Agora que você já deu os primeiros passos na jornada do conhecimento sobre

Inteligência Artificial, é hora de aprofundar ainda mais sua visão estratégica no Módulo 2:
Aplicações de IA nos Negócios.

Neste módulo, vamos conectar a teoria com a prática empresarial. Você verá como
a IA está sendo usada para resolver problemas reais, otimizar processos, criar novos
produtos e até mesmo transformar modelos de negócios inteiros. Exploraremos isso
desde o planejamento inicial para adoção da IA em uma empresa até estratégias para
integrá-la com outras tecnologias e áreas da organização.

Você entenderá como identificar oportunidades de aplicação de IA, avaliar sua

viabilidade, e estruturar um plano de implementação, sempre considerando os desafios
técnicos, humanos e organizacionais. Também vamos mergulhar em tendências
emergentes e descobriremos de que maneira diferentes setores — como varejo, saúde,
finanças, indústria e educação — estão utilizando IA para ganhar vantagem competitiva.

Para tornar tudo mais concreto, traremos estudos de caso, tanto de empresas fictícias
quanto reais, para que você possa visualizar o impacto da IA no dia a dia dos negócios.
A ideia é que, ao final deste módulo, você esteja pronto(a) para pensar estrategicamente:
como aplicar IA no seu próprio negócio ou contexto profissional, com responsabilidade
e inovação.

Então, vamos em frente? O futuro dos negócios passa pela IA — e você está se
preparando para liderar essa transformação.

Negócios Inovadores Apoiados por IA 42

OBJETIVOS DO MÓDULO

ƒ Planejar estrategicamente o uso da Inteligência Artificial em contextos

empresariais, compreendendo seu papel na inovação, otimização de processos
e criação de valor.
ƒ Analisar tendências emergentes da IA no mercado, como IA generativa, AutoML
e IA explicável, reconhecendo oportunidades de aplicação em diferentes setores
e modelos de negócios.
ƒ Avaliar criticamente os desafios e benefícios da adoção da IA no empreendedorismo,
considerando aspectos técnicos, humanos, éticos e organizacionais.
ƒ Desenvolver, de forma colaborativa, um plano de aplicação de IA em um negócio
real ou fictício, estruturando etapas de implementação e apresentando a proposta
por meio de um pitch em vídeo.
ƒ Estabelecer conexões entre teoria e prática, por meio de estudos de caso,
análises de cenários empresariais, leitura de tendências e atividades interativas
com ferramentas digitais.

43 Jessyca Almeida
 A Inteligência Artificial (IA) deixou de ser uma promessa futurista para se tornar uma
realidade presente dos negócios. Porém, sua adoção exige planejamento estruturado e
estratégico. Sem isso, corre-se o risco de investir em soluções tecnológicas desconectadas
dos objetivos reais da organização.

Segundo Davenport e Ronanki (2018), muitas empresas caem na armadilha de

iniciar projetos de IA sem uma visão clara de impacto, o que resulta em baixa escalabilidade
ou retornos financeiros limitados. Portanto, planejar a utilização da IA é o primeiro passo
para extrair valor real da tecnologia.

1.1 Por que o planejamento é essencial?

O uso da IA no ambiente corporativo não pode ser encarado apenas como uma
inovação tecnológica pontual, mas, sim, como uma mudança estratégica e estrutural. O
planejamento é essencial porque alinha as capacidades da IA com os objetivos de negócio,
garante a viabilidade técnica, mitiga riscos e prepara a organização para mudanças
operacionais e culturais que acompanham a implementação dessa tecnologia. Para que a
adoção da IA em um negócio seja eficaz, é fundamental seguir um conjunto de etapas que
garantam desde a viabilidade técnica e estratégica até a sustentabilidade e governança
ética da solução. Abaixo estão descritas as principais fases desse planejamento, com
orientações práticas e exemplos de aplicação.

Alinhamento com os objetivos do negócio - A adoção de IA deve responder a

problemas reais e mensuráveis da organização. É comum encontrar empresas que
começam projetos de IA apenas por modismo, sem um propósito claro, o que leva ao
desperdício de tempo, recursos e frustração dos envolvidos. Davenport e Ronanki (2018)
explicam que, entre as empresas que relataram sucesso na implementação de IA, a
maioria iniciou com metas específicas, como redução de custos operacionais, automação
de tarefas repetitivas ou melhoria na experiência do cliente. Esse foco permite justificar
os investimentos e monitorar o retorno com base em indicadores concretos.

Negócios Inovadores Apoiados por IA 44

 Um banco pode planejar o uso de IA para automatizar
a análise de crédito, reduzindo o tempo de
resposta ao cliente de dias para minutos — desde
que essa automação esteja em conformidade
com critérios regulatórios e éticos.

Redução de riscos e ineficiências - Sem planejamento, os projetos de IA

podem falhar por uma série de fatores, como dados ruins, falta de conhecimento
técnico, metas irreais, ausência de apoio da liderança ou falta de integração com
os processos de negócio. Brynjolfsson e McAfee (2017) argumentam que a IA
precisa ser pensada como parte de um sistema onde humanos, dados e máquinas
colaboram. Isso requer tempo e estratégia para adaptar processos internos,
fluxos de trabalho e mentalidades. O planejamento reduz os riscos de adoções
precipitadas, além de permitir uma implementação gradual e sustentável.

Viabilidade técnica e maturidade digital - Nem toda empresa está preparada

para adotar IA de forma imediata. Um bom planejamento envolve avaliar a
maturidade digital da organização, ou seja, se ela já possui

ƒ Infraestrutura tecnológica adequada (nuvem, armazenamento,

processamento);
ƒ Dados estruturados e acessíveis;
ƒ Equipe técnica capacitada;
ƒ Cultura voltada para dados e inovação.

Antes de tudo, a organização deve realizar um diagnóstico da sua maturidade digital,

identificando em que estágio está sua infraestrutura tecnológica, seus fluxos de dados,
sua cultura organizacional e a capacitação do seu time. Essa análise permite entender se
a empresa está pronta para iniciar um projeto de IA ou se precisa investir primeiro em
bases como automação, digitalização de processos e gestão de dados.

Uma empresa, no início da jornada digital, pode começar por automatizações

simples ou aplicações de IA baseadas em regras, enquanto empresas mais maduras podem
partir diretamente para aprendizado de máquina e IA preditiva. Lavin (2021) sugere que
as empresas façam uma autoavaliação estratégica de prontidão, classificando-se em
estágios como estes: iniciante, exploradora, consolidada ou avançada. Esse diagnóstico
ajuda a definir por onde começar e qual o tipo de projeto mais viável no momento.

45 Jessyca Almeida
 Uma pequena empresa do varejo, que ainda não
possui um sistema de CRM estruturado, pode iniciar
com um projeto simples de recomendação de
produtos usando regras de associação antes de investir
em um sistema de IA mais sofisticado.

Identificação de Oportunidades com Alto Valor - Após entender a realidade da

empresa, é necessário identificar problemas concretos e áreas com alto potencial de
ganho com IA. Exemplos incluem os aspectos a seguir:

Aqui, recomenda-se utilizar matrizes de priorização, como a matriz Valor x

Viabilidade, para focar esforços onde o impacto será maior e o esforço menor. Essa
abordagem evita que projetos de alta complexidade técnica, mas baixo retorno prático,
consumam recursos importantes.

Leia essa matéria e fique por dentro do que significa

o termo Maturidade Digital: [Link]
PortalSebrae/artigos/qual-e-o-grau-de-maturidade-digital-
do-seu-negocio,68f6b06368d47810VgnVCM1000001b003
20aRCRD

Sustentabilidade, escalabilidade e ROI - Projetos bem planejados em IA

consideram não apenas a viabilidade técnica e os benefícios imediatos, mas
também a sustentabilidade a longo prazo, a escalabilidade da solução para outras
áreas da empresa e o Retorno sobre o Investimento (ROI) esperado. O ROI deve
ser estimado logo no início. Confira, a seguir, indicadores comuns:

Negócios Inovadores Apoiados por IA 46

 Em vez de desenvolver uma IA para atendimento
ao cliente em todos os canais ao mesmo tempo,
uma empresa pode começar pelo chat no site,
medir os resultados e, se positivos, expandir para
WhatsApp, redes sociais e telefone.

Estruturação da Estratégia de Dados, Escola de Tecnologias, Implementação e

Monitoramento - A IA depende profundamente de dados de qualidade. Portanto,
é necessário garantir os seguintes itens:

ƒ Fontes confiáveis e seguras de dados;

ƒ Dados limpos, padronizados e atualizados;
ƒ Estrutura de armazenamento eficiente (data lakes, bancos relacionais,
etc.);
ƒ Governança de dados clara: quem coleta, quem acessa, quem valida.

Mais de 70% do esforço em projetos de IA é comumente dedicado à

preparação e tratamento dos dados, o que torna essa etapa uma das mais críticas.
Com os dados estruturados e metas definidas, é hora de escolher as ferramentas,
frameworks ou parceiros ideais. Isso envolve avaliar

• Se a empresa desenvolverá a solução internamente ou contratará

consultorias especializadas;
• Qual linguagem ou framework utilizar (Python, TensorFlow, PyTorch, Scikit-
learn, etc.);
• Se será utilizada uma solução em nuvem (AWS SageMaker, Azure AI,
Google Vertex AI) ou local.

47 Jessyca Almeida
 A escolha depende do orçamento, prazo, grau de personalização desejado e
conhecimento técnico da equipe. Com tudo pronto, o projeto é implementado de forma
gradual. Já o monitoramento contínuo é essencial para

• Verificar a performance do modelo em ambiente real;

• Corrigir desvios;
• Atualizar os modelos conforme novos dados entram no sistema.

Iterações são naturais no ciclo de vida

de uma solução de IA. Ajustes finos e
re-treinamento de modelos fazem parte
do processo.

Conformidade legal e ética - O planejamento também é essencial para garantir

que a adoção da IA respeite as legislações vigentes, como a Lei Geral de Proteção
de Dados (LGPD) no Brasil, e os princípios éticos relacionados ao uso responsável
da tecnologia. Sem um plano ético, empresas podem incorrer em viés algorítmico,
discriminação, vazamento de dados ou decisões automatizadas não auditáveis, o
que pode prejudicar a reputação e gerar penalidades legais.

É preciso incluir desde o planejamento um

comitê ou responsável pela governança da
IA, com diretrizes para revisão periódica
de modelos e análise de impactos
sociais.

Cultura organizacional e gestão da mudança - Planejar também significa preparar

as pessoas da organização para essa mudança. A adoção de IA pode gerar resistência,
principalmente quando há medo de substituição de postos de trabalho. Um projeto de
IA exige capacitação técnica e alinhamento cultural. É fundamental investir na formação
de cientistas de dados, engenheiros de machine learning e gestores com conhecimento
técnico suficiente para tomar decisões estratégicas. Além disso, é preciso envolver os
times da organização na transformação, comunicar de forma transparente os objetivos
e criar um ambiente onde a IA seja vista como parceira do ser humano, e não como
substituta.

Negócios Inovadores Apoiados por IA 48

 O Magazine Luiza investiu fortemente na
formação de times internos e construção de
uma cultura digital, por meio da criação do
Luizalabs (Gomes, 2020), tornando a IA um
diferencial competitivo da empresa.

De forma resumida, pode-se observar as etapas de um planejamento estratégico

para implementação de IA na Figura 7.

Figura 7 - Etapas para implementação de IA

Fonte: Napkin., versão beta-0.11.0 de 2025. Inteligência Artificial. Disponível em: [[Link] Acesso em 20 de
Março de 2025.

1.2 Estratégias para utilização de IA em um negócio

A adoção da Inteligência Artificial (IA) nas empresas não deve ocorrer de forma
improvisada. Para que a tecnologia gere valor real e sustentável, é necessário traçar
estratégias claras que estejam alinhadas aos objetivos da organização, ao seu nível de

49 Jessyca Almeida
maturidade digital e às demandas específicas do setor de atuação. A seguir, vamos
explorar as principais estratégias para integrar a IA ao contexto empresarial, desde o
início da jornada até a sua expansão e escalabilidade.

a) Estratégia orientada a problemas de negócio (Business-Driven)

Esta é uma das abordagens mais recomendadas: começar com o problema, não
com a tecnologia. A empresa identifica um gargalo, uma demanda ou uma oportunidade
concreta — como reduzir custos logísticos, melhorar a previsibilidade de vendas ou
automatizar o atendimento — e, a partir disso, define se a IA é o melhor caminho. Essa
abordagem ajuda a evitar o erro comum de investir em IA apenas por modismo, sem
propósito claro, o que pode gerar frustrações e desperdício de recursos (Davenport;
Ronanki, 2018).

Exemplo: automação de triagem no atendimento médico

Empresa: Hapvida (ou similar)

Problema identificado: A demora no processo de triagem e encaminhamento de

pacientes em unidades de pronto atendimento.

Ação estratégica: A empresa identificou que muitos atendimentos poderiam ser

agilizados com uma triagem inicial automatizada. Desenvolveu-se, então, um sistema de
IA com perguntas guiadas baseado em Processamento de Linguagem Natural (PLN),
que realiza a pré-classificação dos sintomas e sugere a especialidade ou urgência do
caso.

Resultado: redução do tempo médio de atendimento em 23% e maior eficiência na

alocação de profissionais.

Figura 8 - Automação de triagem no atendimento médico

Fonte: Gerada com auxílio da ferramenta de IA Napkin, a partir de um prompt descritivo elaborado pela autora, 2025.

Negócios Inovadores Apoiados por IA 50

 b) Estratégia orientada por dados (Data-Driven)

Empresas mais maduras digitalmente podem adotar a IA como extensão natural de

suas estratégias de dados. Com grandes volumes de dados acumulados — de clientes,
processos ou sensores —, a organização estrutura times especializados para extrair
insights, gerar previsões e criar soluções automatizadas com IA.

Exemplo: Recomendação de produtos no e-commerce

Empresa: Magazine Luiza (Luizalabs) e/ou Amazon

Situação: A empresa já possuía um grande volume de dados de navegação, compras,

tempo de permanência e interações dos usuários na plataforma.

Ação estratégica: O time de IA criou modelos de recomendação com aprendizado

de máquina, utilizando dados históricos para prever quais produtos têm maior chance de
conversão para cada perfil de cliente.

Resultado: A taxa de conversão aumentou significativamente, e o ticket médio por

cliente subiu após a personalização da experiência de compra.

Figura 9 - Recomendação de produtos no e-commerce

Fonte: Gerada com auxílio da ferramenta de IA Napkin, a partir de um prompt descritivo elaborado pela autora, 2025

51 Jessyca Almeida
 c) Estratégia baseada em produtos e serviços inteligentes

Empresas que buscam inovar em seus produtos ou serviços podem usar IA

como diferencial competitivo. Essa abordagem foca na criação de soluções baseadas
em IA desde o início — como aplicativos com assistentes virtuais, dispositivos com
reconhecimento de imagem, sistemas de recomendação, ou softwares com aprendizado
contínuo.

Exemplo: Seguro personalizado com IA

Empresa: Porto Seguro

Inovação: A Porto desenvolveu o produto Auto You, um seguro de carro personalizado

que usa IA e telemetria para acompanhar o modo de condução do motorista.

Ação estratégica: A empresa integrou IA no próprio serviço oferecido, monitorando

o comportamento do usuário (frequência, velocidade, frenagens, horários de direção) e
ajustando o valor do seguro de forma mais justa e personalizada.

Resultado: Aumento da satisfação do cliente e redução de inadimplência, com

oferta mais adequada ao perfil real de uso.

Figura 10 - Seguro personalizado com IA

Fonte: Gerada com auxílio da ferramenta de IA Napkin, a partir de um prompt descritivo elaborado pela autora, 2025

Negócios Inovadores Apoiados por IA 52

 d) Estratégia híbrida e escalável

Uma abordagem avançada consiste em combinar múltiplas estratégias, iniciando

com um problema específico e evoluindo para estruturação de uma plataforma de IA
corporativa, que poderá ser utilizada por diferentes setores da empresa. Isso envolve a
criação de times multidisciplinares, centros de excelência em IA (CoE) e a construção de
infraestruturas reutilizáveis de machine learning.

Exemplo: Centro de Excelência em IA em grupo industrial

Empresa: Embraer

Cenário: A Embraer adotou uma estratégia escalável para IA criando um Centro de

Excelência em Inteligência Artificial que atende múltiplas áreas da empresa: produção,
manutenção, projetos, atendimento, etc.

Ação estratégica: A empresa começou com projetos pilotos (como detecção de

falhas por imagens em componentes) e, após validações bem-sucedidas, criou uma
infraestrutura comum de IA (com arquitetura em nuvem, repositório de modelos, equipe
técnica dedicada e padrões de governança) para dar suporte a toda a organização.

Resultado: Adoção acelerada e integrada de IA em diversas unidades de negócio,

com ganhos significativos em eficiência operacional e segurança.

Figura 11 - Centro de Excelência em IA em grupo industrial.

Fonte: Gerada com auxílio da ferramenta de IA Napkin, a partir de um prompt descritivo elaborado pela autora, 2025

53 Jessyca Almeida
 Vivemos um momento em que a Inteligência Artificial (IA) deixou de ser uma promessa
para se tornar uma ferramenta concreta de inovação, produtividade e competitividade.
Sua aplicação já está presente em diversos setores – da saúde à educação, da indústria ao
varejo – e tem sido responsável por mudar a forma como produtos são criados, decisões
são tomadas e serviços são oferecidos.

Com a chegada de tecnologias como IA Generativa, AutoML e IA Explicável,

o acesso às soluções de IA se ampliou. Hoje, pequenas empresas e profissionais de
diferentes áreas conseguem aproveitar os benefícios dessa transformação, que antes
pareciam restritos a grandes corporações de tecnologia.

Essas tendências não apenas otimizam processos, mas também criam novas
oportunidades de negócio, permitem experiências mais personalizadas para clientes e
impulsionam a tomada de decisões com mais dados e inteligência. Ao mesmo tempo,
exigem atenção, ética, transparência e responsabilidade, especialmente em relação à
privacidade dos dados e ao impacto social das automações.

Nesta unidade, vamos investigar as principais tendências tecnológicas em IA,

entender como elas estão sendo aplicadas na prática e refletir sobre oportunidades
concretas de aplicação em diferentes contextos profissionais. A seguir, conheça as
tendências que estão liderando a nova fase da inteligência artificial.

2.1 IA Generativa (Generative AI)

A IA generativa é um tipo de inteligência artificial que não apenas processa

informações, mas cria conteúdos novos — como textos, imagens, músicas, códigos e até
vídeos — baseando-se em dados que aprendeu.

Como funciona?

Ela usa modelos chamados transformers, treinados com bilhões de dados. O

ChatGPT, por exemplo, foi treinado com textos da internet e pode responder perguntas,
criar resumos, compor e-mails ou histórias com coerência linguística (ver Figura 12).

Negócios Inovadores Apoiados por IA 54

 Figura 12 - IA Generativa (Generative AI)

Fonte: Gerada com auxílio da ferramenta de IA Napkin, a partir de um prompt descritivo elaborado pela autora, 2025

Aplicações no mercado:

Marketing: geração automática de postagens, slogans e descrições de produtos.

Design e moda: criação de protótipos visuais a partir de comandos de texto.

Atendimento ao cliente: chatbots mais humanizados e contextualizados.

Programação: ferramentas como GitHub Copilot ajudam desenvolvedores a escrever

código.

Exemplo real

A Coca-Cola lançou a campanha global “Create Real Magic”, convidando

consumidores a criarem artes visuais únicas com o apoio da IA generativa DALL·E. A
ação promoveu uma experiência interativa e criativa, combinando tecnologia e expressão
artística para reforçar o engajamento da marca com o público jovem e digital.

Oportunidades

• Democratização da criação de conteúdo (mesmo sem expertise técnica).

• Redução de custos e tempo de produção criativa.
• Testes de ideias com protótipos rápidos.
Cuidados

• Questões de direitos autorais e plágio.

• Geração de conteúdo falso (deepfakes).
• Dependência excessiva da IA para tarefas criativas.

55 Jessyca Almeida
2.2 AutoML (Automated Machine Learning)

O AutoML é uma abordagem que visa automatizar as etapas técnicas do aprendizado

de máquina, como seleção de modelo, ajuste de hiperparâmetros, validação cruzada e
engenharia de atributos; ou seja, ele permite que pessoas sem formação avançada em
ciência de dados possam treinar modelos preditivos eficazes. A figura abaixo ilustra
alguns prós e contras do AutoML.

Figura 13 - AutoML (Automated Machine Learning)

Fonte: Gerada com auxílio da ferramenta de IA Napkin, a partir de um prompt descritivo elaborado pela autora, 2025

Como funciona?

Plataformas como Google AutoML, Microsoft Azure AutoML e DataRobot oferecem

interfaces visuais em que o usuário envia dados, define o objetivo e recebe um modelo
pronto para uso — com alta performance e métricas de validação.

Aplicações no mercado

ƒ Startups com equipes pequenas usando AutoML para prever o cancelamento de

clientes.
ƒ Varejistas locais estimam a demanda de estoque com base no histórico.
ƒ RH de pequenas empresas analisando padrões de turnover sem analista de dados.

Exemplo real:

A empresa brasileira Take Blip, especializada em soluções de comunicação por

meio de chatbots inteligentes, adotou o uso de AutoML para acelerar o desenvolvimento

Negócios Inovadores Apoiados por IA 56

de modelos personalizados para seus clientes. Com essa abordagem, consegue
construir, treinar e ajustar múltiplos modelos de IA sem a necessidade de ampliar
proporcionalmente sua equipe técnica, garantindo escalabilidade, agilidade e eficiência
na entrega das soluções.

Oportunidades

Acesso ampliado à IA, inclusive por PMEs (pequenas e médias empresas).

Aceleração de projetos que antes levavam meses.

Redução de custos com pessoal técnico especializado.

Cuidados

ƒ Falta de entendimento sobre como o modelo funciona internamente.

ƒ Dependência da plataforma (vendor lock-in).
ƒ Risco de uso incorreto dos dados por quem não tem conhecimento estatístico.

2.3 IA Explicável (XAI – Explainable Artificial Intelligence)

À medida que os modelos de IA se tornam mais complexos (como as redes neurais

profundas), entender como eles chegam às suas decisões virou um desafio. A IA explicável
busca tornar as decisões da IA transparentes, interpretáveis e auditáveis, especialmente
em áreas sensíveis como saúde, finanças e justiça (ver Figura 14).

Figura 14 - IA Explicável (XAI – Explainable Artificial Intelligence)

Fonte: Gerada com auxílio da ferramenta de IA Napkin, a partir de um prompt descritivo elaborado pela autora, 2025

57 Jessyca Almeida
 Como funciona?

São aplicadas técnicas como SHAP, LIME ou modelos de árvore que ajudam a
visualizar o peso de cada variável na decisão da IA. Isso permite que humanos compreendam
por que um cliente teve crédito negado ou por que um exame foi classificado como de
alto risco.

Aplicações no mercado

ƒ Bancos explicando aos clientes os critérios de análise de crédito.

ƒ Planos de saúde justificando decisões de cobertura baseadas em IA.
ƒ Empresas de recrutamento demonstrando como o algoritmo chegou à nota final
de um candidato.

Exemplo real

Instituições financeiras que utilizam IA para avaliação de risco de crédito enfrentam

o desafio de demonstrar transparência nas decisões automatizadas. Com a vigência
da Lei Geral de Proteção de Dados (LGPD), é obrigatório explicar, de forma clara e
auditável, como e por que determinado cliente foi aprovado ou recusado. Esse cenário
impulsiona a adoção de IA Explicável (XAI), que permite tornar os critérios dos modelos
mais compreensíveis para reguladores, clientes e equipes internas.

Oportunidades

ƒ Aumento da confiança de usuários e reguladores.

ƒ Redução de riscos legais e éticos.
ƒ Transparência em setores como jurídico, saúde e educação.

Cuidados
ƒ Modelos mais interpretáveis tendem a ser menos precisos do que modelos
complexos.
ƒ Necessidade de ferramentas e conhecimentos específicos para análise
interpretativa.
ƒ Dificuldade de explicar decisões quando a IA usa dados enviesados.

A Inteligência Artificial está evoluindo em diversas direções, e compreender suas

tendências emergentes é essencial para quem deseja inovar com responsabilidade. A
figura, a seguir, apresenta três caminhos possíveis para o desenvolvimento da IA: a IA
Generativa, a IA Explicável e o AutoML.

Negócios Inovadores Apoiados por IA 58

 Figura 15 - Tendências de IA

Fonte: Gerada com auxílio da ferramenta de IA Napkin, a partir de um prompt descritivo elaborado pela autora, 2025

Cada uma dessas tendências traz benefícios e desafios únicos. Agora, reflita: qual
delas você acredita que deveria ser priorizada em um projeto de inovação? Por quê?

Leitura e Vídeo Explicativo

Leia o artigo e assista ao vídeo indicados abaixo. Eles apresentam, de forma clara,
as principais tendências atuais de IA, como IA generativa, AutoML e IA Explicável, e
seus reflexos no mercado de trabalho, inovação e comportamento.

Material sugerido
📄 Artigo
O que é a IA generativa? | IBM -
[Link]
Vídeo (exemplo): [Link]

O que é Generative AI? - Português

Objetivo
Oferecer uma base conceitual acessível e atualizada para que os alunos compreendam e
interpretem as tendências que irão marcar o futuro da IA.

59 Jessyca Almeida
 Empreender com IA não é apenas uma questão de tecnologia. Exige visão estratégica,
domínio de dados, atenção aos aspectos éticos e capacidade de adaptação a um cenário
em constante mudança. Muitas vezes, o sucesso de um projeto depende da capacidade
do empreendedor de equilibrar inovação com responsabilidade.

Nesta unidade, vamos explorar os benefícios que a IA pode trazer para pequenos e
médios negócios, os obstáculos mais comuns enfrentados por quem decide seguir esse
caminho, e os impactos sociais, econômicos e éticos que envolvem a sua aplicação. Você
será convidado(a) a analisar dilemas reais, construir soluções criativas e refletir sobre o
papel da IA em um empreendedorismo mais inteligente, inclusivo e sustentável.

Preparado(a) para pensar como um empreendedor que quer transformar o mercado

com inteligência e consciência? Vamos juntos!

3.1 Desafios comuns na adoção de IA por Empreendedores

A adoção da Inteligência Artificial (IA) no empreendedorismo não depende apenas

de ter uma ideia inovadora ou acesso à tecnologia. Na prática, muitos empreendedores se
deparam com uma série de barreiras que dificultam ou até inviabilizam a implementação
de soluções baseadas em IA, especialmente em estágios iniciais de negócio ou em
ambientes com pouca maturidade digital.

Esses obstáculos vão muito além da programação ou da escolha de ferramentas

tecnológicas. Eles envolvem fatores estruturais (como falta de dados e recursos), aspectos
financeiros (como o custo de implementação), desafios humanos (como a escassez de
profissionais capacitados), e também questões culturais e éticas — que influenciam
diretamente a aceitação da IA por parte da equipe, dos clientes e da sociedade.

De forma geral, podemos dizer que, para que a IA gere valor real no contexto
empreendedor, é necessário superar não apenas desafios técnicos, mas também
compreender os impactos mais amplos que essa tecnologia pode gerar no negócio, nas
relações de trabalho, no modelo de gestão e na confiança do público.

Negócios Inovadores Apoiados por IA 60

 Nos próximos tópicos, vamos explorar quais são esses principais desafios, entender
por que eles acontecem, e discutir caminhos possíveis para lidar com eles de maneira
estratégica, ética e sustentável.

Falta de dados ou dados enviesados

A base de qualquer solução de Inteligência Artificial é o dado. Sem dados, não há

aprendizado. Sem aprendizado, não há IA eficiente. Mas para que a IA funcione bem, não
basta ter dados em grande quantidade — é preciso que esses dados sejam de qualidade,
estejam atualizados, sejam organizados e relevantes para o problema que se deseja
resolver.

No contexto empreendedor, isso representa um grande desafio. Portanto, muitos

negócios apresentam as seguintes situações:

ƒ Estão em fase inicial e ainda não têm histórico suficiente;

ƒ Coletam dados de forma desestruturada, por múltiplas fontes não integradas;
ƒ Não sabem quais dados são úteis nem como organizá-los;
ƒ Ou simplesmente não priorizam a cultura do dado em suas rotinas.

Além disso, mesmo quando os dados existem, eles podem estar enviesados. Isso
ocorre quando o conjunto de dados reflete apenas parte da realidade, favorecendo certos
perfis, grupos ou comportamentos, e ignorando outros. Quando alimentamos um modelo
com esse tipo de dado, ele tende a reproduzir (ou até amplificar) desigualdades, gerando
decisões injustas ou limitadas.

Áreas críticas onde isso ocorre

61 Jessyca Almeida
 Exemplo real

Imagine uma loja virtual que utiliza IA para sugerir produtos aos clientes. Se o modelo
for treinado apenas com o histórico de compras de clientes antigos, ele provavelmente
recomendará sempre os mesmos produtos — reforçando o comportamento passado e
ignorando as mudanças de perfil ou novos interesses de clientes atuais. Isso gera uma
experiência repetitiva e limitada, além de impactar negativamente nas vendas.

Escassez de talentos especializados

A implementação de soluções de Inteligência Artificial exige mais do que boas ideias

— ela requer pessoas com conhecimentos técnicos específicos para desenvolver, treinar,
validar e manter modelos de IA. No entanto, um dos maiores desafios enfrentados por
empreendedores é justamente a falta de profissionais qualificados para atuar nessa área.
A figura 16 ilustra os principais profissionais na área de IA.

Figura 16 - Profissionais na área de IA

Fonte: Gerada com auxílio da ferramenta de IA Napkin, a partir de um prompt descritivo elaborado pela autora, 2025

Esses profissionais estão em alta demanda global, e os salários são elevados. Isso
torna a contratação um grande obstáculo para startups e pequenos negócios, que nem
sempre conseguem competir com grandes empresas por esse tipo de talento.

Negócios Inovadores Apoiados por IA 62

 Problemas decorrentes da escassez

ƒ Dependência de consultorias externas com custos elevados.

ƒ Dificuldade de escalar soluções internas.
ƒ Projetos que ficam no papel por falta de capacidade técnica.
ƒ Tomadas de decisão baseadas em achismos, e não em dados.

Soluções possíveis

Mesmo diante desse cenário, existem alternativas viáveis para o empreendedor:

ƒ Plataformas de AutoML: permitem construir modelos com pouca ou nenhuma

codificação, democratizando o acesso à IA.

ƒ Formação interna e parcerias com instituições de ensino: capacitação de

membros da própria equipe.

ƒ Uso de ferramentas no-code/low-code com IA integrada: como Zapier, Power

Automate, Google AutoML, etc.

ƒ Colaboração com startups especializadas: que já oferecem soluções prontas

para determinados setores.

Exemplo real

Uma pequena empresa de varejo quer usar IA para prever a demanda de estoque,
mas não tem equipe técnica. Em vez de contratar um cientista de dados, ela opta por usar
o Google AutoML, que permite subir a planilha de vendas e gerar um modelo preditivo
de forma automatizada. Isso reduz o custo e o tempo, ao mesmo tempo em que entrega
um ganho estratégico.

Custos iniciais de implementação

Ao pensar em Inteligência Artificial no contexto do empreendedorismo, é comum

imaginar soluções inovadoras, automação de processos e ganho de competitividade. No
entanto, o custo para colocar um projeto de IA em funcionamento ainda é uma das maiores
barreiras para pequenos negócios e startups, especialmente em suas fases iniciais.

Por que a IA pode ser cara para começar?

A adoção da IA envolve uma série de recursos técnicos e operacionais, que

63 Jessyca Almeida
representam investimentos em diversas frentes:

Infraestrutura tecnológica

1. Computadores com maior capacidade de processamento (ou serviços em

nuvem);

2. Armazenamento seguro e escalável de dados;

3. Softwares e ferramentas especializadas.

Licenças e plataformas

1. Algumas soluções exigem pagamento por uso, por volume de dados, ou

licenças de ferramentas analíticas, APIs e bibliotecas especializadas.

Consultorias ou profissionais especializados

1. Como vimos anteriormente, há uma escassez de talentos e, por isso, o custo de

contratação é elevado;

2. Alternativas como terceirização ou contratação de startups especializadas

ainda representam um custo fixo.

Tempo de experimentação e validação

1. Modelos de IA não geram resultado imediato: há uma fase de testes, ajustes,

validação e reavaliação de dados;.

2. Isso exige tempo e dedicação antes que os benefícios apareçam — o que pode
ser inviável para negócios que vivem sob pressão por resultados rápidos.

Resultado disso

Muitos empreendedores desistem no início, por acreditarem que IA é algo “muito

caro para o tamanho da minha empresa” ou “inviável com o orçamento atual”. De fato,
sem uma estratégia clara, os custos podem se tornar um desperdício — tanto financeiro
quanto de energia da equipe.

Caminhos para superar o desafio financeiro

Felizmente, existem formas inteligentes de reduzir os custos iniciais e começar com

pequenos passos conforme ilustrado na figura abaixo.

Negócios Inovadores Apoiados por IA 64

 Figura 17 - Caminhos para superar o desafio financeiro

Fonte: Gerada com auxílio da ferramenta de IA Napkin, a partir de um prompt descritivo elaborado pela autora, 2025

Exemplo real:

Um pequeno restaurante quer prever os dias de maior movimento para otimizar

a compra de insumos. Em vez de contratar uma consultoria cara, o proprietário usa
planilhas no Google Sheets combinadas com o AutoML gratuito do Google Cloud. Em
poucas semanas, com apoio de um curso online, ele monta um modelo simples e começa
a comprar com base em previsão — reduzindo desperdícios e otimizando os lucros.

Barreiras culturais e éticas

Nem sempre os obstáculos à adoção da Inteligência Artificial são visíveis ou

técnicos. Em muitos casos, os maiores desafios estão nas pessoas, nos valores e na cultura
organizacional. Isso inclui desde a resistência à mudança tecnológica até preocupações
éticas legítimas sobre o uso da IA em decisões que afetam vidas humanas, empregos e a
confiança do cliente.

65 Jessyca Almeida
 Barreiras culturais: o medo do desconhecido

A cultura de uma empresa ou comunidade empreendedora pode ser um fator

limitante importante quando

ƒ Funcionários temem ser substituídos por máquinas, o que gera insegurança e

resistência;
ƒ A liderança não confia em decisões automatizadas, preferindo métodos “manuais”;
ƒ Há baixo letramento digital ou pouca valorização dos dados no dia a dia;
ƒ A inovação é vista como “complicada”, “cara” ou “para grandes empresas”.
Esse tipo de mentalidade inibe a experimentação, desmotiva a equipe e dificulta a
implementação de qualquer solução baseada em IA — mesmo que tecnicamente ela já
esteja pronta.

Inovar com IA requer também uma

transformação cultural: promover a ideia
de que a IA é uma aliada das pessoas, e
não uma ameaça.

Barreiras éticas: quando a tecnologia encontra dilemas humanos

Empreendedores que decidem trabalhar com IA também precisam assumir

responsabilidades éticas. Isso significa estar atento aos possíveis efeitos colaterais da
tecnologia sobre:

ƒ Privacidade de dados dos clientes e usuários.

ƒ Decisões automatizadas impactam pessoas, como recusar um crédito ou
classificar um candidato.
ƒ Reprodução de preconceitos (viés algorítmico) a partir de dados históricos ou
mal selecionados.
ƒ Falta de explicabilidade das decisões tomadas por modelos complexos (“caixa-
preta”).
Além de serem questões morais, esses temas estão diretamente ligados à reputação
e à sustentabilidade do negócio, podendo envolver penalizações legais (como a LGPD)
ou rejeição social.

Negócios Inovadores Apoiados por IA 66

 Uma startup desenvolveu um sistema de triagem de currículos
com IA. No entanto, após os primeiros testes, perceberam que
o modelo estava favorecendo perfis masculinos para cargos
técnicos. Ao investigar, descobriram que o banco de dados
usado era historicamente enviesado. Dilema ético: seguir com
o modelo e ganhar tempo na seleção, ou pausar o projeto, revisar os dados e
assumir o custo da reformulação? Empreendedores conscientes escolhem o
segundo caminho, mesmo que mais lento, pois compreendem que a confiança
do cliente e a reputação da marca valem mais do que qualquer atalho técnico.

A adoção da IA exige mais do que saber programar ou ter acesso à tecnologia.

É preciso desenvolver maturidade estratégica, sensibilidade humana e responsabilidade
ética. Ao enfrentar as barreiras culturais e éticas de frente, o empreendedor se coloca
à frente da curva, com mais chances de criar soluções sustentáveis e confiáveis para o
mercado.

3.2 Benefícios da IA para o empreendedorismo

Empreendedores que adotam Inteligência Artificial em seus negócios podem

conquistar uma série de vantagens competitivas, tanto no nível estratégico quanto
operacional. A IA deixa de ser apenas uma ferramenta tecnológica e se transforma em
um recurso-chave para inovação, escalabilidade e eficiência.

A seguir, será apresentada uma imagem-resumo com os principais benefícios da IA

no empreendedorismo (Figura 18). Logo depois, cada um desses pontos será explicado
em detalhes e contextualizados para facilitar a compreensão e a aplicação no seu próprio
plano de negócios.

67 Jessyca Almeida
 Figura 18 - Benefícios da IA para o empreendedorismo

Fonte: Gerada com auxílio da ferramenta de IA Napkin, a partir de um prompt descritivo elaborado pela autora, 2025

Aumento da eficiência e produtividade

A Inteligência Artificial tem um papel fundamental no aumento da eficiência

e produtividade dos negócios, especialmente ao automatizar tarefas repetitivas e
operacionais. Processos como o atendimento ao cliente, por meio de chatbots inteligentes,
reduzem a necessidade de intervenção humana constante e garantem disponibilidade 24
horas, com respostas padronizadas e imediatas (Russell; Norvig, 2013). Além disso, a IA
facilita a classificação e organização de dados, permitindo que informações importantes
sejam acessadas mais rapidamente, com menos esforço manual e menor chance de
erro (Gartner, 2023). Outro exemplo é o processamento automatizado de pedidos,
agendamentos e relatórios, que contribui para a fluidez dos processos internos e melhora
a experiência do cliente (Davenport; Ronanki, 2018).

Com essas automações, os colaboradores deixam de gastar energia com tarefas

mecânicas e ganham espaço para se dedicar a atividades mais estratégicas, criativas
e voltadas à inovação, o que contribui para reduzir custos operacionais e aumentar
a entrega de valor ao cliente e ao negócio como um todo. Esse redirecionamento do
capital humano, somado ao uso inteligente da tecnologia, tem sido uma das chaves para
o crescimento de empresas que integram IA ao seu modelo operacional desde cedo (IBM,
2023).

Negócios Inovadores Apoiados por IA 68

 Tomada de decisão orientada por dados

Um dos maiores diferenciais da Inteligência Artificial, no contexto empreendedor, é

sua capacidade de transformar grandes volumes de dados em informações úteis para a
tomada de decisão. Com o apoio de algoritmos de aprendizado de máquina, é possível
realizar previsões de vendas e de demanda com base em padrões históricos e variáveis
externas, o que contribui para um planejamento mais preciso e ágil (Davenport; Ronanki,
2018). Além disso, a análise automatizada do comportamento do cliente, como hábitos de
compra, preferências de navegação e taxas de engajamento, permite ajustar campanhas
de marketing e estratégias de relacionamento de maneira personalizada e eficiente (Marr,
2020).

Outro ponto importante é a otimização de preços e estoques, realizada por meio de

modelos de IA que avaliam variáveis, como concorrência, sazonalidade e desempenho
anterior. Esses sistemas ajustam automaticamente valores ou quantidades com foco em
maximizar receita ou reduzir perdas, algo antes inviável sem tempo, equipe ou estrutura
dedicada. Com isso, o empreendedor deixa de tomar decisões baseadas apenas em
intuição ou experiência pessoal, passando a se apoiar em evidências objetivas e em
análises de dados em tempo real, o que eleva a qualidade das escolhas estratégicas e
reduz riscos operacionais (Gartner, 2023).

Personalização em escala

Um dos grandes diferenciais da Inteligência Artificial, no empreendedorismo

contemporâneo, é sua capacidade de oferecer experiências personalizadas em larga
escala. Por meio de algoritmos que analisam preferências, padrões de comportamento,
histórico de navegação e interações anteriores, a IA permite que pequenas e médias
empresas criem comunicações, produtos e serviços sob medida para diferentes perfis de
clientes, mesmo com uma base de usuários muito ampla (Gartner, 2023). Um exemplo
clássico é o uso de sistemas de recomendação, como os adotados por plataformas de
e-commerce e streaming, que sugerem produtos ou conteúdos com base nos interesses
individuais de cada consumidor (Marr, 2020).

Além disso, a personalização vai além da venda de produtos. É possível, por exemplo,
ajustar automaticamente e-mails de marketing com ofertas específicas, criar campanhas
direcionadas para nichos com maior probabilidade de conversão e até adaptar a linguagem
de interfaces de atendimento conforme o perfil do usuário (Davenport; Ronanki, 2018).
Com isso, a IA promove uma experiência de consumo mais relevante e engajadora, o que
tende a aumentar as taxas de conversão, reduzir o abandono e fortalecer a fidelização.
Empreendedores que dominam essa capacidade ganham uma vantagem estratégica
significativa, pois conseguem atender melhor, com menos esforço, e em maior escala.

69 Jessyca Almeida
 Inovação em produtos e serviços

A Inteligência Artificial tem sido uma alavanca poderosa para a criação de produtos
e serviços totalmente novos, capazes de transformar mercados e gerar modelos de
negócio inovadores. Empreendedores que incorporam IA em suas soluções conseguem
criar experiências mais inteligentes, interativas e adaptativas, rompendo com formatos
tradicionais e atendendo demandas até então não exploradas. Um exemplo disso são
os aplicativos que utilizam aprendizado de máquina para se adaptar ao comportamento
do usuário, oferecendo funcionalidades personalizadas com base no uso contínuo (Marr,
2020).

Além disso, a IA viabiliza o desenvolvimento de produtos com recursos inteligentes

integrados, como assistentes virtuais, dispositivos com visão computacional, ferramentas
de análise preditiva ou sistemas de reconhecimento de voz, que ampliam o valor percebido
pelos usuários (IBM, 2023). Também se destaca o papel da IA no suporte ao design
e à prototipagem de produtos, acelerando processos de pesquisa, teste e adaptação
ao mercado. Essa capacidade de inovar com agilidade permite que empreendedores
explorem nichos, criem diferenciais competitivos e se posicionem como pioneiros em
seus setores (Davenport; Ronanki, 2018). Dessa forma, a IA não apenas melhora o que já
existe — ela abre portas para soluções que antes pareciam inviáveis, ao permitir que dados
e algoritmos colaborem com a criatividade humana na concepção de novas propostas
de valor.

Escalabilidade do negócio

A Inteligência Artificial também se destaca por ampliar exponencialmente a

capacidade de escala dos negócios, especialmente em modelos digitais e baseados
em tecnologia. Ao automatizar processos, personalizar atendimentos e tomar decisões
em tempo real, a IA permite que uma solução seja replicada para milhares de usuários
simultaneamente, sem a necessidade de expandir proporcionalmente a estrutura humana
ou física da empresa (Davenport; Ronanki, 2018). Isso torna possível crescer com eficiência,
mantendo a qualidade da entrega e o controle dos custos operacionais.

Plataformas que utilizam IA para atendimento ao cliente, análise de dados, vendas

ou recomendação de produtos, por exemplo, conseguem manter a mesma performance
independente do volume de clientes atendidos — algo praticamente impossível com
métodos manuais. Isso é especialmente valioso para startups e pequenos negócios que
atuam em nichos escaláveis, como educação online, e-commerce, fintechs e serviços por
assinatura (Gartner, 2023).

Além disso, a escalabilidade proporcionada pela IA favorece a expansão para novos

mercados, regiões e perfis de clientes, já que os modelos podem ser ajustados com base

Negócios Inovadores Apoiados por IA 70

em dados locais ou contextuais, adaptando-se de forma inteligente sem a necessidade
de reestruturações profundas. Assim, empreendedores que integram IA ao seu modelo
de crescimento têm mais chances de ampliar seu impacto, atrair investidores e manter a
sustentabilidade operacional à medida que o negócio se expande (Marr, 2020).

3.3 Impactos da Inteligência Artificial no empreendedorismo

A adoção de Inteligência Artificial nos negócios, inevitavelmente, provoca mudanças

significativas na estrutura da força de trabalho. À medida que sistemas automatizados
passam a realizar tarefas antes executadas por pessoas — como atendimento ao cliente,
análise de documentos ou controle de estoque — há uma tendência crescente de
substituição de funções operacionais por algoritmos e robôs (Frey; Osborne, 2017). Para
empreendedores, isso representa um dilema: como ganhar eficiência sem comprometer
a responsabilidade social e o bem-estar dos colaboradores?

Embora a IA possa contribuir para reduzir custos e aumentar a produtividade, ela

também exige que as empresas requalifiquem seus funcionários e ofereçam oportunidades
de adaptação ao novo cenário digital. Funções repetitivas tendem a desaparecer, mas
novas funções — como analistas de dados, operadores de IA, supervisores de processos
automatizados — estão surgindo rapidamente (WEF, 2023). Assim, empreendedores
precisam assumir um papel de liderança na transição para uma cultura de aprendizado
contínuo, apoiando o desenvolvimento de habilidades digitais em suas equipes.

Além disso, em contextos de alta rotatividade ou informalidade, como ocorre

em muitos pequenos negócios, a IA pode ser percebida como uma ameaça direta ao
emprego, o que exige diálogo transparente, políticas de inclusão tecnológica e ações de
sensibilização interna para que a transformação seja aceita de forma ética e colaborativa.

Apesar de todos os avanços e benefícios proporcionados pela Inteligência Artificial,

sua adoção em larga escala pode ampliar as desigualdades existentes entre empresas,
regiões e grupos sociais. Isso ocorre porque o acesso à IA ainda depende de infraestrutura
digital adequada, dados de qualidade, profissionais qualificados e investimento financeiro
— recursos que nem todos os empreendedores possuem, especialmente os de regiões
periféricas, pequenas cidades ou países em desenvolvimento (UNESCO, 2021).

Empresas que conseguem investir em IA ganham vantagens competitivas como

automação, personalização e inteligência preditiva. Já aquelas que não têm acesso
a essas tecnologias podem ficar em desvantagem crescente, perdendo espaço no
mercado, clientes e oportunidades de crescimento. Esse processo, muitas vezes invisível,

71 Jessyca Almeida
é conhecido como “gap de adoção tecnológica”, e tende a se intensificar quando políticas
públicas, incentivos e iniciativas de inclusão digital são inexistentes ou mal distribuídos
(Brynjolfsson; MCAFEE, 2014).

Além disso, há riscos de reprodução de desigualdades sociais dentro da própria

IA. Se os dados usados para treinar algoritmos não representarem, adequadamente,
minorias sociais, linguísticas ou geográficas, a IA tende a reforçar preconceitos estruturais
— criando soluções que funcionam bem apenas para determinados grupos, enquanto
ignoram ou prejudicam outros (Eubanks, 2018).

Para evitar que a IA se torne um vetor de exclusão, é necessário que empreendedores,

governos e instituições atuem de forma colaborativa, promovendo educação digital,
acesso à tecnologia e diversidade nos dados e nas equipes que desenvolvem soluções
inteligentes.

Você pôde perceber que, embora a IA ofereça ferramentas poderosas para

aumentar a eficiência, personalizar experiências e impulsionar a inovação, sua adoção
exige planejamento cuidadoso, consciência ética e visão de longo prazo. Os desafios
são reais — desde a falta de dados e talentos até as questões regulatórias e culturais. No
entanto, os benefícios são igualmente expressivos, e os impactos vão além da tecnologia:
envolvem pessoas, decisões e valores. Mais do que dominar ferramentas, o empreendedor
do futuro precisa tomar decisões conscientes sobre como e por que usar a IA. Isso
inclui considerar a equidade, a confiança dos clientes, a proteção dos dados e os efeitos
sociais de cada escolha feita. É nesse equilíbrio entre inovação e responsabilidade que
surgem as soluções mais sustentáveis e transformadoras. Na próxima unidade, você terá
a oportunidade de aplicar tudo o que aprendeu até aqui em um plano real ou fictício
de implementação de IA, testando sua criatividade, capacidade analítica e espírito
empreendedor. Prepare-se para transformar ideias em ação. Vamos juntos construir
soluções inteligentes, éticas e com impacto positivo!

Negócios Inovadores Apoiados por IA 72

 Chegamos à etapa final da nossa jornada de aprendizagem! Nesta unidade, você
será desafiado(a) a colocar em prática tudo o que exploramos até aqui sobre Inteligência
Artificial aplicada aos negócios.

Após entender como a IA funciona, identificar suas principais tendências, refletir

sobre os benefícios e impactos no empreendedorismo, agora é hora de planejar de forma
estratégica e responsável a aplicação de uma solução com IA em um negócio real ou
fictício.

Você irá analisar problemas, mapear dados, escolher tecnologias apropriadas e

propor uma solução viável, considerando questões técnicas, operacionais, éticas e de
impacto social. A proposta será estruturada em forma de um plano de implementação,
alinhada com exemplos práticos do mercado, e apresentada por meio de um pitch criativo.

Nesta etapa, você assume o papel de um(a) empreendedor(a) inovador(a), capaz de

transformar ideias em soluções concretas com o apoio da IA, construindo propostas que
possam gerar valor e, ao mesmo tempo, respeitar princípios de transparência, inclusão e
sustentabilidade.

Vamos começar a transformar conhecimento em ação?

4.1 Objetivo da atividade

Desenvolver um plano de implementação de IA aplicável a uma empresa (real ou

fictícia), considerando os aspectos estratégicos, operacionais, técnicos e éticos discutidos
nas unidades anteriores.

4.2 Descrição do desafio

Imagine que você faz parte da equipe de inovação de uma startup ou pequeno
negócio. Você é responsável por propor uma solução baseada em Inteligência Artificial

73 Jessyca Almeida
para melhorar um processo ou resolver um problema relevante em uma empresa real
ou fictícia. Com base nas competências desenvolvidas ao longo do curso, você deverá
apresentar um plano de ação estruturado que contemple a viabilidade técnica, os
impactos esperados, os cuidados éticos e os caminhos para a implementação.

Figura 19 - Desenvolvimento de Solução de IA

Fonte: Gerada com auxílio da ferramenta de IA Napkin, a partir de um prompt descritivo elaborado pela autora, 2025

4.3 Entrega

Plano de aplicação (documento ou apresentação) contendo os itens listados abaixo:

ƒ Nome do negócio (real ou fictício) e setor de atuação

ƒ Descrição do problema ou oportunidade
ƒ Solução baseada em IA proposta
ƒ Etapas de implementação (mínimo 3)
ƒ Benefícios esperados
ƒ Principais desafios (técnicos, culturais, financeiros ou éticos)

Negócios Inovadores Apoiados por IA 74

 ƒ Cuidados com impactos sociais
ƒ Cuidados éticos (LGPD, viés, explicabilidade, etc.)

Pitch em vídeo (até 2 minutos) apresentando a proposta de forma clara e objetiva.

Pode ser feito com slides narrados, gravação do grupo ou uso de ferramentas como
Canva Video, PowerPoint com gravação ou celular.

Prazo para entrega: até o final da semana 3.

4.4 Critérios de avaliação (Rubrica – 10 pontos)

Critério Excelente (2,5) Bom (2,0) Regular (1,5) Insuficiente

(0–1)

Alinhamento da Solução clara, realista Solução coerente, Ideia válida, Sem relação
proposta com o e bem fundamentada mas com poucos mas vaga clara com o
problema detalhes problema

Organização e Fluxo lógico, etapas Boa organização, Organização Apresentação

estrutura do bem definidas, visão mas com lacunas confusa incompleta ou
plano estratégica desorganizada

Reflexão sobre Considera impactos Menciona riscos Ética Ignora riscos e

riscos e ética sociais, regulatórios e de forma genérica abordada impactos sociais
éticos de forma crítica

Apresentação Criativo, objetivo e Apresentação Pouco

do pitch (caso comunicativo clara e direta engajante ou
aplicável) com falhas
técnicas

4.5 Dicas para os alunos

ƒ Evitem ideias genéricas, como “colocar IA no site”. Pensem em um processo

específico, como automatizar triagem de currículos, prever demanda de estoque,
ou personalizar atendimento.
ƒ Pense em soluções simples, porém bem aplicadas — IA não precisa ser futurista,
mas sim útil.
75 Jessyca Almeida
 ƒ Usem ferramentas simples: Slides + gravação de tela, vídeos no celular, Jamboard
para brainstorm.
ƒ Tragam exemplos reais ou próximos da realidade do grupo.

4.6 Casos de uso inspiradores – IA aplicada a empresas reais e fictícias

Varejo – Magazine Luiza (caso real)

Problema - Lentidão no atendimento digital e falta de padronização nas respostas

aos clientes.
Solução com IA - Implementação de um chatbot com processamento de
linguagem natural (PLN) para atendimento 24h via WhatsApp e site.
Impactos

ƒ Redução de 80% nas filas de atendimento humano.

ƒ Atendimento padronizado e mais rápido.
ƒ Aumento na satisfação dos clientes.
Desafio ético - Garantir que a IA identifique corretamente reclamações e não
ignore problemas graves.
ƒ Inspiração - Soluções simples de automação de atendimento são ótimos pontos
de partida para PMEs.

Saúde – Clinica Sana+ (caso fictício)

Problema - Longo tempo de espera para marcação de consultas e falta de

controle sobre ausências.
Solução com IA - Sistema de agendamento inteligente com predição de faltas
e recomendações de horários ideais, usando dados de histórico, clima e perfil do
paciente.
Impactos

ƒ Redução de 30% nas faltas em consultas.

ƒ Otimização da agenda médica e melhor uso do tempo.
ƒ Agilidade no atendimento sem ampliar equipe.

Desafio ético - Proteger os dados sensíveis dos pacientes e garantir explicabilidade

nos critérios usados para priorização.

Negócios Inovadores Apoiados por IA 76

 Educação – EdTech Aprendi+ (caso fictício)

Problema - Dificuldade de personalizar o ensino para estudantes com níveis

diferentes em uma mesma turma.
Solução com IA - Plataforma de aprendizagem adaptativa com sugestões automáticas
de trilhas personalizadas de acordo com o desempenho e perfil de aprendizagem do
aluno.
Impactos

ƒ Melhora no engajamento e retenção dos alunos.

ƒ Professores conseguem focar nos estudantes que mais precisam de apoio.
ƒ Aumento na taxa de conclusão dos cursos online.

Desafio ético - Evitar que a IA reforce desigualdades ao recomendar menos desafios

a alunos com baixo desempenho inicial.

Logística – iEntregas (caso real adaptado)

Problema - Alto custo com combustível e atrasos frequentes nas rotas de entrega.
Solução com IA - Uso de algoritmos de otimização logística com IA para
planejar rotas em tempo real, considerando clima, trânsito e histórico de atrasos.
Impactos

ƒ Redução de 20% no tempo médio de entrega.

ƒ Economia de combustível e redução de CO₂.
ƒ Maior previsibilidade para o cliente.

Desafio ético - Evitar decisões baseadas em dados que possam prejudicar

entregadores humanos (ex: sobrecarga ou rotas inviáveis).

77 Jessyca Almeida