Uncategorized

Presente e futuro da Inteligência artificial

Entenda as oportunidades e as ameaças que surgem com a capacidade crescente de aprendizado das máquinas

Compartilhar:

Shivon Zilis comanda o fundo de venture capital Bloomberg Beta, criado pela Bloomberg com US$ 75 milhões para investir em startups que trabalham com inteligência de máquina. Em outras palavras, em vez de fazerem uma análise tradicional de big data, por exemplo, essas startups aplicam aos dados algoritmos que entendem padrões ali e criam modelos de ação a partir deles. 

Empresas como Amazon e Netflix utilizam machine learning quando suas máquinas recomendam aos clientes Inovação e crescimento reportagem Entenda as oportunidades e as ameaças que surgem com a capacidade crescente de aprendizado das máquinas produtos com base em comportamentos anteriores. No entanto, a evidência de que o setor vai além dessas duas empresas icônicas está com Zilis: o mapa de players de inteligência artificial, o “Machine Intelligence Landscape”, que ela publica todo ano, e a evolução do volume investido em startups ligadas a inteligência de máquina.

O mapa da Bloomberg Beta, que cobre de machine learning a internet das coisas, passando por enriquecimento de dados, mostra um avanço inquestionável:  em 2016, teve 30% mais organizações do que em 2014, quando foi lançado.

O mapa também sinaliza uma expansão das fronteiras do segmento. “Pessoas diferentes estão se envolvendo. Na primeira edição, tudo dizia respeito a empreendedores e acadêmicos. Depois, vieram os investidores, de capital aberto e fechado. Agora, chegam as empresas que tentam descobrir como transformar seus negócios usando a inteligência de máquina”, disse Zilis no fórum “Machine Learning and the Market for Intelligence”, que a Rotman School of Management, organizou em Toronto, Canadá.

![](https://revista-hsm-public.s3.amazonaws.com/uploads/0e84d700-7538-4d73-841f-08f996797d1e.jpeg)

Os investimentos do fundo, por sua vez, também não param de aumentar: já integram seu portfólio 35 empresas de inteligência de máquina que resolvem 35 problemas significativos nas áreas de segurança, recrutamento e desenvolvimento de software.

“O hype em torno de métodos de inteligência de máquina continua, sim, a crescer”, confirmou Zilis. Outra fonte comprova o crescimento. É o McKinsey Global Institute, com o estudo The Age of Analytics: Competing in a Data-Driven World, que relaciona oportunidades e desafios empresariais no contexto específico do machine learning. 

Segundo o estudo, de 2011 para cá, houve uma aceleração na tendência de adoção da análise de dados automatizada, com consequente criação de valor maior. Por exemplo, os varejistas que adotaram o tipo de análise de dados conhecido como machine learning obtiveram aumento de 19% nas margens operacionais nos últimos cinco anos.

**QUANDO PLANEJAR**

Em que medida a inteligência de máquina não será mero futurismo para empresas mais convencionais de um mercado emergente como o Brasil?

Se focarmos apenas o machine learning, ele está ainda na infância, afirma Ajay Agrawal, professor de empreendedorismo e estratégia da Rotman School. “Embora algumas das atuais aplicações sejam relevantes, nenhuma delas é transformacional. Para ilustrar, os mecanismos de recomendações usados por empresas como Amazon e Netflix contribuem para as vendas de livros e filmes, mas não representam mudanças significativas para a economia.”

Ainda assim, Agrawal lembra que até companhias tradicionais já têm conseguido se beneficiar dos avanços do machine learning. A GE, por exemplo, economiza milhões de dólares aproveitando os dados que coleta de poços de petróleo em águas profundas e de seus equipamentos instalados em aviões para otimizar o desempenho de suas operações, antecipar problemas e programar manutenções.

O importante é que a tecnologia vai evoluir, e rápido, e não pode mais ser restrita aos pesquisadores ou às gigantes corporativas digitais. Ante as possibilidades de transformação para a economia mundial, todos devem aprender a lidar com a inteligência de máquina, começando a adotá-la em alguma medida. 

**ESTRATÉGIA E MODELOS**

Para entender melhor especificamente o machine learning, vale focar os três pontos do estudo McKinsey:

• Potencial. Reside, por enquanto, em oferecer às empresas maior capacidade de realizar previsões e prognósticos.

• Evolução. A possibilidade de gerar otimização em tempo real está apenas no início e vai se acelerar nos próximos três anos.

• Desafios. Referem-se a desenvolver uma estrutura organizacional adequada para apoiar as atividades de coleta e análise de dados, assegurar o envolvimento da liderança sênior e desenhar arquitetura de dados e infraestrutura tecnológica compatíveis. Dorian Pyle e Cristina San Jose, especialistas da McKinsey responsáveis pelo estudo, chamam a atenção para a necessidade de a análise de dados com aprendizado de máquina estar subordinada à implementação da visão estratégica da empresa. “Se a estratégia não for o ponto de partida, o machine learning corre o risco de se tornar mais uma ferramenta perdida em meio às rotinas operacionais. Dessa maneira, pode até oferecer um serviço útil, mas o valor de longo prazo será limitado, como mais uma forma de conquistar e reter clientes”, escrevem.

A recomendação, segundo Pyle e San Jose, é começar a utilizar essa tecnologia devagar e avaliar os resultados com base em critérios de sucesso claramente definidos.

Quanto ao machine learning, o modelo mais procurado no Brasil é o baseado em árvore de decisão, de acordo com Gabriel Lobitsky, responsável para a América do Sul pelos negócios da multinacional Infor, desenvolvedora de software de negócios na nuvem.

“O presidente de uma instituição de ensino que busca melhorar o nível de serviço de seu call center no canal de chat se interessa por um modelo assim, por exemplo. Se o aluno perguntar: ‘Em que dia começam as aulas do curso de marketing?’, esse modelo vai consultar todas as respostas dadas antes a perguntas similares, verificar o nível de acerto de cada uma pelo feedback de quem perguntou e eleger a resposta com nível de acerto mais satisfatório”, conta Lobitsky.

Porém há outros modelos de machine learning. O mais novo é o de redes neurais, que permite analisar todo o conteúdo disponível na internet e verifi car qual é a resposta mais aceita globalmente. O modelo de vector machines (SVM, na sigla em inglês) separa cenários possíveis dentro de determinado problema, mas não funciona muito bem quando os dados têm muito ruído e não costuma ser usado em situações em que os dados são incompletos ou estão misturados com outros.

E há ainda combinações de modelos, em que a solução de machine learning decide, a cada pergunta, se ela deve ser respondida com base nos dados da organização, como no modelo da árvore de decisão, ou vasculhando toda a internet, como no de redes neurais.

Segundo Lobitsky, faz cinco anos que se começou a adotar algum tipo de machine learning no Brasil, tendo em vista que soluções de decision management algumas vezes são entendidas como machine learning. “Muitos e-commerces já o aplicam por entenderem que certos produtos parados no estoque podem ser vendidos se forem combinados com outros produtos, e é o machine learning que faz essa amarração de itens, aumentando o giro de estoque”, diz o executivo. Por enquanto, são varejistas, bancos, seguradoras e companhias de telecom de grande porte que estão se interessando pela tecnologia no Brasil, na experiência da Infor.

**3 USOS IMEDIATOS**

**SUPPLY CHAIN**: complexa para muitas organizações, a cadeia de fornecimento tem de funcionar bem para minimizar custos com atrasos e falta de produtos no estoque. Combinando machine learning e big data, cientistas de dados estão modelando os cronogramas e antecipando informações sobre acontecimentos que podem impactar negativamente essas operações. Desse modo, as empresas conseguem identificar os atrasos corriqueiros e também os imprevistos, decorrentes de desastres naturais, greves etc.

**LOGÍSTICA**: a ciência de dados vai permitir que a próxima geração de software empresarial, resultado de soluções preditivas, diga ao usuário qual a quantidade de estoques necessária para atender a demandas futuras, que informe como precificar os itens para garantir a lucratividade em longo prazo e que aponte os portos com melhores capacidades para embarques, com o intuito de minimizar o impacto dos atrasos.

**VAREJO**: normalmente, aplicações inteligentes de CRM atuam de maneira preditiva no setor, mostrando potenciais compradores e produtos mais buscados. As tecnologias complementares, como os sensores e o RFID, dão às lojas uma visão mais ampla do estoque para saber a localização e a movimentação de um produto, por exemplo. Se associadas à interpretação dos dados, essas tecnologias permitirão uma verdadeira transformação digital nas lojas físicas, que não apenas compreenderão melhor a jornada do consumidor, mas lhe ofertarão produtos e itens mais específicos. Dados capturados por sensores no setor de comércio de vestuário vão levar à ampliação da oferta dos produtos que mais se ajustam ao gosto e ao tamanho dos clientes. E esse mesmo tipo de solução poderá apoiar a gestão do estoque no varejo, por disponibilizar informações sobre níveis de estoque, eliminando a necessidade de uma contagem manual e demorada, mais sujeita à incidência de erros

**MENOR RESISTÊNCIA**

A inteligência artifi cial não tem a simpatia das pessoas, especialmente por ameaçar empregos humanos, mas isso pode estar prestes a mudar. Segundo Shivon Zilis, o crescente uso da inteligência de máquina por organizações sem fi ns lucrativos para resolver grandes problemas da humanidade deve derrubar as resistências. Ela citou como exemplos a Conservation Metrics e a Vulcan Conservation, que vêm utilizando aprendizado profundo para proteger espécies animais ameaçadas de extinção, e a Thorn, cujos criativos algoritmos buscam proteger as crianças online. ONGs em parceria com o Google estão detectando atividades de pesca ilegal usando dados de satélite quase em tempo real, e a Global Forest Watch identifi ca a exploração madeireira ilegal em parceria com a Orbital Insight.

Outro sinal bem-visto é que tecnologias de código aberto estão democratizando o machine learning, de acordo com Zilis, como mostra o lançamento do OpenAI, que oferece acesso a pesquisas e a ambientes de desenvolvimento de classe mundial.

Por fim, a apropriação dos algoritmos de inteligência artificial para a “produção artesanal” também seria prova de que a sociedade já começa a absorver essa nova geração tecnológica. Zilis se refere à IA que escolhe os melhores grãos de cacau para um chocolate premium, escreve poesia, prepara bifes e até monta musicais.

![](https://revista-hsm-public.s3.amazonaws.com/uploads/13522926-bd2c-454b-a87f-8adc92515407.jpeg)

**O RISCO**

Cinco anos atrás, carros autônomos pareciam uma aberração; poucos os levavam a sério. Hoje, ninguém mais duvida de que esses veículos determinarão o padrão de transporte de um futuro não muito distante. Como sugere o professor Ajay Agrawal, é altamente provável que o mesmo fenômeno aconteça com a inteligência de máquina. 

Provas do poder disso não faltam. Em 2014, o Google adquiriu a startup de inteligência artifi cial DeepMind por aproximadamente US$ 500 milhões e criou a AlphaGo. O que aconteceu? A máquina fi cou famosa por bater o melhor jogador do mundo no antigo jogo chinês conhecido em inglês como Go, e o fez com o que pareceu ser um sinal de “intuição”, em vez de uma mera execução de processos lógicos.

A última tecnologia a mudar a economia foi a internet. As empresas que não a abraçaram logo pagam por esse erro até hoje. Na visão de Agrawal, o mesmo tende a acontecer, agora, com a inteligência de máquina.

Compartilhar:

Artigos relacionados

A empresa cresceu. Mas ela amadureceu?

Muitas organizações medem sua evolução pelo aumento da receita, do número de colaboradores ou da participação de mercado. O artigo argumenta que maturidade organizacional é outra coisa: a capacidade de sustentar complexidade sem perder agilidade, autonomia e capacidade de adaptação. Crescer pode ser uma questão de escala. Amadurecer é uma questão de consciência.

A governança precisa alcançar a IA

Enquanto colaboradores experimentam novas ferramentas e desenvolvem aplicações de inteligência artificial para resolver desafios do dia a dia, muitas organizações ainda estão construindo suas estruturas de governança. O texto explora como empresas podem organizar esse movimento sem sufocar a inovação, garantindo equilíbrio entre autonomia, risco e geração de valor.

Estratégia
18 de novembro de 2026 15H00
De Wirecard a Americanas, os grandes colapsos corporativos não ocorreram no escuro: os alertas existiam, mas ficaram presos em silos organizacionais incapazes de transformar dados em decisões estratégicas.

Alberto Rodriguez

32 minutos min de leitura
Inovação & estratégia
18 de novembro de 2026 08H00
Agentes autônomos, gêmeos digitais e novas arquiteturas de IA estão criando oportunidades inéditas para eficiência operacional. Mas a próxima vantagem competitiva do setor dependerá menos da tecnologia em si e mais da capacidade de orquestrar dados, infraestrutura, riscos e investimentos de forma sustentável.

Patricia Muricy é sócia-líder para a indústria de ER&I; Rafael Ferrari e Renata Moreno são sócios de estratégia de Inovação, Tecnologia e IA; e Roberta Barros é gerente sênior de estratégia de Inovação, Tecnologia e IA.

6 minutos min de leitura
Inovação & estratégia, ESG
17 de novembro de 2026 15H00
Muitas organizações medem sua evolução pelo aumento da receita, do número de colaboradores ou da participação de mercado. O artigo argumenta que maturidade organizacional é outra coisa: a capacidade de sustentar complexidade sem perder agilidade, autonomia e capacidade de adaptação. Crescer pode ser uma questão de escala. Amadurecer é uma questão de consciência.

Cristiano Venâncio - CEO & Fundador na Ora Sucessão & Governança

8 minutos min de leitura
ESG, Inovação & estratégia
17 de novembro de 2026 08H00
Enquanto colaboradores experimentam novas ferramentas e desenvolvem aplicações de inteligência artificial para resolver desafios do dia a dia, muitas organizações ainda estão construindo suas estruturas de governança. O texto explora como empresas podem organizar esse movimento sem sufocar a inovação, garantindo equilíbrio entre autonomia, risco e geração de valor.

João Pedro Brasileiro - Professor de IA da Fundação Dom Cabral (FDC), XP Educação e CEO da Innovation Latam

3 minutos min de leitura
Liderança, Cultura organizacional
16 de novembro de 2026 15H00
Ao conectar neuroplasticidade, aprendizagem experiencial e relações de confiança, o texto mostra que pessoas são capazes de mudar ao longo da vida e que o papel da liderança não está em rotular ou moldar indivíduos, mas em criar condições para que crescimento, aprendizagem e evolução possam acontecer de forma consistente.

Valter Bahia Filho - Autor, palestrante e consultor educacional

8 minutos min de leitura
Liderança
16 de novembro de 2026 08H00
O artigo discute por que a qualidade das decisões depende da diversidade de perspectivas, do conflito produtivo de ideias e da capacidade dos CEOs de construir culturas em que as pessoas se sintam seguras para apontar riscos, testar premissas e desafiar consensos antes que os problemas se tornem irreversíveis.

Bruno Padredi - CEO da B2B Match

4 minutos min de leitura
Estratégia
15 de novembro de 2026 15H00
Plantio direto, rotação de culturas, bioinsumos e conservação do solo podem contribuir para sistemas mais resilientes. Mas a adoção dessas práticas, por si só, não comprova regeneração. O artigo discute por que a agricultura regenerativa depende de diagnóstico, acompanhamento e evidências capazes de demonstrar melhorias reais no sistema produtivo ao longo do tempo.

Sheilla Albuquerque - CEO da Vitalforce

2 minutos min de leitura
Inovação & estratégia, Vendas
15 de novembro de 2026 08H00
A nova geração de agentes conversacionais promete revolucionar o comércio eletrônico ao interpretar intenções, recomendar produtos e conduzir jornadas de compra completas. O texto mostra por que o sucesso desses projetos depende menos da tecnologia em si e mais da capacidade de atacar gargalos reais, integrar dados confiáveis e medir resultados concretos para o negócio.

Marcus Garcia - Diretor comercial da Konia Tecnologia

5 minutos min de leitura
Bem-estar & saúde
14 de novembro de 2026 15H00
A capacidade de encontrar esperança e alegria em cenários difíceis é uma das características mais admiradas do brasileiro. Mas o artigo sugere que existe uma diferença importante entre resiliência e sobrecarga. Ao analisar dados sobre felicidade, relações sociais, trabalho e bem-estar, o texto convida à reflexão sobre o que realmente sustenta uma vida satisfatória e o que torna essa satisfação cada vez mais vulnerável.

Renata Rivetti - Fundadora da Reconnect Happiness at Work e Pesquisadora da Ciência da Felicidade

5 minutos min de leitura
Inovação & estratégia
14 de novembro de 2026 08H00
As duas empresas dominavam a tecnologia de filmes fotográficos, possuíam conhecimento avançado e enfrentaram a mesma ameaça: a revolução digital. Ainda assim, enquanto a Kodak entrou para a história como um dos maiores casos de declínio corporativo, a Fujifilm se reinventou e encontrou novos caminhos de crescimento. O artigo analisa as decisões estratégicas, culturais e de liderança que explicam essa divergência de destinos e mostra o que organizações de qualquer setor podem aprender sobre adaptação, inovação e transformação em tempos de ruptura.

Kei Izawa - 7º Dan de Aikikai e ex-presidente da Federação Internacional de Aikido

15 minutos min de leitura

Baixe agora mesmo a nossa nova edição!

Dossiê #174

Mobilização é o novo segredo da execução

CAPA_HSM_30_ANOS-1_pages-to-jpg-0001

Acesse agora mesmo a nossa nova edição!

Dossiê #175

EDIÇÃO ESPECIAL DE 30 ANOS DA HSM MANAGEMENT