00HORAS
00MIN
00SEG
Compre com desconto

Primeiras aulas do curso

Fluxos de Trabalho: redesenho com inteligência artificial

Do mapa do time ao fluxo certo - Apresentação e mapa do curso

Apresentando o curso e o público-alvo

Olá, bem-vinde ao curso Redesenho de Fluxo de Trabalho com Inteligência Artificial. Este curso faz parte da trilha Gestão e Carreiras da Transformação com Inteligência Artificial. Eu sou o Matheus Viana Machado.

Audiodescrição: Matheus é uma pessoa parda, com poucos cabelos, usa óculos e barba. Veste uma camiseta preta e uma overshirt (sobrecamisa) preta, e tem várias tatuagens pelo corpo. Está no estúdio da Alura, com cenário azul e uma prateleira ao fundo contendo diversos objetos de decoração.

Neste curso, vamos abordar todo o caminho do diagnóstico ao aprendizado contínuo. Vamos apresentar para você, cursista, um kit de transformação para o seu time. A proposta é mapear a adoção real do time em relação à Inteligência Artificial, reprojetar processos com Inteligência Artificial e criar rituais de evolução contínua.

Este curso é direcionado a pessoas gestoras, coordenadoras, diretoras e heads (lideranças) com mais de quatro anos no cargo. Vamos trazer um projeto técnico e criar um Cyborg Map (mapa ciborgue) — uma ferramenta bastante completa. Trabalharemos com dois processos como exemplos, redesenhando-os, apresentando seus estágios “antes” e “depois”, e estruturando um plano de rituais. Esse plano inclui revisões quinzenais, demo (demonstração) mensal e o funcionamento de um sistema de post-mortem (análise pós-incidente) trimestral, para nós avaliarmos a evolução desses projetos.

Estruturando as aulas e contextualizando a prática

  • Na Aula 1, vamos do mapa do time até a definição de um fluxo adequado.
  • Na Aula 2, vamos enxergar o fluxo como ele é, realizando um drill down (aprofundamento) para analisar parte a parte tarefas e funções.
  • Na Aula 3, vamos redesenhar esse fluxo utilizando Inteligência Artificial.
  • Na Aula 4, vamos delegar com segurança e sem receio.
  • Na Aula 5, vamos ensinar como manter esse time em evolução com lifelong learning (aprendizado contínuo ao longo da vida).

Agora, na Aula 1, vamos partir do mapa do time até o fluxo. Faremos a apresentação inicial, vamos trazer a “cola” desse fluxo antigo, iniciar o trabalho no Cyborg Map (mapa ciborgue) do time e explicar essa prática com detalhes. Primeiro, vamos reconhecer o escopo do curso e do projeto prático, além de relacionar este curso aos níveis anteriores.

A ideia é que você, cursista em posição de liderança, consiga redesenhar e entender com mais clareza os fluxos de trabalho do seu time ou departamento, identificando o escopo e as formas pelas quais a Inteligência Artificial pode atuar nesse redesenho do fluxo. Não vamos nos limitar a inserir ferramentas de IA e prompts (instruções) para testes pontuais.

O que vamos trabalhar aqui é o que poderíamos considerar “futuro”, mas que já é presente: as Inteligências Artificiais já estão inseridas nas empresas — possivelmente também na sua. Vamos rever processos existentes, medir tempos de tarefas e identificar onde, em quais tarefas e microtarefas, a Inteligência Artificial se encaixa, de que maneira pode ser aplicada, e como mensurar melhorias de tempo, de fluxo de processo e redução de retrabalho ao longo deste curso.

Relacionando a trilha e definindo entregáveis

Este curso faz parte de uma trilha e está no nível 2, como é possível ver na plataforma da Alura. Há algum tempo, há também um curso sobre ROE que já concluímos, e retomaremos alguns pontos dele aqui. Sugerimos percorrer toda a trilha de conhecimento para potencializar a carreira. Os cursos são de excelente qualidade.

O que vamos construir ao longo deste curso? Nossos entregáveis vão do planejamento de adoção da ferramenta à mudança na forma de trabalhar. A Inteligência Artificial indica que as empresas precisarão repensar fluxos e que as pessoas profissionais tendem a se tornar mais produtivas, ainda que existam dúvidas sobre os limites dessa produtividade e sobre quais tarefas realmente se beneficiam dela.

Entre os entregáveis, teremos um kit (conjunto) de transformação da equipe. Vamos explorar o conceito de Cyborg Map (Mapa ciborgue), que é novo no curso, mas fará sentido quando entendermos que estamos em uma nova fase de integração entre pessoas e máquinas, justificando esse termo.

Teremos também:

  • Fluxos documentados.
  • Uma planilha como entregável para detectar o “antes” e o “depois”.
  • Um plano de rituais.
  • Uma prática de como estudar.

Além disso, ao final de cada aula, haverá cases (estudos de caso), e trabalharemos aplicações como em uma equipe real.

Apresentando o estudo de caso

O estudo de caso do curso será uma empresa fictícia chamada Ferrais Embalagens. É uma indústria de embalagens com uma equipe de 14 pessoas, liderada por Marina. Vamos trabalhar com dois fluxos dentro da equipe de Marina:

  • Fluxo 1: cotação e emissão de pedidos.
  • Fluxo 2: pedidos em atraso.

No Fluxo 1, neste cenário hipotético (e, a partir de agora, considerado como base do estudo), são realizadas cerca de 120 cotações por semana, atendidas por uma equipe de quatro pessoas dentro do grupo de 14 liderado por Marina. No Fluxo 2, há um relatório semanal enviado a uma diretoria comercial. Trabalharemos sobre esses dois fluxos como exemplos, mas abordaremos vários outros que podem ser derivados deles.

Reforçando: os dados são fictícios e referem-se à marca Ferrais Embalagens.

Encaminhando a prática e encerrando a introdução

Ao longo do curso, vamos abordar desde a adoção de ferramentas de Inteligência Artificial e utilizar algumas delas na prática. Você vai construir seu conjunto de transformação e, ao final de cada uma das quatro aulas, articularemos a parte técnica, a parte teórica e uma parte prática, de forma que seja possível assistir e aplicar em sequência.

Nos vemos em breve no próximo vídeo desta primeira aula, no qual vamos aplicar Inteligência Artificial a um fluxo antigo para entender como isso funciona. Até breve.

Do mapa do time ao fluxo certo - IA colada em fluxo velho

Contextualizando o uso de ia e desafios iniciais

Voltamos com o vídeo 1.2 para discutir a inteligência artificial aplicada sobre um fluxo antigo. Vamos diferenciar automação de tarefa isolada e redesenho de fluxo e reconhecer os sinais de inteligência artificial aplicada em um processo legado.

No nosso exemplo, a empresa Ferraz Embalagens já utiliza inteligência artificial, mas o prazo das cotações ainda não diminuiu desde a adoção. O time de 14 pessoas, liderado pela Marina, está no estágio de uso padronizado informal de inteligência artificial. Você saberá mais na nossa aula em que abordamos a identificação de ROE dos projetos, a criação de pilotos e entregáveis e a detecção da maturidade de inteligência artificial do seu time. Como exemplo, identificamos que a Ferraz Embalagens está no nível de uso padronizado informal.

A execução das tarefas com apoio da inteligência artificial acelerou. Cada pessoa já utiliza inteligência artificial para redigir e-mails (correio eletrônico) com muito mais rapidez. Entretanto, o fluxo segue igual ao que era antes da chegada da inteligência artificial na Ferraz Embalagens. As filas, as conferências e as aprovações continuam do mesmo modo, bastante manuais e dependentes exclusivamente de pessoas usuárias.

Observamos também que o retrabalho começou a aumentar. Na aula sobre ROE, um dos pontos que precisamos mapear é o nível de retrabalho, pois ainda é necessário revisar e corrigir o que foi criado por inteligência artificial, principalmente quando falamos de e-mails (correio eletrônico) e de conteúdo textual.

Mapeando o fluxo atual e a adoção de ia

Vamos analisar com cuidado o fluxo de trabalho, desde a cotação até o acompanhamento e a formação do pedido. Esse é o fluxo atual da Ferraz Embalagens:

  1. Receber e interpretar uma solicitação — já se utiliza inteligência artificial. Sinalizamos com “IA” no canto superior.
  2. Verificar o prazo do estoque — ainda nada mudou.
  3. Calcular o preço e o desconto.
  4. Redigir e enviar uma cotação — a inteligência artificial já funciona bem nessa tarefa.
  5. Acompanhar o retorno e emitir o pedido — ainda nada mudou.

Onde a inteligência artificial acelerou e onde nada mudou? Como está destacado no slide (apresentação), as tarefas 1 e 4 já estão bastante alinhadas com inteligência artificial. Percebemos que os primeiros usos de inteligência artificial nas empresas costumam se concentrar na parte textual: interpretar uma demanda, redigir e enviar uma cotação. Ao longo do curso, veremos outras tarefas nas quais a inteligência artificial pode gerar muito valor.

Detalhando as etapas na planilha 2.1

Vamos sair do slide (apresentação) e acessar uma planilha complementar disponível na plataforma Alura. Vamos abrir a aba 2.1 desse kit (conjunto), analisar essa planilha e verificar como funcionam hoje as etapas de cotação dentro da Ferraz Embalagens, identificando onde a inteligência artificial já está ajudando e onde ainda está aguardando adoção.

No primeiro fluxo da Ferraz Embalagens, observamos que, na primeira etapa — receber a solicitação —, o departamento de Atendimento (uma pessoa do time de Atendimento) realiza as seguintes ações: o e-mail (correio eletrônico) entra na caixa compartilhada ou chega uma mensagem pelo WhatsApp. Como saída, gera-se uma solicitação registrada na planilha de cotações, utilizando a caixa compartilhada e o WhatsApp. Já identificamos os tempos: trabalho de 2 minutos e espera de 90 minutos. Vamos aprofundar essa questão de espera e de quantas vezes o trabalho retorna (retrabalho). No processo atual, o retrabalho medido nessa etapa está em 0%. Vamos nomear essa tarefa no Cyborg Map como T1 (tarefa 1).

Ainda dentro da tarefa 1, na etapa 2 — extrair itens, quantidades e preços —, o responsável continua sendo o Atendimento. Mapeamos 7 minutos de trabalho, sem tempo de espera, sem dependências ou bloqueadores de processo e com 0% de retrabalho.

Na etapa 3, dedicada a completar informações faltantes do comprador, enriquecemos os dados por meio do atendimento. Recebemos uma lista de campos ausentes e entregamos uma solicitação completa, utilizando e-mail e WhatsApp. Temos 4 minutos de trabalho efetivo e um tempo de espera de 180 minutos, por se tratar de um processo que depende de outras pessoas e de outros fatores. Há um índice de retrabalho de 35%, pois é necessário retornar, retrabalhar e buscar dados que ainda não estão completos desse cliente.

Isso ainda está na tarefa 1, mas conseguimos ver tudo com mais completude no material complementar, especificamente na aba 2.1. Esse é o fluxo mapeado. Na sua empresa, é possível usar essa planilha; haverá também uma cópia com todos os valores vazios para que se possam identificar os fluxos. Para cada aba, é possível duplicá-la para fluxos diferentes. Em cada fluxo, vamos listar e descrever as etapas, indicar quem executa (priorizando a função, e não uma pessoa específica), registrar o que entra e o que sai, qual ferramenta é utilizada, e quanto tempo de trabalho efetivo — em horas úteis e minutos úteis — a pessoa usuária ou a pessoa funcionária emprega na execução. Ao lado, já conseguimos iniciar os cálculos de quanto tempo e quantos minutos essas etapas se acumulam no mapa, no Cyborg Map (mapa ciborgue), que vamos construir nas próximas aulas.

Identificando gargalos e propondo redesenho

No Excel, usando a aba 2.1 do Kit e seguindo aquela cotação, vimos etapa por etapa onde começam a surgir gargalos no processo e onde as esperas ficam extensas. No gráfico, pela teoria das restrições, o gargalo aparece de forma clara. A recepção está tranquila, o estoque está tranquilo, mas há um gargalo na aprovação dos pedidos. A redação e a emissão dos pedidos ainda estão tranquilas na Ferraz. Acelerar uma etapa não ajuda quando o gargalo está em outra. Não adianta acelerar a etapa de redação nem a etapa de estoque quando o gargalo, que está no meio — na fase de aprovação —, retém todo o processo anterior e também os processos posteriores.

É por isso que estamos propondo um redesenho desses processos, utilizando inteligência artificial. A pergunta que guia este curso e esta aula, e que queremos deixar como provocação até o próximo vídeo, é: se desenhássemos esse fluxo hoje, sabendo o que a inteligência artificial faz bem, como ele seria? Seria do mesmo jeito se fôssemos desenhar esse fluxo hoje, abrindo uma empresa nova ou criando algo do zero? Não nos referimos ao fluxo anterior à inteligência artificial, cuja adoção prática se intensificou a partir de novembro de 2022. Se o processo fosse desenhado hoje, já considerando as capacidades da inteligência artificial, ele seria o mesmo, com os mesmos fluxos, as mesmas tarefas e as mesmas dependências?

Consideramos que podemos repensar esse desenho e revisar esses processos.

Resumindo aprendizados

O que levamos deste vídeo? Com a chegada da inteligência artificial na Ferraz, nos pontos de entendimento de demanda e de redação de e-mail e de proposta, as tarefas de ponta aceleraram. Porém, a fila completa, inclusive por conta do gargalo, e as conferências continuam iguais. O gargalo decide o resultado final. Não adianta acelerar outras fases: enquanto existir um gargalo, haverá congestionamento naquele ponto. E a pergunta permanece: como esse fluxo seria desenhado hoje?

Nos vemos no próximo vídeo, no qual vamos nos aprofundar e iniciar o desenho do Cyborg Map (mapa ciborgue), onde vamos identificar os pontos de interseção entre as funções do trabalho humano e o trabalho auxiliado — ou não — pela inteligência artificial. Nos vemos no próximo vídeo. [♪]

Do mapa do time ao fluxo certo - Cyborg Map do time

Apresentando o cyborgmap e a maturidade

Olá, estou de volta.

Vamos agora entrar na parte do mapa, o CyborgMap (Mapa Ciborgue).

Esse é um conceito novo que estamos criando para explicar esta nova fase da inteligência artificial dentro das empresas. Vamos precisar nos acostumar com esses novos termos. Não se trata de uma terminologia conhecida de mercado; podemos dizer que é um termo que estamos criando e cunhando dentro desta trilha na Alura.

Vamos falar sobre a competência de desenvolver o CyborgMap em nosso próprio time, no qual vamos estruturar esse mapa. Diferentemente de outras estruturações de mapas de trabalho, neste caso focamos em tarefas, não em cargos nem em pessoas. A nossa unidade de análise serão as tarefas específicas, porque precisamos medir onde a inteligência artificial se encaixa em cada tarefa.

Vamos classificar o grau de colaboração entre a pessoa e a inteligência artificial em cada tarefa, usando o mapa CyborgMap, e relacionar o mapa ao estágio de maturidade do time. Como comentamos, o mapa de maturidade do time, dentro desta trilha, conta com uma aula específica sobre como identificar e montar essa maturidade.

Trazendo o exemplo do mapa com quadrantes de maturidade, em uma revisão rápida:

  • Ausente: quando as empresas ainda não utilizam inteligência artificial.
  • Uso individual e desorganizado: quando as pessoas do time, a equipe, o seu staff (equipe), já utilizam inteligência artificial, mas ninguém sabe o que é usado, como é usado e quais ferramentas estão sendo utilizadas. Isso traz o problema chamado Shadow AI (IA paralela), além de riscos de tecnologia por uso de ferramentas que o departamento de TI talvez não conheça ou não esteja ciente, incluindo possíveis problemas com segurança da informação e LGPD.
  • Padronizado informal: onde a empresa já utiliza inteligência artificial e fornece ferramentas validadas para uso interno; não é mais ausente nem individual e desorganizado. Contudo, ainda não há formalidade nesse uso, nem práticas e políticas consolidadas.
  • Governado e automatizado: com governança e automação, já existe mapeamento formal. Nosso curso complementa esse estágio, ajudando, por exemplo, a levar a Ferraz do nível 3 para o nível 4, pois vamos começar a governar o uso da IA, mapear o uso da inteligência artificial para cada tarefa e consolidar isso no mapa CyborgMap, permitindo evoluir de fase com a inteligência artificial.

Analisando o trabalho por tarefas

Esse diagnóstico indica em que estágio o time está. A pergunta seguinte é: como o trabalho acontece efetivamente?

Vamos trazer como exemplo duas pessoas analistas, com o mesmo cargo, mas com práticas opostas. A analista A utiliza a inteligência artificial para conduzir um rascunho e realizar uma revisão rápida. A analista B não utiliza inteligência artificial; realiza todo o trabalho manualmente do início ao fim. Um mapa por cargo esconderia o que precisa mudar. Por isso, transformamos essa abordagem no CyborgMap, no qual mapeamos o uso direto das ferramentas de IA: como se usa, por que se usa e por quem se usa.

Se você assistiu ao curso Cursista, no qual falamos sobre a análise de ROI (Retorno sobre Investimento), retome esse conteúdo; se não assistiu, recomendamos ver também, mesmo após esta aula. Isso vale dentro do fluxo completo, porque ajuda a entender a evolução, o caminho e como detectar o nível de uso identificado anteriormente: ausente; individual e desorganizado; padronizado informal; e governado e automatizado dentro da empresa.

Se olhássemos pelos cargos, poderíamos fazer uma média, ponderar incorretamente, tender a superestimar o uso de IA ou até ignorá-lo, porque estaríamos generalizando em cima do cargo de analista. No CyborgMap, olhamos para as funções específicas, ou seja, para as tarefas, independentemente do cargo. Assim, conseguimos trazer mais clareza a essas funções e ao modo como a inteligência artificial está sendo utilizada.

Preenchendo a planilha do cyborgmap

Vamos voltar para a planilha na qual vamos listar as tarefas do time. Você vai listar as tarefas, atribuir um grau de colaboração a cada uma delas e revisar risco e volume. Vamos até a planilha para explicarmos onde ficam os campos de aplicação e, em instantes, retornaremos à tela.

Na planilha, já trazemos colunas para começar a listar:

  • O ID (identificador): vamos registrar cada tarefa (tarefa 1, tarefa 2, tarefa 3).
  • Em que fluxo essa tarefa está: neste exemplo, estamos trabalhando com fluxo 1 e fluxo 2, e também há fluxo 5, fluxo 3 e fluxo 6.
  • Quem executa: aqui registramos funções ou cargos para fins de mapeamento. Lembrando que o CyborgMap trabalha sobre tarefas, mas, para mapear, vale apontar funções/cargos.
  • Qual ferramenta de IA está sendo utilizada para aquela tarefa (na coluna E).
  • Qual o grau de colaboração: se a pessoa trabalha sozinha, se trabalha em conjunto com a IA e quem conduz. Veremos adiante, nos próximos vídeos desta mesma aula, como identificar isso.
  • Qual o nível de risco: varia de 1 a 3.
  • Quantas ocorrências por semana essa tarefa tem.
  • Quantos minutos são gastos em cada ocorrência.
  • Quantas horas por semana isso representa: a planilha calcula automaticamente e também traz identificações sobre o nível de colaboração dentro das tarefas.

Na aba "1.3" da planilha, você terá, no material complementar, um exemplo já preenchido do nosso case (estudo de caso) e também uma versão vazia para começar a mapear seus processos. A ideia é mapear em várias abas: você pode copiar as abas e incluir fluxos diferentes de outras áreas ou da sua área, caso haja fluxos distintos. Mapeie tudo ali.

Lembrando:

  • Os IDs identificam as tarefas.
  • Em seguida, incluímos a descrição da tarefa.

A descrição da tarefa deve caber em uma frase de ação, por exemplo: receber, verificar, calcular, redigir, acompanhar, exportar.

Trabalhamos sempre com tarefas de ação, formuladas com verbos de ação.

Quem executa cada tarefa? Qual ferramenta de inteligência artificial está sendo utilizada?

Indicamos se a IA opera em conta pessoal ou corporativa, qual inteligência artificial é utilizada e, quando pertinente, o período (época) de uso. Essa informação é importante e deve estar registrada.

Retomando os slides e mensurando risco e volume

Vamos voltar aos slides para continuar.

Como vimos na planilha do Cyborg Map (Mapa Ciborgue), para começarmos a entender essa nomenclatura e esse tipo de mapeamento de integração pessoa-máquina com inteligência artificial, devemos listar as tarefas do time, atribuir um grau de colaboração para cada uma e, em seguida, discutir como evidenciamos esse risco, como o apresentamos, como o calculamos e como mensuramos o volume.

Trazendo, no slide, um resumo da tabela do Cyborg Map (Mapa Ciborgue) aplicado à empresa Ferraz Embalagens, apresentamos as tarefas, quem as executa e o grau de colaboração em cada uma delas.

Incluímos, por exemplo, as tarefas de receber e interpretar a solicitação de demanda de uma proposta — estamos analisando especificamente esse fluxo. Quem executa é o atendimento. A verificação de estoque e de prazo também é realizada pelo atendimento. Registramos qual ferramenta de inteligência artificial está em uso e qual é o nível de colaboração entre pessoa e IA.

Veremos esses pontos com mais detalhes no Drawdown (Drawdown) nos próximos vídeos.

Na tarefa “receber e interpretar a solicitação”, pessoa e IA atuam em conjunto, conforme vimos no primeiro diagrama em um dos primeiros vídeos. O risco associado é pequeno (risco 1) e o volume semanal é de 120.

Esse volume permanece 120 porque, neste fluxo, como mapeamos, são, em média, 120 propostas por semana.

Detalhando graus de colaboração entre pessoa e inteligência artificial

Os três graus de colaboração entre pessoa e IA, que registramos na planilha, detalhamos a seguir.

No primeiro grau, a pessoa conduz. A pessoa executa o processo e a IA, quando presente, apoia o uso. A pessoa realiza todo o fluxo, submete a uma ferramenta de IA e a IA fornece sugestões como apoio. Esse é um nível baixo de maturidade, pois a IA pode trazer melhorias e ganhos significativos de produtividade quando bem utilizada. Vamos trabalhar cuidadosamente esse ponto para identificar oportunidades e aprimorar o processo.

No segundo grau, pessoa e inteligência artificial trabalham em conjunto. Ambas atuam na mesma tarefa. A pessoa redige o e-mail; a IA revisa. A pessoa monta uma planilha; a IA melhora a planilha, revisa e sugere pontos de aprimoramento. Nesse caso, a Ferraz utiliza pessoa e IA em conjunto para interpretar as solicitações de clientes.

No terceiro grau, a inteligência artificial conduz com revisão humana. A IA produz o conteúdo diretamente e a pessoa revisa o que foi criado. No nosso exemplo, a Ferraz já utiliza esse modelo para redigir a cotação, que é gerada de forma automatizada pela IA. Em seguida, realizamos a revisão.

Em alguns processos registrados na planilha, quando a pessoa conduz, pode não haver uso de IA; no máximo, a IA atua como apoio. Quando pessoa e IA trabalham em conjunto, ambas atuam na mesma tarefa, mas ainda não há automação plena: passamos de uma consultoria ou instrução da IA como assistente para um estágio próximo ao ponto em que a IA conduz todo o processo e a pessoa realiza apenas a revisão do que foi entregue.

A revisão é imprescindível no uso atual de IAs generativas, pois, por serem criativas em certa medida, precisam de checagem para evitar nomenclaturas divergentes, termos inadequados ou a criação de condições comerciais fora das regras de trabalho da organização.

Também vamos observar com atenção o retrabalho de revisão, avaliando quanto de revisão passou a ser feito a mais ou a menos após a inserção da IA naquela tarefa.

Diferenciando modelos centauro e ciborgue

Essa discussão nos leva ao porquê do conceito de cyborg (ciborgue) e do Cyborg Map (Mapa Ciborgue), assim como à distinção entre centauro e cyborg (ciborgue).

  • Centauro: há divisão clara de tarefas e a pessoa decide quando a IA entra.
  • Fases mais cyborg (ciborgue): há integração contínua e alternância entre o que é feito pela pessoa usuária e o que é feito pela IA dentro da mesma tarefa, resultando, em geral, em maior produtividade.

Usaremos essas nomenclaturas — centauro e cyborg (ciborgue) — ao longo do curso.

Contextualizando fronteiras e capacidades da inteligência artificial

A fronteira da IA, inclusive hoje, enquanto gravamos este conteúdo (final de 2026), ainda é irregular. Não há uma regularidade sobre o que a IA faz em todas as tarefas. Existem tarefas em que a IA se destaca e outras em que ainda não compete tão bem quanto uma pessoa.

Para as tarefas em que a IA se destaca, é interessante utilizá-la, de modo que a pessoa colaboradora tenha tranquilidade para entregar mais valor à organização.

Como todas as IAs atuais são Modelos de Linguagem, os LLMs (Large Language Models, Modelos de Linguagem de Grande Porte), há uma aderência forte a tudo que é textual. Existe o acrônimo PIN (Palavra, Imagem e Número): tudo que envolve palavra, imagem e número tende a ser campo em que a IA chega primeiro. Redigir um e-mail extenso é um exemplo no qual a IA se destaca. Extrair itens de um pedido é outro caso em que a IA demonstra alta capacidade de atenção.

Explicando o mecanismo de atenção e a virada generativa

Como curiosidade, a inteligência artificial evolui desde 1956 e tem uma grande virada em 2017, com o artigo famoso do Google, “Attention is All You Need” (Atenção é Tudo de que Você Precisa). Nós vamos disponibilizar esse artigo como conteúdo complementar, não diretamente relacionado à aula. A partir desse momento, a IA, que era predominantemente classificativa, torna-se generativa, graças ao mecanismo de atenção.

A partir do mecanismo de atenção, que impulsionou o avanço da inteligência artificial em meados de novembro de 2022, quando colocamos uma IA para extrair itens de um pedido, o modelo utiliza especificamente esse mecanismo de atenção. Por isso, a IA se destaca nessas tarefas.

Avaliando desempenho da inteligência artificial em tarefas do processo

Redigir uma cotação também funciona bem.

Calcular um desconto composto costuma funcionar bem; porém, no caso da Ferraz Embalagens, isso ainda não está sendo utilizado de forma adequada. Vamos analisar com mais cuidado.

Prometer um prazo de produção precisa estar ancorado em dados reais de produção e em informações confiáveis ao longo de toda a cadeia. Neste ponto, a IA ainda não se destaca no cenário apresentado.

Não é que a inteligência artificial não tenha bons resultados; no processo da Ferraz Embalagens, há uso eficiente em algumas tarefas, enquanto outras ainda carecem de maturidade.

A IA pode ir muito bem em uma tarefa e, às vezes, mal em outra que parece semelhante. Isso pode estar relacionado à maturidade do time, ao conhecimento disponível, e também à incerteza das informações fornecidas.

Indicando próximos passos e leitura recomendada

Vamos discutir esses aspectos com tranquilidade ao longo deste curso.

O que levamos deste vídeo, preparando-nos para o próximo? Nossa dica é ler o conteúdo complementar do artigo em inglês Attention is All You Need (Atenção é Tudo de que Você Precisa). Essa leitura ajuda a compreender melhor como a inteligência artificial chegou até aqui, o que pode trazer de futuro e como podemos nos planejar.

Neste vídeo, vimos que o mapa, o Cyborg Map (Mapa Ciborgue), é focado em tarefas, não em cargos. Esse ponto é fundamental. As tarefas são as unidades de análise dentro de um Cyborg Map. Cada tarefa recebe um grau de colaboração entre pessoas e IAs. A inteligência artificial vai muito bem em algumas tarefas e vai mal em outras que parecem semelhantes, e precisamos entender o que difere cada caso.

No próximo vídeo, vamos entrar na prática com o Cyborg Map.

Até logo!

Sobre o curso Fluxos de Trabalho: redesenho com inteligência artificial

O curso Fluxos de Trabalho: redesenho com inteligência artificial possui 201 minutos de vídeos, em um total de 41 atividades. Gostou? Conheça nossos outros cursos de Liderança em Gestão & Negócios, ou leia nossos artigos de Gestão & Negócios.

Matricule-se e comece a estudar com a gente hoje! Conheça outros tópicos abordados durante o curso:

  • Do mapa do time ao fluxo certo
  • Enxergando o fluxo como ele é
  • Redesenhando o fluxo com IA
  • Delegando com segurança e sem medo
  • Mantendo o time evoluindo

Aprenda Liderança acessando integralmente esse e outros cursos. Comece hoje!

Plus 24

Todos os cursos, trilhas e certificados para evoluir.

Carregando precos do plano

7 dias para cancelar com reembolso

Alura EmpregabilidadeNOVO
  • Acesso ao maior portal de vagas tech do BrasilExclusivo na Black
  • Modo entrevista técnica e comportamental
  • 2.339 Cursos e 37 Carreiras
  • Certificados reconhecidos pelo mercado
  • Luri: nossa IA exclusiva, que acelera e personaliza seu aprendizado

Pro 24

Aprenda mais rápido com IA, idiomas e imersões.

Carregando precos do plano

7 dias para cancelar com reembolso

TUDO DO PLUS, MAIS:

Alura EmpregabilidadeNOVO
  • Acesso ao maior portal de vagas tech do Brasil
  • Modo entrevista técnica e comportamental
  • Desafios de código
  • System design
  • Luri Vision: a versão mais completa da nossa IA, que permite envio de imagens
  • Livros da Casa do código: Acesso ao acervo de livros da maior editora tech do país
  • Alura Língua: cursos de inglês e espanhol com foco na área tech

Ultra Lab 24

Aceleração de carreira: mentoria, vagas e prática guiada.

Carregando precos do plano

7 dias para cancelar com reembolso

TUDO DO PRO, MAIS:

Alura EmpregabilidadeNOVO
  • Acesso ao maior portal de vagas tech do Brasil
  • Modo entrevista técnica e comportamental
  • Desafios de código
  • System design
  • 2 mentorias individuais com foco na sua carreira
  • Luri Vision Ilimitada: a versão mais completa da nossa IA
  • Lives CareerUp: eventos exclusivos com foco em empregabilidade e carreira
Melhor opção para a sua carreira
Conheça os Planos para Empresas