Inverno da Inteligência Artificial: Uma An&aacut= e;lise sobre a Viabilidade Operacional e Econômica sob Ótica de Investimento

Artificial Intelligence Wint= er: An Analysis of Operational and Economic Viability from an Investment Perspecti= ve

Egon Sewald Junior<= /span>

https://orcid.org/0000-0002-9092-9555

Doutor em Engenharia e Gestão de Conhecimento. Instituto Federal de Santa Catarina (IFSC) – Brasil. egon.junior@ifsc.edu.br.

Rodrigo Prazeres
https://orcid.org/0009-0002-7955-1309

Estudante de Gest&ati= lde;o de Tecnologia da Informação. Instituto Federal de Santa Catarina (IFSC) – Brasil.

rodrigo.sp06@aluno.if= sc.edu.br

Lucas Borguezan
https://orcid.org/000= 9-0006-6578-2412

Estudante de Gest&ati= lde;o de Tecnologia da Informação. Instituto Federal de Santa Catarina (IFSC) – Brasil.

lborguezan@gmail.com<= o:p>

Huriel Andrade Allesio

= https://orcid.org/0009-0006-0123-1400

Tecnólogo em Gestão de Tecnologia da Informação. Instituto Federa= l de Santa Catarina (IFSC) – Brasil.

hurielandrade@hotmail= .com.

RESUMO

No atu= al cenário empresarial em constante evolução, a adoção estratégica da Tecnologia da Informação e Comunicação (TIC) tem se mostrado essencial para a obtenção de vantagens competitivas e o alcan= ce dos objetivos organizacionais, e isso inclui as aplicações de Inteligência Artificial (IA). Nesse contexto dinâmico, a análise de investimentos em práticas de TIC e da IA desempenh= a um papel crucial, onde a distinção entre gastos e investimentos = se torna um ponto-chave de deliberação para os gestores administ= rativos. O presente estudo tem o objetivo de analisar os eventos conhecidos como Inv= erno da IA e relacionar com problemas causados pela falta de visão dos gestores administrativos sobre o dispêndio financeiro da TIC e IA, bem como a análise de viabilidade e retorno de investimento desse dispêndio.

Palavras-chave: inteligência Artificial; análise de investimentos= em TIC; inverno da IA;

<= /o:p>

ABSTRACT

In the current business scen= ario that is constantly evolving, the strategic adoption of Information and Communication Technology (ICT) has proven to be essential for obtaining competitive advantages and achieving organizational objectives, and this in= cludes the applications of Artificial Intelligence (AI). In this dynamic context, = the analysis of investments in ICT and AI practices plays a crucial role, where= the distinction between expenses and investments becomes a key point of deliberation for administrative managers. The present study aims to analyze= the events known as AI Winter and relate them to problems caused by administrat= ive managers' lack of vision regarding the financial expenditure of ICT and AI,= as well as analyzing the feasibility and return on investment of this expendit= ure.

Keywords: artificial intelligence; ICT investment analysis= ; AI winter.

Recebido em 01/09/2024. Aprovado em 06/11/2024. Avaliado pelo sistema double blind peer review. Publicado conforme normas da ABNT.

https://doi.org/10.22279/navus.v16.200= 9

1 INTRODUÇÃO

Com a cresce= nte informatização do mundo, as organizações perceb= em a atual necessidade do uso da tecnologia, utilizando cada vez mais soluções de TIC para a agilização de seus proce= ssos e entre eles os projetos de Inteligência Artificial.

Segundo ITSS= (2019) o departamento de TIC (Tecnologia da Informação e Comunicação) vem se tornando cada vez mais importante dentro = de uma organização, desempenhando um papel essencial para cumprimento do que a empresa tem como visão, e para isso é necessário que um determinado gasto seja aplicado na área, se= ja para sistemas que facilitarão ou integrarão os recursos utilizados pela empresa, profissionais capacitados, segurança dos da= dos, automatização de processos etc.

Mesmo atualm= ente sendo uma das áreas importantes para o funcionamento de uma organização, sendo necessária praticamente em todos os setores, os investimentos contínuos na área de TIC ainda não são considerados como algo essencial. Muitas empresas ain= da veem o orçamento da TIC como custo, como aponta 4Infra (2018, p. 1): “Os gestores que pensam dessa forma entendem que, se o negócio cresceu até o momento com os recursos tradicionais, não seria preciso gastar com a inovação na área de TI”. Es= te pensamento pode dificultar o papel que o gestor de TIC pode vir a executar = na organização, porém esta visão também aca= ba por ser suportada por muitas vezes a área de TIC não agir conforme a estratégia da empresa, ou não produzir nada que po= ssa gerar valor ao negócio.

Para a dissolução desta ideologia empregada na forma como os donos e demais setores observam os investimentos de TIC, os gestores têm de tornar a TIC uma área estratégica e não apenas de supo= rte para o negócio, mostrando seu valor e importância. Entre tais investimentos, podemos apontar aqueles relacionados nas aplicações que utilizam Inteligência Artificial (IA).

A intelig&ec= irc;ncia artificial emergiu como uma força transformadora na sociedade contemporânea, após um período de baixa aderência, impulsionando mudanças profundas nas mais diversas áreas e setores, geralmente facilitando e ou automatizando processos, porém não se limitando apenas a este tipo de aplicação. Desd= e os notáveis casos de sucesso como o desenvolvimento do sistema Bard pelo Google, a ascensão dos criadores de imagens artísticas como o Midjourney, e a revolução no campo de processamento de linguagem natural exemplificado pelo chat GPT.

A presença da IA é inegável e cada vez mais difundida. Estes avanços não apenas demonstram o potencial revolucionário da inteligência artificial, mas também colocam em destaque a discussão sobre = seu papel e impacto na sociedade.

No entanto, = mesmo por trás dos triunfos brilhantes da Inteligência Artificial, existe uma complexa realidade repleta de variáveis. Enquanto os caso= s de sucesso muitas vezes dominam nos meios de comunicação e se popularizam cada vez mais, é fulcral reconhecer que a eficáci= a da inteligência artificial não é universal e que ela pode encontrar obstáculos significativos em determinados contextos tornan= do-a inviável em algumas situações. A desproporção entre os casos de aplicações bem-s= ucedidas e os desafios enfrentados pela IA acarreta uma preocupação legítima sobre a possibilidade do retorno de um período de ba= ixo investimento e descredibilização conhecido como o "Inver= no da IA", um fenômeno que conforme analisado por Kleina (2018) mar= cou as décadas de 70 e 80 e que deixou marcas profundas no desenvolvimen= to da área.

Durante o período denominado "Inverno da IA", observou-se não apenas uma diminuição drástica na taxa de investimento nessa tecnologia, mas também uma confrontação direta c= om a intrincada complexidade associada à sua implementação, gerado em grande parte, devido às limitações substanci= ais na capacidade de processamento disponível na época. A ascensão dos chamados sistemas especialistas também desempenh= ou um papel crucial nesse cenário, como observado pela PUCRS (2023).

Segundo Kerschbaumer (2018, p.3), “Um sistema especiali= sta é uma forma de sistema baseado no conhecimento especialmente projeta= do para emular a especialização humana de algum domínio específico”. Durante o "Inverno da IA", esses sistem= as, que emergiram como protagonistas, apresentaram uma abordagem alternativa que visava replicar a expertise humana em domínios específicos de diversas áreas. Surgiram como uma resposta palpável aos desaf= ios enfrentados pela inteligência artificial naquele período, oferecendo uma estratégia alternativa para lidar com a complexidade = das tarefas e problemas que a IA enfrentava na época. Justamente por se concentrarem na emulação da especialização huma= na, esses sistemas propuseram uma solução concreta que superaram = as limitações técnicas e conceituais que dificultavam o progresso da IA.

Ao examinar = esses eventos históricos com atenção, observa-se que a história da inteligência artificial é marcada por uma alternância entre períodos de grandes avanços e empecil= hos significativos. Essa montanha-russa de progresso e retrocesso revela a natu= reza obscura do desenvolvimento da IA ao longo do tempo. É crucial compreender essas nuances para evitar a repetição de erros passados e promover um avanço consistente e sustentável no ca= mpo da inteligência artificial, sem cair no ciclo novamente.

Como constat= ado no ano de 2020, apenas 10% dos investimentos em inteligência artificial estavam gerando algum retorno para as empresas ITINSIGHT (2020), a possibilidade desta tecnologia estar chegando no momento de queda no ciclo = do "inverno da IA", não é apenas uma preocupação válida, mas um evento provável. Dia= nte de tal acontecimento, esta pesquisa visa justificar a relevância da inteligência artificial por via da análise crítica e abrangente da sua aplicação nos diversos setores em que se faz presente.

Além = de examinar a viabilidade operacional e econômica da Inteligência Artificial na área da tecnologia, buscamos compreender também= o potencial de retorno da IA tanto como ferramenta quanto economicamente nos setores em que é aplicada.

Assim sendo,= esta pesquisa se propõe não apenas a analisar o estado atual da inteligência artificial, mas seu escopo se estende para contextualiza= r as suas complexidades à luz das valiosas lições aprendidas com os "Invernos da IA" anteriores. Ao mergulhar nas raízes históricas da IA e examinar como as limitações tecnológicas do passado, juntamente com o surgimento dos sistemas especialistas, influenciaram o curso do seu desenvolvimento, almejamos extr= air insights significativos e pertinentes para orientar de maneira eficaz seu progresso futuro. A relevância desta pesquisa está voltada principalmente para a área de Gestão de Tecnologia da Informação, uma vez que frequentemente é incumbido aos gestores a função de analisar as melhores estratégias = de inovação dentro das empresas ou instituições em= que atuam.

Ao investiga= r as organizações que não alcançam o retorno desejad= o ou sequer um que seja satisfatório para seus investimentos em inteligência artificial, tenta-se identificar padrões e condições que possam estar associados às falhas na aplicação dessa tecnologia. Essa análise crítica não procura apenas contribuir para o avanço do conhecimento na área, mas também fornecerá percepções valiosas para os gestores de TI na tomada das decisões relacionadas a estratégias de implementação de IA nos diversos setore= s que podem se beneficiar da tecnologia como ferramenta.

Desta forma,= o problema central desta pesquisa situa-se na identificação os fatores críticos que levam ao sucesso ou a falha em projetos que ten= tam aplicar a inteligência artificial visando evitar a repetição do ciclo do “inverno da IA”.

<= /o:p>

2 PROCEDIMENTOS METODOLÓGICOS

<= /o:p>

Segundo a abordag= em proposta por Almeida (2011), “os estudos científicos podem ser caracterizados a partir dos seus objetivos”. Sendo assim, quanto aos objetivos, este estudo se caracteriza como uma pesquisa exploratória= , na qual ainda segundo Almeida (2011, p.31 apud Gil, 2007), “não basta que o autor tenha pouco conhecimento sobre o tema”, então, “explora-= se a realidade em busca de maior conhecimento”.

Quanto à s= ua natureza, “objetiva gerar conhecimentos para aplicação prática e dirigidos à solução de problemas específicos. Envolve verdades e interesses locais.” (Silva e Menezes, 2005, p.20). Logo pode ser caracterizada como uma pesquisa aplicad= a.

Quanto aos procedimentos, conforme Almeida (2011), serão usadas as seguintes técnicas: pesquisa bibliográfica, com a finalidade de buscar = em livros e artigos científicos, relações entre conceitos, características e ideias; análise documental, para analisar documentos e relatórios de uma organização governament= al; e a elaboração de ensaio que necessita de um novo processo de validação, por meio de estudo de caso de sua aplicação.

<= /o:p>

3 FUNDAMENTAÇÃO TEÓRICA

<= /o:p>

Para fundamentar este trabalho, foram levant= ados, na literatura, conceitos relacionados ao uso de Inteligência Artifici= al, que subsidiam a elaboração do instrumento de pesquisa, bem co= mo sobre a análise financeira e retorno de investimentos.=

3.1 Inteligência Artificial

Na literatura, são encontrados divers= os conceitos para Inteligê= ncia Artificial. Teixeira (2019, p= .1), apresenta as especialidades envolvidas e a sua motivação:

Esses cientistas trabalham em várias áreas do conhecimento humano: linguística, psicologia, filoso= fia, ciência da computação etc. O que os reúne &eacut= e;, entretanto, uma característica comum: a ideia de que é possível criar “máquinas pensantes” e que o camin= ho para isso é o estudo e a elaboração de sofisticados programas de computador.

Assim como h= á uma diversidade de contextos nos quais a inteligência artificial pode= ser aplicada, também há uma ampla gama de abordagens e técnicas disponíveis para empregar essa tecnologia inovadora = de maneira eficiente e eficaz., como por exemplo redes neurais artificiais e a lógica fuzzy. A rede Neural &eacu= te; definida por Haykin (2001, p. 28) como “um processador maciçamente e paralelamente distribuído constituído de unidades de processamento simples, que têm a propensão natural para armazenar conhecimento experimental e torná-lo disponível para o uso”.

&nb= sp; A lógica fuzzy por sua vez sendo uma forma de refletir como as pessoas pensam, sendo modelada a partir do senso comum, visando transformar sistemas inteligentes mais adequados à realidade humana (Marro et= al., 2010).

&nb= sp; A avaliação da viabilidade da inteligência artificial em contextos específicos é essencial quando consideramos sua aplicação prática. A interdisciplinaridade é extremamente importante e crucial nessa etapa do processo porque vai além de melhorar a base teórica e afeta a eficácia da implementação de soluções baseadas em IA. =

&nb= sp; Esse tipo de abordagem, que envolve mais de uma área de conhecimento, não apenas aumenta a compreensão das oportunidades e desafios associados à inteligência artificial, mas também fornece uma visão mais abrangente e aprofundada, o que permite desenvolver soluções mais inovadoras e eficientes para os problemas técnicos enfrentados no presente.

&nb= sp; A interconexão entre disciplinas como ciência da computação, engenharia, psicologia cognitiva e ética é essencial para moldar o cenário da IA. A abordagem interdisciplinar permite uma compreensão holística dos desafi= os e oportunidades associados à aplicação prática da= IA, além das barreiras técnicas tecnológicas.

&nb= sp; A IA, concebida dentro deste aspecto da interdisciplinaridade, tem muito a se beneficiar com a sinergia entre as diferentes disciplinas que a cercam, possibilitando o desenvolvimento de modelos teóricos mais robustos e preparados para o uso de humanos. No entanto, a viabilidade desses modelos só é verdadeiramente avaliada quando colocada a prova, enfrentando a complexidade dos ambientes de testes práticos.

&nb= sp; A aplicação real da IA requer uma adaptação e a integração de algoritmos, aprendizado de máquina e o processamento de dados em cenários do mundo que sejam condizentes co= m a realidade. A interdisciplinaridade torna-se cada vez mais crucial conforme o andamento da produção de uma Inteligência artificial, c= om contribuições específicas de disciplinas como psicolog= ia cognitiva para a compreensão da interação entre os sistemas inteligentes e os usuários humanos, e da ética para garantir o uso responsável e equitativo e moral da tecnologia.<= /o:p>

&nb= sp; Questões como privacidade, viés algorítmico, transparência e responsabilidade são o principal assunto quando se trata desse debate ético. Como por exemplo, o uso de dados pessoais sem limitações para treinar as inteligências artificiais po= de violar a privacidade dos usuários e gerar desconfiança em relação à IA.

A exemplo de casos recentes de uso indevido de obras de criadores para treinar inteligências artific= iais têm despertado indignação entre alguns usuários,= e principalmente os artistas, levantando preocupações ét= icas e legais sobre direitos autorais. Uma opinião comum entre eles &eacu= te; a de que essa prática desvaloriza o trabalho dos artistas e ameaça a integridade das IA. Exige-se regulamentação e conscientização para garantir o respeito aos direitos dos criadores e promover um desenvolvimento, como citado anteriormente, mais ético da tecnologia. De acordo com Gil (2024):

Desde o surgimento do Midjou= rney e de outras ferramentas geradoras de imagens, os artistas têm se perguntado se a IA é uma grande oportunidade ou uma ameaça existencial. Agora, parte deles chegou à resposta: 16 mil artistas assinam uma lista exigindo o pagamento de direitos autorais por imagens suas que o sistema de IA teria usado sem permissão. (on-line)<= /span>

Além disso, o viés algorítmico pode resultar em decisões discriminatórias= e injustas, como dito por Garcia (2020, p. 22):

[...] Para um uso consciente e com menos vieses, = faz-se indispensável uma abordagem multidisciplinar, que inclua especialistas em Ética, cientistas sociais, e especialistas que melhor entendam as nuances de cada área de aplicação de Inteligência Artificial.

Assim, ao explorarmos a aplicação prática da IA, reconhecemos que sua viabilidade vai além da competência técnica. A integração harmoniosa de diversas disciplinas não apen= as aprimora a concepção teórica, mas também impuls= iona a efetividade e aceitação das soluções de IA em= um mundo diversificado e dinâmico. Essa abordagem holística &eacu= te; essencial para o desenvolvimento sustentável e ético da inteligência artificial no cenário contemporâneo.=

3.1.1 Tipos de inteligências artificiais=

A intelig&ec= irc;ncia artificial é um campo extenso e complexo, portanto, a noção de máquinas inteligentes é muito mais complexa do que aparenta ser. A inteligência artificial é uma mistura de diferentes paradigmas, metodologias e técnicas, cada uma = com suas próprias características e usos.

Como tal, compreender a diversidade dos tipos de IA é essencial para compreend= er o alcance e as limitações dessa tecnologia. As diferentes forma= s de inteligência artificial podem variar de simples sistemas de IA destin= ados a executar tarefas específicas com alta eficiência até visões mais ambiciosas de inteligência artificial que podem executar qualquer tarefa cognitiva humana.

Começ= ando pelo tipo mais simples, que conforme Adobe (2024), são cerca de 3 ma= is comuns a IA limitada, não aprende nada além do que é preciso para executar uma tarefa específica. A inteligência artificial limitada inclui geradores de imagem, processadores de linguagem natural e reconhecimento de imagem. Nessa categoria as = IAs podem, por exemplo, entender comandos de v= oz. A IA generativa, por exemplo, é um subcampo da IA limitada.

Seguindo par= a algo com um nível maior de complexidade, as Máquinas reativas some= nte reagem a estímulos, não armazenam memória para consult= as futuras, esta parte é composta por filtros de spam e sistemas de rec= omendações de conteúdo para lazer ou para compras.

Por fim tem-= se a IA de memória limitada, diferente da rativa= , essa é capaz de armazenar dados para gerar conhecimento e aprender a part= ir desses. Esse tipo de IA é amplamente usado para previsão de tendências e está presente em tanto chatb= ots como em carros autônomos.

Existem algu= mas outras divisões para a inteligência artificial, porém, = como dito por Costa (2023), alguns tipos de IA estão em fase teóri= ca, portanto não existem ainda, por exemplo as superinteligências Artificiais, portanto, serão levadas em consideração p= ara esta pesquisa, somente os três tipos apresentados.

3.1.2 Fatores críticos

Além = da tecnologia em si, vários elementos essenciais determinam o sucesso d= a inteligência artificial. Esses elementos determinam a aplicabilidade, a eficácia = e a precisão das soluções de IA no mundo real. Para garant= ir que essa ferramenta funcione corretamente e traga algum valor significativo= e sustentável a longo prazo, qualquer iniciativa precisa entender como atender alguns des= ses aspectos. A partir deste tópico, serão analisados os principa= is fatores que promovem a IA a um bom funcionamento.

De acordo co= m a Spivit (2023), o primeiro passo é ter definido= os objetivos que a ferramenta atenderá, para poder medir com maior precisão o valor que pode ser gerado e o impacto para a organização. Outra etapa essencial gira em torno de definir a arquitetura de plataforma de dados, para ter dados concisos, confiáv= eis e robustos, analisando se é mais estratégico comprar, criar ou modernizar alguma infraestrutura preexistente.

Ainda segund= o a Spivit (2023) levar em consideração o usuário da IA é algo que afeta o sucesso de uma implementação, dando tanto a funcionários como clientes tenham acesso ao conhecimento necessário para fazer bom proveito do poder operacional de uma IA.

Uma organização que faz o uso de inteligência artificial de= ve ter acesso contínuo ao aprendizado e desenvolvimento, apoio da liderança e um sistema de gerenciamento de mudanças eficaz (<= span class=3DSpellE>Spivit, 2023). O modelo deve ser eficiente e alinhar-= se com o plano da empresa. Os líderes devem reconhecer o valor estratégico da IA e fornecer os recursos necessários. O gerenciamento de mudanças é necessário devido às possíveis mudanças causadas pelo uso da ferramenta. Alé= ;m disso, é fundamental que os funcionários tenham acesso contínuo ao aprendizado e desenvolvimento, é necessário que todos os níveis tenham treinamento em IA para manter-se atualiza= dos sobre as tecnologias e tendências mais recentes.

Em relação a dados mais técnicos, de acordo com a Itforum (2020), a coleta de dados se mostrou importantíssima como base para qualquer sistema de inteligência artificial, porém, depois de muita coleta, as organizaç&otild= e;es passam por momentos difíceis tentando limpar esses dados e gerenciá-los.

A Itforum (2020) trouxe como solução para= esse problema, o refinamento de dados, identificando e gerindo os dados cruciais para suas respectivas operações, garantindo que esses dados, quando precisos e pertinentes, estejam prontamente acessíveis para corroborar com as iniciativas.

3.1.3 IA no Brasil

Anteriormente foi abordado a necessidade de regulação da IA, e no Brasil foi instituída pelo gover= no a Estratégia Brasileira de Inteligência Artificial - EBIA. que t= em como papel (Brasil, 2021) “[...] nortear as ações do Es= tado brasileiro em prol do desenvolvimento das ações, em suas várias vertentes, que estimulem a pesquisa, inovação e desenvolvimento de soluções em Inteligência Artificial,= bem como, seu uso consciente, ético e em prol de um futuro melhor”= .

Todavia, de = acordo com Synthes (2024), a regulação d= a IA no brasil segue sendo um tema em desenvolvimento apesar de não possu= ir uma legislação específica ainda para IA no Brasil, exi= stem algumas iniciativas e projetos que já criados para tratar dessas questões relacionadas à sua regulação.

Fazendo um p= aralelo com o assunto abordado anteriormente relacionado a ética na aplicação da inteligência artificial, um dos principais desafios segundo Synthes (2023) é equili= brar a inovação com a proteção dos direitos individuai= s.

[...] A IA tem o potencial de trazer benefí= ;cios significativos para a sociedade, como o aumento da eficiência em dive= rsos setores, mas também pode ser utilizada de forma prejudicial, como a violação da privacidade ou a discriminação algorítmica. Portanto, a regulação deve encontrar um equilíbrio adequado entre esses interesses conflitantes. (on-line)

De acordo co= m Zendesk (2024) apesar do fato que o Brasil está= ; em processo de transformação digital e adotando de forma crescen= te a inteligência artificial, o país ainda se encontra no rastro de outras nações no que tange o tópico de avanço da tecnologia. Isso mostra que por mais antenado às mudanças e abertos para a inovação e o avanço tecnológico, ainda existem barreiras a serem transpass= adas para que o país chegue no pináculo da interação tecnológica com o meio social.

Ainda seguin= do as palavras de Zendesk, foi concluído que os principais desafios culturais que mais protelam a integral adoç&atil= de;o da IA aparecem em relação a uma lacuna de conhecimento.

Uma das prin= cipais barreiras é o medo relacionado perder o emprego ou ser substituído por uma IA. Esse medo gera uma resistência, mais p= or parte dos empregados do que pelos donos das empresas.

Zendesk ainda diz que a falta de confiança, compreensão, habilidade e conhecimento são pontos que dificultam a adoção da IA. Isso demonstra que muito se fala sobre a Inteligência artificial, mas pouco se explica e ensina sobre ela fora do meio acadêmico.

Um estudo fe= ito pela Distrito (2021) mostra que o maior número de startups ligadas a IA, oferecem IA as a service, seguido pelas que propõem soluções de BI e em terceiro lugar as que traz= em para o âmbito de saúde de biotecnologia.

Seguindo com= o estudo da Distrito (2021), foi levantado que as startups de inteligên= cia artificial estão concentradas no sudeste = e no sul, mostrando uma somatória de aproximadamente 92% da concentração do país.

Em relação aos setores, os que mais cresceram em um perío= do de 5 anos foram os de mídia e Entretenimento, com um crescimento de cerca de 800% seguido do setor imobiliário com pouco mais de 500%

E por fim, as funções da ferramenta que mais cresceram de acordo com esse estudo (2021), no top 3 foram: Sistemas de recomendação, AIaaS (AI as a service) e= chatbots com respectivamente 250%, 158% e 104% de tax= a de crescimento aproximada.

3.2 I= nverno da IA

Um período de baixo entendimento e investimento no meio da inteligência artificial, como exemplificado p= or Taulli (2020, p.28): “Apenas um é a desambiguaçã= o. Essa é a situação na qual uma palavra tem mais de um significado. Isso contribui para a complexidade de um programa de IA, uma v= ez que ele também terá de entender o contexto..

Diante deste= e de outros contextos históricos, emergiu o denominado 'Inverno da IA'. Aprofundar a análise desse período é de suma importância para o escopo desta pesquisa, haja vista que a compreensão detalhada da história desempenha um papel crucial= na identificação de padrões que possuem potencial impacto= no desenvolvimento futuro da inteligência artificial.

O dito segun= do inverno da IA, período na década de 90 marcado pela redução de financiamento e controvérsias em sua aplicação, ainda trouxe avanços como a “adoção de formalismos baseados em probabilidades, estatísticas e otimização” (Amaral, 2023, p. 5).=

É inegável que a redução de financiamento e as controvérsias durante esses períodos conturbados tiveram consequências significativas. No entanto, deve-se compreender que os desafios têm a capacidade de impulsionar mudanças e inovações no campo. Como demonstrado no exemplo citado por Am= aral (2023), a necessidade de encontrar soluções diante de restrições financeiras incentivou a adoção de n= ovas técnicas que foram baseadas em probabilidades, estatísticas e otimização. Essa mudança de paradigma não apenas permitiu uma abordagem mais robusta e fundamentada na resoluçã= ;o de problemas, mas também catalisou o desenvolvimento de novas técnicas e algoritmos na inteligência artificial.

Contudo, &ea= cute; importante ressaltar que a falta de investimento pode, de fato, gerar atras= os na evolução da IA como ferramenta. É facilmente inferível que recursos financeiros são essenciais para sustentar pesquisas de alto nível de complexidade, a= ssim como a aquisição de dados relevantes e o desenvolvimento da infraestrutura necessária para o progresso contínuo do campo. Portanto, períodos de escassez de investimento podem resultar em uma desaceleração do ritmo de avanço da inteligência artificial, retardando potencialmente a aplicação prát= ica de novas descobertas e inovações. Assim, embora os desafios enfrentados durante o segundo inverno da IA possam ter implicações adversas, eles também servem como lembretes importantes do valor que pode ser gerado devido ao apoio contínuo e investimento no desenvolvimento deste campo que vem se tornando cada vez ma= is essencial no cotidiano da humanidade.

A exploração desse episódio histórico não apenas proporciona uma compreensão contextual mais ampla, mas também enriquece nosso conhecimento acerca das dinâmicas que conduziram a um declínio temporário no investimento e interes= se pela inteligência artificial. A identificação de padrões recorrentes e a compreensão das circunstâncias = que antecederam o “Inverno da IA” são cruciais para antecipar desafios potenciais e evitar repetições de episódios semelhantes no cenário contemporâneo.

Parreira (20= 21) mostra em sua pesquisa que a percepção da IA, no ambiente educacional, é vista pela maioria do corpo docente como algo que impulsiona e melhora o trabalho. Todavia, em virtude da baixa taxa de sucesso da aplicaç&atild= e;o da IA em diversas empresas (Bento, 2020), a imagem da IA tende a ser desprestigiada durante o período do inverno da IA. Uma relação paradoxal envolvendo a reputação da IA = com a sua taxa de sucesso e investimento.

Nesse contex= to, a análise histórica se revela não apenas como uma jornad= a ao passado, mas também como uma ferramenta estratégica para emba= sar decisões futuras. Ao examinarmos detalhadamente os fatores que contr= ibuíram para o Inverno da IA, somos capazes de extrair lições valiosas que orientarão a evolução da inteligência artificial. Essas lições, ao serem aplicadas, propiciam um desenvolvimento mais sustentável, eficaz e resiliente diante dos desafios que possam emergir no horizonte da IA.

Ao explorar = as intrincadas interações entre as condições históricas e o desenvolvimento da inteligência artificial, não apenas adquirimos uma visão mais abrangente dos eventos passados, mas também desenvolvemos uma base sólida para prever tendências futuras. Essa perspectiva, enraizada no entendimento profu= ndo do 'Inverno da IA', fortalece a posição desta pesquisa como um guia valioso para a implementação consciente e bem-sucedida da inteligência artificial no contexto contemporâneo.

3.3 Tendências e Desafios da IA=

A existência de inteligências artificiais é algo que sempre gerou debates, e um dos principais é a imprevisibilidade dessa ferramenta. quanto maior a liberdade dad= a a uma IA Durante seu processo de adquirir conhecimento e agrupamento de experiências, maior a imprevisibilidade desses aprendizados e dos ato= s a serem praticados (Tepedino e da Guia Silva, 2024), ou por outra, quanto men= os controle o criador da máquina tiver sobre ela, maior será a influência do ambiente em que ela se desenvolveu. <= /span>

Em um cen&aa= cute;rio onde a inteligência artificial é treinada em uma rede aberta, = os limites de controle sobre o conteúdo que ela absorve são significativamente reduzidos, tornando-se mais difícil prever ou reg= ular de forma precisa a gama de informações que ela pode assimilar= .

Atualmente, = somos confrontados com a enorme quantidade de conteúdo disponível devido a uma imensa quantidade de dados de navegação gerados = por bilhões de usuários da internet, que está intimamente conectada à inteligência artificial. Esse conteúdo passa por um processo de curadoria complicado para ser personalizado na tela do usuário, tendo essa quantidade massiva de dados disponíveis, = os usuários de muitas redes sociais modernas têm acesso a opções de preferências, que lhes permitem filtrar o conteúdo de acordo com seus interesses e necessidades, escolhendo de= ntre o extenso espectro de conteúdos, quais d= esejam consumir. Atualmente, a maior parte dessa filtragem é realizada através de Inteligência artificial usando particularmente processos de deep learning (Kaufm= an e Santaella, 2020).

O deep learning, que pode ser definido como o uso de redes neurais com uma extensa quantidade de camadas para um aprendizado profundo (Centeno, 2019), A forma meticulosa e inventiva como trata os dados está indicando uma tendência exponencial do mercado da IA leva= ndo a avanços tecnológicos revolucionários.

Atualmente, = um dos problemas mais desafiadores enfrentados na aplicação da IA é o longo período de tempo necessário para o processo de treinamento. Otimizar a agilidade e a eficiência do desenvolvimento de sistemas inteligentes vem sendo um tópico importante conforme a IA segue em evolução. Ten= do isso em vista, de acordo com Ludermir (2021), f= oram criados sistemas pré treinados, como o c= hat GPT, utilizando uma imensa quantidade de dados, justamente com o intuito de diminuir este tempo.

Ainda de aco= rdo com Ludemir (2021) as amostras podem estar enviesadas, e os conjuntos de treinamento fornecidos aos algoritmos durante o treinamento podem não representar bem a realidade. Nesse sentido, seria necessário que ser= es humanos fornecessem algumas informações adicionais para complementar o processo.

3.4 Alocação de Recursos Financeiros

A palavra alocação significa o ato ou ação de destinar recursos a um determinado propósito. Dentro de um negócio a alocação de recursos financeiros é necessária, assim como o estudo sobre separar quanto cada área de uma empresa terá disponível para realizar ou melhorar suas funções é de extrema importância, possibilitando= um maior controle de gastos, e um estudo em cima da possibilidade de investimentos.

Segundo Borg= es (2018) alocar recursos significa colocar algo ou alguém sequentement= e em um determinado lugar para outro, com o intuito de fluir da melhor maneira possível o projeto. A decisão de como e onde estes recursos financeiros serão alocados é do gestor administrativo, que desempenha um papel fundamental nisso.

Para Couttolenc e Zucchi (1998) “O conhecimento da distribuição dos recursos financeiros de acordo com critérios específicos (alocação) permite uma série de análises extremamente úteis, não s&oac= ute; para o gerente financeiro, mas também para os tomadores de decisão”. A visão dos autores traz a importância = da necessidade de conhecimento na alocação dos recursos financei= ros, informando que facilita análises prévias e posteriores na questão do uso de recursos de um projeto.

Os crit&eacu= te;rios para alocação de recursos podem variar dependendo do negócio e seu ramo, levando em consideração que possa = ser utilizada alguma metodologia para a criação destes critérios, porém o mais comumente utilizado para determinar e= sta alocação de recursos são a necessidade, merecimento e a efetividade do que foi ou será alocado. A necessidade se dá p= elo que o setor está passando no momento atual, o merecimento leva em consideração o que o setor realizou no passado, e a efetividade é relacionada ao futuro, onde é realizada uma análise de como o setor utilizará os recursos (GOLDIM, 2004).

3.5 Tomada de Decisão

Segundo Maçães (2018) “A tomada de decisão é um processo que consiste na identificação de um problema e na escolha entre as alternativ= as disponíveis para a resolução do problema”. Gesto= res administrativos lidam diariamente com decisões a serem tomadas para lidar com os problemas advindos dos processos exercidos pela organização, essas decisões devem estar alinhadas com = os objetivos a serem atingidos pelo planejamento estratégico proposto na organização.

O processo d= e tomada de decisão pode ser subdividido e estruturado em três tipos, c= ada um deles depende da forma que a necessidade decisão chega ao gestor = e também a forma de como se chega a tal decisão (Ansoff, 1990). Estes três= tipos são divididos em:

· Decisões estratégicas: As decisões estratégicas são consideradas as mais importantes, pois lidam com todo o eixo de desenvolvimento futuro da organização, dando uma maior importância para o lado ex= terno da empresa, como os produtos a serem produzidos e onde e para quem ser&atil= de;o vendidos. Possuem uma perspectiva de longo prazo, podendo afetar toda a organização pelo período de dois a cinco anos tendo co= mo objetivo o crescimento ou lucro para a organização. Estas decisões são geralmente tomadas pelos gestores no topo da organização, como diretores, CEO, CIO, et= c.

· Decisões administrativas: As decisões estratégicas têm como objetivo estruturar e ge= rir os recursos da organização, para que se possam criar possibilidades para a execução da estratégia de neg&oa= cute;cio, com a intenção de adquirir melhores resultados. Estas decisões levam em consideração os vários departamentos e atividades que a organização possui, com uma perspectiva de médio prazo entre um e dois anos. Estas decisõ= es são realizadas por gestores intermediários, como gerentes e gestores.

· Decisões operacionais: As decis&otild= e;es operacionais dependem das decisões estratégicas e decis&otild= e;es administrativas, pois tem como objetivo aumentar a eficiência e eficácia dos processos, sem alterar a estrutura ou a estratég= ia da organização. Possuindo uma perspectiva de curto prazo, algo que deva levar menos de um ano, sendo realizadas pelos gestores de base, co= mo supervisores e coordenadores.

· = Por muitas vezes os gestores administrativos não possuem os dados e informações bem estruturados e completos para realizarem suas decisões. Estes dados advindos internamente e externamente da organização, em parte não são mensurávei= s, fazendo com que os modelos e práticas de tomada de decisão te= nham de ser adequados conforme o cenário a ser aplicado. Contudo, atualme= nte há diversos modelos e práticas de tomada de decisão que podem ser escolhidos para se obter o melhor resultado, não há= um modelo correto ou um melhor que o outro, mas o que melhor se adequa a gestão praticada e as informações que o gestor possui = (Maçães, 2018).

Independente= do modelo de tomada de decisão escolhido pelo gestor, todos eles s&atil= de;o divididos por etapas (fases), podendo ser divididos em mais ou menos etapas= a serem seguidas. Para Simon (1965) o processo de tomada de decisão nas organizações tem 3 fases:

&nb= sp; 1. Prospecção: análise do problema

&= nbsp; 3. Concepção: criação de alternativas de solução

&= nbsp; 3. Decisão: julgamento e escolha de uma das alternativas

Porém= Simon (1965) também percebe que estas três fases funcionam para um modelo de tomada de decisão com uma abordagem racional, não s= endo possível assim atingir em seu máximo a escolha pela melhor decisão, buscando-se não a melhor decisão, mas sim a m= ais satisfatória (Heflo, 2018).

O setor de T= IC dentro de uma organização possibilita um melhor desempenho em relação a tomada de decisões pois proporciona ferramen= tas que auxiliam e simplificam todo o processo, como sistemas ERP e CRM, BI (Business Inteligence) e BSC (Balance Scorecard), estas ferramentas produzem uma gestão mais ágil e flexível, além de permitir uma tomada de decisão mais assertiva. (Telium Networks, 2018).

3.6 Análise de Investimentos

A análise de investimento está ligada a como a organização pode aumentar seu valor para alcançar melhores resultados. Realizando uma análise, fica ma= is simples para a empresa descobrir o retorno dos recursos que foram ou serão alocados. Sobre a análise de investimentos pode-se afir= mar que:

<= /o:p>

Tomar decisões que envolvem a alocação de recursos exige muito estudo e conhecimento sobre o que está sendo analisado. É preciso fazer alguns cálcu= los para se ter mais precisão, afinal, tais dados são importantes para um empreendimento porque demonstram sua capacidade de alavancagem e sucesso ou a necessidade de corrigir rotas (Valoreasy<= /span>, 2020).

Com cada vez= mais estudos circundando a área de análise de investimentos, a par= tir dos anos foram surgindo diferentes métodos e técnicas de análise para determinar através de cálculos a melhor opção dentre as disponíveis. Porém nem sempre pode-se utilizar os métodos de análise tradicionais, pois alg= uns determinados valores não podem ser mensurados no retorno de investimento, ou dificilmente podem ser calculados, por não retornar= em um valor definitivo.

Para Zenida e Alturas (2007), até o momento atual, para cálculos referentes= a valores mensuráveis, as técnicas mais utilizadas seriam a VPL (valor presente líquido) ou NPV (net present value), TIR (taxa interna de ren= dibilidade) ou IRR (Internal Rate of R= eturn), PRI (período de retorno do investimento) ou pay= back period, RI (rendibilidade<= /span> do investimento) ou ROI (return on investiment).

   &nb= sp;

3.6.1. VPL E TIR

        &= nbsp;

O VPL repres= enta o valor líquido do patrimônio no presente, considerando o valor = do valor alocado durante o tempo determinado, o TIR se trata de um complemento= do VPL, calculando a taxa mínima de retorno para que não haja pe= rda no valor investido (Valoreasy, 2020). O VPL e o= TIR são semelhantes, porém, não iguais, e cada um tem o seu devido uso:

A diferença fundamental dentre estas duas técnicas é que o VPL assume reinvestimentos ao custo de capit= al, enquanto a TIR assume que os reinvestimentos se farão à própria taxa interna de retorno. Entretanto, o critério da TIR é suscetível a apresentar algumas desvantagens, quando se obs= erva conflito entre os métodos de VPL versus TIR, a decisão correta é selecionar o projeto com maior VPL, assumindo-se que o objetivo &e= acute; maximizar o valor presente da empresa (Monteiro, 2020).

Para o cálculo de VPL, deverá ser utilizado o valor de TMA (Taxa mínima de atratividade) que se trata do valor mínimo que o investidor pretende ganhar, ou o máximo que alguém se propõe a pagar, e o valor de fluxo de caixa de cada período (= Valoreasy, 2020).

3.6.3. PAYBACK

Payback da tradução literal de “Pagar de volta”, &eac= ute; o cálculo realizado para se descobrir o período de recuperação de um investimento realizado, consistindo na identificação do prazo em que o montante de capital utilizado seja recuperado por meio do registro dos fluxos caixa. Há duas manei= ras de realizar o cálculo de payback, sendo = eles o payback simples ou = payback descontado. Se tratando do cálculo baseado em quanto tempo um determinado investimento irá se pagar, antes de começar a dar lucro (Resultados Digitais, 2022).

O cál= culo de payback simples é realizado pega= ndo o valor investido inicialmente, dividindo-o pelo ganho total recebido durante= o período percorrido, sejam dias, semanas ou meses. O payback descontado leva em consideração o valor do dinheiro no te= mpo, tornando o cálculo mais realista, já que trata do dinheiro da forma que realmente ocorre, se tornando uma estimativa mais assertiva. Para= se realizar este cálculo o método de VPL é implementado no cálculo, se dividindo o valor do investimento inicial com o VPL (Res= ultados Digitais, 2022).

Para Danilevicz (1998) o método payback valoriza prazos curtos que geram uma maior liquidez, pois projetos mais cur= tos permitem uma maior flexibilidade em relação a investimentos, permitindo que o valor aplicado retorne mais rapidamente para novos investimentos.

3.6.3. ROI

        &= nbsp;

O Return of Investiment<= /span> (ROI), ou Retorno sobre Investimento, é um dos principais indicadores utilizados pelas empresas para apoio na tomada de decisões, é= uma métrica usada para saber quanto de lucro a organização obteve com o empreendimento realizado. Este método de análise= foi criado em 1997 por Gideon Gartner, fundador do grupo Gartner (JR ADM UFBA, 2022).

Segundo Danilevicz (1998 apud Horngen, 1994, p. 893) o método ROI é um dos mais populares no quesito de incorporação de investimentos dentro de uma medida de desempe= nho que verifica a eficiência e eficácia das ações tomadas. Sendo muito atrativo para os gestores, por incorporar os três principais componentes para a medição de lucratividade, sendo eles o resultado, o custo, e o investimento, em um único núme= ro. Porém, por ser um cálculo simplista que utiliza apenas tr&eci= rc;s parâmetros, o ROI deve ser utilizado com cuidado, sendo indicado seu = uso juntamente com outras medidas de desempenho.

O cál= culo do ROI é simples e utiliza apenas dois parâmetros para seu cálculo, receita e custo. O cálculo se baseia na receita subtraída pelo custo do investimento, dividido pelo mesmo valor de custo, se o resultado for positivo isto informa que houve lucro no investim= ento realizado, se for negativo significa que houve uma perda no investimento realizado. Por ser simples, conforme o resultado obtido, o gestor pode real= izar uma análise rápida dos investimentos, podendo ver onde está havendo gastos desnecessários com investimentos que não trazem retorno nenhum ou até mesmo prejuízo (JR ADM UFBA, 2022).

Gestores no = topo da organização optam por utilizar o ROI como um de seus indicado= res por retornar valores tangíveis, de valor quantificável e bem definido, e ainda sendo de fácil entendimento de aplicação, já que valores intangíveis necessita= m de métodos e análises mais profundas, resultando em um maior esforço para se chegar em um resultado concreto (Graeml, 2003).

3.7 Planejamento

O planejamen= to tem seu significado no ato ou efeito de planejar, criando-se um plano para otim= izar o alcance de um determinado objetivo (Poncio, 2016 apud Pasquale, 2012).

O planejamen= to consiste em uma parte fundamental para a gestão e administração de uma empresa, estando relacionada a preparação, organização e estruturação para o atingimento do objetivo proposto, sendo u= ma peça importante nas tomadas de decisão e execuçã= ;o de tarefas, além de também confirmar se as decisões tomadas foram acertadas através de feedbacks (Poncio, 2016). Para Bateman e Snell (1998), o planejamento de uma organização é dividido em níveis, sendo eles três mais exatamente: o nível estratégico, o nív= el tático e o nível operacional.

O nív= el estratégico é realizado pelos gestores administrativos de top= o, como diretoria, presidência, CEO, etc. Pos= sui como sua responsabilidade definir os objetivos, planos da empresa e tomadas= de decisão a longo prazo, normalmente para períodos de cinco a d= ez anos. Um bom planejamento estratégico, a organização d= eve possuir bem definidos seus objetivos de curto, médio e longo prazo, assim como também sua missão, visão e valores. Para Bateman (1998) a missão, visão e valore= s de uma organização, podem ser definidos da seguinte forma:

·       Missão - A missão demonstra o porquê da existência da organização, deve refleti= r o que tem de especial e o que a diferencia das demais empresas.

·       Visão - A visão seria onde e c= omo a organização quer chegar no futuro. Se imagina um retrato da empresa tendo o futuro como ponto de vista.

·      = Valores - Os valores seriam a identidade da empresa, seus princípios e ideai= s, realizando uma ponte do que a empresa é e o que ela deseja se tornar= .

Geralmente p= ara se ter uma boa ideia do caminho a ser traçado, é realizada uma análise SWOT (também chamada de FOFA), identificando fatores externos, como oportunidades e ameaças. Mas não se esquecendo também dos fatores internos como as forças e fraquezas que a empresa possui (Syscontrol, 2021).

O planejamen= to tático é realizado pelos gestores da média administração, como por exemplos gerentes de equipes. Seus objetivos são idealizados para um período de médio pra= zo, levando entre um a três anos, definindo as= metas que, quando realizadas, levarão a organização a alcançar seus objetivos estabelecidos durante o nível estratégico. Cruz (2017) define seis questões a serem abordad= as e respondidas: O que fazer, se é possível fazer, se vale a pena fazer, se irá funcionar, quando será feito e para quem ser&aa= cute; feito.

O planejamen= to operacional é realizado pelos gestores administrativos de base, onde executa ações efetivas para o atingimento dos objetivos pontu= ados no planejamento tático, criando-se os planos de ação. Neste nível se é escolhido a forma que os processos ser&atild= e;o construídos e métodos a serem utilizados para realização das tarefas diárias de cada setor da organização. Buscando-se aumentar a produtividade e eficiência, com o aumento de velocidade, mas prezando pela qualidade = das entregas realizadas (Syscontrol, 2021). Para Cr= uz (2017):

O plano tático traça as linhas gera= is operacionais da organização, enquanto o plano operacional det= alha a operação, o que deve ser feito pela organizaçã= ;o. É justamente por esta característica que o plano operacional desce até os processos de negócio operacionais, e é também por isso que, se os processos não estiverem formalmente documentados, não poderão ser executados com segurança= , o que coloca o plano operacional em risco, ou, na melhor das hipóteses, completamente inoperante.

        &= nbsp;   Estes três níveis devem estar em sintonia para que se possa atingir = os objetivos estratégicos da organização. Dependendo da organização, os níveis tático e operacional pod= em ser opcionais, mas o nível estratégico é imprescindível para que a empresa tenha noção de sua presença no mercado e o trajeto que deve seguir para possibilitar o cumprimento de seus objetivos.

3.6 Alinhamento das TIC em uma Organização

Antes de ten= tar realizar o alinhamento da área de TIC para com o negócio, primeiramente se torna necessário a criação de um planejamento estratégico para a TIC (PETIC). O PETIC surge juntament= e ou a partir do Planejamento estratégico empresarial (PEE), que tem como objetivo orientar a empresa para atingir seus objetivos, políticas e estratégias, através de uma análise realizada em cima = da organização, levando em consideração pontos passados e futuros (SOUZA, 2022). Segundo Kotler (1992, p. 63), “planejamento estratégico é definido como o processo gerencial de desenvolver e manter uma adequação razoáv= el entre os objetivos e recursos da empresa e as mudanças e oportunidad= es de mercado”.

Após = ter sido determinado um planejamento estratégico da TIC, então se inic= ia a validação para saber se o PETIC está alinhado com o PE= E. Para Affeldt (2009):

O alinhamento estratégico de TI é um processo contínuo de ajustes que as organizações utili= zam para obter-se a interligação entre os objetivos e estratégias de negócios e os objetivos e estratégias da área de TI, com o intuito de obter vantagem competitiva. Ao longo dos anos, diversos conceitos, metodologias e modelos ligados ao alinhamento estratégico (AE) de sistemas de informações e de tecnologia da informação foram desenvolvidos.

   &nb= sp;            =         =

Em resumo, o atingimento do alinhamento de TIC e o negócio, pode ser determinado quando os recursos de TIC permitem que a empresa se desenvolva ao ponto de progredir para o cumprimento de sua missão. Empresas que realizam seu PETIC, geralmente esperam atingir quatro objetivos (O’ Brien, 2010):

1. Alinhamen= to empresarial - Adequar o investimento em TI com a visão dos negócios empresariais;

2. Vantagem competitiva - Criar sistemas de informação estratégico= s;

3. Administração de recursos - Administrar recursos de hardware, software e rede de modo eficaz e eficiente;

4. Arquitetu= ra tecnológica - Desenvolver uma arquitetura de TI para a empresa.

O atingiment= o destes quatro objetivos determina se o PETIC foi elaborado da forma correta, e sua execução.

4 DESENVOLVIMEN= TO E RESULTADOS PARCIAIS

<= /o:p>

Com base no levantamento bibliográfico, buscou-se entendimento das causas de inv= erno da IA, como quebrar tais ciclos e passos para alcançar tais objetivo= s.

=

4.1 Sucesso de projetos de IA para continuidade

=

A partir da liter= atura foram identificado motivos para a existência de invernos da IA, sobre= tudo sendo encontrado expectativas frustradas frente a tecnologias emergentes (c= omo a baixa de investimento na década de 1970 frente a problemas de proc= essamento de linguagem natural) e percepção latente de baixo retorno de investimento de projetos de IA, bem como a falta de documentaç&atild= e;o referente ao levantemento de viabilidade.

Isso significa qu= e os projetos de IA, normalmente, iniciam-se com a preocupação tecnológica e da sua aplicação, sem identificação clara de seu retorno financeiro, em um moviment= o de manada e de extrema empolgação; que a contínua falta de retorno leva a escassez de investimentos, tanto nas aplicações industriais, quanto às pesquisas científicas.

Observa-se, porta= nto, que para interromper esse ciclo de investimento alto com base a empolgação tecnológica e momentos de baixos investimen= tos, faz-se necessário o aumento na assertividade de projetos que aplicam= IA. A partir dessa percepção, que aumento de projetos com entrega= de valor e retorno do investimento, alinhado à estratégia da organização, alterará a dinâmica, manterá= ou aumentará os investimentos em IA, bem como os avanços científic= os e de aplicação.

4.2 Passos para definiçã= ;o de projetos de IA para Aumento de Retorno

=

A partir da liter= atura foram identificado passos, relacionados aos fatores críticos de suce= sso em projetos de IA, para aumentar o sucesso de projetos de Inteligência Artificial.

Antes de buscar definição de tecnologia ou algoritmos de inteligência artificial, o primeiro passo é ter definido os objetivos que a ferramenta a ser utilizada/comprada ou construida atenderá, de modo a possibilitar medição do valor que pode ser gerado e o impacto para a organização, inclusive com relação a gan= hos finaceiros ao negócio da organização.

A partir da clare= za de objetivos e de modo que o projeto gerará retorno, são necessários levantamentos relacionados aos custos do projeto, e isso inclui definição de estrutura para funcionamento e de construção do projeto de IA, definição de plataforma de dados, para ter dados concisos, confiáveis e robustos, analisando se é mais estratégico comprar, criar ou modernizar alguma infraestrutura preexistente.

Ainda, deve-se considerar a viabilidade técnica quanto ao componente pessoas: identificação de tempos e custos para compor equipe para desenvolvimento (quando for o caso), implantação do projeto de IA, e de treinamento e capacitação do usuário dessa ferramenta.

Com base nas informações de viabilidade técnica (e seu custo), deve= -se usar ferramenta para identificação de viabilidade econonômico-financeiro, utilizando técnicas como Payback ou ROI para a tomada de decisão quanto à aceitação= do projeto. A tomada de decisão baseada em dados claros e objetivos, aumenta a chance de sucesso financeiro do projeto quanto a entrega de valor organizacional.

4 = CONCLUSÃO

Neste trabalho forma exploradas perspectivas dos gestores em relação aos investimentos em Tecnologia da Informação e Comunicação (TIC). Durante o estud= o, observou-se desafios enfrentados por gestores em relação &agr= ave; alocação de recursos e investimentos em TIC, com foco na IA. = Esta pesquisa buscou oferecer uma compreensão aprofundada das visõ= es dos gestores e sua influência sobre as estratégias de investim= ento em TIC nas empresas.

Identificamos as preocupações e prioridades que influenci= am suas decisões de investimento, as barreiras que enfrentam ao tentar implementar essas decisões e as estratégias que adotam para otimizar o retorno sobre o investimento em TIC e IA, de modo a buscar assertividade nos projetos de TIC e IA, buscando sensibilizar suas aplicações como um ativo estratégico, capaz de alavanc= ar a competitividade e a eficiência operacional das organizaç&otild= e;es. À medida que a TIC continua a desempenhar um papel crucial na transf= ormação dos negócios, é fundamental que as organizações compreendam como seus gestores enxergam essa área crítica.

O processo, considerando definição clara dos objetivos do projeto de IA, seu alinhamento estratégico e entrega de valor &agrav= e; organização – onde TIC e IA contribui positivamente nos objetivos organizacionais, identificação de viabilidade técnica – considerando recursos computacionais e conhecimentos acerca da tecnologia e estratégia de IA a ser aplicada, capacitação do usuário, somadas aos critérios de identificação de viabilidade econômica-financeira, de m= odo a aumentar a chence de retono financeiro.

Observando o passado e as motivações que levam a novos invernos da IA, observa-se a relação da diminuiç&atild= e;o de investimentos com erros de projetos ou tecnologias com expectativas e do grande número de projetos com baixo retorno. Infere-se então,= que aumento de projetos com entrega de valor e retorno do investimento, alinhado à estratégia da organização, alterará a dinâmica, manterá ou aumentará os investimentos em IA, = bem como os avanços científicos e de aplicação.

REFERÊN= CIAS

4INFRA. TI é um recurso ou uma despesa? 2018. Disponível em: https://4infra.com.br/ti-e-um-recurso-ou-uma-despesa. Acesso em: 14 maio 2022.

ADOBE. IA GENERATIVA CRIATIVA: IA generativa versus outros t= ipos de IA. 2024. Disponível em: https://www.adobe.com/br/products/firefly/discover/generative-ai-vs-other-a= i.html. Acesso em: 15 maio 2024.

AFFELDT, Fabrício Sobrosa. Alinhamento estratégico de tecnologia da informação: análise de modelos e propost= as para pesquisas futuras. Jistem Journal Of Information Systems And Technology Management, [S.L.], v. 6, n. 2, p. 203-226, 1 ago. 2009. TECSI. http://dx.doi.org/10.4301/s1807-17752009000200004.

ALMEIDA, Mário de Souza. Elaboração de proj= eto, TCC, dissertação e tese: uma abordagem simples e objetiva. São Paulo: Atlas, 2011.

AMARAL, Julião Gonçalves. A expansão da inteligência artificial e seu impacto nas dinâmicas sociais: desafios e responsabilidades. Revis= ta da Universidade de Minas Gerais, Belo Horizonte, p. 0-27, dez. 2023. Disponível em: https://www.google.com/url?sa=3Dt&rct=3Dj&q=3D&esrc=3Ds&sou= rce=3Dweb&cd=3D&cad=3Drja&uact=3D8&ved=3D2ahUKEwiN-umRv9SFA= xWMILkGHaKRCK4QFnoECBIQAQ&url=3Dhttps%3A%2F%2Fperiodicos.ufmg.br%2Finde= x.php%2Frevistadaufmg%2Farticle%2Fdownload%2F47727%2F39418%2F178341&usg= =3DAOvVaw3EgqLK8WhgymHjYCgIRysG&opi=3D89978449. Acesso em: 21 abr. 2024.

ANSOFF, H. Igor. A nova estratégia empresarial. São Paulo: Atlas, 1990. pdf

BATEMAN, Thomas S., SNELL, Sco= tt A. Administração: construindo vantagem competitiva. São Paulo: Atlas, 1998.

BENTO, Margarida et al. Ape= nas 10% das empresas obtêm retorno financeiro da inteligência artificial. 2020. Disponível em: https://www.itinsight.pt/news/digital/apenas-10-das-empresas-obtem-retorno-= financeiro-da-inteligencia-artificial. Acesso em: 5 dez. 2023.

BORGES, Luciano. Alocação de Recursos: o que é e como fazer. Jornada= do Gestor. Rio de Janeiro, p. 1-1. 21 nov. 2018. Disponível em: https://jornadadogestor.com.br/tendencias/alocacao-de-recursos-o-que-e-e-co= mo-fazer. Acesso em: 25 maio 2022.

BRASIL. Ministério da Ciência, Tecnologia e Inovação. Transformaç&a= tilde;o Digital: Inteligênc= ia Artificial. 2022. Disponível em: https://www.gov.br/mcti/pt-br/acompanhe-o-mcti/transformacaodigital/i= nteligencia-artificial Acesso em: 12 maio 2024

CENTENO, = F. Deep learning. Trabajo de grado, Universidad de Sevilla. Recuperado el, v. 28, 2019.

COSTA, Mi= rla. Quais são os tipos de Inteligência Artificial (IA)? Exemplos e características. 2023. Disponível em: https://www.alura.com.br/artigos/tipos-inteligencia-artificial-ia. Acesso e= m: 15 maio 2024.

COUTTOLENC, Bernard François; ZUCCHI, Paola. ALOCAÇÃO DE RECURSOS: critérios e consequências. In: COUTTOLENC, Bernard François; ZUCCHI, Paola. Saúde e cidadania: gest&atild= e;o de recursos financeiros. São Paulo: São Paulo, 1998. p. 98. Disponível em: https://bvsms.saude.gov.br/bvs/publicacoes/saude_cidadania_volume10.pdf. Ac= esso em: 29 maio 2022.

CRUZ, Tadeu. Manual de Planejamento Estratégico. Editora Atlas: Grupo GEN, 2017. E-book. ISBN 9788597013023. Disponível em: https://app.minhabiblioteca.com.br/#/books/9788597013023/. Acesso em: 20 no= v. 2022.

DANILEVICZ, Darcius Dalban Dreyer. ANÁLISE DE INVESTIMENT= OS EM TECNOLOGIA DE INFORMAÇÃO: metodologias e estudos de caso = no brasil. 1998. 89 f. Dissertação (Mestrado) - Curso de Administração, Fundação Getúlio Vargas Escola de Administração de Empresas de São Paulo, S&at= ilde;o Paulo, 1998.

DE LIMA SILVA, Paulo Gabriel. CHATGPT, MIDJOURNEY, DALL-E E OS DIREITOS AUTORAIS DAS IAS: AS IMPLICAÇÕES LEGAIS NA ERA DA CRIAÇÃO ARTÍSTICA AUTOMATIZADA. Revista Científica UMC, v. 8, = n. 1, 2023.

DISTRITO. Inteligência Artificial Report. São Paulo, 2021. Disponível em:

https://materiais.distrito.me/= report/inteligencia-artificial. Acesso em: 12 maio. 2024.

FURNIVAL, A. C. Delineando as limitações: sistemas especialistas e conhecimento táci= to. Ciência da Informação, [S. l.], v. 24, n. 2, 1995. DOI: 10.18225/ci.inf.v24i2.587. Disponível em: https://revista.ibict.br/ciinf/article/view/587. Acesso em: 2 abr. 2024.

GARCIA, Ana Cristina. &Eacu= te;tica e inteligencia artificial. Computação Brasil, n. 43, p. 14-22, 2020.

GIL, Anto= nio Carlos. Como elaborar projetos de pesquisa. 4. ed. São Paulo: Atlas, 2002. 175 p. Disponível em: https://files.cercomp.ufg.br/weby/up/150/o/Anexo_C1_como_elaborar_projeto_d= e_pesquisa_-_antonio_carlos_gil.pdf. Acesso em: 12 out. 2022.

GOLDIM, José Roberto. <= b>Ética Aplicada à Alocação de Recursos Escassos. 2004. Disponível em: https://www.ufrgs.br/bioetica/aloca.htm. Acesso em: 29 maio 2022.

GRAEML, A. R. Sistemas de Informação: o alinhamento da estratégia de TI com a estratégia corporativa. 2. ed. São Paulo: Atlas, 2003.

HAYKIN, Simon. Redes Neurai= s: princípios e práticas. 2. ed. Ontário: Bookman Editora, 2001. 898 p. Tradução: Paulo Martins Eng= el.

HEFLO (comp.). Processo de tomada de decisão nas organizações: racional e intuitivo. racional e intuitivo. 2018. Disponível em: https://www.heflo.com/pt-br/gerenciar-negocios/processo-tomada-de-decisao-n= as-organizacoes/. Acesso em: 17 nov. 2022.

HÜTNER, Alexandra. A criação de valor de TI para o negócio. Disponível em: http://www.techoje.com.br/site/techoje/categoria/detalhe_artigo/1703. Acesso em: 30 maio 2022.]

Inteligência Artificial<= /span>: o que é e como funcio= na. 2023. Disponível em: https://online.pucrs.br/blog/inteligencia-artificial#:~:text=3DEntre%20os%2= 0anos%2070%20e,humanos%2C%20mas%20com%20mais%20velocidade. Acesso em: 5 dez. 2023.

ITFORUM. 3 fatores de suces= so para escalar a IA na sua empresa. 2020. Disponível em: https://itforum.com.br/noticias/3-fatores-de-sucesso-para-escalar-a-ia-na-s= ua-empresa/. Acesso em: 15 maio 2024.

ITSS. Custos com TI: investimento ou gasto?. Investimento ou Gasto?. São Paulo: 2019. Elaborado pelo setor de Marketing. Disponível em: https://itsstecnologia.com.br/blogs/custos-com-ti-investimento-ou-gasto. Ac= esso em: 14 maio 2022.

JR ADM UFBA. ROI: o que é e como calcular. O que é e como calcular. Salvador: 2022. Disponível em: https://empresajr.org/2022/03/18/roi-o-que-e-e-como-calcular/. Acesso em: 18 nov. 2022.

KAUFMAN, Dora; SANTAELLA, Luci= a. O papel dos algoritmos de inteligência artificial nas redes sociais. Revista Famecos, [S.L.], v. 27, p. 34074, 29 maio. = 2020. EDIPUCRS. http://dx.doi.org/10.15448/1980-3729.2020.1.34074.

KERSCHBAUMER, Ricardo. Sist= emas Especialistas. Luzerna: Instituto Federal Catarinense, 2018. 32 slides, color.

KLEINA, Nilton. A história da inteligência artificial. 2018. Disponív= el em: https://www.tecmundo.com.br/mercado/135413-historia-inteligencia-artificial= -video.htm. Acesso em: 5 dez. 2023.

KOTLER, Philip. Administra&= ccedil;ão de marketing: análise, planejamento, implementação= e controle. 2. ed. São Paulo: Editora Atlas, 1992.

LUDERMIR, Teresa Bernarda. Inteligência Artificial e Aprendizado de Máquina: estado atual= e tendências. Estudos Avançados, [S.L.], v. 35, n. 101, p. 85-94, abr. 2021. FapUNIFESP (SciELO). http://dx.doi.org/10.1590/s0103-4014.2021.35101.007.

MARRO, Alessandro Assi et al.<= b> Logica fuzzy: conceitos e aplicações. Natal: Universidade Federal do Rio Grande do Norte (UFRN), p. 2, 2010.

MONTEIRO, Rebeca. Qual a Diferença Entre VPL e TIR? 2020. Disponível em: https://cadernodeprova.com.br/diferenca-entre-vpl-e-tir/. Acesso em: 19 jun. 2022.

&= nbsp;

O̵= 7;Brien, J.A. Introduction to information systems:essentials for the internetworked e-business enterprise (10 ed.). Boston: McGraw-Hill, 2010.

PARREIRA, Artur; LEHMANN, Lúcia; OLIVEIRA, Mariana. O desafio das tecnologias de inteligência artificial na Educação: percepção e avaliação dos professores. Ensai= o: avaliação e políticas públicas em educação, v. 29, p. 975-999, 2021.

PONCIO, Rafael José (comp.). O que é planejamento. 2016. Disponível em: https://administradores.com.br/artigos/o-que-e-planejamento. Acesso em: 19 = nov. 2022.

RESULTADOS DIGITAIS. Como calcular o payba= ck?: saiba= quando seus investimentos trarão retorno. Saiba quando seus investimentos trarão retorno. Florianópolis: 2022. Disponível em: https://resultadosdigitais.com.br/vendas/payback. Acesso em: 19 jun. 2022.<= /p>

SILVA, Edna Lúcia da; MENEZES, Estera Muskzat. Metodologia da Pesquisa e Elaboração de Dissertação. 20= 05. Disponível em: https://www.researchgate.net/publication/312125489_Metodologia_da_Pesquisa_= e_Elabora. Acesso em: 15 ago. 2020.

SIMON, Herbert Alexander. C= omportamento administrativo: estudo dos processos decisórios nas organizações administrativas. 4. ed. Rio de Janeiro: Fundação Getúlio Vargas, 1965. 297 p.

SOUZA, Ra= yse Kiane de. PLANEJAMENTO ESTRATÉGICO. Disponível em: https://moodle.ifsc.edu.br/pluginfile.php/709010/mod_resource/content/1/Pla= nejamento%20Estrat%C3%A9gico.pdf. Acesso em: 01 jun. 2022.

SPIVIT. 5 pilares do sucess= o da IA: como as organizações podem aproveitar ao máxim= o a inteligência artificial. São Paulo: 2023. Disponível em: https://spivit.com.br/blog/5-pilares-do-sucesso-da-ia-como-as-organizacoes-= podem-aproveitar-ao-maximo-a-inteligencia-artificial. Acesso em: 15 maio 2024.

SYNTHES, Jéssica Dias. REGULAÇ= ;ÃO DA INTELIGÊNCIA ARTIFICIAL NO BRASIL. 2023. Disponível em:= https://www.boxnet.com.br/insights-tecnologia/regulacao-da-inteligencia-ar= tificial-no-brasil/. Acesso em: 12 maio 2024.

SYSCONTROL. Planejamento Estratégico, Tático e Operacional. Flórida: 2021. Disponível em: https://syscontrol.com.br/planejamento/. Acesso em: 20 nov. 2022.

TAULLI, = Tom. Introdução à Inteligência Artificial: Uma abordagem não técnica.= Novatec Editora, 2020.

TEIXEIRA, João. O que é inteligência artificial. E-galáxia, 2019.

&nb= sp;

TELIUM NETWORKS. Entenda o papel da TI na tomada de decisões. S&atil= de;o Paulo: 2018. Disponível em: https://www.telium.com.br/blog/entenda-o-papel-da-ti-na-tomada-de-decisoes. Acesso em: 17 nov. 2022.

TEPEDINO= , G.; DA GUIA SILVA, R. Desafios da inteligência artificial em matér= ia de responsabilidade civil. Revista Brasileira de Direito Civil, [S. l.], v. 21, n. 03, p. 61, 2019. Disponível em: https://rbdcivil.emnuvens.com.br/rbdc/article/view/46= 5. Acesso em: 28 abr. 2024.

&nb= sp;

VALOREAS= Y. Análise de Investimentos: o que é e seus principais métodos de avaliação. O que é e seus principais métodos de avaliação. São Paulo: 2020. Disponível em: https://valoreasy.com.br/blog/analise-de-investimentos. Acesso em: 29 maio 2022.

ZENDESK. Inteligência artificial no Brasil. 2024. Disponível em: https://www.zendesk.com.br/blog/inteligencia-artificial-no-brasil/. Acesso = em: 12 maio 2024.

Zenida, Ricardo; Alturas, Bráulio. Análise de Projectos de Investimento na Área das Tecnolog= ias da Informação: Métodos e Técnicas. São Paulos, 2007.

ISSN 2237-4558 • Navus • Florian&oac= ute;polis • SC • v. 16 • p. 01-18 • jan./dez. 2025	18