S3 · IA nas organizações — estratégia e decisão

Bloco 1 — IA como vantagem organizacional · 9h15 1 / 6

Objectivos desta sessão

Perceber como a IA cria vantagem competitiva nas organizações
Identificar onde a IA encaixa nas diferentes funções organizacionais
Conhecer o modelo de maturidade IA e localizar a tua organização
Aprender a avaliar e seleccionar casos de uso com critérios concretos
Compreender as etapas de implementação de uma solução de IA
Escolher o teu caso de uso para o projecto final

Sessão pivô: no exercício 2 de hoje cada formando escolhe o caso de uso concreto que vai desenvolver até à sessão 7. A partir daqui o projecto torna-se pessoal.

IA como vantagem competitiva

As organizações que integram IA estrategicamente ganham em quatro dimensões:

Velocidade: decisões mais rápidas com dados em tempo real — menos dependência de intuição
Escala: fazer mais com os mesmos recursos — 1 pessoa com IA faz o trabalho de 3
Qualidade: menos erros em processos repetitivos — consistência que humanos não conseguem manter
Personalização: adaptar produtos e serviços a cada cliente individualmente

Atenção: IA amplifica o que já existe. Bons processos ficam melhores. Maus processos ficam mais rápidos de falhar. Antes de automatizar, é preciso perceber o processo.

IA em cada área da organização

Operações: previsão de procura, gestão de stock, controlo de qualidade, manutenção preditiva
Vendas e marketing: segmentação de clientes, previsão de churn, personalização de comunicação, geração de conteúdo
Atendimento ao cliente: chatbots 24/7, triagem de pedidos, análise de sentimento, respostas automáticas
RH: triagem de candidaturas, análise de clima organizacional, previsão de absentismo
Finanças: detecção de fraude, previsão de cash flow, conciliação automática
Gestão e estratégia: dashboards preditivos, análise de cenários, apoio à decisão
Comunicação interna: resumo de reuniões, gestão de conhecimento, pesquisa em documentos

Modelo de maturidade IA

As organizações evoluem por fases na adopção de IA:

Nível 1 — Consciência: sabe que a IA existe, usa pontualmente (ex: ChatGPT esporádico). Sem estratégia.
Nível 2 — Experimentação: alguns colaboradores usam ferramentas de IA. Sem coordenação nem métricas.
Nível 3 — Operacional: IA integrada em processos específicos com resultados mensuráveis. Existe política interna.
Nível 4 — Estratégico: IA no centro da estratégia. Cultura de dados, formação contínua, KPIs de IA.
Nível 5 — Transformacional: novos modelos de negócio criados pela IA. A empresa é diferente por causa da IA.

A maioria das PMEs portuguesas está entre o nível 1 e 2. O salto para o nível 3 é o mais crítico — e é o que esta formação ajuda a dar.

Como identificar o caso de uso certo

Nem tudo justifica IA. Um bom candidato tem estas 5 características:

Volume: acontece muitas vezes (repetitividade que justifica o investimento)
Dados: existe histórico de dados suficiente e acessível
Critério claro: sabemos o que é "bom resultado" — conseguimos medir o sucesso
Tolerância ao erro: um erro do sistema não causa danos irreversíveis
Valor real: resolver este problema tem impacto mensurável (tempo, dinheiro, qualidade)

Começa sempre pelo mais simples: um caso de uso bem executado com ferramentas existentes (ChatGPT, Copilot) vale mais do que um projecto ambicioso que nunca termina.

As etapas de implementação

Do problema à solução em produção — as 6 etapas obrigatórias:

1. Definir o problema: qual é exactamente? Qual é o critério de sucesso?
2. Inventariar os dados: que dados existem? Estão acessíveis e em condições?
3. Seleccionar a solução: ferramenta existente, API, ou modelo personalizado?
4. Protótipo (PoC): testar em pequena escala antes de investir
5. Integração: ligar à operação real — sistemas, pessoas, processos
6. Monitorização: o desempenho mantém-se? O contexto mudou?

Erro mais comum: saltar para o passo 3 sem ter feito bem os passos 1 e 2. Sem problema bem definido e dados de qualidade, qualquer solução vai falhar.

Exercício 1 de 2 15 min · Individual

Diagnóstico: onde está a minha organização?

Usando o modelo de maturidade IA (1–5), faz um diagnóstico honesto da tua organização. Esta peça vai integrar o teu projecto final.

1Em que nível de maturidade IA colocas a tua organização (1–5)? Justifica com 2–3 evidências concretas (ex: "não existe política de uso de IA"; "alguns colegas usam ChatGPT mas sem orientação")
2Qual é o maior obstáculo que impede a organização de avançar para o nível seguinte? (tecnológico, humano, cultural, financeiro)
3Que recursos a organização já tem que facilitam a adopção de IA? (dados, ferramentas, pessoas com interesse, processos documentados)

Tarefa Moodle — Peça 3 do Projecto Final · entrega até à sessão 4

Bloco 2 — Factor humano e implementação · 10h45 1 / 6

O factor humano — o mais difícil

A tecnologia é a parte fácil. O difícil é a mudança organizacional.

Resistência: "a IA vai roubar o meu emprego" — medo legítimo que precisa de ser abordado, não ignorado
Falta de literacia: colaboradores que não entendem a ferramenta não confiam nela e não a usam
Silos de informação: dados estão espalhados por departamentos que não comunicam
Falta de dados limpos: a maioria das organizações tem dados mas não os consegue usar
Expectativas irrealistas: "a IA resolve tudo" vs "a IA não serve para nada" — ambos são erros

O papel da formação: não é ensinar a usar uma ferramenta — é mudar a relação das pessoas com a informação e a decisão.

Liderança e cultura IA

A adopção de IA começa sempre no topo — ou falha.

Visão clara: a liderança define onde a IA encaixa na estratégia — não é iniciativa de TI
Investimento em formação: colaboradores com literacia em IA tomam melhores decisões sobre quando usar IA
Cultura de experimentação: errar é aprender — o medo do erro paralisa a inovação
Política de uso responsável: definir regras claras antes do problema acontecer
Medir e partilhar resultados: vitórias pequenas criam momentum para mudança maior

Responsabilidade e supervisão humana

Quando a IA está envolvida numa decisão, a cadeia de responsabilidade tem de ser explícita:

Quem é responsável quando o sistema de IA erra? (utilizador, gestor, fornecedor?)
Que decisões podem ser totalmente automatizadas e quais precisam de validação humana?
Como se documenta o uso de IA para efeitos de auditoria e transparência?
Como se garante que os colaboradores entendem (pelo menos superficialmente) como o sistema decide?

Princípio base: quanto maior o impacto da decisão nas pessoas, maior a necessidade de supervisão humana — independentemente da capacidade técnica do sistema.

Aplicar IA na gestão do tempo e agendas

Uma das aplicações mais imediatas e de menor risco — já disponível em ferramentas que muitos usam:

Priorização automática: Copilot no Outlook sugere quais emails precisam de resposta urgente
Agendamento inteligente: Calendly, Microsoft Scheduler — encontram o melhor horário automaticamente
Resumo de reuniões: Teams Copilot, Notion AI — transcrição + acções identificadas automaticamente
Gestão de tarefas: IA que sugere o que fazer a seguir com base em prioridades e prazos
Triagem de email: regras inteligentes que classificam e encaminham automaticamente

Começa aqui: são ferramentas com impacto imediato, baixo risco e sem necessidade de departamento de TI.

Monitorização e melhoria contínua

Implementar não é o fim — é o início:

Métricas de desempenho: definir antes de implementar o que vais medir (precisão, tempo poupado, erros evitados)
Data drift: os dados mudam com o tempo — um modelo treinado em 2023 pode degradar em 2025
Feedback humano: mecanismos para utilizadores reportarem erros e sugerir correcções
Auditoria regular: rever periodicamente se o sistema continua a servir o propósito original
Documentação: registar o que foi feito, quando e porquê — essencial para conformidade e aprendizagem organizacional

Resumo — Sessão 3

IA cria vantagem em velocidade, escala, qualidade e personalização
Aplica-se a todas as áreas: operações, vendas, RH, finanças, comunicação
5 níveis de maturidade — a maioria das PMEs está entre 1 e 2
Bom caso de uso: volume + dados + critério claro + tolerância ao erro + valor real
Implementação: 6 etapas — não saltar as primeiras
O factor humano é o mais difícil: resistência, literacia, cultura, responsabilidade

Próxima sessão (7 Jul): mãos na massa — ChatGPT, Claude, Gemini e prompt engineering aplicado ao teu caso de uso.

Exercício 2 de 2 · Ponto de viragem 30 min · Individual + validação em grupo

O meu caso de uso — definição do projecto final

Este exercício define o projecto que vais desenvolver até à sessão 7. Escolhe um caso de uso real, concreto e da tua organização ou sector. Nas próximas sessões vais construir o plano de implementação completo.

1Nome do caso de uso — uma frase curta que descreve o problema (ex: "Automatizar a triagem de pedidos de apoio ao cliente por nível de urgência")
2Problema actual — descreve como o processo funciona hoje e qual é a dor (tempo, erros, custo, qualidade)
3Solução com IA — o que faria a IA? Que tipo de aplicação (classificação, geração de texto, automação, análise)?
4Critérios dos 5 pontos — avalia: volume (1–5) · dados disponíveis (1–5) · critério de sucesso claro (1–5) · tolerância ao erro (1–5) · valor real (1–5)
5Validação em grupo — apresenta em 3 min; recebe feedback; ajusta se necessário

Tarefa Moodle — Peça 4 do Projecto Final · Este caso de uso será desenvolvido até S7 · entrega até à sessão 4

IA nas organizações — estratégia e decisão