Blog de IA

Tag: tomada de decisão

  • Uso de dados e inteligência artificial para tomada de decisões em grandes organizações é tema de painel no South Summit Brazil

    Uso de dados e inteligência artificial para tomada de decisões em grandes organizações é tema de painel no South Summit Brazil

    Uso de dados e inteligência artificial para tomada de decisões em grandes organizações é tema de painel no South Summit Brazil

    A aplicação estratégica de dados e inteligência artificial (IA) como motores de transformação organizacional foi o foco do painel “Dados que escalam negócios: como IA e arquitetura moderna estão transformando decisões em grandes organizações”. O debate ocorreu na manhã desta quarta-feira (25/3), no Cais Room, durante o primeiro dia do South Summit Brazil, em Porto Alegre. O evento, que segue até 27 de março, tem o governo do Estado como correalizador.

    O encontro reuniu especialistas para discutir como a infraestrutura de dados e o uso de IA podem otimizar a tomada de decisões em grandes entidades. O painel contou com a participação do secretário-adjunto de Planejamento, Governança e Gestão, Felipe Cruzeiro, e foi mediado por Mateus de Abreu, diretor de Negócios e Estratégias Digitais da Randoncorp. A discussão também contou com a presença de Franco Bria, superintendente de Dados e IA do Sicredi; Luiz Antunes, diretor de Arquitetura de Soluções para Serviços Financeiros da Databricks; e Mateus Casanova, líder de Inovação, Inteligência Artificial, Open Finance, Ativos Digitais e Drex da Unicred.

    Desafios do setor público na adoção de dados e IA

    Felipe Cruzeiro destacou os desafios específicos enfrentados pelo setor público na implementação de agendas de dados e inteligência artificial. A escala e a diversidade de usuários dos serviços públicos impõem uma necessidade de governança e prestação de serviços digitais diferenciadas. “O nosso cliente é todo cidadão. Isso exige uma visão diferente de governança e de prestação de serviços digitais”, afirmou.

    Ele ressaltou que a criação da Subsecretaria de Governança e Estratégia de TIC e Digital (STI), vinculada à SPGG, foi um passo crucial para centralizar a governança digital no Estado. Iniciativas como a GurIA, assistente virtual integrada ao portal rs.gov.br, que reúne mais de 750 serviços digitais, foram citadas como exemplos desse avanço. “Nos últimos seis anos, o Rio Grande do Sul foi campeão quatro vezes em premiações nacionais sobre oferta de serviços digitais. A GurIA é um símbolo desse processo, sustentado pela orquestração dos dados do Estado”, declarou.

    Inteligência artificial na prevenção e qualificação de serviços

    Cruzeiro também apresentou outros avanços do governo, como a aplicação da IA para antecipar demandas dos cidadãos. Um exemplo prático é o uso de modelos preditivos na educação, que, através do cruzamento de dados de diferentes áreas, buscam prevenir a evasão escolar. “É a IA aplicada de forma preventiva, para agir antes que o problema aconteça”, explicou.

    O secretário-adjunto reforçou que o futuro da inteligência artificial no setor público depende da integração entre áreas e da integridade dos dados, com estrita atenção à Lei Geral de Proteção de Dados (LGPD). Conforme as palavras do governador Eduardo Leite, “o cidadão é um só, ele não é municipal, estadual ou federal, e a inteligência artificial nos permite entregar serviços cada vez mais digitais e com mais qualidade para a população”.

    Sobre o South Summit Brazil

    Criado na Espanha, o South Summit consolidou-se como um dos maiores eventos de inovação da Europa. Sua chegada ao Rio Grande do Sul ocorreu em 2022, por iniciativa do governo do Estado em parceria com a prefeitura de Porto Alegre. Em 2025, a edição brasileira contou com a participação de 23 mil pessoas de 62 países, 900 investidores, 140 fundos com mais de US$ 215 bilhões sob gestão, além de 3 mil startups e 800 palestrantes.

  • Alemanha estuda ferramentas de inteligência artificial para tomar decisões em tempos de guerra

    Alemanha estuda ferramentas de inteligência artificial para tomar decisões em tempos de guerra

    Alemanha avança no uso de IA para decisões estratégicas em conflitos

    O exército alemão está em processo de estudo e desenvolvimento de ferramentas baseadas em inteligência artificial (IA) com o objetivo de acelerar a tomada de decisões em cenários de guerra. A iniciativa visa superar a capacidade humana na análise de dados complexos do campo de batalha, buscando lições aprendidas com a Ucrânia e outros países envolvidos em conflitos recentes.

    O tenente-general Christian Freuding, comandante do exército alemão, detalhou que a IA tem o potencial de processar grandes volumes de informações, provenientes de drones e sensores modernos, de forma significativamente mais rápida. Essa capacidade é crucial para manter a agilidade em um ambiente de combate cada vez mais dinâmico.

    Análise de dados e aprimoramento da estratégia militar

    Freuding explicou que a IA pode deduzir padrões de comportamento do adversário com base em dados históricos de conflitos. Isso permite a recomendação de contramedidas mais eficazes. A Ucrânia, por exemplo, tem explorado dados coletados ao longo de quatro anos de guerra para otimizar suas estratégias.

    A aplicação dessas tecnologias pode transformar tarefas que atualmente demandam centenas de pessoas e dias de trabalho em processos muito mais ágeis. Segundo Freuding, os métodos convencionais isoladamente não seriam suficientes para quebrar o ciclo de tomada de decisão do oponente.

    Utilização de dados e alinhamento operacional

    Para o treinamento das ferramentas analíticas de IA, a Alemanha considera a utilização de dados provenientes tanto da Ucrânia quanto de exercícios militares próprios. O objetivo é garantir que as soluções de IA estejam em conformidade com os princípios operacionais alemães e os padrões da OTAN.

    Freuding destacou a importância de alinhar os sistemas de IA da Alemanha aos padrões em constante evolução da Organização do Tratado do Atlântico Norte (OTAN).

    IA como ferramenta de apoio à decisão humana

    Um ponto central da estratégia alemã é a garantia de que a IA servirá estritamente como uma ferramenta de apoio. As preocupações éticas são levadas a sério, e a responsabilidade final pela tomada de decisões analíticas e equilibradas permanecerá com o ser humano.

    “A tarefa de tomar decisões analíticas e equilibradas sempre caberá ao ser humano, ao soldado”, afirmou Freuding.

    Embora um produto específico de IA ainda não tenha sido selecionado, a implantação dessa tecnologia é considerada uma prioridade para as Forças Armadas alemãs.

    Parcerias e soluções tecnológicas

    A Alemanha avalia tanto o desenvolvimento de sistemas próprios, possivelmente com parceiros europeus, quanto a adoção de soluções já existentes. Soluções americanas, como a ferramenta de IA Maven utilizada pelo exército dos EUA para processar dados de campo de batalha, podem oferecer vantagens práticas devido à sua maturidade e implantação avançada.

    A empresa do Vale do Silício Palantir, por exemplo, desenvolveu a ferramenta Maven. Freuding ressaltou a necessidade de agir rapidamente para implementar soluções funcionais, sem negligenciar questões cruciais como soberania e segurança de dados.

  • Ferramentas de IA do Google para programação atingem limite; decisão, não código, é o novo gargalo

    Ferramentas de IA do Google para programação atingem limite; decisão, não código, é o novo gargalo

    Google’s AI programming tools are reaching a limit in boosting productivity—now, decision-making rather than coding has become the main constraint

    As ferramentas de programação baseadas em inteligência artificial (IA) se tornaram ubíquas no desenvolvimento de software, com 90% dos profissionais de tecnologia incorporando-as em suas rotinas diárias. Apesar dessa ampla adoção, um paradoxo emergiu: o aumento do uso dessas tecnologias não se traduziu em um ganho proporcional na velocidade de entrega de software. Pelo contrário, um estudo indica que para cada 25% de aumento no uso de IA, a vazão (throughput) cai 1,5% e a estabilidade do sistema diminui 7,2%.

    O ponto crucial dessa mudança é que o gargalo na produtividade de software migrou. Se antes a escrita de código era um processo demorado, agora, com o auxílio da IA, essa etapa foi significativamente otimizada. O desafio atual reside em tarefas de nível superior, como decisões arquiteturais, integração de sistemas e garantia de qualidade, que se tornaram os principais limitadores.

    O paradoxo da produtividade: mais IA nem sempre é melhor

    Um experimento controlado com desenvolvedores experientes evidenciou essa contradição. Ao receberem ferramentas de IA de ponta para meados de 2025, os participantes levaram, em média, 19% mais tempo para concluir suas tarefas, contrariando a expectativa de serem 24% mais rápidos. A pesquisa, focada em projetos open-source do mundo real, atribui essa ineficiência a fatores como a dificuldade em criar prompts eficazes, gerenciar o contexto da IA e revisar o código gerado.

    O novo gargalo: o julgamento humano

    Esse sucesso inicial das ferramentas de IA, que facilitou tarefas como geração de código repetitivo e documentação, atingiu um platô. Dave Rensin, do Google, observa que “O julgamento é o valor humano na era da IA. O design é o código.” Com a IA assumindo grande parte da codificação, o verdadeiro desafio agora reside no pensamento de ordem superior: identificar problemas relevantes, definir limites funcionais e tomar decisões críticas de arquitetura.

    AI-first coding e a evolução dos papéis do desenvolvedor

    A direção do Google, com ferramentas como o Gemini Code Assist, aponta para uma transição para o “AI-first coding”. O objetivo é integrar agentes de IA em fluxos de trabalho mais amplos, mas isso implica uma evolução no papel dos engenheiros. Em vez de apenas escrever código, os desenvolvedores utilizam essas ferramentas para questionar premissas e manter a documentação de design atualizada. O foco se desloca da geração de código para o gerenciamento das decisões estratégicas que sustentam softwares valiosos.

    Agentes autônomos de IA: o próximo salto

    O próximo avanço significativo virá de agentes de IA capazes de executar processos complexos e multi-etapas de forma independente. Um exemplo disso é o agente AlphaEvolve do Google, que combina modelos de linguagem grandes com avaliadores automatizados para desenvolver e otimizar algoritmos. Esses agentes não apenas escrevem código, mas descobrem e refinam algoritmos centrais, exigindo profundo insight estratégico. O desafio se transforma da geração de código para a definição dos problemas que a IA deve abordar e a supervisão de suas soluções autônomas.

    Implicações de infraestrutura e estratégia de monetização

    Este platô técnico influencia a estratégia de negócios do Google. Em vez de focar na adoção incremental de ferramentas, a empresa investe na infraestrutura fundamental para a próxima mudança de paradigma. O Google acelera a transição de descobertas em pesquisa para impacto no mundo real, como destacado em seu relatório de pesquisa de 2025. A monetização e a vantagem competitiva do Google passam a ser impulsionadas pelo uso da IA para aumentar sua própria eficiência operacional. O AlphaEvolve, por exemplo, demonstrou uma melhoria de 0,7% na recuperação de computação de data centers e uma aceleração de 23% no treinamento do Gemini, reduzindo custos e aumentando a escalabilidade.

    A estratégia de monetização do Google envolve a integração dessas ferramentas de produtividade em seu ecossistema corporativo. Ao incorporar soluções como o Gemini Code Assist diretamente nos fluxos de trabalho dos desenvolvedores, a empresa incentiva licenciamento empresarial e fortalece seu ecossistema.

    Construindo a próxima geração de infraestrutura de software

    Em resumo, o Google está preparando o terreno para a próxima era do desenvolvimento de software. Ao investir em pesquisa fundamental, otimizar custos de computação com IA e empacotar esses avanços para uso profissional, a empresa constrói a infraestrutura para a próxima curva exponencial na engenharia de software. Catalisadores como agentes de IA autônomos e riscos como o débito técnico acumulado moldarão essa transição, exigindo fluxos de trabalho mais disciplinados e focados no design.

  • Compreensão Compartilhada na Velocidade da Máquina: Preservando a Coerência em Operações Conjuntas Habilitadas por IA

    Compreensão Compartilhada na Velocidade da Máquina: Preservando a Coerência em Operações Conjuntas Habilitadas por IA

    O desafio da velocidade e da coerência em operações conjuntas modernas

    Em janeiro de 1991, as forças da coalizão desmantelaram a rede de comando e controle do Iraque com velocidade notável. Esse sucesso não se baseou em uma única tecnologia revolucionária, mas em algo mais decisivo: compreensão compartilhada entre organizações, funções e fronteiras nacionais. Líderes e equipes possuíam modelos mentais unificados, permitindo iniciativa disciplinada e execução descentralizada sem coordenação constante, resultando em coerência operacional em alta velocidade.

    Três décadas depois, os líderes enfrentam o desafio de manter essa compreensão compartilhada enquanto a inteligência artificial (IA) remodela como as organizações sentem, decidem e agem em operações conjuntas. A IA acelera a coleta, análise e disseminação de informações, mas o objetivo não é apenas a adoção. É garantir que a velocidade produzida resulte em ação coerente, e não em divergência.

    Velocidade e visualização não garantem compreensão compartilhada

    É um equívoco comum acreditar que dashboards, análises em tempo real e auxiliares de decisão habilitados por IA criam automaticamente compreensão compartilhada. Essas ferramentas aprimoram a visibilidade, o que é distinto de compreensão. A consciência situacional – saber o que está acontecendo – não é o mesmo que concordar sobre o que isso significa e como responder.

    Equipes podem observar os mesmos dados e chegar a conclusões incompatíveis devido a diferentes premissas, autoridades, incentivos e modelos mentais. A IA, se não for cuidadosamente gerenciada, pode acelerar essa divergência. Sistemas de IA moldam a atenção, filtram condições e ponderam informações. Se mal enquadrados, podem afastar os usuários da intenção do comandante ou do problema operacional original, degradando silenciosamente a compreensão compartilhada.

    Muitos investimentos em IA focam em acelerar processos existentes e análise, sem primeiro estabelecer um quadro de referência comum. O resultado é a execução mais rápida de decisões desalinhadas: tempo sem coerência.

    O que define a compreensão compartilhada?

    A compreensão compartilhada ocorre quando comandantes, equipes e parceiros interpretam informações de maneiras compatíveis, entendem as restrições uns dos outros e podem antecipar ações sem direção contínua. Não se trata de controlar decisões, mas de tornar a descentralização mais segura e eficaz, um pilar do comando de missão. Isso não pode ser produzido apenas por software; deve ser cultivado deliberadamente por líderes.

    Exemplo prático: uma zona de exclusão marítima

    Considere um cenário em que um adversário declara uma zona de exclusão marítima de três dias no Indo-Pacífico após uma crise política. Navios mercantes desviam, e aliados pedem apoio. O presidente dos EUA precisa responder, e o comandante da força conjunta deve apresentar opções.

    Antes de empregar qualquer ferramenta analítica, a decisão deve ser claramente enquadrada: Quais objetivos políticos estão em jogo? Quais riscos de escalada são aceitáveis? Quais mensagens devem ser enviadas a aliados e adversários?

    Se este passo de enquadramento for truncado pela excessiva dependência de análises geradas por IA, o processo de desenvolvimento de compreensão compartilhada em toda a força conjunta é degradado antes mesmo que os cursos de ação sejam considerados.

    Isso pode levar a recomendações que refletem as premissas de uma única força ou comunidade funcional, em vez de uma perspectiva genuinamente conjunta. Além disso, sistemas de IA podem inadvertidamente reforçar vieses, pois seus dados de treinamento podem carecer do enquadramento e da diversidade de pontos de vista necessários.

    Buscando velocidade com compreensão compartilhada

    Líderes devem buscar a velocidade em conjunto com a compreensão compartilhada. Eles devem utilizá-la para expor, reconciliar e padronizar como as organizações entendem o problema antes de agir. Isso requer um design intencional: definições compartilhadas, premissas acordadas, compromissos explícitos e limites claros para a execução descentralizada.

    Em um ambiente conjunto e multidomínio, a velocidade com compreensão compartilhada permite ações coerentes em todas as esferas (aérea, terrestre, marítima, cibernética e espacial). Isso melhora a capacidade de gerenciar operações descentralizadas e criar dilemas para um adversário.

    Perguntas essenciais para integrar ferramentas de IA

    Líderes que integram IA nos processos de comando e controle e tomada de decisão devem fazer três perguntas cruciais:

    • Quais premissas este sistema torna visíveis? Use ferramentas de IA como espelhos para expor desacordos sobre a realidade, restrições e riscos.
    • Onde a interpretação diverge em toda a força e entre parceiros? Identifique atritos recorrentes em terminologia, métricas, autoridades e direitos de decisão. Resolva-os deliberadamente.
    • Quais decisões podem ser descentralizadas com segurança após o entendimento ser compartilhado? A compreensão compartilhada permite iniciativa disciplinada; sem ela, a descentralização aumenta o risco operacional.

    O valor estratégico da IA não reside em automatizar decisões, mas em permitir que os líderes alinhem a interpretação em escala. As organizações que terão sucesso não serão aquelas com as ferramentas de IA mais rápidas, mas aquelas cujos líderes entendem que a velocidade da máquina exige compreensão compartilhada para preservar a unidade de esforço e a coerência operacional. Sem essa clareza, a IA pode se tornar um multiplicador de confusão, em vez de uma fonte de vantagem de combate.