gestao_informacao_conhecimento

Prévia do material em texto

INTRODUÇÃO 
Informação e conhecimento constituem dimensões de uma nova 
fonte para a geração de riqueza nas organizações, os ativos intangíveis, 
que são “aqueles fatores não físicos e recursos sob algum grau de 
controle que são críticos para o sucesso do negócio, e que não são 
demonstrados no balanço financeiro” (ALLEE, 2003, p. 263). 
Nessa linha, em livro recentemente publicado, Haskel e Westlake 
(2018) enfatizaram uma grande mudança na natureza da acumulação 
moderna de capital: o investimento crescente de grandes e pequenas 
empresas não está mais nos chamados bens tangíveis, como máquinas, 
fábricas e escritórios, mas, sim, nos “intangíveis”, como produtos de 
software, bases de dados, marcas e design, entre outros. 
A gestão da informação e do conhecimento tem sido um tema 
bastante difundido na literatura acadêmica desde as duas últimas 
décadas do século XX, a partir das obras pioneiras de Drucker (1997) 
sobre a gestão da informação e de Nonaka e Takeuchi (1997) a respeito 
da gestão do conhecimento. 
A partir do crescimento de serviços e produtos baseados na internet 
por meio de empresas como a Google, das plataformas de redes sociais 
como o Facebook,1 e de um quadro de tecnologias que surgem e se 
renovam de forma cada vez mais rápida, o que se convencionou chamar 
de tecnologias emergentes da informação – TEI (TAURION, 2015). 
Hoje, constata-se que as empresas priorizam a busca de soluções para usar 
as informações de forma mais assertiva para apoiar a sua gestão. 
Nesse contexto, a gestão da informação e do conhecimento (GIC) 
ganha nova fronteira nas organizações, como apoio à percepção, pelos 
gestores, do uso das TEI como oportunidades de agregação de valor aos 
negócios, no plano interno e nas relações com o ambiente externo, tendo 
como base uma tríade composta de pessoas, processos e tecnologias. 
 
 
1 Citamos Google e Facebook porque essas empresas constituem referência em nível 
mundial e estão presentes no imaginário das pessoas como modelos de uso dos ativos 
intangíveis no cerne dos negócios. 
_______________ 
 
 
Tendo as pessoas como o principal alicerce desse tripé, a GIC está ganhando uma nova 
dimensão nas organizações, apoiada nos recursos de computação cognitiva e orientada para a 
descoberta de insights relevantes para o processo de gestão. 
Dessa forma, convivem hoje nas organizações duas naturezas de inteligência: a humana, 
inerente às pessoas e comunidades que dela fazem parte; e a artificial, sob a forma de algoritmos 
criados para otimizar a execução dos processos de trabalho e a tomada de decisões. 
 
 
 
SUMÁRIO 
MÓDULO I – NOVAS FRONTEIRAS DA GESTÃO DA INFORMAÇÃO E DO CONHECIMENTO ............ 7 
PROCESSO DECISÓRIO E FORMAÇÃO DO CONVENCIMENTO DO GESTOR ................................... 8 
ATIVOS INTANGÍVEIS: INFORMAÇÃO, CONHECIMENTO E INTELIGÊNCIA ..................................... 13 
GESTÃO DA INFORMAÇÃO E DO CONHECIMENTO ..................................................................... 18 
DIMENSÕES HUMANA E PROCESSUAL DA GESTÃO DA INFORMAÇÃO E DO CONHECIMENTO
 ............................................................................................................................................................ 20 
SÍNTESE DOS TEMAS E CONCLUSÕES DO MÓDULO I ................................................................. 23 
MÓDULO II – MÉTODOS E TECNOLOGIAS DE APOIO À GESTÃO DA INFORMAÇÃO E DO 
CONHECIMENTO .................................................................................................................................. 25 
ENTENDIMENTO DO DOMÍNIO DO NEGÓCIO ............................................................................. 27 
Quadro de modelo de negócios ............................................................................................ 27 
Design thinking .......................................................................................................................... 28 
IDENTIFICAÇÃO E MONITORAMENTO DAS CADEIAS DE VALOR E PROCESSOS DE NEGÓCIO
 ............................................................................................................................................................ 29 
Automação e monitoramento dos processos de negócio ................................................. 32 
AMBIENTES DE DADOS E INFORMAÇÕES PARA A GESTÃO DOS PROCESSOS DE NEGÓCIO . 33 
Big data analytics ...................................................................................................................... 35 
COMPUTAÇÃO COGNITIVA COMO INSTRUMENTO PARA A GESTÃO DA INFORMAÇÃO E DO 
CONHECIMENTO .............................................................................................................................. 38 
Conceitos e aplicações da inteligência artificial ................................................................... 39 
Conceitos e métodos para modelagem e estruturação do conhecimento 
organizacional .......................................................................................................................... 40 
Arquitetura de informação e do conhecimento organizacional .................................. 41 
Taxonomias ......................................................................................................................... 43 
Tesauros .............................................................................................................................. 45 
Ontologias ........................................................................................................................... 45 
SÍNTESE DOS TEMAS E CONCLUSÕES DO MÓDULO II................................................................ 47 
MÓDULO III – MODELOS, PROCESSOS E PRÁTICAS PARA GESTÃO DA INFORMAÇÃO E DO 
CONHECIMENTO .................................................................................................................................. 49 
ALINHAMENTO ENTRE AS ESTRATÉGIAS DO NEGÓCIO E DA GESTÃO DA INFORMAÇÃO E DO 
CONHECIMENTO .............................................................................................................................. 50 
ATIVOS INTANGÍVEIS NA AGREGAÇÃO DE VALOR PARA O NEGÓCIO ....................................... 52 
MODOS DE CRIAÇÃO E COMPARTILHAMENTO DO CONHECIMENTO ORGANIZACIONAL: 
ESPIRAL DO CONHECIMENTO ........................................................................................................ 55 
Dimensão epistemológica da criação e compartilhamento do conhecimento............... 57 
Dimensão ontológica da criação e do compartilhamento do conhecimento ...................... 59 
 
 
PRÁTICAS DE GESTÃO DA INFORMAÇÃO E DO CONHECIMENTO ............................................. 60 
Práticas voltadas à socialização ............................................................................................. 61 
Práticas voltadas à externalização ........................................................................................ 62 
Práticas voltadas à combinação ............................................................................................ 63 
Práticas voltadas à internalização ......................................................................................... 63 
SÍNTESE DOS TEMAS E CONCLUSÕES DO MÓDULO III .............................................................. 64 
MÓDULO IV – IMPLEMENTAÇÃO DE AMBIENTES DE INFORMAÇÃO E CONHECIMENTO ............. 67 
PAPEL DA LIDERANÇA INOVADORA NA GESTÃO DA INFORMAÇÃO E DO CONHECIMENTO 67 
FATORES CRÍTICOS DE SUCESSO NOS PROJETOS DE GESTÃO DA INFORMAÇÃO E DO 
CONHECIMENTO .............................................................................................................................. 69 
ESTRATÉGIAS DE IMPLEMENTAÇÃO .............................................................................................. 70 
DESENVOLVIMENTO E IMPLEMENTAÇÃO DEPROJETO PILOTO ................................................ 74 
SÍNTESE DOS TEMAS E CONCLUSÕES DO MÓDULO IV .............................................................. 76 
BIBLIOGRAFIA ...................................................................................................................................... 77 
PROFESSOR-AUTOR ............................................................................................................................. 81 
 
 
 
Os anos recentes têm-se caracterizado por avanços significativos nas tecnologias da 
informação e da comunicação, com profundos impactos na sociedade: na forma como vivemos e 
trabalhamos, como tomamos decisões e como interagimos com outras pessoas e em comunidades. 
A partir do crescimento de serviços e produtos baseados na internet e de um quadro de 
tecnologias que surgem e se renovam rapidamente, hoje se constata que as empresas priorizam a 
busca de soluções para usar a informação e o conhecimento de forma mais assertiva para apoiar a 
sua gestão. 
É nesse contexto que se inserem as chamadas tecnologias emergentes da informação – TEI 
(TAURION, 2015): ambientes de big data, computação em nuvem, plataformas de redes sociais, 
dispositivos que favorecem a mobilidade e a ubiquidade da informação, internet das coisas e 
inteligência artificial. 
É nesse quadro que a gestão da informação e do conhecimento está ganhando novas 
fronteiras nas organizações, apoiada nos recursos de computação cognitiva orientada para a busca 
de insights relevantes para o processo de gestão e de exploração dos negócios. 
Neste módulo, vamos apresentar os conceitos clássicos ligados à gestão da informação e do 
conhecimento, contextualizando-os na perspectiva do uso das tecnologias emergentes da 
informação, notadamente quanto a: 
� processo decisório e formação do convencimento do gestor; 
� ativos intangíveis – informação, conhecimento e inteligência; 
� gestão da informação e do conhecimento – aplicações na gestão interna e nas interações 
com o ambiente externo e 
� dimensões humana, processual e de métodos e tecnologias de gestão da informação e do 
conhecimento. 
MÓDULO I – NOVAS FRONTEIRAS DA GESTÃO 
DA INFORMAÇÃO E DO CONHECIMENTO 
 
8 
 
Processo decisório e formação do convencimento do gestor 
A dinâmica do processo decisório nas organizações deve ser entendida a partir das 
seguintes premissas: 
� Os gestores em todos os níveis organizacionais tomam decisões, no seu dia a dia, para 
resolver problemas ou aproveitar oportunidades que se apresentam na sua esfera de 
competência de gestão. 
� Nos horizontes de médio e longo prazo, decidem sobre estratégias, planos de ação, bem 
como captação e aplicação de recursos, contemplando áreas funcionais, processos do 
negócio, ou o contexto da empresa de uma forma global. 
 
O desempenho efetivo de uma organização, portanto, é resultante da atuação individual das 
pessoas que dela fazem parte, e da ação integrada dos seus “times de gestão”, por meio de um 
conjunto de decisões nos planos estratégico, gerencial tático e operacional, associadas ao negócio. 
Cabe salientar que usamos o termo negócio, no contexto da disciplina, na acepção a ele 
conferida por Soares Neto (2009, p. 65): “negócio quer dizer não ócio (do latim negotium = nego 
+ otium), significando ação, ocupação, envolvimento em alguma atividade produtiva”. 
Assim, quando falamos em “processo de negócio”, fazemos referência a atividades de 
interesse empresarial que são objeto de decisões, conceito aplicável tanto no setor privado como 
no âmbito da administração pública. 
Finalmente, a capacidade das pessoas para agir e decidir com efetividade é condicionada 
pelas suas competências, notadamente o seu conhecimento técnico e experiência adquirida 
relacionados a funções e tarefas específicas, a sua sensibilidade para perceber insights relevantes nas 
situações contextuais vivenciadas, os seus valores, as suas crenças e sua intuição. 
Sendo o processo decisório componente essencial do desempenho do gestor, pressupõe-se 
que as decisões sejam sempre tomadas em um contexto de plena racionalidade. Entretanto, essa 
situação ideal nem sempre se verifica na prática do dia a dia das organizações. 
Tal afirmativa foi originalmente sustentada por Simon (1965), na sua teoria da 
racionalidade limitada, na qual postulou que os modelos racionais de tomada de decisão tendem a 
explicar como os gestores deveriam tomar decisões, e não como as tomam efetivamente. 
Ainda segundo aquele autor, as pessoas no processo decisório são intencionalmente 
racionais, buscando tomar as decisões mais corretas possíveis dentro de um conjunto de restrições 
de tempo, de recursos e de capacidade, adotando, portanto, uma racionalidade limitada no seu 
modelo mental para analisar fatos e decidir, conforme ilustrado na figura que segue: 
 
 
 
9 
 
Figura 1 – Limitações à racionalidade no processo decisório 
 
Fonte: adaptado de Sobral e Pecci. Administração: teoria e prática no contexto brasileiro. 2008, p. 110. 
 
Nessa linha, ele afirma que a racionalidade do processo decisório sempre é condicionada por 
limitações situacionais e individuais, exprimindo, de um lado, a incapacidade do gestor de dominar 
toda a complexidade de situações objeto da tomada de decisões e, de outro, os limites cognitivos 
individuais das pessoas para acessar as informações e perceber insights relevantes para a gestão. 
Dessa forma, nas situações reais, as pessoas não conseguem alcançar a racionalidade objetiva – 
chegar de forma garantida à melhor escolha –, pois são limitadas e influenciadas pela sua incapacidade 
física e mental de conhecer, em tempo hábil, tudo o que é necessário para tomar decisões. 
Para minimizar o problema, os gestores tendem a adotar a intuição no processo decisório, 
amparada em regras empíricas que captam as características essenciais dos problemas e indicam 
tendências, conhecidas como heurísticas de apoio à decisão. 
A intuição é baseada na experiência passada das pessoas e em valores incorporados ao seu 
modelo mental, permitindo-lhes reconhecer os aspectos críticos de um problema e chegar a uma 
solução sem passar por um processo cognitivo demorado e trabalhoso. 
Assim, tendemos a otimizar as decisões por meio do recurso a heurísticas, “que são atalhos 
do cérebro para tomar decisões a partir de um repertório de experiências e informações 
acumuladas ao longo da vida” (CARVALHO, 2017, p. 13). 
Entretanto, nem sempre essas experiências ou informações passadas, conhecidas na 
literatura como heurísticas de disponibilidade, conduzirão o gestor a uma decisão melhor, o que é 
decorrente, em boa parte, do fenômeno dos vieses cognitivos. 
 
 
10 
 
Os vieses cognitivos podem gerar alguma perda para o tomador de 
decisão. Apesar disso, em um ambiente corporativo, uma decisão tomada 
sob a influência de um viés cognitivo pode gerar perda para a empresa 
[...] Tal possibilidade cresce quando o processo de decisão ocorre em um 
cenário que envolve uma grande quantidade de dados, variáveis e 
informações imperfeitas (CARVALHO, 2017, p. 13). 
 
Contudo, os processos heurísticos cada vez mais tendem a incorporar instrumentos de 
computação cognitiva, como o big data, o analytics e o aprendizado de máquina – machine 
learning –, tornando mais assertivos os resultados da análise intuitiva. 
As limitações contextuais quanto à tomada de decisão são sentidas de forma mais 
significativa nos processos de negócio intensivos em conhecimento, nos quais, segundo 
Papavassiliou e Mentzas (2003), faz-se necessária uma forte interação do gestor com ambientes de 
conhecimento, seja por meio da utilização de bases de dados e sistemas informatizados de apoio à 
decisão, pelo acesso e uso de conhecimentos técnicos especializados, seja pelo compartilhamento 
de ideias e experiências entre comunidades internas ou com o ambiente externo. 
A figura a seguir ilustraa classificação de processos de negócio segundo o seu nível de 
complexidade: 
 
Figura 2 – Nível de complexidade dos processos organizacionais 
 
 
 
 
 
11 
 
De acordo com a figura, os processos com menor grau de estruturação e natureza 
predominantemente cognitiva são na sua maior parte caracterizados por decisões complexas e não 
repetitivas – cada caso abrange um contexto de fatos particular e específico –, envolvendo a 
necessidade de intensa utilização de conhecimentos explícitos e tácitos. 
Tais decisões são tipificadas por Haag et al. (1998) como não estruturadas, caracterizando-
se pelo fato de que, dependendo de cada caso específico, pode haver diversas respostas “certas” 
para um dado problema. Nessas situações, então, não existe um conjunto de regras ou critérios 
preestabelecidos para garantir precisamente ao gestor uma solução ótima para o problema 
enfrentado: eles necessitam pensar bem a situação objeto e as variáveis envolvidas no problema, 
antes de chegar a uma decisão. 
Ainda segundo os mesmos autores, as decisões não estruturadas estão essencialmente 
presentes nos trabalhos de natureza intelectual, nos quais os gestores cada vez mais se valem dos 
sistemas informatizados para o apoio à decisão. 
Os processos e decisões não estruturados são, dessa forma, altamente suscetíveis ao uso de 
técnicas e ferramentas associadas à “descoberta” de conhecimento, utilizando recursos de big data 
e de computação cognitiva. 
À medida que se vão revestindo de natureza predominantemente transacional, os processos 
usualmente são dotados de maior grau de estruturação, e as decisões associadas tendem a ganhar 
maior previsibilidade. 
Novamente recorrendo a Haag et al. (1998), uma decisão estruturada envolve o 
processamento de certo tipo de informação, sempre de uma forma específica, a partir do que se 
obtém uma resposta adequada. Nessas situações, geralmente a tomada de decisão envolve pouca 
intuição – feeling – do responsável por ela. 
Tais decisões são do tipo que se pode programar: “se você usa um certo conjunto de inputs e 
os processa de uma forma precisa, chegará a um resultado correto” (HAAG et al., 1998, p. 165). 
Esses processos são mais suscetíveis à utilização de práticas de “cunho taylorista”, tais como 
o estabelecimento de padrões de execução de tarefas e rotinas, o uso de regras preestabelecidas 
para executar tarefas e tomar decisões, e a roteirização de atividades e de tramitação de 
documentos, entre outros aspectos. 
As características previsíveis das decisões estruturadas tornam esses processos altamente 
suscetíveis ao uso de artefatos de automação em larga escala, hoje tratados na literatura técnica 
especializada pelo nome de automação de processos com o apoio de robôs (robotic process 
automation – RPA). 
Outro aspecto relevante da tomada de decisão diz respeito ao processo de formação do 
convencimento do gestor, que é o modelo mental que cada um desenvolve para entender o 
problema objeto de decisão, analisar as diversas variáveis envolvidas e chegar à escolha e à 
implementação da melhor alternativa, considerando os aspectos de viabilidade técnica, 
operacional, econômica e financeira. 
 
12 
 
Embora cada processo de tomada de decisão englobe peculiaridades inerentes a cada 
indivíduo e situação específica, já existem na literatura diversos esquemas que procuram descrever 
como as pessoas tomam decisões. 
Nessa linha, ainda Haag et al. (1998, p. 166) formularam um modelo conceitual das etapas 
do processo decisório, como ilustrado na figura que segue: 
 
Figura 3 – Etapas do processo decisório 
 
Fonte: adaptado de HAAG et al. Management Information Systems for the Information Age. 1998, p. 167. 
 
No esquema apresentado, a tomada de decisão se desenvolve em quatro etapas: inteligência, 
projeto – análise de alternativas –, escolha – da melhor alternativa – e implementação. 
De acordo com os autores, “essas etapas não são necessariamente lineares: frequentemente 
se reconhecerá ser útil ou necessário retornar a uma fase anterior ao longo do processo” (HAAG et 
al., 1998, p. 167). 
A inteligência consiste no reconhecimento de um problema, necessidade ou oportunidade, 
e é considerada a etapa diagnóstica do processo decisório: “a fase de inteligência envolve a 
detecção e a interpretação de sinais que indicam uma situação que precisa da sua atenção” 
(HAAG et al., 1998, p. 166). 
Tais “sinais” podem apresentar-se sob diversas formas: demandas consistentes de clientes 
sobre produtos ou serviços, manifestações encontradas nas redes sociais, comparações com ofertas 
da concorrência, declínio em vendas, inovações tecnológicas, entre outras. 
O projeto – análise – abrange a consideração das possíveis alternativas de solução do 
problema ou aproveitamento de oportunidade detectados na etapa anterior, sendo aqui 
equacionadas todas as possibilidades de solução para a questão objeto de análise e decisão. 
 
 
13 
 
 A escolha contempla o exame e a comparação dos méritos de cada alternativa de solução, 
avaliando as suas consequências individualmente, tendo como resultado a escolha de uma entre elas. 
A “melhor solução” pode envolver aspectos objetivos e subjetivos, dependendo das 
condições situacionais relacionadas ao fato objeto da decisão e a fatores como normas legais, 
custo-benefício e conveniências de implementação, entre outros. 
A implementação diz respeito à execução da alternativa de solução escolhida, seguida do 
acompanhamento dos resultados alcançados e da realização dos ajustes que se fizerem necessários. 
 
Ativos intangíveis: informação, conhecimento e inteligência 
As limitações situacionais e individuais dos gestores, como apresentado anteriormente na teoria 
da racionalidade limitada, têm sido, em parte, superadas pelo uso de uma gama mais abrangente de 
informações e pela ampliação do conhecimento disponibilizado para a tomada de decisão. 
Assim, informação e conhecimento constituem dimensões de uma nova fonte para a geração de 
riqueza nas organizações, os ativos intangíveis, que incorporam ainda a inteligência organizacional, 
como decorrência do uso cada vez mais acentuado dos recursos de computação cognitiva. 
Para discutir o tema, vamos inicialmente desenvolver os conceitos relacionados a dados, 
que irão embasar a posterior compreensão das questões associadas à informação, ao conhecimento 
e à inteligência organizacional. 
Segundo O’Brien (2001, p. 23), “dados são fatos ou observações crus, normalmente sobre 
fenômenos físicos ou transações de negócios”, constituindo registros relacionados a fatos 
observados por alguém – uma ou mais pessoas –, por meio de sensores ou por meio de máquinas. 
Os dados são capturados, depurados e preservados, constituindo a matéria-prima a ser 
tratada com a finalidade de gerar informações. Os dados podem ser de dois tipos: estruturados e 
não estruturados. 
Os dados estruturados são baseados em números e guardados em um determinado formato 
para posterior recuperação com o propósito de gerar informação e conhecimento. A temperatura 
ambiente em um local em determinado momento, o consumo de água registrado no medidor de 
uma residência, as vendas em um supermercado e as transações bancárias em uma agência 
constituem exemplos desta categoria dados. 
Os dados não estruturados não têm uma formatação específica, sendo constituídos 
principalmente por textos em formato livre como um manual de procedimentos, um parecer a 
respeito de determinado assunto, registros de e-mails e comentários em redes sociais. Ainda estão 
nesta categoria imagens, vídeos, sons, mapas, registros de sensores e outros elementos que podem 
residir em arquivos internos da empresa ou ser encontrados na web. 
Segundo autores como Jenkins (2004, p. 21), os dados não estruturados em uma 
organização, especialmente a partir do acesso a ambientes externos como as redes sociais e 
 
14 
 
documentos consolidadosem textos, constituem 90% do acervo potencial de dados a ser tratado 
nas empresas para a geração de ambientes de informação e de conhecimento. 
O termo informação apresenta inúmeras acepções na literatura, desde a clássica definição 
de Drucker apud Davenport (1998, p. 19), “dados dotados de relevância e propósito”, passando 
por Bahra (2001, p. 66), “dados categorizados, analisados, sumarizados e colocados em um 
contexto”, indo até Hislop (2005, p. 15), “dados organizados em um padrão com significado, em 
que algum insumo intelectual foi agregado”. 
Essas definições nos levam a concluir que a geração de uma determinada informação, por 
mais simples que seja, está baseada em dados e exige análise no sentido da definição precisa dos 
seus atributos: contexto, propósito e destinatários. O gráfico a seguir nos ajuda a entender essas 
características básicas que devem orientar a construção da informação: 
 
Figura 4 – Exemplo de Informação: comportamento do Ibovespa 
 
 
No gráfico acima, o contexto refere-se ao comportamento do Ibovespa em um determinado 
dia de operação – Intraday a cada 15 minutos. O seu propósito é informar de forma sintética o 
comportamento de um grupo de ações na data e no período considerados, e os seus destinatários 
são os investidores no mercado acionário. 
A partir do momento que uma informação tem os seus atributos perfeitamente delimitados, 
a reunião e o tratamento de um conjunto de dados ganham finalidade e tornam possível 
estabelecer os meios que vão possibilitar a sua geração de forma sistematizada e contínua. 
As informações podem ser apresentadas de diversas maneiras, desde relatórios periódicos, 
sob forma de tabelas ou gráficos, até insights pontuais relevantes para determinado gestor, os 
quais, muitas vezes, permanecem “escondidos” em meio a milhares de transações que acontecem 
nas empresas a cada dia, tanto no contexto interno como nas relações com os clientes. 
 
 
15 
 
Um exemplo simples de insights no ambiente de negócios, tendo como referência a gestão 
dos bancos, pode ser descrito da seguinte forma: 
� Determinado cliente faz uma consulta no site da instituição sobre ofertas de empréstimos. 
� Essa transação é registrada na base de dados da organização. 
� Um software de análise de dados identifica esse “rastro” deixado pelo correntista no 
ambiente de dados e gera uma informação relevante para o gerente da sua conta, 
sinalizando o potencial interesse do correntista de realizar uma operação de crédito. 
 
A importância da informação como um ativo organizacional começou a ser ressaltada 
quando Drucker, entre outros autores, salientou o papel essencial que ela passaria a desempenhar 
nas corporações do futuro, por ele denominadas de “organizações fundamentadas na informação” 
(1997, cap. 14). 
Aquele autor ainda teceu considerações sobre a forma como a informação agrega valor ao 
desempenho das organizações: melhor controle das operações internas e maior conhecimento dos 
clientes e das condições ambientais externas, possibilitando a tomada de decisão de melhor 
qualidade, resultando em menores custos de produção de bens ou de prestação de serviços, 
crescimento da receita operacional e maior rentabilidade para o negócio. 
Entretanto, somente a disponibilidade de informações adequadas não é suficiente para 
agregação de valor aos processos de negócios objeto de gestão, que depende, ainda, da capacidade 
dos seus usuários para a sua exploração de forma produtiva. Isso nos remete à consideração dos 
aspectos ligados ao conhecimento e à compreensão – inteligência – como elementos essenciais 
para a efetividade da gestão. 
Discorrer sobre conhecimento é tarefa bastante mais complexa, considerando-se que ele 
pode apresentar diversos sentidos dependendo da perspectiva sob a qual é tratado nos diversos 
ramos da ciência. Alguns autores recomendam cautela no tratamento do tema, como Tissen et al. 
(1998, p. 169): 
 
O que é conhecimento? As pessoas vêm tentando responder esta questão 
por centenas de anos. Os filósofos mais celebrados e respeitados vêm 
tentando encontrar a resposta. E, geralmente, têm falhado. Então 
continuar a argumentar a respeito neste livro seria presunção. 
 
Dessa forma, vamos limitar a discussão à sua aplicação ao contexto da gestão dos processos 
de negócio das empresas. Inicialmente, recorrendo a Houaiss e Villar (2001, p. 802), 
conhecimento é definido como “domínio, teórico ou prático, de um assunto, uma arte, uma 
ciência, uma técnica; competência, experiência, prática”. 
 
 
16 
 
Em uma perspectiva estreitamente relacionada com a gestão empresarial, outra propositura 
bastante adequada é a de O’Dell e Grayson Jr. (2000, p. 23): 
 
Conhecimento é a informação em ação. No contexto organizacional, é 
aquilo que as pessoas em uma empresa sabem acerca de seus clientes, 
produtos, processos, erros e acertos, seja esse conhecimento tácito 
ou explícito. 
 
Ou seja, na sua relação com os processos de negócio, o conhecimento pode ser entendido 
como emergindo do uso produtivo e objetivado das informações, a partir da sua interpretação e 
da agregação de significado para uma situação específica. 
Finalmente, de forma a consolidar as conceituações precedentes, recorremos à interpretação 
de Hislop (2005, p. 15, 16): 
 
O conhecimento pode ser entendido como emergindo da aplicação, 
análise e uso produtivo de dados e informações. Em outras palavras, o 
conhecimento pode ser visto como dados ou informações com um nível 
mais aprofundado de análise intelectual agregada, onde eles são 
interpretados, significado é agregado, e existe estruturação e ligação com 
sistemas existentes de crenças e contextos de conhecimento. Ele então 
provê meios para analisar e entender dados e informações, gerando 
entendimento a respeito da causalidade de eventos e ações e referências 
para conduzir pensamento e ação. 
 
As considerações precedentes nos levam à assunção de que o conhecimento tem duas 
características fundamentais a ele associadas, quando aplicado no contexto da gestão: 
� De um lado, envolve a interação humana com uma determinada realidade, ou com 
outros conhecimentos disponíveis sob forma explícita ou tácita. 
� De outro lado, é direcionado para a prática, para o apoio ao equacionamento e à 
resolução de problemas em um contexto de processos e casos específicos. 
 
Finalmente, outro aspecto relevante nas definições anteriores diz respeito à consideração de 
duas naturezas básicas de conhecimento, a explícita e a tácita, postulações derivadas dos estudos 
de Nonaka e Takeuchi (1997). 
O conhecimento explícito é aquele articulado na linguagem formal, por meio de afirmações 
gramaticais, expressões matemáticas, programas computacionais e manuais de procedimentos, 
entre outros aspectos. Esta categoria de conhecimento é mais suscetível de ser organizada e 
compartilhada: pode ser documentada, categorizada e ilustrada para todos por meio de 
 
 
17 
 
demonstrações, explanações, fluxos e procedimentos vinculados aos processos de negócio, e regras 
associadas a sistemas computacionais, nos seus mais variados níveis de complexidade, desde os 
sistemas transacionais até algoritmos de aprendizado de máquina e outras aplicações de 
inteligência artificial. 
O conhecimento tácito envolve as habilidades pessoais, as especialidades adquiridas em 
processos formais de aprendizado, as experiências vividas, crenças, perspectivas e sistemas de valor 
de cada pessoa, e se reveste de duas dimensões distintas: a técnica, constituída por habilidades e 
práticas sobre como fazer; e a cognitiva, associada a esquemas, modelos mentais, crenças, 
percepções e experiências vividas. Este tipo de conhecimento é mais difícil de ser articulado e 
transmitido de uma pessoa para outra: explicar como a experiência vivida pode ser aplicada à 
resolução de um tipo de problema específico envolve distintas dimensões de complexidade e de 
compreensãopara cada situação específica, nem sempre possíveis de avaliar com facilidade. 
Complementando essas noções básicas sobre conhecimento, do ponto de vista da sua 
aplicabilidade à gestão, Wiig (2004, p. 336) o define da seguinte forma: “o conjunto de 
entendimentos e padrões de ação que condicionam a construção de sentidos, a tomada de decisão, 
a execução e o monitoramento das ações”. 
A abordagem da informação e do conhecimento como recursos estratégicos tem sido 
embasada desde os anos 1980 na ciência da computação e da informação, o que é potencializado 
nos dias de hoje pelas tecnologias emergentes da informação. 
Dentro desse contexto evolutivo, deve ser salientada a diferença que existe entre 
conhecimento – knowledge – e compreensão/cognição – knowing. Os defensores desta linha de 
raciocínio, como Hislop (2005), argumentam que todo conhecimento tem uma dimensão tácita 
que, por ser inseparável da prática, está associada a cada indivíduo e às suas vivências específicas. 
 
Este novo patamar, denominado na literatura como inteligência, seria 
definido da forma que se segue: a inteligência é entendida como uma 
propriedade/habilidade atribuída a pessoas, como saber, pensar, conversar 
e aprender [...] em síntese, a inteligência envolve conhecimento associado 
à capacidade de perceber, sentir, compreender, processar, comunicar, 
julgar e aprender.2 
 
Em face dos avanços da computação cognitiva, especialmente na direção da “humanização” 
das máquinas no sentido de dotá-las de capacidade de raciocinar, tomar decisões e resolver 
problemas, torna-se imperativo incorporar a inteligência como um novo componente dos ativos 
intangíveis a serviço da gestão. 
 
2 TUTORIALSPOINT: simply easy learning. Introducing to artificial intelligence. Disponível em: 
<https://www.tutorialspoint.com/prolog_in_artificial_intelligence/ai_introduction.asp>. Acesso em: 19 fev. 2018. 
 
 
18 
 
Nesse sentido, a nossa disciplina tratará da gestão da informação e do conhecimento, 
mas considerando a inteligência organizacional como resultante do uso adequado dessas duas 
variáveis anteriores. 
 
Gestão da informação e do conhecimento 
A gestão da informação e do conhecimento consolidou-se academicamente a partir dos anos 
1980, com publicações que contemplavam separadamente cada um desses ativos. 
A partir dos anos 2000, houve tendência de incorporação da gestão da informação no 
contexto da gestão do conhecimento, o que se vem consolidando com a disseminação do conceito 
de inteligência de negócios e com o uso das tecnologias emergentes da informação. 
Na nossa disciplina, trabalhamos com esse conceito ampliado, tratando da gestão da 
informação e do conhecimento como uma entidade única, que pode ser entendida a partir de um 
conjunto de definições encontradas na literatura, das quais salientamos as três que se seguem: 
 
Abordagem sistemática e integrada, para identificar, gerenciar e 
compartilhar todos os ativos da empresa, incluindo bases de dados, 
documentos, políticas e procedimentos, bem como a sua “expertise” 
adquirida e não articulada e a experiência detida individualmente pelos 
trabalhadores (BARRON, 2000, apud BAHRA, 2001, p. 72). 
 
A facilitação e o suporte de processos, para criar, sustentar, compartilhar 
e renovar o conhecimento organizacional, no sentido da geração de 
riqueza econômica, criação de valor ou melhoria de performance 
(ALLEE, 2003, p. 264). 
 
Gestão do Conhecimento Organizacional: meta-processo para lidar com 
os programas, políticas e processos deste recurso intangível, o 
Conhecimento Organizacional, sendo composta de um conjunto de 
ações e práticas de apoio que, de forma explícita e sistemática, contribui 
para a sustentabilidade da organização [...]. (GOLDMAN; CASTRO 
apud RODRIGUEZ y RODRIGUEZ, 2010, p. 136). 
 
 
 
 
19 
 
No contexto brasileiro, cabe ainda salientar a definição do Comitê Executivo do Governo 
Eletrônico, com foco para a aplicação à administração pública: 
 
Conjunto de processos sistematizados, articulados e intencionais, capazes 
de incrementar a habilidade dos gestores públicos em criar, coletar, 
organizar, transferir e compartilhar informações e conhecimentos 
estratégicos que podem servir para a tomada de decisões, para a gestão de 
políticas públicas e para a inclusão do cidadão como produtor de 
conhecimento coletivo (BRASIL, 2004 apud BATISTA, 2012, p. 42). 
 
As definições apresentadas, respeitando as especificidades de cada autor e contexto, 
indicam-nos que a gestão da informação e do conhecimento é uma atividade que lida 
essencialmente com três variáveis fundamentais: os processos do negócio, as tecnologias da 
informação e da comunicação (TIC) e as pessoas. 
Nessa perspectiva, contempla essencialmente o saber da organização, assumindo um papel 
de aglutinadora e facilitadora dos processos voltados ao desenvolvimento contínuo de uma 
inteligência coletiva, conforme proposto por Lévy (1998, p. 28): “inteligência distribuída por toda 
parte, incessantemente valorizada, coordenada em tempo real, que resulta em uma mobilização 
efetiva das competências”, sejam estas no nível: (1) individual; (2) de comunidades; (3) da 
instituição; ou (4) das interações com o ambiente externo. 
Considerando as pessoas como o principal alicerce desse tripé, cabe ainda enfatizar que o 
sucesso de tais iniciativas tem como requisito essencial a adoção de modelos de gestão empresarial 
que privilegiem o desenvolvimento de ambientes organizacionais orientados para o aprendizado, 
nos quais a aquisição, o compartilhamento e a aplicação do conhecimento constitui um processo 
contínuo e sistemático, em sintonia com os objetivos estratégicos do negócio. 
Outro aspecto marcante das organizações orientadas para o aprendizado é o deslocamento 
do centro de gravidade na empresa do trabalho procedimental para o trabalho intelectual, 
característica essencial de um novo conjunto de profissionais – os trabalhadores do conhecimento 
(knowledge workers) – que dependem essencialmente da informação e do conhecimento para o 
desempenho das suas tarefas. 
 
 
 
20 
 
Dimensões humana e processual da gestão da informação 
e do conhecimento 
Para gerar, capturar e compartilhar a informação e o conhecimento, necessitamos de duas 
coisas: uma infraestrutura adequada de tecnologias e procedimentos, e um ambiente cultural, 
composto por pessoas dispostas a aderir a um processo de gestão orientado para o aprendizado e 
para o compartilhamento do saber. 
Nesse contexto, as ações de gestão da informação e do conhecimento devem contemplar 
duas dimensões: a humana e a processual, como será discutido a seguir. 
A dimensão humana leva em conta que as pessoas são os atores centrais em uma 
organização: a competência para ações efetivas depende dos modelos mentais individuais de cada 
um dos seus componentes e daqueles associados às comunidades que dela fazem parte, assim 
definidos por Wiig (2004, p. 83): 
 
Os modelos mentais codificam situações que conhecemos a partir de 
vivências pessoais, que aprendemos em outras fontes, ou que geramos 
em nossas mentes a partir da reflexão derivada de experiências, 
raciocínio orientado para objetivos ou simplesmente do pensamento a 
respeito de algo. 
 
Além disso, ainda segundo o autor, outros construtos mentais são derivados de cada fato 
específico com o qual somos confrontados e de conceitos, crenças, expectativas, doutrinas, 
métodos e tecnologias que condicionam a atuação de cada um e das comunidades que se reúnem 
em torno de propósitos e interesses específicos. 
Em função disso, na dimensão humana, as organizações se constituem em torno de 
diferentes habitats de informação e conhecimento, cabendo à gestão a sua identificação e a 
canalização do seu potencial para a construção do conhecimento coletivo, buscando alcançar o 
que Albrecht (2003, p. 58) denominoude sintropia: “a reunião de pessoas, ideias, recursos, 
sistemas e lideranças de modo a capitalizar plenamente as possibilidades de cada um”. 
A resultante da sintropia seria, dessa forma, a multiplicação do poder cerebral da 
organização, por meio do ganho de sinergia decorrente da integração inteligente das competências 
dos seres humanos, o que ocorre quando as pessoas se dispõem a compartilhar o que sabem. 
Tal disposição depende fundamentalmente da existência de um clima de confiança entre as 
pessoas e destas com a organização. Para que alguém se disponha a compartilhar o que conhece é 
necessária a percepção de que haverá um benefício mútuo, o que depende da criação de uma 
“cultura de compartilhamento” no ambiente organizacional. 
 
 
21 
 
Ainda nessa linha, a figura que se segue ilustra as principais variáveis a serem consideradas 
em um modelo de implementação da gestão da informação e do conhecimento nas organizações, 
na perspectiva da dimensão humana: 
 
Figura 5 – Dimensão humana da gestão da informação e do conhecimento 
 
 
Em primeiro lugar, cabe identificar as comunidades – culturas de conhecimento – 
suscetíveis de participar de um projeto de implementação de ambientes de conhecimento e, a 
partir daí, conhecer as pessoas interessadas em participar da criação de espaços de conhecimento 
coletivo – os agentes do conhecimento. 
Os grupos de pessoas com interesses afins passam a ser considerados como comunidades de 
conhecimento, que serão mobilizadas para a implementação das redes de conhecimento 
organizacional. 
Ainda tendo em conta a consideração das pessoas como o principal alicerce para a 
implementação das estruturas de informação e conhecimento, um ponto fundamental a ser 
tratado diz respeito à realização de um inventário das categorias de conhecimento tácito existente 
no ambiente organizacional, conforme proposto por Wiig (2004, p. 284): 
� Quem são as pessoas que detêm informação e conhecimento relevantes para as 
estratégias do negócio? Quantos são e onde estão localizados? Quais são as funções 
desempenhadas e os cargos ocupados por essas pessoas na estrutura organizacional? 
� Qual é a natureza de conhecimento que essas pessoas detêm no sentido de contribuir 
para o desenvolvimento das competências essenciais estratégicas da organização? 
 
22 
 
� Qual é o seu nível de expertise – conhecimento formal adquirido em formação básica e 
complementar, experiência prática vivenciada, outras qualificações? 
� Qual é o nível e o tipo de contribuição dessas pessoas à criação e ao compartilhamento 
do conhecimento organizacional? Quais são as experiências passadas e as lições 
aprendidas com a inserção dessas pessoas em programas formais ou informais de criação 
e compartilhamento do conhecimento na organização? 
 
A dimensão processual consiste na articulação dos processos de mobilização sistemática das 
ações de indivíduos ou grupos, por meio de mecanismos formais de funcionamento e meios 
tecnológicos de apoio, embasados em um conjunto sequencial e dinâmico de atividades, 
conforme a seguir apresentado: 
 
Figura 6 – Dimensão processual da gestão da informação e do conhecimento 
 
Fonte: adaptado de Rodriguez y Rodriguez, M. Gestão de Conhecimento e Inovação nas empresas. 2010, p. 15. 
 
O modelo acima tem como base as considerações de dois autores a respeito do tema, 
Rodriguez y Rodriguez (2010, p. 13, 14) e Batista (2012, p. 62-64), e cada uma das etapas pode 
ser descrita da seguinte forma: 
� Criar/Identificar/Obter – busca a criação, a identificação e a obtenção das informações e 
dos conhecimentos necessários para atender aos processos de gestão, assegurando o acesso às 
fontes da sua disponibilidade no ambiente interno (ambientes de dados estruturados e não 
estruturados) ou externo (bases de dados, redes sociais, documentos publicados na web e 
outros ambientes de aquisição de dados estruturados e não estruturados). 
� Reter/Armazenar – consiste em explicitar, sistematizar e reter a informação e o 
conhecimento considerados críticos para o sucesso do negócio. Nas situações 
relacionadas à experiência e à especialização das pessoas, existentes sob forma tácita, o 
processo de retenção consiste em colocar os detentores do conhecimento em contatos 
com outras no sentido de viabilizar a transferência do conhecimento tácito. 
 
 
23 
 
� Disseminar/Compartilhar – envolve a promoção de um ambiente propício e favorável 
para a colaboração entre as pessoas e comunidades, visando à troca de informação e 
conhecimento, tendo como resultado o desenvolvimento contínuo de uma inteligência 
coletiva na organização. 
� Aplicar/Incorporar – esta atividade tem por finalidade a aplicação objetivada dos acervos 
de conhecimento explícito e do conhecimento tácito das pessoas nos processos do negócio, 
tendo como consequência melhoria dos produtos fornecidos e dos serviços prestados, 
maior satisfação dos clientes e melhores resultados para a gestão, entre outros aspectos. 
� Proteger – nesta atividade, busca-se proteger os acervos explícitos de conhecimento 
disponíveis e garantir o acesso seguro e controlado das pessoas aos mesmos. 
 
Síntese dos temas e conclusões do Módulo I 
� A partir do crescimento de serviços e produtos baseados na internet e de um quadro de 
tecnologias que surgem e se renovam rapidamente, constata-se hoje que as empresas 
priorizam a busca de soluções para usar a informação e o conhecimento de forma mais 
assertiva para apoiar a sua gestão. 
� É neste quadro que a gestão da informação e do conhecimento está ganhando novas 
fronteiras nas organizações, apoiada nos recursos de computação cognitiva orientada para a 
busca de insights relevantes para o processo de gestão e de exploração dos negócios. 
� A informação e o conhecimento constituem dimensões de uma nova fonte para a 
geração de riqueza nas organizações, os ativos intangíveis, que incorporam ainda a 
inteligência organizacional, como decorrência do uso cada vez mais acentuado dos 
recursos de computação cognitiva. 
� A gestão da informação e do conhecimento (GIC) é uma atividade que lida 
essencialmente com três variáveis fundamentais: os processos do negócio, as tecnologias 
da informação e da comunicação (TIC) e as pessoas. 
� Nessa perspectiva, contempla essencialmente o saber da organização, assumindo um 
papel de aglutinadora e facilitadora dos processos voltados ao desenvolvimento contínuo 
de uma inteligência coletiva. 
� A dimensão humana da GIC leva em conta que as pessoas são os atores centrais em 
uma organização: a competência para ações efetivas depende dos modelos mentais 
individuais de cada um dos seus componentes e daqueles associados às comunidades 
que dela fazem parte. 
� A dimensão processual da GIC consiste na articulação dos processos de mobilização 
sistemática das ações de indivíduos ou grupos, por meio de mecanismos formais de 
funcionamento e meios tecnológicos de apoio, embasados em um conjunto sequencial e 
dinâmico de atividades. 
 
 
 
 
 
 
 Para a exploração das novas fronteiras da gestão da informação e do conhecimento, devem-
se inicialmente entender as características predominantes do negócio objeto de estudo, a partir do 
que os gestores e os profissionais especialistas nos métodos e nas tecnologias emergentes da 
informação estarão capacitados para encontrar as soluções mais adequadas para cada ambiente 
empresarial específico. 
O desenvolvimento deste módulo está sustentado no modelo conceitual apresentado a seguir: 
 
Figura 7 – Estratégia para implementação de ambientes do conhecimento organizacional 
 
Fonte: adaptado de Newton Meyer Fleury. Modelo Conceitual de Ambiente Conhecimento para Apoio à Formação do 
Convencimento do Magistrado. Tese de Doutorado, 2011. 
MÓDULO II – MÉTODOS E TECNOLOGIAS 
DE APOIO À GESTÃO DA INFORMAÇÃO E 
DO CONHECIMENTO 
 
26 
 
Ele parte da premissa de que cada ambiente de negócio tem as suascaracterísticas 
peculiares, que devem ser percebidas pelo que chamamos de entendimento da sua lógica 
dominante – essência do negócio: clientes, produtos e serviços ofertados, propostas de valor na 
perspectiva dos clientes, competências essenciais do negócio. 
O conhecimento dos processos do negócio relevantes indica quais são aqueles que mais 
contribuem para agregar valor para os clientes e para a gestão, merecendo, dessa forma, maior 
atenção nos processos de implementação de ambientes de informação, conhecimento e inteligência. 
A etapa seguinte busca formalizar as características do ambiente decisório associados aos 
processos de negócio entendidos como os mais relevantes para a gestão. Neste momento, são 
entendidas as características da formação do convencimento dos gestores para os processos mais 
relevantes que são objeto da tomada de decisões. 
A identificação das necessidades de informação para a tomada de decisão, associada às 
características dos ambientes decisórios precedentemente examinadas, busca elencar os ativos de 
informação e conhecimento que devem ser acessados para apoio ao processo decisório, divididos 
em quatro categorias principais: 
� conhecimento explícito interno sob formato analógico – planilhas, normas, planos e 
políticas, entre outros; 
� conhecimento explícito sob formato digital – bancos de dados, regras associadas a 
procedimentos automatizados, painéis de indicadores de desempenho, entre outros; 
� conhecimento tácito – quem conhece o quê? Como acessar os detentores do 
conhecimento? – e 
� conhecimento externo, detido por parceiros ou existentes no ambiente da web. 
 
A modelagem do conhecimento organizacional é um trabalho técnico que busca criar regras 
formais sobre determinada estrutura de informações, para a compreensão tanto pelos humanos 
como por agentes de software. Desse modo, utiliza formalismos para a sua representação de forma 
a possibilitar a construção dos artefatos – programas computacionais – de apoio à cognição. 
Tendo como referência os conceitos apresentados, vamos tratar de métodos, técnicas e 
tecnologias apresentadas na literatura, ou de soluções ofertadas no mercado, para o entendimento de 
modelos de negócios, das suas cadeias de valor e dos seus respectivos processos, e para apoio à tomada 
de decisões em situações específicas de gestão, no âmbito das tecnologias emergentes da informação: 
� entendimento do domínio do negócio; 
� identificação e monitoramento das cadeias de valor e processos de negócio; 
� ambientes de dados e informações para a gestão dos processos de negócio e 
� computação cognitiva como instrumento para a gestão da informação e do 
conhecimento organizacional. 
 
 
27 
 
Entendimento do domínio do negócio 
Existem diversos métodos e técnicas para o entendimento das características do domínio de 
negócios, de forma a nortear o uso efetivo dos ativos de informação, de conhecimento e de 
inteligência no processo de gestão. Vamos, em seguida, apresentar dois deles: quadro de modelo 
de negócios e design thinking. 
 
Quadro de modelo de negócios 
Entre as diversas alternativas propostas na literatura, para o entendimento das características 
dos ambientes de negócios, destacamos o método de inovação em modelos de negócios, 
conhecido como Business Model Generation, proposto por Osterwalder e Pigneur (2011). 
Trata-se de um foco de análise que enfatiza o compartilhamento de ideias entre os 
componentes de uma organização, usando uma linguagem de fácil compreensão, buscando 
preencher o Quadro de Modelo de Negócios da empresa objeto de estudo, ilustrado como segue. 
 
Figura 8 – Quadro de modelo de negócios 
 
Fonte: adaptado de Osterwalder, A. & Pigneur, Y. Inovação em Modelos de Negócios. 2011. 
 
Na perspectiva do entendimento do negócio, para o alinhamento das estratégias quanto à gestão 
e os ambientes de informação, conhecimento e inteligência, devem ser formalizados os seguintes 
elementos: segmentos de clientes, propostas de valor, canais, relações com os clientes, atividades chave, 
recursos chave e parcerias estratégicas (OSTERWALDER; PIGNEUR 2011, p. 14-51). 
 
28 
 
Embora a descrição detalhada do método não seja objeto da nossa disciplina, cabe salientar 
as suas características principais para criar foco em torno dos direcionadores institucionais 
estratégicos, que deverão nortear as ações e os projetos de gestão da informação, do conhecimento 
e da inteligência organizacional: 
� Quais são os diferentes grupos de pessoas ou organizações que a empresa busca alcançar 
e atender – segmentos de clientes. 
� Qual é o pacote de produtos e serviços que cria valor para um segmento de clientes 
específico, isto é, quais são os motivos pelos quais os clientes vão escolher a nossa 
empresa em detrimento de outras que concorrem conosco de forma direta ou 
sucedânea – propostas de valor. 
� Como a empresa se comunica – ou deveria comunicar-se – e alcança os seus segmentos 
de clientes para entregar uma proposta de valor – canais de comunicação, distribuição 
e venda. 
� Como a empresa se relaciona com os seus segmentos de clientes, tais como assistência 
pessoal, serviços automatizados, comunidades e cocriação – modalidades de 
relacionamento. 
� Quais são os processos mais importantes que a empresa deve realizar, dentro da sua 
cadeia de valor, de forma a fazer com que o seu modelo de negócios funcione com 
efetividade, eficácia e eficiência – atividades-chave. 
� Quais são os recursos críticos exigidos para o funcionamento do modelo de negócios 
estabelecido ou desejado: competências essenciais das pessoas, tecnologias emergentes da 
informação, conhecimento – know-how – associado à natureza do negócio. 
� Quem são os nossos parceiros atuais – ou potenciais – que complementam a nossa 
cadeia de valor, contribuindo para o alcance das propostas de valor estabelecidas – 
parcerias estratégicas. 
 
Design thinking 
As técnicas de design thinking incorporam uma nova maneira de pensar soluções no 
contexto dos modelos de negócios inovadores, por meio das quais os gestores envolvidos com a 
estratégia desafiam as regras empresariais existentes. 
Nessa linha, Tim Brown, da consultoria IDEO, afirma que o design thinking “é uma 
disciplina que usa a sensibilidade e os métodos do designer para combinar as necessidades das 
pessoas com o que é tecnicamente viável e estrategicamente comercial para poder converter em 
valor de cliente e oportunidade de mercado” (DRUDI, 2017). 
 
 
 
29 
 
Entre as inúmeras formas de uso desta técnica, relacionamos a seguir aquelas propostas por 
Osterwalder e Pigneur (2011, p. 45-191): 
� Empatia e insights dos clientes – significa perceber a proposta de valor que melhor 
atende às expectativas dos clientes, o que pode ser detectado por meios como pesquisas 
de mercado convencionais junto a segmentos específicos, sessões de brainstorming 
envolvendo clientes e parceiros externos, e processos de coleta, análise e monitoramento 
de dados por meio de instrumentos de mineração de informações nas redes sociais. 
� Ideação – identificação de novas formas e mecanismos de criação de valor para os 
clientes e de novas fontes de receita para o negócio, tendo como base epicentros 
potenciais de inovação “descobertos” a partir de ideias derivadas da discussão das sete 
dimensões do quadro de modelo de negócios. 
� Pensamento visual – uso de meios visuais como figuras, diagramas e post its (blocos de 
notas), além de ferramentas automatizadas de apoio a discussões em grupo e registros de 
ideias geradas e compartilhadas. 
� Protótipos – meios de aprofundamento de uma ideação, de forma a tornar mais concreta 
e objetiva a percepção da criação de valor a partir de novas ideias geradas. 
� Histórias – utilização de narrativas para ajudar a comunicação de uma nova ideia ou a 
apresentação de resultados da interpretação de dados sobre um determinado contexto ou 
perspectiva donegócio (pontos de vista alternativos como aqueles observados de dentro 
da empresa para fora, e do cliente para a organização). 
� Cenários – formas alternativas de tornar concreto o abstrato, por meio da descrição 
de ambientes futuros alternativos nos quais determinado modelo de negócios pode 
desdobrar-se. 
 
Identificação e monitoramento das cadeias de valor e 
processos de negócio 
Como visto na apresentação precedente sobre o quadro de modelo de negócios, um dos 
principais elementos diferenciadores da estratégia competitiva é a identificação e a gestão das suas 
cadeias de valor e respectivos processos de negócio. 
A visualização da empresa por meio das cadeias de valor não é uma ideia recente, tendo sido 
originalmente desenvolvida por Porter (1990) nos anos 1980 como um dos pilares da sua 
literatura sobre estratégia. 
A despeito de ter mais de 30 anos, o conceito ainda é amplamente utilizado nas instituições 
pela sua objetividade e praticidade para representar visualmente um negócio por meio de um 
conjunto de atividades encadeadas associadas a resultados específicos. 
 
30 
 
Vejamos um exemplo prático tendo como referência a Receita Federal do Brasil.3 Nele, a 
instituição é vista como um agregado constituído de 12 cadeias de valor, como ilustrado a seguir: 
 
Figura 9 – Cadeias de valor da Receita Federal do Brasil 
 
Fonte: adaptado de Portal da Receita Federal do Brasil. Disponível em: < 
http://idg.receita.fazenda.gov.br/sobre/institucional/cadeia-de-valor-1 >. Acesso em: 14 fev. 2018. 
 
Cada cadeia de valor é desdobrada em processos, e o exemplo que segue se refere à Gestão 
do Crédito Tributário, constituída por seis processos de negócio, ainda tendo como referência 
informações extraídas do portal da Receita Federal do Brasil: 
 
Figura 10 – Cadeia de valor: Gestão do Crédito Tributário 
 
Fonte: Gestão do Crédito Tributário. Disponível em:< http://idg.receita.fazenda.gov.br/sobre/institucional/cadeia-de-valor-
1/gestao-do-credito-tributario >. Acesso em: 14 fev. 2018. 
 
3 Disponível em: <http://idg.receita.fazenda.gov.br/sobre/institucional/cadeia-de-valor-1/gestao-do-credito-tributario>. 
Acesso em: 14 fev. 2018. 
 
 
31 
 
O enfoque de gestão das organizações por meio das suas cadeias de valor e dos seus 
processos de negócio é um dos que mais se prestam à utilização dos ativos intangíveis de 
informação, conhecimento e inteligência. 
Conforme o BPM CBOK (2013, p. 35), “processos são compostos por atividades inter-
relacionadas que solucionam uma questão específica. Essas atividades são governadas por regras de 
negócio e vistas no contexto de seu relacionamento com outras atividades para fornecer uma visão 
de sequência e fluxo”. 
Os processos são representados por meio de linguagens, e atualmente o padrão mais 
adotado é o BPMN, que significa em inglês Business Process Modeling Notation e em português 
Notação de Modelagem de Processos de Negócios. 
Ele consiste em um conjunto de ícones padrões para o desenho – mapeamento e 
modelagem – de processos de negócio, o que facilita a leitura e o entendimento dos mesmos tanto 
pelos técnicos como pelos usuários leigos dentro da organização, como ilustrado a seguir: 
 
Figura 11 – Exemplo de representação visual de processos 
 
 
32 
 
A partir da formalização das atividades inter-relacionadas que compõem o processo, e da 
identificação das características associadas à sua execução e gestão, podem então ser formalizadas 
as regras de negócio e os ativos de informação e conhecimento que condicionam e suportam a 
sua execução: 
� conhecimento explícito interno sob formato analógico – planilhas, normas, planos e 
políticas, entre outros; 
� conhecimento explícito sob formato digital – bancos de dados, regras associadas a 
procedimentos automatizados, painéis de indicadores de desempenho, entre outros; 
� conhecimento tácito – quem conhece o quê? Como acessar os detentores do 
conhecimento? – e 
� conhecimento externo, detido por parceiros ou existentes no ambiente da web. 
 
Automação e monitoramento dos processos de negócio 
Em um nível mais avançado, existem métodos e ferramentas para a automação dos 
processos e o monitoramento automático dos resultados da sua execução, conhecidos pelos 
acrônimos BPMS e BAM. 
BPMS (Business Process Management Suites) são plataformas de software para automação da 
execução, controle e acompanhamento de processos sob forma automatizada. Uma característica 
de tais plataformas é a possibilidade de utilização em modos alternativos: na rede interna da 
instituição ou na modalidade de computação em nuvem.4 
Existem várias alternativas de BPMS oferecidas no mercado, entre as quais Bizagi BPM 
Suite, Lecom BPM, Oracle BPM Suite e Oracle PCS (Process Cloud Service), Orquestra BPM e 
Sydle Seed (FLEURY, 2017). 
BAM (Business Activity Monitoring) são plataformas de software que possibilitam a realização 
de monitoramento em tempo real de indicadores de desempenho corporativos associados aos 
processos do negócio. Nessas situações, busca-se a percepção de situação e a análise de indicadores 
críticos de desempenho dos processos de negócio da empresa com base em informações geradas 
em tempo real. 
Tais ferramentas disponibilizam interfaces gráficas para a exibição de informações, em 
formato de painel de bordo – dashboard –, utilizando o conceito de visualização de dados como 
meio para transmitir informações relevantes de forma clara e objetiva: uma imagem diz mais que 
mil palavras. 
 
4 A computação em nuvem é o fornecimento de serviços de computação – servidores, armazenamento, bancos de dados, 
rede, software, análise e muito mais – pela internet (“a nuvem”). As empresas que oferecem esses serviços de computação 
são denominadas provedoras de nuvem e costumam cobrar pelos serviços de computação em nuvem com base no uso, 
da mesma forma que você seria cobrado pela conta de água ou luz em casa. Disponível em: 
<https://azure.microsoft.com/pt-br/overview/what-is-cloud-computing>. Acesso em: 15 fev. 2018. 
 
 
33 
 
Existem diversos produtos de software – aplicativos – para a implementação da visualização 
de dados, usualmente incorporadas nas ferramentas de espectro mais amplo associadas ao domínio 
da inteligência de negócios. 
Ainda no âmbito das cadeias de valor e dos seus processos de negócios, outra tendência 
associada ao uso da informação e do conhecimento está vinculada à automação cognitiva de processos. 
Trata-se do uso de robôs – softwares – para apoiar, ou substituir em algumas situações, não 
somente as tarefas repetitivas, mas também parte daquelas executadas pelos denominados 
trabalhadores do conhecimento – knowledge workers. 
Esse é o domínio das aplicações computacionais conhecidas pelo acrônimo RPA (robotic 
process automation), nas quais as regras associadas aos processos são automatizadas a partir do uso 
de algoritmos computacionais. 
Segundo recente publicação do Gartner Group, 
 
Os processos que são mais adequados para o RPA possuem uma alta taxa 
de transação de dados digitalizados estruturados, com caminhos de 
processamento relativamente fixos e/ou interfaces de usuário que não 
mudam com frequência e são atividades baseadas em regras [...] os 
processos com dados não estruturados não são adequados para a maioria 
das ferramentas RPA.5 
 
Ambientes de dados e informações para a gestão dos 
processos de negócio 
A despeito dos avanços significativos no campo das tecnologias da informação e da 
comunicação, a plena utilização dos dados disponíveis, tanto no ambiente organizacional interno 
como em repositórios externos, ainda encontra barreiras em muitas situações, decorrentes do 
paradoxo da sobrecarga da informação, fenômeno assim descrito por Breuker et al. (2009, p. 3): 
 
Há uma situação paradoxal no mundo moderno: a despeito dehaver 
uma superabundância de informação disponível, frequentemente é difícil 
obter informações relevantes quando dela necessitamos. Adicionalmente, 
pesquisadores nas áreas de organização e gestão do conhecimento 
constataram que a qualidade e a eficiência do processo decisório variam 
em função da quantidade de informações em relação às quais as pessoas 
são expostas. A performance correlaciona-se positivamente com a 
 
5 Disponível em: <https://www.gartner.com/doc/reprints?id=1-3U26FK2&ct=170222&st=sb>. Acesso em: 18 fev. 2018. 
 
34 
 
quantidade de informação recebida, mas só até certo ponto. A partir daí, 
mais informações levarão ao rápido declínio do desempenho do 
indivíduo que as utiliza. 
 
 Dessa forma, no contexto da gestão, somos agora potencialmente capazes de acessar e 
utilizar um incomensurável acervo de dados para agregar valor ao processo de gestão por meio da 
informação, do conhecimento e da inteligência. 
Entretanto, em muitas situações esse potencial de agregação de valor não é concretizado 
devido à forma como os dados estão organizados: dispersos entre diversas bases de dados e 
documentos não interligados entre si, estejam eles no ambiente interno ou externo. 
Daí decorre a relevância da estruturação dos processos e das tecnologias de gestão dos dados 
para o negócio, o que é implementado por meio dos ambientes de big data, termo cunhado para 
abrigar o conjunto de soluções tecnológicas capaz de lidar com dados digitais em grandes 
volumes, variedade e velocidade, existentes no interior das organizações ou provenientes do 
ambiente externo. Como vimos precedentemente, eles se constituem em duas categorias: 
estruturados e não estruturados. 
Conforme postulado por Carvalho (2017), na primeira categoria são considerados o 
cadastro dos clientes, as transações comerciais e as informações bancárias, organizados em tabelas 
e bancos de dados, com características de formato e processos de captação, organização e 
recuperação bem definidos. 
Na segunda categoria, podemos ter textos livres colocados em documentos como normas 
internas, em Word ou PDF, imagens, vídeos e mapas, além de arquivos de voz, de textos 
colocados em blogs, ou em formato para construção das páginas na internet. 
Parte desses dados é denominada por alguns autores como semiestruturados:6 apresentam 
uma representação estrutural heterogênea, não sendo nem completamente não estruturados nem 
estritamente estruturados. Dados da web se enquadram nessa definição, em alguns casos eles 
possuem uma descrição uniforme – um catálogo de produtos; em outros, algum padrão estrutural 
pode ser identificado – um conjunto de documentos no formato de artigo – ou, então, 
praticamente não existem informações descritivas associadas – um arquivo de imagem. 
Além da complexidade inerente ao trabalho com as dimensões anteriores, cabe assinalar que 
outra preocupação com os ambientes de big data é a necessidade de garantir que os dados obtidos 
sejam autênticos e provenientes de fontes de informação confiáveis. 
Finalmente, os dados a serem obtidos e utilizados devem incorporar um potencial efetivo de 
agregação de valor para a gestão do negócio, o que pressupõe que o primeiro cuidado, em 
qualquer projeto de big data, esteja relacionado com a definição do problema do negócio: o que se 
deseja conhecer, com que finalidade, e quais são as fontes internas e externas para a sua captação. 
 
6 Disponível em: <https://www.ime.usp.br/~jef/semi-estruturado.pdf>. 
 
 
35 
 
As primeiras formas de exploração mais inteligente dos ambientes de dados foram por meio 
de um contexto de análise denominado de business intelligence – BI (inteligência de negócios), que 
visa a captar dados de diferentes sistemas de informação internos à organização, ou provenientes de 
ambientes externos relacionados a clientes e fornecedores, concentrando-os em um local único – 
denominado datawarehouse – para a sua recuperação e análise visando à geração de informações 
relevantes para a gestão do negócio nos planos estratégico e tático gerencial. 
No contexto do BI, ainda podemos incluir os programas de mineração de dados, um 
processo de descoberta de informações acionáveis em grandes conjuntos de dados, usando análise 
matemática e modelos estatísticos para derivar padrões e tendências que existem neles. 
Esses padrões e essas tendências podem ser coletados e definidos como um modelo de 
mineração de dados, aplicados a cenários específicos, tais como previsões, análises de risco e 
probabilidade, recomendações quanto a tendências de vendas “casadas” de produtos em um 
supermercado, ou separação de clientes em categorias específicas, entre outros. 
Outra técnica de análise de dados dentro do mesmo contexto, agora no domínio não 
estruturado, é a mineração de textos, voltada à extração de insights relevantes em bases de dados 
textuais, como documentos no campo jurídico – análise de acórdãos e sentenças, interpretação de 
textos provenientes de gravações em processos de atendimento em contact centers, e textos 
capturados das redes sociais, entre outros. 
 
Big data analytics 
As aplicações mais recentes para a geração de informação, conhecimento e inteligência para 
a gestão são conhecidas pela expressão Big Data Analytics, que constituem uma evolução do BI. 
Os métodos de analytics “referem-se uso de poderosos produtos de software capazes de tratar 
os dados para transformá-los em informações úteis às organizações, permitindo analisar de forma 
combinada dados estruturados e não estruturados”.7 
 
 
7 CASTELHANO, Lucinda Marinho. O guia definitivo de big data para iniciantes. Disponível em: 
<http://docplayer.com.br/36518034-O-guia-definitivo-de-big-data-para-iniciantes.html>. Acesso em: 15 fev. 2018. 
 
36 
 
A inteligência analítica, como apresentado, é uma transformação radical nos conceitos e no 
modo de usar os dados para gerar informação e conhecimento, combinando diversas fontes para 
identificar insights valiosos para a gestão. Existem quatro tipos principais de big data analytics,8 
conforme ilustrado no gráfico a seguir: 
 
 
Figura 12 – Estágios do BI/Analytics 
 
Fonte: adaptado de Gartnet Group. Estágios de Maturidade do Analytics. 
 
O gráfico apresentado mostra quatro estágios de analytics, cada um deles voltado a 
responder a uma indagação específica: o que aconteceu? (análise descritiva); por que aconteceu? 
(análise diagnóstica); o que acontecerá? (análise preditiva); e como podemos fazer acontecer? 
(análise prescritiva). 
A sequência mostrada no gráfico traduz uma relação entre os dois eixos – dificuldade e 
agregação de valor ao negócio –, mas tais combinações não significam que, necessariamente, haja 
um “percurso linear” evolutivo obrigatório no uso das técnicas de analytics. 
Autores como Kaduk (2016) propõem outro tipo de segmentação, em duas categorias: 
� De um lado, juntando os estágios que respondem às questões relacionadas a o que, 
envolvendo os dados históricos existentes (análise descritiva) e dados históricos 
extrapolados para o futuro, usando técnicas de aprendizado de máquina e de modelos 
estatísticos (análise preditiva). 
 
8 HEKIMA. Tipos de análise de Big Data: você conhece todos os 4? Disponível em: 
<http://www.bigdatabusiness.com.br/conheca-os-4-tipos-de-analises-de-big-data-analytics>. Acesso em: 18 fev. 2018 e 
FAROL TECNOLOGIA DA INFORMAÇÃO. Conheça os 4 tipos de análise do Big Data Analytics! Disponível em: 
<http://farolbi.com.br/conheca-os-4-tipos-de-analise-do-big-data-analytics>. Acesso em: 18 fev. 2018. 
 
 
37 
 
� De outro lado, respondendo a questões por meio de dados históricos associados à 
inteligência de negócios (análises diagnóstica e prescritiva), baseadas em algoritmos e 
modelosestatísticos, mas com uma alta dose de inteligência humana (conhecimento 
tácito das pessoas, especialmente formação técnica e experiências vividas). 
 
Para concluir, cabem os seguintes comentários complementares sobre as características de 
cada tipo de analytics, e possibilidades da sua aplicação nos modelos de negócios: 
� Análise descritiva (o que aconteceu?) – busca compreender, em tempo real, 
determinados acontecimentos ou fenômenos que estão ocorrendo na execução de um 
processo de negócio, visando à antecipação de problemas, à minimização de riscos ou ao 
aproveitamento de oportunidades. As instituições financeiras utilizam a análise descritiva 
para entender os riscos envolvidos na concessão de crédito para um determinado cliente 
ou segmento específico, e para o combate às fraudes em transações com cartões de 
crédito, entre outros exemplos. 
� Análise diagnóstica (por que aconteceu?) – busca compreender os efeitos de uma 
determinada ação empreendida e as suas causas, buscando obter respostas para questões 
como “por que aconteceu?”. Usando o exemplo de uma hipotética elevação na taxa de 
churn, buscam-se aqui as causas mais prováveis do efeito não desejado usando técnicas 
como a mineração de dados, a mineração de textos e modelos estatísticos. 
� Análise preditiva (o que acontecerá?) – usada para prever tendências futuras a partir de 
instrumentos de análise como a mineração de dados e a mineração de textos, e apoiando-
se em dados históricos e modelos estatísticos. Busca obter respostas para perguntas como 
“o que é mais provável que aconteça?”, sendo aplicada para orientar estratégias voltadas à 
retenção de clientes e à redução de taxas de cancelamento de serviços contratados (taxa 
de churn).9 
� Análise prescritiva (como podemos fazer acontecer?) – trabalha com a mesma lógica da 
técnica anterior, mas busca simular hipóteses quanto a recomendações de ações 
alternativas e possíveis consequências de cada uma delas, buscando responder a questões 
como: se dermos um desconto de 3% no preço dos produtos, qual é a chance de 
diminuirmos a taxa de churn? 
 
 
9 As taxas de churn dizem respeito ao cancelamento de serviços contratados e encerramento de contas, o que é 
atentamente acompanhado em empresas de telefonia e bancos, por exemplo. 
 
38 
 
Computação cognitiva como instrumento para a gestão da 
informação e do conhecimento 
Em recente publicação,10 colocamos em discussão a seguinte questão: as máquinas estão 
adquirindo capacidade para pensar ou para ajudar o ser humano a raciocinar e tomar decisões? 
Isso tem sido bastante tratado na literatura, especialmente a partir do desenvolvimento de 
aplicações de computação cognitiva, cujas referências mais citadas são o programa Watson da IBM 
(LEAL, 2017) e o uso mais disseminado da inteligência artificial nos processos de gestão dos negócios. 
Tais aplicações são baseadas em algoritmos, que nada mais são do que um conjunto de 
regras e operações definidas, destinadas à solução de um problema específico de forma procedural. 
Um exemplo: cinco vezes cinco é igual ao número cinco somado cinco vezes (5x5 = 
5+5+5+5+5). Esta regra de somar é um algoritmo simples, que está presente nas máquinas de 
calcular e nos smartphones, e que usamos intuitivamente no nosso cotidiano. 
Em várias situações do nosso dia a dia, nós nos orientamos, tomamos decisões e nos 
movimentamos com base em algoritmos, que existem em vários níveis de complexidade, inseridos 
em programas computacionais que realizam procedimentos para solucionar um problema. 
Ao nos comunicarmos com outras pessoas de forma rápida e fácil, por meio de aplicativos 
como o WhatsApp, estamos usando um algoritmo. O mesmo acontece quando nos orientamos 
para encontrar a rota mais adequada para chegar a um destino com apoio do Waze, quando 
fazemos uma pesquisa no Google ou quando usamos os serviços de transporte do Uber. 
Os sistemas baseados em conhecimento se constituem por meio de algoritmos de maior 
complexidade, são os denominados sistemas especialistas, amplamente utilizados em diversas áreas de 
especialização, como a Medicina, a Engenharia e, mais recentemente, nas Finanças e no Direito. 
Outras aplicações de algoritmos associados ao conhecimento do cliente são os “algoritmos 
de recomendação”, utilizados por empresas como Amazon, Google, Facebook, Netflix, e todas 
aquelas focadas no marketing digital. 
Os recursos de recomendações on-line utilizam os dados capturados, relativos à navegação 
daqueles que acessaram o site para, a partir da sua análise, oferecer opções semelhantes ou 
complementares aos produtos e serviços visitados, buscando direcionar o interesse e influenciar 
compras do consumidor potencial. 
 
 
10 FLEURY, Newton. Computação cognitiva: as máquinas podem pensar? Medium, 8 de julho de 2017. Disponível em: 
<https://medium.com/@fleurynewton/computa%C3%A7%C3%A3o-cognitiva-as-m%C3%A1quinas-podem-pensar-
c17febc3b367>. Acesso em: 20 fev. 2018. 
 
 
39 
 
Conceitos e aplicações da inteligência artificial11 
Como já abordado anteriormente, a inteligência é entendida como uma 
propriedade/habilidade atribuída a pessoas, como saber, pensar, conversar e aprender. Em síntese, 
envolve conhecimento associado à capacidade de perceber, sentir, compreender, processar, 
comunicar, julgar e aprender. 
A inteligência artificial é um subcampo interdisciplinar da ciência da computação, com o 
propósito de desenvolver técnicas e ferramentas para resolver problemas, seja de forma autônoma 
pelas máquinas seja em interação com as pessoas. 
O termo inteligência artificial (IA) nasceu há mais de 50 anos e, desde então, diferentes 
correntes de pensamento têm estudado formas de estabelecer comportamentos inteligentes 
associados aos programas computacionais. 
Nessa linha, o grande desafio das pesquisas em IA, desde a sua criação, pode ser sintetizado 
com a indagação feita por Minsky (2003) há quase 30 anos: “Como fazer as máquinas 
compreenderem as coisas?”. 
A inteligência artificial vem adquirindo grande prestígio e interesse com a difusão do seu 
uso como instrumento de inteligência para o apoio às estratégias dos negócios, baseado 
principalmente nos conceitos e nas técnicas de aprendizado de máquina (machine learning). 
O aprendizado de máquina refere-se a algoritmos e técnicas por meio dos quais os sistemas 
“aprendem”, de maneira autônoma, a partir de resoluções específicas de problemas, da observação 
de casos e situações práticas, como nos exemplos descritos a seguir:12 
� criação de listas personalizadas de recomendação de filmes e vídeos que aparecem no 
Netflix e no YouTube; 
� versionamento de textos de um idioma para outro, baseado em aprendizado de modelos 
para tradução de expressões e frases, como no caso do Google Tradutor e 
� diagnóstico de possíveis doenças em um paciente, a partir de um conjunto elencado 
de sintomas. 
 
Para completar a explicação dos conceitos sobre inteligência artificial, são a seguir 
comentados três exemplos da sua aplicação, especialmente quanto à gestão da informação e do 
conhecimento organizacional: 
 Base de conhecimentos – consiste na captura e aplicação de conhecimento especializado 
para o apoio à resolução de problemas em um domínio de negócio limitado, usualmente 
compostos de três módulos principais: (1) base de conteúdo, que abriga o conhecimento 
 
11 O entendimento dos conceitos básicos sobre a Inteligência Artificial está baseado em: 
<https://www.tutorialspoint.com/prolog_in_artificial_intelligence/ai_introduction.asp>. Acesso em: 19 fev. 2018. 
12 HEKIMA. Machine Learning: tudo que você precisa saber. Disponível em: <http://www.bigdatabusiness.com.br/o-que-e-
machine-learning>. Acesso em: 19 fev. 2018. 
 
40 
 
especializado a ser utilizado nas interações