Artigo CG Inteligencia Artificial

Traduzido do Inglês para o Português - www.onlinedoctranslator.
com
computadores
Análise
Inteligência Artificial e Gestão do Conhecimento: Impactos,

Benefícios e Implementação
Hamed Taherdoost1,* e Mitra Madanchian1,2
1 Departamento de Artes, Comunicações e Ciências Sociais, University Canada West,

Vancouver, BC V6Z 0E5, Canadá
2 Departamento de Pesquisa e Desenvolvimento, Hamta Business Corporation, Vancouver, BC V6E 1C9, Canadá
* Correspondência: hame d.taherdoost@gmail.com ou hamed@hamta.org ; Tel.: +1-236-889-5359
Abstrato:O processo de gerar, disseminar, utilizar e gerenciar as informações e o conhecimento de uma

organização é conhecido como gestão do conhecimento (GC). A GC convencional sofreu modificações ao
longo dos anos, mas a documentação sempre foi sua base. No entanto, a mudança significativa para o
trabalho remoto e híbrido pôs em evidência as deficiências dos procedimentos atuais. Estas lacunas
serão preenchidas pela inteligência artificial (IA), que também alterará a forma como a GC é
transformada e o conhecimento é gerido. Este artigo analisa estudos de 2012 a 2022 que examinaram a
IA e a GC, com especial ênfase na forma como a IA pode apoiar as empresas nas suas tentativas de gerir
com sucesso o conhecimento e a informação. Esta revisão crítica examina as abordagens atuais à luz da
literatura atualmente acessível sobre IA e GC, com foco em artigos que abordam aplicações práticas e o
contexto da pesquisa. Além disso, esta revisão fornece informações sobre possíveis direções e melhorias
de estudos futuros, apresentando uma avaliação crítica.
Palavras-chave:inteligência artificial; Gestão do conhecimento; sistema baseado em conhecimento; aquisição de conhecimento;

aprendizado de máquina
Citação:Taherdoost, H.; Madanchian, M.

Inteligência Artificial e Gestão do 1. Introdução
Conhecimento: Impactos, Benefícios e Através do surgimento de documentos digitais, que são atribuídos ao desenvolvimento de
Implementação.Computadores2023,12, sistemas de gestão do conhecimento (GC), o século XX assistiu a uma grande revolução na
72. https://doi.org/10.3390/
administração da informação [1,2]. As tendências económicas do século XXI enfatizam o valor que
computers12040072
a GC pode proporcionar às empresas. A importância do conhecimento e da informação para a
prosperidade económica tem sido reconhecida em todo o mundo [3].
Editores Acadêmicos: Phivos A gestão do conhecimento é um novo método para localizar e organizar conhecimento
Mylonas, Katia Lida Kermanidis e especializado para recuperação e reutilização eficientes.4]. Ao gerir o conhecimento tanto interna como
Manolis Maragoudakis externamente, com diversos stakeholders, a intenção da GC é agregar valor às empresas. As
organizações entendem o valor do conhecimento e como fazer a transição do conhecimento individual
Recebido: 17 de janeiro de 2023
para o corporativo para garantir que suas empresas prosperem de forma sustentável [5]. Tecnologia da
Revisado: 30 de março de 2023
informação, comportamento organizacional e gestão de recursos humanos são apenas alguns dos
Aceito: 30 de março de 2023
princípios combinados na GC. As empresas modernas precisam da GC porque promove a aprendizagem
Publicado: 31 de março de 2023
institucional, o crescimento, a inovação e o sucesso [6]. As empresas baseadas no conhecimento no
mercado provaram ser mais resilientes e competitivas [7].
A inteligência artificial (IA) tornou-se uma pedra angular da GC no século XXI porque avançou
Direito autoral:© 2023 dos autores. na aquisição, desenvolvimento e partilha de informação, bem como na sua aplicação eficaz dentro
Licenciado MDPI, Basileia, Suíça. Este das empresas.8,9]. Numerosos estudos foram realizados para investigar os avanços mais recentes
artigo é um artigo de acesso aberto em sistemas, métodos e melhores práticas de GC, bem como seus efeitos nos negócios.9–11].
distribuído sob os termos e condições Além disso, as técnicas de GC mostraram seu valor na adoção de tecnologia instrucional [12,13].
da licença Creative Commons
Vários métodos, incluindo aprendizagem profunda, redes neurais e aprendizagem de máquina
Attribution (CC BY) (https://
supervisionada, são usados pelas tecnologias de IA para replicar a inteligência humana. Os
creativecommons.org/licenses/by/
algoritmos de aprendizagem profunda mais eficientes frequentemente
4.0/).
Comp. úteros2023,12, 72. https://doi.org/10.3390/computers12040072 https://www.mdpi.com/journal/computers

Computadores2023,12, 72 2 de 18
usam uma abordagem supervisionada, na qual enormes quantidades de dados rotulados são usados para
treinar os pontos fortes das conexões entre nós em redes computacionais massivas em camadas, permitindo
que padrões em dados de treinamento sejam empregados para produzir previsões precisas sobre dados
futuros invisíveis [14].
É crucial neste momento explorar como a relação entre IA e GC pode ser usada para aproveitar a IA
de forma mais eficaz à medida que avançamos em direção a um futuro impulsionado por dados e
insights. Antes de determinar a ligação entre GC e IA, é essencial compreender como as organizações
aplicam o conhecimento [15]. As organizações têm uma variedade de responsabilidades, cujo
cumprimento e competitividade dependem do nível de especialização dos funcionários no desempenho
de funções cruciais e da sua posição no negócio [16]. Muitos praticantes e teóricos da GC negligenciam a
IA como um dos blocos de construção cruciais no crescimento, melhoria, progressão e expansão da GC [
17]. Como campo de estudo, a IA foi estabelecida antes da GC, tem sido baseada e equilibrada no campo
da informática há décadas e é amplamente implantada em muitos campos.18].
A IA e o aprendizado de máquina, incluindo o estudo de redes organizacionais e industriais, são

comprovadamente ferramentas comerciais indispensáveis [19,20]. A gestão do conhecimento parece ter
avançado durante o século XXI [21]. Além disso, a IA e o blockchain revolucionaram a forma como as
informações são coletadas, criadas, compartilhadas e utilizadas de forma eficiente dentro das empresas [
22,23]. A capacidade de executar plataformas centralizadas de processamento de big data é essencial
para aplicações emergentes de IA, uma vez que gerem enormes volumes de fluxos de dados. Os
aplicativos oferecem padrões de conhecimento personalizados para determinados conjuntos de
sistemas, dispositivos, aplicativos e pessoas. A GC centralizada e a descoberta de conhecimento apoiam o
fornecimento de inteligência em todo o sistema e aplicação [24]. A capacidade da IA para identificar
contextos, ideias e significados é enfatizada, juntamente com o surgimento de novas e intrigantes rotas
de cooperação entre máquinas de conhecimento e trabalhadores.
Este estudo tenta integrar a literatura sobre IA com a de GC e concentra-se principalmente
em estabelecer o grau em que a IA pode gerar inovações para informação e GC eficazes. Há uma
necessidade urgente de que os acadêmicos ofereçam uma visão geral das metodologias baseadas
em IA que estão atualmente em uso, a fim de compreender a complexidade deste campo de
estudo em rápido desenvolvimento. Este estudo aborda essas preocupações urgentes,
descrevendo as seguintes condições:
I. O estado atual da integração de IA e GC
II. Desenvolvimentos em diferentes aplicações de IA e GC
III. Direções de pesquisas futuras
Esta revisão crítica examina o estado atual do conhecimento à luz da literatura
disponível sobre IA e GC, com ênfase em artigos que abordam aplicações práticas e os
antecedentes do estudo. Esta revisão conduz um exame crítico para fornecer insights
sobre possíveis caminhos e melhorias de pesquisas futuras.
2. Antecedentes do Estudo
Os trabalhadores do conhecimento precisam estar conectados com indivíduos ou recursos apropriados
para o conhecimento em momentos apropriados para permitir uma melhor tomada de decisões. Pode ser
necessário que haja novas divisões de trabalho entre humanos e máquinas inteligentes que sejam diferentes
daquelas utilizadas anteriormente nas organizações devido ao surgimento das capacidades da IA e à forma
como elas podem ser aplicadas para atingir esses objetivos. Novas mentalidades de design humano e de
máquinas, bem como novos conjuntos de habilidades e competências, são necessários para estes novos
empregos. Para poder beneficiar dos seus parceiros artificiais na GC e, ao mesmo tempo, evitar as
desvantagens da automação, como a aversão ou a complacência algorítmica cognitiva, os seres humanos
precisam de cultivar perspetivas, competências e hábitos de trabalho. As possibilidades únicas da IA na GC só
são aproveitadas e concretizadas através de uma colaboração simbiótica eficiente entre sistemas inteligentes e
trabalhadores do conhecimento, cujas ações das empresas podem ajudar a concretizar.
Muitos vêem a IA como a próxima grande fonte de valor económico, como uma tecnologia
fundamental na vanguarda de uma nova revolução tecnológica e da mudança industrial. Sua rápida
expansão apresenta às empresas diversas possibilidades inerentes e obstáculos à aquisição de
importante tecnologia de IA [25]. A tendência atual no desenvolvimento da tecnologia de IA no sentido da

melhoria do julgamento e das competências de tomada de decisão dos empresários é um instrumento potente
para promover o crescimento e o avanço da sociedade. Consequentemente, a tecnologia de IA está ganhando
importância [26]. As seções a seguir apresentam o histórico da GC e da IA.
2.1. Gestão do Conhecimento (GC)

Por mais de 30 anos, a GC tem sido um campo crucial que explica como a informação é produzida,
desenvolvida, mantida e utilizada dentro de organizações ou nações e incentiva o aprendizado com o
passado e a inovação.27]. Conforme brevemente mencionado anteriormente, a GC é hoje um dos
elementos essenciais para alavancar a vantagem competitiva para alcançar o sucesso organizacional. Há
muito que desperta interesse e pesquisas indicam que é uma disciplina acadêmica, mas pode ser
desenvolvida no nível organizacional, onde beneficia funcionários e organizações. A gestão do
conhecimento é um componente importante, mas uma teoria organizacional ainda não foi
suficientemente estabelecida para explicar a sua relevância, nem foi descrita de uma forma que captasse
a atenção das empresas. As organizações obtêm uma compreensão mais firme dos seus negócios e
práticas através do conhecimento que obtêm dos seus ativos.28]. Uma empresa pode se beneficiar da
coleta de informações de seus ativos comparando seus resultados, o que pode ajudá-la a navegar em
ambientes industriais em rápida mudança. Semelhante à forma como as corporações adquirem
informações, as pessoas que pertencem às organizações podem desenvolver seus talentos e agregar
maior valor a essas organizações por terem uma compreensão profunda do conhecimento de sua
organização. Embora esta interpretação seja simples, o conhecimento pré-existente representa um
perigo, uma vez que torna mais difícil para as pessoas e organizações se ajustarem às mudanças, uma
vez que são incapazes de adquirir novas informações ou adotar novas práticas [29]. De acordo com o
estudo de Suresh et al. [30], aprender estes novos procedimentos é necessário para permitir os novos
processos de recolha e utilização de informação pré-existente, tanto a nível organizacional como
individual. No entanto, isto só pode ser conseguido através da mudança da cultura organizacional e da
implementação destas novas técnicas de GC.
A correta gestão das oportunidades apresentadas pela IA e a atribuição de soluções de suporte às

ações previamente tomadas elevam a prática organizacional de GC a um patamar real superior. Isto
implica que soluções assistidas por IA podem ser fornecidas a cada fase de um processo de GC (KMP),
permitindo que as partes interessadas tomem as medidas apropriadas ou concluam tarefas que surgem
durante a fase real de forma mais rápida, eficaz e com sucesso [31].
2.2. Inteligência Artificial (IA)

Além de ser um campo acadêmico de longa data, a IA é uma das expressões mais usadas em
vários setores econômicos.32,33]. No final da década de 1980 e no início da década de 1990, a IA
desenvolveu-se num campo de estudo multidisciplinar que inclui realidade virtual, redes neurais,
sistemas especialistas, reconhecimento de voz, processamento de linguagem natural e robôs.34].
Haenlein e Kaplan [32] descrevem a IA como a capacidade de um sistema se adaptar com sucesso com
base em determinados inputs e no impacto de novos conhecimentos, a fim de realizar tarefas e atividades
específicas. Além disso, no mesmo artigo, os investigadores propuseram dois esquemas de classificação para a
IA, um dos quais se baseia nas fases de desenvolvimento da IA, enquanto o outro se baseia no estilo de
inteligência demonstrado por um sistema de IA. Com base nas fases evolutivas, a inteligência de um sistema de
IA também pode ser relacional, emotiva ou lógica. Conseqüentemente, os sistemas de IA são categorizados
como analíticos, sencientes ou de aparência humana, dependendo do tipo de inteligência que possuem. Kumar
et al. [35] definiram a IA como uma plataforma para potencial e conhecimento ilimitados que podem ser
restringidos por abordagens personalizadas. Além disso, Jarrahi [36] definiram o termo como um conjunto de
instrumentos, estratégias e práticas utilizadas dentro de um contexto organizacional em favor das empresas e
de seus stakeholders.
A inteligência artificial dá aos indivíduos e grupos o poder e a possibilidade de aumentar a
produtividade e a criatividade em todos os níveis organizacionais e torna viável o acompanhamento dos
resultados. Torna mais fácil para as empresas atingirem seus objetivos em diversas áreas e
aumenta sua lucratividade, dando-lhes espaço para se tornarem mais competitivos, diminuir despesas,
reforçar a segurança e oferecer dados continuamente [37]. Essas mudanças melhoram as
abordagens que podem ser utilizadas nas etapas do PGC. Se implementada com sucesso, a
adoção da tecnologia de IA na GC oferece enormes vantagens (Figura1).
Aprimorando o conhecimento
Entrega de conhecimento mais fácil
compartilhamento, uso e captura
Removendo linguística Aumentando a flexibilidade da

barreiras representação do conhecimento
Vantagem da IA para KM
Aprimorando o intelectual Conhecimento baseado em pessoal

capital preferências
Um conhecimento em tempo real

Fácil resolução de problemas
sistema
Figura 1.IA Adv. um

tags de IA para GC.
3. Pesquisa odologia
Metanfetamina
Este cr a análise teórica visa avaliar o nível atual de IA na GC. Para esta investigação,
todos os atuais relevan A literatura foi estudada com o CA realmente. A abordagem de revisão m faz
considerável nóseo f objetivos estruturados, o S copus banco de dados e coleta de informações anel
e -técnica de análise técnicas. Para dar uma compreensão abrangente e breve avaliação do s estudar
assuntos, foi selecionado um subconjunto dos componentes essenciais de relatórios para revisões críticas.
3.1. Seleção
Todo o re o processo de pesquisa dependia muito em data a recuperado do Scopus. Todas as posições possível
fontes foram vasculhadas para garantir a precisão das informações aqui apresentadas. No entanto, nem todos
os trabalhos de investigação pendentes foram incluídos nos parâmetros de pesquisa. Houve 120 análises dos
resultados do Scopus até agora (10 de janeiro de 2023). No total, 24 foram considerados significativos (Figura2).
Os artigos foram selecionados para avaliação através do desenvolvimento de critérios de inclusão e exclusão e
da identificação de termos essenciais (ver Tabela1para mais detalhes).
Figura 2.Processo de seleção de trabalhos de pesquisa (método PRISMA).

Tabela 1.Estratégia de pesquisa.
Terminologia Chave Critério de inclusão Critério de exclusão
Capítulos de livros, dissertações, artigos

“Inteligência Artificial” E
A combinação de IA e GC de conferências, trabalhos baseados em
“Gestão do Conhecimento”
entrevistas e resenhas.
O estudo pode ter sido publicado a qualquer

“IA” E “Gestão do Conhecimento” Artigos na imprensa
momento entre 2012 e 2022.
A cobertura do estudo está restrita

“Inteligência Artificial” E “KM” Artigos em outros idiomas
à revista.
“AI” E “KM”
“Inteligência Artificial” E “Sistema Baseado em
Conhecimento”
“IA” E “Sistema baseado em conhecimento”
3.2. Limitações
As revisões críticas raramente incluem um exame abrangente de todas as pesquisas relevantes.
Eles são incapazes de avaliar a qualidade dos estudos escolhidos, especialmente estudos qualitativos que
carecem de uma hierarquia de design [38]. Além disso, as revisões críticas frequentemente não
conseguem descrever a estratégia global de investigação, o método utilizado para selecionar e excluir
artigos, as restrições da estratégia de pesquisa, a eficácia do procedimento de pesquisa e a metodologia
da análise [39]. A base de dados utilizada para esta revisão, Scopus, limitou o processo de revisão.
4. Resultados e discussão
4.1. Resultados da seleção
Esta avaliação crítica inclui 24 artigos. Os artigos escolhidos estão listados abaixo, juntamente com
uma explicação dos resultados gerais da categorização.
4.2. Estado atual

As empresas não são mais vistas como indústrias e, em vez disso, são percebidas do ponto de vista do
conhecimento. O conhecimento é empregado como recurso no atual ambiente corporativo [40]. Isto é
particularmente verdade tendo em conta que as empresas de sucesso são aquelas que reconhecem, avaliam e
geram conhecimento, bem como o transformam em ativos. Para garantir que é gerado mais valor para
satisfazer as necessidades das organizações e das pessoas, o ciclo de vida do conhecimento, que começa com o
progresso e os dados e se desenvolve em informação, seguido pelo conhecimento, precisa de ser encurtado. As
capacidades de inteligência artificial são agora adicionadas às tecnologias de informação e comunicação para
garantir que as empresas tiram o máximo partido do que estas tecnologias têm para oferecer.
Na maioria das empresas modernas, as ferramentas e sistemas de IA são amplamente utilizados.

Lógica matemática, heurística de pesquisa e reconhecimento de padrões são realizados com esses
instrumentos. Nos últimos anos, a GC tem atraído um interesse crescente de indústrias nas quais os
avanços da IA são aplicáveis.41]. As organizações podem usar agentes inteligentes de diversas
tecnologias relacionadas à IA, como algoritmos genéticos, agentes inteligentes e redes neurais, para
executar tarefas como criação de perfil de usuário, análise semântica de textos, mineração de texto e
correspondência de padrões.
As tecnologias de Inteligência Artificial ajudam as empresas a melhorar as estratégias de GC. Do
ponto de vista da IA, a representação do conhecimento requer a familiarização dos processos
organizacionais com esta informação [42]. Isso resulta na automação das operações de GC, permitindo
que os sistemas computacionais extraiam informações e tirem conclusões do conhecimento em um
formato explorado interpretável por máquina. A questão de quanto a IA pode contribuir para a GC tem
sido extensivamente explorada.
Este estudo apresenta uma revisão crítica obtida de vários artigos publicados a cada ano, incluindo
categorias de assuntos, densidade de palavras-chave, formato do documento e distribuição por país dos
autores. Além disso, este estudo conclui com uma avaliação das publicações de investigação sobre IA e
GC nas aplicações indicadas que foram publicadas entre 2012 e 2022.
Mesa2apresenta o número de artigos criados para cada área temática de 2012 a 2022.
Engenharia (10 artigos) e Ciência da Computação foram os assuntos principais (9 artigos). Com o
crescimento que a Ciência da Computação tem experimentado desde 2019, prevê-se que
eventualmente iguale ou supere a Engenharia em termos de número de artigos, embora a
engenharia normalmente contenha mais artigos. Além disso, o aumento em Negócios, Gestão e
Contabilidade indica uma expansão do uso de IA e GC nessas áreas.
Mesa 2.O número de artigos sobre assuntos específicos publicados entre 2012 e 2022.
Campo 2012 2013 2014 2015 201 6 2017 20 18 2019 2 020 2021 2022
Engenharia - - 1 - - - - 3 1 1 4
Ciência da Computação - - - - - - - 1 - 2 6
Negócios, gestão e contas passeio - - - - - - - 3 3 1 3
Matemática - - - - - - - 2 - 1 2
Física e Astronomia - - - - - - - - 2 2 3
Engenheiro químico - - 1 - - - - - - - 2
Ciências Sociais - - - - - 1 - - - 1 1
Ciência de materiais - - - - - - - - - - 2
Bioquímica, Genética e
- - 1 - - - - - - - -
Biologia Molecular
Ciências da Decisão - - - - - - - - - - 1
Ciências da Terra e Planetárias - - - - - 1 - - - - -
Economia, Econometria e Finanças - - - - - - - - - 1 -
Figura3mostra o número anual de artigos divulgados de 2012 a 2022. Os únicos documentos

acessíveis de 2012 a 2018 foram os dois de 2014 e os dois de 2018. As informações a seguir
demonstram como as datas de publicação evoluíram ao longo do tempo: cinco artigos (21%) foram
publicados em 2019, quatro artigos (17%) em 2020, dois artigos (8,3%) em 2021 e onze artigos
(46%) em 2022. Vale ressaltar que no campo da pesquisa em GC e IA, particularmente em 2022, um
ocorreu um aumento considerável. O maior número de estudos publicados nesta área ocorreu em
2022. Além disso, houve um aumento constante no número de publicações publicadas sobre o
papel da IA na GC durante os últimos três anos, de 2012 a 2022. Ao longo dos anos, ajustes foram
feitas à GC e ao local de trabalho. A importância da tecnologia da informação na GC tem crescido
nos últimos anos. Como a capacidade de um sistema de usar o conhecimento adquirido para
atingir tarefas e objetivos específicos por meio de adaptação flexível, a IA fez progressos científicos
significativos nos últimos dez anos [43].
2022 11
2021 2
2020 4
2019 5
2018 0
Ano
2017 1
2016 0
2015 0
2014 1
2013 0
2012 0
0 2 4 6 8 10 12
Quantidade
Figura 3.Números anuais de publicação, de 2012 a 2022.

Figura4ilustra as palavras da nuvem geradas a partir da conexão entre o

palavras-chave das publicações escolhidas para o estudo crítico da literatura. A revisão descobriu
que as frases inteligência artificial, gestão do conhecimento, aprendizado de máquina e aquisição
de conhecimento foram as usadas com mais frequência. O rápido avanço da IA, especialmente na
aplicação de aprendizado de máquina em GC, pode ajudar as organizações a otimizar os sistemas
de GC necessários às empresas [44]. O aprendizado de máquina pode ajudar na aquisição de
dados complexos e na entrega de soluções críticas ocultas nesses ativos [45].
Figura 4.Termos-chave em artigos (criados porwww.wordclouds.com, 10 de janeiro de 2023).
Figura5retrata a porcentagem de escritores por nacionalidade. A China (cinco autores) e a

Bélgica (quatro autores) foram as duas nações com mais autores. A demografia pode ser um
componente importante nesta área.
Figura 5.A distribuição dos autores em cada país.
Mesa3apresenta as dez publicações mais citadas de 2012 a 2022. Há também necessidade de

pesquisas para ampliar as capacidades da IA no campo da GC. A Inteligência Artificial e a GC são
áreas semelhantes, pois ambas estão profundamente ligadas ao conhecimento; o
A distinção está em como – enquanto a IA fornece aos computadores a capacidade de aprender, a GC fornece uma
plataforma através da qual se pode compreender melhor as informações.
Tabela 3.Artigos com mais citações (2012–2022).
Meta Ano Citado Referência
Uma abordagem analítica para integrar IA, gestão de relacionamento com o cliente e GC para
2020 44 [46]
aprimorar as operações de negócios
Colocando à prova a dimensão tácita da IA e da GC 2017 32 [18]

Uma perspectiva de GC em sistemas sem fio autônomos usando IA 2019 29 [47]
Engenharia de recursos de estrutura de materiais para sistemas de conhecimento de materiais baseados em IA 2020 19 [48]
Implementação de IA em saúde eletrónica: um estudo de caso do painel de gestão de dados
2014 18 [49]
epidemiológicos na Polónia
A contribuição da GC para melhorar algoritmos e sistemas de IA 2020 12 [50]

Um método que utiliza IA para auxiliar na GC na seleção de estratégias de
2020 11 [51]
inovação e criatividade.
Cooperação IA-funcionário e desempenho empresarial: integrando uma estrutura de

2022 10 [52]
socialização organizacional, sistemas sociotécnicos e perspectiva baseada no conhecimento
KM usando IA para auto-implantação de sistemas sem fio não estacionários 2019 10 [53]
Um sistema de IA baseado em conhecimento para auxiliar na tomada de decisões de vendas 2019 10 [54]
4.3. Desenvolvimentos em Diferentes Aplicações

A Inteligência Artificial é uma ferramenta poderosa que apoia o conhecimento em todas as áreas. Esta
parceria ajuda o KMP porque a IA está constantemente a melhorar com novas tecnologias. O conhecimento é a
chave para GC e IA. Como resultado, a eficiência que a IA pode proporcionar às empresas funciona como uma
ferramenta de acessibilidade para as suas necessidades. Somente por meio da teoria científica, dos princípios
de conhecimento e dos processos é possível compreender as vantagens e desvantagens da GC e da IA.
Compreender as relações de poder é crucial para compreender como a IA e a GC interagem, uma vez que os
indivíduos debatem continuamente as suas identidades, regras e futuros enquanto usam a IA e a GC para
promover as suas próprias iniciativas opressivas ou de oposição ou as de outras pessoas.55].
Houve estudos de pesquisa sobre IA e GC, mas poucos foram conduzidos sobre como os dois
podem ser combinados para melhorar negócios, organizações, sistemas sem fio, cuidados de
saúde, tutoriais e inovações (Figura6). O estudo de Alghanem et al. [50] ilustra a relação entre
práticas de GC e sistemas de IA de uma perspectiva mais elevada, oferecendo várias opções para
aplicar outras práticas de GC ao mesmo algoritmo de IA para mitigar problemas de implementação
e aumentar a adoção. O principal resultado da pesquisa foi a influência significativa que certas
atividades de GC, como a produção e aquisição de conhecimento, tiveram em vários sistemas e
algoritmos de IA, proporcionando às empresas opções alternativas de implementação. Além disso,
o estudo revela que a maioria dos estudos concorda que a dramatização pode melhorar os
algoritmos e sistemas de IA e que as técnicas de GC têm o mesmo efeito. O trabalho de Sanzogni
et al. [18] estuda como a IA pode contribuir para a discussão da GC. Para avançar na discussão do
conhecimento, investiga a função do conhecimento tácito e os limites teóricos da GC e da IA. O
conhecimento especializado só pode ser obtido através da experiência, uma vez que combina
conhecimento tácito coletivo, conhecimento tácito somático e informação tácita relacional (isto é,
aprendizagem no trabalho). É importante examinar como as pessoas e a tecnologia baseada em IA
interagem durante a realização de atividades relacionadas à GC. Esta pesquisa expande trabalhos
anteriores na área, fornecendo uma imagem mais abrangente de como a IA tem sido usada para
melhorar a qualidade da GC.
Figura 6.Aplicações gerais de IA e GC nos artigos estudados.
A quantidade e adequação dos dados obtidos têm impacto direto na qualidade das decisões
tomadas; portanto, neste ponto, as técnicas de IA podem ser de grande ajuda. Podem ser utilizados, por
exemplo, por uma empresa que opera num determinado ambiente económico para especificar a
informação necessária para atingir objectivos estratégicos e fornecê-la através do processo de produção
de conhecimento. A conversão de enormes volumes de dados em informações úteis que possam ser
utilizadas proativamente na tomada de decisões é uma tarefa difícil. A coleta e análise de dados ajudam
os gerentes a fazer escolhas estratégicas lógicas. Através de sinergias e competências de processamento
de informação, a GC apoiada pela tecnologia da informação facilita a criação e utilização de eficiência
operacional e capacidades inovadoras [56].
4.3.1. Empresarial e Organizacional

A literatura atualmente publicada descreve a relevância da inteligência colaborativa, que resulta de uma
colaboração eficiente entre funcionários humanos e sistemas de IA para produzir resultados que são
importantes para as organizações. Sobre os elementos que impactam a relação entre a IA e o ser humano e o
seu efeito no sucesso das empresas, há, no entanto, uma escassez de resultados de investigação. Para colmatar
esta lacuna de conhecimento, Chowdhury et al. [52] criaram e verificaram um modelo teórico único com foco
em como o compartilhamento de conhecimento, a confiança, as habilidades de IA dos trabalhadores e a clareza
do trabalho se relacionam com um melhor sucesso nos negócios. O modelo baseia-se nos sistemas
sociotécnicos (STS), na visão baseada no conhecimento (KBV) e na estrutura de socialização organizacional
(OSF). Com a ajuda destas descobertas, os gestores e a comunidade de IA serão capazes de estabelecer
capacidades de inteligência colaborativa dentro das suas organizações.
O objetivo do artigo de Chatterjee et al. [46] é identificar os principais fatores de sucesso (FCS) para
um sistema de gestão de relacionamento com o cliente integrado à IA que melhoraria a GC nas empresas
e aumentaria a eficiência operacional. O modelo estrutural interpretativo sugerido serve como um
roteiro completo e eficiente para melhorar o desempenho ao usar o gerenciamento de relacionamento
com o cliente de IA para apoiar ambientes de GC. As conclusões indicam que o apoio da gestão sénior é
necessário para a implementação eficaz de sistemas de gestão de relacionamento com clientes
integrados em IA para melhorar a GC e, consequentemente, melhorar os processos da empresa. O
objetivo do artigo de Baierle et al. [54] teve como objetivo discutir a criação de um sistema baseado em
conhecimento que, com o auxílio de regras, possa auxiliar a tomada de decisão do departamento
comercial de uma empresa. Ao utilizar o sistema baseado em conhecimento, o processo de tomada de
decisão pode se tornar mais confiável e flexível, além de ser viável modelar prováveis cenários de
negócios futuros. Todos os fatores do estudo são significativos de alguma forma para o processo de
tomada de decisão e precisam ser examinados coletivamente para produzir uma conclusão confiável;
caso contrário, poderá ser feita uma escolha errada, o que prejudicaria a implementação do plano da
empresa. A principal contribuição do estudo de caso de Baierle et al. é a revelação de como um sistema
baseado em conhecimento ajudou uma empresa do setor de vendas no sul do Brasil a descobrir uma
solução adequada para um problema de negócios. O gol de Bencsik [56] pesquisa teórica foi criar uma
estrutura que, começando com o modelo de negócios e usando a sinergia de GC e IA, delineie uma
maneira de prever o sucesso de inovações futuras, garantindo ao mesmo tempo a viabilidade da
estratégia através do uso de decisões gerenciais apropriadas. O resultado do estudo é um modelo para
antecipar inovações bem-sucedidas que, quando utilizado na etapa de criação de conhecimento da GC
com a assistência da IA, oferece a base para fazer as melhores escolhas de gestão para garantir a
consecução dos objetivos estratégicos. A implementação real do modelo nas operações comerciais
incentiva a previsão gerencial e os julgamentos relativos a investimentos inovadores que têm
impacto no desempenho organizacional.
O objetivo do estudo de Leoni et al. [57] é fornecer e testar empiricamente um modelo conceptual
no qual a resiliência da cadeia de abastecimento, os KMP e a IA são todos tidos em conta
simultaneamente em termos das suas relações recíprocas e dos efeitos no desempenho das empresas
transformadoras. Esta investigação mostra que os KMP precisam de ser cuidadosamente considerados
como um mecanismo de mediação para as empresas industriais interessadas em utilizar corretamente a
IA para melhorar o seu desempenho e resiliência. O trabalho de Alshadooee et al. [58] demonstra como
os sistemas de apoio à decisão administrativa baseados em GC podem ser melhorados usando IA. A
administração de uma faculdade privada é utilizada na pesquisa como variável da qual dependem os
resultados. A maioria dos métodos de gestão de atividades empresariais que promovem a organização e
a administração foram melhorados pelos avanços tecnológicos. As empresas deste setor precisam de
avançar gradualmente para a digitalização de todos os ciclos industriais e processos empresariais ligados
à administração; cada vez mais, o mesmo pode ser dito de serviços cruciais em instituições educacionais.
O conhecimento necessário para formar a base de um sistema educativo eficiente e eficaz ainda
apresenta limitações significativas devido à necessidade de assistência competente na tomada de
decisões, utilizando a GC para uma boa governação e para melhorar a reputação de instituições
específicas.
4.3.2. Inovação Geral

Para aumentar a expansão da consciência sobre a digitalização do setor da construção, as
estruturas organizacionais e os estabelecimentos empresariais precisam construir procedimentos
criativos e de resolução de problemas. O trabalho de Botega e da Silva [51] pretende demonstrar
um sistema de suporte criativo capaz de lidar com esse volume de dados e oferecer insights para
potencializar o desenvolvimento de novos produtos. O procedimento de validação confirma a
aplicabilidade da estratégia e sugere melhorias para futuros avanços. Este sistema baseado em
conhecimento pode ser útil no ensino de estudantes de Design e Engenharia sobre facetas cruciais
da criatividade e do processo de seleção de abordagens, bem como em situações de aplicação do
mundo real e na troca de informações sobre técnicas criativas e inovadoras. Um modelo de
avaliação de algoritmo de avaliação difusa de GC baseado em IA foi usado na pesquisa de Liu e
Zhang [59] para avaliar a GC inovadora de 16 universidades. Durante o processo de
estabelecimento do modelo, foram determinados a arquitetura da rede, a função de ativação, os
parâmetros de aprendizagem e o algoritmo da rede neural. O modelo foi treinado e validado
usando dados de amostra de aprendizagem. Os resultados da avaliação indicaram que o modelo
sugerido para avaliar o conhecimento inovador das universidades, baseado no algoritmo fuzzy e
no algoritmo de IA, é operável, científico e aplicável. Os resultados estavam alinhados com os
resultados da avaliação real do ano, o que ilustra a imprecisão das inovações universitárias em GC,
de acordo com a IA difusa, que foi usada para avaliar o algoritmo. Os resultados demonstram a
viabilidade da abordagem avaliativa. O estudo de Bokhari e Myeong [60] pretende usar a teoria da
ciência dos serviços baseada na GC e a teoria da difusão da inovação para examinar a ligação
quantitativa entre o desempenho da cidade inteligente, a inovação, a governação eletrónica e a GC
orientada para a tecnologia. O estudo revelou que as ligações diretas são contextuais porque a
inovação medeia a relação entre a prestação de serviços eletrónicos e a GC, e a governação
eletrónica medeia a relação entre a prestação de serviços eletrónicos e a inovação.
Liu [61O trabalho de ] investiga os efeitos mais significativos da IA na gestão da inovação do
conhecimento e as variáveis mais influentes nesse processo. As conclusões demonstram que a IA
teve um efeito substancial nos componentes dinâmicos, nos elementos de capacidade, nos
elementos ambientais e na gestão de stocks do fluxo de informação. A Inteligência Artificial tem
efeitos endógenos na melhoria do fluxo de conhecimento e na difusão da rede. A tecnologia de
Inteligência Artificial fomentou a construção de inovações técnicas únicas e teve uma clara função
de reconhecimento automático de novos conhecimentos, o que estimulou o principal poder de
transmissão interna da inovação em conhecimento. Além disso, as atividades de IA
valorizou o nível de energia da invenção original e dos avanços tecnológicos progressivos, que
foram principalmente derivados do profundo fluxo de conhecimento do sistema de inovação. A
eficiência da transferência de conhecimento em escoamento profundo e a taxa de retenção foram
modificadas pela rede de conhecimento. A taxa de penetração da IA influenciou o âmbito da
indústria inteligente para a colaboração e a aplicação de conhecimento integrado. O objetivo do
estudo de Arias-Pérez e Cepeda-Cardona [62] é examinar o impacto moderador da revolução
tecnológica criada pela IA na interação entre as técnicas clássicas de GC de codificação
personalizada (conhecimento explícito) e o conhecimento tácito, bem como a improvisação
organizacional, que se refere à capacidade de uma empresa de gerar ideias e reagir a mudanças
no ambiente tecnológico em tempo real. A codificação e a personalização têm um impacto
consideravelmente positivo na improvisação; o efeito do primeiro é mais forte do que o do
segundo. A associação entre personalização e improvisação, no entanto, é mais fraca quando
ocorre uma revolução tecnológica criada pela IA, mas o vínculo entre codificação e improvisação é
mais forte.
4.3.3. Tutorial
A Inteligência Artificial pode aumentar o conhecimento dos colaboradores através de requalificação e
melhoria de competências, por exemplo. As organizações podem utilizar esta informação para oferecer
desenvolvimento e formação direcionados à medida que os sistemas de IA se tornam mais conscientes dos
talentos e ações humanas. O artigo de Bilquise e Shaalan [63] examina os problemas com o atual sistema de
aconselhamento do ponto de vista da GC e sugere uma estrutura integrada baseada em IA para lidar com as
funções primárias de aconselhamento. O estudo propõe três sistemas baseados em IA para melhorar o atual
processo de consultoria: um sistema especialista baseado em regras que recomenda cursos e gera planos de
estudo para o próximo semestre; um sistema precoce baseado em aprendizagem automática para a detecção
de alunos em risco de reprovação num curso; e chatbots conversacionais de IA para oferecer aos alunos suporte
digital individualizado. Todos os três sistemas trabalham juntos para fornecer aos orientadores e alunos ajuda e
orientação individualizada, usando as informações do sistema de informação atual. O tutorial de Kalidindi [48]
cobre as ideias básicas que apoiam metodicamente a arquitetura do sistema de conhecimento de materiais
baseado em IA (AI – MKS) recém-desenvolvida. Para capturar as ligações processo-estrutura-propriedade
através de uma hierarquia de estrutura de material/escalas de comprimento, essas abordagens se concentram
na engenharia de recursos da estrutura interna de materiais heterogêneos para gerar representações de baixa
dimensão, que podem ser combinadas com modelos de aprendizado de máquina para construir modelos
substitutos de baixo custo computacional. Essa estrutura, conhecida como sistemas de conhecimento de
materiais (MKS), mescla com sucesso os atuais conjuntos de ferramentas de IA/aprendizado de máquina com os
atuais conjuntos de ferramentas de simulação experimental e baseada em física utilizados por especialistas de
domínio no negócio de materiais. O principal objetivo do tutorial é estabelecer as bases para que os
especialistas do domínio compreendam e aproveitem as oportunidades que resultarão da integração sinérgica
de tecnologias de IA/aprendizado de máquina nos esforços contínuos para criar novos materiais, ao mesmo
tempo que delineia um curso de ação claro para atingir esse objetivo. .
Através do impacto mediador do ambiente de aprendizagem na indústria de serviços da Arábia

Saudita, Baslom e Tong [64A pesquisa de ] procurou investigar a ligação empírica entre a consciência da
IA e a gestão estratégica do conhecimento organizacional. Os dados dos entrevistados-alvo foram
coletados usando metodologias de questionário e entrevista, e um questionário estruturado foi
produzido para melhor compreensão. Os resultados da análise fatorial mostram que todos os
indicadores do ambiente de aprendizagem, GC estratégica e consciência da IA tiveram cargas fatoriais
excelentes. Os resultados de um modelo de equação estrutural da gestão estratégica da informação e da
sensibilização para a IA mostram que a distribuição do conhecimento, a aquisição de conhecimento e a
capacidade de resposta do conhecimento influenciam significativa e favoravelmente a sensibilização para
a IA. A associação entre IA e aquisição de conhecimento, bem como a relação entre disseminação de
informação e IA, são ambas consideravelmente mediadas pelo clima de aprendizagem (CL), de acordo
com pesquisas sobre a influência mediadora do LC. No entanto, o papel do LC como mediador entre a
capacidade de resposta ao conhecimento e a IA é mínimo. Yang et al. [65] sugeriu uma abordagem
inteligente baseada no conhecimento
sistema de recomendação (IKRS) para educação inteligente utilizando IA. As sugestões foram criadas por
meio do algoritmo evolutivo e do algoritmo K-vizinho mais próximo (KNN), aplicando os pesos ideais para
atribuir vetores que refletem os pontos de vista do aluno. Os resultados experimentais mostraram que o
modelo IKRS sugerido melhora a qualidade da aprendizagem, os níveis de envolvimento dos alunos e as
interações aluno-professor, e prevê os estilos de aprendizagem dos alunos quando comparado com
outras metodologias existentes. Com base em suas descobertas, Sun e Gu [66] concluem que um gráfico
de conhecimento para educação inteligente assistida por IA tem o potencial de reunir o conhecimento
especializado de especialistas disciplinares e a experiência de ensino, melhorar a capacidade da máquina
de se comunicar com humanos e fornecer informações orientadas pelo conhecimento e por dados-
técnicas de processamento.
4.3.4. Sistemas sem fio

A Inteligência Artificial pode ser usada para melhorar uma ampla gama de capacidades de
tecnologia sem fio. Gacanina [47] fornece uma visão para operações sem fio orientadas pelo
conhecimento usando técnicas de IA, incluindo aprendizagem ativa, GC, raciocínio e sentido. O objetivo
de combinar GC com aprendizagem ativa, raciocínio e bom senso é dar inspiração aos leitores, bem
como uma enorme abordagem geral de IA independente de dados para agentes autônomos no contexto
de auto-organização em tempo real. Em outro estudo, Gacanin et al. [53] fornecem uma ideia totalmente
nova para uma estrutura de KM que permite autoaprendizagem e autootimização para operação de
sistema sem fio em tempo real. Uma estrutura de autoimplantação baseada em IA foi testada em
diversas situações internas, incluindo ambientes residenciais e empresariais com implantações densas de
pontos de acesso próximos que causaram interferência e contenção, usando o banco de testes e o
simulador de conformidade padrão, ns-3. O agente obteve informações suficientes de atividades
anteriores, aumentando o calibre dos julgamentos feitos no futuro. O agente recebeu conhecimento de
domínio para usar como guia enquanto descobre e aproveita uma série de comportamentos potenciais
no ambiente. Para lidar com o problema de dureza não determinística em tempo polinomial de
combinação de otimização de canal e localização em um sistema sem fio, o agente garante que o
aprendizado seja de baixo custo e cria uma configuração de rede próxima do ideal. Para extensores sem
fio não estacionários, Gacanin et al. [67] fornecem uma técnica de autoimplantação na qual as conexões
back-haul e front-haul são otimizadas. Atribuição Inteligente de Canal e Otimização de Localização
(ICALO) é uma abordagem de autootimização para extensores sem fio em redes de malha sem fio que
usam uma estrutura de aprendizagem alimentada por IA. O método ICALO otimiza os canais
operacionais e a localização dos extensores, alcançando um equilíbrio entre o desempenho de back-haul
e front-haul, levando em consideração a influência de redes adjacentes descoordenadas, o custo de
aprendizagem e a dinâmica da rede. As descobertas de Gacanin et al. demonstram aumentos
consideráveis no rendimento através de uma variedade de diferentes técnicas de atribuição de canais,
bem como uma convergência consideravelmente mais rápida para o desempenho máximo, com menos
ações do que a aprendizagem por reforço não guiada. Os autores oferecem uma estrutura de raciocínio
baseada em casos para IA que permite a autoimplantação com aprendizagem ambiental por meio de
detecção e percepção. Ao equilibrar a exploração e aproveitamento do espaço de busca, a otimização
específica do problema e a aprendizagem semissupervisionada geram novas ações ou posições
extensoras.
4.3.5. Assistência médica
A gestão do conhecimento é essencial para o setor de saúde porque promove uma melhor cooperação
entre os profissionais e melhora os resultados dos pacientes. Para reduzir a pressão sobre os profissionais de
saúde e, eventualmente, poupar-lhes dinheiro, a IA pode automatizar certas operações. Um sistema de GC em
saúde é apresentado por Phan et al. [68] para possibilitar a geração sistemática de conhecimento sobre dados
variados em hospitais. Os resultados da sua investigação mostram que o sistema garante o processo de
geração de conhecimento, permitindo a exploração e exploração do conhecimento para melhorar a tomada de
decisões em saúde. O sistema de conhecimento foi utilizado para identificação e categorização de sangramento
cerebral e hipertensão arterial em formatos de texto e imagens de tomografia computadorizada/ressonância
magnética, respectivamente, utilizando dados médicos hospitalares. Pode ajudar os médicos a diagnosticar
corretamente doenças para que possam fornecer planos de tratamento eficazes. O objetivo
de Ziuzianski et al. [49O estudo de ] teve como objetivo delinear a técnica de implementação de painéis
na GC de e-saúde e ilustrar o status atual dos sistemas de IA de e-saúde. Painéis de desempenho
vinculam fontes de dados e mostram dados para permitir tomadas de decisão mais rápidas e precisas.
De acordo com o seu projecto de painel utilizando dados epidemiológicos na Polónia, Ziuzanski et al.
descreveu as diversas fontes de dados epidemiológicos e apresentou um estudo de caso. Como mostram
os exemplos dados pelos autores, a utilização deste tipo de sistemas em e-saúde aumentou
consideravelmente nos últimos anos. Dadas as lacunas nos sistemas de saúde demonstradas pela
pandemia de COVID-19, Nasseef et al. [69] explorou as consequências do uso de uma estrutura de saúde
pública baseada em IA para melhorar a tomada de decisões relativas ao efeito das interações entre
governos (G2G). A representação do problema no Knowledge-based Exchange on AI-based COVID-19
Diagnosis (AI-D) demonstra como o solucionador foi cognitivamente ativo no processamento do
conhecimento sobre o problema alvo enquanto usava uma solução de tarefa COVID-19 baseada em IA. A
compreensão atual do solucionador sobre a substância do problema está intimamente ligada a esta
representação como consequência das representações externas do problema COVID-19 baseadas em IA.
Mesa4fornece um resumo dos artigos revisados neste estudo, listados de cima para baixo
por citação. Isto se baseia nas áreas de foco dos artigos, incluindo inovação geral, saúde, negócios
e organizações, sistemas sem fio e tutoriais. A Inteligência Artificial já deu um contributo
significativo para a excelência e eficácia da GC em termos de métodos de pensamento e resolução
de problemas, bem como através de sistemas de otimização, agendamento, sistemas de apoio à
decisão, planeamento, tutores inteligentes, modelação e processamento, e conhecimento
aquisição, conforme evidenciado pelos exemplos acima mencionados [70].
Tabela 4.Uma visão geral das principais aplicações nos artigos incluídos nesta revisão.
Negócios e
Citação Inovação Geral Assistência médica Sistemas sem fio Tutorial Fonte
Organizacional
44 X [46]
32 X [18]
29 X [47]
19 X [48]
18 X [49]
12 X [50]
11 X [51]
10 X [52]
10 X [53]
10 X [54]
6 X [69]
6 X [56]
4 X [68]
3 X [66]
3 X [67]
2 X [62]
1 X [60]
1 X [65]
1 X [59]
1 X [64]
0 X [58]
0 X [57]
0 X [63]
0 X [61]
4.4. Direções futuras

Conforme mencionado na literatura, o KMP é crucial para o sucesso das empresas, uma vez que,
em última análise, conduz a uma vantagem competitiva. A integração da GC com algoritmos de
aprendizado de máquina e linguagem natural conectados à tecnologia de IA é bastante benéfica. Isso
pode facilitar as operações corporativas e economizar despesas. Recomenda-se que o sector público
implemente esta tecnologia para minimizar o tempo necessário para atribuir e registar dados de
atendimento ao cliente.
A era digital é a quarta revolução industrial a afetar o setor da construção. Modelagem de
informações de construção, realidade virtual, veículos aéreos não tripulados e IA são empregados
e integrados às responsabilidades diárias da indústria para facilitar operações mais eficientes. A
gestão do conhecimento teve origem no início e meados da década de 1990, como uma técnica
corporativa para aumentar a produtividade e a qualidade. Após décadas de estudo sobre GC,
constatou-se que as pesquisas sobre IA e GC se complementam em termos de gerar melhores
procedimentos para facilitar uma melhor GC.
O uso da gestão do conhecimento como estratégia de negócios oferece às empresas uma
vantagem competitiva que lhes permite superar seus rivais. O uso bem-sucedido da GC pode aumentar
as receitas, reduzir a exploração de recursos, aumentar a economia e proporcionar um aumento notável
na aceitação do usuário.71]. A gestão do conhecimento apoia a formação de um ambiente propício à
educação e à aprendizagem, ambas consideradas vantagens para as empresas, uma vez que os
trabalhadores são incentivados a continuar a sua educação, a adquirir novas competências e a assumir
posições de liderança, sendo muitas vezes recompensados como resultado. Para se tornarem mais
competitivas, as organizações precisam de fazer ajustes fundamentais nos seus planos estratégicos para
melhor satisfazer as necessidades dos mercados locais. Quando implementada em uma configuração
estratégica, a GC facilita a compreensão dos ambientes locais, discriminando entre diversas instituições,
demandas de entidades e preferências do consumidor.72]. As economias globais de hoje estão a mudar
a um ritmo sem precedentes. Neste ambiente em mudança, seja à escala local ou global, as empresas
querem pessoal que seja treinado com precisão para detectar informações e conhecimentos críticos.
Consequentemente, as empresas podem aumentar a sua produção através do uso estratégico da GC [56
]. Os padrões encontrados no estudo de Cantu-Ortiz et al. [73] indicam que os sistemas autônomos e
outras tecnologias de IA, incluindo robótica, visão computacional, reconhecimento de voz, IoT e outros
campos relacionados, têm pouca interação com a GC atualmente, mas têm alto potencial para fertilizar a
GC, particularmente no período que abrange 2026–2030 , após um período de incubação que vai de
2020–2025.
A disponibilidade de dados autorizados é um dos principais problemas que o atual setor de IA enfrenta.
Os sistemas de Internet com bases de dados descentralizadas e acessíveis ao público oferecem a capacidade de
resolver este problema. A análise e o processamento dos dados herdados pelo blockchain levaram à criação de
um corpo de conhecimento inestimável e à monetização das informações do blockchain para empresas e
desenvolvedores de IA. Existem muitas oportunidades para colocar essas informações em uso no mundo real
para produzir inovações ou revolucionar modelos de negócios, incluindo infraestrutura para veículos elétricos,
cadeias de abastecimento autônomas inteligentes, casas inteligentes, cidades inteligentes, bancos
descentralizados e troca de commodities [74].
Apesar da falta de aceitação da IA e de ferramentas eficazes de GC, a digitalização do setor da
construção levou à utilização de ferramentas de IA. Isto demonstra que a IA será em breve utilizada para
apoiar a GC em todos os setores; no entanto, existem maiores aplicações para a IA no contexto da GC
que podem ter um efeito significativo e ajudar organizações e empresas. Uma pesquisa recente revela
que a grande maioria dos gastos com IA tem pouco ou nenhum efeito [75]. Décadas de estudos sugerem
que as mudanças organizacionais precisam acompanhar a implantação de TI para que esta seja eficaz.
Estes são chamados de suplementos organizacionais [76].
5. Conclusões
A gestão do conhecimento é o processo de criação, uso, compartilhamento e gerenciamento
das informações e do conhecimento de uma organização. A GC tradicional evoluiu ao longo dos
anos, mas a documentação sempre serviu como base. No entanto, a mudança considerável para o
trabalho remoto e híbrido revelou deficiências nas práticas actuais. Esses vazios vão
será preenchido pela IA, o que também afetará a forma como o KM é convertido e operado.
Embora a IA tenha sido implementada por poucas empresas devido ao investimento inicial
necessário, as empresas hesitam porque desconhecem todas as vantagens da IA e como esta
pode melhorar a GC dentro das equipas. Para determinar a diferença entre processos de negócios
sem IA para GC e aqueles que usam IA para auxiliar a GC, é necessário realizar um estudo sobre o
uso da IA para beneficiar a GC em vários setores. Este artigo examina pesquisas publicadas entre
2012 e 2022 sobre IA e GC, com foco em como a IA pode ajudar as empresas em seus esforços
para gerenciar adequadamente o conhecimento e a informação. Com base nos resultados deste
estudo, a GC tem sido intensamente estudada ao longo dos anos, mas ainda há muito a aprender
e nenhuma abordagem pode ser considerada a melhor para a gestão do conhecimento dentro de
organizações ou empresas. Nos últimos anos, assistimos a um aumento no interesse da indústria
pela IA, à medida que a indústria da construção entrou na sua quarta revolução industrial e se
tornou mais digitalizada. A maioria das organizações do setor da construção tem hesitado em
implementar a IA porque exige um investimento inicial substancial, incluindo a contratação de
pessoal capaz de interagir com as máquinas. Além disso, estas empresas têm lutado para adotar
sistemas eficientes de GC. Nesse sentido, o número de trabalhos sobre IA e GC está aumentando
em diversas áreas, como engenharia, ciência da computação, negócios, gestão, etc.
Este estudo revisou como a combinação de IA e GC poderia aprimorar inovações, redes
sem fio, educação, saúde, negócios e organizações. Os resultados de numerosos estudos
demonstram que a IA já melhorou muito a qualidade e a eficácia da GC no que diz respeito à
aquisição de conhecimento, estratégias de resolução de problemas, tutores experientes,
sistemas de solução óptima, organização, modelação, etc. para a IA no contexto da GC, o que
pode ter um impacto significativo e ajudar grupos e empresas. A Inteligência Artificial será
em breve utilizada como suporte à GC em todos os setores. Para melhorar os usos e a
eficácia destes campos, são necessárias mais pesquisas no futuro. O Blockchain pode ser
capaz de resolver os problemas mencionados acima e aprimorar a GC. À medida que a
capacidade de conhecimento das organizações melhora, o problema do armazenamento do
conhecimento pode ser resolvido e a partilha do conhecimento pode ser melhorada. Isso
poderia servir como um tópico de pesquisa benéfico para estudos posteriores.
Contribuições do autor:Conceitualização, HT; metodologia, HT; validação, HT; análise formal, HT e

MM; recursos, HT e MM; curadoria de dados, HT; redação - preparação do rascunho original,
MM e HT; redação – revisão e edição, MM; visualização, HT e MM; supervisão, HT Todos os autores
leram e concordaram com a versão publicada do manuscrito.
Financiamento:Esta pesquisa não recebeu financiamento externo.
Declaração de disponibilidade de dados:Compartilhamento de dados não aplicável.
Conflitos de interesse:Os autores declaram não haver conflito de interesses.
Referências
1. Salloum, SA; Alhamad, AQM; Al-Emran, M.; Monem, AA; Shaalan, K. Explorando a aceitação do e-learning pelos alunos por meio do
desenvolvimento de um modelo abrangente de aceitação de tecnologia.Acesso IEEE2019,7, 128445–128462. [Referência Cruzada]
2. Salloum, SA; Shaalan, K. Adoção de e-book para estudantes universitários. EmConferência Internacional sobre Sistemas Inteligentes Avançados e
Informática; Springer: Berlim/Heidelberg, Alemanha, 2018.
3. Cooke, P.; Leydesdorff, L. Desenvolvimento Regional na Economia Baseada no Conhecimento: A Construção de Vantagens.J. Tecnologia. Transf.
2006,31, 5–15. [Referência Cruzada]
4. Lee, C.; Lee, G.; Lin, H. O papel das capacidades organizacionais na implementação bem-sucedida do e-business.Ônibus. Processo. Gerenciar. J. 2007,13, 677–
693. [Referência Cruzada]
5. Liebowitz, J. Gestão do conhecimento e sua ligação com a inteligência artificial.Sistema Especialista Apl.2001,20, 1–6. [Referência Cruzada]
6. Lee, J.-C.; Shiue, Y.-C.; Chen, C.-Y. Examinar os impactos da cultura organizacional e do apoio da alta administração ao compartilhamento de conhecimento no
sucesso da melhoria de processos de software.Computação. Zumbir. Comporte-se.2016,54, 462–474. [Referência Cruzada]
7. Metaxiotis, K.; Ergazakis, K.; Samouilidis, E.; Psarras, J. Apoio à decisão através da gestão do conhecimento: O papel da inteligência artificial.Inf.
Gerenciar. Computação. Seguro.2003,11, 216–221. [Referência Cruzada]
8. Alhashmi, SFS; Salloum, SA; Abdallah, S. Fatores críticos de sucesso para a implementação de projetos de inteligência artificial (IA) no setor de
saúde do governo de Dubai, Emirados Árabes Unidos (EAU): Aplicando o modelo de aceitação de tecnologia estendida (TAM). Em Conferência
Internacional sobre Sistemas Inteligentes Avançados e Informática; Springer: Berlim/Heidelberg, Alemanha, 2019.
9. Salloum, SA; Al-Emran, M.; Shaalan, K. O impacto do compartilhamento de conhecimento nos sistemas de informação: uma revisão. EmConferência
Internacional sobre Gestão do Conhecimento nas Organizações; Springer: Berlim/Heidelberg, Alemanha, 2018.
10. Santoro, G.; Vrontis, D.; Thrassou, A.; Dezi, L. A Internet das Coisas: Construindo um sistema de gestão do conhecimento para inovação aberta e
capacidade de gestão do conhecimento.Tecnologia. Previsão. Soc. Mudar2018,136, 347–354. [Referência Cruzada]
11. Al-Emran, M.; Mezhuyev, V.; Kamaludin, A.; Shaalan, K. O impacto dos processos de gestão do conhecimento nos sistemas de informação: Uma revisão
sistemática.Internacional J. Inf. Gerenciar.2018,43, 173-187. [Referência Cruzada]
12. Al-Emran, M.; Teo, T. A aquisição e o compartilhamento de conhecimento realmente afetam a adoção do e-learning? Um estudo empírico. Educ. Inf.
Tecnologia.2020,25, 1983–1998. [Referência Cruzada]
13. Al-Emran, M.; Mezhuyev, V.; Kamaludin, A. Uma abordagem inovadora de aplicação da gestão do conhecimento no desenvolvimento de aplicações M-
learning: Um estudo piloto.Internacional J. Inf. Comum. Tecnologia. Educ.2019,15, 94–112. [Referência Cruzada]
14. Brynjolfsson, E.; Mitchell, T. O que o aprendizado de máquina pode fazer? Implicações da força de trabalho.Ciência2017,358, 1530–1534. [Referência Cruzada] [PubMed]
15.Pereira, T.; Santos, H. A Matriz das Dimensões da Qualidade da Gestão do Conhecimento: Revisão de Modelos de Avaliação da Gestão do Conhecimento.
Sabe. Gerenciar. Internacional J.2013,12, 33–41. [Referência Cruzada]
16. Liebowitz, J. Receptividade da gestão do conhecimento em uma grande empresa farmacêutica.J. Knowl. Gerenciar.2000,4, 252–258. [Referência
Cruzada]
17. Wu, L.; Hu, Y.-P. Implementação da gestão do conhecimento baseada em inovação aberta: um papel mediador do design da gestão do conhecimento.J.
Knowl. Gerenciar.2018,8, 1736-1756. [Referência Cruzada]
18. Sanzogni, L.; Guzmán, G.; Busch, P. Inteligência artificial e gestão do conhecimento: Questionando a dimensão tácita. Prometeu2017,35,
37–56. [Referência Cruzada]
19.Chen, Z.; Liu, B. Aprendizado de máquina ao longo da vida.Sintetizador. Palestra. Artefato. Intel. Mach. Aprender.2018,12, 1–207.
20. Taherdoost, H. Algoritmos de aprendizado de máquina: recursos e aplicações. EmEnciclopédia de Ciência de Dados e Aprendizado de Máquina; IGI Global:
Hershey, PA, EUA, 2023; páginas 938–960.
21. Lei, Z.; Wang, L. Construção de sistema organizacional de módulo de rede de gestão de conhecimento empresarial baseado em inteligência
artificial.Sabe. Gerenciar. Res. Pratique.2020, 1–13. [Referência Cruzada]
22.Qi, G.; Zhu, Z. Blockchain e aplicações de inteligência artificial.J. Artif. Intel. Tecnologia.2021,1, 83. [Referência Cruzada]
23. Taherdoost, H. Tecnologia Blockchain e Inteligência Artificial Juntas: Uma Revisão Crítica sobre Aplicações.Apl. Ciência.2022, 12, 12948. [
Referência Cruzada]
24. van Zelst, SJ; van Dongen, BF; van der Aalst, WM Descoberta de processos baseada em fluxo de eventos usando representações abstratas.Sabe. Inf. Sist.
25. Bughin, J.; Hazan, E.; Ramaswamy, S.; Chui, M.; Allás, T.; Dahlstrom, P.; Henke, N.; Trench, M. Inteligência Artificial: A Próxima Fronteira
Digital? McKinsey Global Institute: Nova York, NY, EUA, 2017.
26.Townsend, DM; Caça, RA; McMullen, JS; Sarasvathy, SD Incerteza, problemas de conhecimento e ação empreendedora. Acad. Gerenciar.
Ana.2018,12, 659-687. [Referência Cruzada]
27. Soto-Acosta, P.; Popa, S.; Palácios-Marqués, D. E-business, inovação organizacional e desempenho empresarial em PMEs da indústria transformadora: Um estudo
empírico em Espanha.Tecnologia. Economia. Dev. Economia.2016,22, 885–904. [Referência Cruzada]
28.Nickerson, JA; Zenger, TR Uma teoria da empresa baseada no conhecimento - a perspectiva de resolução de problemas.Órgão. Ciência.2004, 15, 617–632. [
29. Tsang, EW; Zahra, SA Desaprendizado organizacional.Zumbir. Relações2008,61, 1435–1462. [Referência Cruzada]
30. Suresh, S.; Olayinka, R.; Chinyo, E.; Renukappa, S. Impacto da gestão do conhecimento em projetos de construção.Processo. Inst. Civil. Eng.
Gerenciar. Adquira. Lei2016,170, 27–43. [Referência Cruzada]
31. Alani, E.; Kamarudin, S.; Alrubaiee, L.; Tavakoli, R. Um modelo de relação entre orientação estratégica e inovação de produtos sob o
efeito mediador da gestão do conhecimento do cliente.J. Internacional. Viga.2019,12, 232–242. [Referência Cruzada]
32. Haenlein, M.; Kaplan, A. Uma breve história da inteligência artificial: sobre o passado, o presente e o futuro da inteligência artificial.Califórnia Gerente. Rev.
33. Taherdoost, H.; Madanchian, M. Inteligência Artificial e Análise de Sentimentos: Uma Revisão em Pesquisa Competitiva.Computadores 2023,12,
34. Ertel, W.Introdução à Inteligência Artificial; Springer: Berlim/Heidelberg, Alemanha, 2018.
35. Kumar, V.; Rajan, B.; Venkatesan, R.; Lecinski, J. Compreendendo o papel da inteligência artificial no marketing de engajamento personalizado.
Califórnia Gerente. Rev.2019,61, 135–155. [Referência Cruzada]
36. Jarrahi, MH Inteligência artificial e o futuro do trabalho: simbiose humano-IA na tomada de decisões organizacionais.Ônibus. Horizontes 2018,61, 577–586. [
37. Yano, K. Como a inteligência artificial mudará o RH.Estratégia de Pessoas2017,40, 42–47.
38. Taherdoost, H. Rumo aos detalhes básicos da realização de revisão de literatura: uma tipologia de revisão de literatura.Eletrônicos2023, 12, 800. [Referência
Cruzada]
39. Snyder, H. Revisão da literatura como metodologia de pesquisa: Uma visão geral e diretrizes.J. Ônibus. Res.2019,104, 333–339. [Referência Cruzada]
40. Wang, H.; Xu, Z.; Fujita, H.; Liu, S. Rumo a uma tomada de decisão feliz: uma visão geral dos desafios e tendências do Big Data.Inf. Ciência.2016,
367–368, 747–765. [Referência Cruzada]
41. Serenko, A.; Dumay, J. Citação de clássicos publicados em periódicos de gestão do conhecimento. Parte I: Artigos e suas características.
J. Knowl. Gerenciar.2015,19, 401–431. [Referência Cruzada]
42. Inkinen, HT; Kianto, A.; Vanhala, M. Práticas de gestão do conhecimento e desempenho inovador na Finlândia.Báltico. J. Gerente. 2015,10, 432–
43. Perifanis, N.-A.; Kitsios, F. Investigando a influência da inteligência artificial no valor do negócio na era digital da estratégia: uma revisão da
literatura.Informação2023,14, 85. [Referência Cruzada]
44. Nyame, G.; Qin, Z.; Obour Agyekum, KO-B.; Sifah, EB Uma abordagem ECDSA para controle de acesso em sistemas de gestão de conhecimento
usando Blockchain.Informação2020,11, 111. [Referência Cruzada]
45. Kolisetty, V.; Rajput, D. Uma revisão sobre a importância do aprendizado de máquina para análise de dados em Big Data.Jordânia J. Comput. Inf. Tecnologia.
46. Chatterjee, S.; Ghosh, SK; Chaudhuri, R. Gestão do conhecimento na melhoria dos processos de negócios: Uma estrutura interpretativa para a
implementação bem-sucedida do sistema AI – CRM – GC nas organizações.Ônibus. Processo. Gerenciar. J.2020,26, 1261–1281. [Referência Cruzada]
47. Gacanin, H. Sistemas sem fio autônomos com inteligência artificial: uma perspectiva de gestão do conhecimento.IEEE Veh. Tecnologia. Mag.2019,
14, 51–59. [Referência Cruzada]
48. Kalidindi, SR Engenharia de recursos de estrutura de materiais para sistemas de conhecimento de materiais baseados em IA.J. Appl. Física.2020, 128,
49. Ziuzianski, P.; Furmankiewicz, M.; Soltysik-Piorunkiewicz, A. Implementação do sistema de inteligência artificial de saúde eletrônica: estudo de caso do painel
de gestão do conhecimento de dados epidemiológicos na Polônia.Internacional J. Biol. Biomédica. Eng.2014,8, 164–171.
50. AlGhanem, H.; Shanaa, M.; Salloum, S.; Shaalan, K. O papel da GC no aprimoramento de algoritmos e sistemas de IA.Av. Ciência. Tecnologia. Eng. Sist. J.2020,
5, 388–396. [Referência Cruzada]
51. Botega, LFC; da Silva, JC Uma abordagem de inteligência artificial para apoiar a gestão do conhecimento na seleção de técnicas de criatividade e
inovação.J. Knowl. Gerenciar.2020,24, 1107–1130. [Referência Cruzada]
52. Chowdhury, S.; Budwar, P.; Dey, PK; Joel-Edgar, S.; Abadie, A. Colaboração entre funcionários de IA e desempenho empresarial: Integrando visão
baseada no conhecimento, sistemas sociotécnicos e estrutura de socialização organizacional.J. Ônibus. Res.2022,144, 31–49. [Referência
Cruzada]
53. Gacanin, H.; Perenda, E.; Atawia, R. Auto-implantação de sistemas sem fio não estacionários por gestão de conhecimento com
inteligência artificial.IEEE Trans. Cog. Comum. Rede.2019,5, 1004–1018. [Referência Cruzada]
54. Baierle, IC; Sellitto, MA; Frozza, R.; Schaefer, JL; Habekost, AF Um sistema de inteligência artificial e baseado em conhecimento para apoiar o
processo de tomada de decisão em vendas.África do Sul. J. Ind. Eng.2019,30, 17–25. [Referência Cruzada]
55. Courpasson, D.; Golsorkhi, D.; Sallaz, J.J.Repensando o poder nas organizações, instituições e mercados: perspectivas clássicas, pesquisas atuais e
a agenda futura; Emerald Group Publishing Limited: Bingley, Reino Unido, 2012.
56. Bencsik, A. A sexta geração de gestão do conhecimento – o avanço da inteligência artificial.J. Internacional. Viga.2021,14, 84–101. [Referência
Cruzada]
57. Leoni, L.; Ardolino, M.; El Baz, J.; Gueli, G.; Bacchetti, A. O papel mediador dos processos de gestão do conhecimento no uso eficaz da inteligência artificial
em empresas de manufatura.Internacional J. Ópera. Prod. Gerenciar.2022,42, 411–437. [Referência Cruzada]
58. Alshadooee, HAA; Mansur, MSG; Cuba, Hong Kong; Gheni, HM O papel da inteligência artificial na melhoria dos sistemas de apoio à decisão
administrativa depende da gestão do conhecimento.Touro. Eletr. Eng. Informática2022,11, 3577–3589. [Referência Cruzada]
59.Liu, R.; Zhang, H. Avaliação abrangente difusa baseada em inteligência artificial da gestão inovadora do conhecimento em universidades.
Matemática. Problema. Eng.2022,2022, 5655269. [Referência Cruzada]
60. Bokhari, SAA; Myeong, S. Gestão de conhecimento, inovação e entrega de serviços eletrônicos com base em inteligência artificial e orientação tecnológica
em cidades inteligentes: papel moderador da governança eletrônica.Apl. Ciência.2022,12, 8732. [Referência Cruzada]
61. Liu, Q. Análise do efeito de condução colaborativa da inteligência artificial na gestão da inovação do conhecimento.Ciência. Programa. 2022,2022,
62. Arias-Pérez, J.; Cepeda-Cardona, J. Estratégias de gestão do conhecimento e improvisação organizacional: O que mudou após o surgimento da
turbulência tecnológica causada pela inteligência artificial?Báltico. J. Gerente.2022,17, 250–265. [Referência Cruzada]
63. Bilquise, G.; Shaalan, K. Estrutura de aconselhamento acadêmico baseada em IA: uma perspectiva de gestão do conhecimento.Internacional J. Adv. Computação. Ciência.
Apl.2022,13, 193–203. [Referência Cruzada]
64. Baslom, MMM; Tong, S. Gestão Estratégica do Conhecimento Organizacional e Conscientização dos Funcionários sobre Inteligência Artificial com Efeito
Mediador do Clima de Aprendizagem.Internacional J. Computação. Intel. Sist.2019,12, 1585–1591. [Referência Cruzada]
65. Yang, H.; Anbarasan, M.; Vadivel, T. Sistema de recomendação baseado em conhecimento usando inteligência artificial para educação inteligente.
J. Interconectar. Redes2022,22(Suplemento S2). [Referência Cruzada]
66. Sol, P.; Gu, L. Sistema de gráfico de conhecimento difuso para educação inteligente baseada em inteligência artificial.J. Intel. Sistema difuso.2021, 40, 2929–
67. Gacanin, H.; Perenda, E.; Karunaratne, S.; Atawia, R. Auto-otimização de sistemas sem fio com gestão de conhecimento: uma abordagem de
inteligência artificial.IEEE Trans. Veh. Tecnologia.2019,68, 9682–9697. [Referência Cruzada]
68. Phan, A.-C.; Phan, T.-C.; Trieu, T.-N. Uma abordagem sistemática aos sistemas de gestão do conhecimento em saúde na era do Big Data e da
inteligência artificial.Apl. Ciência.2022,12, 4455. [Referência Cruzada]
69. Nasseef, OA; Baabdullah, AM; Alalwan, AA; Lal, B.; Dwivedi, YK Sistemas de saúde pública baseados em inteligência artificial: intercâmbio baseado em
conhecimento G2G para aprimorar o processo de tomada de decisão.Governador Inf. Q.2022,39, 101618. [Referência Cruzada]
70. Mercier-Laurent, E. Inteligência artificial para Kflow de sucesso. EmWorkshop Internacional IFIP sobre Inteligência Artificial para Gestão do
Conhecimento; Springer: Berlim/Heidelberg, Alemanha, 2016.
71. Manesh, MF; Pellegrini, M.M.; Marzi, G.; Dabic, M. Gestão do Conhecimento na Quarta Revolução Industrial: Mapeando a Literatura e Escolhendo
os Caminhos Futuros.IEEE Trans. Eng. Gerenciar.2019,68, 289–300. [Referência Cruzada]
72. Kot, S.; Hussain, HI; Bilan, S.; Haseeb, M.; Mihardjo, LWW O papel do recrutamento e da qualidade da inteligência artificial para explicar o
fenômeno da reputação do empregador.J. Ônibus. Economia. Gerenciar.2021,22, 867-883. [Referência Cruzada]
73. Cantu-Ortiz, FJ Gestão do conhecimento e análise de inteligência artificial: Um estudo bibliométrico de tendências de pesquisa. EmUma agenda de pesquisa
para gestão e análise do conhecimento; Publicação Edward Elgar: Cheltenham, Reino Unido, 2021; pp. 67–88. [Referência Cruzada]
74. Zareravasan, A.; Krčaeu, M.; Ashrafi, A. As implicações do Blockchain para o compartilhamento de conhecimento. Em Anais do Fórum Internacional sobre
Dinâmica de Ativos de Conhecimento (IFKAD 2020), Matera, Itália, 9–11 de setembro de 2020.
75. Ransbotham, S.; Khodabandeh, S.; Fehling, R.; Lafonte, B.; Kiron, D. Vencendo com IA.Gerente Sloan do MIT. Rev.2019, 61180.
76. Brynjolfsson, E.; Rocha, D.; Syverson, C. Inteligência Artificial e o Paradoxo da Produtividade Moderna: Um Choque de Expectativas e Estatísticas.
EmA Economia da Inteligência Artificial: Uma Agenda; University of Chicago Press: Chicago, IL, EUA, 2017. [Referência Cruzada]
Isenção de responsabilidade/nota do editor:As declarações, opiniões e dados contidos em todas as publicações são de responsabilidade exclusiva do(s)
autor(es) e colaborador(es) individual(is) e não do MDPI e/ou do(s) editor(es). O MDPI e/ou o(s) editor(es) isentam-se de responsabilidade por qualquer dano a
pessoas ou propriedades resultante de quaisquer ideias, métodos, instruções ou produtos mencionados no conteúdo.

Artigo CG Inteligencia Artificial

Enviado por

Dados do documento

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

Artigo CG Inteligencia Artificial

Enviado por

Direitos autorais:

Formatos disponíveis

Traduzido do Inglês para o Português - www.onlinedoctranslator.

Inteligência Artificial e Gestão do Conhecimento: Impactos,

1 Departamento de Artes, Comunicações e Ciências Sociais, University Canada West,

Abstrato:O processo de gerar, disseminar, utilizar e gerenciar as informações e o conhecimento de uma

Palavras-chave:inteligência artificial; Gestão do conhecimento; sistema baseado em conhecimento; aquisição de conhecimento;

Citação:Taherdoost, H.; Madanchian, M.

Comp. úteros2023,12, 72. https://doi.org/10.3390/computers12040072 https://www.mdpi.com/journal/computers

A IA e o aprendizado de máquina, incluindo o estudo de redes organizacionais e industriais, são

importante tecnologia de IA [25]. A tendência atual no desenvolvimento da tecnologia de IA no sentido da

2.1. Gestão do Conhecimento (GC)

A correta gestão das oportunidades apresentadas pela IA e a atribuição de soluções de suporte às

2.2. Inteligência Artificial (IA)

Removendo linguística Aumentando a flexibilidade da

Aprimorando o intelectual Conhecimento baseado em pessoal

Um conhecimento em tempo real

Figura 1.IA Adv. um

Figura 2.Processo de seleção de trabalhos de pesquisa (método PRISMA).

Tabela 1.Estratégia de pesquisa.

Terminologia Chave Critério de inclusão Critério de exclusão

Capítulos de livros, dissertações, artigos

O estudo pode ter sido publicado a qualquer

A cobertura do estudo está restrita

“IA” E “Sistema baseado em conhecimento”

4.2. Estado atual

Na maioria das empresas modernas, as ferramentas e sistemas de IA são amplamente utilizados.

Figura3mostra o número anual de artigos divulgados de 2012 a 2022. Os únicos documentos

Figura 3.Números anuais de publicação, de 2012 a 2022.

Figura4ilustra as palavras da nuvem geradas a partir da conexão entre o

Figura 4.Termos-chave em artigos (criados porwww.wordclouds.com, 10 de janeiro de 2023).

Figura5retrata a porcentagem de escritores por nacionalidade. A China (cinco autores) e a

Figura 5.A distribuição dos autores em cada país.

Mesa3apresenta as dez publicações mais citadas de 2012 a 2022. Há também necessidade de

Tabela 3.Artigos com mais citações (2012–2022).

Meta Ano Citado Referência

Colocando à prova a dimensão tácita da IA e da GC 2017 32 [18]

A contribuição da GC para melhorar algoritmos e sistemas de IA 2020 12 [50]

Cooperação IA-funcionário e desempenho empresarial: integrando uma estrutura de

4.3. Desenvolvimentos em Diferentes Aplicações

Figura 6.Aplicações gerais de IA e GC nos artigos estudados.

4.3.1. Empresarial e Organizacional

4.3.2. Inovação Geral

Através do impacto mediador do ambiente de aprendizagem na indústria de serviços da Arábia

4.3.4. Sistemas sem fio

4.3.5. Assistência médica

4.4. Direções futuras

Contribuições do autor:Conceitualização, HT; metodologia, HT; validação, HT; análise formal, HT e

Financiamento:Esta pesquisa não recebeu financiamento externo.

Declaração de disponibilidade de dados:Compartilhamento de dados não aplicável.

Conflitos de interesse:Os autores declaram não haver conflito de interesses.

Você também pode gostar