem 
é um migrante do mundo analógico para o 
digital. Essas diferenças podem influenciar 
as tomadas de decisão das pessoas, que 
podem estar mais familiarizadas com a 
tecnologia ou não. O contexto do trabalho 
reflete bastante estas mudanças digitais, 
principalmente quando pensamos que o 
smartphone é uma tecnologia relativamente 
nova. Antes o que só se podia fazer no 
computador, hoje pode ser feito através dele.
Neste cenário muito tecnológico também é 
difícil pensar em como vai ser o futuro em 
5, 10 ou 15 anos. O professor traz a frase de 
Peter Drucker “A única coisa que sabemos 
sobre o futuro é que ele será diferente”. 
Neste sentido é interessante observar que, 
às vezes, não é possível enxergar o potencial 
de uma nova tecnologia, porque quando 
ela surge, ela obviamente está numa fase 
de maturidade muito baixa. Então, muitas 
vezes, uma nova tecnologia traz consigo 
muitas limitações.
O professor traz o exemplo da internet, 
que quando surgiu, era uma tecnologia 
subestimada pelos usuários, pelo contexto 
de demora na conexão, dificuldade de 
encontrar informações centralizadas etc. 
Mas as tecnologias avançam aceleradamente 
até se enquadrarem em certas formas de 
utilidade ou desaparecerem. A internet 
evoluiu muito rapidamente e se tornou tudo 
isso que é hoje. Nesse contexto, é importante 
entender esses avanços para não subestimar 
as tecnologias. Pode ser a curto, médio ou 
longo prazo, mas elas impactam e muito a 
sociedade e a vida das pessoas.
A relação entre a tecnologia e a sociedade 
é circular e intensa. Taurion traz uma frase 
de Alvin Toffler que diz o seguinte: “As 
novas tecnologias nunca vêm sozinhas. É um 
pacote: mudanças tecnológicas, seguidas 
de mudanças sociais, políticas e culturais.” 
Ou seja, as novas tecnologias representam 
mudanças aceleradas que impactam a 
sociedade como um todo.
14:54 ‘‘Isso na liderança vai ter 
impacto sim. Quando você lida 
com pessoas que são de uma 
geração inteiramente digital e 
pessoas que vieram do mundo 
analógico.
’’
PERSONALIDADE
Peter Drucker (1909 - 2005) foi um professor, 
consultor e escritor de origem austríaca e 
um dos autores que mais contribuiu para 
as atuais teorias e práticas nas áreas de 
Marketing e Gestão de Empresas. Seu grande 
diferencial é a delicada observação que faz 
dos seres humanos e de sua comunicação. 
Autodenominado “ecologista social”, ele 
definia a Administração Moderna como 
a ciência que estuda as pessoas nas 
organizações.
Peter Drucker
17:24
20:55 ‘‘É isso que acontece com 
a tecnologia. Muitas vezes 
começa devagar e pode 
crescer aceleradamente, evolui 
aceleradamente ou então 
até desaparece. Você não 
sabe, mas ela está sempre em 
movimentação..
’’
9
Em janeiro de 2007, Steve Jobs anunciava o 
novo produto da Apple, o iPhone. Durante 
a apresentação, Jobs comparou o aparelho 
com outras marcas como a Nokia, que 
era líder de mercado e o Blackberry. O 
cofundador da marca deu ênfase a interface 
do novo aparelho que, diferentemente dos 
demais, não possuía teclado de botões. 
A criação do iPhone impactou em um 
ecossistema digital da Apple, que já era uma 
marca muito relevante na tecnologia.
O lançamento do iPhone em 
2007
CASE
21:47
24:20 ‘‘O smartphone, ele 
desmaterializou todo esse 
conjunto de produtos que existiam 
fisicamente..
’’
EXERCÍCIO DE FIXAÇÃO
A liderança da organização precisa 
estar atenta aos migrantes do 
mundo analógico para o digital, pois 
estes podem ser mais resistentes 
a implementação de uma nova 
tecnologia. É correto afirmar que 
essa frase está relacionada com:
24:49
CURIOSIDADE
As fotos apresentadas pelo professor 
representam [foto ao lado] faz uma 
comparação do mesmo local, a Praça de 
São Pedro, no Vaticano, em 2005, quando 
Bento 16 foi nomeado Papa e depois, em 
2013, quando o Papa Francisco primeiro foi 
nomeado. Taurion chama a atenção para a 
diferença do comportamento da sociedade 
em um período muito curto e como o 
uso massivo de tecnologia impactou essa 
sociedade. 
 Praça de São Pedro: 
2005 vs. 2013
R
e
sp
o
st
a
 d
e
st
a
 p
á
g
in
a
: 
a
lt
e
rn
a
ti
v
a
 3
.
10
25:26‘‘Essas mudanças, às vezes, 
não aparecem de imediato e sim 
em tempos depois, mas permitem 
a criação de negócios que a gente 
nem tinha pensado. Por exemplo, 
o Uber e o Waze..
’’
 26:23 ‘‘Toda tecnologia que dá certo, 
que é transformadora, provoca 
mudanças na sociedade. E essa 
nova sociedade, que começa a 
ser modificada, também incentiva 
mudanças tecnológicas.
’’
PERSONALIDADE
Alvin Toffler (1928 - 2016) foi um escritor 
e futurista norte-americano, conhecido 
pelos seus escritos sobre a revolução 
digital, a revolução das comunicações 
e a singularidade tecnológica. Em seu 
livro “Terceira Onda”, de 1980, descreve 
a evolução da sociedade humana, desde 
o tempo do predomínio das atividades 
agrícolas, passando pela fase industrial, até 
a era pós-industrial e a era da informação. 
A expressão “terceira onda” foi amplamente 
adotada e passou a estar presente no 
cotidiano da mídia, do meio acadêmico e 
empresarial. 
Alvin Toffler
27:06
A indústria e o trabalho são fortemente 
impactadas com as novas tecnologias. 
Muitas formas de trabalho mudaram com a 
revolução industrial e as revoluções digitais 
que têm ocorrido ao longo das décadas. 
Na indústria automotiva, por exemplo, que 
era muito conhecida por ser uma indústria 
geradora de empregos, hoje a linha de 
produção é robotizada.
Enquanto líder ou alguém que se encontra 
em uma posição de liderança, é importante 
estar preparado para enfrentar as mudanças 
tecnológicas que podem impactar sua 
organização. Os perfis profissionais são 
muito impactados por essas mudanças e 
precisam de transformação. 
O planejamento estratégico também está 
inserido neste contexto. Muitas vezes aquilo 
que foi planejado para acontecer em 5 
anos dentro da organização é impactado 
por mudanças. São muitos os fatores pode 
ser responsáveis por estas mudanças. Um 
exemplo é a pandemia da COVID-19 que 
impactou no trabalho presencial, criando 
tecnologias para tornar possível o formato 
remoto de trabalho nas organizações.
O professor aponta que fatores geopolíticos 
também são relevantes neste contexto. 
Alguns conflitos implicam em conexões 
de internet e cabeamento, que podem 
desestabilizar o sistema de todo um país. 
Desta forma, é importante que o profissional 
de liderança realize o planejamento, mas 
também esteja preparado para atuar com 
agilidade na incerteza e no inesperado.
A tecnologia e as profissões27:53
30:48
CURIOSIDADE
O professor aponta algumas funções ou 
empregos que não existem mais, entre 
elas, a datilografia. O datilógrafo foi um 
profissional muito requisitado nas empresas 
e repartições públicas. Era uma profissão 
que exigia o preparo de milhares de jovens, 
em sua maioria mulheres. O datilógrafo era 
o profissional responsável por redigir textos, 
cartas, ofícios e petições em escritórios e 
repartições públicas até meados dos anos 
80, quando surgiram os computadores 
pessoais.
Datilografia
11
32:28 ‘‘À medida que a tecnologia 
vai se inserir na sociedade, 
nós vamos vendo mudanças 
acontecendo e, obviamente, isso 
afeta os empregos. E se você está 
numa posição de liderança, você 
tem que estar preparado para 
enfrentar isso.
’’
32:45
CURIOSIDADE
Taurion chama a atenção para o papel do 
piloto na aviação. Uma cabine de um avião 
há 50 - 70 anos atrás, era composta por 
equipamentos analógicos e cinco tripulantes: 
comandante, copiloto, engenheiro de voo, 
navegador e rádio operador. Cada um 
deles com uma função. Hoje, em um avião 
moderno,por exemplo um Boeing 787, tem 
dois tripulantes. Os processos dentro de uma 
aeronave também estão mais automatizados 
e a função do piloto está mais presenta na 
decolagem e no pouso. O professor atenta 
então para o perfil desses profissionais, 
que é completamente diferente do perfil de 
antigamente.
Profissionais da aviação
EXERCÍCIO DE FIXAÇÃO
O surgimento de novas tecnologias 
e a automatização acabaram 
descontinuando algumas profissões 
antigas, consideradas importantes 
na época que existiam, entre elas:
R
e
sp
o
st
a
 d
e
st
a
 p
á
g
in
a
: 
a
lt
e
rn
a
ti
v
a
 2
.
CURIOSIDADE
O professor traz um gráfico [ver imagem 
ao lado] para ilustrar como funciona o 
lançamento de uma nova tecnologia e sua 
evolução. Quando ela surge, tem o momento 
do hype em que a empolgação e as 
expectativas por ela são mais latentes. Nem 
sempre o hype corresponde às expectativas 
daquilo que a tecnologia oferece, então 
acaba-se caindo na curva da frustração de 
uma tecnologia imatura. Com o passar do 
tempo, a tecnologia desenvolve maturidade 
e aí já entra no espectro mais realista de seu 
uso e benefícios.
Curva de evolução da 
tecnologia
44:35
12
AULA 1 • PARTE 2
O professor propõe uma análise racional 
sobre o uso da Inteligência Artificial 
na sociedade. Sem aquela visão 
potencializada da ficção científica em que 
a inteligência artificial é uma imitação 
de um cérebro humano com as mesmas 
capacidades. 
Essa visão de forma racional, sem muita 
influência da mídia e da ficção científica, 
é importante para o profissional de 
liderança, que é quem vai tomar as 
decisões sobre o uso das tecnologias 
dentro da empresa. Este profissional é 
quem tem que entender que a tecnologia 
de inteligência artificial é uma tecnologia 
que tem potencial muito grande e muito a 
oferecer. 
Através da tecnologia de aprendizado 
de máquina, ou machine learning, muitos 
serviços são disponíveis hoje, como um 
reconhecimento facial, um cálculo do 
valor de uma rota em um aplicativo de 
mobilidade, as playlists criadas pelo 
aplicativo de música baseadas no que 
o usuário escuta, entre outras. Nesse 
sentido o professor destaca uma frase 
de Jeff Bezos que diz o seguinte: “não 
existe nenhuma instituição no mundo que 
não possa ser melhorada com o machine 
learning.”
Outros exemplos da aplicabilidade da 
inteligência artificial estão na medicina. 
Hoje existem softwares para detectar, 
por exemplo, manchas na pele que 
caracterizam câncer de pele. Um software 
de machine learning consegue detectar 
os padrões e auxiliar no diagnóstico. Da 
mesma forma, o profissional de radiologia 
também consegue, com o auxílio de um 
algoritmo, analisar melhor as radiografias 
para chegar nos diagnósticos.
Inteligência Artificial Aplicada 01:49
02:11
É um filme de ficção científica de 2015, 
escrito e dirigido por Alex Garland. Em um 
refúgio nas montanhas de um talentoso 
bilionário da internet, um jovem participa 
de uma estranha experiência: testar a 
inteligência artificial, inserida no corpo 
de uma bela garota robô. A experiência 
se transforma em uma intensa batalha 
psicológica, onde a lealdade se divide entre 
o homem e a máquina. Este filme de ficção 
científica exemplifica a abordagem da 
inteligência artificial pelo entretenimento, 
onde ela surge como um “vilão” pronto para 
se revoltar contra o ser humano.
Filme: Ex Machina
ENTRETENIMENTO
02:50 ‘‘À Inteligência Artificial não 
reflete o que é a tecnologia em 
si, mas a ficção científica faz isso. 
Robôs humanoides com intenção, 
muitas vezes malévola, de acabar 
com a sociedade, eliminar o ser 
humano e assim por diante.
’’
13
05:30‘‘Nós, como os líderes, vamos 
ter que tomar decisões. Eu vou 
investir ou não vou investir? 
Como é que a tecnologia vai 
afetar as minhas atividades? 
Como vai afetar as atividades 
das pessoas que estão sob minha 
liderança?
’’
 
PERSONALIDADE
É um empresário estadunidense conhecido 
por fundar, e ter sido o presidente e CEO 
da Amazon. Bezos fundou a Amazon.com 
no final de 1994. A empresa começou com 
o comércio de livros e expandiu para uma 
grande variedade de produtos e serviços. 
Atualmente, é a maior empresa online de 
vendas do mundo. Em 2021, Bezos saiu da 
Amazon para ficar em outros projetos como 
a direção do Washington Post e sua empresa 
espacial, Blue Origin.
Jeff Bezos
08:25
A inteligência artificial é abordada no 
entretenimento, principalmente na ficção 
científica, de forma irracional. Muitas vezes 
surge representado por algum robô muito 
inteligente e malévolo, pronto para se 
revoltar contra os seres humanos.
EXERCÍCIO DE FIXAÇÃO
08:38
Machine Learning: traduzido como 
aprendizado de máquina, é um 
sistema que pode modificar seu 
comportamento autonomamente 
tendo como base a sua própria 
experiência. A interferência humana 
aqui é mínima. A tal modificação 
comportamental consiste, 
basicamente, no estabelecimento de 
regras lógicas que visam melhorar 
o desempenho de uma tarefa ou, 
dependendo da aplicação, tomar 
a decisão mais apropriada para o 
contexto. Essas regras são geradas 
com base no reconhecimento de 
padrões dentro dos dados analisados.
PALAVRA-CHAVE
Tecnologia usada desde 2016 em mercearias 
físicas da Amazon, permitia aos clientes 
saírem das lojas sem pagar e receberem 
a conta depois, graças a uma espécie de 
checkout automático. Em 2024 a empresa 
resolveu extinguir essa tecnologia. O que 
motivou a mudança foi a descoberta de que 
o sistema 100% automatizado da empresa, 
na verdade, não era totalmente feito por 
inteligência artificial. Isso porque ele contava 
com funcionários da Índia que assistiam 
e rotulavam os vídeos para garantir o 
checkout correto dos clientes.
Sistema “Just Walk Out”
CASE
21:27 
R
e
sp
o
st
a
 d
e
st
a
 p
á
g
in
a
: 
v
e
rd
a
d
e
ir
o
.
14
Fundada em 1995, na cidade de Shenzhen, 
no sul da China a BYD é uma empresa 
líder mundial em vendas de veículos 
elétricos. Como maior produtor de veículos 
elétricos da China, exporta táxis eléctricos, 
ônibus e outros veículos para o resto do 
mundo, incluindo Europa, América do 
Sul, Sudeste Asiático e Oriente Médio. Na 
inteligência artificial de seus automóveis, 
os controladores de domínio e o BYD OS 
(sistema operacional) facilitam altos níveis 
de direção inteligente. A dissociação de 
hardware e software permite a constante 
auto evolução de todo o veículo.
BYD – Build Your Dreams
CASE
25:57
27:19 ‘‘A expectativa sempre 
foi muito grande sobre as 
tecnologias, mas a realidade 
prática é completamente diferente. 
Quando a gente sai das ideias 
do laboratório e vai para o 
mundo real, é completamente 
diferente.
’’
EXERCÍCIO DE FIXAÇÃO
Considere as alternativas e assinale 
a correta:
I – Os líderes de uma organização 
são responsáveis pelas tomadas 
de decisão sobre investir em novas 
tecnologias.
II – Um software de machine 
learning é capaz de identificar 
dados baseados em reconhecimento 
de padrões.
III – Nem sempre o hype gerado 
em torno de uma nova tecnologia 
corresponde às expectativas daquilo 
que ela oferece.
O que é IA - Inteligência Artificial?
O conceito principal de Inteligência Artificial 
é a capacidade de um sistema informático 
(software) imitar funções cognitivas 
algorítmicas humanas, como aprendizagem e 
resolução de problemas.
Ela é, acima de tudo, matemática 
de resultados probabilísticos. É uma 
matemática onde o tamanho das equações 
e a quantidade de resultados a serem 
processados não são limitados pela 
capacidade humana de resolvê-los. É 
matemática como uma equação capaz de 
produzir milhões e até bilhões de x, y, z. E o 
que se chama de “aprendizado” em IA nada 
mais é do que encontrar um valor equilibrado 
onde, para cada valor de x, encontramos 
instantaneamente o valor de y.
29:04
R
e
sp
o
st
a
 d
e
st
a
 p
á
g
in
a
: 
a
lt
e
rn
a
ti
v
a
 4
.
15
Importante destacar que a Inteligência 
Artificial dá conta de situações 
probabilísticas e não determinísticas. 
Existem muitas situações em que seguir umpadrão leva a um resultado, mas quando 
a IA se depara com um novo padrão ela 
não consegue estabelecer as inteligências 
humanas para lidar com um novo resultado. 
Nesse sentido a IA não representa 
exatamente sistemas inteligentes. Apesar de 
ser solução para muitos problemas e possuir 
muitas aplicabilidades, ela não é a solução 
para todos os problemas.
31:30 ‘‘Um sistema de inteligência 
artificial, ou algoritmo de 
inteligência artificial é um monte 
de funções matemáticas, que 
dá resultados baseados nessas 
expressões matemáticas, ou seja, 
os resultados probabilísticos.
’’
31:56‘‘Então, a inteligência artificial 
não é absolutamente isso que a 
gente vê na ficção científica. Não 
é uma máquina com intenção de 
fazer algo..
’’
 
EXERCÍCIO DE FIXAÇÃO
A inteligência artificial não é 
capaz de estabelecer inteligências 
humanas quando se depara com 
novas situações e novos padrões. 
É correto afirmar que ela é uma 
inteligência que dá conta de 
resultados:
R
e
sp
o
st
a
 d
e
st
a
 p
á
g
in
a
: 
a
lt
e
rn
a
ti
v
a
 2
.
A pesquisa liderada pelo professor Richard 
Levenson, da Universidade da Califórnia, 
mostrou que pombos podem distinguir 
entre tecido saudável e canceroso. Em um 
experimento, oito pombos analisaram 144 
imagens em preto e branco e em cores. 
Após cada imagem, escolhiam uma tela 
azul ou amarela para indicar se o tecido 
era saudável ou doente, recebendo comida 
como recompensa por acertos. Em caso de 
erro, continuavam vendo imagens. Em duas 
semanas, a precisão aumentou de 50% para 
85%. Para acessar o estudo completo, em 
inglês, clique aqui.
Pesquisa com pombos
CASE
33:01
37:54 ‘‘A resposta de um sistema 
de inteligência artificial é sempre 
uma probabilidade, nunca é 
uma certeza e jamais será uma 
certeza.
’’
https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0141357
https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0141357
16
AULA 1 • PARTE 3
O surgimento do ChatGPT fez crescer a 
disseminação do assunto Inteligência Artificial 
pelo mundo nos últimos anos. Taurion 
reforça que ele não trouxe uma revolução 
tecnológica, pois as tecnologias que ele usa já 
existiam e inclusive eram utilizadas em outros 
sistemas. A inovação trazida pelo ChatGPT foi 
a maneira de interagir com esses sistemas de 
inteligência artificial, que acontece de forma 
direta. Algo mais ligado à experiência do 
usuário.
O professor traz alguns exemplos, na história, 
de inteligências artificiais que empregavam 
tecnologias parecidas com as que o ChatGPT 
trabalha hoje, como:
Perceptron: de 1958-59, um dos primeiros 
computadores desenvolvidos para trabalhar 
com o reconhecimento de padrões e machine 
learning. 
ELIZA: de 1966, o software é considerado 
o primeiro chatbot e funcionava como uma 
espécie de psicólogo.
Watson: a inteligência artificial 
desenvolvida pela IBM foi responsável 
pelo supercomputador Deep Blue, que 
em 1997, venceu o campeão mundial de 
xadrez Garry Kasparov. A evolução desta 
IA pela IBM e ganhou o nome de Watson 
em 2011 para competir em um programa 
de perguntas e respostas da TV americana 
chamado “Jeopardy!” e novamente venceu a 
competição. 
AlphaGo: em 2016, com um impacto mais 
significativo, o software da DeepMind venceu 
o campeão mundial de Go, um jogo chinês 
ainda mais complexo que o xadrez.
Dentro deste contexto é importante reforçar 
que a Inteligência Artificial é um conjunto 
de aparatos tecnológicos e não pode ser 
definida como ChatGPT ou IA generativa. 
Estes são apenas subconjuntos de tudo o 
que engloba a Inteligência Artificial. Esses 
aspectos são trazidos pelo professor através 
da imagem ao lado.
Impactos da IA Generativa 00:36
02:06 ‘‘Todo mundo começou a 
falar sobre inteligência artificial 
de um dia para o outro, e aí 
a gente começa a ver aquilo, 
que tipicamente que acontece 
quando surge uma tecnologia 
extremamente sofisticada, 
extremamente interessante: 
parece mágica!
’’
17
04:33
CURIOSIDADE
Em 1958, Frank Rosenblatt criou 
o Perceptron, um algoritmo de 
reconhecimento de padrões baseado em 
uma rede neural de duas camadas, usando 
adição e subtração simples. Embora este seja 
um tipo de tarefa que os humanos realizem 
com facilidade e instantaneamente, é um 
desafio significativo para as máquinas.
Perceptron
CURIOSIDADE
ELIZA, o primeiro software de simulação de 
diálogos (chatbots), foi desenvolvido por 
Joseph Weizenbaum no MIT entre 1964 e 
1966. Ele simulava conversas entre humanos 
e máquinas, principalmente imitando 
sessões terapêuticas entre um paciente e 
um psicólogo. Na época, até mesmo alguns 
acadêmicos acreditaram que o sistema 
poderia influenciar positivamente a vida 
de pessoas que sofrem com problemas 
psicológicos, sendo capaz de complementar 
o tratamento dos pacientes.
ELIZA – 1966
05:27
05:33
Chatbot: é um software que utiliza 
inteligência artificial para simular 
conversas humanas via texto ou 
voz. Ele pode responder perguntas, 
realizar tarefas específicas e é 
amplamente utilizado em atendimento 
ao cliente, marketing e suporte 
técnico. Existem dois tipos principais: 
chatbots baseados em regras, 
que seguem scripts predefinidos, 
e chatbots baseados em IA, que 
usam aprendizado de máquina para 
entender e responder de forma mais 
flexível.
PALAVRA-CHAVE
AlphaGo é um programa de computador 
desenvolvido pela DeepMind Technologies 
para jogar Go, um antigo jogo de estratégia 
de tabuleiro. O jogo foi inventado na China 
há mais de 2500 anos e é muito popular 
também no Japão e na Coreia. Em março 
de 2016, o AlphaGo derrotou o profissional 
Lee Sedol em uma série de cinco partidas, 
marcando a primeira vitória de um programa 
de computador contra um jogador de 
alto nível. Esse feito influenciou a China a 
incorporar a inteligência artificial em suas 
estratégias geopolíticas.
AlphaGo – DeepMind
CASE
11:07
12:19‘‘Hoje a China compete com 
os Estados Unidos, em termos 
de liderança, pela inteligência 
artificial.
’’
 
18
Considere as alternativas e assinale a 
correta:
I – A inteligência artificial pode 
ser definida como ChatGPT e IA 
generativa.
II – O ChatGPT inovou a maneira 
de os humanos interagirem com 
sistemas de inteligência artificial.
III – O chatbot é um software que 
simula conversas entre humanos 
através das máquinas, usando 
humanos para responder as 
mensagens.
EXERCÍCIO DE FIXAÇÃO
Attention is All You Need 
O famoso paper “Atenção é tudo que 
você precisa” de 2017 mudou a forma 
de pensar sobre a atenção. O objetivo 
da pesquisa, realizada pela Google, era 
melhorar a tradução automática entre 
diferentes idiomas. Com dados suficientes, 
multiplicações de matrizes, camadas lineares 
e normalização de camadas, pode-se realizar 
uma tradução automática de texto de última 
geração. Para ler o paper completo (em 
inglês) clique aqui.
LEITURAS INDICADAS
13:47
15:38 ‘‘Hoje é interessante que o 
tema ChatGPT e IA generativa 
é ‘top of mind’. Todo mundo 
fala sobre isso e há uma certa 
confusão de que isso é o mundo 
da inteligência artificial, mas na 
verdade não é.
’’16:56‘‘Dizer que o ChatGPT é 
Inteligência Artificial, perfeito, 
exato! Mas dizer que a Inteligência 
Artificial é ChatGPT, não!
’’
 
PERSONALIDADE
É um cientista da computação e empresário 
norte-americano especializado em 
aprendizado de máquina e IA. Cofundador 
e ex-chefe do Google Brain, é professor 
de Ciência da Computação em Stanford. 
Ng é renomado por suas pesquisas em 
aprendizado profundo, visão computacional 
e processamento de linguagem natural.
Andrew Ng
17:53
18:32‘‘Quando a mídia diz que 
o mundo vai mudar com a IA 
generativa e vai gerar trilhões de 
valor para a economia, eu daria 
um, dois ou três passos atrás. 
Ficaria um pouco mais cético em 
relação a isso.
’’
 
R
e
sp
o
st
a
 d
e
st
a
 p
á
g
in
a
: 
a
lt
e
rn
a
ti
v
a
 1
.
https://proceedings.neurips.cc/paper_files/paper/2017/file/3f5ee243547dee91fbd053c1c4a845aa-Paper.pdf
https://proceedings.neurips.cc/paper_files/paper/2017/file/3f5ee243547dee91fbd053c1c4a845aa-Paper.pdf19
Neste momento o professor retoma as 
ideias que surgem junto de uma nova 
tecnologia. No caso do ChatGPT, tende-
se a ver como uma mágica que acontece, 
uma inteligência muito aprofundada em 
vários temas. A empolgação e o hype 
ressurgem e jogam as expectativas do 
usuário para o alto. 
Nesse contexto, a interação com o 
ChatGPT vai revelando muitas coisas, 
como algumas respostas incorretas 
e imprecisões em alguns assuntos. A 
verdade é que ele não compreende 
exatamente o tema que é conversado, 
mas ele dá uma resposta baseada na 
probabilidade de uma palavra surgir após 
a outra, juntando com informações da 
internet. Ele foi feito para responder de 
forma estatisticamente plausível. A partir 
destas revelações sobre as limitações de 
seu uso, o usuário começa a entender de 
que forma o ChatGPT funciona e o que se 
deseja com o uso da ferramenta.
O sistema de funcionamento do ChatGPT 
também é bastante trabalhado para ele 
devolver respostas satisfatórias e até pedir 
desculpas quando não conseguir realizar 
o que o usuário pede. Também é feita 
uma moderação deste conteúdo que ele 
dá conta, de forma que a ferramenta não 
seja usada para um uso social inadequado. 
Todas essas análises são feitas por muitos 
algoritmos atribuídos a ele.
Além do ChatGPT existem muitas outras 
ferramentas de IA generativa de texto 
que trabalham da mesma forma. O foco 
destes modelos é otimizar a fluência 
dos conteúdos, mas não sua precisão. É 
importante ter isso em mente quando for 
utilizar a ferramenta.
Praticando o ChatGPT 19:17
23:39 
Prompt: é o texto que passa uma 
instrução ou contexto a um programa 
(modelo de linguagem ou de 
Inteligência Artificial) esperando que 
uma resposta seja gerada com base 
na solicitação feita através deste 
texto, dessas instruções, de modo 
que o usuário obtenha a resposta 
para sua solicitação. 
PALAVRA-CHAVE
29:14 ‘‘A recomendação que a 
gente sempre faz quando usa 
uma ferramenta de IA generativa, 
é que ela é uma ferramenta 
excelente para fazer muitas 
coisas, principalmente na fluência, 
mas não é precisa. Nesse caso, 
use dentro dos seus limites de 
conhecimento.
’’
35:54 ‘‘À medida que a tecnologia 
vai evoluindo, ela vai assumindo 
algumas tarefas que as pessoas 
fazem. Isso não significa 
necessariamente substituir a 
atividade humana.
’’
20
AULA 1 • PARTE 4
O ganho de produtividade com a 
implementação da IA generativa precisa 
de um cuidado importante. Nem sempre 
um ganho individual na produtividade, 
que se vê em muitas empresas, significa 
um ganho real de produtividade na 
corporação. O processo pode sim ser mais 
eficiente e a pessoa que está executando, 
está fazendo mais rápido, mas isso pode 
não refletir na produtividade corporativa 
como um todo. É importante observar o 
todo para identificar onde é possível ter 
mais benefícios dessa produtividade.
O papel da gestão é muito importante 
para a implementação da IA generativa, 
pois é necessário um processo de 
aculturamento na organização para 
essa implementação. A gestão precisa 
esclarecer, para o usuário da ferramenta, 
os benefícios que ela vai trazer.
O “olhar para o todo” é importante para 
que não haja um efeito contraproducente 
na implementação da IA generativa. É 
preciso que a organização olhe com 
cuidado para as tarefas que realiza e veja 
onde é capaz de melhorar os processos.
Produtividade com IA generativa 01:02
01:05 ‘‘Você sempre ganha 
produtividade com uma nova 
tecnologia, mas isso não 
significa que o seu trabalho 
vai ser substituído. Não 
necessariamente.
’’
CURIOSIDADE
A primeira versão do Office foi lançada 
em novembro de 1990 e continha as três 
aplicações mais associadas ao serviço 
- o Word (para documentos de texto), 
o Powerpoint (para apresentações em 
slides) e o Excel (para organizam de 
dados). Junto com os microcomputadores 
pessoais, o Pacote Office da Microsoft 
revolucionou a forma de se trabalhar em 
escritórios, aumentando a produtividade 
com a possibilidade de editar documentos, 
planilhas e apresentações.
Microsoft Office
02:35
CURIOSIDADE
O Microsoft Copilot é um assistente de IA 
generativa capaz de combinar dados e 
executar funções nos principais softwares 
da empresa. A ferramenta foi lançada em 
março de 2023 e tem sido aprimorado para 
alcançar recursos de outras IA generativas.
Microsoft Copilot
05:58
12:37‘‘Se a gente não olhar o todo 
e, principalmente o ser humano 
que está ali no centro e que vai 
usar a tecnologia, a coisa não vai 
funcionar.
’’
 
21
A liderança precisa trabalhar 
a cultura da IA generativa na 
organização para uma melhor 
implementação desta tecnologia. 
Nesse sentido é papel do líder:
EXERCÍCIO DE FIXAÇÃO
CURIOSIDADE
O Devin é um chatbot capaz de desenvolver 
códigos de programação. A tecnologia, 
desenvolvida pela startup Cognition Labs, se 
propõe não apenas a auxiliar na geração de 
códigos e executar produtos como websites, 
aplicativos e games, mas também quer ser 
um colaborador completo. É importante 
apresentar o contraponto de que entre 
as atividades do engenheiro de software 
envolvem mais do que “apenas” escrever 
códigos. Ele faz muitas outras coisas, como 
entender o problema do cliente, definir 
especificações, entender a arquitetura da 
aplicação e assim por diante. 
Devin X Engenheiro de 
Software
17:18
19:00‘‘Quando a gente olha o uso 
de inteligência artificial e a sua 
aplicação na empresa, é como 
uma estrada. Uma estrada que te 
leva a uma jornada muitas vezes 
sinuosa. Ficam altos e baixos, e 
você vai e volta, vai e volta. Não 
acontece de imediato. Então esse 
é um ponto importante.
’’
 
19:29 ‘‘Se eu estou pensando em 
utilizar inteligência artificial na 
minha empresa, eu tenho que ir 
com cuidado. Tenho que saber de 
que forma eu estou usando essa 
tecnologia e principalmente, não 
esquecendo do fator humano, 
tanto interno (funcionário) quanto 
externo (clientes).
’’
A importância dos gestores se tornarem 
fluentes digitais, é cada vez mais 
significativa no processo das organizações 
de implementarem novas tecnologias, 
como a IA generativa. O gestor não 
precisa ser um programador de código, ou 
entender algoritmo de machine learning, 
mas precisa entender que a tecnologia 
existe, compreender as potencialidades 
e limitações das tecnologias que estão 
surgindo para tomar decisões nesse 
contexto.
A fluência digital da gestão 21:03
R
e
sp
o
st
a
 d
e
st
a
 p
á
g
in
a
: 
a
lt
e
rn
a
ti
v
a
 1
.
22
Dentro deste tema, existe um contraponto 
entre gestão de pessoas e RH. A gestão 
de pessoas, quando implementada na 
organização, vai conseguir estabelecer 
mais ações estratégicas para atuar com 
respeito ao funcionário. É necessário, na 
implementação de uma nova tecnologia, que 
a liderança atue de forma estratégica sobre 
essa transição.
A fluência digital da gestão é fundamental 
para tomar decisões mais assertivas quando 
ao uso das novas tecnologias. Por exemplo, 
utilizar a IA generativa como uma ferramenta 
de apoio que respeite o capital intelectual 
da organização. Trazer para a cultura 
organizacional formas de se trabalhar com 
as pessoas e a Inteligência Artificial sem que 
uma coisa substitua a outra.
O conselho das organizações também 
precisa estar atualizado sobre as potências 
e limitações das tecnologias. Mas a realidade 
é que muitos ainda estão longe de entender 
isso. À medida que o conselho começa a 
ter uma maior compreensão da IA, torna-
se possível aprofundar questões mais 
complexas, que devem incluir três áreas 
principais: 
• Estratégia de Abordagem para IA
• IA Responsável 
• Riscos e Regulamentações 
É importante entender que é a liderança 
da empresa que vai implementar as ações 
de tecnologia e tomar as decisões sobre os 
impactos que ela vai ter na organização.
22:08 ‘‘É interessante que a gente 
vê cada vez mais a necessidade 
dos gestores se tornarem fluentes 
digitais.
’’
25:48 ‘‘Eventualmente, algumas 
funções vão ser eliminadas? 
Vão. Algumas funções vão ser 
modificadas? Vão. Mas é um papelda liderança se preocupar com 
isso.
’’
27:51 ‘‘Isso tem que estar dentro 
da cultura da organização. O 
respeito ao indivíduo é cultura da 
organização.
’’
CURIOSIDADE
Segundo um artigo da Harvard Business 
Review, para a transformação digital ser 
bem-sucedida e implementada de fato, 
ela precisa ser iniciada por uma liderança 
preparada – mesmo que haja soluções 
criativas de funcionários para se adaptar à 
nova realidade digital. Para acessar o artigo 
completo (em inglês), clique aqui.
Transformação digital
29:24
19:00‘‘Quanto mais fluente digital, 
mais fácil tomar a decisão.
’’
 
https://hbr.org/2020/05/digital-transformation-is-about-talent-not-technology
https://hbr.org/2020/05/digital-transformation-is-about-talent-not-technology
23
AULA 2 • PARTE 1
Um dos papéis fundamentais de um 
líder é definir claramente os objetivos 
estratégicos da corporação, para entender 
onde a tecnologia de IA deve atuar 
estrategicamente. O professor Cezar 
Taurion ressalta que os projetos mais 
importantes são aqueles que estão mais 
alinhados com a estratégia do negócio.
A partir de uma frase de Bill Gates, o 
professor destaca que: se você tem 
algo ineficiente, e quer automatizar essa 
ineficiência, você vai tornar a ineficiência 
muito mais rápida de acontecer. Ou seja, 
muitas vezes numa tentativa de “melhorar” 
um processo que não anda muito bem 
na organização, o líder responsável por 
esta decisão pode causar um aumento na 
ineficiência dentro da corporação. 
Nesse sentido, o planejamento e 
alinhamento estratégico são fatores 
essenciais para pensar aonde se quer 
chegar e como se quer chegar com 
as inovações tecnológicas dentro da 
organização. Sobre essas questões, Taurion 
traz alguns pontos a pensar:
• A maturidade digital da empresa: é 
importante refletir sobre a governança 
de dados da empresa e pensar em 
como que a liderança está preparada 
para uso de tecnologia. 
• Cultura organizacional: refletir sobre 
como é a cultura da organização em 
termos de aceitação ou rejeição de 
tecnologias inovadoras. 
• Alinhamento: é importante que os 
executivos, gestores e a corporação 
como um todo tenham a percepção 
das potencialidades e limitações da 
tecnologia.
IA como estratégia de negócio 01:49
03:08 ‘‘O nosso objetivo ao 
desenvolver um projeto de 
tecnologia, por exemplo, usando 
inteligência artificial, é resolver um 
problema de negócio.
’’
08:11 ‘‘Ter um investimento para, se 
alguma coisa der certo, eu poder 
eventualmente aplicar, não é o 
melhor caminho.
’’
08:51
ROI: é a sigla, em inglês, de return 
on investments, retorno sobre 
investimentos. Trata-se de um 
indicador importante que permite 
avaliar o resultado financeiro sobre 
investimentos feitos pela empresa.
PALAVRA-CHAVE
09:00 ‘‘Qualquer iniciativa de 
tecnologia, e a inteligência 
artificial é uma delas, tem 
dinheiro envolvido, tem 
investimento envolvido.
’’
24
A implementação da IA na corporação não 
deve ser apenas para fins de aprendizado, 
é importante que se tenha uma finalidade 
de resultados com essa iniciativa. No 
mundo dos negócios, cada momento 
conta. Os executivos devem identificar 
as oportunidades mais fáceis de serem 
alcançadas, aquelas áreas onde a IA 
Generativa pode proporcionar ganhos 
rápidos. 
Cabe ao líder, também, disseminar as 
capacidades da IA Generativa de forma 
rápida e eficaz por toda a organização, 
implementando um processo de aquisição 
rápida das capacidades necessárias.
CURIOSIDADE
É um empresário reconhecido por fundar, 
junto com Paul Allen, a Microsoft, empresa 
líder mundial em software. Após deixar 
a presidência da Microsoft em 2008, 
concentrou-se na Bill & Melinda Gates 
Foundation, uma das principais organizações 
filantrópicas globais, focada em saúde, 
educação e desenvolvimento sustentável 
para combater a pobreza e melhorar as 
condições de vida em escala mundial.
Bill Gates
10:17
O professor Taurion traz algumas 
recomendações importantes voltadas 
à liderança da corporação, para se ter 
uma implementação bem-sucedida da 
Inteligência Artificial:
Incorpore IA na Estratégia de Negócio: 
é aparentemente legal ter uma atitude 
ousada na implementação de uma nova 
tecnologia, mas é necessário que ela tenha 
retorno estratégico para a corporação.
Tenha objetivos claros para os projetos 
de IA: tenha muito bem definido quais 
problemas de negócio se quer resolver 
com a implementação da IA. Quais 
soluções se deseja para a corporação e os 
caminhos para alcançá-las.
Evangelize os executivos seniores: a 
alta gestão precisa “olhar para o todo” 
da corporação. Então é importante que 
todos os gestores estejam alinhados e 
esclarecidos sobre os projetos de IA, 
para que, se necessário, haja apoio de 
diferentes setores da corporação.
Implemente governança de dados: a 
coleta de processos e políticas, para 
entender as métricas e padrões da 
corporação, garantem um uso eficiente 
das informações a serem usadas pela IA.
Recomendações 19:35
Os resultados da implementação de IA, nem 
sempre são imediatos. A liderança deve 
entender que é um caminho de altos e baixos 
e trabalhar com respeito aos funcionários, 
entendendo as limitações e possiblidades da 
implementação de uma nova tecnologia.
EXERCÍCIO DE FIXAÇÃO
R
e
sp
o
st
a
 d
e
st
a
 p
á
g
in
a
: 
v
e
rd
a
d
e
ir
o
.
25
Crie um Comitê de Ética: é importante tomar 
um cuidado com o uso da IA. Entender as 
limitações e evitar quaisquer violações de 
direitos autorais.
Mitigue vieses e atenção ao compliance: 
tenha cuidado com os dados e abordagem 
do uso da IA, para que ela aconteça de 
acordo com as diligências da corporação.
Valide sua infraestrutura tecnológica: 
é fundamental ter uma infraestrutura 
adequada para tornar viável o uso da 
IA, tanto em hardware quanto software. 
Entender o tamanho/alcance que se deseja 
com essa tecnologia também é importante 
nesse processo.
Busque e retenha talentos adequados: a 
equipe precisa se manter alinhada à essa 
implementação de IA e também conseguir 
enxergar o “todo”. Esse é um aspecto 
fundamental para se manter competitivo no 
mercado.
Para uma boa prática da ferramenta 
de IA, o professor traz também outras 
recomendações para o profissional líder que 
deseja implementar essa tecnologia: fazer 
o uso da ferramenta no dia a dia, dentro de 
casa mesmo, é essencial para compreender 
as possibilidades da IA generativa; usá-la 
com transparência, sem ignorar as questões 
de privacidade e segurança, para entender 
como os dados circulam na ferramenta; 
começar devagar e ir amadurecendo 
a IA para definir os próximos passos 
com segurança; e, criar uma política de 
governança e um Comitê de Ética para o uso 
da IA, onde é possível discutir seu uso e as 
diretrizes a partir dela.
EXERCÍCIO DE FIXAÇÃO
Considere as alternativas e assinale 
a correta:
I - A implementação da IA é uma 
iniciativa que deve ter a finalidade 
de melhores resultados para 
empresa.
II - Uma infraestrutura adequada, 
tanto em hardware quanto software, 
é fundamental para tornar viável o 
uso da IA.
III – Fazer uso da IA generativa no 
dia a dia pode ajudar a compreender 
as possibilidades da ferramenta.
R
e
sp
o
st
a
 d
e
st
a
 p
á
g
in
a
: 
a
lt
e
rn
a
ti
v
a
 4
.
Os dados são fundamentais para 
operacionalizar qualquer situação em 
inteligência artificial. São eles que vão 
ser analisados pelo machine learning e 
reconhecidos como padrões. Os profissionais 
da implementação de IA na corporação, 
vão coletar os dados, treinar, escolher 
os modelos e trabalhar em cima desses 
modelos, treinando-os para um bom 
resultado. 
Esse modelo testado vai para o ambiente 
de produção e precisa ser continuamente 
monitorado. Não muito diferente do uso 
de uma tecnologia comum, em que depois 
de implementada é testada e segue 
funcionando. Acontece que (no caso da 
IA) além de testar, é preciso treinar o 
modelo para ele melhorar ou atingir o nível 
de assertividade que seja válido para a 
corporação.
Governança de dados27:15
30:10‘‘A máxima básica é‘no data, 
no machine learning’ que quer 
dizer: sem dados você não vai 
fazer nada com a inteligência 
artificial.
’’
 
26
Então, diferente de um sistema 
determinístico que quando está funcionando, 
é colocado em produção e não se mexe nele, 
um sistema de inteligência artificial, ao ser 
colocado em produção, no dia seguinte ele 
começa a degradar. Isso significa que ele 
tem que estar continuamente monitorado, 
não apenas no seu desempenho, mas 
também em seu grau de assertividade. Este 
é um dos cuidados na prática do sistema de 
inteligência artificial. 
O professor destaca que é importante 
adequar o processo de coleta de dados, para 
o funcionamento da inteligência artificial. 
Muitas vezes o sistema de IA, depois de 
implementado, revela processos que não 
estão adequados dentro da organização. 
Nesse sentido, é essencial que se tenha a 
percepção da importância dos processos por 
todos aqueles que vão usar a IA e os dados 
que ela precisa.
Essas situações também reforçam o papel 
das lideranças das corporações de entender 
o todo, principalmente de que forma a 
empresa atua implementando IA na ponta 
do processo com seus clientes.
46:09‘‘Se você quer treinar bem o 
algoritmo, tenha certeza de que 
você está coletando um volume 
adequado de dados e que ele seja 
suficiente para o sistema.
’’
 
47:23
CURIOSIDADE
Em 2012, a Harvard Business School lançou 
um artigo intitulado “Data Scientist: Sexiest 
Job of the 21st Century”, destacando a 
ascensão da profissão de Cientista de 
Dados como uma das mais promissoras na 
história da tecnologia. Naquela época, a 
Ciência de Dados ainda era uma área em 
desenvolvimento, mesmo em empresas 
focadas em inteligência artificial. Hoje, no 
entanto, é uma área bem estabelecida, 
especialmente em organizações que têm um 
forte compromisso com dados e inteligência 
artificial. Para ler o artigo completo da HBS, 
em inglês, clique aqui.
Cientista de Dados: A Profissão 
Mais Sexy do Século XXI
27
AULA 2 • PARTE 2
Como mencionado na aula anterior, os 
dados são o material mais importante 
para se trabalhar com os sistemas de 
inteligência artificial. As organizações 
precisam ser responsáveis com a coleta 
de dados e com o cadastramento 
destes dados em seus projetos de IA. É 
importante entender que a IA é treinada 
por algoritmos desenvolvidos por seres 
humanos.
Desta forma, é preciso reforçar o 
cuidado ético com a governança de 
dados e quais os objetivos da empresa 
com a implementação da IA. Algumas 
considerações, trazidas pelo professor, 
para manter uma política de governança 
de dados clara e bem definida são:
1. Coletar apenas os dados que você 
precisa utilizar.
2. Ser transparente sobre porque os dados 
são coletados, para que serão utilizados e 
quem terá acesso a eles.
3. Garantir que você tenha permissões 
apropriadas para armazenar e processar 
seus dados.
4. Remova dados pessoais desnecessários.
5. Exclua os dados quando a finalidade 
acordada for cumprida.
6. Anonimize os dados, sempre que 
possível, para remover identificadores 
pessoais.
7. Criptografe dados pessoais.
8. Proteja o acesso físico ao seu 
armazenamento de dados.
9. Controle o acesso aos seus dados.
10. Monitore o acesso aos dados e 
armazene uma trilha de auditoria das 
pessoas que visualizaram ou alteraram 
dados.
11. Utilize os dados apenas para os fins 
acordados
Governança de dados 00:10
00:17 ‘‘Pelo menos 80% do 
tempo que você dedica ao 
desenvolvimento do projeto é 
ligado a dados. Limpeza de dados, 
higienização e reconciliação dos 
dados, ajuste, eliminação de dados 
espúrios e assim por diante.
’’
01:06 ‘‘Uma equipe de projeto de 
Inteligência artificial tem que 
ser multidisciplinar, porque, 
entre outras atividades e 
responsabilidades, você tem que 
ter pessoas que entendam do 
negócio.
’’
CURIOSIDADE
Os “Trabalhadores Fantasmas”, também 
conhecidos como Ghost Workers, constituem 
uma ampla força de trabalho humana que 
realiza microtarefas em plataformas digitais. 
Essas tarefas variam desde a moderação 
de conteúdo até a rotulação de dados para 
treinar algoritmos de inteligência artificial. 
Essa modalidade de trabalho está inserida 
na chamada “gig economy” ou “economia de 
plataforma” e tem se expandido desde 2015. 
A Organização Internacional do Trabalho 
(OIT) passou a acompanhar essa tendência 
nesse período.
Ghost Workers
04:43
28
12. Implemente um processo para fornecer a 
um indivíduo uma cópia de todos os dados 
que você possui sobre ele ou ela.
13. Implemente um processo para remover 
todos os dados que você possui sobre um 
indivíduo específico.
A Presto Automation é uma empresa 
que desenvolve soluções de drive-thru 
impulsionadas por IA, promovendo 
aumento nas vendas e economia de tempo 
de trabalho. Entretanto, documentos 
regulatórios dos EUA revelaram que mais 
de 70% dos pedidos processados por sua 
IA ainda dependem de trabalho humano. A 
empresa emprega trabalhadores nas Filipinas 
para operar seu sistema, evidenciando um 
padrão comum em soluções de IA que 
frequentemente envolvem mão de obra em 
países com custos mais baixos.
Presto Voice – Drive Thru AI
CASE
05:48
É correto afirmar que a IA é treinada 
por algoritmos, estes desenvolvidos 
por:
EXERCÍCIO DE FIXAÇÃO
R
e
sp
o
st
a
 d
e
st
a
 p
á
g
in
a
: 
a
lt
e
rn
a
ti
v
a
 3
.
A partir dos dados coletados, é hora de 
trabalhar o treinamento destes dados, 
baseados em modelos de machine 
learning para solucionar os problemas de 
negócio apontados pela organização. O 
professor traz exemplos de dois modelos 
de dados: o supervisionado e o não 
supervisionado.
O modelo de treinamento de dados 
supervisionado é aquele em que é possível 
validar o resultado e entender se a IA 
está entregando um resultado correto em 
relação a base de dados já existentes. Já o 
modelo não supervisionado é um conjunto 
de algoritmos que tem que aprender por 
conta própria e funciona em alguns casos, 
como as recomendações de conteúdo da 
Netflix, por exemplo.
Um cuidado importante com o sistema 
de IA, que é probabilístico, é ter atenção 
com a taxa de risco, ou seja, aquela 
porcentagem que representa o erro.
Treinamento de dados e algoritmos 08:48
CURIOSIDADE
A Netflix usa inteligência artificial de diversas 
formas em sua plataforma. Uma delas é 
para a otimização das recomendações 
de conteúdo. A análise do histórico de 
visualização dos usuários permite à Netflix 
sugerir com maior precisão o próximo 
conteúdo a ser assistido, mantendo assim 
um usuário engajado e incentivando a 
continuidade de sua assinatura mensal. O 
algoritmo do sistema é constantemente 
aprimorado à medida que novos dados 
são coletados, garantindo uma experiência 
personalizada e relevante para cada usuário.
Recomendações Netflix
13:00
29
Já na implementação é preciso pensar na 
assertividade e saber se essa taxa de risco é 
aceitável para o projeto em questão.
O professor chama a atenção para os 
custos que envolvem a implementação da 
IA na corporação. É algo que as lideranças 
precisam estar preparadas para enfrentar, 
pois para o uso das ferramentas de uma 
forma mais eficaz é necessário investimento. 
Mesmo que se opte por desenvolver a 
própria IA dentro da empresa, é preciso 
decidir estrategicamente sobre o impacto 
do investimento de tempo e dinheiro da 
organização no projeto.
Para o treinamento de algoritmos, é 
fundamental saber se a base de dados 
está em volume adequado para o 
reconhecimento de padrões no sistema de 
IA. O professor traz uma situação de um 
reconhecimento facial implementado num 
software de análise de documentos, por 
exemplo, em que o algoritmo foi construído 
em cima de uma base de dados usando 
apenas pessoas caucasianas. Quando um 
homem asiático tentou submeter seu rosto 
neste sistema, aparecia uma mensagem 
de erro para o reconhecimento facial, 
dizendo que ele deveria manter os olhos 
abertos. Esse tipo de situação exemplifica 
os preconceitos e vieses não intencionais de 
uma base de dados limitada. 
Outro exemploé também o padrão 
de inteligência artificial que os carros 
automáticos estão utilizando em outros 
países. Nos Estados Unidos e na Europa, 
estes carros são capazes de obedecer aos 
sinais e placas de trânsito nas rodovias. 
Agora, se estes modelos de carros circulam 
no Brasil, eles vão se deparar com outros 
dados dos quais não foram treinados para 
agir.
20:46 ‘‘O índice de assertividade 
muito grande obtido num 
laboratório, seja dentro da 
empresa, seja na academia, nem 
sempre se reflete no mundo 
real. O mundo real é muito mais 
inóspito do que a gente pensa.
’’
21:35
LLM: da sigla de Large Language 
Model, ou Grande Modelo de 
Linguagem, é um modelo de 
aprendizado de máquina treinado em 
grandes bases de dados, capaz de 
gerar linguagem para conversar com 
humanos e desenvolver contexto, 
proporcionando respostas rápidas em 
plataformas de IA generativa.
PALAVRA-CHAVE
27:20 ‘‘Eu só vou colocar inteligência 
artificial em alguma coisa, se me 
permitir que a coisa fique mais 
barata e seja feita de forma mais 
rápida, se o processo se tornar 
mais barato, e se tornar mais 
eficiente, vale a pena.
’’
CURIOSIDADE
Em maio de 2024, a OpenAI lançou o 
ChatGPT-4o, uma versão mais rápida e 
eficiente do seu antecessor. Esta nova versão 
é capaz de analisar imagens em tempo real e 
narrar histórias com variação no tom de voz. 
Em 2023, o setor de inteligência artificial 
generativa testemunhou um investimento 
recorde de US$ 29,1 bilhões em quase 700 
negócios, representando um aumento de 
mais de 260% em relação ao ano anterior.
ChatGPT 4 – OpenAI
28:06
30
28:21
CURIOSIDADE
Em abril de 2023, a Bloomberg publicou 
uma pesquisa sobre o desenvolvimento do 
BloombergGPT, um modelo de LLM treinado 
em uma vasta gama de dados financeiros. 
Ele foi projetado para auxiliar em uma 
variedade de tarefas de processamento de 
linguagem natural no setor financeiro. O 
BloombergGPT tem como objetivo aprimorar 
várias tarefas de NLP financeiras, incluindo 
análise de sentimento, reconhecimento 
de entidades nomeadas, classificação de 
notícias e resposta a perguntas. Para ler mais 
sobre o lançamento da ferramenta, clique 
aqui.
BloombergGPT
30:23 ‘‘É extremamente importante 
que a gente sempre tenha 
em mente que num ambiente 
corporativo, o investimento 
e o retorno de investimento 
são variáveis extremamente 
importantes.
’’
Desde 2014, uma equipe da Amazon 
desenvolveu um software para analisar 
currículos de candidatos, visando identificar 
os mais promissores. Porém, um ano depois, 
surgiram preocupações sobre discriminação 
de gênero, pois o algoritmo tendia a 
favorecer candidatos do sexo masculino. 
Em 2018, uma reportagem da Reuters 
relatou que a Amazon formou uma nova 
equipe em Edimburgo, Escócia, para adotar 
uma abordagem tecnológica diferente em 
suas práticas de contratação. Para ler a 
reportagem completa da Reuters sobre o 
caso, clique aqui.
Sistema de contratação da 
Amazon
CASE
36:45
38:32‘‘Não é que o algoritmo seja 
racista, sexista ou o tenha algum 
viés embutido. É a base de 
treinamento que fez com que isso 
acontecesse.
’’
 
https://www.bloomberg.com.br/blog/bloomberg-lanca-bloomberggpt-para-financas/
https://www.bloomberg.com.br/blog/bloomberg-lanca-bloomberggpt-para-financas/
https://www.bloomberg.com.br/blog/bloomberg-lanca-bloomberggpt-para-financas/
https://www.reuters.com/article/us-amazon-com-jobs-automation-insight/amazon-scraps-secret-ai-recruiting-tool-that-showed-bias-against-women-idUSKCN1MK08G/
https://www.reuters.com/article/us-amazon-com-jobs-automation-insight/amazon-scraps-secret-ai-recruiting-tool-that-showed-bias-against-women-idUSKCN1MK08G/
https://www.reuters.com/article/us-amazon-com-jobs-automation-insight/amazon-scraps-secret-ai-recruiting-tool-that-showed-bias-against-women-idUSKCN1MK08G/
31
AULA 2 • PARTE 3
Ainda sobre o treinamento de dados 
e algoritmos, é importante reforçar o 
cuidado com a diferença entre os padrões 
ensinados a uma IA e os demais padrões 
que ela pode encontrar. Dificilmente uma 
solução de IA poderá ser aplicada da 
mesma forma em outra situação sem uma 
alteração na base de dados.
Para um projeto de solução em IA é 
preciso ter diferentes setores da empresa 
engajados e conhecidos do assunto, 
para a implementação obtenha o retorno 
desejado.
É importante dar atenção para as 
formas de treinar os dados, para evitar 
estereotipagem e estigmatização de 
pessoas e etnias. Manter este cuidado é 
um desfio, porque à medida em que se 
começa a gerar informações de forma 
automática, com certas distorções, a 
internet é cada vez mais preenchida 
por essas informações. Isso faz com 
que aumente a possibilidade de se 
treinar errado as próximas gerações 
de algoritmos, pois essas informações, 
distorcidas ou não, servem como base de 
dados para treinar novos algoritmos.
Treinamento de dados e algoritmos 08:48
07:17 ‘‘Nós tendemos a antropomorfizar 
a tecnologia. Então achamos que a 
visão computacional trabalha da forma 
que nós vemos as coisas, com essa 
nossa capacidade de olhar uma foto e 
reconhecer todo um cenário.
’’
Em 2023, a revista Rest of World fez uma 
análise crítica sobre como os geradores 
de imagens de IA estão perpetuando 
estereótipos e simplificando a complexidade 
cultural. A pesquisa envolveu uma análise 
detalhada de 3.000 imagens geradas por IA, 
revelando tendências alarmantes e padrões 
de viés. Para acessar o artigo “How AI 
reduces the world to stereotypes”, da Rest 
of World, clique aqui.
O mundo de estereótipos da IA
CASE
08:39
13:27
Overfitting: é um comportamento 
indesejável no aprendizado de 
máquina, em que o modelo fornece 
previsões precisas apenas para os 
dados de treinamento, falhando ao 
lidar com novos dados. Cientistas 
de dados treinam modelos em 
conjuntos de dados conhecidos 
e, com base nisso, tentam prever 
resultados para novos conjuntos 
de dados. No entanto, um modelo 
de sobreajuste (overfitting) pode 
produzir previsões imprecisas e não 
ter bom desempenho com novos 
dados variados.
PALAVRA-CHAVE
https://restofworld.org/2023/ai-image-stereotypes/
https://restofworld.org/2023/ai-image-stereotypes/
https://restofworld.org/2023/ai-image-stereotypes/
32
Uma base de dados limitada implica 
em informações distorcidas geradas 
pela IA generativa, geralmente essas 
distorções têm relação com:
EXERCÍCIO DE FIXAÇÃO
R
e
sp
o
st
a
 d
e
st
a
 p
á
g
in
a
: 
a
lt
e
rn
a
ti
v
a
 2
.
Em 2015, a IBM criou a Watson Health como 
uma unidade de negócios independente, 
visando solucionar desafios na área da saúde 
usando dados. Apesar dos investimentos 
em aquisição de dados e de ter assumido 
o desafio de enfrentamento de questões 
como o tratamento de diabetes e de câncer, 
a iniciativa não foi lucrativa. O Wall Street 
Journal relatou em 2021 que a Watson 
Health gerou cerca de US$ 1 bilhão em 
receita anual, porém sem lucro, levando a 
IBM a considerar a venda do negócio.
Watson Health
CASE
16:05
17:18‘‘Então, mesmo empresas, 
digamos, muito competentes, 
com imensa experiência em 
inteligência artificial, em grandes 
projetos, muitas vezes tropeçam 
na própria ambição.
’’
 
18:06 
CURIOSIDADE
No machine learning, as situações que são 
transformadas em reconhecimentos de 
padrões não são entendidas pela máquina 
da mesma forma que pelo cérebro humano. 
A cauda longa é uma forma de entender 
que alguns casos são isoladamente raros, 
mas em seu total são numerosos. Como é 
praticamente impossível registrar um volume 
adequado desses cenários via câmeras 
do mundo real, são necessárias técnicas 
de geração de situações sintéticas, que 
simulem o máximo de potenciais ocorrências 
possíveis.
Fenômeno da Cauda Longa
25:33 ‘‘Por isso que eu acho que no 
conceito de inovação você tem que 
ter gente que entenda de IA na análise 
de investimentos, porque se hoje a 
IA faz parte do dia a dia, se eu não 
tiver ninguém que tenha condição 
de avaliar isso com um pouco mais 
de critérios e detalhes, muita coisa 
pode passar desapercebido e você ter 
investimentosou aplicações que não 
trazem retorno nenhum.
’’
33
Agora a IA foi implementada e está 
funcionando em ambiente de produção 
com os dados do mundo real, onde a 
tese vai ser comprovada para além do 
laboratório ou ambiente acadêmico. O 
professor destaca que o sistema de IA não 
vive isolado, ele precisa estar integrado 
com outros sistemas e outras tecnologias 
da corporação. Isso pode ser uma 
dificuldade de empresas que trabalham 
com sistemas e tecnologias muito antigas 
e não compatíveis com novas soluções.
Alguns efeitos vão aparecendo conforme a 
tecnologia de IA vai sendo utilizada. Entre 
eles, o efeito deriva acontece quando 
novos dados são inseridos na ferramenta 
de IA, e o nível de assertividade vai 
diminuindo porque estes novos dados 
coletados ou inseridos por clientes, por 
exemplo, não batem com os padrões que 
o sistema de IA aprendeu a identificar. 
Neste sentido, o monitoramento da IA 
funcionando na produção é essencial para 
solucionar problemas do mundo real.
Outro efeito que pode acontecer é o 
esquecimento catastrófico. Quando a IA já 
foi muito treinada para o reconhecimento 
de um determinado padrão, mas depois 
com o uso vai se ajustando os dados para 
reconhecimento de outros padrões, aquele 
padrão inicial fica esquecido pela IA e ela 
precisa novamente aprendê-lo.
IA no ambiente de produção 25:59
29:56 ‘‘Então a equipe multidisciplinar que 
vai integrar o sistema de inteligência 
artificial vai construir, projetar, integrar. 
Tem que ter gente que conheça 
negócio, tem que ter gente que 
conheça algoritmos, tem que ter gente 
conheça dados e tem que ter gente 
que conheça como integrar com os 
sistemas da corporação.
’’
Algumas empresas podem enfrentar 
dificuldades para integrar o projeto de IA 
com outras tecnologias antigas já existentes 
na organização. Mesmo assim, o sistema 
de IA não deve ser isolado, é necessário 
trabalhar sua integração com os demais 
sistemas da empresa.
EXERCÍCIO DE FIXAÇÃO
R
e
sp
o
st
a
 d
e
st
a
 p
á
g
in
a
: 
v
e
rd
a
d
e
ir
o
.
34
AULA 2 • PARTE 4
A onda dos ChatBots e IA 
Generativa
O hype da inteligência artificial 
proporcionou muitas “soluções” 
automatizadas, principalmente com os 
chatbots implementados por algumas 
empresas. Muitas destas “soluções” de IA 
não foram adequadamente preparadas 
para lidar com um certo “mau uso” 
da ferramenta. O professor traz dois 
exemplos em que os chatbots foram 
confundidos por usuários e acabaram na 
mídia por criarem situações extremas.
Outra questão que levantou polêmica 
sobre o assunto de direito autoral, são 
as imagens geradas por IA generativas. 
O professor traz exemplos de imagens 
geradas por IA que representam quase 
fielmente fotografias mundialmente 
conhecidas. Taurion reforça que a 
discussão sobre o direito autoral de 
imagens em IA ainda é uma área cinzenta, 
mas reforça a responsabilidade de se 
trabalhar com isso na produção de 
conteúdo em uma organização, evitando 
possíveis processos.
Tudo isso reforça a importância da 
continuidade do trabalho com a IA. 
Além de um projeto bem alinhado com 
as estratégias da empresa, é necessário 
também um bom monitoramento após 
a sua implementação para identificar 
possíveis problemas e apontar soluções.
03:09
Em dezembro de 2023, o chatbot da 
Chevrolet nos EUA aprovou a venda de um 
carro de US$ 80 mil por apenas US$ 1. O 
engenheiro Chris Bakke testou o assistente 
virtual, que concordou com a transação. 
No entanto, a Chevrolet esclareceu que 
a plataforma serve apenas para informar 
potenciais compradores e não realiza vendas 
reais. Essa situação ressalta os desafios de 
integrar IA no atendimento ao cliente.
Chatbot Chevrolet – Carro 
vendido a 1 dólar
CASE
05:07
O monitoramento do uso da IA, após a sua 
implementação, é essencial para identificar 
possíveis problemas.
EXERCÍCIO DE FIXAÇÃO
R
e
sp
o
st
a
 d
e
st
a
 p
á
g
in
a
: 
v
e
rd
a
d
e
ir
o
.
35
Em 2022, Jake Moffatt, após a morte de 
sua avó, consultou o chatbot da Air Canada 
para entender a política de tarifas de luto. 
O chatbot deu informações incorretas, 
sugerindo que Moffatt reservasse um 
voo imediatamente e solicitasse um 
reembolso em 90 dias. No entanto, a 
política real da Air Canada não permite 
reembolsos para viagens de luto após 
a reserva. Depois de meses de disputa, 
Moffatt obteve um reembolso parcial, mas 
a empresa alegou que o chatbot era uma 
“entidade legal separada” e não deveria 
ser responsabilizada. Esse caso representa 
uma situação incomum em que um chatbot 
causou confusão e levou a uma disputa 
judicial.
Chatbot Air Canada 
CASE
05:51 
EXERCÍCIO DE FIXAÇÃO
Considere as alternativas e assinale 
a correta:
I – Algumas “soluções” de IA não 
estão adequadamente preparadas 
para lidar com um “mau uso” da 
ferramenta e acabam gerando 
informações equivocadas.
II – As imagens geradas pela IA 
generativa possuem direito autoral e 
nunca devem ser divulgadas.
III – No case da Chevrolet, a empresa 
afirmou que o chatbot serve 
apenas para informar potenciais 
compradores e não realiza vendas 
reais.
Impactos da IA na organização e 
os desafios éticos
Um dos desafios para o profissional líder 
que vai implementar uma inteligência 
artificial em uma organização é a seleção 
e retenção de talentos, pois eles são 
cruciais para melhores debates sobre 
tecnologia na organização e tomadas de 
decisões mais assertivas e aprimoradas 
em relação à IA. Hoje no Brasil existe uma 
grande fuga de talentos de IA para outros 
países, onde as vantagens financeiras são 
melhores para os trabalhadores.
12:51
15:46 ‘‘Embora o Brasil seja um bom 
mercado de tecnologia de informação 
e o principal da América Latina, ele 
é bem menor comparado com o que 
tem nos Estados Unidos e com os 
principais países da Europa.
’’
R
e
sp
o
st
a
 d
e
st
a
 p
á
g
in
a
: 
a
lt
e
rn
a
ti
v
a
 3
.
36
O professor ressalta que não existe uma 
maneira certa de organizar suas equipes. Na 
verdade, existem muitas maneiras, e para o 
líder escolher a melhor, depende de onde 
está em sua jornada de IA, sua prontidão 
em IA, a sofisticação de sua equipe, a 
quantidade de talentos que dispõe, quais são 
seus objetivos de negócios e como ele mede 
o sucesso.
Outro ponto fundamental nesse processo 
de implementação, são os cuidados com a 
segurança do negócio. É preciso proteger 
a base de dados e estar vigilante com o 
treinamento e a aplicação desses dados no 
sistema de IA. 
Criar uma política de ética e governança é 
essencial para uma implementação assertiva 
da IA. O sistema implementado precisa 
estar de acordo com os princípios éticos e 
as regras de compliance da organização. É 
preciso estar atento à possíveis violações 
de direitos autoriais da base dados e evitar 
trazer este tipo de problema para dentro da 
empresa. 
Por fim, o professor também destaca que 
o advento de novas técnicas, como a IA 
generativa, aumenta a discussão sobre o 
futuro do trabalho. As atuais profissões 
não desaparecerão totalmente, mas serão 
modificadas. O sistema educacional e 
os processos de contratação e retenção 
de talentos nas empresas precisarão 
ser revistos. As atividades profissionais 
demandarão em maior ou menor grau quatro 
habilidades: comunicação, pensamento, 
sociabilidade e habilidades físicas.
CURIOSIDADE
O termo Shadow AI refere-se a sistemas 
de inteligência artificial independentes, 
que operam sem supervisão humana, 
usados para diversas finalidades, incluindo 
tomada de decisões e análise de dados. 
Estes sistemas apresentam riscos de viés e 
falta de transparência. Treinados em dados 
históricos, podem refletir preconceitos, 
levando a decisões discriminatórias. Sua 
operação independente pode dificultar a 
compreensão humana e a correção de erros.
Shadow IA
22:30
28:52 ‘‘Eu tenho que ensinar os 
profissionais que vão lidar 
com inteligência artificial a 
desenvolverem debaixo de 
um guarda-chuva de ética e 
responsabilidade.
’’
29:24‘‘Se vocês estão fazendo esse 
curso exatamente para, como 
líderes,