Ferramenta CLI para automação de tradução de arquivos de localização de aplicações web

Crivellari, Matheus Alvarez; Mendes, Eduardo Fernando

doi:10.22167/2675-6528-202601208

Artigo

11 de agosto de 2026

Ferramenta CLI para automação de tradução de arquivos de localização de aplicações web

Matheus Alvarez Crivellari; Eduardo Fernando Mendes

DOI: 10.22167/2675-6528-202601208

Artigo elaborado pela ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege voltada à síntese e redação.

Resumo

A internacionalização de aplicações web exige processos de tradução eficientes e consistentes, especialmente na preservação de estruturas sintáticas e terminologia específica. Contudo, a tradução manual de arquivos de localização acarreta alto custo operacional, e ferramentas automáticas convencionais carecem de controle terminológico refinado e garantias de integridade estrutural. Diante desse cenário, objetivou-se desenvolver e validar uma ferramenta de linha de comando (CLI) para automatizar a tradução de arquivos de internacionalização em aplicações web front-end. Para isso, utilizaram-se modelos de inteligência artificial generativa, aliados à técnica de Retrieval-Augmented Generation (RAG) e ao uso de glossários armazenados em bancos de dados vetoriais. A pesquisa caracterizou-se como exploratória, com abordagem qualitativa e delineamento de estudo de caso, conduzida em ambiente corporativo. A metodologia compreendeu revisão bibliográfica, o desenvolvimento da ferramenta na plataforma Node.js e sua avaliação por meio de métricas como tempo de resposta, taxa de preservação estrutural e consistência terminológica. Os resultados demonstraram a viabilidade técnica e operacional da solução proposta, que contribuiu para a automação do processo de tradução e para a área de Engenharia de Software, oferecendo uma abordagem escalável, reproduzível e aplicável a diferentes contextos tecnológicos.

Palavras-chave: Banco de dados vetorial; Inteligência artificial; Internacionalização; Retrieval-Augmented Generation [RAG].

1. Introdução

O cenário digital globalizado impulsiona a necessidade de que as aplicações de software superem barreiras geográficas e linguísticas. Essa demanda ressalta a importância da internacionalização e da localização de software, práticas que permitem às empresas expandir seu alcance e conquistar novos mercados (Ribeiro, 2005). A internacionalização, frequentemente identificada como i18n, assegura que os usuários finais possam interagir com as aplicações em seus idiomas nativos. Complementarmente, a localização, ou l10n, adapta o conteúdo de forma cultural e linguisticamente aceitável para cada região específica, abrangendo desde a tradução de textos até a formatação de números, datas e ajustes no layout da interface do usuário, conforme detalhado pelo Guia técnico de início rápido (Unicode, 2025). A adoção dessas práticas é crucial para a competitividade e a relevância dos produtos digitais no mercado atual.

Apesar da relevância estratégica, o processo de tradução de arquivos de internacionalização em aplicações de software, especialmente as web front-end, enfrenta desafios consideráveis. A tradução manual, por exemplo, é frequentemente associada a um alto custo operacional e a um tempo de execução prolongado. Em ambientes de desenvolvimento ágil, onde as aplicações são atualizadas com frequência, a manutenção de traduções para múltiplos idiomas de forma manual gera um esforço operacional insustentável. Além disso, a dependência de tradutores humanos pode introduzir inconsistências terminológicas, sobretudo em projetos de grande escala com equipes distribuídas ou ao longo de ciclos de desenvolvimento extensos.

Ferramentas de tradução automática convencionais, conhecidas como machine translation (MT), surgem como uma alternativa para mitigar esses problemas. Contudo, elas possuem limitações inerentes, como a dificuldade em lidar com palavras ambíguas, a desambiguação contextual e o conhecimento de domínio específico, que inclui termos técnicos e nomes próprios (Naveen e Trojovský, 2024). Exemplos como o Google Translate, embora úteis para traduções gerais, geralmente não oferecem um controle terminológico refinado. Isso pode resultar na tradução inconsistente de termos técnicos, nomes de produtos ou marcas ao longo de uma aplicação, comprometendo a clareza e a experiência do usuário.

Adicionalmente, os arquivos de internacionalização não contêm apenas textos em linguagem natural, mas também elementos estruturais críticos, como marcadores de posição (placeholders) e marcações HTML. A preservação da integridade desses componentes é essencial para o funcionamento correto da aplicação. Ferramentas automáticas tradicionais frequentemente falham em garantir essa preservação, o que pode levar a erros funcionais. Diante dessas complexidades, abordagens recentes têm explorado o uso de arquiteturas híbridas baseadas em agentes de inteligência artificial e técnicas de Retrieval-Augmented Generation (RAG) para lidar com esse tipo de contexto (Chen et al., 2024). A inteligência artificial (IA), que engloba a capacidade de máquinas executarem ações associadas à inteligência humana (Copeland, 2026), e os Large Language Models (LLM) em particular, oferecem novas perspectivas para a tradução automatizada (McDonough, 2026).

Apesar do avanço das tecnologias de IA, uma análise exploratória de repositórios como o Node.js Package Manager (NPM) revela que a maioria dos pacotes existentes para tradução automática de arquivos de internacionalização carece de garantias robustas de consistência terminológica e preservação estrutural. Essa lacuna evidencia a necessidade de uma solução que integre de forma eficaz a automação da tradução com mecanismos que assegurem a qualidade e a integridade do conteúdo. A técnica de Retrieval-Augmented Generation (RAG) aprimora a saída de modelos de linguagem ao consultar uma base de conhecimento externa e confiável, como glossários, melhorando a precisão e a qualidade das traduções (AWS, 2026). Assim, a presente pesquisa se justifica pela crescente demanda por aplicações web multilíngues e pela necessidade de otimizar o processo de tradução, conciliando eficiência operacional com alta qualidade linguística.

O desenvolvimento de uma ferramenta que aborde essas questões representa uma contribuição significativa para a área de Engenharia de Software, oferecendo uma abordagem escalável, reproduzível e aplicável a diversos contextos tecnológicos, beneficiando equipes que atuam no desenvolvimento de aplicações multilíngues. Diante desse cenário e da problemática identificada, o objetivo deste estudo foi desenvolver uma interface de linha de comando (CLI) capaz de automatizar o processo de tradução de arquivos de internacionalização em aplicações web front-end, utilizando modelos de inteligência artificial e a técnica de Retrieval-Augmented Generation (RAG), e comparar os resultados da tradução com métodos convencionais de machine translation, avaliando aspectos como a preservação estrutural, a consistência terminológica e a otimização de recursos computacionais.

2. Material e Métodos

Este trabalho foi realizado como uma pesquisa de caráter exploratório, destinada à investigação do uso de modelos de inteligência artificial e Retrieval-Augmented Generation (RAG) no processo de tradução de arquivos de internacionalização de aplicações web front-end.

Adotou-se uma abordagem qualitativa, focada na análise do uso de inteligência artificial na tradução de arquivos de internacionalização, buscando compreender como a solução proposta aumenta a consistência terminológica, preserva a integridade estrutural dos arquivos e reduz a necessidade de intervenção humana. O delineamento da pesquisa configurou-se como um estudo de caso, que permitiu avaliar a aplicação prática da ferramenta proposta em um contexto real de desenvolvimento web.

O estudo foi conduzido em uma empresa de porte médio, atuante no setor de educação superior à distância, localizada em Piracicaba, São Paulo. A instituição atende anualmente cerca de 15 mil alunos distribuídos pelo Brasil e por países da América, Europa, África e Ásia. Não houve coleta, tratamento ou análise de dados pessoais, concentrando-se exclusivamente no desenvolvimento e na avaliação técnica de uma ferramenta de software.

A pesquisa iniciou-se com uma revisão bibliográfica abrangente de livros, teses, dissertações e artigos científicos. O objetivo foi compreender o uso de modelos de inteligência artificial no processo de tradução automatizada, a aplicação de RAG para aprimoramento dos resultados, a construção de ferramentas de linha de comando (CLI), a publicação de pacotes em registro Node.js Package Manager (NPM) e padrões de projeto de software. Esses conhecimentos fundamentaram o desenvolvimento da ferramenta.

A ferramenta de linha de comando foi construída na plataforma Node.js, utilizando a linguagem TypeScript. Essa escolha se deu pela ampla utilização em frameworks modernos de desenvolvimento web front-end, como React e Angular, e pelos benefícios da tipagem estática do TypeScript, que proporciona maior segurança, detecção antecipada de erros e escalabilidade à aplicação (TypeScript, 2026).

A arquitetura da solução foi estruturada em camadas distintas, com responsabilidades bem delimitadas, seguindo boas práticas de desenvolvimento de software e organização de código. As camadas incluíram interface (CLI), aplicação (orquestração), domínio (regras de negócio, como tradução e indexação de glossário), infraestrutura (comunicação com provedores externos) e transversal (contratos e utilitários).

Na camada de domínio, implementou-se o padrão Façade para unificar diferentes tarefas em uma interface de alto nível simplificada (Gamma et al., 1994). A camada de infraestrutura empregou os padrões Adapter e Strategy, que permitiram o uso intercambiável de diferentes provedores de Large Language Models (LLM), modelos de embedding e bancos de dados vetoriais. Os princípios de Injeção de Dependência foram aplicados para promover o desacoplamento entre as camadas.

Um glossário foi definido em formato .csv, contendo trios de termos em português, inglês e espanhol. Este formato foi escolhido por ser amplamente suportado por bibliotecas TypeScript e compatível com ferramentas de manipulação tabular. A CLI implementou um comando “glossary-index” responsável por indexar os termos do glossário, mapeando-os em representações vetoriais de alta dimensionalidade e armazenando-os em um banco de dados vetorial.

A transformação dos termos do glossário em representações vetoriais, conhecida como embedding, foi realizada utilizando o modelo open source all-MiniLM-L6-v2, que mapeia frases e parágrafos para um espaço vetorial denso de 384 dimensões e é disponibilizado pela plataforma Huggingface. Como banco de dados vetorial, utilizou-se o projeto open source LanceDB, instalado localmente como dependência Node.js.

A CLI também implementou um comando “translate” para realizar a tradução de arquivos JSON do idioma de origem para os idiomas de destino. Este comando carregou o arquivo de origem na memória, percorreu-o recursivamente extraindo os segmentos textuais passíveis de tradução (sentenças) e os separou em lotes de dez unidades para posterior envio ao modelo de inteligência artificial.

Cada sentença do lote foi transformada em um vetor, utilizando novamente o modelo all-MiniLM-L6-v2. Em seguida, realizou-se uma consulta de similaridade vetorial no LanceDB, empregando a métrica de distância euclidiana para recuperar os cinco termos similares mais próximos, que foram utilizados como contexto adicional no prompt enviado ao modelo de inteligência artificial.

O prompt foi construído dinamicamente em tempo de execução, combinando instruções de tradução predefinidas, termos relevantes do glossário recuperados via RAG e o próprio conjunto de sentenças a ser traduzido. O prompt definiu explicitamente as regras de tradução, o uso do glossário quando aplicável e o formato de saída esperado. Os modelos de inteligência artificial utilizados foram os disponibilizados pelas plataformas OpenAI (gpt-40-mini) e Google (gemini-2.5-flash-lite e gemini-2.5-pro).

A resposta do modelo de inteligência artificial foi recebida em formato estruturado em JSON, com os valores traduzidos para o idioma de destino. O JSON recebido foi interpretado e as traduções foram inseridas em suas respectivas posições no arquivo JSON do documento de destino. Se já houvesse traduções existentes para as respectivas sentenças no arquivo de destino, as existentes foram mantidas, preservando intervenções humanas prévias.

Para a avaliação da ferramenta desenvolvida, foram definidas as seguintes métricas de desempenho: tempo médio de resposta, taxa de preservação estrutural, consistência terminológica, e escalabilidade e aplicabilidade. O tempo médio de resposta foi medido em segundos por arquivo traduzido, obtido a partir de logs gerados automaticamente durante o uso da ferramenta.

A taxa de preservação estrutural foi verificada por meio da comparação automática entre arquivos originais e traduzidos, medindo a ocorrência de erros em elementos estruturais como marcadores de posição e marcações HTML. O algoritmo carregou os JSON de origem e destino, percorreu-os recursivamente e extraiu os segmentos textuais e as sequências de elementos estruturais, comparando-os para identificar inconsistências de tamanho ou divergências posicionais.

A consistência terminológica foi avaliada verificando se os termos definidos em um glossário e presentes no idioma de origem apareciam traduzidos no idioma de destino exatamente conforme suas equivalências estabelecidas. O algoritmo processou o glossário para identificar e contabilizar todas as ocorrências dos termos no idioma de origem, eliminando sobreposições para evitar contagens duplicadas, e associou cada ocorrência validada ao segmento correspondente no idioma de destino.

A métrica de consistência terminológica foi calculada pela razão entre o número de ocorrências corretamente traduzidas e o total identificado no idioma de origem. A escalabilidade e aplicabilidade foram observadas a partir de testes controlados em diferentes contextos tecnológicos, alterando o provedor de modelo de inteligência artificial e verificando a facilidade de integração de novos provedores de LLM, bancos de dados e mecanismos de embedding.

Os dados coletados foram organizados e analisados de forma descritiva e comparativa, buscando identificar padrões de desempenho e implicações práticas para o desenvolvimento de soluções de tradução automatizada em Engenharia de Software. Não houve identificação de pessoas físicas, e a pesquisa não se caracterizou como envolvendo seres humanos, conforme a definição da Resolução CNS n° 466/2012, dispensando a submissão ao Comitê de Ética em Pesquisa.

3. Resultados e Discussão

Os resultados obtidos a partir da aplicação da metodologia proposta revelaram a viabilidade técnica e operacional da ferramenta de linha de comando (CLI) desenvolvida para a automação da tradução de arquivos de internacionalização em aplicações web front-end. A análise concentrou-se na avaliação de métricas como o tempo de resposta dos modelos de inteligência artificial, a consistência terminológica e a preservação estrutural dos arquivos. Todos os testes foram conduzidos utilizando um arquivo de idioma de origem em português do Brasil, contendo 1.439 sentenças, que foram enviadas aos modelos de inteligência artificial em lotes de dez sentenças, totalizando 144 lotes por idioma. Esses achados são cruciais para verificar a eficácia da solução e orientar futuros aprimoramentos, contribuindo para a área de Engenharia de Software.

Como base de comparação, o mesmo arquivo de idioma de origem foi traduzido por uma abordagem de machine translation (MT) convencional, empregando a biblioteca `i18n-auto-translation` com o Google Translate como provedor. Esta biblioteca, no entanto, não oferecia suporte para o uso de glossários. Os resultados da tradução convencional indicaram uma duração total de 96,000 segundos para o inglês dos Estados Unidos e 113,000 segundos para o espanhol da Espanha. Em termos de qualidade, a taxa de preservação estrutural foi de 56,19% para o inglês e 55,52% para o espanhol, enquanto a consistência terminológica foi de 10,19% para o inglês e apenas 0,49% para o espanhol. Esses dados estabeleceram um patamar de desempenho para a avaliação da solução baseada em inteligência artificial e RAG.

Tempo médio de resposta

A métrica de tempo médio de resposta representa o período total, em segundos, necessário para o envio dos dados ao servidor e o retorno à aplicação, incluindo o processamento das traduções. O desempenho variou significativamente entre os modelos de Large Language Models (LLM) avaliados. O modelo Google gemini-2.5-flash-lite demonstrou ser o mais rápido, com um tempo médio de 1,323 segundos por lote para o inglês dos Estados Unidos e 1,680 segundos por lote para o espanhol da Espanha, resultando em tempos totais de 190,497 e 241,974 segundos, respectivamente. Em contraste, o Google gemini-2.5-pro apresentou o desempenho mais lento, com médias de 11,977 segundos por lote para o inglês e 14,440 segundos por lote para o espanhol, totalizando 1724,710 e 2079,318 segundos. O modelo OpenAI gpt-4o-mini registrou tempos intermediários de 3,158 segundos por lote para o inglês e 3,306 segundos por lote para o espanhol, com totais de 454,778 e 476,020 segundos. Observou-se que a tradução para o inglês foi consistentemente mais rápida do que para o espanhol em todos os cenários. Contudo, todos os modelos de LLM apresentaram tempos de resposta superiores aos da abordagem de MT convencional, que foi de 96,000 segundos para o inglês e 113,000 segundos para o espanhol.

Taxa de preservação estrutural

A taxa de preservação estrutural avaliou a capacidade da solução em manter a integridade de elementos estruturais críticos nos arquivos JSON, como marcadores de posição e marcações HTML. O algoritmo desenvolvido para esta métrica carregou os arquivos JSON de origem e destino, percorrendo-os recursivamente para extrair e parear os segmentos textuais. Para cada par válido, foram comparadas as sequências de elementos estruturais, ignorando o conteúdo textual, e qualquer divergência de tamanho ou posição foi considerada uma falha. Os resultados demonstraram que os modelos Google gemini-2.5-flash-lite (tanto para inglês quanto para espanhol), Google gemini-2.5-pro (para inglês e espanhol) e OpenAI gpt-4o-mini (para inglês) alcançaram uma taxa de preservação estrutural de 100,00%, sem nenhuma falha em 110 sentenças com estruturas. O modelo OpenAI gpt-4o-mini para o espanhol obteve 99,76%, com apenas uma falha na preservação estrutural. Essa performance representa uma melhoria superior a 43% em comparação com a MT convencional, que registrou taxas de 56,19% e 55,52% para inglês e espanhol, respectivamente, indicando um avanço significativo na garantia da integridade dos arquivos.

Consistência terminológica

A consistência terminológica foi avaliada verificando se os termos definidos em um glossário, presentes no idioma de origem, eram traduzidos para o idioma de destino exatamente conforme suas equivalências estabelecidas. O glossário utilizado consistia em 249 trios de termos em português, inglês e espanhol. O algoritmo processou os arquivos JSON, identificou e contabilizou 298 ocorrências dos termos do glossário no idioma de origem, eliminando sobreposições para evitar contagens duplicadas. Em seguida, verificou as ocorrências corretas das traduções no idioma de destino. A métrica foi calculada como a razão entre o número de ocorrências corretamente traduzidas e o total identificado no idioma de origem. Para o inglês dos Estados Unidos, os modelos apresentaram alta consistência: Google gemini-2.5-flash-lite atingiu 88,93% (265 de 298 ocorrências corretas), Google gemini-2.5-pro alcançou 89,60% (267 corretas) e OpenAI gpt-4o-mini obteve 91,61% (273 corretas). Para o espanhol da Espanha, os resultados foram Google gemini-2.5-flash-lite com 70,13% (209 corretas), Google gemini-2.5-pro com 80,87% (241 corretas) e OpenAI gpt-4o-mini com 80,87% (241 corretas). Em todos os cenários, a consistência para o inglês foi superior à do espanhol. A comparação com a MT convencional, que obteve 10,19% para o inglês e 0,49% para o espanhol, demonstra uma melhoria substancial na consistência terminológica com a abordagem proposta. Embora as taxas de consistência terminológica superiores a 80% sejam elevadas, elas ainda refletem limitações conhecidas da tradução automática e de abordagens baseadas em Retrieval-Augmented Generation (RAG). Métodos tradicionais frequentemente apresentam dificuldades na tradução de termos dependentes de contexto e de domínio específico, resultando em inconsistências terminológicas (Naveen e Trojovský, 2024). Estudos recentes com LLMs e técnicas de RAG indicam que o uso de contexto recuperado e recursos auxiliares, como glossários, reduz essas inconsistências, mas não as elimina completamente (Chen et al., 2024). Assim, os resultados obtidos estão alinhados à literatura, que aponta a inconsistência terminológica como um dos principais desafios da área, reforçando a relevância da combinação entre RAG e glossários estruturados para melhoria da consistência (Chen et al., 2025).

Escalabilidade e aplicabilidade

A solução foi estruturada com foco na facilitação da evolução da base de código, permitindo a incorporação ágil de novos provedores de LLM, bancos de dados relacionais e mecanismos de embedding. Essa arquitetura foi projetada com baixo acoplamento e mínima necessidade de refatorações, o que é fundamental para a manutenção e evolução do sistema em ambientes de desenvolvimento dinâmicos. A característica de escalabilidade e aplicabilidade foi verificada por meio da rápida implementação de classes concretas que interagem com provedores de LLM do Google e OpenAI. Isso foi possível apenas estendendo as interfaces definidas e implementando a comunicação utilizando as bibliotecas específicas de cada fornecedor, demonstrando a flexibilidade da ferramenta para se adaptar a diferentes contextos tecnológicos e provedores de inteligência artificial.

Discussão geral dos resultados

A análise dos resultados revelou que a ferramenta desenvolvida, integrando modelos de inteligência artificial e a técnica RAG, oferece uma solução robusta para a automação da tradução de arquivos de internacionalização. Embora os modelos de LLM tenham apresentado tempos de resposta superiores aos da MT convencional, a qualidade das traduções em termos de preservação estrutural e consistência terminológica foi significativamente aprimorada. A taxa de preservação estrutural alcançou quase 100% em todos os cenários com os modelos de IA, um aumento superior a 43% em relação à MT convencional, o que é crucial para evitar falhas funcionais nas aplicações. A consistência terminológica, que superou 80% na maioria dos casos, também representou uma melhoria expressiva em comparação com os resultados da MT convencional, que foram inferiores a 11%. Esses achados demonstram que a abordagem proposta é eficaz em conciliar a automação com a garantia de qualidade linguística e estrutural, abordando as lacunas identificadas em ferramentas de tradução automática tradicionais.

A arquitetura em camadas, baseada em padrões de projeto como Façade, Adapter e Strategy, e princípios de Injeção de Dependência, foi fundamental para garantir a flexibilidade e a escalabilidade da solução. Essa estrutura permite que a ferramenta se adapte a diferentes provedores de inteligência artificial e tecnologias de banco de dados vetoriais, facilitando sua manutenção e evolução. A capacidade de integrar glossários por meio de bancos de dados vetoriais e a técnica RAG foi decisiva para elevar a consistência terminológica, um dos principais desafios da tradução automatizada. Embora a inconsistência terminológica não tenha sido completamente eliminada, a redução significativa observada valida a abordagem híbrida proposta. A escolha do modelo de inteligência artificial impacta diretamente o tempo de resposta, permitindo um equilíbrio entre qualidade e desempenho conforme as necessidades do projeto. De forma geral, os resultados confirmam a viabilidade e o potencial da ferramenta para otimizar o processo de internacionalização em aplicações web, oferecendo uma abordagem escalável e reproduzível para equipes de desenvolvimento.

4. Conclusão

O presente estudo buscou desenvolver uma interface de linha de comando (CLI) para automatizar a tradução de arquivos de internacionalização em aplicações web front-end, empregando modelos de inteligência artificial generativa, a técnica de Retrieval-Augmented Generation (RAG) e glossários em bancos de dados vetoriais, comparando seu desempenho com métodos de machine translation (MT) convencionais. Verificou-se a viabilidade técnica e operacional da solução proposta, que demonstrou avanços significativos na qualidade das traduções. Em termos de preservação estrutural, os modelos de inteligência artificial alcançaram taxas próximas a 100%, superando em mais de 43% o desempenho da MT convencional e garantindo a integridade de elementos críticos como marcadores de posição e marcações HTML. Adicionalmente, observou-se uma consistência terminológica superior a 80% na maioria dos cenários com a abordagem de IA e RAG, o que representou uma melhoria substancial em comparação com a MT convencional, que registrou índices inferiores a 11%. Essa abordagem híbrida contribuiu para a área de Engenharia de Software ao oferecer uma solução escalável e reproduzível para a automação do processo de tradução, conciliando eficiência com alta qualidade linguística e estrutural.

Apesar dos avanços, notou-se que os modelos de Large Language Models (LLM) apresentaram tempos de resposta superiores aos da MT convencional, indicando um trade-off entre velocidade e qualidade que pode ser ajustado conforme as necessidades do projeto. As taxas de consistência terminológica, embora elevadas, ainda refletem as limitações inerentes à tradução automática e às abordagens baseadas em RAG para termos altamente dependentes de contexto e domínio específico, conforme apontado pela literatura. Contudo, a arquitetura da ferramenta, baseada em padrões de projeto e princípios de baixo acoplamento, demonstrou alta escalabilidade e aplicabilidade, permitindo a fácil integração de novos provedores de LLM e tecnologias de banco de dados vetoriais. Sugere-se que estudos futuros explorem a otimização dos tempos de resposta dos modelos de IA e aprimorem os mecanismos de RAG para contextos terminológicos ainda mais complexos, visando a eliminação de inconsistências residuais e a expansão da aplicabilidade da ferramenta para cenários de maior escala.

Referências Bibliográficas

Amazon Web Services [AWS]. n. d. O que é RAG (geração aumentada via recuperação)?. Disponível em: <https://aws.amazon.com/what-is/retrieval-augmented-generation>. Acesso em: 26 janeiro 2026.

Chen, H. et al. 2025. mmE5: Improving Multimodal Multilingual Embeddings via High-quality Synthetic Data. Disponível em <https://aclanthology.org/2025.findings-acl.433>. Acesso em: 26 janeiro 2026.

Chen, X. et al. 2024. CRAT: A Multi-Agent Framework for Causality-Enhanced Reflective and Retrieval-Augmented Translation with Large Language Models. Disponível em <https://arxiv.org/abs/2410.21067>. Acesso em: 27 outubro 2025.

Copeland, B. J. 2026. Enciclopédia Britannica. Disponível em: <https://www.britannica.com/technology/artificial-intelligence>. Acesso em: 26 janeiro 2026.

Gamma, E. et al. (2000). Padrões de Projeto. Soluções reutilizáveis de software orientado a objetos. 1ed. Bookman, Porto Alegre, RS, Brasil.

McDonough, M. 2026. Enciclopédia Britannica. Disponível em: <https://www.britannica.com/topic/large-language-model>. Acesso em: 26 janeiro 2026.

Naveen, P.; Trojovský, P. 2024. Overview and challenges of machine translation for contextually appropriate translations. iScience. Disponível em: <https://www.sciencedirect.com/science/article/pii/S2589004224021035>. Acesso em: 27 outubro 2025.

Ribeiro, G. C. B. 2005. Tradução e localização de software e outros produtos: audiovisual ou multimídia?. Cadernos de tradução. vol2. no16: 231-250. PUC-Rio, RJ, RJ.

TypeScript. n. d. What is TypeScript?. Disponível em: <https://www.typescriptlang.org/>. Acesso em: 18 abril 2026.

Unicode Consortium [UNICODE]. n.d. Technical Quick Start Guide. Disponível em: <https://home.unicode.org/technical-quick-start-guide/>. Acesso em: 30 setembro 2025.

Artigo oriundo de Trabalho de Conclusão de Curso da Especialização em Engenharia de Software do MBA USP/Esalq

Para saber mais sobre o curso, clique aqui e acesse a plataforma MBX Academy

Mais recentes

Compliance E Esg

11 de setembro de 2026

Inteligência Artificial na Gestão Contratual: Supervisão Humana, Riscos Jurídicos e Governança Algorítmica

Compliance E Esg

11 de setembro de 2026

Rituais de Verificação sob Pressão: Categorias de Ação ESG Relatadas por Grande Grupo Frigorífico Antes e Após Operação Deflagrada Pela Polícia Federal e Seus Desdobramentos, em Passado Recente

Gestão Escolar

11 de setembro de 2026

Liderança Escolar à Luz da Teoria U: um Diálogo com as Lideranças Transformacional e Servidora.

10 de setembro de 2026

Desempenho de Modelos de Machine Learning na Seleção de Ações da Bolsa de Valores Brasileira

10 de setembro de 2026

Precificação Hedônica de Imóveis na Grande Florianópolis: Uso e Comparação de Modelos de “Machine Learning”

Neurociência E Aprendizagem Na Educação

10 de setembro de 2026

A Produção de Memes como Estratégia de Formação Literária e Multiletramentos no Ensino Fundamental Ii

Gestão Tributária

10 de setembro de 2026

Definição de Insumos para Fins de Aproveitamento de Créditos de Pis e Cofins

Gestão Tributária

10 de setembro de 2026

Fiscalização Delegada do ITR: Desestímulo aos Convênios, Reflexos na Arrecadação e Desinteresse Processual da União

10 de setembro de 2026

Governança de Dados e Risco Financeiro no Setor Florestal: Evidências Empíricas em Perspectiva Brasil-Finlândia

Você também pode gostar

Compliance E Esg

11 de setembro de 2026

Inteligência Artificial na Gestão Contratual: Supervisão Humana, Riscos Jurídicos e Governança Algorítmica

O advento da inteligência artificial como tecnologia disruptiva reconfigurou processos econômicos, institucionais e jurídicos, conferindo centralidade à automação contratual na gestão de relações complexas. A automação contratual revelou-se um fenômeno juridicamente não neutro, com opacidade decisória, geração automatizada de cláusulas abusivas e dificuldades de atribuição de responsabilidade, deslocando a elaboração contratual para o domínio jurídico-normativo. O estudo analisou como a inteligência artificial na automação contratual intensificou a colisão entre eficiência tecnológica e segurança jurídica, e em que medida mecanismos de supervisão humana significativa e de governança algorítmica funcionaram como instrumentos de ponderação normativa para preservar princípios do direito contratual brasileiro. A pesquisa adotou abordagem qualitativa de estudo de casos múltiplos, com análise documental de quatro casos paradigmáticos: Moffatt v. Air Canada, United States v. RealPage, Deloitte/DEWR e INSS/TRF-4ª Região, representando os contextos consumerista, concorrencial, consultivo-contratual e administrativo. A análise identificou cinco padrões estruturais recorrentes – opacidade decisória, substituição da racionalidade normativa por inferências probabilísticas, accountability gap, assimetria informacional e incompreensão semântica – que emergiram de forma sistêmica. O desfecho fragmentado do caso RealPage reforçou a conclusão de que a jurisprudência sobre automação decisória permanece em formação. A governança algorítmica eficaz demonstrou exigir a integração de mecanismos de auditabilidade, responsabilização e supervisão humana, conforme as normas ISO 31000, COSO ERM e ISO 37301, como condição necessária à legitimidade dos sistemas automatizados de gestão contratual.

Palavras-chave: Contratos; Governança algorítmica; Inteligência artificial; Segurança jurídica; Supervisão humana.

Compliance E Esg

11 de setembro de 2026

Relatórios de sustentabilidade são amplamente empregados como instrumentos de gestão da legitimidade corporativa, mas sua função como mecanismo de reorganização cognitiva em contextos de crise reputacional permaneceu subexplorada na literatura. O estudo analisou as transformações nas categorias de ação ESG reportadas pela Empresa JBS em seus relatórios anuais de sustentabilidade de 2015 a 2018, período que compreendeu dois anos anteriores e dois anos posteriores à Operação Carne Fraca e seus desdobramentos. O objetivo foi investigar como a organização alterou sua estrutura cognitiva após a crise reputacional, por meio de um de seus sistemas de reporte. Empregou-se um processo de catalogação sistemática de 1.088 práticas relatadas, classificadas por pilar ESG, tema material e categoria de ação. O referencial teórico mobilizou Mary Douglas (1986), Michael Power (1997), Meyer e Rowan (1977) e Edelman (2016) para interpretar os fenômenos observados. Os resultados evidenciaram um crescimento exigido em governança, que coexistiu com o colapso do pilar social, o desaparecimento de categorias substantivas e a substituição de ações voltadas a prêmios por ações que ressignificaram as relações da organização e seu posicionamento no mercado. Além disso, treinamentos de liderança migraram do tema de cultura para compliance, campanhas de comunicação cederam lugar a canais estruturais permanentes, e investidores tornaram-se a audiência de maior crescimento proporcional. Concluiu-se que a sofisticação do esforço de legitimação residiu não no que a empresa necessariamente fez, mas na consistência com que reorganizou quem ela diz ser e para quem, a partir das categorias de ação que relatou.

Palavras-chave: Crise reputacional; ESG; Pensamento institucional; Relatórios de sustentabilidade; Estratégia organizacional.

Gestão Escolar

11 de setembro de 2026

Liderança Escolar à Luz da Teoria U: um Diálogo com as Lideranças Transformacional e Servidora.

A integração de diferentes modelos de liderança mostrou-se um caminho relevante para instituições de ensino que buscaram inovar e alcançar excelência em suas práticas educacionais. Contudo, foram escassas as pesquisas empíricas que investigaram a aplicação da Teoria U na gestão escolar associada às abordagens Transformacional e Servidora, o que configurou uma lacuna na literatura. Este estudo buscou compreender como gestores educacionais perceberam e aplicaram princípios da Teoria U — escuta generativa, presencing e cocriação — em diálogo com as abordagens teóricas da Liderança Transformacional e da Liderança Servidora em suas práticas de gestão. A pesquisa, de natureza qualitativa e exploratória, foi realizada em uma instituição de ensino privada, localizada na cidade de São Paulo, que abrangeu desde a Educação Básica até a Pós-Graduação. Os dados foram coletados por meio de um roteiro de perguntas semiestruturadas, aplicado a sete gestores educacionais, e foram analisados com base na Análise de Conteúdo de Bardin. Os resultados evidenciaram aproximações entre as práticas observadas e os pressupostos teóricos dos modelos estudados, com a escuta destacando-se como a competência que melhor articulou as três abordagens no contexto investigado. Também foram identificadas algumas tensões entre os referenciais teóricos e o cotidiano da gestão. O estudo contribuiu para uma reflexão crítica sobre as possibilidades e os limites da integração desses diferentes modelos de liderança em ambientes escolares, ampliando o debate e oferecendo subsídios relevantes para o fortalecimento do campo da gestão educacional.

Palavras-chave: Análise de Conteúdo; Escuta Generativa; Estudo de Caso; Gestão Escolar; Liderança.

10 de setembro de 2026

Desempenho de Modelos de Machine Learning na Seleção de Ações da Bolsa de Valores Brasileira

O mercado acionário brasileiro, caracterizado por elevada volatilidade e restrições de liquidez, impõe desafios à aplicação de modelos de aprendizado de máquina na previsão de retornos e na construção de estratégias de investimento. O estudo comparou o desempenho preditivo e econômico de modelos de aprendizado de máquina e métodos estatísticos tradicionais na estimação de retornos futuros e na formação de carteiras baseadas em ranking de ativos. Utilizaram-se dados históricos de ações da B3, com variáveis técnicas e financeiras derivadas de preços e volume. Avaliaram-se modelos lineares (Regressão Linear, Ridge, LASSO, Elastic Net), de ensemble (Random Forest, XGBoost, LightGBM) e uma rede neural (Multilayer Perceptron). A avaliação preditiva ocorreu por métricas de erro em conjunto de teste, e a econômica por backtest de estratégias long-only, com custos operacionais baseados no turnover para análise de retornos brutos e líquidos. Os resultados revelaram baixa capacidade preditiva em todos os modelos, com R² negativos e erros elevados. Embora diferenças marginais nas previsões tenham gerado variações no desempenho econômico, estas foram de baixa magnitude e instáveis. O modelo LightGBM obteve o melhor desempenho econômico, mas com ganhos limitados em relação ao benchmark após a inclusão de custos operacionais. Não se observou evidência consistente de geração de retorno ajustado ao risco superior.

Palavras-chave: aprendizado de máquina; backtest; mercado acionário; previsão de retornos; seleção de ativos.

10 de setembro de 2026

Precificação Hedônica de Imóveis na Grande Florianópolis: Uso e Comparação de Modelos de “Machine Learning”

O mercado imobiliário da Grande Florianópolis tem experimentado valorização acelerada, impulsionada pelo crescimento populacional e pela demanda turística e de investimento. Este estudo analisou os determinantes do valor de imóveis residenciais e comparou o desempenho preditivo de modelos de aprendizado de máquina, especificamente Random Forest e Gradient Boosting (XGBoost), com uma regressão por Mínimos Quadrados Ordinários (MQO). Os dados foram coletados via web scraping de dois portais imobiliários em março de 2026, abrangendo os municípios de Florianópolis, São José, Palhoça e Biguaçu, resultando em 8.056 observações válidas após limpeza. Avaliou-se o desempenho dos modelos por meio das métricas R², RMSE e MAPE. O XGBoost apresentou o melhor desempenho preditivo geral (R² = 0,742, RMSE = R$ 927.113), enquanto o Random Forest obteve o menor erro relativo (MAPE = 25,69%). Os principais determinantes do preço identificados foram a área construída, a região de localização e o número de banheiros. Uma análise complementar por segmento de mercado revelou que o MQO dependeu dos valores extremos para sustentar seu ajuste, enquanto os modelos ensemble mantiveram desempenho estável. Concluiu-se que os métodos de aprendizado de máquina são mais robustos para precificação hedônica em mercados imobiliários heterogêneos, especialmente na presença de imóveis atípicos.

Palavras-chave: Ensemble; Imobiliário; Regressão; Residencial; Web Scraping.

Neurociência E Aprendizagem Na Educação

10 de setembro de 2026

A Produção de Memes como Estratégia de Formação Literária e Multiletramentos no Ensino Fundamental Ii

A leitura de obras literárias clássicas apresenta desafios no contexto escolar contemporâneo, devido ao distanciamento entre a linguagem dos textos e o repertório dos estudantes. Investigou-se como a utilização de memes contribuiu para a construção de sentidos na leitura da obra Senhora, de José de Alencar, no Ensino Fundamental II. A pesquisa adotou uma abordagem qualitativa, com caráter de pesquisa participante, e foi desenvolvida com duas turmas de 9º ano de uma escola privada em Volta Redonda, Rio de Janeiro. Os dados foram coletados por meio de questionários e das produções dos estudantes, e analisados à luz da análise de conteúdo. Os resultados indicaram que a utilização de memes favoreceu a aproximação dos alunos com o texto literário, reduziu a resistência inicial e ampliou o engajamento com a leitura. Observou-se, também, o avanço progressivo na compreensão da narrativa, evidenciado pela capacidade de interpretar fatos, analisar personagens, identificar relações implícitas e elaborar posicionamentos críticos. As produções revelaram a articulação entre o conteúdo da obra e o repertório sociocultural dos estudantes, indicando a construção de aprendizagens com significado. Concluiu-se que a integração entre literatura e cultura digital potencializou a mediação pedagógica, contribuindo para a formação de leitores mais ativos e interpretativamente autônomos.

Palavras-chave: aprendizagem significativa; cultura digital; leitura literária; multiletramentos; neurociência.

Gestão Tributária

10 de setembro de 2026

Definição de Insumos para Fins de Aproveitamento de Créditos de Pis e Cofins

O estudo analisou a interpretação e a aplicação da definição de insumos para fins de creditamento do Programa de Integração Social (PIS) e da Contribuição para o Financiamento da Seguridade Social (COFINS) no regime não cumulativo, à luz do entendimento firmado pelo Superior Tribunal de Justiça (STJ) no julgamento do Recurso Especial n.º 1.221.170 (Tema 779). Objetivou-se examinar os limites jurídicos da utilização desses créditos, considerando os critérios de essencialidade ou relevância estabelecidos pela jurisprudência do STJ. Realizou-se pesquisa documental e jurisprudencial, com análise de acórdãos representativos do Conselho Administrativo de Recursos Fiscais (CARF) e do STJ, abrangendo períodos anteriores e posteriores ao Tema 779. Complementarmente, conduziu-se pesquisa bibliográfica e estudos de dois casos concretos do CARF, com abordagem qualitativa, para verificar a aplicação prática dos critérios. Constatou-se que o STJ afastou a aplicação automática da definição de insumo do IPI, consolidando os critérios de essencialidade e relevância. Entretanto, a análise dos julgados do CARF evidenciou que, embora houvesse reconhecimento formal do precedente do STJ, sua incidência foi modulada conforme a natureza da atividade empresarial, mostrando-se mais restritiva para empresas de revenda. Os casos concretos ilustraram que creditamentos de fretes foram tratados de forma distinta, dependendo da vinculação do gasto à produção ou à revenda. Concluiu-se que a definição de insumos permanece um ponto sensível do sistema tributário, e a correta utilização dos créditos demanda análise casuística rigorosa, pautada na observância dos precedentes judiciais e dos limites normativos vigentes, para evitar glosas e penalidades.

Palavras-chave: COFINS; Creditamento; Insumos; PIS.

Gestão Tributária

10 de setembro de 2026

Fiscalização Delegada do ITR: Desestímulo aos Convênios, Reflexos na Arrecadação e Desinteresse Processual da União

O Imposto Territorial Rural (ITR), de competência da União, pode ter sua fiscalização e cobrança delegadas aos Municípios e ao Distrito Federal. Este trabalho examinou a adesão municipal a esses convênios e o impacto na arrecadação, analisou se os entraves processuais para os Municípios remeterem demandas aos órgãos federais desestimulavam a celebração de acordos, e avaliou o interesse processual da União em litígios de ITR sob delegação, à luz da Teoria Eclética da Ação, bem como a efetividade da diretriz constitucional de desestímulo a propriedades improdutivas. A pesquisa utilizou um estudo de caso, com base em dados e relatórios oficiais da Receita Federal do Brasil e referencial doutrinário jurídico. Os resultados indicaram baixa adesão municipal aos convênios, com quase 75% dos municípios sem acordo. A arrecadação do ITR, mesmo integralmente repassada, não justificou os investimentos municipais, e a manutenção da atuação processual pela União desestimulou a continuidade dos ajustes. Verificou-se que a União carecia de interesse processual nessas demandas, dada a ínfima representatividade do ITR na arrecadação federal e a ausência de proveito econômico-financeiro, o que impediu o cumprimento efetivo da diretriz constitucional de desestímulo à improdutividade rural. Concluiu-se que são necessárias modificações legislativas para que o ITR alcance seus objetivos de arrecadação e função social.

Palavras-chave: Arrecadação; Eficiência; Fiscalização; ITR; Municípios.

10 de setembro de 2026

Governança de Dados e Risco Financeiro no Setor Florestal: Evidências Empíricas em Perspectiva Brasil-Finlândia

A fragmentação informacional no setor florestal brasileiro constituiu o ponto de partida desta pesquisa, que investigou como a governança de dados impactou a capacidade analítica, o risco financeiro e a competitividade da gestão florestal, por meio de um estudo comparativo entre Brasil e Finlândia. Submeteram-se 332 documentos, incluindo 307 informativos CEPEA/Esalq/USP (2001–2025) e 25 relatórios setoriais (Bracelpa, ABRAF, Ibá, 2003–2025), a um pipeline de extração automatizado baseado em OCR, mineração de texto e expressões regulares, obtendo-se 13.059 registros estruturados. Realizou-se análise de sensibilidade do Valor Presente Líquido (VPL) e análise de sentimento léxica. Apenas 12,1% dos registros de custo continham Custo Operacional Efetivo preenchido, e nenhum apresentou margem líquida calculável. A incerteza nos dados de entrada oscilou o VPL de um projeto florestal em mais de R$ 20.000/ha, evidenciando a distorção da decisão orientada por dados quando a sofisticação algorítmica não substituiu a qualidade dos dados de origem. A análise de sentimento léxica confirmou a transição dos relatórios setoriais brasileiros de formato estatístico para promocional. Em contraste, o modelo finlandês demonstrou a viabilidade de uma governança integrada, com o inventário florestal consolidado como pilar de inteligência industrial. Os resultados indicaram que o fortalecimento da governança de dados constituiu pré-requisito para a transição do setor para um sistema de planejamento sustentado por evidências.

Palavras-chave: competitividade; fragmentação informacional; inteligência artificial; soberania digital; tomada de decisão.

Inovação

14 de setembro de 2026

Não lemos apenas palavras

Como novos códigos, tecnologias e formas de comunicação ampliam aquilo que precisamos aprender a interpretar Ser alfabetizado costuma ser entendido inicialmente como: reconhecer letras, formar palavras, compreender frases e produzir textos. Durante muito tempo, foi principalmente a partir desse domínio que definimos o que significava saber ler e, consequentemente, participar de diferentes espaços da sociedade. […]

Redes Sociais

14 de setembro de 2026

O efeito da influência no consumo

O que a pesquisa Youpix/Nielsen 2026 mostra sobre o avanço da Creator Economy Em 2025, 80% dos consumidores brasileiros compraram algum produto recomendado por influenciadores. Em 2026, o índice chegou a 81%. A estabilidade em um patamar tão elevado indica que a compra por influência deixou de ser um comportamento restrito a determinados públicos. O […]

Chamada De Artigos

11 de setembro de 2026

Chamada de artigos – Edição Temática Gestão de Pessoas

Submissões abertas de 11/09/2026 a 30/09/2026 Estão abertas as submissões para a Chamada Temática Gestão de Pessoas 2026, da Revista Estratégias & Soluções (E&S). A chamada será organizada em dois fluxos editoriais: Fluxo 1 – Trabalhos finais de destaque do MBA USP/EsalqDestinado aos TCCs do curso de Gestão de Pessoas do MBA USP/Esalq que obtiveram […]

Direito Tributário

09 de setembro de 2026

Entre Sísifo e o tonel das Danaides

A cesta básica, o salário-mínimo e o verdadeiro preço das coisas Na mitologia grega, alguns castigos não se distinguiam pela violência de um único sofrimento, mas pela condenação à repetição. Sísifo deveria conduzir uma enorme pedra até o alto de uma montanha e, quando o esforço parecia finalmente concluído, a pedra escapava e retornava ao […]

Inteligência Artificial

03 de setembro de 2026

O desafio atual da colaboração

Na medida em que o processo criativo começa com a IA, organizações precisam repensar como preservar a construção coletiva das ideias Em pouco mais de três anos, ferramentas de inteligência artificial generativa passaram a ocupar grande parte do trabalho nas organizações, seja para escrever, programar, pesquisar, planejar, analisar ou projetar. A presença já é tão […]

Inteligência Artificial

02 de setembro de 2026

O preço de usar IA sem treinamento

Adoção da tecnologia já alcança 88% das organizações mundiais, enquanto o número de profissionais punidos por usá-la sem preparo dobrou em sete meses No primeiro semestre de 2026, ministrei aulas de inteligência artificial com foco em planilhas, dashboards e apresentações, em Barcelona, na Espanha. Entre meus alunos havia advogados e juízes do Il·lustre Col·legi de […]

Sustentabilidade

28 de agosto de 2026

Como a sustentabilidade está redesenhando os data centers

Economia digital encontra limites físicos e tenta reduzir seu impacto ambiental O crescimento acelerado da infraestrutura digital transforma consumo de energia, disponibilidade hídrica, refrigeração, materiais construtivos e localização em variáveis centrais para o projeto da próxima geração de data centers. Durante boa parte da transformação digital, consolidou-se a percepção de que a computação estava progressivamente […]

Branding

27 de agosto de 2026

O branding que venceu a Copa de 2026

Entre identidade visual, uniformes, tipografia e disputa bilionária por audiência, marketing esportivo nunca esteve tão em evidência A Copa do Mundo de 2026 terminou com a Espanha erguendo a taça pela segunda vez, ao vencer a Argentina por 1 a 0 na prorrogação. O Brasil encerrou a competição na 11ª colocação, eliminado ainda nas oitavas […]

Governança

24 de agosto de 2026

Governança corporativa: entre o controle e a responsabilidade

O que as crises corporativas e os erros cometidos nos casos Enron, FTX e Americanas podem ensinar Uma empresa pode ter conselho de administração, auditoria independente, comitê de auditoria, código de conduta, políticas de compliance e dezenas de mecanismos de controle e, ainda assim, caminhar para o colapso. A pergunta incômoda é: se todos esses […]

Gestão Tributária

01 de setembro de 2026

Reforma tributária e planejamento patrimonial no campo

Eficiência para gerenciar os impostos facilita a governança e permite organizar a sucessão familiar A organização patrimonial rural virou uma medida estratégica diante da reforma tributária no Brasil, que entrou em vigor neste ano. O planejamento das atividades e da gestão do patrimônio rural, por meio de ferramentas como a transição da Pessoa Física para […]

Renata de Gaspari Valdejão Almeida

Inteligência Artificial

05 de agosto de 2026

Dentro da empresa e fora do radar: os riscos da Shadow AI

Segundo a Microsoft, 75% dos profissionais já utilizam inteligência artificial no trabalho sem homologação da empresa O uso da inteligência artificial generativa já faz parte da rotina corporativa. Ferramentas como ChatGPT, Copilot e outras plataformas ajudam profissionais a produzir textos, analisar dados, criar apresentações e acelerar tarefas em praticamente todos os setores. Mas esse avanço […]

Renata de Gaspari Valdejão Almeida

Estrategia

02 de julho de 2026

O futuro como competência

Interesse acadêmico reforça a projeção de cenários como ferramenta essencial para a tomada de decisões Enquanto algumas empresas ainda tentam acertar o próximo passo, outras já trabalham com múltiplos futuros possíveis — e se preparam para todos eles. Mas afinal, o que significa “pensar o futuro”? É tendência, é estratégia ou uma nova competência que […]

Renata de Gaspari Valdejão Almeida

Inovação

Tecnologia

21 de maio de 2026

Corredor Agro SP: inovação, articulação institucional e futuro

Pecege comanda operação executiva das atividades do ecossistema de 400 km que ficou conhecido como Vale do Silício do agro brasileiro Em 2025, além de assumir a gestão do Parque Tecnológico de Piracicaba, o Instituto Pecege também foi designado para comandar a operação executiva das atividades do Corredor de Inovação Agropecuária do Estado, o chamado […]

Educação

27 de abril de 2026

Como transformar um TCC em negócio

Nova gestão do Parque Tecnológico de Piracicaba oferece consultoria a egressos de MBAs O novo diretor de projetos do Parque Tecnológico de Piracicaba (PTP), Alexandre Barreto, costuma dizer que uma das maiores recompensas que já teve na vida foi ver seus orientandos do MBA USP/Esalq estruturarem empresas a partir de seus trabalhos de conclusão de […]

Tecnologia

20 de março de 2026

O repertório humano na era da IA

Pensamento crítico e criatividade são insubstituíveis no trabalho do profissional de marketing A Inteligência Artificial (IA) é capaz de feitos incríveis, mas ainda não possui a capacidade de julgamento, empatia, intuição e criatividade estratégica necessárias para fazer o trabalho de um bom profissional de marketing. Nessa área, é importante saber usar a ferramenta para automatizar […]

Renata de Gaspari Valdejão Almeida

Agronegócio

Inovação

23 de fevereiro de 2026

ESG como estratégia de crescimento em uma cooperativa do RS

Santa Clara equilibra responsabilidade social e ambiental com inovação Fundada em 1911 por imigrantes italianos em Carlos Barbosa, na serra gaúcha, a Cooperativa Santa Clara é um exemplo de que é possível equilibrar o crescimento econômico com a responsabilidade social e ambiental. De uma pequena empresa de produção de queijos, a organização evoluiu para um […]

Renata de Gaspari Valdejão Almeida

Agronegócio

Inovação

22 de janeiro de 2026

Brasil livre de febre aftosa: o que muda para a carne brasileira?

Com um rebanho de mais de 200 milhões de cabeças de gado, o país é atualmente o líder em exportações O Brasil recebeu recentemente, pela primeira vez, a certificação de país livre de febre aftosa sem vacinação, conferida pela Organização Mundial de Saúde Animal (OMSA). O selo fortalece a posição do país como fornecedor de carne confiável para o […]

Renata de Gaspari Valdejão Almeida

Inovação

09 de dezembro de 2025

Inovação: o novo ciclo do Parque Tecnológico de Piracicaba

Instituto Pecege assume a gestão apostando na criação de novos negócios A partir de 2026, o Instituto Pecege assumirá a gestão do Parque Tecnológico de Piracicaba (PTP). Entre suas responsabilidades estarão a administração, operação, manutenção e expansão do parque, além do fomento de atividades de inovação, empreendedorismo e ciência e tecnologia. A escolha foi feita […]

Renata de Gaspari Valdejão Almeida

06 de julho de 2026

Arquitetura de Grande Porte: Gestão de Mudanças DSR-SCRUM

Mônica Alessandra Guerios; Maria do Carmo Assis Todorov Resumo elaborado pela ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege voltada à síntese e redação. A arquitetura e o urbanismo configuram-se como bases imprescindíveis em um espaço urbano cada vez mais complexo e desafiador, onde a intrínseca conexão entre questões sociais, ambientais e tecnológicas […]