Resumo Executivo

02 de fevereiro de 2026

Ciência de dados para previsão de venda de pneus no mercado brasileiro

Dalton Gonçalves Silva dos Reis; Elisa Morandé Sales

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

O objetivo deste trabalho foi desenvolver e validar um modelo preditivo para a venda de pneus de passeio no Brasil, segmentado entre o mercado de montadoras (OEM) e o de reposição, visando fornecer uma ferramenta estratégica para o planejamento de produção e gestão de estoques. A pesquisa buscou identificar as variáveis mais influentes em cada segmento e aplicar modelos de séries temporais para gerar previsões assertivas, otimizando recursos e reduzindo custos. A necessidade de tal modelo emerge da complexidade da cadeia produtiva de pneumáticos; uma previsão de demanda imprecisa pode levar a desequilíbrios como custos de armazenagem elevados por excesso de insumos ou rupturas na produção por subestimação da demanda.

A relevância do estudo ancora-se na magnitude do mercado brasileiro de pneus, que movimenta mais de 50 milhões de unidades anualmente e é influenciado por fatores como o desempenho da indústria automobilística e indicadores macroeconômicos. A ciência de dados é fundamental para transformar dados brutos em conhecimento acionável. Conforme Grus (2019), a análise de dados permite extrair padrões ocultos. Este processo de transformar dados em informação e conhecimento constitui o que Fávero e Belfiore (2024) descrevem como a hierarquia do conhecimento, um pilar para a tomada de decisão estratégica e para a consolidação de uma vantagem competitiva.

A abordagem foca em modelos estatísticos robustos e interpretáveis como SARIMA e SARIMAX. A literatura, como o estudo de Taylor (2015) que utilizou redes neurais artificiais (ANN) e alcançou um coeficiente de determinação (R-squared) de 66%, serve como referência. Este estudo busca avançar ao testar modelos alternativos e incorporar variáveis exógenas do contexto brasileiro para obter um desempenho preditivo superior, permitindo que as empresas da cadeia de suprimentos ajustem seus planos de produção e otimizem a logística.

A aplicação de técnicas como análise de séries temporais representa uma evolução na gestão, permitindo uma postura proativa em vez de reativa. VanderPlas (2016) destaca que a ciência de dados capacita profissionais a resolver problemas concretos, como a incerteza na demanda de pneus. Ao fornecer um modelo preditivo confiável, o estudo oferece um subsídio prático para decisões mais informadas, alinhando oferta e demanda. A pesquisa se justifica pela sua aplicabilidade direta na indústria, com a expectativa de que os modelos desenvolvidos gerem impacto mensurável na eficiência operacional e reforcem o valor da análise de dados como ativo estratégico para a competitividade industrial.

A metodologia é uma pesquisa quantitativa e aplicada, fundamentada na análise de séries temporais com dados públicos e estruturados. A variável alvo, venda de pneus de passeio, foi obtida de relatórios mensais da Associação Nacional da Indústria de Pneumáticos (ANIP) de janeiro de 2018 a dezembro de 2024, totalizando 84 observações. Este período foi escolhido para capturar diferentes ciclos econômicos, incluindo a pandemia de COVID-19. Para enriquecer os modelos, foram incorporadas variáveis exógenas: produção e venda de veículos (ANFAVEA), indicadores setoriais de produtos de borracha (CNI), importação de pneus (ComexStat), e indicadores de conjuntura como inadimplência do consumidor (Serasa). Conforme Joseph e Tackes (2024), a incorporação de variáveis correlacionadas constrói modelos mais robustos. As séries temporais utilizadas são de natureza estocástica, com valores futuros parcialmente aleatórios, mas descritíveis por padrões.

O processamento e a modelagem foram realizados em Python, utilizando bibliotecas como Pandas e Numpy para manipulação de dados, e Matplotlib e Seaborn para visualização. A modelagem estatística foi implementada com a biblioteca statsmodels. A função seasonaldecompose foi usada para decompor as séries em tendência, sazonalidade e resíduo (Oliveira et al., 2024). A estacionariedade, pré-requisito para modelos ARIMA, foi verificada com o teste de Dickey-Fuller Aumentado (adfuller), que rejeita a hipótese nula de não estacionariedade para p-valores inferiores a 0,05. Para a seleção dos parâmetros (p, d, q) e (P, D, Q), utilizou-se a função autoarima do pacote pmdarima, que seleciona a configuração que minimiza o Critério de Informação de Akaike (AIC), uma métrica que equilibra ajuste e parcimônia (Hyndman e Athanasopoulos, 2021). Os modelos centrais foram o SARIMA e o SARIMAX, que estende o SARIMA ao incluir variáveis exógenas. A performance foi avaliada pelo Erro Percentual Absoluto Médio (MAPE), calculado com a função do pacote sklearn. A série de 84 observações foi dividida em um conjunto de treino com 72 observações (janeiro de 2018 a dezembro de 2023) e um de teste com 12 observações (janeiro a dezembro de 2024).

A análise do segmento de vendas para montadoras (OEM) revelou uma queda abrupta em 2020 devido à pandemia e um forte componente de sazonalidade anual. O teste de Dickey-Fuller Aumentado confirmou a estacionariedade da série (p-valor = 0,000896), não necessitando de diferenciação (d=0). A ferramenta auto_arima sugeriu um modelo SARIMA(2, 0, 0)(0, 1, 1), que, após treino e validação, resultou em um MAPE de 8,74%, equivalente a uma assertividade de 91,26%.

Para aprimorar o modelo, foi investigada a correlação com a produção de veículos de passeio, que se mostrou forte e positiva (0,9). A inclusão desta variável exógena no modelo, transformando-o em um SARIMAX, manteve a mesma ordem de parâmetros ARIMA(2, 0, 0)(0, 1, 1). Ao treinar e validar o novo modelo, o MAPE obtido foi de 7,92%, melhorando a assertividade para 92,08%. Essa redução no erro confirma o valor preditivo da variável. A comparação das previsões para os primeiros quatro meses de 2025 com dados reais mostrou a superioridade do SARIMAX, com uma diferença acumulada de 210.139 unidades contra 218.523 do modelo SARIMA.

A análise foi replicada para o mercado de reposição. A série temporal também se mostrou estacionária. O auto_arima identificou o modelo SARIMA(1, 0, 0)(1, 1, 1) como o mais adequado, que após treinamento e validação apresentou um MAPE de 12,38% (assertividade de 87,62%). O erro superior ao do mercado de montadoras é esperado, pois o mercado de reposição é influenciado por uma gama maior de fatores aleatórios ligados à decisão do consumidor final, como aponta Morettin (2018).

Para o modelo SARIMAX do mercado de reposição, a análise de correlação revelou uma correlação negativa moderada (-0,5) entre as vendas de pneus e o índice de inadimplência da Serasa. A lógica é que um aumento no endividamento leva ao adiamento de despesas como a troca de pneus. Incorporando o índice de inadimplência como variável exógena, o modelo SARIMAX, com a mesma ordem ARIMA(1, 0, 0)(1, 1, 1), foi treinado e validado. O resultado foi uma melhora significativa na performance, com o MAPE caindo para 9,71% (assertividade de 90,29%). A previsão para os primeiros quatro meses de 2025 com este modelo também se mostrou mais precisa, com uma diferença acumulada de 475.660 unidades em relação ao real, contra 687.898 do modelo SARIMA.

Os resultados para o mercado de montadoras indicaram que o modelo com duas variáveis (Venda Pneus, Prod. Veículos novos) apresentou o menor AIC e o menor MAPE (7,92%), sendo a opção mais eficiente. A adição de uma terceira variável (Índice Indústria IBGE) não trouxe melhorias, sugerindo redundância da informação. Para o mercado de reposição, o modelo com duas variáveis (Venda Pneus, Índice Inadimplência) obteve o menor MAPE (9,71%), confirmando-se como a melhor escolha. Embora seu AIC tenha sido ligeiramente superior ao do modelo univariado, a melhora substancial no MAPE justificou a escolha do SARIMAX. A tentativa de adicionar uma terceira variável (Atividade do Comércio de Veículos) resultou em uma piora do MAPE para 14,33%, validando que nem toda variável correlacionada contribui positivamente para a predição, um princípio na seleção de features discutido por Nielsen (2021).

Os resultados demonstram que a aplicação do modelo SARIMAX é altamente eficaz para a previsão de venda de pneus no Brasil. Para o mercado de montadoras, a inclusão da produção de veículos foi crucial para alcançar uma assertividade superior a 92%. Para o mercado de reposição, a incorporação do índice de inadimplência do consumidor permitiu elevar a assertividade para mais de 90%. A discussão dos resultados reforça a distinção entre os dois mercados. O segmento de montadoras opera de forma mais determinística, com uma relação direta com a produção de veículos. Em contrapartida, o mercado de reposição é mais estocástico, sujeito às flutuações da confiança do consumidor e da saúde econômica. A pesquisa valida a hipótese de que modelos customizados para cada segmento, utilizando variáveis exógenas apropriadas, superam os modelos univariados. A assertividade alcançada, em ambos os casos acima de 90%, representa um avanço em relação a benchmarks anteriores, como o estudo de Taylor (2015), e oferece uma ferramenta de grande valor prático.

O estudo demonstrou com sucesso a viabilidade e a eficácia da aplicação de modelos de séries temporais SARIMA e SARIMAX para a previsão de vendas de pneus de passeio no mercado brasileiro. Os modelos desenvolvidos alcançaram índices de assertividade superiores a 90% para ambos os segmentos analisados, validando-os como ferramentas robustas para o suporte ao planejamento de produção e gestão de estoques. A pesquisa identificou que a incorporação de variáveis exógenas específicas para cada mercado, como a produção de veículos para o segmento de montadoras e o índice de inadimplência para o de reposição, foi fundamental para aprimorar a acurácia das previsões. As implicações práticas destes resultados são diretas, oferecendo às indústrias um método quantitativo para antecipar a demanda e otimizar a alocação de recursos.

Apesar dos resultados positivos, o estudo possui limitações. A principal reside no horizonte de previsão; os modelos são mais indicados para previsões de curto prazo, idealmente de três a quatro meses, pois a incerteza das variáveis aumenta em horizontes mais longos. Recomenda-se uma aplicação contínua, com reajustes mensais. Como sugestão para trabalhos futuros, a exploração de modelos de machine learning e redes neurais como LSTM ou GRU poderia trazer melhorias. Além disso, a expansão da análise para incluir outras categorias de pneus, como os de caminhões e ônibus, representaria um próximo passo lógico. Conclui-se que o objetivo foi atingido: demonstrou-se que é possível criar modelos preditivos de alta performance para a venda de pneus no Brasil utilizando dados públicos e técnicas estatísticas consolidadas, gerando conhecimento aplicável para a tomada de decisão estratégica no setor industrial.

Referências:
Associação de Fabricantes de Veículos Automotores [ANFAVEA]. 2025. Relatórios de vendas de automóveis. Disponível em: https://anfavea. com. br/site/edicoes-em-excel/ . Acesso em: 01 Jul. 2025.
Associação Nacional da Indústria de Pneumáticos [ANIP]. 2025. Relatórios de vendas de pneus. Disponível em: https://www. anip. org. br/anip-em-numeros/publicacoes/ . Acesso em: 01 Jul. 2025.
Comex Stat. 2025. Estatísticas de importação de pneus, borracha natural e tela de pneus. Disponível em: https://www. gov. br/mdic/pt-br/assuntos/comercio-exterior/estatisticas/base-de-dados-bruta. Acesso em: 01 Jul. 2025.
Confederação Nacional da Indústria [CNI]. 2025. Indicadores. Disponível em: https://indicadores. sistemaindustria. com. br/indicadores/externo/estatisticaAcessoSistemaExterno. faces . Acesso em: 01 Jul. 2025.
Fávero, Luis Paulo; Belfiore, Patrícia. 2024. Manual de Análise de Dados: estatística e machine learning com Excel®, SPSS®, R® e Python®. 2ed. LTC, Rio de Janeiro, Brasil.
Grus, Joel. 2019. Data Science from Scratch. 2ed. O’Reilly, Sebastopol, EUA.
Hyndman, R. J., Athanasopoulos, G. 2021. Forecasting: principles and practice. 3rd edition. OTexts, Melbourn, Australia. Disponível em: < https://otexts. com/fpppg/arima-estima%C3%A7%C3%A3o. html >. Acesso em: 01 Jul 2025.
Joseph, Manu; Tackes, Jeffrey. 2024. Modern Time Series Forecasting with Python. 2ed. Packt, Birmingham, Reino Unido.
Morettin, Pedro A. 2018. Análise de Séries Temporais. 1ed. Editora Blusher, São Paulo, Brasil.
Nielsen, Aileen. 2021. Análise Prática de Séries Temporais: predição com estatística e aprendizado de máquina. 1ed. Alta Books, Rio de Janeiro, Brasil.
Oliveira et al. 2024. Introdução às séries temporais: uma abordagem prática em Python. 1ed. Editora Mackenzie, São Paulo, Brasil.
Serasa. 2025. Indicadores de inadimplência. Disponível em: <https://www. serasaexperian. com. br/conteudos/indicadores-economicos/ >. Acesso em: 05 Jul 2025.
Taylor, Brent S. 2015. Utilizing ANNs to Improve the Forecast for Tire Demand. In partial fulfillment of the requirements for the degree Master of Science. Russ College of Engineering and Technology of Ohio University, Ohio University, Ohio, USA.
VanderPlas, Jake. 2016. Python Data Science Handbook. Essential Tools for Working with Data. 1 ed. O’Reilly, Sebastopol, EUA.

Resumo executivo oriundo de Trabalho de Conclusão de Curso de Especialização em Data Science e Analytics do MBA USP/Esalq

Saiba mais sobre o curso; clique aqui:

Quem editou este artigo

Mais recentes

Você também pode gostar

17 de novembro de 2026

Deteção e Diagnóstico de Doenças em Milho e Arroz em Moçambique com Deep Learning

A agricultura moçambicana depende do milho e arroz, culturas fundamentais para a segurança alimentar, mas sua produtividade é fortemente afetada por doenças fitossanitárias, cuja identificação precoce e precisa permanece um desafio em contextos de recursos limitados. O estudo objetivou desenvolver e comparar modelos baseados em Deep Learning para a detecção e o diagnóstico automático de doenças em folhas de milho e arroz em Moçambique. Utilizaram-se três abordagens: uma Rede Neural Convolucional (CNN) clássica desenvolvida do zero, e dois modelos de transfer learning, ResNet50 e MobileNetV2. O conjunto de dados foi composto por imagens de bases públicas e coletadas em campo, que passaram por etapas de limpeza, balanceamento e aumento artificial. Os modelos foram treinados e avaliados com métricas de desempenho padrão, incluindo acurácia, precisão, recall, F1-score, Log Loss e Kappa de Cohen. A CNN clássica apresentou o melhor desempenho global, com 94% de precisão, recall e F1-score, e 93% de acurácia e Kappa de Cohen. A MobileNetV2 alcançou 91% de F1-score e 90% de acurácia, destacando-se pelo menor Log Loss (0,30) e tempo de treinamento (6h32min59s). A ResNet50 atingiu 80% de F1-score e 79% de acurácia. Concluiu-se que técnicas de Deep Learning possuem elevado potencial para apoiar o diagnóstico fitopatológico em contextos agrícolas reais, contribuindo para decisões mais rápidas e precisas no manejo de doenças em milho e arroz.

Palavras-chave: Aprendizagem profunda; Arroz; Doenças em plantas; Milho; Visão computacional.

17 de novembro de 2026

Estruturação do processo de encerramento de projetos de uma indústria da construção civil

Um estudo abordou o grupo de processo de encerramento de projetos em uma indústria de manufatura da construção civil, utilizando o guia PMBOK como referência principal. O processo existente na indústria apresentava superficialidade e fragilidades, especialmente no registro de lições aprendidas. Diante desse cenário, o objetivo foi desenvolver um procedimento para o encerramento de projetos da organização, visando agregar valor por meio da padronização do processo, registro do conhecimento adquirido, formalização da conclusão e entrega dos projetos, e aprimoramento da comunicação, engajamento, integração e transparência com os stakeholders. A pesquisa classificou-se como descritiva, empregou dados qualitativos e adotou a pesquisa-ação como delineamento. O escopo do estudo estruturou-se conforme os cinco grupos de processos do guia PMBOK e foi representado por uma Estrutura Analítica de Projeto (EAP). Os principais resultados obtidos incluíram o procedimento desenvolvido e diversos templates de documentos, que constituíram os entregáveis do novo processo de encerramento de projetos. Verificou-se que o trabalho alcançou o objetivo esperado, pois o procedimento desenvolvido viabilizou a padronização do encerramento de projetos, o aprimoramento da integração e engajamento com os stakeholders, e a promoção de segurança e transparência no processo.

Palavras-chave: Gestão do conhecimento; Lições aprendidas; PMBOK; Templates; Termo de aceite de projeto.

17 de novembro de 2026

Machine Learning e priorização de funcionalidades em produtos digitais: um estudo de caso em uma fintech

Uma análise investigou o potencial da utilização de técnicas de machine learning aplicadas à análise do comportamento dos usuários na priorização de funcionalidades em produtos digitais. O objetivo foi compreender os processos de priorização utilizados na prática, o papel dos dados comportamentais na tomada de decisão e as percepções sobre a aplicação de técnicas de machine learning nesse contexto. Adotou-se uma abordagem qualitativa e exploratória, estruturada como um estudo de caso em produtos desenvolvidos sob o modelo Software as a Service (SaaS). A coleta de dados realizou-se por meio de entrevistas semiestruturadas com profissionais das áreas de produto e de dados. A análise dos dados seguiu a técnica de análise de conteúdo. Os resultados indicaram que, embora os dados comportamentais já fossem utilizados como apoio à decisão, os processos de priorização ainda apresentavam baixa formalização e enfrentavam limitações técnicas e organizacionais. Observou-se, também, o reconhecimento do potencial do machine learning como suporte estratégico à priorização de funcionalidades, embora sua aplicação prática fosse incipiente. Como principal contribuição, o estudo propôs um modelo conceitual que integra dados comportamentais, processos de priorização e o uso de machine learning como suporte à decisão.

Palavras-chave: Análise de dados; Comportamento do usuário; Dados comportamentais; Software as a Service (SaaS); Tomada de decisão.

17 de novembro de 2026

Inteligência artificial nas rotinas operacionais contábeis e na eficiência financeira

A incorporação de Inteligência Artificial (IA) e de ferramentas de automação reconfigurou as rotinas de escritórios contábeis brasileiros, impactando produtividade, mitigação de erros e eficiência financeira. Analisou-se esses impactos em um escritório contábil de pequeno porte, especializado no atendimento a prestadores de serviços da área médica em São Caetano do Sul, São Paulo. A pesquisa adotou abordagem qualitativa, com delineamento de estudo de caso único e unidades de análise incorporadas. Os dados foram coletados por questionário estruturado, aplicado via Google Forms entre janeiro e fevereiro de 2026, a cinco profissionais da estrutura operacional do escritório em levantamento censitário. O tratamento seguiu análise de conteúdo com categorias a priori e emergentes. Todos os respondentes declararam uso de ferramentas automatizadas ou com recursos de IA. A percepção de redução do tempo de execução, de diminuição de erros operacionais, de retrabalho e de melhor aproveitamento do tempo da equipe convergiu em 80% das respostas afirmativas e 20% parciais. As atividades mais beneficiadas foram conciliação bancária, importação de documentos fiscais e apuração tributária, com ganhos visíveis sobre erros de digitação, lançamentos duplicados e classificação incorreta. A intervenção humana permaneceu indispensável em planejamento tributário, análise de cenários e conferência de obrigações acessórias. A avaliação geral da contribuição da IA foi predominantemente favorável, com moderação vinculada à complexidade normativa fiscal.

Palavras-chave: Análise de conteúdo; Automação de processos; Contabilidade 4.0; Pequeno porte; Transformação digital.

17 de novembro de 2026

Fatores que influenciam a gestão de prazos em projetos de “retrofit” de estações de esgoto

Projetos de “retrofit” em Estações de Tratamento de Esgoto (ETE) caracterizam-se por elevada complexidade, restrições operacionais e múltiplas interfaces técnicas. O estudo analisou a percepção dos profissionais envolvidos sobre a gestão e o cumprimento dos prazos em projetos de “retrofit” de estações de tratamento de esgoto, considerando fatores técnicos, operacionais e organizacionais. A pesquisa caracterizou-se como um estudo aplicado, com abordagem quali-quantitativa, delineado como levantamento de campo do tipo “survey”. A análise dos dados realizou-se por estatística descritiva e categorização qualitativa, utilizando as ferramentas SWOT, matriz de risco (Probabilidade x Impacto) e plano de ação 5W2H. Os resultados indicaram alta percepção de clareza (77,8%) e realismo dos prazos (100% de concordância), evidenciando um planejamento inicial consistente. Contudo, 77,7% dos respondentes apontaram que retrabalhos e alterações de escopo impactaram diretamente o cumprimento dos prazos. A integração entre engenharia, fabricação e Planejamento e Controle da Produção (PCP) apresentou avaliação intermediária (77,7% de concordância parcial/total), indicando fragilidade na coordenação interfuncional. A matriz de risco destacou como críticos: mudanças de escopo, limitações operacionais da ETE e complexidade técnica, todos com nível alto. Como melhoria central, propôs-se a padronização do controle de mudanças de escopo, análise e aprovação, visando reduzir retrabalhos e aumentar a previsibilidade do cronograma.

Palavras-chave: Desempenho; Integração; Planejamento; Retrabalho; Risco.

17 de novembro de 2026

Captação B2C em medicina diagnóstica: parcerias estratégicas com consultórios médicos especializados

O setor de medicina diagnóstica no Brasil opera com elevada dependência das operadoras de planos de saúde, o que limita a autonomia financeira dos prestadores. Este estudo propôs e analisou um modelo de captação direta de pacientes (B2C) para uma instituição de medicina diagnóstica de alta complexidade, estruturado a partir de parcerias com consultórios de Oncologia e Cardiologia e operacionalizado por um serviço de atendimento personalizado denominado concierge. A investigação adotou abordagem mista em três fases: levantamento de campo com questionário estruturado aplicado a 87 pacientes, mapeamento do fluxo operacional por “Service Blueprint” e análise da taxa de conversão a partir de 312 indicações médicas registradas no projeto-piloto. Os resultados indicaram que a confiança na indicação médica obteve 92,0% de concordância, configurando-se como principal fator de adesão. A conveniência de realizar o exame no mesmo dia alcançou 78,2%, e a disposição para pagamento direto atingiu 55,2%, com polarização associada à predominância de usuários de plano de saúde. O “Service Blueprint” identificou três pontos críticos nas transições entre etapas da jornada. A taxa de conversão global foi de 51,0%, com desempenho superior na Oncologia (58,2%) em relação à Cardiologia (45,0%), e a maior perda concentrou-se na etapa de aceite e agendamento (28,3%). Concluiu-se que o modelo demonstrou possível viabilidade operacional e indícios de aceitação pelos pacientes, condicionado à transparência de preços e à redução do intervalo entre consulta e abordagem pelo concierge.

Palavras-chave: Desembolso direto; Jornada do paciente; Saúde suplementar; Serviço concierge; Taxa de conversão.

17 de novembro de 2026

O papel do gestor escolar na promoção de uma cultura inclusiva: liderança e políticas educacionais

A pesquisa analisou a atuação do gestor escolar na promoção de uma cultura inclusiva, considerando a necessidade de transformar diretrizes legais e fundamentos pedagógicos em práticas institucionais efetivas. Partiu-se do pressuposto de que a inclusão escolar exige planejamento, organização e liderança estratégica no cotidiano da escola. Adotou-se uma abordagem qualitativa de natureza aplicada, desenvolvida em três etapas complementares: análise documental das legislações brasileiras sobre educação inclusiva, revisão bibliográfica sobre liderança e gestão escolar, e sistematização dos dados por meio de ferramentas gerenciais como a matriz SWOT e o ciclo PDCA. Os resultados indicaram que a atuação da gestão escolar exerceu influência direta na consolidação de ambientes inclusivos, especialmente na organização de processos, formação continuada da equipe e fortalecimento de uma cultura institucional colaborativa e respeitosa à diversidade. Identificaram-se também desafios estruturais, pedagógicos e relacionais que demandaram intervenções planejadas. Ao final, elaborou-se um Guia Prático para Gestores Escolares, com diretrizes, protocolos e orientações operacionais para a tomada de decisão e organização dos processos inclusivos. Concluiu-se que a construção de uma cultura inclusiva dependeu da capacidade gestora de articular políticas públicas, práticas pedagógicas e processos institucionais, consolidando a inclusão como compromisso permanente no contexto escolar.

Palavras-chave: Acessibilidade educacional; Equidade educacional; Gestão participativa; Planejamento estratégico; Processos institucionais.

17 de novembro de 2026

Um artefato de IA baseado em Design Thinking para apoiar a elicitação de requisitos de software a partir das necessidades dos usuários

O desenvolvimento de software orientado às necessidades dos usuários frequentemente enfrenta desafios na elicitação de requisitos, decorrentes de ambiguidades na linguagem natural e falhas de comunicação. Diante disso, propôs-se e validou-se um artefato inteligente que integra Design Thinking e Inteligência Artificial, com foco nas etapas de Empatia e Definição, para apoiar a coleta, interpretação e estruturação das necessidades dos usuários. A pesquisa, de natureza aplicada, qualitativa e exploratória, conduziu uma Prova de Conceito em ambiente controlado, empregando cenários hipotéticos. O artefato operou por meio de entrevistas guiadas em linguagem natural, organizando informações em elementos como dor, contexto e impacto, e gerando sínteses de problemas rastreáveis. Os resultados indicaram que o sistema organizou relatos não estruturados, reduziu ambiguidades e preservou o sentido das informações originais na maioria dos casos. Observou-se também a capacidade de reorganização lógica em cenários complexos, embora com limitações na separação de múltiplos problemas e dependência das instruções. Concluiu-se que o artefato possui potencial como apoio à elicitação de requisitos, melhorando a clareza e a estruturação das informações, mas requer supervisão e controle contextual.

Palavras-chave: Design Thinking; Elicitação de Requisitos; Engenharia de Requisitos; Inteligência Artificial; Processamento de Linguagem Natural.

17 de novembro de 2026

A Extinção da Sistemática Monofásica na Indústria Farmacêutica à Luz da Reforma Tributária

A Reforma Tributária do consumo, estabelecida pela Emenda Constitucional nº 132/2023, introduziu alterações estruturais no sistema tributário brasileiro, com a substituição do Programa de Integração Social (PIS) e da Contribuição para o Financiamento da Seguridade Social (COFINS) pela Contribuição sobre Bens e Serviços (CBS), em um modelo de Imposto sobre Valor Agregado (IVA dual). O objetivo foi analisar os impactos da extinção da sistemática monofásica na indústria farmacêutica, à luz do novo desenho normativo e de seus efeitos econômicos e jurídicos. Realizou-se pesquisa qualitativa, de natureza exploratória, por meio de estudo de caso e análise documental da legislação e da doutrina especializada. Examinou-se se o fim da monofasia implicaria aumento relevante da carga tributária para o setor. Os resultados indicaram que, embora a superação formal da sistemática monofásica tenha ocorrido, a desoneração material dos medicamentos foi preservada, sobretudo em razão da aplicação de alíquotas reduzidas de 60% e, em determinados casos, de alíquota zero do Imposto Sobre Bens e Serviços (IBS) e da CBS. A mudança de modelo pode provocar variações pontuais na arrecadação, sem caracterizar aumento estrutural da carga tributária, tendendo à neutralidade ao longo do tempo. Concluiu-se, preliminarmente, que a Reforma Tributária reorganizou a técnica de tributação na indústria farmacêutica, substituindo um regime concentrado por mecanismos mais transparentes de desoneração. Essa abordagem mostrou-se compatível com os princípios da neutralidade, da não cumulatividade plena e da extrafiscalidade, mantendo a proteção tributária aos medicamentos essenciais e alinhando a política fiscal ao direito fundamental à saúde.

Palavras-chave: CBS; COFINS; IBS; IVA Dual; PIS.

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