Bem-vindos ao curso de Inteligência Artificial para Líderes: Fundamentos e Visão Estratégica. Sou Aline Hochklein e estarei acompanhando vocês neste percurso.
Para que compreendamos a importância deste tema e como iremos abordá-lo, gostaria de compartilhar um dado de uma pesquisa da PwC publicada em 2025, que indica que 73% dos líderes que responderam à pesquisa acreditam que a IA generativa exigirá que suas equipes desenvolvam novas habilidades e competências nos próximos 12 meses. Isso já está acontecendo. Observamos pessoas mudando seus papéis e desempenho dentro das empresas. Muitas vezes, enfrentamos dificuldades para criar e implementar novos projetos devido a resistências ou desafios relacionados às pessoas. Portanto, o gargalo não é mais uma questão de software ou tecnologia, mas sim a capacidade de liderar uma mudança cultural.
Por isso, neste curso, não aprenderemos a usar o ChatGPT ou ferramentas de IA especificamente. Vamos aprender a fazer um uso estratégico da IA, elaborar um plano para criar e implementar projetos de inteligência artificial dentro de nossas empresas liderando a mudança, e como gerenciar as pessoas para que possamos superar os desafios culturais relacionados a este tema. Vamos discutir o uso estratégico e a capacitação de nossas equipes em relação ao uso da IA. Falaremos sobre governança, tomada de decisões, pensamento crítico e medição de resultados.
Audiodescrição: A instrutora é uma mulher branca com cabelo e olhos castanhos. Ela está com o cabelo preso em um rabo de cavalo, usa brincos dourados e uma blusa preta. Está nos estúdios da Alura, com uma luz que varia do azul ao roxo ao fundo, e uma estante com alguns objetos de decoração.
Em relação à minha trajetória, para poder compartilhar esta experiência, tenho mais de 20 anos de carreira em marketing, design, tecnologia e inovação, dos quais os últimos 10 anos foram dedicados a papéis de liderança. Tenho experiência em liderar equipes em processos de implementação, gestão da mudança, implementação de tecnologias de inteligência artificial, preparação cultural de equipes e formação de líderes. Atualmente, atuo como consultora de empresas e ajudo empreendedores, pessoas que estão criando novas empresas, a desenvolver a estratégia de seus negócios usando a inteligência artificial como alavanca estratégica.
Nas próximas aulas, vamos discutir como utilizar a inteligência artificial como uma ferramenta de decisão que ajudará a nos tornarmos líderes muito mais estratégicos e, portanto, relevantes na empresa onde trabalhamos. Vamos aprender que a inteligência artificial não é um oráculo, nem magia. É uma ferramenta de apoio, baseada em matemática, para entregar resultados muito mais consistentes. E se entendermos como essa ferramenta funciona e o que podemos fazer com ela, chegaremos muito mais longe.
Nos vemos na próxima aula. Até então!
Agora que entendemos que a inteligência artificial não é um oráculo, mas sim uma ferramenta de apoio para a tomada de decisões, vamos explorar como essa ferramenta funciona. Anteriormente, utilizávamos a inteligência artificial principalmente para criar textos simples, como enviar mensagens ou resumir textos, desde o surgimento do ChatGPT em 2022. Esse uso é válido, mas ainda superficial. Muitas vezes, não tínhamos muito critério, o que resultou em um fenômeno onde textos gerados por inteligência artificial se tornaram facilmente identificáveis em redes sociais, como LinkedIn, devido a padrões repetitivos.
Inicialmente, parecia incrível, mas hoje esse uso se tornou mais simples. Atualmente, utilizamos a inteligência artificial para ampliar nossa visão e fundamentar decisões, especialmente em contextos de liderança. É importante entender que a inteligência artificial é, basicamente, um modelo estatístico, baseado em matemática e probabilidade, que prevê respostas prováveis com base em dados de treinamento, considerados como o "passado" da inteligência artificial.
Modelos de IA generativa, como ChatGPT, Google Domain e Cloud, utilizam o vasto volume de dados disponíveis na internet como base de treinamento. Eles olham para o passado para projetar o futuro, fornecendo respostas mais prováveis, não criadas ou magnânimas. Precisamos distinguir entre usar a IA e liderar com a IA. Usar a IA envolve aplicar a ferramenta para tarefas como gerar textos ou automatizar processos. Já liderar com a IA, especialmente em empresas com equipes híbridas, requer decisões sobre quando e como utilizá-la, além de justificar esses critérios.
O conceito de VibeCoding permite criar ferramentas tecnológicas sem saber programar, o que é útil. No entanto, liderança envolve pensamento crítico e interpretação complexa de desafios para entregar resultados relevantes. A IA faz parte de nossas vidas há muito tempo, como em buscas no Google, onde sugestões de palavras-chave são baseadas em nosso histórico e uso geral. Plataformas de streaming e música, como Netflix e Spotify, também utilizam IA para recomendações personalizadas.
A IA está presente em análises bancárias, redes sociais e aplicativos de navegação, como Waze e Google Maps, que usam dados em tempo real para prever rotas. Na empresa, a IA pode estar presente na automação de tarefas repetitivas, análise de dados e recomendações de clientes. Muitas vezes, a IA é usada sem que percebamos, o que chamamos de Shadow AI. Com grandes poderes vêm grandes responsabilidades, e líderes precisam estar preparados para lidar com esses desafios, adaptando-se culturalmente e orientando suas equipes.
O funcionamento da IA envolve Machine Learning (aprendizado automático), onde algoritmos aprendem padrões a partir de dados, e Deep Learning, que processa dados mais complexos através de redes neurais. Modelos de linguagem, como ChatGPT, Gemini e Cloud, utilizam esses motores para criar conteúdo original, mas continuam sendo máquinas baseadas em matemática e estatística.
Para usar ferramentas de IA generativa, existe uma estrutura padrão: atribuir um papel à IA, definir responsabilidades, estabelecer um objetivo claro e um formato de saída esperado. Por exemplo, ao criar um site sem um profissional de UX Design disponível, podemos atribuir à IA o papel de designer de UX especializado em landing pages. É importante fornecer contexto suficiente, mas não excessivo, para que a IA possa fundamentar suas decisões sem se perder.
Quando entregamos o contexto adequado, precisamos definir: qual é o projeto? Para quem é este projeto? Quem é o público deste projeto? O que esperamos que ocorra? Qual é o nosso objetivo com este projeto? E quais são os dados que devem fazer parte? Isso constitui um contexto claro. Em seguida, descrevemos um objetivo, o que esperamos que seja feito. Queremos que nos entreguem a página pronta para conversão de vendas, para que possamos apenas publicá-la e divulgá-la em marketing.
No formato de saída, especificamos que queremos a página toda programada com formulários. Se for um relatório, uma imagem, devemos dizer quais são os detalhes: queremos uma imagem em alta resolução, estilo cinematográfico, 4K, em formato horizontal ou vertical, ou para uso em redes sociais. Precisamos especificar exatamente o que queremos que nos entreguem. Se não formos específicos, receberemos muitas coisas e gastaremos tempo com idas e vindas com esse modelo.
Podemos também estabelecer restrições e regras, algo opcional, mas que torna a entrega muito mais poderosa. Por exemplo, podemos dizer: nunca invente dados. Sempre que citar um dado, forneça a fonte para que possamos verificá-la. Isso é uma restrição. O modelo não inventará dados a partir dessa determinação. Se os trouxer, estará obrigado a fornecer a fonte de onde obteve esse dado, para que possamos verificá-la. É importante confiar, mas verificar.
Outra coisa muito importante é pedir à Inteligência Artificial que faça perguntas. Muitas vezes, usamos a Inteligência Artificial e pedimos respostas, mas isso é uma forma frágil de utilizá-la. Se pedirmos que faça perguntas que ajudem na entrega, isso não apenas nos estimulará ao pensamento crítico, pois teremos que responder e, para isso, precisamos pensar, mas também tornará a entrega mais robusta e qualificada, reduzindo a necessidade de idas e vindas.
Quando falamos de um prompt eficaz, podemos especificar qual esperamos que seja a personalidade desse agente. Queremos que seja crítico com suas propostas e não condescendente com nossas ideias. Isso ajuda a ter um viés mais socrático, ou seja, fará perguntas que nos estimulem a refletir sobre o que está sendo solicitado, para que possamos chegar à conclusão se faz sentido ou não e identificar algumas fragilidades que podem surgir no caminho.
Dentro da organização, a inteligência artificial possui três níveis diferentes. O primeiro nível é o que chamamos de IA incorporada. Podemos entendê-lo como as ferramentas que já usamos diariamente, que já estão em nossa rotina, como o software de CRM, o software de ERP, aquela ferramenta que pagamos para usar e que já possui uma pequena camada de inteligência artificial. Conta com a inteligência artificial Copilot, por exemplo, da Microsoft. Assim, já pagamos o pacote da Microsoft e o Copilot está à nossa disposição.
O segundo nível é a IA como copiloto. Aqui, não falamos especificamente do Copilot e do sistema, mas basicamente de ferramentas externas que usamos para pensar, criar e analisar, como um chat GPT ou outro LLM. Já em um terceiro nível, em uma terceira camada, falamos da IA integrada. É quando conseguimos fazer com que a IA converse com os sistemas corporativos. Geralmente, isso ocorre por meio de uma aplicação do que chamamos de API. Uma API é basicamente uma ponte que conecta um sistema a outro. Ou seja, podemos pegar nosso sistema corporativo, nosso sistema de gestão de pessoas, nosso sistema de ERP e conectá-lo com a OpenAI. Não é o chat GPT, mas o algoritmo da OpenAI, para que possamos usar a inteligência artificial da OpenAI de uma forma que nos seja transparente. Estamos usando o sistema corporativo, mas o sistema corporativo está entregando um resultado orientado por inteligência artificial, o que acontece muitas vezes quando usamos um chat da empresa para obter informações sobre políticas corporativas. É uma inteligência artificial que nos responde.
Por último, para encerrar este bloco de conceitualização teórica, queremos que entendam a diferença entre no-code e low-code. Quando falamos de no-code, referimo-nos a um sistema que funciona no estilo drag-and-drop (arrastar e soltar). É muito útil para quem sabe o que quer, mas não sabe programar. O vibe-coding de que se fala, essa tendência de que todos podemos ser programadores, sabor programação, estilo programador. Baseamo-nos muito no uso desse tipo de ferramenta. Por exemplo, quando usamos Zapier para fazer uma automatização, estamos usando uma plataforma de no-code, porque podemos criar um fluxo, sabemos criar um fluxo, e a partir desse fluxo criamos as automatizações apenas arrastando e soltando caixas.
Também podemos usar, por exemplo, esse modelo de no-code para fazer programações mais complexas. É do mesmo modelo de arrastar e soltar, mas adicionamos uma camada que necessita de código, um JavaScript, por exemplo, um Python, uma linha de código. E isso é o que chamamos de low-code. Então, se somos pessoas que não entendem nada da parte técnica e não desejam se desenvolver nessa área, está tudo bem. Se ficarmos na esfera do no-code, já podemos fazer muitas coisas. Agora, se somos pessoas mais curiosas e queremos explorar mais a fundo o potencial de ferramentas como N8n, por exemplo, que permitem automatizações mais robustas para conseguir, a partir de um e-mail recebido, enviar uma solicitação e que essa solicitação vá direto para o WhatsApp do cliente, uma camada de código pode ser interessante para nosso processo de aprendizado. Mas não vamos entrar nesse mérito aqui.
A pergunta de milhões, a que mais recebemos quando damos consultoria sobre o uso de inteligência artificial em organizações, é a seguinte: qual é a diferença entre a IA gratuita e a IA paga? Precisamos pagar o ChatGPT para que nossa equipe o use ou podemos simplesmente usar a versão gratuita e colocar todos para usá-la e está tudo bem? E damos três critérios que sempre mencionamos. Dizemos: depende. Normalmente, começamos a explorar e brincar com ferramentas gratuitas, mas quando queremos fazer um uso sério, usamos as pagas, porque temos muito mais segurança da informação.
Aqui, um ponto importante: a ferramenta gratuita serve para explorar, mas disponibilizamos nossos dados. Lembrem-se de que quando o produto não tem preço, nós somos o produto. Disponibilizamos nossos dados para treinar o modelo de IA. Não significa que esses dados vão ficar no Google, não é isso. Mas imaginem que estamos subindo um plano estratégico de nossa empresa para os próximos cinco anos e queremos que faça um resumo para nós. Recebemos isso da direção, colocamos no ChatGPT gratuito e pedimos para fazer um resumo desse relatório em Gemini. Faz um resumo desse relatório e nos dá três perguntas estratégicas para fazer. Ótimo uso. Mas esse modelo que nos entregará essas perguntas e esse resumo se apropriará desses dados. E, eventualmente, um usuário de outra empresa, que inclusive pode ser concorrente, pode entrar e dizer: você é um estrategista de negócios, ajude-me a criar três estratégias que possam gerar crescimento substancial para minha empresa nos próximos cinco anos. E então nosso plano estratégico, pensado por pessoas extremamente especializadas, nutriu a Inteligência Artificial que vai recomendar ao nosso concorrente o que pensamos. É seguro que isso ocorrerá? Não, mas pode ocorrer. E por isso, quando falamos de dados sensíveis, não os colocamos na Inteligência Artificial gratuita.
Diferentemente dela, os modelos privados são privados e fechados. Temos um acordo de confidencialidade que assegura que nossos dados não servirão para treinar as máquinas. E essa talvez seja a grande diferença do ponto de vista de segurança. Também falamos do ponto de vista do "cérebro" dos modelos. Os modelos gratuitos têm respostas mais genéricas e simples porque não querem gastar tantos recursos. Os modelos pagos têm um raciocínio lógico e técnico superior. Temos acesso a versões mais robustas de respostas. Entregarão resultados mais consistentes para nós, menos aquele resultado pasteurizado que temos visto. Também há uma questão de capacidade. Então, para textos curtos, para entregas muito específicas, queremos que nos ajudem a refinar essa mensagem. Está bem, o modelo gratuito servirá. Agora, se precisamos subir um documento mais robusto, criar um texto mais elaborado, criar uma documentação mais estratégica, aí precisamos de um modelo pago, porque terá muito mais capacidade para fazer essa entrega.
Resumindo, a IA gratuita pode servir para explorar, para aprender, para aculturar a equipe, para diminuir resistências e para ensinar as pessoas a entenderem qual IA faz mais sentido dentro de nossa empresa. Mas para um uso estratégico que terá melhor desempenho e garantirá segurança, vale a pena escolher a que melhor atendeu à demanda e pagar para que nossa equipe possa usá-la.
Também queremos explicar, muito brevemente, o conceito de IA de borda, porque falamos muito dos modelos LLM no digital, usados na nuvem, no computador, no smartphone. Mas dependendo da liderança, se falamos de uma indústria, se falamos de varejo, vamos para outro nível. E aí podemos usar a IA que sai do digital e vai para o ambiente físico, por meio de câmeras e sensores inteligentes que rastreiam o movimento, que podem disparar automatizações a partir de uma determinada ação. Falamos de wearables, por exemplo, aqueles óculos inteligentes da Meta, da Ray-Ban com Meta, que podem executar ações a partir do próprio dispositivo. Então, a diferença, quando falamos de IA de borda, é que em vez de capturar, enviar para um sistema e que a pessoa no sistema execute algo, pode resolver tudo ali no ambiente físico. Está treinada para tomar ela mesma uma decisão e gerar uma ação a partir disso.
O melhor exemplo que temos hoje no Brasil, que conhecemos, para que explorem se quiserem saber mais, é o caso dos depósitos, dos armazéns inteligentes da Natura, que usam inteligência artificial para comandar toda a automatização. É um armazém que não tem nenhuma pessoa operando. E operam milhões todos os dias. Vale a pena investigar.
Agora, para encerrar esta aula, queremos que investiguem na prática alguns usos inteligentes de inteligência artificial em suas empresas. Então, onde já influencia em suas decisões? Façam uma lista e reflitam. Em que áreas já se usa hoje? Quem define os critérios de uso? Existe uma definição de critérios de uso? Conhecemos os impactos dessas decisões? Qual é nosso papel dentro dessa jornada da IA em nossa empresa?
No próximo vídeo, vamos entender um pouco melhor sobre como a inteligência artificial aprende e como podemos nos apropriar desse conhecimento para tomar nossas decisões.
Agora que já entendemos os conceitos básicos sobre inteligência artificial, vamos aprofundar nosso conhecimento sobre como a inteligência artificial aprende. Isso vem da compreensão de padrões em grandes volumes de dados. Isso significa que precisamos de um conjunto de dados, da identificação desses padrões, da separação desses padrões em categorias, para, a partir disso, prever probabilidades. Assim, quanto mais dados tivermos, melhor será a previsão. Por isso, se tivermos um CRM, por exemplo, em nossa empresa, conectado com inteligência artificial, ele não fará milagres se não inserirmos dados nele. Podemos pensar nos dados como o combustível de um carro. A inteligência artificial, o CRM, é o carro, mas sem combustível, ele não vai a lugar algum. Portanto, os dados servem como combustível para nossos modelos, quaisquer que sejam. Quanto mais dados tivermos, melhor será a qualidade da resposta.
Para entendermos um pouco a evolução, quando falamos de IA generativa, nos referimos a modelos como o ChatGPT, que surgiram em 2022. No entanto, a inteligência artificial em geral surgiu como um campo de conhecimento desde os anos 50 do século passado. Assim, tivemos a primeira visão de Alan Turing, considerado o pai da inteligência artificial, que criou uma prova chamada Teste de Turing. Essa prova dizia que, se uma pessoa conversasse com uma máquina e não fosse capaz de saber que, do outro lado, era uma máquina se comunicando, então esse modelo teria passado no Teste de Turing. Desde então, houve muito desenvolvimento e pesquisa, especialmente no âmbito acadêmico. Mas a tecnologia avança à medida que outras tecnologias habilitadoras avançam conjuntamente. Foi necessário chegar a um momento em que havia conectividade, ou seja, pessoas conectadas à internet, um grande volume de dados disponíveis e tecnologia que permitisse a essas IAs acessar esses dados para absorver esse conhecimento e aplicá-lo. Assim, surgiram os primeiros modelos de linguagem, como os LLMs.
O ChatGPT, que surgiu em 2022, é considerado um marco na popularização e democratização desse conhecimento, que vem de muito antes. Nesse momento, todos passamos por uma etapa de curiosidade, descoberta, entendendo a IA como assistente de texto, brincando com a inteligência artificial, criando, houve uma época de grande entusiasmo em que as pessoas criavam parceiros de inteligência artificial por diversão para publicar na internet. Passamos por esse uso mais recreativo, que faz parte do processo exploratório.
Em 2023, começamos a entrar em um nível de maior profundidade nessa experimentação. As empresas começaram a perceber que já havíamos passado dessa fase, todos estavam explorando, todos usavam de alguma forma, e começaram a se perguntar como poderiam incorporar isso em sua rotina empresarial. Então, começamos a usar a IA para a produtividade individual e para a corrida pelos primeiros casos de uso, prioritariamente. Assim, todas as empresas começaram a fazer algum investimento porque queriam ser pioneiras em seu setor, em seu segmento. No entanto, tivemos muitos tropeços nesse período. Passamos por um processo de muitos erros, aprendizado e alguns acertos, que nos levaram ao próximo passo, que começou em 2024 e culminou em 2025, que foi pensar a IA de forma concreta: em projetos, em dados, em governança, nas barreiras entre piloto e escala. Funciona muito bem em um projeto pequeno, mas não podemos escalar isso para toda a organização. O custo é muito alto, e não conseguimos medir o retorno do investimento.
Quando entramos em 2025, fizemos isso com um olhar muito centrado em como medir o retorno sobre o investimento (ROI) da IA. Como podemos saber se isso está apenas sendo interessante ou se está se tornando um desperdício, ou se, de fato, está agregando valor estratégico ao nosso negócio? Em 2025, começamos a aprofundar o entendimento sobre isso ao mesmo tempo em que surgiu o conceito de IA agêntica. Saímos desse modelo de IA como assistente que simplesmente nos dá a resposta, mas que depende de nós para levarmos essa resposta a outro lugar, e criamos um espaço de autonomia para essa inteligência artificial. A IA agêntica é como se fosse uma pessoa colaboradora dentro da empresa, mas baseada em inteligência artificial. Ela pode executar tarefas de forma autônoma, fazer sua própria revisão de erros, fazer correções, realizar as entradas e saídas por si só para poder entregar o necessário, em vez de simplesmente sugerir.
E qual é o próximo passo? A partir de 2026, estamos olhando para a integração desses sistemas. Estamos caminhando para um mundo híbrido entre agentes de IA operando de forma autônoma junto com equipes humanas. Esse nível de autonomia tenderá a aumentar, mas só aumentará na medida em que formos sentindo segurança. Também ocorrerão muitos equívocos, haverá muitas falhas, e tudo isso gera aprendizado. É importante que esse aprendizado não gere medo que bloqueie a tecnologia, mas sim que nos ajude a entender quando não faz sentido. Assim, conseguimos desenvolver ainda mais nosso senso crítico para usá-la de forma mais estratégica.
Também é importante ter cuidado com os erros da IA. A IA comete erros de maneira muito confiante. Está absolutamente segura de qualquer coisa que diz. Mas, para cada pergunta complexa, sempre existe uma resposta simples, rápida e equivocada. Por isso, podemos ter a IA errando com a mesma confiança com que acerta. Precisamos ter sempre essa supervisão humana para evitar que esse erro chegue ao cliente ou ao negócio de forma mais sistêmica.
Vamos entrar um pouco na compreensão desta IA de chat versus IA agêntica.
Quando falamos de IA de chat, como o ChatGPT, estamos nos referindo a um sistema que responde perguntas e gera textos, imagens e vídeos, produzindo saídas para nossas solicitações. Basicamente, ele nos entrega algo que podemos levar para outro contexto. Quando falamos de IA agêntica, estamos conferindo autonomia a esse modelo para tomar decisões. Assim, ele terá a capacidade de operar sistemas e tomar decisões sem intervenção humana. Portanto, precisamos definir os limites dessas decisões que podem ser tomadas.
Existem diferentes modelos. Um ser humano pode ser generalista, o que é uma vantagem estratégica. Uma pessoa generalista é alguém que pode ter uma visão mais holística do negócio, pois, mesmo que tenha uma área de especialização, geralmente domina outras áreas de forma sistêmica. Por exemplo, nossa área pode ser estratégia e negócios, mas também temos conhecimento em gestão de projetos, tecnologia e design. Isso é excelente. A IA, por outro lado, precisa ser um hiperespecialista. Quando falamos de agentes, precisamos de um agente para cada tarefa específica, como análise de crédito ou correlação com inadimplência. Podemos ter um supervisor de IA que, ao receber uma solicitação, identifica qual agente tem a melhor capacidade para atendê-la. Esse agente, após executar a tarefa, pode devolver o resultado diretamente ao supervisor, entregá-lo como saída ou distribuí-lo para outro agente, caso seja necessário realizar outra tarefa.
Esse é um nível de tomada de decisões que dependerá da arquitetura de IA adotada pela empresa. O importante é definir os limites das decisões que a IA pode tomar e onde devem estar as bandeiras vermelhas ou alertas que uma pessoa deve revisar antes que a ação seja executada. Quando falamos de produtividade, não se trata apenas de substituir pessoas no processo e colocar a IA para fazer tudo, esperando o mesmo desempenho. Isso ainda não é possível. Precisamos reduzir o tempo e o esforço das pessoas em tarefas repetitivas para escalar a produção. Assim, teremos menos pessoas executando mais tarefas com o apoio da IA. Esses agentes devem entregar às pessoas o resultado final para que elas apenas revisem e verifiquem se faz sentido ou se há alguma anomalia.
Quanto mais autonomia conferimos à IA, maior é a responsabilidade da liderança. Se damos muita autonomia, temos mais responsabilidade. Se a autonomia é baixa, o risco diminui, e a responsabilidade sobre a IA também. Um dado importante é que uma pesquisa da Gartner, publicada no ano passado, prevê que, até 2028, 15% das decisões cotidianas no trabalho serão tomadas de forma independente por agentes de IA. Assim, o papel do líder passará de revisar textos para governar agentes. Já lideramos projetos e pessoas, e agora lideraremos pessoas que trabalham com agentes de IA de forma integrada. Estamos prontos para essa gestão?
Para sintetizar a diferença, quando falamos de IA conversacional, como o ChatGPT, referimo-nos a um fluxo de resposta pronto. Essa IA não tem autonomia; apenas entrega o que foi solicitado. Se a entrega estiver incorreta, é nossa responsabilidade revisar, identificar erros e fazer as correções necessárias. Ela não executa ações externas e tem uma persistência pontual. Dependendo do modelo, considera todo o histórico de conversas para entender o contexto.
Quando falamos de IA agêntica, ela opera de forma autônoma, planejando, agindo e ajustando-se sozinha. Se cometer um erro, ela mesma corrige e entrega o resultado. Opera com um nível de autonomia controlada, executa e monitora, e tem persistência contínua enquanto a API estiver funcionando e houver crédito para operar.
Entre essas duas, temos um modelo de IA conversacional mais sofisticado, como o Manos AI. Quando solicitamos que ele faça uma planilha ou apresentação, ele entende o objetivo, planeja as ações, executa, revisa e ajusta para entregar exatamente o que foi pedido. Opera com autonomia controlada, limitada à tarefa, e considera o contexto da conversa para entregar a tarefa. Pode buscar informações na web, mas opera dentro da conversa. Tem capacidade de execução pontual, diferente da IA agêntica, que pode agir por conta própria. A persistência é apenas durante o fluxo; ao terminar a tarefa, termina seu poder de agente.
Entender essa diferença não está na qualidade da resposta, mas no grau de autonomia e capacidade de ação da inteligência artificial. Agora que compreendemos isso, vamos explorar mais no próximo vídeo sobre quando utilizar e quando não utilizar a inteligência artificial em nossos processos internos.
O curso IA para Lideranças: Fundamentos e visão estratégica possui 175 minutos de vídeos, em um total de 40 atividades. Gostou? Conheça nossos outros cursos de Softskills e Carreira em Inovação & Gestão, ou leia nossos artigos de Inovação & Gestão.
Matricule-se e comece a estudar com a gente hoje! Conheça outros tópicos abordados durante o curso:
O Plano Plus evoluiu: agora com Luri para impulsionar sua carreira com os melhores cursos e acesso à maior comunidade tech.
2 anos de Alura
Matricule-se no plano PLUS 24 e garanta:
Jornada de estudos progressiva que te guia desde os fundamentos até a atuação prática. Você acompanha sua evolução, entende os próximos passos e se aprofunda nos conteúdos com quem é referência no mercado.
Programação, Data Science, Front-end, DevOps, Mobile, Inovação & Gestão, UX & Design, Inteligência Artificial
Formações com mais de 1500 cursos atualizados e novos lançamentos semanais, em Programação, Inteligência Artificial, Front-end, UX & Design, Data Science, Mobile, DevOps e Inovação & Gestão.
A cada curso ou formação concluído, um novo certificado para turbinar seu currículo e LinkedIn.
Acesso à inteligência artificial da Alura.
No Discord, você participa de eventos exclusivos, pode tirar dúvidas em estudos colaborativos e ainda conta com mentorias em grupo com especialistas de diversas áreas.
Faça parte da maior comunidade Dev do país e crie conexões com mais de 120 mil pessoas no Discord.
Acesso ilimitado ao catálogo de Imersões da Alura para praticar conhecimentos em diferentes áreas.
Explore um universo de possibilidades na palma da sua mão. Baixe as aulas para assistir offline, onde e quando quiser.
Luri Vision chegou no Plano Pro: a IA da Alura que enxerga suas dúvidas, acelera seu aprendizado e conta também com o Alura Língua que prepara você para competir no mercado internacional.
2 anos de Alura
Todos os benefícios do PLUS 24 e mais vantagens exclusivas:
Chat, busca, exercícios abertos, revisão de aula, geração de legenda para certificado.
Envie imagens para a Luri e ela te ajuda a solucionar problemas, identificar erros, esclarecer gráficos, analisar design e muito mais.
Aprenda um novo idioma e expanda seus horizontes profissionais. Cursos de Inglês, Espanhol e Inglês para Devs, 100% focado em tecnologia.
Escolha os ebooks da Casa do Código, a editora da Alura, que apoiarão a sua jornada de aprendizado para sempre.
Para quem quer atingir seus objetivos mais rápido: Luri Vision ilimitado, vagas de emprego exclusivas e mentorias para acelerar cada etapa da jornada.
2 anos de Alura
Todos os benefícios do PRO 24 e mais vantagens exclusivas:
Envie imagens para a Luri e ela te ajuda a solucionar problemas, identificar erros, esclarecer gráficos, analisar design e muito mais de forma ilimitada.
Escolha os ebooks da Casa do Código, a editora da Alura, que apoiarão a sua jornada de aprendizado para sempre.
Conecte-se ao mercado com mentoria individual personalizada, vagas exclusivas e networking estratégico que impulsionam sua carreira tech para o próximo nível.
