2.the Potential of Artificial Intelligence in Utilizing Circular Busin

Machine Translated by Google
Júlia Panu
O Potencial da Inteligência Artificial na Utilização

Modelos de negócios circulares
Uma Revisão Sistemática da Literatura
Escola de Tecnologia e Inovação

Dissertacao de Mestrado em Sistemas de Informacao
Comunicação Técnica
Vaasa 2021 See More

UNIVERSIDADE DE VAASA
Escola de Tecnologia e Inovação
Autor: Júlia Panu
Título da Tese: O Potencial da Inteligência Artificial na Utilização de Modelos Circulares de
Negócios: Uma Revisão Sistemática da Literatura
Grau: Mestrado em Ciências Econômicas e Administração de Empresas
Programa: Comunicação Técnica, Sistemas de Informação
Supervisor: Juho-Pekka Mäkipää
Ano: 2021 Páginas: 77 See More
ABSTRATO:
A inteligência artificial é uma das tecnologias da quarta revolução industrial que tem sido utilizada nas organizações.
Esta pesquisa estuda os potenciais benefícios que a inteligência artificial pode proporcionar à organização em
combinação com a economia circular. Um conceito de “sustentável na indústria 4.0” é introduzido como o único conceito
que descreve a dimensão sustentável da indústria 4.0 e combina a economia circular e as tecnologias da indústria 4.0.
O foco nos benefícios da inteligência artificial, especialmente em modelos de negócios circulares, fornece o ponto de
vista da sustentabilidade à inteligência artificial. São apresentados desafios e barreiras para a indústria sustentável 4.0
e especialmente para a utilização de inteligência artificial por meio da economia circular e modelos de negócios circulares.
A pesquisa se concentra na transição orientada a negócios para modelos de negócios circulares a partir do modelo
linear com o suporte de inteligência artificial. O objetivo desta pesquisa é identificar o potencial da inteligência artificial
e se ela proporciona uma vantagem competitiva para a organização.
Ao mesmo tempo, fornecer conhecimento da indústria sustentável 4.0 e modelos de negócios circulares para facilitar a
transição para a circularidade das organizações. A questão de pesquisa dos benefícios potenciais fornecidos pelas
tecnologias de inteligência artificial para a organização quando a transição para modelos de negócios circulares é
respondida pela realização de uma revisão sistemática da literatura.
De um total de 1634 artigos, 11 artigos foram selecionados como estudo primário. A revisão sistemática da literatura
resultou na descoberta de vários benefícios fornecidos pela inteligência artificial para a organização, ao mesmo tempo
em que aprimora a transição para modelos de negócios circulares. Em geral, os resultados forneceram uma confirmação
de como a inteligência artificial pode acelerar a transição para a circularidade por meio de metas de desenvolvimento
sustentável e, reciprocamente, a sustentabilidade fornece uma plataforma multifacetada para o funcionamento da
inteligência artificial. Os resultados apresentaram como, por exemplo, os algoritmos de inteligência artificial e aprendizado
de máquina suportam a tomada de decisão é a tecnologia artificial mais proeminente para a organização ser benéfica.
Além da tomada de decisão aprimorada, os resultados apresentaram como benefícios a flexibilidade da IA, que ajuda
a organização a se adaptar às mudanças na era digital, bem como a base apoiada pela IA para o desenvolvimento
estratégico que leva a modelos de negócios mais sustentáveis. Os resultados também apresentaram motivadores para
que a organização utilize inteligência artificial por meio de modelos de negócios circulares. Tais como economia e
redução de custos, maior transparência e confiança dos consumidores e vantagem competitiva sustentável são vistos
como impulsionadores para a organização utilizar inteligência artificial para atingir metas de desenvolvimento sustentável.
PALAVRAS-CHAVE: inteligência artificial, modelos de negócios, economia circular, tomada de decisão,

desenvolvimento sustentável
UNIVERSIDADE DE VAASA
Tekniikan e innovaatiojohtamisen yksikkö Tekijä:
Julia Panu Tutkielman nimi: The Potential of
Artificial Intelligence in Utilizing Circular Business Models: A Systematic Literature Review teknologioista , joita
on hyödynnetty orga nisaatioissa. Tämä tutkimus tutkii
mahdollisia Kauppatieteiden maisteri
hyötyjä, Tekninen viestintä, tietojärjestelmätiede
joita tekoäly Juho-Pekka Mäkipää
yhdistettynä Sivumäärä 2021 : 77
kiertotalouteen
voi tarjota organisaatiolle. Tutkimus esittele käsitteen "kestävä teollisuus 4.0", joka kuvaa teol lisuus 4.0:n kestävää
ulottuvuutta sekä yhdistää kiertotalouden ja teollisuus 4.0:n teknologiat.
Keskittymällä erityisesti tekoälyn tuomiin etuihin kiertotalouden liiketoimntamalleissa, tutki mus tarjoaa kestävän
näkökulman tekoälylle. Kestävän teollisuus 4.0:n ja erityisesti tekoälyn hyödyntämisen haasteita ja esteitä esitellään
kiertotalouden e kiertotalouden liiketoimintamal lien kautta.
Tutkimus keskittyy liiketoimintalähtöiseen siirtymiseen kiertotalouden liiketoimintamalleihin nykyisestä lineaarisesta

talousmallista tekoälyn tuella. Tämän tutkimuksen taboitteena on tun nistaa tekoälyn potentiaali ja todentaa tarjoaako
se organisaatiolle kilpailuetua. Samalla tarjo taan tietoa kestävästä teollisuus 4.0:sta ja kiertotalouden
liiketoimntamalleista helpottamaan organisaatioiden siirtymistä kiertotalouteen. Tutkimuskysymyksenä on: millaisia
mahdollisia hyötyjä tekoäly voi antaa yritykselle siirryttäessä kiertotalouden liiketoimintamalleihin. Tutki muskysymykseen
vastataan systemaattisen kirjallisuuskatsauksen avulla.
Yhteensä 1634 artikkelista valittiin 11 artikkelia ensisijaiseksi materiaaliksi (estudo primário). Sys temaattisen
kirjallisuuskatsauksen tuloksena löydettiin useita tekoälyn tarjoamia etuja organi saatiolle siirryttäessä kiertotalouden
liiketoimintamalleihin. Yleisesti ottaen tulokset vahvistivat, kuinka tekoäly voi nopeuttaa siirtymistä kiertotalouteen
kestävän kehityksen tavoitteiden kautta ja miten vastavuoroisesti kestävyys tarjoaa monipuolisen alustan tekoälylle
toimia. Tu lokset esittivät, kuinka esimerkiksi tekoälyn ja koneoppimisalgoritmien tukema päätöksenteko on merkittävin
keinotekoinen teknologia organisaation hyödyksi. Tehostetun päätöksenteon li säksi tulokset esittivät hyötyjä olevan
muun muassa tekoälyn joustavuus, joka auttaa yritystä toimimaan digitalisella aikakaudella muutoksiin sopeutuen
sekä tekoälyn tukema perusta yri tyksen strategiselle kehittämiselle ko hti kestävämpiä liiketoimintamalleja. Tulokset
esittelivät myös kannustimia organisaatiolle tekoälyn hyödyntämiseen kiertotalouden liiketoimintamallien kautta.
Esimerkiksisäästöt ja kustannusten väheneminen, lisääntynyt läpinäkyvyys ja kuluttajien luottamus sekä kestävä
kilpailuetu nähdään kannustimina organisaatiolle tekoälyn hyödyntämi visto kestävän kehityksen tavoitteiden
saavuttamiseksi.
PALAVRAS-CHAVE: inteligência artificial, modelos de negócios, economia circular, tomada de decisão,

desenvolvimento sustentável
Conteúdo
1. Introdução 8
1.1 Lacuna de pesquisa 10
1.2 Objetivos de Pesquisa e Questão de Pesquisa 11
2 Indústria Sustentável 4.0 e Sustentabilidade 13
2.1 Conceitos e Definições 13
2.2 Terminologia e Mapa Conceitual 16
3 Economia Circular e Inteligência Artificial nas Organizações 20
3.1 Economia Circular 20
3.2 Modelos de negócios circulares 23
3.3 Indústria 4.0 25
3.3.1 Inteligência Artificial 26
3.3.2 Diferentes Tecnologias de Inteligência Artificial 27
3.3.3 Sustentabilidade em Inteligência Artificial 28
3.4 Utilização da Inteligência Artificial nas Organizações 29
3.5 Desafios na Indústria Sustentável 4.0 31
4 Método e Processo de Pesquisa 33
4.1 Planejando a Revisão 35
4.2 Conduzindo a Pesquisa 35
4.3 Avaliação da pesquisa 37
4.4 Análise, Síntese e Relatório de Resultados 38
5 Resultados e Síntese 40
5.1 Tecnologias de Inteligência Artificial 44
5.2 Inteligência Artificial em Modelos de Negócios 49
5.2.1 Estrutura Sustentável para Modelo de Negócios 50
5.2.2 Modelos de Negócios Circulares 51
5.2.3 Utilização de Inteligência Artificial para Tomada de Decisão 52
5.3 Pré-requisitos para Combinar Inteligência Artificial e Sustentabilidade 54

6 Discussão e Conclusões 57
6.1 Implementando Modelos de Negócios Circulares com Inteligência Artificial 58
6.1.1 Benefícios da Inteligência Artificial 60
6.1.2 Desafios 62
6.2 Principais Descobertas 63
6.2.1 Direcionadores e Benefícios para Organizações 63
6.2.2 Tecnologia de Inteligência Artificial Proeminente 64
6.3 Limitações e pesquisas adicionais 65
Referências 69
Apêndices 77
Apêndice 1. Uma lista dos estudos primários 77

Fotos
Figura 1. Foco de pesquisa da combinação de Economia Circular e Indústria 4.0 com base em
Okorie, et ai. (2018, pág. 7) 17
Figura 2. Ciclo da IA (Mishra & Tripathi, 2021, p. 12.) 48
Figuras
Figura 1. Mapa conceitual baseado em Bonilla, et al., 2018, p. 5; Ejsmont, et al., 2020, pp. 1-3;
Hofmann, 2019, p. 363 18
Figura 2. Os quatro componentes essenciais da Economia Circular (Prieto-Sandoval, et al.,
2018, pp. 608, 610.) 22
Figura 3. Categorias de modelos de negócios circulares (Bocken, et al., 2016, p. 309.) 24
Figura 4. As principais e subfases da revisão sistemática da literatura (Okoli & Schabram,
2010, pág. 9; Ghanbari, et al., 2018, pp. 4-6; Kitchenham & Charters, 2007, pp. 884-885.)
34
Figura 5. Elementos-chave da IA no domínio dos negócios (Mishra & Tripathi, 2021, p. 3.) 46
Tabelas
Tabela 1. Classificação das métricas de sustentabilidade econômica associadas a
inteligência (Cricelli & Strazzullo, 2021, p.8.) 30
Tabela 2. Termos de pesquisa identificados com base nos objetivos da pesquisa 36
Tabela 3. Resultados da busca realizada em agosto de 2021 37
Tabela 4. As três rodadas de avaliação para estudos primários selecionados 38
Tabela 5. Os atributos de extração de dados 38
Tabela 6. Número de artigos selecionados em periódicos 40
Tabela 7. Uma visão geral dos estudos primários 41
Tabela 8. Dados de pesquisa dos estudos primários 42
Tabela 9. As palavras-chave que mais ocorrem no estudo primário 44

Abreviaturas
IA Inteligência artificial
ANN Redes neurais artificiais
APIs interfaces de programação de aplicativos
CE Economia Circular
Modelo de Negócios Circular CBM
RSE Responsabilidade Social Corporativa
ESG Ambiental, Social e Governança
IoT Internet das Coisas
ISTO
Tecnologia da Informação
I4.0 Indústria 4.0
KMS Sistemas de gestão do conhecimento
Avaliação do Ciclo de Vida LCA
Aprendizado de máquina de ML
PaaS produto como serviço
RPA Automação Robótica de Processos
Modelo de Negócios Sustentáveis da SBM
ODS Objetivo de Desenvolvimento Sustentável
Revisão Sistemática da Literatura SLR
PME pequenas e médias empresas
Resultado triplo da TBL
Resultado triplo 3BL
3R reduzir, reutilizar e reciclar
4R reduzir, reutilizar, reciclar e renovar

1. Introdução
“… tudo o que você pode falar é sobre dinheiro e contos de fadas de crescimento econômico eterno” (Herz,
2019).
A citação acima resume o discurso da ativista ambiental Greta Thunberg realizado na
a Cúpula de Ação Climática das Nações Unidas em 23 de setembro de 2019. Refere-se à atual
alugar estado de clima e ações que levaram a sociedade na situação. Na década de 1950
economistas acreditavam no crescimento econômico infinito e no meio ambiente como fonte de
fontes e como sumidouro de resíduos. (Herz, 2019.) Hoje, estamos em meio a uma crise climática
(Leahy, 2019). As organizações acompanham suas ações sustentáveis e ambientais
produzindo relatórios de sustentabilidade ou responsabilidade social corporativa (CSR). No entanto, o
significado de sustentabilidade e como ela deve ser implementada depende de como a empresa
nies interpretá-lo. (Landrum & Ohsowski, 2018, pp. 128-129.)
A economia circular oferece a solução para as organizações adaptarem a sustentabilidade em seus
modelos de negócios, por exemplo, em termos de gestão de resíduos, reutilização de materiais e
design de produto. Estima-se que a utilização da economia circular crie um benefício líquido de EUR 1,8
trilhões até 2030 somente na Europa. Além dos benefícios financeiros, anúncios de economia circular
enfrenta os desafios relacionados aos recursos, cria empregos, avança e apoia a inovação,
e gera benefícios ambientais substanciais. (Fundação Ellen MacArthur, 2019,
pp. 4-12.)
A sociedade está inevitavelmente sendo conduzida para novos tipos de modelos de negócios pela economia circular
do atual modelo de negócios linear de “pegar, fazer, usar, descartar” (Okorie, et al., 2018,
pág. 2). Com novas tecnologias e métodos ágeis, é possível agilizar a transição para
modelos de negócios circulares. A Inteligência Artificial desempenha um papel fundamental para permitir mudanças rápidas e ágeis
a um modelo de negócios mais diversificado (Ellen MacArthur Foundation, 2019, pp. 4-6) que não
considera apenas os benefícios e impactos financeiros, mas também os ambientais e sociais
benefícios e impactos (Lewandowski, 2016, p. 1). Pesquisas e estudos de negócios circulares
modelos de ness foram publicados em um ritmo acelerado nos últimos anos e

modelos foram projetados. O conhecimento existente para utilizar essas circulares projetadas
e modelos de negócios sustentáveis podem não ser suficientes no momento e há
lacunas de pesquisa conhecidas no campo. (Ferasso, et al., 2020, pp. 3007, 3009.)
Com tecnologia e ferramentas da Quarta Revolução Industrial, ou seja, indústria 4.0,
como a inteligência artificial, a mudança sistêmica para modelos de negócios circulares é vista mais
possível e sem esforço (Ellen MacArthur Foundation, 2019, p. 4). AI não tem um com
definição comumente aceita. Pode ser referido como “a capacidade de uma máquina aprender com
experiência, ajustar-se a novas entradas e realizar tarefas humanas”. (Duan, e outros, 2019, pág.
63.) Geralmente, a IA está associada à inteligência humana e pode complementar a inteligência humana
habilidades, permitindo que as pessoas lidem com a complexidade de maneira mais eficiente e “façam
uma melhor noção de dados abundantes” (Ellen MacArthur Foundation, 2019, p. 4). Três principais
benefícios das tecnologias de IA são a execução de tarefas demoradas para permitir que as pessoas
para se concentrar no trabalho de maior valor, revelando insights de grandes quantidades de informações não estruturadas
dados, e aproveitando grande número de computadores e outros recursos para resolver complexos
problemas (Nishant, et al., 2020, p. 1). Com esses benefícios, a IA oferece a possibilidade de uma
Futuro sustentável.
A utilização da IA na economia circular não foi estudada tão amplamente quanto poderia ser. nunca
menos, novas pesquisas de sua integração estão constantemente sendo publicadas. Da mesma forma, o termo
nologia e definição dos termos relacionados à combinação de economia circular e
a indústria 4.0 pode se tornar mais precisa com novas pesquisas. Este estudo examina o bem
os benefícios da IA em combinação com a economia circular que se refere à indústria sustentável 4.0.
O termo indústria sustentável 4.0 refere-se aos impactos ambientais da indústria 4.0
e como a economia circular e a sustentabilidade são levadas em consideração na indústria 4.0
(Bonilla, et al., 2018, pp. 1-3; Ejsmont, et al., 2020, pp. 1-2).
10
1.1 Lacuna de pesquisa
Economia circular e indústria 4.0 como tópicos separados foram pesquisados e analisados
por décadas, mas como um tópico integrado, há pouca pesquisa feita nos últimos anos
(Jabbour, et al., 2018, p. 274). Devido ao crescente interesse pela economia circular e
modelos de negócios no governo, negócios, sociedade e academia (Ferasso, et al., 2020,
pág. 3006), da mesma forma é importante aumentar o número de estudos e pesquisas realizados
sobre CE e avanço do mesmo. A inteligência artificial é uma das indústrias 4.0
ferramentas tecnológicas para ajudar no avanço da CE. Espera-se que diferentes tipos de aplicativos de IA
desenvolver cada vez mais ao longo do tempo. (Ellen MacArthur Foundation, 2019, pp. 4, 10.)
Di Vaio, Palladino, Hassan e Escobar (2020) identificaram em suas pesquisas como a IA é
vinculados aos Objetivos de Desenvolvimento Sustentável (ODS) descritos na Agenda 2030
pelas Nações Unidas. A pesquisa reconhece como o uso crescente de gerenciamento de dados
é um dos principais motivos para as empresas implementarem IA em suas soluções. Além do homem de dados
gestão para organizações privadas, o uso de AI é melhorar sua vantagem competitiva.
De acordo com os ODS, eles representam objetivos comuns que abordam, por exemplo,
crescimento econômico e industrialização (Nações Unidas, 2015).
Modelos de negócios circulares são extensivamente analisados dentro da ampla estrutura de sus
princípios de desenvolvimento sustentável e o alcance dos ODS (Ferasso, et al., 2020, p.
3015). Nishant, et ai. (2020) enfatizam como o dinheiro tem sido central para as sociedades capitalistas
para evoluir e ainda funcionar a partir de hoje. Os pesquisadores propõem seguir
medir o valor econômico da IA: “A IA para a sustentabilidade deve examinar o valor econômico
da IA para a sustentabilidade para desenvolver nossa compreensão de como a IA difere da convencional
Sistemas de informação."
O significado da IA mudou ao longo das décadas, pois a IA está em constante evolução e
avançando. Os sistemas baseados em IA para tomada de decisão foram descritos com o seguinte
termos, por exemplo: “sistemas especialistas, sistemas baseados em conhecimento, suporte de decisão inteligente
sistemas portuários, sistemas de agentes de software inteligentes, sistemas executivos inteligentes, etc.”
11
(Duan, et al., 2019, p. 67.) No entanto, é difícil prever qual será o futuro da IA
parece estar ainda em sua infância (Di Vaio, Palladino, Hassan, & Escobar, 2020, p. 283).
Em consequência das tecnologias alimentadas por Big Data, há uma nova geração de IA no
era do Big Data. Duan, e outros. (2020) propõem em suas pesquisas que a IA como conceito deve
ser redefinido para expressar a natureza mutável do desenvolvimento e aplicativos de IA no
Era dos Big Data.
Ferasso, et al. (2020) estudou a relação de CE e modelos de negócios na atual
literatura de negócios e gestão. As descobertas revelaram redes de tópicos e
lacunas de pesquisa relacionadas à inteligência artificial em EC. O papel e a influência da disrupção
tecnologias como inteligência artificial em modelos de negócios circulares precisam ser mais
pesquisa e estudos, pois não é claro. Não se sabe até que ponto e como a perturbação
tecnologias influenciam modelos de negócios circulares e qual o impacto nas organizações
que adotam essas novas tecnologias. A lacuna de pesquisa também pode ser vista de outra
ponto de vista, como a medida em que a economia circular pode influenciar a adoção de
novas tecnologias pelas organizações. (Ferasso, et al., 2020, p. 3015.) Esta pesquisa tem como foco
sobre a relação de inteligência artificial e economia circular nas organizações como
integração no modelo de negócio.
1.2 Objetivos de Pesquisa e Questão de Pesquisa
O principal objetivo desta pesquisa é estudar os possíveis benefícios da inteligência artificial
gência na transição para modelos de negócios circulares. Um dos objetivos é identificar a IA
soluções baseadas em modelos de negócios nos quais o negócio pode se tornar mais sustentável.
A pesquisa foca nos benefícios alcançados pelas organizações por meio da IA e tem como objetivo verificar
por que há uma necessidade de transitar para modelos de negócios circulares a partir dos negócios lineares atuais
modelo de ness. O ponto de vista do estudo é sobre como a IA promove a transição.
A pesquisa combina economia circular e indústria 4.0 e examina as condições
sob o qual combinando essas ideologias as organizações são capazes de buscar

12
indústria 4.0. Os objetivos de pesquisa desta pesquisa serão analisados respondendo às seguintes
baixando a questão de pesquisa:
Como a inteligência artificial beneficia as organizações na utilização do Circular Business
Modelo(s)?
A questão de pesquisa sustenta o objetivo principal desta pesquisa: identificar o potencial
por trás da inteligência artificial na utilização de modelos de negócios circulares e se ela oferece
organizações a possibilidade de uma vantagem competitiva. Esta pesquisa também visa em
criar e esclarecer o conhecimento e o contexto de um modelo de negócios circular que poderia
facilitar a transição para o CBM para as organizações. Ao analisar CBMs e sustentabilidade em
organizações, esta pesquisa fornece conhecimento sobre economia circular e seu potencial
sob o ponto de vista econômico e ambiental. A pergunta de pesquisa é respondida
realizando uma revisão sistemática da literatura.
A pesquisa é conduzida abrindo primeiro o significado por trás de termos como artificial
inteligência, economia circular, modelo de negócio circular e indústria sustentável 4.0 em
capítulo 2. Com o capítulo 2 incluindo os conceitos e terminologia, o capítulo 3 mergulha em
a teoria de combinar IA, EC e sustentabilidade. Após a teoria de AI e CE, a
método de revisão sistemática da literatura será apresentado no capítulo 4 como o capítulo
inclui uma informação detalhada do processo e método de revisão. Em seguida, capítulo 5 em
apresenta os dados, e os resultados da revisão sistemática da literatura conduzida serão
apresentado. Os resultados serão discutidos no capítulo 6, pois o capítulo concluirá a revisão
pesquisar e reconhecer os resultados da pesquisa realizada refletida para o composto
síntese.
13
2 Indústria Sustentável 4.0 e Sustentabilidade
O termo Indústria sustentável 4.0 ainda não possui uma definição comumente aceita no
literatura, uma vez que não foi pesquisado em grandes profundidades. O termo em si é bastante novo para
o campo de combinar sustentabilidade e indústria 4.0. (Ejsmont, et al., 2020, pp. 1-3.)
Salvador da Motta Reis, e outros. (2021, p. 3) estudam como alcançar a sustentabilidade por meio
tecnologias inteligentes da indústria 4.0, portanto, os autores usam o termo “sustentabilidade 4.0” para
descrever a dimensão sustentável da indústria 4.0. Harikannan, et ai. (2021, p. 358) têm
definiram a indústria sustentável 4.0 em suas pesquisas como “usando as capacidades superiores de
indústria 4.0 em conjunto com ferramentas, técnicas, práticas e procedimentos de sustentabilidade
capacidade de alcançar as metas de benefícios triplos para uma organização”.
Como a indústria 4.0 como conceito foi introduzida apenas uma década atrás em 2011, ela ilustra ex
exclusivamente a natureza ágil e orientada para a tecnologia do conceito. Ao adicionar sustentabilidade
em I4.0, as empresas podem esperar grandes benefícios, por exemplo, maior eficiência energética
e diminuição da quantidade de resíduos de sucata de fabricação. I4.0 com visão de sustentabilidade
ponto é considerado tendência e há um número crescente de publicações de revisões e estudos
ao longo dos últimos anos. (Ejsmont, et al., 2020, pp. 1-3.)
O capítulo seguinte apresentará os conceitos e definições relacionados a esta pesquisa
termos como sustentabilidade e inteligência artificial podem ser interpretados de várias
pontos de vista. O capítulo apresenta o escopo em que esses termos são usados e inclui
o mapa conceitual para ilustrar a relação entre os conceitos.
2.1 Conceitos e Definições
A definição de Indústria Sustentável 4.0 apresentada nesta pesquisa é combinada de
muitas definições na literatura. Como conceito, a indústria sustentável 4.0 inclui a
tecnologias da indústria 4.0 como a inteligência artificial e as abordagens circulares
da economia circular (Ejsmont, et al., 2020, pp. 1-3). Do ponto de vista da sustentabilidade,
14
a indústria sustentável 4.0 inclui os objetivos de desenvolvimento sustentável que podem ser
avançado com tecnologias da indústria 4.0 para melhorar o desempenho ambiental e sustentável
mance (Bonilla, et al., 2018, p. 18) que muitas vezes é medido com responsabilidade social corporativa
relatórios de responsabilidade (CSR) (Landrum & Ohsowski, 2018, p. 128).
Embora o desempenho ambiental e sustentável com relatórios de RSC não esteja no escopo
para esta pesquisa, é importante entender como as duas áreas de meio ambiente se relacionam
desempenho mental e sustentável e abordagens circulares em sustentabilidade são. CSR
está relacionado a termos como desenvolvimento sustentável, sustentabilidade empresarial e a
resultado triplo. (Landrum & Ohsowski, 2018, p. 129.) O desenvolvimento sustentável é de
definido como “desenvolvimento que atende às necessidades do presente sem comprometer o
capacidade das gerações futuras de atender às suas próprias necessidades” (WCED, 1987). Considerando que corporativo
sustentabilidade é vista como “forma mais humana, ética e transparente de fazer
negócios” que inclui a visão do desenvolvimento sustentável nos negócios
(Marrewijk, 2003, p. 101).
O termo triple bottom line está em uso desde os anos 90 e descreve a mensurabilidade
de desempenho social e ambiental. Os resultados da medição social e ambiental
o desempenho mental deve ser usado para melhorar esses "resultados". Estes melhoraram
acredita-se que duas linhas de fundo tenham uma correlação positiva a longo prazo para um terceiro bot
tom line: resultado financeiro. (Norman e MacDonald, 2004, pp. 244, 246.) Cricelli
e Strazzullo (2021, p. 1) descrevem as qualidades essenciais das organizações que devem ser
considerados sustentáveis segundo a estrutura do TBL; organizações devem ser “economicamente
viável, ambientalmente amigável e socialmente responsável”.
Pava (2007, pp. 108-109) argumenta a maneira de Norman e MacDonald de descrever o triplo
linha de fundo, explicando domínio financeiro em uma organização para ser mais complexo do que por
esperando correlação apenas resumindo o desempenho social e ambiental. O
autor, portanto, sugere que, em vez do termo “3BL” como no triple bottom line, o termo
15
deve ser uma linha de fundo múltipla para descrever o caráter multidimensional da empresa
desempenho. Pava expressa:
“Não há resultado final nem nunca houve um resultado final – apenas múltiplos e
resultados contingentes”.
A razão do autor para corrigir o pensamento de linhas de fundo singulares para multidimensionais
resultados operacionais e contingentes é que, se os termos relativos à sustentabilidade forem usados
com um ponto de vista estreito, eles são facilmente mal utilizados para obter benefícios organizacionais por
enganar os consumidores para associar a empresa a parecer “verde” ou sustentável
quando, na verdade, não é sustentável de forma abrangente (Pava, 2007, p. 109).
Todos esses termos introduzidos acima relacionados à sustentabilidade estão em uso há dez
e são frequentemente usados de forma intercambiável, independentemente do debate em curso sobre diferenciação
os termos. (Landrum & Ohsowski, 2018, p. 129.) Schwarts e Carroll (2008, p. 169)
destacam que não importa em que prazo o valor seja gerado pelo negócio, ele deve ser
sustentável. Ao colocar a criação de valor no foco central de um modelo de negócios, permitirá
conceitos como RSE e sustentabilidade sejam adaptados naturalmente no negócio (Wheeler,
e outros, 2003, p. 2).
Achtenhagen, et ai. (2013, p. 2) descrevem como é importante para uma organização ser
capaz de mudar e desenvolver o modelo de negócios para alcançar a criação de valor sustentado. Se
a organização não é capaz de mudar seu modelo de negócios à medida que seu ambiente muda,
eles têm um alto risco de falhar. Não porque fizeram compromissos e escolhas erradas
ou ações medíocres, mas porque perseguiram o mesmo caminho por muito tempo e caíram
vítimas da rigidez de seu modelo de negócios. (Doz & Kosonen, 2010, p. 370.)
A confusão de conceitos no campo dos negócios sustentáveis é bem resumida por
Marrewijk (2013):
16
Um intenso debate vem ocorrendo entre acadêmicos, consultores e
executivos porosos resultando em muitas definições de uma sociedade mais humana, mais ética
e uma forma mais transparente de fazer negócios. Eles criaram, apoiaram ou
criticou conceitos relacionados, como desenvolvimento sustentável, cidadania corporativa
navio...Triple Bottom Line, ética nos negócios e responsabilidade social corporativa... [O]
ampla gama de conceitos, definições e... muitas críticas...
em uma situação embaraçosa, especialmente aqueles que estão começando a assumir suas
responsabilidade perante a sociedade e seus stakeholders, deixando-os com mais dúvidas
perguntas do que respostas. (págs. 95-96.)
Ruggerio (2021) identifica vários autores que observam as definições falhas de, por exemplo, o
conceito de desenvolvimento sustentável. A definição WCED (1987) de desenvolvimento sustentável
desenvolvimento é considerado insuficiente décadas depois por vários autores. Revisão de Ruggerio na def
initions é uma contribuição para o debate em curso sobre as definições de termos e con
conceitos relacionados à sustentabilidade. O autor afirma a respeito da definição de
desenvolvimento, que por causa do desenvolvimento contínuo da ideologia do conceito
e sua falta de precisão, o debate permanece insolúvel. (Ruggerio, 2021, pp. 2-4.)
Marrewijk (2013, p. 96) destaca os mesmos resultados em relação ao conceito de empresa
responsabilidade social. Os conceitos e definições que são usados atualmente relacionados a sus
sustentabilidade são muitas vezes tendenciosos em relação a interesses e pontos de vista específicos.
2.2 Terminologia e Mapa Conceitual
A figura 1 abaixo representa a combinação entre economia circular e indústria
4.0. A fusão pode ser descrita como abordagens circulares com tecnologias de
indústria 4.0, como inteligência artificial. A Figura 1 descreve o foco da pesquisa, tema,
e terminologia desta pesquisa. A figura 1 é baseada em Okorie, et al. (2018, pág. 7)
imagem ilustrada do foco de pesquisa do artigo onde os autores descrevem o combi
nação da economia circular e da indústria 4.0. Nesta pesquisa, a IA foi colocada em
entre a “Indústria 4.0” e “Abordagens Circulares e Tecnologias I4.0”, pois não é

17
explorada apenas para fins de economia circular, mas é uma das ferramentas potenciais para
ser beneficiado com o objetivo de promover a CE (Okorie, et al., 2018). a partir do indus
experimentar as tecnologias 4.0, esta pesquisa se concentra na inteligência artificial das muitas tecnologias
nologias da indústria 4.0.
Figura 1. Foco de pesquisa da combinação de Economia Circular e Indústria 4.0 com base em Okorie, et
al. (2018, pág. 7)
A fusão entre CE e I4.0 não é nomeada como “Indústria Sustentável 4.0” em
figura 1 que descreve a combinação dos dois assuntos. Nesta tese, a sustentabilidade
indústria 4.0 é considerada como um termo para “abordagens circulares e tecnologias I4.0”
conforme descrito na figura 1. A indústria sustentável 4.0 é mais diversificada do que incluir apenas “Cir
Abordagens culares e tecnologias I4.0” (Bonilla, et al., 2018, p. 18; Salvador da Motta
Reis, et al., 2021, p. 3) mas devido ao objetivo desta pesquisa, outros conceitos foram
excluídos.
18
Indústria Sustentável 4.0
Sustentabilidade e
Indústria 4.0
Economia circular
Abordagens Circulares e
Tecnologias I4.0
Negócio sustentável
modelos
Modelos de negócios circulares
Figura 1. Mapa conceitual baseado em Bonilla, et al., 2018, p. 5; Ejsmont, et al., 2020, pp. 1-3;
Hofmann, 2019, p. 363
O mapa conceitual da figura 1 acima ilustra as relações dos principais termos usados
logia nesta tese. Abaixo do termo Indústria Sustentável 4.0 estão os dois
termos Sustentabilidade e Economia Circular e Indústria 4.0. Estes dois são então com
combinados como Abordagens Circulares e Tecnologias I4.0 que incluem termos como Circular
Modelos de Negócios e Modelos de Negócios Sustentáveis. O ponto de vista dos modelos de negócios
representa o ponto de vista organizacional nesta pesquisa. A terminologia apresentada tem

19
foram recolhidos a partir de vários estudos diferentes. (Bonilla, et al., 2018, p. 5; Ejsmont, et al.,
2020, pp. 1-3; Hofmann, 2019, p. 363.)

20
3 Economia Circular e Inteligência Artificial nas Organizações
Economia circular e inteligência artificial podem ser combinadas nas organizações por meio de
modelos de negócios circulares nos quais a inteligência artificial é utilizada como ferramenta para enfatizar
a circularidade. O capítulo seguinte apresenta as dimensões da economia circular e
modelos de negócios circulares e a variedade de maneiras como a inteligência artificial pode ser utilizada
organizados para aumentar a circularidade das organizações.
3.1 Economia Circular
“Um sistema econômico que representa uma mudança de paradigma na forma como o ser humano
sociedade está inter-relacionada com a natureza e visa evitar o esgotamento dos recursos,
feche os ciclos de energia e materiais e facilite o desenvolvimento sustentável por meio de
sua implementação…”
A definição acima de economia circular (CE) é baseada na literatura acadêmica re
visto por Prieto-Sandoval, et al. (2018, p. 610). Em essência, o foco na CE é maximizar
a circularidade de recursos e energia dentro dos sistemas de produção. O modelo reconhece
limita o fato de que os recursos naturais são escassos e os resíduos no final de seu ciclo de vida podem
conserva parte de seu valor. (Ghisellini, et al., 2016, pp. 1-2.) O princípio da CE é refinado a partir de
o chamado modelo econômico linear que é descrito como “pegar, fazer, usar e descartar”
-modelo econômico. A circularidade no sistema significa que, após o descarte, os materiais
são alternativamente reciclados, recuperados ou reutilizados. (Okorie, et al., 2018, p. 2; Prieto-Sando
val, et al., 2018, pág. 608.) Em suma, com uso mais eficiente e reaproveitamento de recursos a ideia
é ser capaz de reduzir os impactos ambientais negativos e alcançar o equilíbrio entre
a economia, o meio ambiente e a sociedade (Ghisellini, et al., 2016, pp. 1-2).
As raízes do sistema circular vêm da ideologia do “framework 3R” que envolve
reduzir, reutilizar e reciclar (Hartley, et al., 2020, p. 1). O princípio dos 3R também é
reconhecido como 4R com inclusão de renovação como o quarto “R”. O objetivo do 3R/4R é
21
possibilitam fatores que aumentam o ciclo de vida de um produto, reutilizando-o após o primeiro ciclo de
uso. Esses fatores são, por exemplo, produto como serviço (PaaS), padrões de consumo, coleta
ção de bens usados, reparos e um sistema eficiente de distribuição e manuseio de materiais.
(Patwa, et al., 2021, p. 726.)
Hartley, e outros. (2020, p. 2) conclui o fato de que após quase 30 anos desenvolvendo o
conceito de CE, ainda não há consenso acadêmico sobre o conceito. A pesquisa de Okorie,
e outros (2018) identificou a principal diferença nas muitas definições de CE a serem derivadas de
o fato de ser tratado por diferentes partes interessadas com diferentes pontos de vista. Prieto
Sandoval, e outros. (2018, pp. 608, 610) realizou uma revisão sistemática da literatura para reunir
uma dúzia de definições explícitas de economia circular. Os autores conseguiram resumir
quatro componentes essenciais dessas definições reunidas que são necessárias para estabelecer
elabore o conceito de EC:
1. A recirculação de recursos e energia, a minimização de re
demanda das fontes e a recuperação do valor dos resíduos
2. Uma abordagem multinível
3. Sua importância como caminho para alcançar o desenvolvimento sustentável
4. Sua estreita relação com a forma como a sociedade inova

22
Recirculação
Inovações
Circular Abordagem
multinível
Economia
Desenvolvimento
sustentável
Figura 2. Os quatro componentes essenciais da Economia Circular (Prieto-Sandoval, et al.,

2018, pp. 608, 610.)
A quarta componente de “estreita relação com a forma como a sociedade inova” está relacionada
para governos e formuladores de políticas. Regulação e determinantes políticos estão no centro
posição de influenciar e motivar as práticas ambientais de consumidores e fornecedores.
Para facilitar a transição para a implementação da CE, os formuladores de políticas podem propor instrumentos para
diminuir a demanda de recursos e fazer uma mudança no comportamento do consumidor. estes instrumentos
são tais como incentivos, por exemplo, reparação ou renovação de produtos (incluindo
eletrônicos) em vez de comprar novos e incentivar uma economia compartilhada. (Kal
mykova, et al., 2016, p. 80.) Portanto, é importante que as organizações mudem conforme seus
mudanças no ambiente e ajustar seu modelo de negócios para tornar-se lento, fechado e
estreitando os ciclos de recursos (Ferasso, et al., 2020, p. 3007).

23
3.2 Modelos de negócios circulares
Modelos de negócios circulares, CBMs, são um sistema sustentável com inteligência e conectividade
atividades que definem como as organizações criam valor enquanto estão de acordo com o princípio CE
ples (Ávila-Gutiérrez, et al., 2020, p. 6; Lüdeke-Freund, et al., 2018, p. 36). modo de negócios
em geral podem ser descritos da seguinte forma: “(1) o modelo de negócios é uma unidade de análise
distinto do produto, empresa ou rede. Está centrado em uma empresa focal,
mas seus limites são mais amplos que os da empresa; (2) os modelos de negócios enfatizam
uma abordagem em nível de sistema para explicar como as empresas administram seus negócios; (3) negócios
modelos explicam tanto a criação quanto a captura de valor”. (Antikainen, et al., 2018, p. 46;
Zott, et al., 2011.) Os CBMs podem ser considerados incluídos no grupo mais amplo de SBMs,
modelos de negócios sustentáveis (Lüdeke-Freund, et al., 2018, p. 41).
CBMs podem ser separados em três grupos: retardar loops de recursos, fechar loops de recursos,
e redução dos fluxos de recursos (Bocken, et al., 2016, p. 309). Desacelerar o loop é um modelo
de estender o ciclo de vida do produto por meio de projeto e manutenção. O segundo grupo, fechando
o ciclo, concentra-se na reciclagem eficiente de materiais e pode ser realizado por meio de
por exemplo, por simbiose industrial. O terceiro grupo, estreitando o loop ou alvos de fluxo de recursos
em usar menos recursos por produto e pode ser significativamente impulsionado pela tecnologia inteligente
nologias. Como os modelos apresentados acima se apoiam mutuamente, muitas vezes
os modelos de negócios circulares incluem vários grupos ou mesmo todos eles. (Antikainen, et al.,
2018, pág. 46.)

24
Lentidão dos loops de recursos
circulares
negócios
Modelos
de
Fechando loops de recursos
Estreitando os fluxos de recursos
Figura 3. Categorias de modelos de negócios circulares (Bocken, et al., 2016, p. 309.)
Antikainen e Valkokari (2016, p. 7) identificam os consumidores com um grande papel na CE como o
relação entre consumidores e produtos mudará drasticamente de possuir para
por exemplo, comprar acesso a um serviço. Outros arquétipos de negócios sustentáveis ou circulares
modelos são, por exemplo, criar valor a partir de resíduos, substituindo com renováveis e naturais
processos, adotando o papel de administração, incentivando a suficiência, redefinindo o propósito do negócio
ness para a sociedade e desenvolvendo soluções de expansão (Bocken, et al., 2014, p. 48). o sus
modelos de negócios sustentáveis e circulares integram elementos macro (tendências globais e
drivers), meso (ecossistema e cocriação de valor) e micro (empresa, clientes e
consumidores) (Antikainen & Valkokari, 2016, p. 8). Nas organizações de nível micro
estão focados em seus próprios processos de desenvolvimento, o nível meso inclui empresas de
simbiose industrial onde os benefícios vão não só para a economia regional, mas também para o
ambiente natural, e o nível macro visa desenvolver eco-cidades, eco-municípios ou
eco-províncias através do desenvolvimento de políticas ambientais (Geng, et al., 2012;
Ormazabal, et al., 2016; Yuan, e outros, 2006).

25
Verdadeiramente, os CBMs oferecem uma mudança na ideologia da estratégia de negócios. Hofmann (2019, p.
371) argumenta como as concepções de CBM devem ir além das estratégias de eficiência e consistência.
Um efeito rebote foi identificado na ligação com a economia circular. Como há um forte
paralelo em relação à recuperação da eficiência energética, Zink e Geyer (2017, p. 593, 600) têm
denominou o efeito rebote em relação à EC como “recuperação da economia circular”. Os autores de
Escreva a recuperação da economia circular ocorrendo em atividades de CE que têm um menor por unidade
impactos na produção que também causam aumento dos níveis de produção, reduzindo sua
benefício positivo original. Ao avaliar as consequências líquidas dos impactos ambientais
das atividades organizacionais, só então é possível responder quando o reforço da EC é
ambientalmente valioso. Zink e Geyer apontam: “O que é realmente necessário para reduzir
impacto ambiental é menos produção e menos consumo.”
3.3 Indústria 4.0
Eficiência, exatidão e precisão são as qualidades que descrevem o quarto
revolução, indústria 4.0. Emergiu como uma tecnologia promissora devido ao avanço
desenvolvimento em tecnologias disruptivas, como inteligência artificial e big data. (Rajput &
Singh, 2021, pág. 1717.) Big data é uma chave na indústria 4.0 para revelar novas formas de criação de valor
ção nas organizações (Bonilla, et al., 2018, p. 4). As tecnologias de big data têm um efeito revitalizante
impacto na IA, já que o uso da nova geração de IA na tomada de decisões parece promissor
ising (Duan, et al., 2019, pp. 63, 67). Fábricas “inteligentes” estão conectadas ao progresso
são da indústria 4.0. A IA é uma das tecnologias que aproximam as organizações do digital
transformação. (Cricelli & Strazzullo, 2021, p. 3.) Abordagens de aprendizado de máquina e IA
algoritmos são vistos como oportunidades para a indústria 4.0 que trazem grandes benefícios na sustentabilidade
fabricação capaz, pois visam melhorar a sustentabilidade, especialmente na manufatura
unidades de controle. (Jamwal, et al. 2021, p. 9).

26
3.3.1 Inteligência Artificial
Conforme apresentado anteriormente, a IA pode ser descrita como “a capacidade de uma máquina aprender com ex
experiência, ajustar-se a novas entradas e realizar tarefas semelhantes às humanas” (Duan, et al., 2019, p. 63).
Outra definição de IA a descreve como “agentes computacionais que agem de forma inteligente”
(Poole & Mackworth, 2010, p. 3). Paschen, e outros. (2020, p. 2) identificam a principal diferença
nestas duas definições, a última definição não enfatiza a IA como humana
inteligência, mas envolvendo um agente no processo. Um agente é algo que por
recebe e age em um ambiente fazendo ações na prática e não apenas na teoria.
Considera-se que um agente age de forma inteligente quando realiza ações apropriadamente para seu
circunstâncias e metas em mudança, é flexível para ambientes e metas em mudança,
aprende com a experiência, age de acordo e faz escolhas apropriadas levando em
observe suas limitações perceptivas e computacionais. (Poole & Mackworth, 2010, p. 4.)
A seguinte descrição de Vinuesa, et al. (2020, p. 1) representa toda a tecnologia de IA que
são considerados nesta tese:
“... consideramos como IA qualquer tecnologia de software com pelo menos um dos seguintes
capacidades: percepção - incluindo áudio, visual, textual e tátil (por exemplo, face
reconhecimento), tomada de decisão (por exemplo, sistemas de diagnóstico médico), previsão (por exemplo,
previsão do tempo), extração automática de conhecimento e reconhecimento de padrões de
dados (por exemplo, descoberta de círculos de notícias falsas nas mídias sociais), comunicação interativa
ção (por exemplo, robôs sociais ou bots de bate-papo) e raciocínio lógico (por exemplo, teoria desenvolvida
mento das instalações). Essa visão abrange uma grande variedade de subcampos, incluindo
aprendizado de máquina”.
Weichhart, e outros. (2015) identificam organizações sensíveis, inteligentes e sustentáveis sendo o
caminho para as empresas que desejam se manter competitivas no ambiente em mudança. o au
os autores listam tecnologias de aceleração, como análise de big data, que fazem parte de todo o
sistema por trás de organizações inteligentes e sustentáveis. Weicchart, e outros. sugerir empresas
para se tornarem inteligentes e sustentáveis, eles precisam adaptar modelos de negócios aprimorados. uma IA
27
ferramenta baseada, como análise de big data, pode ser usada como um modelo de tomada de decisão para coletar
e processar grandes quantidades de dados de produtos e clientes e utilizar os resultados em
desenvolvendo modelos de negócios circulares bem-sucedidos e lucrativos para a organização (Ellen
Fundação MacArthur, 2019, p. 14). Brevemente descrito, as organizações que utilizam IA e
ML estão usando modelos computacionais e matemáticos para, por exemplo, sua tomada de decisão
(Mishra & Tripathi, 2021, p. 1).
3.3.2 Diferentes Tecnologias de Inteligência Artificial
Duan, e outros. (2019, pp. 64-65) implementou uma pesquisa para identificar a variação do algoritmo de IA
técnicas de ritmo e/ou formas de representação do conhecimento. Os autores identificaram cinco
categorias principais de tecnologias de IA e algumas outras menores. A principal tecnologia identificada
As ogies são inferência baseada em regras, análise linguística semântica, redes bayesianas, similaridade
medidas e redes neurais. Algumas outras técnicas são, por exemplo, representação baseada em quadros
ção e algoritmos genéticos.
De todas, a inferência baseada em regras é a técnica mais comum que utiliza atualmente
regras que são provavelmente desenvolvidas por métodos automatizados, como classificação e
árvores de regressão ou mineração de regras de associação. A análise linguística semântica mapeia a língua natural
em documentos para recuperar informações. As redes bayesianas são bastante novas e
utiliza aprendizado em sistemas inteligentes. É baseado no raciocínio baseado em probabilidade, onde
probabilidades condicionais associadas ao caminho entre os nós em uma adaptação de rede
novos dados que implicam aprendizagem. As medidas de similaridade identificam exemplos de semelhanças ou semelhanças
a uma nova observação em clusters que é considerada como raciocínio baseado em casos. (Duan,
e outros, 2019, p. 65.)
As redes neurais também são chamadas de redes neurais artificiais (ANN), que supostamente
para copiar a forma como o cérebro humano funciona. ANN não tem sido amplamente utilizada com base em
a pesquisa feita pelos autores. Outras técnicas, como a representação baseada em quadros
Esta classificação permite uma representação mais ampla e rica do conhecimento do que as regras, mas é mais
28
complexo e, portanto, não é tão utilizado. Algoritmos genéticos copiam o processo de Dar
seleção natural winiana até que a maior solução seja encontrada. (Duan, et al., 2019, p. 65.)
3.3.3 Sustentabilidade em Inteligência Artificial
A Indústria 4.0 é vista como servindo bem ao propósito dos 3R (reduzir, reutilizar e reciclar) por
prolongar o valor de uso de um produto, materiais e componentes (Rajput & Singh,
2021, pág. 1733). Patwa, e outros. (2021, p. 728) concordam que a inteligência artificial aumenta o
Aplicabilidade dos 3R nas organizações. A IA pode ter um papel fundamental na aceleração e aquisição de CE
princípios. Por exemplo, as organizações podem usar projetos de conceito de produto criados por IA para
mudar a forma como os materiais são desenvolvidos para eletrônicos de consumo. Isso melhora o
ciclo de vida do produto e reduz o ciclo de design e desperdício de material. Ao realizar um grande
reconhecimento de padrões de escala, a IA pode resolver problemas ambientais com a extensa
quantidades de dados e dá a oportunidade de, por exemplo, agilizar políticas (Nishant, et al., 2020,
pág. 2).
Nishant, et ai. (2020, p. 5) identificaram em sua revisão de literatura que o aprendizado de máquina (ML)
tem sido explorado em muitas soluções de IA para sustentabilidade. Os autores observam que com ML
observando modelos e relacionamentos, a IA é capaz de aprender e fazer previsões a partir do
data histórica. Com algoritmos desenvolvidos, ML avançado ou 'profundo' pode extrair novos em
formação a partir de uma vasta quantidade de dados (Paschen, et al., 2020, p. 4).
Os possíveis benefícios e danos relacionados à sustentabilidade vinculados à IA podem ser avaliados
uados e categorizados por meio de metas de desenvolvimento sustentável. Os ODS cobrem o meio ambiente
metas mentais, metas relacionadas à justiça social e crescimento econômico, saúde e emprego
mento. Portanto, os ODS são convenientes para analisar a sustentabilidade da IA que incluem
ambos os pontos de vista dos benefícios e danos da IA na sustentabilidade. Os ODS são úteis para analisar
como a IA é utilizada para atividades sustentáveis e se o uso da IA pode ter efeitos negativos
impactos ambientais ativos. (Sætra, 2021, p. 2.) As empresas são cada vez mais obrigadas a
29
tomar medidas para aumentar o desenvolvimento sustentável, caso em que os desafios de im
A comprovação da escala das inovações deve ocorrer de forma que a empresa seja capaz de
preservar a integridade do ecossistema e melhorar o uso dos recursos naturais (Joyce & Paquin,
2016).
3.4 Utilização da Inteligência Artificial nas Organizações
Nas organizações, a IA é utilizada para intensificar a tomada de decisões, reinventar modelos de negócios e
ecossistemas, bem como para melhorar a experiência do cliente em uma nova extensão (Duan, et al., 2019,
pág. 63). A tomada de decisão e a experiência do cliente estão incluídas nos modelos de negócios como
tomada de decisão está ligada à estratégia que conduz o modelo de negócio, e cliente
experiência é uma das dimensões mais importantes do que a empresa quer
alcançar com o modelo de negócio. Como se a experiência do cliente não fosse a ideal e o atendimento
vícios ou produtos não atraem o cliente, trazem apenas um valor mínimo para o
empresa para executar negócios com base no modelo de negócios escolhido. Panetta (2017)
refere-se a uma pesquisa do Gartner realizada em 2017, como no ano de 2017 apenas 59% da organização
As organizações estão desenvolvendo e coletando informações para construir sua estratégia de IA
gies. Isso aponta a tenra idade da tecnologia de IA, o que consideramos inteligente no
época atual.
Cricelli e Strazzullo (2021, p. 4) abordam a plena integração de tecnologias digitais como
como IA em modelos de negócios corporativos que permitem benefícios econômicos e ambientais
através de, por exemplo, melhor imagem corporativa, economia de energia, redução de custos de materiais e
eficiência de recursos. Mais detalhadamente, os autores identificaram 21 sustentabilidade econômica
métricas por meio de revisão sistemática da literatura que foram associadas à tecnologia da indústria 4.0
nologias. Com a IA, as métricas de sustentabilidade econômica encontradas foram competitividade, cus
tomização, desenvolvimento econômico, extensão do ciclo de vida do produto/equipamento, fomento
inovação e empreendedorismo, participação de mercado, redução do consumo de água, redução
redução de erros de produção e danos acidentais, redução de custos de desperdício e
recuperação de fontes. As métricas foram divididas em impacto direto ou indireto.

30
As métricas diretas impactam a economia da empresa, enquanto as indiretas impactam
na economia global do ambiente onde a empresa atua. As métricas são
apresentado na tabela 1.
Tabela 1. Classificação das métricas de sustentabilidade econômica associadas à inteligência artificial

gência (Cricelli & Strazzullo, 2021, p.8.)
Métricas de Sustentabilidade Econômica direto Indireto
Competitividade x
Costumização x
Desenvolvimento Econômico x
Extensão do ciclo de vida do produto/equipamento x
Fomentando a inovação e o empreendedorismo x
Quota de mercado x
Redução do consumo de água x
Redução de erros de produção e danos acidentais x
Redução de custos de resíduos x
recuperação de recursos x
As métricas apresentadas acima medem os benefícios potenciais da IA do ponto de vista de
sustentabilidade econômica. Combinando sustentabilidade e IA, organização ganha eco
oportunidade econômica de aumentar a competitividade e participação de mercado, o que favorece o desenvolvimento
desenvolvimento de novos modelos de negócios. Quanto mais longe a transição vai com a implementação
IA (e outras tecnologias da indústria 4.0) com foco em sustentabilidade, mais próximo todo o
setor industrial está em plena revolução com novos modelos de negócios. IA tem positivo
impacto ao setor com capacidade de customização em massa, estendendo produtos ou equipamentos
ciclos de vida e melhorando a inovação. Em um período de tempo mais longo, a IA tem impacto potencial em
reduzindo o consumo de água da empresa, custos de resíduos, e permite que a empresa use
recursos de forma eficiente. (Cricelli & Strazzullo, 2021, p. 10.)

31
3.5 Desafios na Indústria Sustentável 4.0
Rajput & Singh identificaram 20 barreiras em seu estudo da indústria 4.0 e de que maneira ela é
desafiador para alcançar a economia circular. Essas barreiras são, por exemplo, análise de dados, smart de
desenvolvimento de vícios, virtualização de sistemas de automação, custo de investimento, padrões globais,
segurança e outras barreiras relacionadas à tecnologia e sua implementação de forma sustentável.
A análise de dados é vista como um desafio, pois a análise é uma ferramenta obrigatória na indústria 4.0, pois
dados volumosos são capturados em diferentes formatos e os dados para serem úteis para o órgão
ização, ele precisa ser recuperado como pronto para o usuário. (Rajput & Singh, 2021, pp. 1725-1726.)
A compatibilidade e o desenvolvimento de dispositivos inteligentes também são importantes e representam
como um desafio para a organização. O ambiente da indústria 4.0 precisa de soluções inteligentes e
dispositivos avançados para que os componentes do sistema possam se comunicar uns com os outros
outro sem intervenção humana. (Rajput & Singh, 2021, pp. 1725-1726.) Paschen, et
al. (2020, p. 7) destacam a atual falta de normas que podem levar a aplicações incompatíveis
interfaces de programação de cação (APIs) que podem resultar em interoperabilidade e usabilidade
lacunas em aplicativos de IA.
A ideia da indústria 4.0 é ser eficiente, o que também significa reduzir a interação humana
venção e maximizando a visibilidade em tempo real dos processos de operação através da virtualização
o sistema de automação. No entanto, o custo de investimento apresenta-se como um desafio, uma vez que
é necessário padronizar a infraestrutura e desenvolver dispositivos inteligentes e sensores
tecnologia. A segurança também é vista como um desafio, pois a vulnerabilidade é alta no ataque
o sistema e estar conduzindo a indústria 4.0 com segurança, padrões de pré-requisitos e proto
cols são essenciais para o compartilhamento de dados ao processar os dados. (Paschen, et al., 2020, p. 7;
Rajput & Singh, 2021, pp. 1725-1726.) No entanto, Rajput e Singh (2021) afirmam que
depois de identificar essas barreiras e desafios que as organizações enfrentam com a indústria 4.0
integração à economia circular, superá-los pode ser o próximo grande passo para
alcançar a circularidade.
32
Vinuesa, et al. (2020, p. 6) estudaram os possíveis efeitos negativos da implementação da IA.
As organizações devem considerar os efeitos negativos para ter uma visão holística
a tecnologia a ser implementada. Um dos pontos de vista negativos é como o desenvolvimento baseado em IA
os desenvolvimentos são baseados nas necessidades e valores das nações nas quais a IA está sendo desenvolvida.
Se a organização possui negócios em vários países, é importante verificar a base
de uso ético e transparência da IA antes de realizar análises ou decisões adicionais
criação baseada em IA.
Jamwall, e outros. (2021, p. 16) enfatizam a importância das habilidades do trabalhador em relação à indústria
tecnologias 4.0, incluindo IA. As PMEs muitas vezes não possuem uma equipe dedicada para a indústria 4.0
actividades que indicam a falta de qualificações necessárias nas PME. AI pode acelerar pessoal
esquemas de desenvolvimento ou programas de aprendizagem baseados na experiência e personalidade de
cada funcionário (Cricelli & Strazzullo, 2021, p. 11). Jamwall, e outros. (2021, p. 16) sugerem o
seguintes abordagens para melhorar o conjunto de habilidades por meio do aprendizado contínuo para evitar tal
barreira nas organizações:
1. Desenvolvimento de habilidades técnicas
2. Programas de treinamento virtual
3. Processos centrados na visão do usuário
4. Desenvolvimento em competências digitais e soft skills
5. Sistemas de fabricação
33
4 Método e Processo de Pesquisa
Esta pesquisa é conduzida como uma revisão sistemática da literatura. Revisão sistemática da literatura
visa identificar, avaliar e interpretar todas as pesquisas disponíveis que sejam relevantes e relacionadas
a uma questão de pesquisa, tópico ou fenômeno de interesse específico. (Kitchenham & Char
ters, 2007.) Este método é selecionado como um método de pesquisa por sua adequação para elucidar
extensivamente a resposta para a questão de pesquisa desta pesquisa e para resumir o passado
e pesquisas atuais relacionadas aos objetivos desta pesquisa. literatura sistemática re
vista torna possível identificar potenciais lacunas na pesquisa atual e minimiza prej
udices sobre estudos publicados e não publicados por meio de uma pesquisa bibliográfica completa
(Kitchenham & Charters, 2007; Tranfield, et al., 2003, p. 209).
Originalmente, a revisão sistemática da literatura com suas fases foi desenvolvida para as ciências da saúde
e pesquisa médica (Fink, 2005; Kitchenham & Charters, 2007). Com base nisso, Okoli
(2015) desenvolveram diretrizes personalizadas para pesquisa em ciência de sistemas de informação para melhor
atender as metas e objetivos do campo de pesquisa. As diretrizes personalizadas da metanfetamina SLR
odologia são sistemáticos para seguir uma abordagem metodológica, explícito para explicar o pro
processo pelo qual é conduzido, abrangente para incluir todo o material de pesquisa relevante e
produzidos por outros para imitar o processo de revisão. (Okoli, 2015, p. 880.)
As oito subfases do SLR desta pesquisa são divididas em cinco fases principais. O
As fases principais são as seguintes: planejamento da revisão, condução da busca, avaliação da busca
mento, análise e síntese, e relatórios de resultados. (Okoli & Schabram, 2010, p. 9; Ghan
bari, et al., 2018, pp. 4-6; Kitchenham & Charters, 2007, pp. 884-885.) O principal e sub
fases são mostradas na figura 4.

34
• 1. Identificação da necessidade e finalidade da revisão

I Planejando a
revisão
• 2. Desenvolvimento do protocolo
de revisão • 3. Busca e seleção de estudos
II Realizando primários • 4. Triagem e avaliação do protocolo
a busca
• 5. Avaliação da qualidade
Pesquisa III
avaliação
• 6. Extração e monitoramento de dados

• 7. Síntese de dados
IV Análise e
síntese
• 8. Relatar os resultados
V Relatório de
resultados
Figura 4. As principais e subfases da revisão sistemática da literatura (Okoli & Schabram, 2010, p.
9; Ghanbari, et al., 2018, pp. 4-6; Kitchenham & Charters, 2007, pp. 884-885. )
35
4.1 Planejando a Revisão
A primeira fase principal da pesquisa envolve a subfase de identificação da necessidade
e objetivo da revisão. A necessidade de uma revisão sistemática decorre da demanda por
pesquisadores para resumir todos os dados pré-existentes sobre um fenômeno de forma completa e objetiva.
positivamente. Isso torna mais fácil e claro tirar conclusões gerais sobre um fenômeno
do que de estudos individuais. Os objetivos e propósitos desejados são identificados com precisão para que
que o propósito da pesquisa seja explicitamente declarado aos leitores da pesquisa. (cozinha
enham & Charters, 2007, p. 7; Okoli & Schabram, 2010, p. 7.)
4.2 Conduzindo a Pesquisa
A segunda fase principal envolve várias subfases que estão desenvolvendo o protocolo de revisão,
busca e seleção de estudos primários e triagem e avaliação do protocolo. Desenvolver
Abrir o protocolo de revisão envolve formular e definir as questões de pesquisa que são
a parte mais importante de uma revisão sistemática da literatura, pois definem todo o litro
processo de revisão de natureza. A pesquisa identifica material de pesquisa que responde especificamente
as questões de pesquisa definidas para a pesquisa. Na fase de coleta de dados, os
informações são extraídas para responder às questões de pesquisa e no processo de análise,
a síntese deve ser projetada de modo que as questões de pesquisa possam ser respondidas. Em anúncio
Além de formular e colocar questões, o desenvolvimento de um protocolo define o
métodos usados para revisar sistematicamente os dados. Um protocolo pré-definido é necessário para visualizar
os dados de forma objetiva. (Kitchenham & Charters, 2007, pp. 8-13.)
Ao pesquisar a literatura, é importante encontrar o maior número possível de estudos primários
que está relacionado com a questão de investigação. A pesquisa bibliográfica deve ser descrita em
cauda e o material de pesquisa devem ser documentados. A pesquisa deve ser explicitamente ex
explicado e justificado por que foi executado dessa maneira específica. Montando um prático
A tela fornece os critérios de inclusão e extração da pesquisa. (Kitchenham & Charters, 2007,
pág. 14; Okoli & Schabram, 2010, p. 7.)

36
Nesta pesquisa, os termos da tabela 2 são utilizados como palavras-chave para a busca. A pesquisa
termos selecionados são pensados para fornecer uma ampla variedade de artigos como, por exemplo, “AI” tem mais de
uma definição adequada, pois o significado do termo tem variado ao longo de décadas pelo desenvolvimento
desenvolvimento da tecnologia e o que é visto como inteligência artificial. Os termos de pesquisa “circular
modelo de negócio” e “modelo de negócio sustentável” são pensados como sinônimos no
pesquisa como modelos de negócios circulares também são modelos de negócios sustentáveis.
Três bases de dados são escolhidas para esta pesquisa: Scopus, EBSCO e Science Direct para identificar
tificar estudos relevantes. A busca manual é realizada por meio do Google Acadêmico e quatro
artigos, que são identificados como relevantes, são adicionados à quantidade total de arte recuperada
cles. Os resultados da realização da pesquisa nas bases de dados selecionadas são descritos em
tabela 3. A busca é realizada em 21 de agosto de 2021. Critérios de admissão para o
os artigos incluíram todos os estudos de língua inglesa, mas outros estudos de língua foram excluídos.
Outras publicações que não sejam de “acesso aberto” são excluídas. Todas as publicações publicadas até Au
30 de agosto de 2021, estão incluídos. Após a triagem, os resultados são combinados em um Excel
planilha incluindo um total de 563 linhas de registros.
Tabela 2. Termos de pesquisa identificados com base nos objetivos da pesquisa
Termos de pesquisa primários IA, Inteligência Artificial, Indústria 4.0
Termos de pesquisa secundários Modelo de negócios circular, Modelo de negócios sustentável
Seqüência de pesquisa (“IA” OU “Inteligência Artificial” OU “indústria 4.0”) E (“Modelo de negócio circular”
OU “Modelo de negócio sustentável”)
37
Tabela 3. Resultados da busca realizada em agosto de 2021
Base de dados Número total Intervalo de datas
Scopus 1289 2007 – 2021
EBSCO 22 2016 – 2021
ciência direta 319 2017 – 2021
Pesquisa manual 4 2000 – 2021
Total 1634 2000 – 2021
Total após triagem 563 2000-2021
Observação. A busca manual foi realizada no Google Acadêmico.
4.3 Avaliação da pesquisa
A fase de avaliação de pesquisa inclui uma subfase de avaliação de qualidade na qual o
estudos pesquisados são revisados mecanicamente à mão com inclusão mais precisa e ex
critérios de inclusão. Os critérios mais detalhados permitem ao pesquisador avaliar criticamente o
qualidade dos estudos primários. (Kitchenham & Charters, 2007, p. 20.) A avaliação da qualidade
é dividido em três rodadas. Na primeira rodada, o título e o resumo de cada estudo são lidos.
Na segunda rodada, a introdução e o resumo de cada estudo são lidos. No terceiro
rodada, cada estudo é lido completamente. A avaliação da qualidade desta pesquisa é
realizado no final de agosto de 2021 e durante setembro de 2021.
Após remover os registros duplicados e revisar os títulos e resumos, 90 artigos
foram identificados e selecionados para a segunda rodada de avaliação de qualidade. 473 artigos foram
excluído de uma análise mais aprofundada por não estar relacionado com CE ou AI ou não relacionado com o
questão de pesquisa sob qualquer ponto de vista. Após a segunda rodada de avaliação de qualidade, 26 artigos
foram selecionados para serem lidos na íntegra. Lendo as introduções e conclusões na segunda
rodada, papéis que tinham um ponto de vista muito estreito para AI e CE ou não tinham relação relativa
agenda de busca foram excluídos. Após a leitura de 26 textos completos na terceira rodada, 11 deles
foram identificados como elegíveis para a pesquisa. Os 11 artigos selecionados foram selecionados devido
38
seu ponto de vista específico para CE ou AI, conteúdo relativo do modo de negócios sustentável/circular
es, e os estudos de caso relevantes. A Tabela 4 abaixo mostra o processo de avaliação em resumo
Mary.
Tabela 4. As três rodadas de avaliação para estudos primários selecionados
Rodada Número de artigos Artigos excluídos Avaliado com base em
1 st 563 473 Título e resumo
2º _ 90 64 Introdução e conclusões
3 terceiro
26 15 Estudo completo
4.4 Análise, Síntese e Relatório de Resultados
Depois de realizar e avaliar a pesquisa, as subfases de extração de dados e monitoramento
ing e síntese de dados pode começar. Durante a extração e monitoramento de dados, as informações
relevante e aplicável aos objetivos da pesquisa deve ser sistematicamente
extraídos de cada artigo a ser incluído no estudo. A Tabela 5 apresenta a extração de dados
atributos que foram extraídos de cada estudo primário.
Tabela 5. Os atributos de extração de dados
ID Atributo de extração de dados Descrição do atributo
A1 Título do artigo O título do estudo primário
A2 Lista de autores Todos os autores listados do estudo primário
A3 Ano de Publicação O ano em que o estudo primário foi publicado
Diário A4 O jornal no qual o estudo primário foi publicado
lised em
A5 Foco de pesquisa O fenômeno em estudo no estudo primário
A6 Método de pesquisa O método usado na pesquisa
Tipo de papel A7 Empírico ou conceitual

39
A8 Coleta de dados de pesquisa A descrição de como os dados foram coletados no
método pesquisa empírica
Palavras-chave A9 As palavras-chave do estudo primário
A síntese é formada combinando os dados do material de pesquisa com
técnicas para a pesquisa. As técnicas podem ser quantitativas, qualitativas ou
ambos. Os dados desta pesquisa serão sintetizados com método qualitativo. (Okoli &
Schabram, 2010, pp. 29-31.) Pelo método qualitativo, a síntese é desenvolvida com con
foco centrado no ceito. Sob um ponto de vista, o método qualitativo pode ser visto como um meio
de interpretação e explicação da literatura. Uma síntese narrativa representa a
literatura de forma descritiva. (Okoli & Schabram, pp. 31-32.) A Tabela 7 fornece
e visão geral de todo o material coletado por meio da avaliação da pesquisa - fase do SLR. Cada
artigo selecionado é apresentado, e todas as informações relevantes serão coletadas sistematicamente
de cada um. As informações coletadas serão sintetizadas com síntese narrativa
método.
Na última subfase da revisão sistemática da literatura, os resultados são relatados. O
processo de revisão da literatura deve ser relatado com detalhes suficientes para permitir que os resultados do
estudo seja reproduzido independentemente por outros pesquisadores. (Okoli, 2015, p. 884; Okoli
& Schabram, 2010, p. 7.) Da fase de busca antes da primeira triagem, 11 artigos foram
selecionado como estudo primário de um total de 1634 artigos. Os artigos que formam o principal
estudo são apresentados no Apêndice 1.

40
5 Resultados e Síntese
Todos os artigos selecionados respondem à questão de pesquisa do ponto de vista da IA ou CE.
Alguns dos artigos usam mais um ponto de vista de IA e alguns dos artigos usam mais
de uma abordagem sustentável e circular do tema. Parte dos trabalhos refere-se apenas a IA e
parte dos papéis apenas para sustentabilidade e modelos de negócios circulares. Capítulo 5 comentários
os resultados coletados dos artigos selecionados e uma síntese é formada com base no
Dados coletados. Os resultados encontrados são discutidos no capítulo 6.
Os artigos selecionados são publicados de 2000 a 2021, com cinco de todos os artigos selecionados
sendo publicado em 2021, quatro artigos publicados em 2020, um artigo publicado em 2019,
e um artigo publicado em 2000. Conforme ilustrado na tabela 6, de acordo com os periódicos, “Journal
de Business Research” com três artigos selecionados e “Sustentabilidade” com dois selecionados
artigos foram a fonte mais proeminente dos artigos selecionados. As revistas com apenas
um artigo selecionado estão listados na tabela 6.
Tabela 6. Número de artigos selecionados em periódicos
Número Nome do jornal
de papéis
3 Jornal de Pesquisa Empresarial
2 Sustentabilidade
1 Energies, European Journal of Information Systems, Heliyon, Journal of In
novação e Empreendedorismo, Matériaux & Techniques, Ciências Sociais,
O Jornal de Transferência de Tecnologia
Os achados apontam que o tema é bastante novo no meio acadêmico. Nova pesquisa é
constantemente sendo publicado e mais pesquisas empíricas são executadas para representar a teoria
em negócios concretos e casos de estudo da indústria. A relevância dos anos de publicação do artigo
devem ser considerados neste tópico, pois o conceito de IA está em constante evolução. O que era
41
anteriormente visto como IA, pode não ser mais visto como “inteligente” devido ao desenvolvimento de
tecnologia. Os artigos selecionados são publicados recentemente, o que inclui as visões atuais
e descrições de IA. A Tabela 7 abaixo fornece uma visão geral dos programas de pesquisa selecionados
pers. O foco de cada estudo selecionado foi extraído para descrever o conteúdo do ensino primário.
estudos. O conteúdo dos estudos primários circula em torno dos temas da indústria 4.0 e
sustentabilidade e dentro dos conceitos de modelos de negócios e inteligência artificial.
Tabela 7. Uma visão geral dos estudos primários
EU IA Referência Foco
PS1 Saetra, 2021 Impactos relacionados à sustentabilidade da IA nas empresas
(ponto de vista dos ODS).
PS2 Mishra & Tripathi, 2021 As diferentes formas de utilizar IA em modelos de negócios
e práticas.
PS3 Di Vaio, Palladino, Tem A relação da IA e o mod de negócios sustentáveis
san & Escobar, 2020 els (ponto de vista dos ODS).
PS4 Haftor, e outros, 2021 O papel do aprendizado de máquina no modelo de negócios de
um ponto de vista sustentável.
PS5 Garcia-Muiña, e outros, O uso do design ecológico para promover a transição para o circo
2019 modelo de negócios lar com a ajuda de IoT e Indústria
tecnologias 4.0.
PS6 Jayashree, et al., 2021 Impacto da implementação da indústria 4.0 e sustentabilidade
(TBL) nas PME.
PS7 Kristoffersen, e outros, Adotando estratégias circulares na indústria e no profissional
2020 processo de utilização de tecnologias digitais, por exemplo, IA.
PS8 Edwards, e outros, 2000 Utilizando IA (sistemas especialistas) na tomada de decisões.
PS9 Colla, e outros, 2020 O papel da IA e ML na exploração da sustentabilidade em
processos de produção de aço.

42
PS10 Cucculelli, et al., 2021 O impacto da liderança familiar e apoio externo
para empresas que adotam o mod de negócios da Indústria 4.0
els.
PS11 Brozzi, e outros, 2020 As vantagens de implementar a indústria 4.0 em
empresas com uma visão de sustentabilidade.
A Tabela 8 abaixo fornece uma visão geral dos dados de pesquisa coletados no
estudos. Como pode ser visto na tabela 8, aproximadamente 55% (6) dos artigos selecionados
são pesquisas empíricas e os demais cinco artigos selecionados são conceituais. Quatro dos seis
a pesquisa empírica combinou sustentabilidade e indústria 4.0 e IA em algum nível. Esse
resultado implica que o tema esteja ainda mais no nível de pesquisa conceitual e suporte
o fato de mais pesquisas empíricas serem necessárias para poder estudar o fenômeno
em si e entender as implicações e necessidades de desenvolvimento.
Tabela 8. Dados de pesquisa dos estudos primários
EU IA Ano de Pesquisa Tipo de papel Método de coleta de dados
método
Quadro PS1 2021 Conceitual Sem dados empíricos.
trabalhar
Estojo PS2 2021 Conceitual Sem dados empíricos.
estudar
PS3 2020 Biblio Conceitual Sem dados empíricos.
métrica
Caixa PS4 2021 Empírico Um estudo de caso do uso de algoritmos de ML e big
estudar dados foram conduzidos em um grande
empresa que produz veículos pesados que é
com sede no norte da Europa. O
estudo foi conduzido por 38 meses de

43
fevereiro de 2015 a junho de 2018. Também 245 inter
as visualizações foram realizadas com 86 respondentes.
Caso PS5 2019 Empírico Um estudo de caso de uso de eco-design como ferramenta foi
estudar realizado em uma fabricante de revestimentos cerâmicos
que está entre as 10 maiores empresas italianas do sec
tor.
Pesquisa PS6 2021 Empírico Um questionário enviado às PMEs da Malásia
gerentes. Um total de 900 questionários enviados
e 206 foram devolvidos com 7 incompletos.
Para análise, foram utilizadas 199 respostas.
Moldura PS7 2020 Conceitual Sem dados empíricos.
trabalhar
Experiência PS8 2000 Empírico Um teste experimental de dois AI criados
mento (sistemas especialistas) papéis na tomada de decisão em um
jogo de negócios como uma espécie de experiência de “laboratório”
mentos.
Estojo PS9 2021 Conceitual Sem dados empíricos.
estudar
Pesquisa PS10 2021 Empírico Uma pesquisa enviada a 3.000 fabricantes italianos
empresas com pelo menos cinco empregados. eles sur
vey foi conduzido usando o método CATI por um
empreiteiro profissional para reunir dados qualitativos
e dados quantitativos das empresas.
Pesquisa PS11 2020 Empírico Uma pesquisa realizada com uma ferramenta online chamada
“Cheque Digital” com 26 questões. dados sam
ple incluiu 65 empresas italianas, com 70%
sendo PME.
44
O conteúdo dos artigos selecionados é apresentado na tabela 9 abaixo com base nas ocorrências mais
palavras-chave selecionadas para descrever os artigos. Como pode ser visto nas palavras-chave, o
o conteúdo dos estudos primários pode ser analisado como sendo principalmente relacionado à indústria 4.0 e arte
inteligência oficial. Sustentabilidade é selecionada como palavra-chave para três artigos de 11 que
é aprox. 27% dos estudos primários. A análise de conteúdo com base em palavras-chave de pri
mary apresenta o conceito principal desta pesquisa, a indústria sustentável 4.0 que em
inclui os temas da indústria 4.0 e economia circular, bem como sustentabilidade.
Tabela 9. As palavras-chave que mais ocorrem no estudo primário
Palavra-chave Ocorrência
Indústria 4.0 6
Inteligência Artificial (IA) 5
Sustentabilidade 3
Digitalização 2
Economia circular 2
Modelo de negócios sustentável 2
5.1 Tecnologias de Inteligência Artificial
Mishra e Tripathi (2021, p. 2) apresentam os principais centros de IA em suas pesquisas que têm um
impacto notável para as empresas hoje em dia: dados e conhecimento, aprendendo com a experiência
ência, raciocínio e planejamento, interação humana segura com IA, sistemas multiagentes, segurança
e IA privada e visão de máquina e linguagem. Os principais elementos da IA são apresentados
na figura 5. Entre esses elementos apresentados de IA, a inteligência de dados combina IA e
análise de dados para coletar estatísticas, comportamentos de compra, opções de cores etc.
empresas para ajustar seus serviços e produtos. Kristoffersen, e outros. (2020, p. 248) conclui
como a inteligência artificial pode ser usada na análise de dados para entender o padrão que está ocorrendo
termos e fornecer informações e previsão dos dados.

45
Conforme apresentado, a IA possui muitas tecnologias que a organização pode utilizar em seus negócios
modelo. Mais de uma vez, a combinação de IA e big data foi mencionada no
estudos primários. Isso implica que é benéfico para a organização considerar a combinação
essas duas tecnologias. Afinal, a inteligência artificial funciona como o motor para processar todos os
big data que pode incluir milhares de linhas de dados e é capaz de, por exemplo, agrupar dados semelhantes
e observe os padrões dos dados (Mishra & Tripathi, 2021, p. 3). Assim, a inteligência de dados
pode ser considerado benéfico para a organização perceber padrões mais sustentáveis em
suas áreas de negócios e aproveitar a IA forneceu insights de áreas mais sustentáveis para seus
modelo de negócios. Colla, et al. (2020, p. 8) observe como as soluções de IoT permitem que as metas de IA sejam
alcançar garantindo, por exemplo, que os dados fluam perfeitamente na arquitetura de SI.
46
• Compreensão massiva de dados, aprendizado de gráficos,

Dados e Conhecimento
dados sintéticos, representação de conhecimento
• Aprendizagem por reforço, aprendendo com os dados,

Aprendendo com a experiência
aprendendo com o feedback
• Representação de domínio, otimização,

Raciocínio e Planejamento raciocínio sob incerteza e restrição temporal
• Simbiose do agente, ética e justiça,

Interação Segura com IA Humana
explicabilidade, IA confiável
• Simulação multiagente, negociação, teoria dos jogos

Sistemas multiagentes
e do comportamento, design de mecanismos
• Privacidade, criptografia, computação multipartidária

IA segura e privada
segura, aprendizagem federada
Visão de máquina e • Percepção, compreensão de imagem, tecnologias de

Linguagem linguagem
Figura 5. Elementos-chave da IA no domínio dos negócios (Mishra & Tripathi, 2021, p. 3.)
47
No entanto, para focar nas tecnologias de IA, Mishra e Tripathi (2021, p. 2) apresentam como a IA
e os algoritmos de ML tornaram-se onipresentes para resolver problemas de negócios. De acordo com
Segundo os autores, prevê-se que as soluções automatizadas de ML diminuam a necessidade de ir
através do desenvolvimento emblemático de treinamento dos modelos ML ao abordar com
estado de coisas complexo (Mishra & Tripathi, 2021, p. 6). Kristoffersen, e outros. (2020, pág. 250) See More
sugerir como ANN poderia ser emparelhado com logs de manutenção e dados de falha para melhorar
diagnóstico de falhas e suporte à decisão.
Como as redes neurais (ANN) estão supostamente copiando os cérebros humanos, os
sugestão com base nos resultados da pesquisa é usar ANN, por exemplo, em logs de manutenção e
dados de falha, que poderiam fornecer informações sobre o ciclo de vida do produto. O
mais o equipamento de medição coleta dados históricos de registros de manutenção e falha, o
mais informações existem sobre a frequência com que o produto precisa de manutenção. Ou com que frequência
o produto apresenta falhas em suas operações. ANN captaria quaisquer padrões que aparecessem em
os dados e pode implicar nas próximas falhas. Para agregar sustentabilidade ao assunto, se ANN
fornece informações sobre a frequência de manutenção necessária, a organização pode ser capaz
para antecipar a necessidade de manutenção desde o início e evitar a necessidade de compra, por exemplo,
um novo produto em caso de quebra do produto original. Afinal, estender o
ciclo de vida do produto por manutenção é uma das formas de a organização utilizar
modelo de negócios como na desaceleração dos ciclos de recursos. Os ciclos de vida estendidos dos produtos podem ser
apresentado como um benefício potencial para as organizações através do uso da tecnologia AI.
A IA também pode ter um impacto positivo diretamente nos produtos. Isso é apresentado no chamado “ciclo
de IA” que conecta os dados gerados pelo usuário em um produto melhor em um ciclo, conforme apresentado em
figura 2 (Mishra & Tripathi, 2021, p. 12). Afinal, produtos e serviços são im
parte importante do modelo de negócios, por isso é importante considerar os modelos de negócios holísticos
ticamente. Haftor, et ai. (2021, p. 199) discutem o uso de algoritmos de ML para prever com base em
dados históricos e um conjunto de exemplos. Essa técnica de aprendizado contínuo gera con
pontos de dados minúsculos que circulam em uma identificação e análise contínuas de padrões.
Quanto mais o aprendizado contínuo continua, mais previsões precisas ele produz.
48
Haftor, et ai. concluir como essas previsões ajudam a desenvolver e ajustar os serviços e
produtos na criação de valor adicional para os clientes.
produto
Mais dados
melhor
Mais usuários
Figura 2. Ciclo da IA (Mishra & Tripathi, 2021, p. 12.)
O resultado apresentado da pesquisa que discute o aprendizado contínuo e o ciclo do profissional de IA
apresenta uma ideia bastante simples para as organizações utilizarem. Esta ideia apresenta uma oportunidade
oportunidade para as organizações experimentarem produtos e serviços. Este contínuo
técnica de aprendizado é extremamente misericordiosa para a organização, pois os usuários geram dados
de usar o produto ou serviço que permite à organização desenvolver ainda mais o
produto ou serviço. A organização pode solicitar expectativas ou ideias de desenvolvimento
dos usuários para que o produto seja desenvolvido na direção certa. Este profissional iterativo
O processo permite que a organização experimente diferentes habilidades de IA em diferentes
produtos e serviços e, ao mesmo tempo, ajuda a organização a implementar IA em
seus processos de pesquisa e desenvolvimento. Este resultado apresenta o potencial holístico
benefício da IA para a organização em suas diferentes áreas de negócios.

49
5.2 Inteligência Artificial em Modelos de Negócios
Atualmente, a IA não é utilizada em negócios e modelos de negócios tão amplamente quanto potencialmente
poderia ser. De acordo com Mishra e Tripathi (2021, p. 11), a IA é usada principalmente para esclarecer
amenidades do cliente, explorando e analisando dados, e prevê desempenho para com
puterize quantidade de trabalho, transação e negociação. Os países desenvolvidos têm bons
infraestrutura para negócios baseados em IA, pois as empresas têm desenvolvedores de software suficientes com
conjuntos de habilidades suficientes para trabalhar e desenvolver IA.
Cucculelli, et ai. (2021) estudou modelos de negócios com o paradigma da indústria 4.0. Lá
os resultados da pesquisa realizada resultaram em descobrir como as empresas familiares são mais
probabilidade do que as empresas não familiares de planejar e adotar modelos de negócios relacionados em
indústria 4.0. Os resultados também mostram como a combinação de universidades e instituições públicas
têm um papel importante para que as empresas adotem os novos modelos de negócios da indústria 4.0. O que
pode ser sintetizado disso, é como o apoio público e institucional potencializa a adoção
de novos modelos de negócios.
Embora a IA seja uma tecnologia antiga, o estado atual da IA pode ser considerado intimidante para ser usado,
e as organizações podem não entender todas as variações e possibilidades da IA como eles
poderia potencialmente utilizá-lo. Conforme apresentado anteriormente pela pesquisa de Mishra e Tripathi,
existem 7 hubs principais de IA que têm impacto nos negócios. As organizações devem mapear
seu modelo de negócios e ações atuais e adicionar partes de diferentes tecnologias de IA em
seu modelo de negócios para coletar dados sobre como o negócio reage à IA. Se a correspondência
é bom, a organização pode facilmente aprimorar ainda mais a IA. Se a correspondência for negativa
ativa, a organização pode examinar seu modelo de negócios de forma holística e adicionar IA
algumas outras partes do modelo de negócios. A aprendizagem contínua pode ser adaptada a esta visão
ponto também para agregar o valor que o modelo de negócios cria para a empresa.
50
Brozzi, e outros. (2020, p. 2) realizou uma pesquisa para identificar como as empresas italianas interpretam
indústria 4.0 como uma vantagem relacionada à sustentabilidade econômica, ambiental e social
idade. As empresas identificaram vantagens como economia de tempo, redução de erros, menor
estresse físico sentido pelos funcionários, redução de custos e sustentabilidade que foi
considerados de menor impacto ambiental. No entanto, os autores identificaram um resultado holístico
como PMEs e grandes empresas não entendem de forma holística a oportunidade de um anúncio
vantagens que a indústria 4.0 oferece em um paradigma sustentável. Brozzi, e outros. enfatize a importância
de expressar e aumentar a conscientização sobre a indústria 4.0 forneceu oportunidades para aumentar
sustentabilidade e desempenho nas empresas.
5.2.1 Estrutura Sustentável para Modelo de Negócios
À medida que as estruturas de negócios mudam, a IA é capaz de se adaptar a fenômenos e mudanças enquanto
mudando a cultura empresarial para operar na era digital. Em essência, não é apenas o
mudanças feitas pela IA na cultura empresarial, mas as renovações fundamentais da cultura tradicional
pensamento, aliança e cooperação, competição intensa e inovação digital e enriquecida
vação. (Mishra & Tripathi, 2021, p. 13.) Ao todo, aqui reside o básico do modelo de
desenvolvimento estratégico que leva a novos modelos de negócios sustentáveis e circulares. di
Vaio, Palladino, Hassan e Escobar (2020, p. 285) descrevem o modelo de negócios que fornece um
“representação concisa de como um conjunto relacionado de variáveis de decisão nas áreas de negócios
estratégia, arquitetura e economia são abordadas para criar competitividade sustentável
vantagem em mercados definidos”. Portanto, a sustentabilidade e a IA podem ser vistas como complementares
mentando uns aos outros. A IA acelera a transição quando a sustentabilidade fornece uma
plataforma tifacetada para a operação de IA.
Sætra (2021, p. 3) implica o papel significativo dos ODS na transição para uma
modelos de negócios. Como investidores, parceiros de negócios e clientes exigem mais ações
em termos de responsabilidade corporativa do que o exigido apenas por lei, tende a levar
em empresas e organizações para se tornarem mais sustentáveis por meio de negócios estratégicos
51
desenvolvimento sustentável e novos modelos de negócios sustentáveis. O autor destaca o benefício
vantagem oficial que os modelos de negócios sustentáveis proporcionam à empresa no mercado
kets. Sem falar na vantagem de adicionar IA à equação por meio dos ODS.
Di Vaio, Palladino, Hassan e Escobar (2020, p. 287) realizaram uma análise bibliométrica
onde estudaram a correlação entre palavras-chave no banco de dados. Os autores encontraram
conexões em palavras “modelo, cognição, big data, consumo, decisões”, bem como em
palavras “desempenho, determinantes, métodos de IA, competências, estratégia de negócios, criti
fatores de sucesso cal" e "integração, tecnologia, estrutura baseada em agente, atendimento ao cliente
isfação, economia circular”. Os autores resumem por este índice de co-ocorrência que
a proximidade da IA com os modelos de negócios; A IA pode afetar o desempenho dos negócios, bem como
garantir a satisfação do cliente em CE.
Os resultados desses estudos criam uma estrutura sustentável para modelos de negócios onde
A IA tem uma abordagem holística para toda a organização. O que pode ser sintetizado a partir desses
resultados para responder à questão de pesquisa é, em primeiro lugar, entender o conceito multifacetado
de sustentabilidade e, em segundo lugar, ver o potencial holístico da IA para trabalhar nessa multidimensão
sustentabilidade mencional criando valor acrescentado à organização a vários níveis. O
benefícios potenciais precisam ser vistos e medidos pelo desempenho da empresa para ver
quão bem a IA agrega a vantagem competitiva e pela cultura da organização para avaliar
avaliar o quão bem os funcionários e o nível de gerenciamento se adaptam à digitalização e ao sustentabilidade
sustentabilidade.
5.2.2 Modelos de Negócios Circulares
Garcia-Muiña, et al. (2019, pp. 1-2) apresentam em seu artigo um ponto de vista diferente para
modelos de negócios. Os autores visualizam os modelos de negócios da perspectiva do produto e
introduzir o ecodesign como uma ferramenta para encontrar o equilíbrio entre sustentabilidade, economia circular
omy, e fabricação em uma empresa. A ideologia do ecodesign inclui o en
Avaliação do Ciclo de Vida (LCA) do pneu. Isso oferece à empresa a possibilidade de escolher produtos de baixo custo
52
recursos de impacto e soluções tecnológicas minimizadoras de desperdícios. O design ecológico também considera
altamente da capacidade de reciclar o produto no final de seu ciclo de vida.
A pesquisa empírica é feita por Garcia-Muiña, et al. (2019, pp. 6-7) em que os autores
estudar o ecodesign como ferramenta no ambiente fabril de produção de revestimentos cerâmicos
para demonstrar como a CBM aumenta novas oportunidades de negócios. O estudo usa LCA como
uma ferramenta metodológica para configurar o ecodesign de forma holística e sistemática. Dados de
processos e fases de fabricação foram coletados com a ajuda da tecnologia IoT inteligente
nologia. A LCA também é capaz de avaliar e gerenciar a complexa cadeia de suprimentos e seus impactos
ao modelo de negócios. Com os resultados do estudo, a empresa conseguiu otimizar
a cadeia de suprimentos da empresa de revestimentos cerâmicos e transformar o modelo de negócios para mais
cíclico porque o fornecimento de matérias-primas tem o maior impacto no ciclo de vida do produto.
O estudo empírico do uso do ecodesign para transformar o modelo de negócios para mais
O CBM com a realização de LCAs dos produtos mostrou-se eficaz. Ao usar uma ferramenta que
assiste o ciclo de vida de forma holística, a empresa é capaz de encontrar o ponto de equilíbrio
entre sustentabilidade e economia circular e, assim, capaz de substituir um negócio linear
modelo com um circular. Os resultados do estudo implicam a importância de
abordagem de gestão e habilidades técnicas para adotar o paradigma da economia circular. (Garcia
Muiña, et al., 2019, pp. 15-16.)
5.2.3 Utilização de Inteligência Artificial para Tomada de Decisão
Os autores Di Vaio, Palladino, Hassan e Escobar (2020, p. 284) discutem sobre conhecimento
sistemas de gestão (KMS) que utilizam IA para o desenvolvimento de processos operacionais e
modelos de negócios. Promove “a gestão do trabalho inteligente” que conecta hu
elementos humanos, organizacionais e tecnológicos, ao mesmo tempo em que cria valor por meio
compartilhamento de conhecimento. Os autores concluem que a essência que é conectar inovação e
sustentabilidade de forma em uma organização que visa integrar a IA na tomada de decisão
processos para atingir os ODS. Por meio do KMS, a IA pode ser considerada mais acessível por
53
gerentes do que nunca, pois considera a IA como uma ferramenta para integrar o raciocínio humano
e gestão do conhecimento em vez de substituir os recursos humanos. esta bibliografia
estudo métrico identifica um benefício potencial da IA que a organização pode obter
através de sistemas de gestão do conhecimento.
Edwards, e outros. (2000, p. 44) discutem os vários papéis da IA na tomada de decisões onde a IA
sistemas são usados para apoiar ou auxiliar os recursos humanos na tomada de decisões
ou para substituir completamente os tomadores de decisão humanos. Seis papéis precisos são identificados:
assistente, crítico, segunda opinião, consultor especialista, tutor e automação. Essas funções de IA
(sistemas especialistas) foram estudados em três níveis organizacionais de tomada de decisão estratégica,
decisões táticas e operacionais. As descobertas foram as seguintes:
• Os sistemas especialistas em uma função de substituição são eficazes nos níveis operacional e tático
níveis de decisão, mas têm limitações no nível estratégico.
• Sistemas especialistas em uma função de suporte podem ajudar os usuários a tomar decisões melhores em todos os três
níveis de tomada de decisão, mas a sua eficácia só pode ser alcançada através da sua
Usuários.
• Um sistema especialista atuando em uma função de suporte não economiza necessariamente o tempo do usuário,
mas um sistema especialista em uma função de substituição melhora a eficiência da decisão
tomada de decisão.
• Os usuários de sistemas especialistas em uma função de suporte não acreditavam que haviam aprendido
de usar o sistema.
As descobertas do uso de IA (sistemas especialistas) na tomada de decisões mostram como a tomada de decisão humana
ers podem ser substituídos por IA para decisões estruturadas ou semi-estruturadas. desestruturado
As decisões têm o melhor resultado quando a IA é usada como uma ferramenta de apoio à decisão no nível estratégico.
nível nas organizações. (Edwards, et al, 2000, p. 44.)
Os estudos apresentam um resultado que garante o estado da tomada de decisão humana em um
organização quando a decisão e a situação incluem grandes mudanças inesperadas. Lá

54
Existem dois pontos de vista de como a IA pode ser vista na tomada de decisões: ela é vista como uma substituta do
humano ou pode ser visto como uma ferramenta de apoio para economizar tempo valioso dos gestores e
tomadores de decisão. Se a IA for usada em decisões estruturadas ou semiestruturadas menores, isso economiza
tempo para que os gerentes e outros tomadores de decisão se concentrem nas áreas-chave do negócio.
Portanto, a IA agrega valor ao trabalho em que os gestores das organizações conseguem
foco e, portanto, pode ser considerado como um benefício potencial para a organização.
5.3 Pré-requisitos para Combinar Inteligência Artificial e Sustentabilidade
Sætra (2021, pp. 12-13) comenta a necessidade de conectar relatórios ESG mais
estreitamente com a pesquisa de ética em IA para fornecer genuinamente informações úteis às partes interessadas do
ameaças e oportunidades reais que as empresas têm ao usar sistemas baseados em IA. o au
thor enfatiza a importância de usar os ODS como base da análise do impacto da IA
pactos. Porém, a possibilidade de uma empresa utilizar os ODS de forma mais ativa em sua sustentabilidade
relatórios de bilidade para “greenwash” seus negócios, é bastante alto.
Portanto, o autor apresentou uma estrutura que possui uma abordagem fácil, mas rigorosa
estrutura e demandas relacionadas à avaliação dos impactos da IA relacionados a ESG com base nos ODS.
A vantagem de tal estrutura é a transparência que ela oferece para a empresa. Um
análise dos impactos da IA relacionados à sustentabilidade pode ser construída de forma mais sistemática e com
mais estrutura. E como mencionado anteriormente, quanto mais a empresa implementa importantes
medidas dos ODS em seu desenvolvimento estratégico, mais isso leva a empresa a
defende novos modelos de negócios sustentáveis e circulares. (Sætra, 2021, pp. 1, 12-13.)
A pesquisa empírica foi utilizada por Jayashree, et al. (2021, pp. 5, 8-9) em que os autores
realizou uma pesquisa para medir o impacto dos determinantes da indústria 4.0 e sua implementação
mentação para atingir os ODS nas PMEs da Malásia. A taxa de resposta inicial foi de 23% de um
total de 900 questionários enviados a gestores de PME. Três capacidades foram consideradas:
comprometimento da alta administração, integração da cadeia de suprimentos e infraestrutura de TI. o sobre-

55
Vários resultados foram analisados através da realização de uma análise usando SPSS versão 22, uma análise
ferramenta de ção. Os resultados da pesquisa indicam uma relação positiva da alta administração
comprometimento e infraestrutura de TI com “implementação efetiva” da indústria 4.0. O
a relação com a integração da cadeia de suprimentos foi deixada como não significativa.
O estudo empírico de Jayashree, et al. (2021) implica a importância da gestão de topo
compromisso de gerenciamento e infraestrutura de TI na implementação da indústria 4.0 para alcançar a sustentabilidade
metas de desenvolvimento capazes em uma organização. Sem o compromisso da alta administração
mento, a organização pode não ser capaz de alcançar os ODS ao implementar um plano estratégico
desenvolvimento para atingir os ODS, pode ser feito pela alta administração. E sem
implementação eficaz da infraestrutura de TI, a organização pode não ser capaz de prosseguir
com tecnologias da indústria 4.0 para avançar no objetivo de atingir os ODS.
Jayashree, e outros. (2021, pp. 10, 12) concluem a implementação da sustentabilidade TBL, que
significa a dimensão da sustentabilidade do triple bottom line, com a indústria 4.0 a ser promissora
nente. Os resultados destacam a importância do comprometimento da alta administração e da TI na
infraestrutura ao implementar a indústria 4.0 e adotar a tecnologia em uma empresa.
Portanto, o estudo sugere priorizar a implementação de TI de forma eficiente para preparar
a organização a adotar, por exemplo, inteligência artificial. Os autores insinuam que a empresa
ser capaz de adotar a sustentabilidade do TBL somente depois que a infraestrutura de TI for desenvolvida com proficiência
op.
Esses resultados fornecem um ponto de vista para a organização dos primeiros passos para alcançar po
potenciais benefícios da IA ao adotar modelos de negócios sustentáveis e circulares. Em primeiro lugar, o
as organizações devem priorizar a infraestrutura de TI para que a IA comece a permitir
os benefícios que ela proporciona. Em segundo lugar, sem a realização da compreensão do significado
e conceito por trás dos ODS, a organização carece da capacidade de obter benefícios potenciais de
IA no paradigma da sustentabilidade. Isso pode resultar na organização “greenwashing” de seus
negócios e enganar os consumidores. A gestão de topo é responsável por canalizar o

56
conhecimento de combinar IA e sustentabilidade através dos níveis organizacionais para que
toda a organização pode adotar modelos de negócios sustentáveis e circulares.
Quando a organização tiver concluído as primeiras etapas e estabelecido as bases para a IA funcionar
acelerar os benefícios, pode levar a, por exemplo, vantagem competitiva nos mercados. Resumindo
os benefícios potenciais sintetizados para as organizações utilizarem e transferirem para a sustentabilidade
modelos de negócios flexíveis e circulares que a IA possibilita por meio da sustentabilidade, é descrever
os benefícios com palavras como aumento de desempenho, redução de custos e mais im
importante, equilibrando as dimensões econômica, ambiental e social do
organização. De acordo com a pesquisa, a IA tem um impacto holístico em toda a organização
por meio do modelo de negócios. Cria possibilidades para que o nível gerencial foque
em um trabalho significativo que irá potencializar o negócio e desenvolver as estratégias, possibilita
os funcionários através de toda a organização para fazer parte da aprendizagem contínua, e
acelera o uso de diferentes ferramentas que darão suporte ao negócio para se tornar resil
ient.
57
6 Discussão e Conclusões
A inteligência artificial é uma das tecnologias proeminentes da indústria 4.0 para avançar nos negócios.
nós. Nos últimos anos, os estudos de IA e sua utilização nas empresas aumentaram
o que implica um interesse crescente pela IA e seus impactos. Esta pesquisa estudou como
a utilização da IA pode ajudar os negócios a se tornarem mais circulares e se transferirem para um círculo
lar modelo de negócios estrategicamente. A pesquisa foi realizada com a literatura sistemática
pesquisa para responder à questão de pesquisa dos benefícios que a IA potencialmente traz para o
organização na utilização de modelos de negócios circulares (CBMs). Um dos potenciais benefícios
foi hipostatizado como uma vantagem competitiva contra os rivais nos mercados.
Os dois tópicos – economia circular e inteligência artificial – são pesquisados separadamente
amplamente, mas quando combinados, há pouca pesquisa feita. A pesquisa realizada
teve como objetivo aumentar e esclarecer o conhecimento e o contexto de um modelo de negócios circular como
também para fornecer conhecimento da economia circular e seu potencial a partir da economia e
pontos de vista ambientais. A pesquisa proporcionou conhecimento sobre economia circular
por meio da sustentabilidade, objetivos de desenvolvimento sustentável (ODS) e desenvolvimento sustentável e circu
grandes modelos de negócios. Como a IA ilustra o outro ponto de vista na pesquisa realizada,
estabelece uma base complementar para os dois principais tópicos como um - indústria sustentável
4.0.
A indústria sustentável 4.0 como conceito é bastante jovem, pois não há muitos estudos que
tentaram definir o conceito ou termo. Esta pesquisa agregou valor ao
conceito, usando-o como um termo para combinar indústria 4.0 e sustentabilidade. Sustentar
habilidade inclui circularidade que é a razão para a pesquisa realizada estar usando
termos “modelo de negócios sustentável” e “modelo de negócios circular” de forma intercambiável. Por
discutindo modelos circulares sustentáveis, os modelos circulares estão incluídos. discutindo
de modelos de negócios circulares, também são referidos os modelos sustentáveis, como
modelos são sustentáveis. O debate sobre o uso intercambiável de termos relacionados à sustentabilidade,
existe e o debate continuará com grande probabilidade nas próximas décadas como o
conceitos estão todos relacionados entre si de diferentes pontos de vista. A sustentabilidade precisa
58
ser entendido como um conceito multidimensional que pode ser visto de vários
perspectivas.
6.1 Implementando Modelos de Negócios Circulares com Inteligência Artificial
Os resultados desta pesquisa forneceram informações de diferentes pontos de vista de negócios
modelo. Os resultados incluíram o ponto de vista do nível de produtos ao nível estratégico de tomada de decisão
ing, e mais importante, várias soluções foram encontradas como a IA potencialmente cria
valor agregado e benefícios para a organização. Os resultados mostraram como a IA está intimamente
ligados à sustentabilidade por meio de ODS que alavancam a organização para transferir para
modelos de negócios circulares. Os resultados apontaram para o fato de quão facilmente a sustentabilidade e a
A cularidade pode ser adaptada ao negócio uma vez que a organização dê o primeiro passo e
implementa o primeiro ODS em seu desenvolvimento estratégico. A IA é capaz de acelerar o
implementação de ODS que aumenta a circularidade de um modelo de negócios.
Bocken, e outros. (2016, p. 309) e Antikainen, et al. (2018, p. 46) apresentou os três
grupos de modelos de negócios circulares: desacelerando os ciclos de recursos, fechando os ciclos de recursos e
estreitando os fluxos de recursos. Os resultados desta pesquisa forneceram exemplos do papel da
IA nesses modelos de negócios. Por exemplo, o CBM de loops de recursos lentos se concentra em
estender o ciclo de vida do produto por projeto e manutenção, em que ANN pode ser usado
em dados de manutenção e falha para oferecer informações sobre a frequência de manutenção necessária
nanciar e analisar o ciclo de vida de um produto. Duan, e outros. (2019, p. 65) realizou um litro
revisão de natureza para resultar em ANN atualmente não sendo amplamente utilizada nas organizações. O
potencial de ANN fornecendo insights com base em dados de manutenção de ciclos de vida e manutenção
necessidades de financiamento, é um dos benefícios potenciais que a IA oferece quando usada em organizações
para transferir para modelos de negócios circulares.
O segundo exemplo e resultado desta pesquisa sobre o papel da IA em CBMs é o uso de
ecodesign nos negócios. De acordo com Antikainen, et al. (2018, p. 46) os três apresentaram
grupos de CBM apoiam uns aos outros e, portanto, o CBM de uma empresa pode incluir vários
59
grupos de CBMs. Ao utilizar o ecodesign, a empresa consegue avaliar toda a
ciclo de vida com LCA que permite à empresa considerar a circularidade com mais profundidade. Como
o eco-design visa reciclar o produto no final de seu ciclo de vida e se concentra em encontrar um
solução para usar menos recursos para encontrar o equilíbrio entre sustentabilidade, EC e
fabricação, combina dois grupos de CBMs: fechando o ciclo e estreitando
fluxos de origem. De acordo com Antikainen, et al. (2018, p. 46) fechar os loops foca em
reciclagem eficiente de materiais e redução de metas de fluxos de recursos usando menos recursos,
que pode ser significativamente impulsionado por meio de tecnologias inteligentes.
Cricelli e Strazzullo (2021, p. 4) identificaram em sua revisão de literatura a sustentação econômica
métricas de capacidade associadas à IA que aprimoram as oportunidades da organização para obter
vantagens competitivas nos mercados. Quando a IA é utilizada e implementada nos negócios
modelos de ness, os resultados apontaram a organização ganhando um impacto direto de competitividade
qualidade e participação de mercado quando o impacto indireto é, por exemplo, considerando o ciclo de vida do produto, cus
tomização, consumo de água e outros recursos, e controle de desperdícios e custos.
De acordo com as métricas de sustentabilidade econômica, a IA beneficia a organização de forma holística
ao substituir o modelo de negócios linear por um circular. Pesquisa conduzida por Di
Vaio, Palladino, Hassan e Escobar (2020, p. 287) resultaram na identificação de correla
ção entre palavras-chave relacionadas a IA e economia circular. A IA está intimamente ligada aos negócios
modelos e CE que indicam o potencial da IA beneficiando as organizações na utilização
modelos de negócios circulares.
Em suma, como Mishra e Tripathi (2021, p. 17) concluem em seu artigo: “Negócios que
aproveitar efetivamente a IA pode fazer uma revolução inquietante de um lado para o outro
novos modelos e práticas de negócios digitais, capacitando-os para possivelmente transmutar o
cenário econômico mundial de negócios”. A IA resultou em potencial para utilizar
modelos de negócios circulares, criando vantagem competitiva para a organização com
os muitos benefícios que ela oferece aos modelos de negócios. No entanto, como os resultados da pesquisa
enviado, a infraestrutura de TI atua como uma base necessária para que a organização seja capaz de
adotar a sustentabilidade. Para que a organização aproveite os benefícios da IA em seus

60
modelo de negócio circular, sugere-se que a organização priorize a implementação de TI
infraestrutura de forma eficiente para preparar a organização para adotar a IA.
6.1.1 Benefícios da Inteligência Artificial
Na revisão de literatura, percebe-se que a inteligência artificial abre oportunidades para
izações para, por exemplo, aumentar o valor agregado que a organização produz. A IA é vista como
a tecnologia que oferece à organização a oportunidade de implementar a digitalização
na organização. Jamwall, e outros. (2021, p. 9) identificou como ML aborda e IA
algoritmos fornecem grandes benefícios para as unidades de fabricação que visam melhorar a sustentabilidade
habilidade. Através da utilização de ANN, os ciclos de vida dos produtos podem ser estendidos, o que é um potencial
benefício para as organizações por usar a tecnologia AI e, ao mesmo tempo, aumenta o
valor ambiental dos produtos. Weichhart, e outros. (2015) notaram um caminho benéfico para ou
organizações prosperem como competitivas no ambiente em mudança - as organizações devem
ser “sensorial, inteligente e sustentável”.
A IA é descrita como “agentes computacionais que agem de forma inteligente”, “inteligência semelhante à humana”,
e “associado à inteligência humana” na revisão da literatura. Como é a “inteligência
gência” medida para tornar a IA benéfica em modelos de negócios circulares? Os resultados do
A pesquisa forneceu uma visão para entender a escala em que a IA pode impactar positivamente
a organização por meio de mudanças no modelo de negócios.
Mishra e Tripathi (2021) realizaram um estudo de caso para entender diferentes formas de uti
lização da IA em modelos e práticas de negócios. Os resultados apresentaram a escala em que a IA é
capaz de se adaptar a fenômenos e mudanças enquanto muda a cultura empresarial para operar
na era digital. Fundamentalmente, para entender o impacto da IA, é importante ver
os impactos além das mudanças positivas realizadas no negócio. A IA também tem grande impacto
às renovações fundamentais do pensamento tradicional, aliança e cooperação, intensa
concorrência e inovação digital e enriquecida. Holisticamente, a IA atinge um novo círculo
de benefícios potenciais do que apenas o círculo interno do modelo de negócios. A pesquisa realizada
61
conseguiu, assim, identificar os fundamentos do modelo de desenvolvimento estratégico, que
leva a novos modelos de negócios sustentáveis e circulares. E conforme sintetizado, os benefícios
precisam ser vistos e medidos pelo desempenho da empresa para medir como a IA impacta
a vantagem competitiva e pela cultura da organização para avaliar o nível de publicidade
aptação à digitalização e sustentabilidade no grupo de colaboradores e gestão
nível.
Como a revisão da literatura identificou a IA para criar valor agregado ao cliente, os resultados
deste estudo pode confirmar este fato. Autores Di Vaio, Palladino, Hassan e Escobar (2020,
pág. 284) realizou um estudo bibliométrico para analisar a relação da IA e a
modelos de negócios. Os sistemas de gestão do conhecimento foram identificados para criar
valor por meio do compartilhamento de conhecimento com a conexão humana, organizacional e tecnológica
elementos lógicos. A chave no KMS era conectar inovação e sustentabilidade de tal forma
forma como a organização visa integrar a IA nos processos de tomada de decisão para alcançar
metas de desenvolvimento sustentável. Os resultados do estudo apresentaram IA criando valor agregado para
a organização através do KMS não só na gestão do trabalho de forma inteligente e apoiando
nos processos de tomada de decisão, mas também na dimensão da sustentabilidade da organização
zação.
Edwards, e outros. (2000) conduziram um estudo empírico de utilização de IA, que foram chamados de especialistas
sistemas na pesquisa, na tomada de decisão. Um teste experimental de dois ex criados
papéis de sistemas pert (inteligência artificial) na tomada de decisão em uma espécie de ambiente laboratorial
ronmento foi conduzido. Os resultados apresentaram como os tomadores de decisão humanos podem ser
colocados por inteligência artificial para decisões estruturadas ou semi-estruturadas. não estruturado
as decisões, no entanto, foram identificadas como tendo o melhor resultado quando a IA é usada como uma decisão
ferramenta de apoio à missão no nível estratégico nas organizações.
Portanto, isso pode ser considerado como IA criando valor agregado para o nível de gerenciamento
na organização, pois a IA economiza tempo para que os gerentes se concentrem nas principais áreas de negócios
em vez de tomar decisões menores com menor impacto nos negócios. A literatura
62
revisão realizada por Duan, et al. (2019, p. 63) concordam com os resultados encontrados desta pesquisa
como os autores concluíram como a IA é usada nas organizações para intensificar a tomada de decisão
ing, reinventando modelos de negócios e melhorando a experiência do cliente.
6.1.2 Desafios
A revisão da literatura identificou vários desafios na indústria sustentável 4.0 que são
relacionadas ao uso de inteligência artificial nas organizações. Para concluir as barreiras encontradas
encontrado por Paschen, et al. (2020, p. 7) e Rajput e Singh (2021, pp. 1725-1726) mais
das barreiras identificadas foram em relação à combinação de outras tecnologias da indústria 4.0
e inteligência artificial. Se a barreira está relacionada à conectividade e compatibilidade
da tecnologia IoT e IA ou big data e IA, a questão é a mesma: como garantir a
acessibilidade, segurança de dados e funcionalidade da tecnologia em uma organização.
Além disso, a revisão da literatura também identifica custos de investimento para infraestrutura de TI
tura e segurança cibernética da infraestrutura como barreiras. No entanto, Rajput e Singh (2021,
pp. 1725-1726) declaram que uma vez que a organização tenha identificado as barreiras e desafios
desafios que as organizações enfrentam com a integração da indústria 4.0 à economia circular, superando
Envolvê-los pode ser o próximo grande passo para alcançar a circularidade.
A declaração acima de Rajput e Singh (2021, pp. 1725-1726) indica o desafio
de aumentar o conhecimento de combinar indústria 4.0 e economia circular de alta
o suficiente para entender as barreiras e desafios em toda a organização que
poderia se apresentar como um desafio ou barreira para alcançar a circularidade. Para evitar barreiras re
em relação à falta de habilidades ou conhecimento, Jamwal, et al. (2021, p. 16) identificados em seus litera
pesquisa de natureza como o aprendizado contínuo minimiza o risco na organização para o empregado
ees carecem de habilidades suficientes relacionadas às tecnologias da indústria 4.0.
A pesquisa desta tese incluiu pesquisa empírica conduzida por Jayashree, et al.
(2021, pp. 5, 8-9) que resultou apresentando uma relação positiva da gestão de topo
63
comprometimento e infraestrutura de TI com “implementação efetiva” da indústria 4.0. O
A síntese resultou na conclusão de como, sem implementar efetivamente a infraestrutura de TI,
a organização pode não ser capaz de prosseguir com as tecnologias da indústria 4.0 para avançar
o objetivo da organização de atingir as metas de desenvolvimento sustentável. Jayashree, e outros.
(2021, p. 12) implicava que a empresa pudesse adotar a sustentabilidade e dimensão de
a ideologia TBL somente após a infra-estrutura de TI ser desenvolvida com proficiência.
6.2 Principais Descobertas
As principais conclusões desta pesquisa dizem respeito aos impulsionadores e benefícios para as organizações
o que a IA fornece por meio de modelos de negócios circulares e da proeminente tecnologia de IA que
podem ser utilizados para apoiar a organização na transferência para negócios circulares
modelo do modelo de negócio linear. Como esta pesquisa estuda o potencial da IA, o
a tecnologia de IA mais proeminente é apresentada e a proposição de como ela pode ser utilizada
em modelos de negócios circulares serão sugeridos. Muitas IA forneceram benefícios que foram encontrados
através desta pesquisa são apresentados no capítulo 6.1. Aqui os benefícios serão concluídos
pela forma como eles impactam a organização em uma escala maior. Por último, as limitações e outras re
pesquisa são apresentados.
6.2.1 Direcionadores e Benefícios para Organizações
Em primeiro lugar, a economia e a redução de custos são um dos impulsionadores para que as organizações utilizem a IA
através do CBM. Conforme apresentado anteriormente os três grupos de CBMs, quando a organização
tem como objetivo projetar produtos que tenham um ciclo de vida sustentável e possam ser reciclados posteriormente,
encontrar uma solução para reduzir o número de recursos usados ou reciclar materiais de forma eficiente,
gera economia, por exemplo, em materiais e gestão de resíduos. Pesquise e desenvolva
equipes de desenvolvimento em organizações são um grupo de foco para desenvolver componentes materiais para
produtos que são facilmente reciclados após o fim do ciclo de vida do produto. Com base no encontrado
64
resultados desta pesquisa, sugiro que as organizações contratem um especialista para construir a infraestrutura de TI
estrutura se já não houver know-how suficiente na própria organização. Sem o
base de infraestrutura de TI e funcionários suficientes com bons conjuntos de habilidades tecnológicas, seria
ser bastante difícil implementar a IA em todo o seu potencial.
Quando a organização aumenta seu profissionalismo tecnológico por meio da tecnologia da indústria 4.0
tecnologias, especialmente IA, fornece benefícios holísticos para a organização. Como Sætra (2021,
pp. 1, 12-13) apresentou a estrutura holística modelada, deu uma visão de como, em
aumentando a transparência, a organização consegue traçar seu caminho rumo à
e modelos de negócios circulares. Com transparência, a organização evita fazer “greenwash”
seu negócio que, de outra forma, tem uma possibilidade bastante alta ao usar os ODS para relatar o
estado de sustentabilidade na organização. Portanto, o segundo driver para a organização
é o aumento da transparência e confiança dos consumidores por causa da visibilidade de
suas verdadeiras ações.
O terceiro driver, de acordo com os resultados desta pesquisa, é ganhar competitividade sustentável
vantagem competitiva em mercados definidos. A IA renova a cultura empresarial em direção aos ODS, adapta-se aos
diferentes fenômenos e mudanças, afeta o desempenho dos negócios e garante a satisfação do cliente
satisfação na economia circular. Ao permitir que a IA acelere a transição para a circularidade
enquanto a sustentabilidade fornece uma plataforma multifacetada para a operação da IA, a organização
é um precursor para alcançar os ODS e funcionar como um papel capacitador para agilizar o sus
mudança sustentável globalmente.
6.2.2 Tecnologia de Inteligência Artificial Proeminente
Os resultados da pesquisa apresentaram várias tecnologias de IA diferentes que podem ser usadas em
uma organização para ganhar sustentabilidade e circularidade. Depois de comparar os resultados da pesquisa
e revisão da literatura, a tecnologia de IA mais proeminente na utilização de negócios circulares
modelos eram algoritmos de ML e IA usados na tomada de decisões. Di Vaio, Palladino,
Hassan e Escobar (2020, p. 284) apresentaram o sistema de gestão do conhecimento que

65
permite que os gerentes se concentrem no negócio-chave, ao mesmo tempo em que contribuem para a organização
ção para se tornar mais sustentável e circular.
Edwards, e outros. (2000, p. 44) conduziram pesquisas que resultaram também na descoberta da criação de IA
valor agregado para os gestores e, portanto, para toda a organização com apoio em
tomando uma decisão. A revisão da literatura por Duan, et al. (2019, p. 63) afirmou como a IA é
usado principalmente para intensificar a tomada de decisão. O processo de tomada de decisão inclui IA e
Algoritmos de ML para coletar e processar os dados, onde a IA pode fornecer informações sobre os negócios
com base nos dados históricos. Com suporte à tomada de decisão, a IA pode analisar o
desempenho do negócio e fornecer previsões com base no desempenho anterior quando o
os gerentes são capazes de obter uma visão holística do negócio.
6.3 Limitações e pesquisas adicionais
Uma das limitações desta pesquisa é como a pesquisa de pesquisa foi conduzida usando
apenas três bancos de dados. Com mais bancos de dados em uso, poderia haver mais potencial
artigos que fornecem dados empíricos à pesquisa. Um dos critérios de admissão para o
artigos deveriam ser de “acesso aberto”, o que é uma limitação desta pesquisa limitando o número
número de artigos incluídos na triagem. Com diferentes termos de pesquisa e sequência de pesquisa,
poderia ter havido mais artigos potenciais para esta pesquisa. Como os termos relacionados com
sustentabilidade são usados de forma intercambiável, o número de artigos potenciais encontrados no
bancos de dados depende dos termos usados na string de pesquisa. Com apenas uma pessoa fazendo
a triagem de artigos e análises, pode haver erros humanos ao não perceber
relações com a questão de pesquisa, caso em que o artigo foi excluído.
A maior limitação em relação a esta pesquisa é a pequena quantidade de pesquisas realizadas
search estudando diretamente os impactos da IA para modelos de negócios circulares. A maioria dos estudos con
Sideriza as tecnologias da indústria 4.0 em um conceito holístico e não separa os impactos
individualmente por tecnologia. Como esta pesquisa comenta como pelo menos big data e IA como
bem como a tecnologia IoT e IA provavelmente serão combinadas para alcançar resultados mais benéficos
66
de utilizar as tecnologias da indústria 4.0, deve-se apontar como a IA como uma indústria
A tecnologia 4.0 é uma tecnologia importante em si, incluindo uma grande quantidade de várias tecnologias de IA
que precisam ser abordadas para que as organizações percebam o potencial
atrás deles. Portanto, para futuras pesquisas sugere-se estudar mais profundamente os vários
Tecnologias de IA em combinação com CE e CBM. Isso permite a criação holística de valor
da IA no paradigma da sustentabilidade para as organizações. Um ponto de vista importante deste
A sugestão de pesquisa futura é como isso mapearia as várias tecnologias de IA no
modelo de negócios e diminui a barreira para a organização implementar a tecnologia de IA
ogies.
De todas as tecnologias da indústria 4.0, a IA foi a escolhida para ser focada, pois fornece
dados interessantes quando combinados com a sustentabilidade. No entanto, Jamwal, et al. (2021, pág. 10) See More
discutir como sistemas de controle, sensores e outras tecnologias de IoT ajudam a preencher a lacuna
entre tecnologia de internet e tecnologia operacional. Como a IA é capaz de analisar grandes
quantidade de big data estruturado ou não estruturado, sensores e outros sistemas estão frequentemente em
o principal papel de produzir esses dados. Mishra e Tripathi (2021, pp. 6-7) continuam a
argumento com a adição de que o software usado na tomada de decisões é alimentado por modelos de IA
e modelo de negócios de aprendizado profundo e algoritmos baseados em IA realizam ações essenciais usando
dados produzidos por sensores IoT. Se a pesquisa empírica fosse conduzida em, por exemplo, manu
unidades de fabricação para medir de forma holística o impacto da IA na sustentabilidade, sensores de IoT
e outros dados gerados por dispositivos estariam no foco principal. Portanto, é importante
continuar e adicionar dados gerados pela tecnologia IoT de sistemas para pesquisa de IA para totalmente
atingir o potencial da IA.
Uma das limitações deste estudo é o quão estreitamente a pesquisa discute sobre
Objetivos de desenvolvimento. Este estudo apresenta os ODS de um ponto de vista holístico e não
não apresentá-los individualmente. À medida que os ODS são identificados como acelerando para a empresa
ao transformar o modelo de negócio em circular, os ODS poderiam ser estudados de forma mais
cauda. Portanto, sugere-se que novas pesquisas identifiquem os benefícios potenciais da IA em
referência a todos os ODS para avaliar de forma holística o impacto em uma organização.
67
Isso permitiria à organização identificar os desequilíbrios entre economia, meio
ambiental e social por meio dos ODS que podem ser divididos nesses três
grupos de acordo com seu conteúdo de objetivo. Ao identificar os desequilíbrios, a organização
pode criar estratégias para adaptar a IA em áreas selecionadas para alcançar o equilíbrio. Este foco de pesquisa
também beneficiaria a academia para entender mais sobre a visão ambiental
ponto na utilização de IA via ODS. Por exemplo, a pesquisa de Sætra (2021) e Vinuesa, et
al. (2020) sobre a relação da IA com os ODS pode ser usado como base teórica para con
realizar pesquisas empíricas para examinar as relações e o impacto da IA em relação a
ODS.
Outra grande limitação desta pesquisa é discutir os impactos negativos de forma holística
IA quando utilizada nas organizações. Nishant, et ai. (2020, pp. 7-8) reconhecem a recuperação
efeito do uso de IA nas organizações. Os autores enfatizam que, como a IA é fortemente dependente
a partir de dados, portanto, contribui indiretamente para a pegada de carbono global da TI. Portanto, o
autores sugerem que há uma necessidade de abordar a IA para a sustentabilidade a partir de um pensamento de design
ing a fim de desenvolver aplicativos eficazes de IA de emissão líquida zero. como zinco
e Geyer (2017, pp. 593, 600) também observam a retomada da economia circular, é necessário
pesquisar mais profundamente o impacto líquido da combinação da tecnologia da indústria 4.0 em circuitos
grande economia. Portanto, sugere-se que novas pesquisas estudem de forma mais holística o
impactos negativos da IA e se ela tem mais impacto positivo ou negativo no final
quando utilizados nas organizações visando alcançar a sustentabilidade. Isso contribuiria
todo o campo acadêmico da indústria sustentável 4.0 para entender de forma mais holística o
impacto da indústria 4.0 no meio ambiente.
Em suma, a lista abaixo conclui os tópicos de pesquisa sugeridos por esta revisão conduzida
busca ser mais pesquisada para entender completamente o estado da IA na economia circular
e se oferece impactos realmente positivos em relação à sustentabilidade ambiental:

68
• Pesquisa mais profunda de inteligência artificial para avaliar individualmente o im
pacto por trás de diferentes tecnologias de IA em combinação com a economia circular e
modelos de negócios circulares
• Pesquisa empírica dos impactos da IA para a sustentabilidade em organizações com o
adição de dados gerados pela tecnologia IoT
• Estudar os impactos dos ODS para uma organização de forma mais individual com uma visão
ponto de utilizar IA para alcançá-los
• Realização de pesquisas de impactos negativos e impactos líquidos da IA quando utilizada em
uma organização para alcançar a sustentabilidade e a economia circular

69
Referências
Achtenhagen, L., Melin, L. & Naldi, L. (2013). Dinâmica dos Modelos de Negócios – Strategiz
ing, Capacidades Críticas e Atividades para a Criação de Valor Sustentado. Longo alcance
Planejamento, 46(6), 427-442. https://doi.org/10.1016/j.lrp.2013.04.002
Antikainen, M., Uusitalo, T., & Kivikytö-Reponen, P. (2018). Digitalização como um facilitador
de Economia Circular. Procedia CIRP, 73, 45-49.
https://doi.org/10.1016/j.procir.2018.04.027
Antikainen, M. & Valkokari, K. (2016). Uma estrutura para negócios circulares sustentáveis
Modelo Inovação. Technology Innovation Management Review, 6(7), 5-12.
https://doi.org/10.22215/timreview/1000
Ávila-Gutiérrez, M., Martín-Gómez, A., Aguayo-González, F. & Lama-Ruiz, J. (2020). Eco
Modelo de negócios circular holônico 4.0 para conceituar cadeia de valor sustentável
para a Transição Digital. Sustentabilidade, 12(5).
https://doi.org/10.3390/su12051889
Bocken, N., De Pauw, I., Bakker, C., Van der Grinten, B. (2016). Design de produto e negócios
estratégias de modelo de ness para uma economia circular. Jornal de Indústria e Produção
tion Engineering, 33(5), 308–320.
https://doi.org/10.1080/21681015.2016.1172124
Bocken, N., Short, S., Rana, P., & Evans, S. (2014). Uma revisão de literatura e prática para
desenvolver arquétipos de modelos de negócios sustentáveis. Jornal de Produção Mais Limpa, 65,
42-56. https://doi.org/10.1016/j.jclepro.2013.11.039
Bonilla, S., Silva, H., Terra da Silva, M., Gonçalves, R. & Sacomano, J. (2018). Indústria
4.0 e Implicações para a Sustentabilidade: Uma Análise dos Impactos Baseada em Cenários
e Desafios. Sustentabilidade, 10(10). https://doi.org/10.3390/su10103740
Brozzi, R., Forti, D., Rauch, E., & Matt, DT (2020). As Vantagens da Indústria 4.0 Ap
plicações para a Sustentabilidade: Resultados de uma Amostra de Empresa de Manufatura
nie. Sustentabilidade, 12(9), 1-19. https://doi.org/10.3390/su12093647
Colla, V., Pietrosanti, C., Malfa, E., & Peters, K. (2020). Ambiente 4.0: Como digitalizar
ção e aprendizado de máquina podem melhorar a pegada ambiental do aço

70
processos de produção. Matériaux & Techniques, 108, artigo 507.
https://doi.org/10.1051/mattech/2021007
Cricelli, L. & Strazzullo, S. (2021). O aspecto econômico da sustentabilidade digital: um sistema
Revisão temática. Sustentabilidade, 13(15), 1-15.
https://doi.org/10.3390/su13158241
Cucculelli, M., Dileo, I., & Pini, M. (2021). Preenchendo o vazio da liderança familiar: institu
suporte nacional às mudanças do modelo de negócios na experiência italiana da indústria 4.0.
O Jornal de Transferência de Tecnologia. https://doi.org/10.1007/s10961-021-09847-
Di Vaio, A., Palladino, R., Hassan, R., & Escobar, O. (2020). Inteligência artificial e
modelos de negócios na perspectiva dos objetivos de desenvolvimento sustentável: uma sistemática
revisão da literatura. Journal of Business Research, 121, 283-314.
https://doi.org/10.1016/j.jbusres.2020.08.019
Doz, YL & Kosonen. M. (2010) Incorporando agilidade estratégica: uma agenda de liderança para ac
acelerando a renovação do modelo de negócios. Planejamento de Longo Alcance, 43, 370-382.
https://doi.org/ 10.1016/j.lrp.2009.07.006
Duan, Y., Edwards, J., & Dwivedi, Y. (2019). Inteligência artificial para tomada de decisão em
a era do Big Data – evolução, desafios e agenda de pesquisa. Internacional
Journal of Information Management, 48, 63-71. https://doi.org/10.1016/j.ijinfo
mgt.2019.01.021
Edwards, JS., Duan, Y., & Robins, PC. (2000). Uma análise de sistemas especialistas para negócios
tomada de decisão em diferentes níveis e em diferentes papéis. Jornal Europeu de In
Sistemas de formação, 9(1), 36-46. https://doi.org/10.1057/palgrave.ejis.3000344
Ejsmont, K., Gladysz, B. & Kluczek, A. (2020). Impacto da Indústria 4.0 na Sustentabilidade –
Revisão Bibliométrica da Literatura. Sustentabilidade, 12(14).
https://doi.org/10.3390/su12145650
Fundação Ellen MacArthur (2019). Inteligência artificial e economia circular – IA
como uma ferramenta para acelerar a transição. http://www.ellenmacarthurfounda
tion.org/publications
71
Ferasso, M., Beliaeva, T., Kraus, S., Clauss, T. & Ribeiro-Soriano, D. (2020). economia circular
Modelos de negócios omy: o estado da pesquisa e os caminhos a seguir. Estratégia de Negócios
egia e Meio Ambiente, 29(8), 3006-3024. https://doi.org/10.1002/bse.2554
Fink, A. (2005). Realização de revisões de literatura de pesquisa: da Internet ao papel (2ª
ed.). Mil Carvalhos.
Garcia-Muiña, FE, González-Sánchez, R., Ferrari, AM, Volpi, L., Pini, M., Siligardi, C.,
& Settembre-Blundo, D. (2019). Identificando o Ponto de Equilíbrio entre Sus
Metas de sustentabilidade e práticas de economia circular em uma indústria 4.0
Contexto Usando Eco-Design. Ciências Sociais, 8(8), 241.
https://doi.org/10.3390/socsci8080241
Geng, Y., Fu, J., Sarkis, J., & Xue, B. (2012). Rumo a uma economia circular nacional indica
sistema de controle na China: uma avaliação e análise crítica. Jornal do Cleaner Pro
produção, 23(1), 216-224. https://doi.org/10.1016/j.jclepro.2011.07.005
Ghanbari, H., Vartiainen, T. & Siponen, M. (2018). Omissão de Desenvolvimento de Software de Qualidade
Práticas de tratamento: uma revisão sistemática da literatura. Pesquisas de computação ACM,
51(2), Artigo 38. https://doi.org/10.1145/3177746
Ghisellini, P., Cialani, C., & Ulgiati, S. (2016). Uma revisão sobre economia circular: o ex
transição prevista para uma interação equilibrada dos sistemas ambiental e econômico
tem. Journal of Cleaner Production, 114, 11-32. https://doi.org/10.1016/j.jcle
pro.2015.09.007
Haftor, DM, Climent, RC, & Lundström, JE (2021). Como o aprendizado de máquina é ativado
efeitos da rede de dados em modelos de negócios: avanço da teoria por meio de uma
caso industrial de promoção da sustentabilidade ecológica. Jornal de Negócios Re
pesquisa, 131, 196-205. https://doi.org/10.1016/j.jbusres.2021.04.015
Harikannan, N., Vinodh, S. & Gurumurthy, A. (2021). Indústria sustentável 4.0 – um ex
estudo pleratório para descobrir os drivers para a integração. Jornal de Modelagem
em Management, 16(1), 357-376. https://doi.org/10.1108/JM2-11-2019-0269

72
Hartley, K., van Santen, R., & Kirchherr, J. (2020). Políticas para a transição para um cir
economia cular: Expectativas da União Europeia (UE). Recursos, Conserte
vação e reciclagem, 155, artigo 104634. https://doi.org/10.1016/j.rescon
rec.2019.104634
Herz, J. (2019, 11 de outubro). O conto de fadas do crescimento econômico eterno: ativista sueco
Greta Thunberg chama a atenção para a necessidade de administrar nosso planeta. ambiente
Instituto de Estudos mentais e energéticos. https://www.eesi.org/articles/view/the
conto de fadas do crescimento econômico eterno
Hofmann, F. (2019). Modelos de negócios circulares: abordagem de negócios como driver ou ob
estruturador de transições de sustentabilidade? Journal of Cleaner Production, 224, 361-
734. https://doi.org/10.1016/j.jclepro.2019.03.115
Jabbour, A., Jabbour, C., Filho, M., & Roubaud, D. (2018). Indústria 4.0 e a circular
economia: uma agenda de pesquisa proposta e um roteiro original para operações sustentáveis
erações. Ann Oper Res, 270, 273-286. https://doi.org/10.1007/s10479-018-
2772-8
Jamwal, A., Agrawal, R., Sharma, M., & Giallanza, A. (2021). Tecnologias da Indústria 4.0
para Sustentabilidade de Manufatura: Uma Revisão Sistemática e Pesquisa Futura Di
rections. Ciências Aplicadas, 11(12), 1-27. https://doi.org/10.3390/app11125725
Jayashree, S., Reza, M., Malarvizhi, C., & Mohiuddin, M. (2021). Implementadores da Indústria 4.0
sustentabilidade e sustentabilidade do Triple Bottom Line: um estudo empírico sobre pequenas e
empresas manufatureiras médias. Heliyon, 7(8), Artigo E07753.
https://doi.org/10.1016/j.heliyon.2021.e07753
Joyce, A. & Paquin, R. (2016). A tela do modelo de negócios em três camadas: uma ferramenta para
assinar modelos de negócios mais sustentáveis. Jornal de Produção Mais Limpa, 135,
1474-1486. https://doi.org/10.1016/j.jclepro.2016.06.067
Kalmykova, Y., Rosado, L., & Patrício, J. (2016). Drivers de consumo de recursos e caminho
formas de redução: impacto da economia, política e estilo de vida nos fluxos de materiais no
escala nacional e urbana. Journal of Cleaner Production, 132, 70-80.
https://doi.org/10.1016/j.jclepro.2015.02.027
73
Kitchenham, B. & Charters, S. (2007). Diretrizes para realizar Literatura Sistemática
Revisões em Engenharia de Software (EBSE-2007-01). Universidade Keele e Durham
Universidade. https://citeseerx.ist.psu.edu/viewdoc/down
carregar?doi=10.1.1.117.471&rep=rep1&type=pdf
Kristoffersen, E., Blomsma, F., Mikalef, P., & Li, J. (2020). A economia circular inteligente: uma
estrutura de estratégias circulares digitalmente habilitadas para empresas de manufatura.
Journal of Business Research, 120, 241-261.
https://doi.org/10.1016/j.jbusres.2020.07.044
Landrum, N. & Ohsowski, B. (2018). Identificando visões de mundo sobre sustentabilidade corporativa:
Uma Análise de Conteúdo de Relatórios Corporativos de Sustentabilidade. Estratégia Empresarial e
o Meio Ambiente, 27(1), 128-151. https://doi.org/10.1002/bse.1989
Leahy, S. (2019, 12 de março). O estudo do clima adverte sobre o desaparecimento da janela de segurança - aqui está o porquê.
Sociedade Geográfica Nacional. https://www.nationalgeographic.com/environ
mento/artigo/modelo-mudança-climática-alerta-de-futuro-difícil
Lewandowski, M. (2016). Projetando os Modelos de Negócios para a Economia Circular – Para
protege a Estrutura Conceitual. Sustentabilidade, 8(1).
https://doi.org/10.3390/su8010043
Lüdeke-Freund, F., Gold, S., & Bocken, NMP (2018). Uma Revisão e Tipologia do Circu
Padrões de Modelo de Negócios de Economia Lar. Jornal de Ecologia Industrial, 23(1), 36-
61. https://doi.org/10.1111/jiec.12763
Marrewijk, M. (2003). Conceitos e Definições de RSE e Sustentabilidade Corporativa:
Entre Agência e Comunhão. Journal of Business Ethics, 44, 95-105.
https://doi.org/10.1023/A:1023331212247
Mishra, S. & Tripathi, AR (2021). Modelo de negócios de IA: uma abordagem de negócios integradora.
Jornal de Inovação e Empreendedorismo, 10(18), 1-21.
https://doi.org/10.1186/s13731-021-00157-5
Nishant, R., Kennedy, M., & Corbett, J. (2020). Inteligência artificial para a sustentabilidade:
Desafios, oportunidades e uma agenda de pesquisa. Jornal Internacional de Infor
Management Management, 53, artigo 102104. https://doi.org/10.1016/j.ijinfo
mgt.2020.102104
74
Norman, W. & MacDonald, C. (2004). Chegando ao fundo do “Triple Bottom Line”.
Business Ethics Quarterly, 14(2), 243-262. https://www.jstor.org/sta
azul/3857909
Okoli, C. & Schabram, K. (2010). Um guia para conduzir uma revisão sistemática da literatura
de Pesquisa em Sistemas de Informação. Sprouts: documentos de trabalho sobre sistemas de informação
tems, 10(26). http://sprouts.aisnet.org/10-26
Okoli, C. (2015). Um guia para conduzir uma revisão sistemática autônoma da literatura.
Communications of the Association for Information Systems, 37, Artigo 43.
https://doi.org/10.17705/1CAIS.03743
Okorie, O., Salonitis, K., Charnley, F., Moreno, M., Turner, C., & Tiwari, A. (2018). Digital
e a Economia Circular: Uma Revisão da Pesquisa Atual e Futura
Tendências. Energias, 11(11). https://doi.org/10.3390/en11113009
Ormazabal, M. Prieto-Sandoval, V., Jaca, C., & Santos, J. (2016). Uma visão geral do cir
economia comum entre as PMEs do País Basco: Um estudo de caso múltiplo. dia
nal de Engenharia e Gestão Industrial, 9(5), 1047-1058.
https://doi.org/10.3926/jiem.2065
Panetta, K. (2017, 3 de outubro). As 10 principais tendências tecnológicas estratégicas do Gartner para 2018.
https://www.gartner.com/smarterwithgartner/gartner-top-10-strategic-tech
nology-tendências-para-2018/
Paschen, U., Pitt, C., & Kietzmann, J. (2020). Inteligência artificial: blocos de construção e
uma tipologia de inovação. Business Horizons, 63(2), 147-155.
https://doi.org/10.1016/j.bushor.2019.10.004
Patwa, N., Sivarajah, U., Seetharaman, A., Sarkar, S., Maiti, K., & Hingorani, K. (2021).
Rumo a uma economia circular: um contexto de economias emergentes. Jornal de Busi
ness Research, 122, 725-735. https://doi.org/10.1016/j.jbusres.2020.05.015
Pava, M. (2007). Uma resposta para “Chegando ao fundo do 'Triple Bottom Line'”. busi
ness Ethics Quarterly, 17(1), 105-110. https://www.jstor.org/stable/27673160
Poole, DL & Mackworth, AK (2010). Inteligência Artificial: Fundamentos da Computa
Agentes Internacionais (2ª ed.). Cambridge University Press. https://www.cam
bridge.org/9780521519007
75
Prieto-Sandoval, V., Jaca, C., & Ormazabal, M. (2018). Rumo a um consenso sobre o cir
economia cular. Journal of Cleaner Production, 179, 605-615.
https://doi.org/10.1016/j.jclepro.2017.12.224
Rajput, S. & Singh, SP (2021). Indústria 4.0 ÿ desafios para implementar a economia circular
o meu. Benchmarking: An International Journal, 28(5), 1717-1739.
https://doi.org/10.1108/BIJ-12-2018-0430
Salvador da Motta Reis, J., Espuny, M., Vieira Nunhes, T., Antonio de Souza Saimpaio,
N., Isaksson, R., Celso de Campos, F., & José de Oliveira, O. (2021). Caminhando para
wards Sustentabilidade: uma estrutura para superar desafios e explorar oportunidades
tunidades por meio da Indústria 4.0. Sustentabilidade, 13(9), 5232.
https://doi.org/10.3390/su13095232
Schwartz, M. & Carroll, A. (2008). Integrando e Unificando Competindo e Complementando
frameworks tary. Negócios e Sociedade, 47(2), 148-186.
https://doi.org/10.1177/0007650306297942
Saetra, HS (2021). Uma Estrutura para Avaliar e Divulgar os Impactos Relacionados a ESG
da IA com os ODS. Sustentabilidade, 13(15), 1-16.
https://doi.org/10.3390/su13158503
Tranfield, D., Denyer, D., & Smart, P. (2003). Rumo a uma metodologia para o desenvolvimento de evi
conhecimento gerencial informado pela ciência por meio de revisão sistemática. Britânico
Journal of Management, 14(3), 207–222. https://doi.org/10.1111/1467-
8551.00375
Nações Unidas (2015). Transformando nosso mundo: a Agenda 2030 para o Desenvolvimento Sustentável
(Relatório No. A/RES / 70/1). https://sdgs.un.org/2030agenda
Vinuesa, R., Azizpour, H., Leite, I., Balaam, M., Dignum, V., Domisch, S., Felländer, A.,
Langhans, S., Tegmark, M., & Nerini, F. (2020). O papel da inteligência artificial
na consecução dos Objetivos de Desenvolvimento Sustentável. Nature Communications, 11,
Artigo 233. https://doi.org/10.1038/s41467-019-14108-y
WCED (1987). Nosso Futuro Comum (documento da Assembleia Geral das Nações Unidas
A/42/427). A Comissão Mundial sobre Meio Ambiente e Desenvolvimento.

76
https://www.are.admin.ch/are/en/home/media/publications/sustainable-de
velopment/brundtland-report.html
Weichhart, G., Molina, A., Chen, D., Whitman, L., & Vernadat, F. (2015). Desafiado e
desenvolvimentos atuais para Sensoriamento, Sistemas Corporativos Inteligentes e Sustentáveis.
Computadores na Indústria, 79, 34-46. https://doi.org/10.1016/j.com
pin.2015.07.002
Wheeler, D., Colbert, B., & Freeman., R. (2003). Focando no Valor: Reconciliando o Corpo
avaliar Responsabilidade Social, Sustentabilidade e Abordagem aos Stakeholders em Rede
mundo do trabalho. Journal of General Management, 28(3), 1-28.
https://doi.org/10.1177/030630700302800301
Yuan, Z., Bi, J., & Moriguichi, Y. (2006). A economia circular: um novo desenvolvimento
Estratégia na China. Jornal de Ecologia Industrial, 10(1-2), 4-8.
https://doi.org/10.1162/108819806775545321.
Zink, T. & Geyer, T. (2017). Recuperação da Economia Circular. Jornal de Ecologia Industrial,
21(3), 593-602. https://doi.org/10.1111/jiec.12545
Zott, C., Amit, RH, & Massa, L. (2011). O Modelo de Negócios: Desenvolvimentos Recentes e
Pesquisa futura. Journal of Management, 37(4), 1019-1042.
https://doi.org/10.1177/0149206311406265
77
Apêndices
Apêndice 1. Uma lista dos estudos primários
EU IA Título Ano Autor(es)
PS1 Uma Estrutura para Avaliação e Divulgação 2021 Sætra See More
os impactos relacionados com ESG da IA com o
ODS
Modelo de negócios PS2 AI: um negócio integrador 2021 Mishra e Tripathi
abordagem
PS3 Inteligência artificial e modelos de negócios 2020 Di Vaio, Palladino, Hassan,
nos objetivos de desenvolvimento sustentável por e Escobar
perspectiva: Uma revisão sistemática da literatura
PS4 Como o aprendizado de máquina ativa a rede de dados 2021 Haftor, Climent e
efeitos do trabalho em modelos de negócios: Teoria Lundström
avanço através de um caso industrial de
promovendo a sustentabilidade ecológica
PS5 Identificando o Ponto de Equilíbrio entre 2019 Garcia-Muiña, González
Objetivos de Sustentabilidade e Economia Circular Sánchez, Ferrari, Volpi,
Práticas em uma Manufatura da Indústria 4.0 Pini, Siligardi e Settem
Contexto Usando Eco-Design bre-blundo
Implementação PS6 Industry 4.0 e Triple 2021 Jayashree, Reza, Malar
Bottom Line Sustentabilidade: um estudo empírico vizhi, & Mohiuddin
estudo sobre a pequena e média manufatura
firmas
PS7 A economia circular inteligente: A digital-ena 2020 Kristoffersen, Blomsma,
estrutura de estratégias circulares sangradas para o homem Mikalef e Li
empresas de manufatura
78
PS8 Uma análise de sistemas especialistas para negócios 2000 Edwards, Duan e Rob
tomada de decisão em diferentes níveis e em ins
papéis diferentes
Ambiente PS9 4.0: como a digitalização e 2020 Colla, Pietrosanti, Malfa,
aprendizado de máquina pode melhorar o ambiente e Peters
pegada mental da produção de aço
PS10 Preenchendo o vazio da liderança familiar: institu 2021 Cucculelli, Dileo e Pini
suporte nacional ao modelo de negócios alterado
na experiência italiana da Indústria 4.0
PS11 As Vantagens da Aplicação da Indústria 4.0 2020 Brozzi, Forti, Rauch e
ções para a Sustentabilidade: Resultados de uma Sam Matt
Pleito de Empresas de Manufatura

2.the Potential of Artificial Intelligence in Utilizing Circular Busin

Enviado por

Dados do documento

Descrição original:

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

2.the Potential of Artificial Intelligence in Utilizing Circular Busin

Enviado por

Direitos autorais:

Formatos disponíveis

Machine Translated by Google

O Potencial da Inteligência Artificial na Utilização

Uma Revisão Sistemática da Literatura

Escola de Tecnologia e Inovação

Vaasa 2021 See More

PALAVRAS-CHAVE: inteligência artificial, modelos de negócios, economia circular, tomada de decisão,

Tutkimus keskittyy liiketoimintalähtöiseen siirtymiseen kiertotalouden liiketoimintamalleihin nykyisestä lineaarisesta

PALAVRAS-CHAVE: inteligência artificial, modelos de negócios, economia circular, tomada de decisão,

1.1 Lacuna de pesquisa 10

1.2 Objetivos de Pesquisa e Questão de Pesquisa 11

2 Indústria Sustentável 4.0 e Sustentabilidade 13

2.1 Conceitos e Definições 13

2.2 Terminologia e Mapa Conceitual 16

3 Economia Circular e Inteligência Artificial nas Organizações 20

3.1 Economia Circular 20

3.2 Modelos de negócios circulares 23

3.3 Indústria 4.0 25

3.3.1 Inteligência Artificial 26

3.3.2 Diferentes Tecnologias de Inteligência Artificial 27

3.3.3 Sustentabilidade em Inteligência Artificial 28

3.4 Utilização da Inteligência Artificial nas Organizações 29

3.5 Desafios na Indústria Sustentável 4.0 31

4 Método e Processo de Pesquisa 33

4.1 Planejando a Revisão 35

4.2 Conduzindo a Pesquisa 35

4.3 Avaliação da pesquisa 37

4.4 Análise, Síntese e Relatório de Resultados 38

5.1 Tecnologias de Inteligência Artificial 44

5.2 Inteligência Artificial em Modelos de Negócios 49

5.2.1 Estrutura Sustentável para Modelo de Negócios 50

5.2.2 Modelos de Negócios Circulares 51

5.2.3 Utilização de Inteligência Artificial para Tomada de Decisão 52

5.3 Pré-requisitos para Combinar Inteligência Artificial e Sustentabilidade 54

6.1 Implementando Modelos de Negócios Circulares com Inteligência Artificial 58

6.1.1 Benefícios da Inteligência Artificial 60

6.2 Principais Descobertas 63

6.2.1 Direcionadores e Benefícios para Organizações 63

6.2.2 Tecnologia de Inteligência Artificial Proeminente 64

6.3 Limitações e pesquisas adicionais 65

Apêndice 1. Uma lista dos estudos primários 77

Okorie, et ai. (2018, pág. 7) 17

Figura 2. Ciclo da IA (Mishra & Tripathi, 2021, p. 12.) 48

Hofmann, 2019, p. 363 18

Figura 2. Os quatro componentes essenciais da Economia Circular (Prieto-Sandoval, et al.,

2018, pp. 608, 610.) 22

Figura 3. Categorias de modelos de negócios circulares (Bocken, et al., 2016, p. 309.) 24

Figura 4. As principais e subfases da revisão sistemática da literatura (Okoli & Schabram,

Tabela 1. Classificação das métricas de sustentabilidade econômica associadas a

inteligência (Cricelli & Strazzullo, 2021, p.8.) 30

Tabela 2. Termos de pesquisa identificados com base nos objetivos da pesquisa 36

Tabela 3. Resultados da busca realizada em agosto de 2021 37

Tabela 4. As três rodadas de avaliação para estudos primários selecionados 38

Tabela 5. Os atributos de extração de dados 38

Tabela 6. Número de artigos selecionados em periódicos 40

Tabela 7. Uma visão geral dos estudos primários 41

Tabela 8. Dados de pesquisa dos estudos primários 42

Tabela 9. As palavras-chave que mais ocorrem no estudo primário 44

ANN Redes neurais artificiais

APIs interfaces de programação de aplicativos

Modelo de Negócios Circular CBM

RSE Responsabilidade Social Corporativa

ESG Ambiental, Social e Governança