AULA 6

TECNOLOGIAS PARA A
INDÚSTRIA 4.0

Prof. Gabriel Vergara

TEMA 1 – INTELIGÊNCIA ARTIFICIAL

Caro (a) aluno (a), no transcorrer dos conteúdos que abordamos nos
deparamos com os mais diversos pilares que norteiam a referida revolução
industrial. Contudo, existem alguns tópicos que vão além da Indústria 4.0 e são
essenciais para lidar com este novo cenário.

1.1 Inteligência artificial: conceito

A inteligência artificial representa um grande marco alcançado pela

humanidade, visto que, historicamente, sempre se almejou a concepção de um
humanoide que pudesse realizar algumas atividades de caráter mecânico. Nesse
viés, partiu-se para os estudos vinculados à robótica e para a tecnologia de
inteligência artificial.
Atentando-se para a expressão inteligência artificial, devemos nos
remeter a como denominamos a nossa espécie: Homo sapiens, que significa
“homem sábio”. No intuito de desvendar como pensamos, diversos estudiosos
dedicaram um tempo significativo em busca de respostas nas mais diversas
áreas, sendo algumas delas: filosofia, matemática e psicologia. A inteligência
artificial, por sua vez, além de compreender o pensamento, visa construir
entidades inteligentes (Norvig; Russel, 2013).
Esse grande avanço teve seus primeiros passos na década de 1950,
período no qual se criou uma grande expectativa com o avanço da tecnologia dos
computadores e se imaginava atingir o patamar de inteligência humana,
entretanto, somente em 1956 que se tem registrada a primeira manifestação
oficial como campo de pesquisas científicas por ocasião da Conferência de
Darthmouth (Medeiros, 2018). O estudo era para prosseguir com a proposta de
que cada aspecto da aprendizagem ou qualquer outra característica da
inteligência pode, em princípio, ser descrita tão precisamente a ponto de ser
construída uma máquina para simulá-la (Norvig; Russel, 2013).
De maneira geral, segundo Kreutzer e Sirrenberg (2020), a inteligência
artificial pode ser definida como a capacidade de uma máquina para executar
tarefas cognitivas que associamos à mente humana. Isso inclui possibilidades de
percepção e capacidade de argumentar, aprender de forma autônoma e, assim,
encontrar soluções para problemas de forma independente.

2
 Com tamanha complexidade, a definição de inteligência artificial (IA) varia
conforme o exposto a seguir (quadro 1), sendo que uma das definições expõe que
a IA é uma atividade dedicada a tornar inteligentes as máquinas, e a inteligência
é a qualidade que permite que uma entidade funcione adequadamente (Nilsson,
2010).

Quadro 1 – Conceito de IA

Fonte: Norvig; Russell, 2013.

Em linhas gerais, as definições que estão na parte superior do quadro se

relacionam a processos de pensamento e raciocínio, já as definições da parte
inferior se referem ao comportamento. Por sua vez, as definições do lado
esquerdo medem o sucesso em termos de fidelidade ao desempenho humano,
ao passo que as definições do lado direito medem o sucesso comparando-o a um
conceito ideal de inteligência (Norvig; Russel, 2013).

1.2 Desdobramentos da inteligência artificial

Para que se tenha certo domínio da referida temática, principalmente para

aqueles profissionais que realizam gestão de áreas que possuem tecnologias da
indústria 4.0 em fase de implantação ou já implementadas, é de grande
importância compreender de que forma a inteligência artificial é desmembrada.
Conforme Silva et al. (2018), tem-se as seguintes subáreas: aprendizado de
máquina (machine learning), algoritmo genético, processamento de linguagem

3
natural (PLN), redes neurais artificiais, robótica, sistemas especialistas e visão
computacional.
Segundo Alpaydin (2004), aprendizado de máquina ou, do inglês, machine
learning, utiliza a teoria da estatística na construção de modelos matemáticos
porque a tarefa principal é a inferência de uma amostra. O papel da ciência da
computação é duplo: primeiro, treinamento, pois é necessário que se tenha
algoritmos eficientes para resolver o problema de otimização, além de armazenar
e processar a enorme quantidade de dados; segundo, eficiência, pois uma vez
que um modelo é aprendido sua representação e solução algorítmica para
inferência também precisam ser eficientes.

Figura 1 – Aprendizado de máquina

Crédito: maxuser/Shutterstock.

Por sua vez, os algoritmos genéticos são definidos como técnicas

heurísticas de otimização global. Em termos mais palpáveis, trata-se de
algoritmos de busca baseados nos mecanismos de seleção natural e genética, no
qual se combina a sobrevivência entre os melhores por meio de uma troca de
informação genética, em que se objetiva constituir uma estrutura heurística de
busca (Linden, 2012).
Já as redes neurais artificiais (RNAs) são programas de computador de
inspiração biológica, projetados para simular a maneira como o cérebro humano
processa as informações. As RNAs coletam seu conhecimento detectando os
padrões e os relacionamentos nos dados e aprendem (ou são treinados) por meio
da experiência, não da programação (Kustrin; Beresford, 2000). Ainda, Kohonen
(1988) define as RNAs como "redes interconectadas massivamente paralelas de
4
elementos simples (geralmente adaptáveis) e suas organizações hierárquicas que
se destinam a interagir com os objetos do mundo real da mesma maneira que o
sistema nervoso biológico".

Figura 2 – Redes neurais

Crédito: BreezyVector/Shutterstock.

Conforme comentado no início desta aula, existe uma relação entre

inteligência artificial (IA) e robótica, logo, se trata de outra subárea de interesse.
De acordo Silva et al. (2018), a IA é utilizada para programar as atividades
realizadas por robôs de forma satisfatória. Exemplos de sua aplicação podem ser
encontrados em robôs usados em serviços militares para acesso a zonas de
perigo ou ainda em indústrias de óleo e gás que possuem áreas de risco para a
mão de obra humana.
Sistemas especialistas são programas de computador que ajudam as
pessoas a resolverem problemas. Para tanto, os programas obtêm
recomendações precisas de ação tendo como referência a base de dados
fornecida. Para esse fim, os sistemas devem ser fornecidos com uma infinidade
de informações. A princípio, a base é formada por relações if-then por meio das
quais o conhecimento humano é compreensível para os computadores.
Por fim, a visão computacional refere-se ao processamento de sinais que
representam imagens, principalmente fotos e conteúdo de vídeo. O resultado do

5
processamento da imagem pode ser uma imagem ou um conjunto de dados que
representa as características da imagem processada, que é conhecido como
reconhecimento de imagem ou como visão de máquina. Em uma etapa
subsequente, as informações da imagem são processadas para iniciar decisões
ou outras etapas do processo (Kreutzer; Sirrenberg, 2020).

Figura 3 – Visão computacional

Crédito: Zapp2Photo/Shutterstock.

1.3 Características da inteligência artificial

Mediante as subáreas apresentadas, alguns estudiosos da área

identificaram algumas similaridades, entre elas, as apontadas por Chowdhury;
Sadek, 2012:

 Representação – o conhecimento precisa ser representado de alguma

forma, possivelmente como uma série de regras if-then, como um sistema
baseado em quadros, como uma rede semântica ou nos pesos de conexão
de uma rede neural artificial;
 Aprendizado – desenvolve automaticamente o conhecimento do ambiente,
ou seja, como adquirir regras para um sistema especialista baseado em
regras ou determinar os pesos de conexão apropriados em uma rede neural
artificial;

6
  Regras – elas podem ser explicitamente incorporadas a um sistema
especialista por um engenheiro do conhecimento ou implícitas nos pesos
de conexão aprendidos por uma rede neural;
 Pesquisa – pode-se assumir diversas formas, possivelmente pesquisando
uma sequência de estados que leve rapidamente a uma solução de
problemas ou pesquisando um bom conjunto de pesos de conexão para
uma rede neural, minimizando uma função de condicionamento físico.

Por sua vez, em um aspecto mais generalista, Luger (2015) frisa as

seguintes semelhanças:

 A utilização do computador para raciocínio, reconhecimento de padrões e

aprendizado;
 Foco em problemas que não respondem a soluções algorítmicas,
implicando na utilização de busca heurística;
 Interesse na solução de problemas utilizando informações equivocadas ou
insuficientes;
 Uso de grandes quantidades de conhecimento específico de um domínio
para resolver problemas.

1.4 Qual a importância da inteligência artificial?

Segundo Norvig e Russell (2013), atualmente, a IA abrange uma enorme

variedade de subáreas (as quais já estão mais integradas), do geral
(aprendizagem e percepção) até tarefas específicas, como jogos de xadrez,
demonstração de teoremas matemáticos, criação de poesia, direção de um carro
em estrada movimentada e diagnóstico de doenças. Por fim, a IA é relevante para
qualquer tarefa intelectual; é verdadeiramente um campo universal.
Ainda, conforme a SAS, a inteligência artificial é importante pelos seguintes
aspectos:

 Automatiza a aprendizagem repetitiva e a descoberta com base nos dados;

 Adiciona inteligência a produtos existentes;
 Adapta-se por meio de algoritmos de aprendizagem progressiva;
 É possível analisar mais dados e com maior profundidade, buscando maior
precisão e maximização.

7
 Como estatística para se ter um norte do crescimento da referida
tecnologia, de acordo com um relatório publicado pela corporação de capital de
risco CB Insights, nos EUA, em julho de 2016, Google, Microsoft, Twitter, Intel,
Apple e outros gigantes da tecnologia da informação adquiriram cerca de 140
empresas empreendedoras no campo da IA desde 2011. Durante os primeiros
seis meses de 2016, o investimento em IA excedeu o realizado ao longo de 2015
e 200 empresas relacionadas a IA levantaram 1,5 bilhão de dólares no mercado
de ações. Ainda, de acordo com a PWC, o mercado projetado dessa
tecnologia, até 2020, atingirá US$ 70 bilhões.

1.5 Benefícios da inteligência artificial

Considerando todo o potencial de investimento exposto anteriormente,

tem-se um bom norte da representatividade que tal tecnologia possui nos mais
diversos ramos. Compreendido tal cenário, é de grande valia vislumbrarmos os
benefícios que essa tecnologia proporciona. Segundo a Totvs (2020), podemos
citar:
 Melhora no processo de tomada de decisão, especialmente quando se
tratar de procedimento baseado em dados (data-driven);
 Comodidade e escalabilidade, visto que uma solução de IA virtual é capaz
de empregar algoritmos para realizar segmentações mais precisas,
aumentando, assim, as possibilidades de se desenvolver boas estratégias
comerciais;
 Aumento da automação pelo fato de a IA contribuir com atividades lógicas,
analíticas e cognitivas;
 Redução de erros, riscos e custos operacionais, uma vez que essa
tecnologia pode ser empregada no monitoramento de máquinas e sistemas
computacionais;
 Atendimento otimizado ao público no intuito de proporcionar maior
satisfação ao cliente.

TEMA 2 – ESTUDO DE CASO

Objetivando trazer a parte prática da inteligência artificial, vamos resgatar,

primeiramente, que essa tecnologia possui vasta aplicação nas áreas de recursos
humanos, educacional, marketing, financeiro, industrial, saúde, entre outras.

8
Diante dessas possibilidades, selecionamos um estudo de caso na vertente de
atendimento ao cliente.

a. Descrição: Empresa norte-americana do ramo educacional, destinada ao

aconselhamento e preparação para exames no exterior.

b. Desafio:
 A equipe de suporte dessa empresa é composta por duas equipes de 50
agentes: uma equipe de suporte da comunidade para lidar com consultas
de contas e tutores remotos para lidar com perguntas detalhadas para
testes específicos.
 Essa empresa utiliza o Zendesk para lidar com suas solicitações de
suporte ao cliente. Possui mais de 900 macros no Zendesk, que são
respostas–padrão, variando de pré-escritas a perguntas comuns feitas
pelos clientes da empresa.
 A equipe de suporte achou difícil pesquisar ou descobrir essas macros
para oferecer ajuda oportuna ao cliente. Em função disso, eles
acreditavam que seus índices de satisfação do cliente nas respostas a
perguntas sobre testes padronizados estavam sendo afetados
negativamente.
 Parte desse problema de pesquisabilidade era o grande número de
macros que levavam muito tempo para pesquisar e gerenciar.

c. Solução:
 A plataforma DigitalGenius AI foi integrada ao console Zendesk da empresa
norte-americana. A DigitalGenius treinou uma rede neural profunda para
analisar as solicitações de entrada de clientes com base em registros
históricos, aprendendo como a equipe de suporte respondeu a várias
solicitações de entrada.
 A DigitalGenius sugeriu, automaticamente, as macros mais relevantes para
consultas de novos clientes, para que o membro da equipe de suporte não
gaste tempo pesquisando macros ou compondo manualmente novas
respostas para consultas comuns de clientes.
 A DigitalGenius afirma que sua plataforma de IA atinge essa sugestão
macro automática, usando modelos de deep learning para extrair o
significado e o contexto das consultas recebidas e prever a resposta

9
 esperada. Além disso, a plataforma possui um recurso de pesquisa de
respostas históricas, que a equipe de suporte pode acessar.
 A plataforma também prevê os metadados relevantes sobre o caso, como
tags, tipo de consulta, prioridade e outros detalhes do caso. Com essas
informações, é possível analisar e encaminhar casos para a equipe
apropriada.

d. Resultados:
 Segundo a DigitalGenius, cerca de 83% de todos os tickets de clientes são
suportados pela plataforma Digital Genius integrada ao Zendesk. A
empresa também reivindica uma precisão de 92% nas previsões de tags
de caso (as tags são usadas no Zendesk para categorização de caso - por
exemplo, "reembolsos" podem ser uma tag para esse tipo específico de
problema do cliente).

TEMA 3 – GESTÃO DE PROJETOS PARA A INDÚSTRIA 4.0

A figura do gestor de projetos é recorrente nos mais diversos ramos de

mercado. Assume-se como conhecimento prévio de que esse profissional tem o
papel de garantir a realização do projeto, tendo por base o cumprimento do
cronograma de atividades, objetivo geral e dos objetivos específicos, além de
outros aspectos. No entanto, será que a gestão de projetos é exatamente a
mesma quando se refere à indústria 4.0?

3.1 Gestão de projetos na indústria 4.0

Apesar de cada um dos gestores terem como base o guia do PMBOK indexado
ao Project Management Institute (PMI), o advento da indústria 4.0 promove uma
nova postura no gerenciamento de projetos. Logo, é de grande valia realizar
uma autorreflexão perante suas atribuições e, ao mesmo tempo, avaliar o grau
de maturidade do seu negócio.

10
Figura 4 – Gestão de projetos na indústria 4.0

Crédito: Red ivory/Shutterstock.

Para Albers et al. (2016), o contexto da indústria 4.0 fornece um cenário no

qual a produção é descentralizada, interconectada e inteligente, sendo o
diferencial a comunicação contínua entre seres humanos e máquinas durante o
processo de produção. Considerando esse novo cenário, em que nos deparamos
com tecnologias como a inteligência artificial, internet das coisas, big data, entre
outras, constata-se a necessidade da renovação do papel do gestor de projeto na
indústria.
Segundo a Aevo, um projeto nos moldes da indústria 4.0 deve ser capaz
de unir todas as soluções tecnológicas presentes, entendendo o funcionamento
da automação industrial e também as necessidades atuais dos consumidores.
Como resultado, além do negócio se tornar mais competitivo, proporcionará um
grande aumento de produtividade e melhoria na qualidade dos itens produzidos.
Ainda, vale ressaltar que as indústrias devem estar prontas para se alinhar à
customização em massa, a qual visa atender anseios específicos do cliente. Todo
esse processo de evolução, aliado à flexibilidade, gera uma maior demanda por
gestores de projeto que estão engajados nas novas tendências.
No nível da empresa, o impacto da quarta revolução industrial nos
processos de produção não se limitará apenas aos aspectos tecnológicos, mas
também à infraestrutura. Essa revolução impulsionará o desenvolvimento de
novas profissões, novas estruturas de organizações e o crescimento de um novo
estilo de gestão. Nesse contexto, os gerentes de projeto serão os principais líderes
desses desenvolvimentos, enfrentando uma nova situação com diferentes
elementos da indústria 4.0 (Win; Saing; Kham, 2018).
11
3.2 Gerenciamento de projetos – novas práticas

Além da constante atualização que se faz necessária a um cargo de grande

responsabilidade, o gestor de projetos deve ficar atento às seguintes
transformações, conforme Al-Wazzan (2019):

 O setor 4.0 é o modo de configuração dinâmica de produção;

 Gerenciamento integrado de projetos;
 A maioria das tarefas e processos de negócios que não exigem habilidades
analíticas e de design tendem a ser progressivamente automatizadas;
 Equipes de projeto deslocalizadas;
 Os projetos devem ser gerenciados em uma abordagem ágil, pois as
mudanças serão muito rápidas nesse ambiente;
 Tomada de decisão rápida e assertiva;
 Perfil flexível e uma cultura adaptativa da empresa podem aumentar muito
as chances de sucesso de um projeto e a capacidade de gerenciar
quaisquer riscos em seu caminho no novo mundo da indústria 4.0;
 Utilização das tecnologias emergentes, como: IA, computação em nuvem
e RA.

Ainda é válido compararmos as responsabilidades do gestor de projetos

tradicional em relação ao gestor de projeto na indústria 4.0:

Tabela 1 – Gestor de projetos tradicional versus gestor de projetos 4.0

Gestor de Gestor de
Funções e responsabilidades Projetos Projetos
Tradicional 4.0
Fornecer garantia de aderência orçamentária e de escopo de projeto. X X
Trabalhar com o patrocinador do projeto para desenvolver o plano de
gerenciamento do projeto acordado por meio de interações com as X X
partes interessadas.
Executar e manter o gerenciamento de documentos do projeto para o
ciclo do projeto, em conformidade com os requisitos de Garantia de X X
Qualidade das Autoridades.
Fornecer um relatório em momento oportuno e preciso à equipe de
X X
gerenciamento e aos membros da equipe.
Auxiliar a equipe de desenvolvimento de negócios na negociação de
X X
acordos definitivos com fornecedores, vendedores e clientes externos.
Desenvolver as melhores práticas e ferramentas para execução de
X X
projetos em um ambiente de desenvolvimento ágil.

12
 Garantir que todas as atividades do projeto sejam realizadas de
maneira sistemática, com uma abordagem de Engenharia de Sistemas X
no centro da solução técnica para os objetivos do projeto.
Identificar e executar iniciativas estratégicas no intuito de alcançar
X
estratégias de crescimento.
Motivar membros da equipe multifuncionais e com várias localizações
X
e gerenciar os resultados para atender aos marcos do projeto.
Fornecer análises, propostas e ajuda para implementar melhorias em
X
uma ampla variedade de desafios organizacionais.
Gerenciar a execução do projeto, riscos; identificar, resolver
X
problemas em tempo real.
Ter capacidade de gerenciar projetos técnicos altamente complexos. X
Dar suporte ao rastreamento e gerenciamento de uma frota
X
autônoma complexa.
Garantir que o desenvolvimento do protótipo e a conversão, bem
X
como replicação, sejam executados na perfeição.
Conduzir os testes e a avaliação técnica da próxima geração de
X
tecnologia de hardware e software com parceiros.
Estar familiarizado com a melhoria e o desenvolvimento de processos
X
técnicos em configurações complexas e de inicialização.
Formar estratégias de execução de sistemas complexos e entrega. X
Fonte: Adaptado de Win, Saing e Kham, 2018.

3.3 Futuras habilidades do gestor de projetos

Além das funções e responsabilidades atribuídas ao gestor de projetos 4.0,

diversas habilidades precisam ser implementadas e/ou aprimoradas, conforme
demonstra a pesquisa realizada pelo PMI. Algumas delas são:

 Consultor estratégico: planeja, executa e entrega.

 Comunicador: sempre claro e conciso.
 Big thinker: é adaptável, flexível e emocionalmente inteligente.
 Versatile manager: possui experiência em todas as abordagens (cascata,
scrum, ágil, enxuta etc.).
 Com o cenário técnico em constante mudança, o gestor de projeto deve
estar engajado para visualizar novas oportunidades.
 Experiência com tecnologias e projetos inovadores.
 O centro da indústria 4.0 está no ser humano.
 Transformação significativa nas habilidades interpessoais, principalmente
com os stakeholders.

TEMA 4 – EMPREENDEDORISMO NA INDÚSTRIA 4.0

13
 O empreendedorismo, mais do que a oportunidade de se ter um negócio
próprio, faz alusão a profissionais diferenciados que buscam constantemente por
melhorias. Entretanto, quais são as habilidades necessárias para um
empreendedor? Ainda, a indústria 4.0 proporciona novas oportunidades de
negócio?

4.1 O empreendedor

O empreendedorismo e a inovação são, atualmente, reconhecidos como

um dos elementos-chave no processo de desenvolvimento econômico, e vitais
para a capacidade da economia de uma nação em manter a competitividade
(Mazzarol; Reboud, 2020). De acordo com a Organização para Cooperação e
Desenvolvimento Econômico (OCDE), o empreendedorismo e a inovação são as
ferramentas essenciais para lidar com muitos dos desafios sociais e econômicos
do mundo.

Figura 5 – O empreendedor na prática

Crédito: Rawpixel.com/Shutterstock.

O empreendedorismo é uma atividade que envolve a descoberta, avaliação

e exploração de oportunidades para a introdução de novos bens e serviços, assim
como novas formas de organização, mercados, processos e matérias-primas, por
meio da organização de esforços que não existiam anteriormente (Venkataraman
citado por Katz; Brockhaus, 1997; Shane; Venkataraman, 2000).

14
 Ainda, conforme pode ser observado na figura 5, o ato de empreender é
um processo que envolve a utilização de diversas ferramentas como 5W2H para
fins de brainstorming, por exemplo, além de estratégias claras, a fim de se atingir
o objetivo almejado.
Para o empreendedor, é muito importante dar grande destaque e
desenvolver sua rede de contatos, chamada tecnicamente networking. A
finalidade de o empreendedor focar em sua rede de contatos é agregar valor tanto
no aspecto pessoal como profissional, pois o ato de empreender é uma prática de
finalidade construtivista. Promover o networking significa ter ao lado profissionais
afins prontos para criar ou até mesmo agir sobre oportunidades de negócio.
Para os potenciais empreendedores, a recomendação é que se busque
fazer alianças com as incubadoras, as quais visam criar ou desenvolver pequenas
ou microempresas. Outra possibilidade é fazer vínculo com as aceleradoras, que
buscam por empresas que tenham potencial para rápido crescimento. Logo, essas
aceleradoras buscam por startups escaláveis e apostam no que julgam ser uma
boa ideia.

4.2 Contextualização

Uma pesquisa realizada pela Global Entrepreneurship Monitor (GEM), do

Sebrae/IBQP, revela o novo perfil do empreendedor no Brasil. Ela aponta que, no
ano de 2018, a participação de pessoas entre 18 e 34 anos no total de
empreendedores em fase inicial cresceu de 50% para 57%.
Um nicho de mercado que demonstra esse crescimento são as startups.
Segundo informações da mesma pesquisa, 72% das startups brasileiras são
comandadas por jovens entre 25 e 40 anos. Ainda, o levantamento aponta a
existência de aproximadamente 6 mil startups no Brasil, sendo que esse número
praticamente dobrou nos últimos sete anos.
O empreendedorismo é encontrado em todos os setores e dentro de todas
as organizações. A maioria (70%) das novas empresas fornece produtos e
serviços em mercados existentes competitivos com tecnologias relativamente
maduras, ao passo que 7% dos novos empreendedores criam um novo nicho de
mercado se forem bem-sucedidos (Hindle; Rushworth, 2004).
Os métodos usados para medir o impacto da atividade empreendedora na
economia incluem o número de esforços de startups, a incorporação de empresas,
mudanças nas declarações fiscais líquidas registradas e a quantidade de trabalho

15
por conta própria. As empresas empreendedoras contribuem para as economias
em termos de renovação econômica e permitem que indivíduos entrem na
corrente social e econômica (Mazzarol; Reboud, 2020).
Por fim, em relação à Indústria 4.0, o empreendedor também é afetado,
mas diferentemente da gestão de projetos 4.0, que atribui novas práticas, o
empreendedorismo está vinculado a vislumbrar novas oportunidades de negócio
utilizando as tecnologias emergentes.

4.3 Motivação

Segundo Vinte (2019), o que justifica o engajamento de jovens

empreendedores por esse tipo de modelo de negócio é o ambiente descontraído
e inovador, a liberdade para criar e impactar nas estratégias, e a possibilidade de
desenvolver serviços produzidos por bases tecnológicas.
Além disso, mesmo que o mercado brasileiro de startups ainda esteja em
fase de consolidação, é de grande valia citar algumas políticas públicas de
incentivo, sendo elas: InovAtiva, StarOut, StartUp Brasil, Finep StartUp,
Enimpacto, Seed e Minha Primeira Empresa.
Uma iniciativa bastante interessante é a que foi proposta pela Finep. O
programa em questão se compromete a apoiar os empreendimentos após a fase
de aceleração por meio de recursos como financiamento coletivo e venture capital,
podendo atingir investimentos de até 1 milhão de reais. A seleção das empresas
ocorre por meio de edital público. Para mais detalhes, acesse
<http://www.finep.gov.br/apoio-e-financiamento-externa/programas-e-linhas/finep
-startup>.
Outra iniciativa que merece destaque é o StartOut, um programa proposto
pelo Ministério da Indústria, Comércio Exterior e Serviços (MDIC) e o Sebrae. O
StartOut visa inserir até 15 startups brasileiras nos ecossistemas mais
promissores do mundo. Para entender melhor sobre este programa, acesse
<https://www.startoutbrasil.com.br/>.

16
4.4 Habilidades essenciais

Segundo estudo realizado por Kuratko e Hodgetts (1998), 17

características são desejadas no perfil do empreendedor:

1. Compromisso, determinação e perseverança;

2. Capacidade de estabelecer metas e se esforçar para alcançá-las;
3. Orientação para oportunidades;
4. Persistência na resolução de problemas;
5. Autoconfiança e a sensação de que eles fazem sua própria sorte;
6. Cálculo diante dos riscos;
7. Tolerância a falhas;
8. Criatividade e inovação;
9. Autoconfiança e otimismo;
10. Consolidação de equipe;
11. Iniciativa e responsabilidade;
12. Buscando feedback;
13. Tolerância para ambiguidades;
14. Integridade e confiabilidade;
15. Alto nível de energia;
16. Visão;
17. Independência.

TEMA 5 – CASES DE SUCESSO

Para finalizarmos esta aula, segue uma relação de startups que atingiram
sucesso mundial em seus respectivos ramos, a fim de motivá-los a criar o seu
próprio negócio:

a. Axelspace

 País de origem: Japão.

 Founders: Naoki Miyashita, Takashi Eishima, Yuya Nakamura.
 Website: <www.axelspace.com/en/>.
 Proposta: Empresa iniciante que desenvolve negócios no campo de
microssatélites, a qual planeja construir uma plataforma de
monitoramento para cobrir todo o mundo diariamente, a um custo
extremamente baixo.

17
b. Armaks Group

 País de origem: Rússia.

 Founders: Anton Gololobov, Maksim Zhukov.
 Website: <armaksgroup.com>.
 Proposta: Criação de plataforma de alto nível para as cidades inteligentes
que integram todo o processo do departamento da cidade em um modelo
de tomada de decisão de IA. Objetiva tornar as cidades mais seguras e
confortáveis.

c. Billon Group

 País de origem: Inglaterra.

 Founders: Andrzej Horoszczak, Robert Kaluza.
 Website: <www.billongroup.com>.
 Proposta: Criar soluções baseadas em DLT em sua plataforma completa.
A tecnologia é otimizada para uso institucional regulamentado como um
DLT privado escalável e permitido (superando as adaptações de
criptomoeda).

18
REFERÊNCIAS

AEVO. Guia: de Gestão de Projetos na Indústria 4.0. Disponível em:

<http://materiais.aevo.com.br/guia-gestao-de-projetos-na-industria>. Acesso em:
22 fev. 2020.

ALBERS, A. et al. ProVIL: produktentwicklung im virtuellen Ideenlabor. In:

Entwerfen entwickeln erleben: methoden und werkzeuge in produktentwicklung
und design, Dresden, 30 jun./1 jul. de 2016.

ALPAYDIN, E. Introduction to machine learning. The MIT Press, 2004.

AL-WAZZAN, H. Transformation of project management in industry 4.0. Riyadh

International Convention & Exhibition Center, 2019.

CHOWDHURY, M; SADEK, A. W. Advantages and limitations of artificial

intelligence. In: Artificial Intelligence Applications of Critical Transportation
Issues. The National Academies Press, 2012.

HINDLE, K.; RUSHWORTH, S. Global entrepreneurship monitor (GEM): a

study of Australian entrepreneurship. Westpac GEM. Australia: Swinburne
University of Technology, 2004.

KOHONEN, T. An introduction to neural computing. Neural Networks, v. 1, ed. 1,

1988. p. 3-16.

KURATKO, D. F.; HODGETTS, C. Entrepreneurship: a contemporary approach.

Hinsdale, IL: The Dryden Press, 1998.

KUSTRIN, S.; BERESFORD, R. Basic concepts of artificial neural network

(ANN) modeling and its application in pharmaceutical research. Rio de
Janeiro: Elsevier, 2000.

KREUTZER, R. T.; SIRRENBERG, M. Understanding artificial intelligence:

fundamentals, use cases and methods for a corporate al journey. Springer, 2020.

LINDEN, R. Algoritmos genéticos. Rio de Janeiro: Ciência Moderna, 2012.

LUGER, G. F. Inteligência artificial. São Paulo: Pearson, 2015.

MAZZAROL, T.; REBOUD, S. Entrepreneurship and innovation: theory,

Practice and Context. 4. ed. Springer, 2020.

MEDEIROS, L. F. Inteligência artificial aplicada: uma abordagem introdutória.

Curitiba: Intersaberes, 2018.
19
NILSSON, N. J. The quest for artificial intelligence: A history of ideas and
achievements. Cambridge University Press, 2010.

NORVIG, P.; RUSSEL, S. Inteligência artificial. 3. ed. Rio de Janeiro: Elsevier,

2013.

SAS. Inteligência artificial: o que é e qual sua importância? Disponível em:

<https://www.sas.com/pt_br/insights/analytics/inteligencia-artificial.html>. Acesso
em: 22 fev. 2020.

SHANE, S.; VENKATARAMAN, S. The promise of entrepreneurship as a field

of research. Academy of Management Review, 2000.

SILVA, E. et al. Automação & sociedade: quarta revolução industrial – um olhar

para o Brasil. 1 ed. São Paulo: Brasport, 2018.

TOTVS. Inteligência artificial: por que a tecnologia tem se tornado cada vez mais
estratégica? Disponível em: <https://www.totvs.com/blog/inovacoes/o-que-e-
inteligencia-artificial/>. Acesso em: 22 fev. 2020.

VENKATARAMAN, S. The distinctive domain of entrepreneurship research: an

editor’s perspective. In: KATZ, J.; BROCKHAUS, R. (Eds.). Advances in
entrepreneurship, firm emergence, and growth. Greenwich: JAI Press, 1997.

WIN, T. Z.; SAING, N.; KHAM, M. Transformation of project management in

industry 4.0. (ProMAC2018), Proceedings of the 12th International Conference
on Project Management, 2018.

20