Formação Executiva em Inteligência Artificial para Gestores
Cenário da Inteligência Artificial e as suas Aplicações
Módulo 1 – Panorama atual da IA
- Evolução e marcos da IA: o que mudou nos últimos anos
- Diferenças práticas entre IA, ML, deep learning e IA generativa
- Conceitos essenciais e terminologia executiva (treino, inferência, prompt, contexto, alucinação e multimodalidade)
- Capacidades e limitações: onde a IA funciona bem e onde costuma falhar
- Modelos fundacionais, visão executiva
- Formas de uso corporativo, copilotos, assistentes, agentes, geração e transformação de conteúdo
- Padrões de ganhos de produtividade e qualidade e quando não usar
- Principais aplicações em Operações, Marketing, Finanças, RH, Projetos e Atendimento
- Padrões de utilização de IA nos negócios
- Mini casos e trade-offs típicos por contexto
- Noções essenciais sobre dados para IA (disponibilidade, qualidade e preparação)
- Critérios para avaliar oportunidades, viabilidade, sinais de hype versus aplicação apropriada
- Maturidade de adoção (experimentação, piloto e escala) e leitura do ecossistema (solução pronta, plataforma e desenvolvimento)
Governança de Inteligência Artificial
Módulo 1 – Governança de IA como responsabilidade estratégica
- Governança corporativa: princípios, estruturas e instâncias decisórias
- Governança de IA como extensão da governança corporativa
- Diferença entre gestão, governança e operação de IA
- Accountability, transparência e tomada de decisão em IA
- ISO/IEC 38507 – Governança de TI aplicada à IA
- Princípios, responsabilidades e decisões-chave
- ISO/IEC 42001 – Sistema de Gestão de IA (AIMS)
- Estrutura, políticas, processos e melhoria contínua
- Integração entre governança corporativa, TI, dados e IA
- Riscos de IA: estratégicos, operacionais, legais e regulatórios, éticos e reputacionais
- Avaliação de risco ao longo do ciclo de vida da IA
- Governança baseada em risco (risk-based governance)
- Conexão com riscos corporativos, compliance e auditoria
- Panorama regulatório global de IA
- Ato de IA da União Europeia
- Obrigações organizacionais
- Impactos para empresas fora da UE
- Alinhamento entre regulação, governança e estratégia
Inteligência Artificial Aplicada aos Negócios
Módulo 1 – Formulação de problemas de negócio para aplicações de IA
- IA versus regras, automação e BI
- Tipos de tarefa: previsão, classificação, recomendação, segmentação e anomalias
- Definição de alvo, unidade e horizonte
- Exemplos de casos por área
- Famílias de abordagem e quando usar
- Critérios de escolha: dados, custo do erro, explicabilidade e esforço
- Soluções híbridas (generativa + modelos)
- Armadilhas e “promessas” de mercado
- Métricas por tipo de tarefa
- Trade-offs e thresholds, custo do erro
- Robustez e mudança de contexto (drift)
- Comparação entre alternativas
- Drivers de valor e premissas
- Estimativa de valor, custo e custo do erro
- Priorização valor versus viabilidade
- KPIs de negócio e baseline
Transformação Digital por meio da IA
Módulo 1 – Transformação ágil e digital
- Transformação ágil e digital
- Estratégias e potencial de transformação digital
- Tecnologias digitais conectadas à IA (blockchain, IoT, big data e computação quântica)
- Cultura de dados e direcionamento por IA
- Modelos de negócios baseados em IA
- Portfólio, programa e projetos no contexto da transformação digital
- Ciclo de vida de projetos de IA
- Framework CRISP-DM
- Estratégias adaptativas em projetos de IA: PoC, protótipo, piloto e MVPs
- ROI em projetos de IA
- Time de projetos versus time de data science
- Ecossistema para projetos de IA
- GPUs e TPUs
- ETL
- Data warehouses e data lakes
- Data mining
- Engenharia de dados
- Resistência à mudança e à tecnologia
- Fundamentos da engenharia de prompt
- Definição e importância da engenharia de prompt em IA
- Exemplos de prompts bem-sucedidos em diferentes contextos de negócios
