Artigo

26 de outubro de 2026

INTELIGÊNCIA ARTIFICIAL E OTIMIZAÇÃO DO PROCESSO DE RECRUTAMENTO E SELEÇÃO DE ORGANIZAÇÃO DO SETOR SUCROENERGÉTICO

Andressa Nicodemos Alves; Manoel Gonçales Filho

DOI: 10.22167/2675-6528-202600556

Artigo derivado de Trabalho de Conclusão de Curso (TCC), com conteúdo baseado no trabalho original do aluno e adaptado ao formato editorial da Revista E&S com apoio da ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege para síntese e organização textual.

Resumo

A integração da inteligência artificial (IA) no recrutamento e seleção (R&S) tem transformado a dinâmica da área de recursos humanos, promovendo ganhos de eficiência, precisão e agilidade. O estudo objetivou identificar as experiências de profissionais de RH sobre a aplicação da IA no R&S, analisando seus benefícios, desafios e impactos na organização, e verificando até qual etapa do processo seletivo a IA é pertinente, além de propor melhorias embasadas na literatura. A pesquisa, de natureza aplicada e abordagem qualitativa, foi desenvolvida por meio de um estudo de caso em uma empresa de grande porte do setor sucroenergético, utilizando entrevistas semiestruturadas com profissionais diretamente envolvidos no processo. Os resultados evidenciaram que a IA deve ser empregada principalmente nas etapas de triagem e atração de talentos, proporcionando economia de tempo, padronização de critérios e maior aderência entre o perfil do candidato e a cultura organizacional. Contudo, a partir das fases de entrevistas e avaliação comportamental, a intervenção humana mostrou-se essencial para assegurar decisões éticas, empáticas e contextualizadas. A pesquisa contribuiu ao destacar a importância do equilíbrio entre automação e julgamento humano, e propôs a revisão periódica dos critérios das ferramentas de IA, combinando eficiência tecnológica com práticas éticas, inclusivas e estratégicas para fortalecer o desempenho organizacional e a experiência dos candidatos.

Palavras-chave: Automação; Gestão de Pessoas; Recursos Humanos; Transformação Digital.

1. Introdução

A integração da inteligência artificial (IA) na área de recursos humanos (RH) tem se intensificado, com as tecnologias assumindo um papel central nas atividades laborais cotidianas. Essa proximidade crescente reflete a busca por soluções mais práticas e eficientes, redefinindo a dinâmica de diversos setores (Ribeiro, 2024).

No contexto do recrutamento e seleção (R&S), a IA tem promovido uma verdadeira revolução, automatizando tarefas repetitivas e operacionais, como a triagem de currículos. Essa automação permite análises mais precisas e concretas, baseadas em dados comportamentais e competências (Garcia; Mendes, 2023). Os benefícios incluem a diminuição de custos, o melhor aproveitamento do tempo e o aumento da assertividade nas contratações (Appolinário et al., 2025).

A aplicação da IA no R&S também contribui significativamente para a redução de erros humanos e vieses inconscientes, melhorando o alinhamento entre o perfil do candidato e a cultura organizacional. Em ambientes menos digitalizados, a triagem de currículos pode consumir até setenta por cento do tempo dos profissionais de RH. A IA, conforme Sousa et al. (2019), facilita a comunicação com os candidatos, gera feedbacks personalizados e padroniza processos, tornando o RH mais estratégico e orientado por dados.

Além disso, a adoção da IA em processos seletivos capacita as organizações a superar limitações e preconceitos, garantindo a seleção de talentos qualificados. Isso incentiva a inovação e a diversidade, fatores cruciais para o aumento da vantagem competitiva no mercado atual (Atanazio et al., 2021).

Contudo, a implementação da IA no R&S não está isenta de desafios e preocupações éticas. Questões como a privacidade de dados, a dependência excessiva de algoritmos e a possibilidade de desumanização do ambiente de trabalho são pontos que exigem atenção (Garcia; Mendes, 2023; Martins, 2024). Para mitigar esses riscos, é fundamental que as organizações adotem práticas de governança, incluindo auditorias constantes, transparência nos processos decisórios e políticas de uso responsável da tecnologia.

É crucial que a tecnologia atue como um apoio ao julgamento humano, e não como um substituto, especialmente em situações que envolvem aspectos subjetivos, como motivação e avaliação de desempenho. O equilíbrio entre automação e intervenção humana é, portanto, uma condição essencial para que a IA fortaleça tanto os resultados organizacionais quanto a experiência dos colaboradores (Garcia; Mendes, 2023).

Nesse contexto, surge a problemática de como a inteligência artificial impacta e otimiza o processo de recrutamento e seleção em uma organização específica do setor sucroenergético, localizada no Estado de São Paulo. Há uma lacuna na compreensão das experiências dos profissionais de RH e na identificação de até qual etapa do processo seletivo a atuação da IA é mais pertinente, garantindo um uso ético e eficaz.

Este trabalho se justifica pela crescente adoção de ferramentas de IA no ambiente organizacional, que demanda análises críticas sobre suas implicações práticas e éticas, bem como a proposição de melhorias que harmonizem tecnologia e atividade humana. Assim, o presente estudo tem como objetivo identificar as experiências dos profissionais de recursos humanos sobre a aplicação da inteligência artificial no processo de recrutamento e seleção, analisando seus benefícios, desafios e impactos na organização, e verificar até qual etapa do processo seletivo é pertinente manter a atuação da inteligência artificial.

2. Material e Métodos

A presente pesquisa caracterizou-se pela natureza aplicada, buscando gerar conhecimento para a solução de problemas práticos na gestão organizacional (Gerhardt; Silveira, 2009). Adotou-se uma abordagem qualitativa, que permitiu compreender as percepções, significados e interpretações atribuídas pelos profissionais de recursos humanos ao uso da inteligência artificial nos processos de recrutamento e seleção (Minayo, 2001).

Quanto aos objetivos, o estudo foi classificado como exploratório, por proporcionar maior familiaridade com o tema investigado. Também se configurou como bibliográfico, ao apoiar-se em referenciais teóricos que fundamentaram a discussão, e explicativo, por buscar compreender as relações de causa e efeito entre a tecnologia e seus impactos nas práticas de gestão de pessoas (Gil, 2007).

A pesquisa bibliográfica foi conduzida em bases de dados como Google Acadêmico e Spell.Org, utilizando-se palavras-chave nos idiomas português e inglês. As palavras-chave empregadas foram: Inteligência Artificial, Recrutamento e Seleção, Recursos Humanos e Automação de Processos. Essa etapa visou a construção do embasamento teórico para o estudo.

Como procedimento técnico, realizou-se um estudo de caso em uma empresa de grande porte do setor sucroenergético, localizada no estado de São Paulo, Brasil. A organização investigada possui aproximadamente nove mil colaboradores no país e é controlada por um grupo internacional de origem europeia.

O departamento de Recursos Humanos da empresa, foco desta pesquisa, é composto por quarenta e quatro profissionais. Desses, doze atuam diretamente nos processos de recrutamento e seleção. A companhia opera sete unidades industriais distribuídas no noroeste paulista, sendo líder global na produção de açúcar, etanol e energia renovável.

Os participantes do estudo foram doze recrutadores que atuam diretamente nos processos de recrutamento e seleção da empresa. A seleção desses profissionais baseou-se em critérios de inclusão específicos: possuir experiência mínima de um ano na área de R&S e ter participado de processos seletivos mediados por tecnologias de inteligência artificial.

Para a coleta de dados, utilizaram-se entrevistas semiestruturadas, conduzidas em ambiente reservado. O roteiro de perguntas foi elaborado com base nos principais eixos identificados na literatura sobre inteligência artificial e recrutamento e seleção, conforme detalhado no Apêndice A do trabalho original.

As entrevistas tiveram duração média de 45 minutos e foram realizadas no formato “online”, por meio da plataforma “Teams”. Os apontamentos foram registrados mediante autorização prévia dos participantes. A coleta de dados ocorreu entre os meses de outubro e novembro de 2025.

Os perfis dos entrevistados, que incluíam informações sobre formação, função e tempo de experiência, foram considerados para contextualizar as percepções coletadas. A diversidade de funções e experiências entre os participantes contribuiu para uma visão abrangente sobre o tema.

A análise dos dados obtidos foi realizada por meio da técnica de análise de conteúdo (Bardin, 2016). Esse método permitiu a identificação de padrões, categorias e significados recorrentes nas respostas dos participantes, proporcionando uma compreensão aprofundada das experiências relatadas.

As categorias de análise foram definidas por um processo híbrido, que combinou referenciais teóricos identificados na revisão de literatura com evidências emergentes das entrevistas. Inicialmente, estabeleceram-se categorias preliminares com base em eixos recorrentes nos estudos sobre IA em R&S, como eficiência operacional, vieses, ética, diversidade e humanização.

Posteriormente, durante a análise das falas, essas categorias foram refinadas e ajustadas conforme a recorrência e relevância dos temas identificados nos relatos. Buscou-se a recorrência de padrões nos relatos, identificada quando as falas apresentaram repetição de conteúdos e ausência de novos elementos relevantes.

A pesquisa assegurou o anonimato e a confidencialidade dos entrevistados e das informações fornecidas. A participação foi voluntária, com os participantes plenamente informados sobre os objetivos do estudo por meio do Termo de Consentimento Livre e Esclarecido (TCLE), apresentado no Apêndice B.

Conforme o parágrafo único do artigo 1º da Resolução CNS n. 510, de abril de 2016, o trabalho foi dispensado do registro e da análise do Comitê de Ética em Pesquisa (CEP) e da Comissão Nacional de Ética em Pesquisa (CONEP). Essa dispensa se deu por se tratar de pesquisa de opinião com participantes não identificados.

3. Resultados e Discussão

A pesquisa buscou identificar as experiências dos profissionais de recursos humanos sobre a aplicação da inteligência artificial no processo de recrutamento e seleção, analisando seus benefícios, desafios e impactos na organização. As entrevistas foram estruturadas a partir de uma revisão bibliográfica abrangente, permitindo uma análise aprofundada das percepções dos participantes sobre a tecnologia, eficiência, vieses e ética. A comparação entre as práticas observadas na empresa e as recomendações da literatura foi fundamental para identificar pontos de convergência e divergência, subsidiando a proposição de melhorias específicas para o processo de R&S da organização estudada, uma empresa de grande porte no setor sucroenergético.

Os participantes da pesquisa destacaram o uso de ferramentas digitais, como o “LinkedIn Recruiter”, para a atração e captação de talentos. Essa tecnologia foi percebida como um aliado estratégico na otimização do tempo, na identificação de perfis mais aderentes às vagas e na padronização dos critérios de avaliação. Tal constatação corrobora os achados de Sousa et al. (2019), que indicam que a IA pode reduzir em até setenta por cento o tempo dedicado à triagem de currículos, contribuindo para decisões mais ágeis e assertivas. A empresa, ao empregar a tecnologia nessas fases iniciais, alinha-se às melhores práticas da literatura, buscando eficiência e redução de custos operacionais.

A implementação das ferramentas de inteligência artificial exigiu um período de adaptação e treinamento por parte da equipe de RH. Os relatos indicaram uma resistência inicial, acompanhada da necessidade de compreender o funcionamento dos algoritmos e filtros para maximizar o uso da tecnologia no dia a dia. A empresa investiu em treinamentos internos, o que resultou em maior confiança dos recrutadores e no desenvolvimento da maturidade digital do departamento. Para sustentar essa evolução, propõe-se a revisão periódica dos parâmetros das ferramentas de IA, garantindo que os filtros e critérios de busca permaneçam atualizados e alinhados às demandas reais das vagas, evitando exclusões indevidas e ampliando a assertividade dos resultados, além de fortalecer a capacitação contínua da equipe.

Em relação às etapas do processo seletivo em que a IA demonstra maior eficiência, a maioria dos entrevistados apontou a triagem de currículos e a busca por perfis baseada em palavras-chave. Essas atividades, tradicionalmente consumidoras de tempo para os recrutadores, tornaram-se mais rápidas e consistentes com o uso da tecnologia, especialmente em processos seletivos de grande volume. Esse benefício é amplamente reconhecido na literatura, como por Appolinário et al. (2025), que enfatizam o ganho de agilidade e a redução de custos como vantagens centrais da automação no R&S. A empresa, portanto, capitaliza esses ganhos ao automatizar as fases iniciais do processo.

Contudo, os participantes ressaltaram que, a partir das fases de entrevistas e avaliações comportamentais, a presença humana torna-se indispensável para assegurar decisões éticas, empáticas e contextualizadas. Essa percepção alinha-se ao argumento de Garcia e Mendes (2023), que defendem que a IA deve atuar como apoio ao julgamento humano, e não como substituta do discernimento subjetivo. O equilíbrio entre tecnologia e sensibilidade humana foi identificado como um dos maiores desafios, pois busca garantir agilidade sem comprometer a humanização do processo seletivo, reforçando a necessidade de a IA apoiar decisões mais estratégicas, identificando candidatos com maior potencial de aderência e desenvolvimento futuro.

As entrevistas evidenciaram que a atuação da IA é mais pertinente nas etapas iniciais do processo seletivo, como a triagem e captação de currículos. Em contraste, fases como entrevistas, análises comportamentais e a decisão final devem permanecer sob o julgamento humano. Os recrutadores destacaram que, nessas etapas, o julgamento subjetivo, a empatia e a interpretação contextual são cruciais para evitar decisões enviesadas ou desumanizadas. A IA, portanto, é mais eficaz como ferramenta de apoio operacional e analítico, e não como substituta do discernimento humano nas fases decisivas do R&S. Para aprimorar essa integração, sugere-se estabelecer uma política interna que defina claramente os limites de atuação da IA, garantindo que as decisões finais de contratação sejam conduzidas por avaliação humana.

Adicionalmente, foram apontadas oportunidades para desenvolver protocolos de transição entre etapas automatizadas e presenciais, assegurando coerência de critérios e preservando a ética, a imparcialidade e a humanização das decisões. A criação de indicadores de diversidade e a implementação de tais protocolos podem auxiliar no monitoramento contínuo dos resultados, garantindo que a tecnologia atue de forma inclusiva e alinhada aos valores organizacionais. Essa abordagem visa potencializar o impacto social e cultural dos processos de seleção, guiada por princípios de diversidade e inclusão, conforme defendido por Atanazio et al. (2021).

Quando questionados sobre o papel da IA na redução de preconceitos e promoção da diversidade, os participantes apresentaram uma visão equilibrada. Reconheceram que a tecnologia pode auxiliar, desde que configurada adequadamente, mas alertaram que parâmetros mal definidos podem reforçar vieses existentes. Atanazio et al. (2021) enfatizam a importância da governança e do acompanhamento constante para que a IA seja uma aliada na redução do preconceito, promovendo maior diversidade e inovação. A proposição de melhoria inclui a criação de indicadores de diversidade para monitoramento contínuo, assegurando que a tecnologia atue de forma inclusiva e alinhada aos valores organizacionais.

Em relação à experiência do candidato, os entrevistados observaram que a automação reduziu o tempo de resposta e padronizou o feedback, conforme destacado por Sousa et al. (2019). No entanto, o contato inicial tornou-se mais impessoal. Reconhece-se, portanto, a importância de equilibrar eficiência e empatia, garantindo que a tecnologia não comprometa a humanização do processo. Recomenda-se incorporar métricas de satisfação do candidato e momentos de contato humano estratégico, de modo a preservar a percepção de acolhimento e empatia durante o processo seletivo, fortalecendo a relação entre a organização e os potenciais talentos.

As questões éticas também foram objeto de reflexão, com preocupações sobre o risco de bons candidatos serem descartados por filtros automáticos excessivamente rígidos e a possibilidade de o processo se tornar impessoal. Essa preocupação converge com as análises de Martins et al. (2024), que alertam para os riscos da dependência excessiva de algoritmos e da desumanização do ambiente de trabalho. Os entrevistados reforçaram a necessidade de manter o julgamento humano sempre presente, garantindo que a tecnologia seja uma aliada e não uma substituta da sensibilidade dos recrutadores. A proposição nesse quesito é a criação de protocolos de governança que estabeleçam limites claros para o uso da IA, assegurando a revisão humana em etapas decisivas do processo seletivo.

De maneira geral, os profissionais entrevistados destacaram benefícios claros da IA, como ganho de tempo, agilidade em processos seletivos em massa e maior padronização na análise de perfis. A expectativa é que, nos próximos anos, a IA assuma um papel cada vez mais analítico, permitindo que os recrutadores concentrem-se nas etapas de decisão e relacionamento humano. Contudo, foram mencionados desafios como a dependência da tecnologia e o risco de perder talentos por critérios automatizados. A proposta de melhoria é a definição de critérios transparentes de parametrização e a revisão periódica das ferramentas de IA, garantindo que os benefícios da automação se mantenham sem comprometer a diversidade e a qualidade das contratações.

A pesquisa evidenciou que o uso equilibrado da IA representa não apenas uma inovação tecnológica, mas uma transformação cultural na forma de gerir pessoas. Os resultados demonstram que o futuro do recrutamento depende da integração entre dados e empatia, algoritmos e experiência, o que reforça a necessidade de construir políticas organizacionais que priorizem tanto a eficiência operacional quanto o respeito à individualidade humana. As proposições de melhoria concentram-se na governança da IA, na revisão de critérios algorítmicos e na integração entre decisões tecnológicas e julgamento humano, indicando que o desafio organizacional reside na gestão, monitoramento e alinhamento da tecnologia aos valores éticos e estratégicos da organização.

4. Conclusão

O presente estudo objetivou identificar as experiências de profissionais de recursos humanos sobre a aplicação da inteligência artificial no recrutamento e seleção, analisando seus benefícios, desafios e impactos na organização, e verificando até qual etapa do processo seletivo a IA é pertinente. Verificou-se que a inteligência artificial foi empregada com maior eficiência nas etapas iniciais do processo, como a triagem de currículos e a atração de talentos, proporcionando ganhos significativos em economia de tempo, padronização de critérios e maior assertividade na identificação de perfis aderentes à cultura organizacional. Contudo, observou-se que, a partir das fases de entrevistas e avaliações comportamentais, a intervenção humana mostrou-se indispensável para assegurar decisões éticas, empáticas e contextualizadas, evitando a desumanização do processo. A pesquisa contribuiu ao evidenciar a importância do equilíbrio entre a automação e o julgamento humano, propondo a revisão periódica dos critérios das ferramentas de IA e a capacitação contínua da equipe de RH, visando harmonizar a eficiência tecnológica com práticas éticas, inclusivas e estratégicas que fortalecem o desempenho organizacional e a experiência dos candidatos.

Como limitação, destaca-se que o estudo foi realizado em uma única empresa do setor sucroenergético, o que restringe a generalização dos resultados. Para estudos futuros, sugere-se ampliar a investigação para diferentes setores e analisar o uso da IA em outras etapas do ciclo de gestão de pessoas, como retenção e desenvolvimento, aprofundando o entendimento sobre o papel da tecnologia na construção de um RH mais estratégico e humano. As proposições de melhoria concentram-se na governança da IA, na definição de critérios transparentes de parametrização e na criação de protocolos de transição entre etapas automatizadas e presenciais, assegurando coerência, transparência e inclusão nas decisões de recrutamento, além de incorporar métricas de satisfação do candidato para preservar a empatia durante o processo seletivo.

Referências Bibliográficas

Appolinário, D. G.; Hedler, H. C.; Ferneda, E. 2025. Desafios do uso da inteligência artificial na gestão de recursos humanos: uma revisão sistemática. Boletim de Conjuntura (BOCA), [S.I.], v. 7, n. 3, p. 1–15. Disponível em: <https://revista.ioles.com.br/boca/index.php/revista/article/view/6979>. Acesso em: 25 set. 2025.

Atanazio, A.; Silva, L. R. O.; Formigoni, A.; Novais, R. A. B. de. 2021. A inteligência artificial transformando o RH do futuro: um estudo de caso sobre a tecnologia e a diversidade no mercado de trabalho. Refas – Revista Fatec Zona Sul, 7(4): 1-16.

Bardin, L. 2016. Análise de conteúdo. Edições 70, São Paulo, SP, Brasil.

Garcia, M. E. P. T.; Mendes, T. D. O. 2023. Transformações no recrutamento e seleção: um estudo sobre a inteligência artificial no processo seletivo. Revista de Gestão e Secretariado, 14(4). Disponível em: <https://ojs.revistagesec.org.br/secretariado/article/download/4665/3063/14988>. Acesso em: 13 set. 2025.

Gerhardt, T. E.; Silveira, D. T. 2009. Métodos de pesquisa. EAD Série Educação a Distância. Disponível em: <https://www.ufrgs.br/cursopgdr/downloadsSerie/derad005.pdf>. Acesso em: 13 set. 2025.

Gil, A. C. 2007. Como elaborar projetos de pesquisa. 4. ed. Atlas, São Paulo, SP, Brasil.

Martins, G. et al. 2024. Inteligência artificial e recursos humanos. Letra e Forma Editora, Curitiba, PR, Brasil. DOI: 10.29327/5435233.

Minayo, M. C. S. 2001. O desafio do conhecimento: pesquisa qualitativa em saúde. 8. ed. Hucitec, São Paulo, SP, Brasil.

Ribeiro, C. S. M. 2024. Inteligência artificial em recursos humanos: tendências e competências para o futuro. Dissertação (Mestrado) – Instituto Politécnico do Porto, Porto, Portugal. Disponível em: <https://www.proquest.com/openview/addff76ea4a03a9c8e96d2043edf409a/1?cbl=2026366&diss=y&pq-origsite=gscholar>. Acesso em: 25 set. 2025.

Sousa, S. P.; Passarelli, C. R.; Pugliesi, M. A. 2019. A inteligência artificial no recrutamento e seleção de pessoas: um estudo exploratório. Revista de Informação Contábil e Organizacional, São Paulo, v. 4, n. 1, p. 45-59, jan./jul. Disponível em: <https://ric.cps.sp.gov.br/bitstream/123456789/4968/1/A%20INTELIG%C3%8ANCIA%20ARTIFICIAL%20NO%20RECRUTAMENTO%20E%20SELE%C3%87%C3%83O%20DE…janeiro-julho%202019.pdf>. Acesso em: 25 set. 2025.

Artigo oriundo de Trabalho de Conclusão de Curso da Especialização em Gestão de Pessoas do MBA USP/Esalq

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

Você também pode gostar

06 de novembro de 2026

Influência do marketing digital no consumo de suplementos proteicos e alimentos enriquecidos com proteína

O consumo de suplementos proteicos e alimentos com adição de proteína tem crescido significativamente nos últimos anos, com conteúdos digitais relacionados à saúde, estética e desempenho físico tornando-se parte relevante da rotina de brasileiros que buscam um estilo de vida disciplinado. O presente estudo teve como objetivo analisar o comportamento de consumo de suplementos e alimentos proteicos, bem como a influência das redes sociais e dos influenciadores digitais nas decisões de compra dos consumidores. Realizou-se uma pesquisa exploratória, que utilizou um questionário online aplicado a 62 participantes via Google Forms, disseminado no Instagram, e uma entrevista semiestruturada com o CEO de uma marca de suplementos. A análise dos dados foi quali-quantitativa. Os resultados indicaram que as redes sociais, especialmente o Instagram, desempenharam papel central no contato inicial dos consumidores com as marcas. A maioria dos entrevistados associou o consumo de produtos proteicos a um estilo de vida saudável e fitness, e considerou a influência de criadores de conteúdo digital no estímulo à experimentação e à compra. Identificou-se o impacto significativo do marketing digital e das narrativas aspiracionais no comportamento de consumo, reforçando a relação entre alimentação funcional, identidade social e pertencimento no ambiente digital no contexto da suplementação e alimentação proteica.

Palavras-chave: Alimentos com adição de proteína; Comportamento do consumidor; Consumo de suplementos proteicos; Influenciadores digitais; Marketing digital.

06 de novembro de 2026

Inovação na Gestão Operacional do Setor Elétrico com Apoio da Ciência de Dados

A aplicação da ciência de dados na gestão operacional da distribuição de energia elétrica foi investigada com o objetivo de otimizar processos e a tomada de decisão estratégica. O estudo analisou como algoritmos preditivos e painéis de Business Intelligence podem potencializar a gestão operacional, visando otimizar o despacho de equipes, prever demandas e monitorar indicadores em tempo real para decisões mais ágeis e sustentáveis. A pesquisa teve caráter aplicado e considerou dados históricos, geográficos e operacionais da EDP São Paulo em São José dos Campos, abrangendo o período de janeiro de 2018 a dezembro de 2024. Os dados foram tratados em ambiente de Business Intelligence e submetidos a algoritmos de machine learning, como regressão linear múltipla e redes neurais recorrentes, para previsão de demanda e identificação de padrões de falhas. Adicionalmente, utilizou-se clustering para identificar áreas críticas. Os resultados indicaram que a integração de modelos de previsão com indicadores operacionais em tempo real reduziu o tempo de resposta a ocorrências, aumentou a eficiência na alocação de recursos e promoveu a melhoria contínua da operação. As redes neurais recorrentes demonstraram maior precisão na previsão de demanda, e a análise de correlação apontou a precipitação como fator relevante para o aumento de interrupções. A identificação de áreas críticas por clustering permitiu priorizar ações de manutenção. Concluiu-se que a adoção de métodos de ciência de dados moderniza o setor, reduz custos, aumenta a confiabilidade e promove maior sustentabilidade, oferecendo subsídios para decisões mais ágeis e sustentáveis na gestão energética.

Palavras-chave: Algoritmos preditivos; Business Intelligence; Ciência de dados; Distribuição de energia; Gestão operacional.

06 de novembro de 2026

Previsão da geração de energia fotovoltaica por meio de aprendizado de máquina: um estudo aplicado a uma usina no Nordeste do Brasil

O incremento das energias renováveis no Brasil, em especial da energia fotovoltaica, evidenciou a necessidade de aprimorar a previsão da produção das usinas, em função da elevada dependência de fatores climáticos e da consequente variabilidade da geração elétrica. Desenvolveu-se e avaliou-se modelos de aprendizado de máquina para a previsão da geração de energia elétrica de uma usina fotovoltaica no Nordeste do Brasil, analisando o impacto da inclusão progressiva de variáveis meteorológicas, temporais, derivadas e defasadas. Utilizaram-se dados horários de geração de energia e variáveis meteorológicas provenientes de bases oficiais e públicas. Implementaram-se três algoritmos de regressão baseados em árvores (Árvore de Decisão, Random Forest e XGBoost) em uma modelagem estruturada em três fases: variáveis meteorológicas, temporais e cíclicas e de defasagens. Os resultados indicaram forte correlação entre a radiação solar e a geração de energia. Observou-se desempenho preditivo moderado nas fases iniciais da modelagem, com melhora expressiva na terceira fase, onde o XGBoost se destacou com um R² de 0,898. Concluiu-se que a inclusão de variáveis temporais e técnicas de engenharia de atributos foi determinante para o aprimoramento da capacidade preditiva dos três modelos, configurando-se como uma estratégia para aplicações práticas no setor fotovoltaico.

Palavras-chave: Algoritmo baseado em árvores; Dados meteorológicos; Dependência temporal; Engenharia de atributos; Parque solar.

06 de novembro de 2026

Comportamento de clientes em cursos preparatórios: segmentação RFM, Cadeias de Markov e aprendizado supervisionado

Construiu-se uma arquitetura analítica para compreender e predizer o comportamento de compra de clientes de um provedor de cursos livres preparatórios. O objetivo foi integrar segmentação RFM, modelagem de transições por Cadeias de Markov e predição de propensão por Regressão Logística, Random Forest e Gradient Boosting, sob a estrutura do CRISP-DM. Utilizaram-se dados transacionais de 7.123 clientes de um provedor de cursos livres, abrangendo novembro de 2022 a janeiro de 2026. A metodologia CRISP-DM guiou a segmentação RFM, a modelagem de transições por Cadeias de Markov e a predição de propensão à compra por modelos supervisionados (Regressão Logística, Random Forest e Gradient Boosting), com validação temporal ‘out-of-time’. A segmentação RFM revelou quatro perfis, com o segmento Muito Recorrente (25% da base) concentrando 60,5% da receita. A Cadeia de Markov indicou uma tendência de degradação da base no longo prazo, com o segmento Baixa Aquisição projetado para crescer de 25% para 31,3% no equilíbrio. Os modelos supervisionados alcançaram AUC entre 0,811 e 0,826, demonstrando que o poder preditivo reside nas variáveis RFM, com a recência emergindo como preditor dominante. Concluiu-se que a integração dessas abordagens fornece subsídios concretos para decisões estratégicas de retenção, segmentação e priorização de clientes em contextos educacionais, destacando a necessidade de ações estruturadas para reverter a degradação da base e a importância da recência na predição de recompra.

Palavras-chave: Cadeias de Markov; CRISP-DM; Predição de propensão; Random Forest; Segmentação RFM.

06 de novembro de 2026

Classificação de retornos de ações no Brasil com machine learning e técnicas de meta-labeling

A demanda por estratégias quantitativas em mercados de capitais impulsionou o desenvolvimento de modelos de machine learning. O presente estudo implementou um pipeline de aprendizado de máquina para a classificação ternária de retornos de ações brasileiras, visando diagnosticar sobreajuste, avaliar o uso de meta-rotulagem e Hierarchical Risk Parity (HRP) para gerar alpha positivo, e documentar modos de falha. Reuniu-se 276 ativos da B3 entre 2000 e 2026, totalizando 257.970 amostras rotuladas pelo esquema triple-barrier sobre eventos CUSUM. Um classificador primário XGBoost agrupado foi treinado com pesos de amostra corrigidos por concorrência e unicidade. A validação empregou PurgedKFold e validação cruzada combinatória purgada (CPCV), com diagnóstico de sobreajuste via PBO e DSR. A decisão de lado seguiu a softmax bruta do modelo primário, e a magnitude da aposta foi delegada a um meta-rotulador binário. A construção de carteira adotou Hierarchical Risk Parity e foi avaliada por comparação honesta A/B/C. Os resultados out-of-sample indicaram acurácia de 0,52 e aprovação nos três gates estatísticos. Contudo, no nível de carteira, o Sharpe da estratégia com timing foi de +0,23 contra +0,87 do buy-and-hold HRP, resultando em alpha de -0,63. Concluiu-se que a seleção do universo explicou substancialmente o desempenho observado, e não o timing do classificador, apesar da aprovação nos testes estatísticos de nível de operação. A contribuição metodológica foi um pipeline reprodutível, auditável e leakage-safe, com modos de falha documentados de forma transparente, e o diagnóstico do colapso do argmax sob calibração isotônica em rótulos ternários desbalanceados.

Palavras-chave: Deflated Sharpe Ratio; Diferenciação fracional; Finanças quantitativas; Meta-rotulagem; Sobreajuste em backtests.

06 de novembro de 2026

Método AHP-Gaussiano na seleção de fornecedores: conformidade em contratações públicas

A seleção de fornecedores em contratações públicas demandou instrumentos para ampliar a transparência e fortalecer a conformidade diante de riscos legais e reputacionais. O objetivo foi aplicar o método AHP-Gaussiano na seleção de fornecedores, com base em critérios quantitativos de integridade e capacidade operacional. A investigação, de natureza aplicada, documental e quantitativa, utilizou dados secundários do Cadastro Nacional de Empresas Inidôneas e Suspensas (CEIS), disponíveis no Portal da Transparência. Avaliaram-se dez fornecedores do segmento de limpeza e conservação, segundo seis critérios: recursos recebidos, sanções vigentes, contratos firmados, emendas parlamentares, serviços e participação em licitações. O método AHP-Gaussiano processou os dados, calculou os pesos dos critérios, agregou os desempenhos e gerou o ranking final das alternativas. Os resultados indicaram que o critério emendas parlamentares apresentou o maior peso relativo no modelo, seguido por participação em licitações e contratos firmados. A alternativa A4 foi a mais bem posicionada no ranking final, seguida por A5 e A6. Um teste de sensibilidade confirmou a coerência e robustez do modelo. Concluiu-se que o AHP-Gaussiano constituiu uma ferramenta adequada para apoiar a seleção de fornecedores no setor público, contribuindo para decisões mais consistentes, rastreáveis e alinhadas aos princípios de integridade e governança.

Palavras-chave: AHP-Gaussiano; Apoio multicritério à decisão; Conformidade; Contratações públicas; Fornecedores.

06 de novembro de 2026

Posicionamento de marcas globais de alimentação e a percepção do consumidor no mercado digital contemporâneo

A expansão de mercados globais impôs às marcas o desafio de superar a padronização digital e evitar a desconexão com consumidores de diferentes contextos culturais. O estudo analisou o posicionamento estratégico e a percepção das marcas McDonald’s, Starbucks e KFC no Brasil, França e Japão, buscando compreender como o tom de voz, a estética visual e os canais de comunicação foram moldados às preferências locais. A metodologia empregou um estudo de caso múltiplo com abordagem mista, que integrou a análise de conteúdo em perfis de Instagram e TikTok à aplicação de um formulário estruturado com 63 respondentes. Os resultados demonstraram contrastes significativos no posicionamento digital: no Brasil, a comunicação priorizou a expressividade e a proximidade emocional por meio de influenciadores; na França, o individualismo estético e o humor irônico predominaram como vetores de engajamento; e no Japão, a estratégia revelou uma comunicação de alto contexto, guiada pelo requinte visual, sazonalidade e uso de canais regionais como o aplicativo LINE. A pesquisa ratificou que 88,9% dos consumidores exigiram campanhas adaptadas, evidenciando a ressonância cultural como variável determinante para a sustentação do capital de marca. Concluiu-se que a eficácia do posicionamento digital dependeu do equilíbrio entre a identidade global e a localização profunda, tornando o consumo culturalmente relevante e autêntico.

Palavras-chave: Branding; Comportamento do Consumidor; Localização da Marca; Marketing Intercultural; Redes Sociais.

Inscreva-se em nossa newsletter!

Receba conteúdos e fique sempre atualizado sobre as novidades em gestão, liderança e carreira com a Revista E&S.

Ao preencher o formulário você está ciente de que podemos enviar comunicações e conteúdos da Revista E&S. Confira nossa Política de Privacidade