Impacto da Inteligência Artificial Contextualizada em Refinamento de Requisitos Ágeis

Moreno, Felipe Pereira; Junior, Orlando da Silva

doi:10.22167/2675-6528-202600798

Artigo

30 de julho de 2026

Impacto da Inteligência Artificial Contextualizada em Refinamento de Requisitos Ágeis

Felipe Pereira Moreno; Orlando da Silva Junior

DOI: 10.22167/2675-6528-202600798

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

Resumo

A ampla adoção de metodologias ágeis no desenvolvimento de software ampliou a importância do refinamento de requisitos, etapa fundamental para o alinhamento entre necessidades de negócio e soluções tecnológicas. Problemas recorrentes como ambiguidades e retrabalho na definição de Product Backlog Items (PBIs) impactaram a eficiência das equipes. Avaliou-se o impacto do uso de um Assistente de Refinamento baseado em inteligência artificial, contextualizado por regras de negócio e artefatos visuais, como apoio ao refinamento de requisitos em equipes ágeis. A pesquisa, de caráter aplicado e abordagem mista (qualitativa e quantitativa), utilizou o método de Action Research. Desenvolveu-se um protótipo funcional do Assistente de Refinamento e executou-se um experimento comparativo controlado entre o refinamento manual e o assistido por inteligência artificial, considerando métricas de tempo e qualidade dos PBIs gerados. Os resultados preliminares indicaram redução no tempo necessário para o refinamento e avaliação positiva da qualidade dos PBIs assistidos por inteligência artificial, especialmente nos critérios de clareza, completude e nível de detalhamento técnico. Concluiu-se que a inteligência artificial, quando contextualizada e utilizada de forma responsável, demonstrou potencial para apoiar o refinamento de requisitos, atuando como ferramenta complementar ao julgamento humano em ambientes ágeis.

Palavras-chave: Apoio ao refinamento de requisitos; Assistente de Refinamento; Engenharia de requisitos; Engenharia de software; Product Backlog Items.

1. Introdução

No desenvolvimento de software contemporâneo, a adoção de metodologias ágeis é predominante. A Engenharia de Requisitos (ER) é central para o sucesso dos projetos, pois a capacidade de traduzir necessidades de negócio em requisitos claros e compreensíveis impacta diretamente a qualidade do produto e a eficiência dos ciclos de desenvolvimento. Em frameworks ágeis, essa tradução ocorre via Histórias de Usuário, organizadas em Product Backlog Items (PBIs), que servem como principal instrumento de comunicação (GAO, 2024).

Contudo, ambiguidades, lacunas de informação e retrabalho na definição dos PBIs são causas recorrentes de falhas em projetos de software, resultando em atrasos e aumento de custos (PROJECT MANAGEMENT INSTITUTE, 2018). Erros introduzidos nas fases iniciais, particularmente no refinamento de requisitos, geram custos de correção significativamente maiores quando identificados após a implementação (FUNCTIONIZE, 2023).

O refinamento contínuo dos PBIs é crítico para garantir eficiência operacional e qualidade técnica, visando reduzir ambiguidades e alinhar expectativas antes do desenvolvimento (SPRINT, 2023). Apesar de sua relevância, esse processo ainda depende fortemente da experiência profissional, da maturidade da equipe e da disponibilidade de informações contextuais sobre o domínio do negócio.

Os avanços em Inteligência Artificial Generativa (GenAI) e Modelos de Linguagem de Grande Escala (LLMs) criaram novas possibilidades para apoiar atividades cognitivas e de comunicação na Engenharia de Requisitos. Estudos indicam a viabilidade técnica da IA, especialmente modelos multimodais, para interpretar artefatos visuais de interface e auxiliar na produção de artefatos textuais de software, como histórias de usuário e critérios de aceitação a partir de protótipos (BAECHLER et al., 2024; YOU et al., 2024; FAN et al., 2023).

Apesar desses progressos, pesquisas revelam uma lacuna entre a viabilidade técnica dessas soluções e sua aplicação prática em ambientes corporativos reais (SPRINT, 2023). A geração automática de requisitos a partir de artefatos isolados, como imagens ou descrições genéricas, tende a produzir resultados incompletos e imprecisos, especialmente sem a incorporação de contexto adicional do domínio. A qualidade das saídas de LLMs na Engenharia de Software depende da inclusão de conhecimento contextual, terminologias específicas e informações complementares, pois regras de negócio e fluxos de processo nem sempre são visíveis em protótipos (HOU et al., 2024; MA et al., 2024).

Em ambientes organizacionais, o contexto de domínio raramente está consolidado em um único repositório, distribuído entre múltiplos artefatos. A dificuldade em capturar e aplicar esse conjunto dinâmico de informações limita a eficácia das ferramentas de apoio e perpetua problemas clássicos da ER. Torna-se necessário investigar soluções que, além de automatizar a geração textual, atuem como assistentes capazes de incorporar e utilizar ativamente o contexto de negócio no refinamento. Ainda são escassos os estudos empíricos que avaliam sistematicamente o impacto de ferramentas contextualizadas na eficiência e qualidade do refinamento de requisitos em equipes ágeis em ambientes reais.

Este estudo busca mitigar desafios recorrentes na literatura e aproximar a pesquisa acadêmica da prática profissional em Engenharia de Requisitos. Ao investigar essa abordagem em um contexto organizacional real, o trabalho visa contribuir para a melhoria do refinamento de requisitos em equipes ágeis, reduzindo ambiguidades e apoiando decisões técnicas mais consistentes. O objetivo deste estudo é avaliar o impacto da utilização de um Assistente de Refinamento baseado em inteligência artificial, contextualizado por regras de negócio e artefatos visuais, no processo de refinamento de requisitos de software em equipes ágeis, considerando a eficiência operacional e a qualidade dos Product Backlog Items gerados.

2. Material e Métodos

A pesquisa caracterizou-se como aplicada, com abordagem mista (qualitativa e quantitativa), e objetivo exploratório-descritivo. Buscou-se avaliar o impacto de um Assistente de Refinamento baseado em inteligência artificial, contextualizado por regras de negócio e artefatos visuais, no refinamento de requisitos em equipes ágeis. O estudo foi conduzido pelo método de Action Research, que integra investigação científica e intervenção prática em ambientes organizacionais (VOM BROCKE et al., 2020; STARON, 2020).

O método de Action Research foi estruturado em quatro fases sequenciais. A Fase 1, Diagnóstico e Planejamento, envolveu revisão bibliográfica e documental para identificar métricas e critérios de qualidade para Product Backlog Items (PBIs). A Fase 2, Desenvolvimento do Protótipo, focou na concepção e implementação de um protótipo funcional. A Fase 3, Coleta de Dados, compreendeu um estudo comparativo controlado, e a Fase 4, Análise dos Dados, avaliou eficiência e qualidade.

O estudo foi realizado em ambientes de equipes ágeis de desenvolvimento de software, em organizações multinacionais do setor financeiro, localizadas em São Paulo, Brasil. A amostra foi composta por cinco engenheiros de software de empresas e equipes distintas. Cada profissional refinou um requisito específico, estratégia adotada para reduzir vieses e efeitos de aprendizado, ampliando a diversidade de contextos.

O protótipo do Assistente de Refinamento foi desenvolvido para apoiar o processo de refinamento de requisitos em equipes ágeis. A solução foi projetada para receber descrições funcionais, regras de negócio e artefatos visuais como entrada, gerando Product Backlog Items (PBIs) estruturados, com descrição funcional, critérios de aceitação e orientações técnicas. Sua implementação utilizou Python, com interface gráfica em CustomTkinter, e o processamento central integrou-se a um modelo de linguagem de grande escala, via API, para analisar as entradas textuais e visuais.

A arquitetura funcional do Assistente organizou-se em módulos independentes, com camadas distintas para apresentação, aplicação e orquestração, serviços internos e integração com inteligência artificial, para modularidade e clareza. O fluxo de execução foi sequencial: o usuário forneceu dados, organizados em contexto unificado e processados por IA. Para assegurar consistência estrutural mínima nos PBIs, o protótipo incorporou mecanismos de validação, denominados guardrails, que verificaram a presença de campos essenciais e a coerência básica entre entradas e saídas.

A coleta de dados realizou-se por meio de um experimento comparativo controlado. Selecionaram-se cinco requisitos de funcionalidades de um projeto de software existente, com descrições funcionais, regras de negócio e elementos visuais. O estudo dividiu-se em dois grupos: um Grupo de Controle, para refinamento manual, e um Grupo de Teste, para refinamento assistido pelo protótipo. O tempo necessário para o refinamento de cada requisito foi cronometrado em minutos.

A qualidade dos PBIs foi avaliada por análise documental, utilizando um questionário estruturado aplicado a um painel de cinco especialistas em desenvolvimento ágil de software. Os PBIs foram previamente anonimizados e avaliados em uma escala Likert de cinco pontos (1 a 5). Os critérios de avaliação incluíram clareza do requisito, completude dos critérios de aceitação, ausência de ambiguidades e nível de detalhamento técnico, por sua relevância.

Os dados quantitativos foram analisados por estatística descritiva (média, mediana, desvio padrão) para comparar os grupos quanto ao tempo de refinamento e à qualidade dos PBIs. A análise qualitativa interpretou as avaliações dos especialistas, buscando padrões e tendências associadas ao uso da inteligência artificial contextualizada. A pesquisa respeitou os princípios éticos, com dados anonimizados para garantir confidencialidade. A amostra limitada alinhou-se ao caráter exploratório do estudo, visando a viabilidade técnica e operacional do Assistente em contextos reais, sem generalização estatística.

Riscos metodológicos potenciais foram identificados e mitigados. O viés de avaliação dos PBIs foi mitigado pela anonimização completa dos artefatos. A influência do pesquisador foi controlada pela separação entre o desenvolvimento do protótipo e a avaliação. Para assegurar um ambiente de teste padronizado, os requisitos, artefatos e condições de execução foram uniformizados. A instabilidade técnica do protótipo foi abordada com testes unitários e critérios de aceitação. O escopo reduzido da amostra foi delimitado pelo caráter exploratório.

3. Resultados e Discussão

Os resultados preliminares obtidos no estudo indicaram que a solução proposta, um Assistente de Refinamento baseado em inteligência artificial, demonstrou viabilidade técnica e alinhamento com as práticas contemporâneas de apoio ao refinamento de requisitos em ambientes ágeis. A pesquisa, de caráter exploratório, focou na avaliação do impacto da contextualização por regras de negócio e artefatos visuais na eficiência operacional e na qualidade dos Product Backlog Items (PBIs) gerados. Esses achados iniciais reforçaram a compreensão da inteligência artificial como uma ferramenta de suporte ao processo decisório, atuando como amplificadora da capacidade analítica das equipes, sem substituir o julgamento humano, conforme discutido por MA et al. (2024).

A etapa de desenvolvimento do protótipo funcional do Assistente de Refinamento constituiu um resultado técnico central do estudo. Este protótipo foi concebido para apoiar o processo de refinamento de requisitos de software em equipes ágeis, integrando automaticamente regras de negócio e artefatos visuais. O sistema foi projetado para receber descrições funcionais, regras de negócio e telas associadas às funcionalidades, gerando PBIs estruturados que incluem descrição funcional, critérios de aceitação e orientações técnicas, seguindo as práticas consolidadas de refinamento ágil. A arquitetura modular do protótipo, implementada em Python com interface CustomTkinter e integração com modelos de linguagem de grande escala via API, garantiu a separação de responsabilidades e a clareza no fluxo de processamento.

As funcionalidades planejadas para o protótipo foram amplamente implementadas, com as capacidades centrais de entrada de requisitos textuais, ingestão de regras de negócio, análise de artefatos visuais e geração estruturada de PBIs sendo totalmente desenvolvidas. Apenas a funcionalidade de exportação dos artefatos gerados teve uma implementação parcial. Os testes unitários conduzidos após a implementação indicaram um comportamento estável do protótipo, sem falhas críticas que pudessem comprometer sua utilização no ambiente de teste. Essa estabilidade foi crucial para a execução do estudo comparativo, assegurando a confiabilidade dos dados coletados.

A preparação e validação do ambiente de teste foram realizadas em paralelo ao desenvolvimento do protótipo, visando estabelecer condições controladas e padronizadas para o experimento. Esse ambiente garantiu a uniformidade dos artefatos de entrada, a equivalência das condições entre o refinamento manual e o assistido por inteligência artificial, e o registro preciso do tempo de execução das atividades e dos PBIs gerados. A validação do ambiente confirmou sua adequação para a coleta dos dados empíricos, permitindo uma comparação justa entre os dois métodos de refinamento.

O estudo comparativo revelou uma redução significativa no tempo necessário para o refinamento de requisitos quando o Assistente de Refinamento foi utilizado. O tempo médio de refinamento manual para os cinco requisitos analisados foi de 33,8 minutos, enquanto o tempo médio com o apoio da inteligência artificial foi de 19 minutos. Essa diferença representa uma redução média aproximada de 44% no tempo de refinamento. Observou-se uma consistência nessa redução em todos os requisitos avaliados, independentemente de serem funcionais, transacionais ou operacionais, indicando o potencial da ferramenta para otimizar a eficiência operacional.

A análise da qualidade dos PBIs gerados com o auxílio do Assistente de Refinamento foi realizada por um painel de cinco especialistas, que utilizaram uma escala Likert de cinco pontos. As avaliações atribuídas aos PBIs assistidos por IA situaram-se consistentemente acima de 4,0 em todos os critérios de qualidade: clareza do requisito, completude dos critérios de aceitação, ausência de ambiguidades e nível de detalhamento técnico. Esses resultados indicaram uma percepção positiva da qualidade dos artefatos gerados, sugerindo que a inteligência artificial, quando contextualizada, pode contribuir para a produção de requisitos mais bem definidos.

Especificamente, a clareza dos requisitos obteve avaliações entre 4,2 e 4,4, enquanto a completude dos critérios de aceitação variou de 4,3 a 4,5. A ausência de ambiguidades foi avaliada entre 4,1 e 4,4, e o nível de detalhamento técnico entre 4,2 e 4,4. Esses valores médios, todos acima de 4,0, reforçam a capacidade do Assistente de Refinamento em produzir PBIs que atendem a padrões de alta qualidade, conforme os critérios estabelecidos na metodologia. A percepção positiva dos especialistas valida a abordagem de contextualização empregada, que incorpora regras de negócio e artefatos visuais.

A análise preliminar de viabilidade econômica, baseada em princípios de FinOps, indicou que o custo computacional associado à utilização do Assistente de Refinamento foi inferior ao custo do esforço humano economizado durante o processo de refinamento. Essa relação custo-benefício favorável sugere o potencial da solução em cenários de adoção controlada, reforçando seu valor como mecanismo de eficiência operacional e de redução indireta de custos, ou *cost avoidance*, sem a substituição do julgamento humano. Contudo, essa análise possui caráter exploratório e não deve ser interpretada como uma projeção financeira definitiva.

A arquitetura do protótipo foi concebida com princípios de segurança e resiliência, adequados ao caráter exploratório do estudo. Evitou-se o uso de dados sensíveis, restringindo as entradas a descrições funcionais, regras de negócio e artefatos visuais preparados para pesquisa. A separação entre interface, processamento e integração externa com o modelo de linguagem reduziu o acoplamento e facilitou o controle de dados. Mecanismos básicos de sanitização de entradas e o armazenamento de credenciais fora do código-fonte foram adotados para mitigar riscos de exposição indevida de informações, alinhando-se às recomendações do NIST (2023) sobre o uso responsável de IA.

Em termos de resiliência, o protótipo foi estruturado para lidar com falhas operacionais comuns em integrações com serviços externos, como indisponibilidade de API ou oscilações de rede. Foram implementados tratamentos de exceção e mecanismos de repetição controlada de chamadas, acompanhados de mensagens informativas ao usuário em cenários de falha. Essa abordagem assegurou a continuidade do fluxo de execução durante a utilização do protótipo no ambiente de testes, embora mecanismos avançados de segurança corporativa não tenham sido implementados devido ao foco acadêmico e exploratório do projeto.

O protótipo incorporou mecanismos básicos de validação, denominados *guardrails*, para assegurar um nível mínimo de consistência estrutural nos PBIs gerados. Esses mecanismos atuaram de forma preventiva, verificando a presença de campos essenciais como descrição funcional, critérios de aceitação e orientações técnicas, além de checar a coerência básica entre as entradas e as saídas. Tais validações tiveram caráter estritamente técnico, sem interpretação semântica avançada, garantindo que as saídas apresentassem uma estrutura mínima compatível com práticas ágeis e reduzindo o retrabalho por falhas formais ou ausência de informações essenciais.

A qualidade e consistência dos PBIs gerados foram tratadas como parte integrante do processo metodológico, com a premissa central do papel ativo dos engenheiros de software na validação final. As saídas do protótipo foram concebidas como uma base inicial estruturada, destinada a apoiar e não substituir o julgamento humano. Após a geração, os engenheiros analisaram criticamente as informações, realizando ajustes e correções. Esse processo permitiu avaliar a utilidade das saídas da IA como insumo para o refinamento e identificar limitações relacionadas à compreensão do domínio, alinhando-se à abordagem de uso responsável da inteligência artificial em processos organizacionais.

A discussão dos resultados deste estudo corrobora a literatura que destaca a má definição de requisitos como uma das principais causas de retrabalho e insucesso em projetos, especialmente em ambientes ágeis (PROJECT MANAGEMENT INSTITUTE, 2018). A estruturação adequada dos requisitos, facilitada pelo Assistente de Refinamento, influenciou diretamente a eficiência do processo. A automação parcial de atividades repetitivas e estruturais, com o apoio da ferramenta, contribuiu para a otimização do refinamento sem comprometer a participação ativa dos profissionais, o que está em consonância com as evidências sobre a importância do refinamento contínuo para reduzir ambiguidades (SPRINT, 2023).

Os achados observados sobre a qualidade dos PBIs gerados são consistentes com a literatura recente sobre o uso de grandes modelos de linguagem e modelos multimodais em engenharia de software e requisitos. Estudos como os de FAN et al. (2023), BAECHLER et al. (2024) e YOU et al. (2024) apontam o potencial desses modelos para apoiar a produção e o refinamento de artefatos textuais, bem como para integrar informações de diferentes fontes, incluindo elementos visuais de interface e descrições em linguagem natural. A contextualização por regras de negócio e terminologias específicas, conforme destacado por HOU et al. (2024) e MA et al. (2024), mostrou-se crucial para a melhoria da clareza, completude e detalhamento técnico dos requisitos.

A concepção do Assistente de Refinamento como suporte ao processo decisório, permitindo que os engenheiros de software validem e ajustem os PBIs gerados, alinha-se às discussões contemporâneas sobre o uso responsável da IA em ambientes organizacionais. Essa abordagem contribuiu para mitigar riscos associados à automação excessiva e à perda de controle humano sobre decisões críticas do projeto, conforme a visão de MA et al. (2024). Os resultados preliminares, embora promissores, devem ser interpretados com cautela devido ao caráter exploratório e ao tamanho reduzido da amostra, uma limitação inerente ao método de Action Research, que foca na compreensão e transformação da prática em um ambiente específico (STARON, 2020; DAVISON; MARTINSONS; KOCK, 2004).

Em síntese, os resultados preliminares deste estudo indicaram que o Assistente de Refinamento baseado em inteligência artificial, contextualizado por regras de negócio e artefatos visuais, demonstrou potencial significativo para otimizar o processo de refinamento de requisitos em equipes ágeis. Verificou-se uma redução notável no tempo necessário para o refinamento e uma avaliação positiva da qualidade dos PBIs gerados, especialmente nos critérios de clareza, completude e detalhamento técnico, reforçando a capacidade da IA como ferramenta complementar ao julgamento humano.

4. Conclusão

Este estudo buscou avaliar o impacto da utilização de um Assistente de Refinamento baseado em inteligência artificial, contextualizado por regras de negócio e artefatos visuais, no processo de refinamento de requisitos de software em equipes ágeis, considerando a eficiência operacional e a qualidade dos Product Backlog Items (PBIs) gerados. Verificou-se que o protótipo funcional desenvolvido, ao integrar automaticamente regras de negócio e artefatos visuais, demonstrou potencial significativo para otimizar o processo. Os resultados preliminares indicaram uma redução média de aproximadamente 44% no tempo necessário para o refinamento, passando de 33,8 minutos no processo manual para 19 minutos com o apoio da inteligência artificial. Adicionalmente, a qualidade dos PBIs gerados com o auxílio do Assistente de Refinamento foi avaliada positivamente por especialistas, com pontuações consistentemente acima de 4,0 em uma escala Likert de cinco pontos para critérios como clareza, completude, ausência de ambiguidades e nível de detalhamento técnico. Essa contribuição prática reside na capacidade da ferramenta em estruturar e contextualizar informações, agilizando a fase inicial de detalhamento de requisitos e promovendo maior consistência nos artefatos produzidos, sem substituir o julgamento humano.

Apesar dos achados promissores, o estudo possui limitações inerentes ao seu caráter exploratório e ao tamanho reduzido da amostra, composta por cinco requisitos e cinco engenheiros de software. O protótipo, em seu estágio atual de desenvolvimento, dependeu da qualidade das informações de entrada e não incorporou mecanismos de aprendizado contínuo, aspectos que delimitam seu escopo. A análise preliminar de viabilidade econômica, baseada em princípios de FinOps, sugeriu uma relação custo-benefício favorável em cenários de adoção controlada, com o custo computacional inferior ao esforço humano economizado. Contudo, essa análise é exploratória e não constitui uma projeção financeira definitiva. Recomenda-se para estudos futuros a ampliação da amostra, a realização de avaliações econômicas mais detalhadas e a investigação da evolução da solução em ambientes produtivos, incorporando mecanismos avançados de segurança e resiliência. A inteligência artificial, quando contextualizada e utilizada de forma responsável, atua como ferramenta complementar, amplificando a capacidade analítica das equipes e apoiando decisões técnicas mais consistentes em ambientes ágeis.

Referências Bibliográficas

BAECHLER, G. et al. ScreenAl: A Vision-Language Model for Ul and Infographics Understanding. In: INTERNATIONAL JOINT CONFERENCE ON ARTIFICIAL INTELLIGENCE (IJCAI), 33., 2024.

DAVISON, R.; MARTINSONS, M. G.; KOCK, N. Principles of Canonical Action Research. Information Systems Journal, v. 14, n. 1, p. 65–86, 2004.

FAN, A. et al. Large Language Models for Software Engineering: Survey and Open Problems. arXiv preprint arXiv.03533, 2023.

FUNCTIONIZE. The Cost of Finding Bugs Later in the SDLC. Functionize Blog, 2023. Disponível em: https://www.functionize.com/blog/the-cost-of-finding-bugs-later-in-the-sdlc. Acesso em: 2026.

GOVERNMENT ACCOUNTABILITY OFFICE (GAO). GAO-24-105506 Agile Assessment Guide: Best Practices for Agile Adoption and Implementation. Washington, DC: U.S. Government Accountability Office, 2024.

HOU, X. et al. Large Language Models for Software Engineering: A Systematic Literature Review. ACM Transactions on Software Engineering and Methodology, v. 33, n. 8, art. 220, 2024. DOI: 10.1145/3695988.

MA, Y.; YANG, Q.; CAO, R.; LI, B.; HUANG, F.; LI, Y. How to Understand Whole Software Repository? arXiv preprint arXiv.01422, 2024.

NATIONAL INSTITUTE OF STANDARDS AND TECHNOLOGY (NIST). Artificial Intelligence Risk Management Framework (AI RMF 1.0). Gaithersburg, MD, 2023.

PROJECT MANAGEMENT INSTITUTE (PMI). Pulse of the Profession 2018: Success in Disruptive Times. Newtown Square, PA, 2018.

SPRINT, G. Generative Al for Requirements Engineering: A Systematic Literature Review and Research Agenda. arXiv preprint, 2023. Disponível em: https://arxiv.org/abs/2311.08443.

STARON, M. Action Research in Software Engineering: Theory and Applications. Cham: Springer, 2020.

VOM BROCKE, J.; WINTER, R.; HEVNER, A. Accumulation and Evolution of Design Knowledge in Design Science Research. Journal of the Association for Information Systems, v. 21, n. 3, p. 520–548, 2020.

YOU, K. et al. Ferret-UI: Grounded Mobile UI Understanding with Multimodal LLMs. In: EUROPEAN CONFERENCE ON COMPUTER VISION (ECCV), 2024.

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 […]