INSTITUTO FEDERAL DO ESPÍRITO SANTO

CURSO DE ENGENHARIA ELÉTRICA

WYCTOR FOGOS DA ROCHA

REVISÃO BIBLIOGRÁFICA DO USO DE INTELIGÊNCIA ARTIFICIAL NA

INDÚSTRIA NACIONAL BRASILEIRA E REGIONAL DO ESPÍRITO SANTO

Vitória
2023
 WYCTOR FOGOS DA ROCHA

REVISÃO BIBLIOGRÁFICA DO USO DE INTELIGÊNCIA ARTIFICIAL NA

INDÚSTRIA NACIONAL BRASILEIRA E REGIONAL DO ESPÍRITO SANTO

Trabalho de Conclusão de Curso apresentado à Coor-

denadoria do Curso de Engenharia Elétrica do Instituto
Federal de Educação, Ciência e Tecnologia do Espírito
Santo, como requisito parcial para a obtenção do título de
Bacharel em Engenharia Elétrica.

Orientador: Prof. Msc. Flavio Tongo da Silva

Coorientador: Prof. Esp. Vitor dos Santos Amorim

Vitória
2023
 Dados Internacionais de Catalogação na Publicação (CIP)
(Biblioteca Nilo Peçanha do Instituto Federal do Espírito Santo)

R672r Rocha, Wyctor Fogos da.

Revisão bibliográfica do uso de inteligência artificial na indústria nacional
brasileira e regional do Espírito Santo / Wyctor Fogos da Rocha – 2023.
81 f. : il. ; 30 cm

Orientador: Flavio Tongo da Silva.

Coorientador: Vitor dos Santos Amorim.

Monografia (graduação) – Instituto Federal do Espírito Santo,

Coordenadoria de Engenharia Elétrica, Curso Superior de Engenharia
Elétrica, 2023.

1. Inteligência artificial. 2. Indústrias – Inovações tecnológicas. 3.

Eficiência industrial. 4. Redes neurais (Computação). 5. Engenharia Elétrica.
I. Silva, Flavio Tongo da. II. Amorim, Vitor dos Santos. III. Instituto Federal do
Espírito Santo. IV. Título.
CDD 21 – 006.3
Elaborada por Ronald Aguiar Nascimento – CRB-6/MG – 3.116
 WYCTOR FOGOS DA ROCHA

REVISÃO BIBLIOGRÁFICA DO USO DE INTELIGÊNCIA ARTIFICIAL NA

INDÚSTRIA NACIONAL BRASILEIRA E REGIONAL DO ESPÍRITO SANTO

Trabalho de Conclusão de Curso apresentado à Coor-

denadoria do Curso de Engenharia Elétrica do Instituto
Federal de Educação, Ciência e Tecnologia do Espírito
Santo, como requisito parcial para a obtenção do título de
Bacharel em Engenharia Elétrica.

Aprovado em 29 de Setembro de 2023

COMISSÃO EXAMINADORA

Prof. Msc. Flavio Tongo da Silva

Instituto Federal de Educação, Ciência e Tecnologia do Espírito Santo - Campus Vitória
Orientador

Prof. Esp. Vitor dos Santos Amorim

Instituto Federal de Educação, Ciência e Tecnologia do Espírito Santo - Campus
Cariacica
Coorientador

Prof. Dr. Cesar Turczyn Campos

Instituto Federal de Educação, Ciência e Tecnologia do Espírito Santo
Examinador

Prof. Dr. Igor Dantas dos Santos Miranda

Universidade Federal do Recôncavo da Bahia, Centro de Ciências Exatas e
Tecnológicas
Examinador

Prof. Dr. Dayan de Castro Bissoli

Universidade Federal do Espírito Santo
Examinador

Prof. Msc. Eduardo da Silva

Quantum Tecnologia
Examinador
Dedico este trabalho aos meus
pais, pelo amor incondicional,
apoio incansável e pelos valores
que me ensinaram ao longo da
vida. A vocês, que sempre acre-
ditaram em mim e me incentiva-
ram a perseguir meus sonhos,
dedico com gratidão e carinho.
 AGRADECIMENTOS

Agradeço a minha família e amigos pelo suporte dado até aqui. Agradeço ao corpo
docente e discente do IFES - Campus Vitória que acompanhou a minha trajetória nos
últimos 10 anos que corroboraram para minha formação acadêmica.

Também agradeço ao meu orientador, Flávio Tongo da Silva, e meu coorientador, Vitor
dos Santos Amorim, por todo suporte dado a mim durante todo o processo no TCC
atual e também no anterior, além do grande suporte e conhecimento trocado entre nós,
conhecimento teórico e prático na área de Inteligência Artificial.
"A mim pertence a vingança e a
retribuição. No devido tempo os
pés deles escorregarão; o dia
da sua desgraça está chegando
e o seu próprio destino se
apressa sobre eles."

Deuteronômio 32:35
 RESUMO

Este trabalho aborda o tema do uso da Inteligência Artificial (IA) na indústria, com um
enfoque específico nas realidades do Brasil e do estado do Espírito Santo. A IA está
emergindo como uma tecnologia transformadora, capaz de impulsionar a eficiência
operacional, a inovação e a competitividade das empresas. Através de uma pesquisa
exploratória, este estudo identificou diferentes áreas em que a IA vem sendo aplicada
na indústria brasileira e capixaba. Algumas dessas áreas incluem automação de
processos, manutenção preditiva, otimização da cadeia de suprimentos, controle de
qualidade e desenvolvimento de produtos. As empresas que adotam a IA podem obter
benefícios significativos, como redução de custos, aumento da produtividade, melhoria
da qualidade do produto e tomada de decisões mais informadas. No entanto, também
há desafios a serem enfrentados, como a falta de mão de obra qualificada e questões
éticas relacionadas ao uso de dados.

Palavras-chave: Inteligência Artificial. Produção Industrial. Inovação. Resolução de

Problemas. Indústria.
 ABSTRACT

This paper delves deep into the realm of Artificial Intelligence (AI) in the industrial sector,
zooming in on the unique dynamics of Brazil, especially the state of Espírito Santo.
AI is rapidly emerging as a pivotal technology, poised to revolutionize operational effi-
ciency, drive innovation, and sharpen the competitive prowess of businesses. Through
meticulous research, we’ve pinpointed distinct sectors within Brazil and Espírito Santo’s
industrial framework where AI’s imprint is evident. Key applications span from process
automation and predictive maintenance to refining supply chains, ensuring quality, and
catalyzing product innovation. Companies that seamlessly weave AI into their fabric
stand to reap a myriad of benefits, from slashing costs and amplifying productivity to
elevating product standards and making decisions anchored in data. However, this trans-
formative journey is not without its challenges, including a pressing need for specialized
talent and navigating the ethical maze tied to data use.

Keywords: Artificial Inteligence. Industrial Production. Inovation. Problem Solution.

Industry.
 LISTA DE ILUSTRAÇÕES

Figura 1 – Distinção entre: AI, ML e DL . . . . . . . . . . . . . . . . . . . . . . 16

Figura 2 – Representação do modelo de uma RNA . . . . . . . . . . . . . . . . 20
Figura 3 – Ilustração do perceptron . . . . . . . . . . . . . . . . . . . . . . . . . 21
Figura 4 – Ilustração do Perceptron Multicamadas . . . . . . . . . . . . . . . . 22
Figura 5 – Máquina a vapor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
Figura 6 – Ranking dos países por quantidade de start-ups . . . . . . . . . . . 31
Figura 7 – Ranking dos países por quantidade de start-ups na área de AI . . . 33
Figura 8 – Número de startups de IA financiadas pelos programas governamentais 34
Figura 9 – Evolução da Participação da Indústria de Transformação no PIB (%)
de 1947-2014 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
Figura 10 – Número de postos de trabalho na indústria . . . . . . . . . . . . . . 35
Figura 11 – Projeção do crescimento do PIB Brasileiro, ao ano, até 2030 . . . . 36
Figura 12 – Redução da carga horária de trabalho da população . . . . . . . . . 38
Figura 13 – Carro autônomo IARA – Intelligent Autonomous Robotic Automobile 54
Figura 14 – Trabalhos sobre o uso de IA na indústria brasileira . . . . . . . . . . 56
Figura 15 – Jornada do Rota Challenge . . . . . . . . . . . . . . . . . . . . . . . 64
Figura 16 – Demanda de mão de obra qualificada - Cientistas de Dados . . . . . 68
Figura 17 – Comparação das lacunas de formação em três horizontes de tempo
para as profissões emergentes . . . . . . . . . . . . . . . . . . . . . 68
 LISTA DE QUADROS

Quadro 1 – Principais pontos dos estudos sobre o impacto da IA na economia 53

 LISTA DE SIGLAS

DL Deep Learning

IA Inteligência Artificial

I²CA Instituto de Inteligência Computacional Aplicada

Ifes Instituto Federal de Educação, Ciência e Tecnologia do Espírito Santo

IOT Internet of Things

LGPD Lei Geral de Proteção de Dados

MCTI Ministério da Ciência, Tecnologia e Inovação

MLP Multilayer Perceptron

RNA Redes Neurais Artificiais

SCADA Supervisory Control And Data Acquisition

 SUMÁRIO

1 INTRODUÇÃO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2 REFERENCIAL TEÓRICO . . . . . . . . . . . . . . . . . . . . . . . . 15
2.1 INTELIGÊNCIA ARTIFICIAL . . . . . . . . . . . . . . . . . . . . . . . 15
2.1.1 Otimização combinatória . . . . . . . . . . . . . . . . . . . . . . . . 16
2.1.2 Principais algoritmos de IA . . . . . . . . . . . . . . . . . . . . . . . 18
2.1.2.1 Redes Neurais Artificial - RNA . . . . . . . . . . . . . . . . . . . . . . 19
2.1.2.2 O que é um Perceptron? . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.1.2.3 Perceptron multicamadas . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.2 INDÚSTRIA - CONCEITO E EVOLUÇÃO HISTÓRICA . . . . . . . . 23
2.2.1 Antecedentes Históricos . . . . . . . . . . . . . . . . . . . . . . . . 23
2.2.2 Revolução Industrial . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.2.3 Expansão Global . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.2.4 Atraso da implementação da indústria no Brasil . . . . . . . . . . 25
2.2.5 Indústria 4.0 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.2.6 Uso de IA no cenário brasileiro . . . . . . . . . . . . . . . . . . . . 28
2.2.7 A Importância da Inovação Tecnológica para a Competitividade . 35
3 METODOLOGIA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
3.1 MÉTODOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
3.1.1 Revisão Bibliográfica . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3.1.2 Análise de Dados Secundários . . . . . . . . . . . . . . . . . . . . 42
3.1.3 Análise de Dados . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
3.1.4 Principais desafios enfrentados pelas indústrias no contexto atual 44
3.1.5 Benefícios e impactos da IA nas operações industriais . . . . . . 45
3.1.6 Aplicações da inteligência artificial na indústria do Espírito Santo 47
3.1.7 Análise dos usos de IA na Indústria do Brasil e no Espírito Santo 50
3.1.8 Potencial de crescimento e impacto econômico da IA no Brasil e
no Espírito Santo . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
4 RESULTADOS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
4.1 TRABALHOS NA LITERATURA . . . . . . . . . . . . . . . . . . . . . 56
4.2 IMPACTO DA IA NA PRODUTIVIDADE, EFICIÊNCIA E QUALIDADE
NA INDÚSTRIA . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
4.2.1 Principais desafios para a adoção da IA na indústria brasileira . 58
4.3 RESULTADOS QUANTITATIVOS . . . . . . . . . . . . . . . . . . . . 61
4.3.1 Produtividade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
4.3.2 Eficiência . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
4.3.3 Qualidade . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
5 CONCLUSÃO . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
REFERÊNCIAS . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
 13

1 INTRODUÇÃO

A inteligência artificial (IA) tem se destacado como uma das tecnologias mais promis-
soras e transformadoras do século XXI. Sua capacidade de simular o pensamento
humano e aprender com dados tem impulsionado avanços significativos em diversos
setores da sociedade (YSTGAARD et al., 2023). A indústria não é exceção, pois tem
adotado cada vez mais soluções baseadas em IA para impulsionar a eficiência, a
produtividade e a inovação (MARTINS, 2017).

No Brasil, um país com uma indústria robusta e diversificada, o uso da inteligência

artificial está se tornando uma realidade cada vez mais presente. Desde a automação
de processos até a tomada de decisões complexas, as empresas estão percebendo
o potencial da IA para melhorar seus resultados e se manterem competitivas em um
mercado globalizado e em constante evolução (MOURA; KOHL, 2020).

No Estado do Espírito Santo, localizado na região Sudeste do Brasil, a indústria tem

um papel significativo na economia local. Setores como o de petróleo e gás, mineração,
siderurgia, alimentos e bebidas têm grande relevância e representam oportunidades
para a implementação de soluções baseadas em IA. Com o objetivo de aumentar a
eficiência operacional, reduzir custos e otimizar os processos produtivos, as empresas
capixabas estão explorando as possibilidades da inteligência artificial (MOURA; KOHL,
2020).

Neste trabalho, será explorado o uso da inteligência artificial na indústria brasileira e

capixaba, com foco no Estado do Espírito Santo. Serão discutidos os benefícios da
aplicação da IA na indústria, como a melhoria da qualidade dos produtos, o aumento
da produtividade, a redução de custos e o desenvolvimento de novas oportunidades de
negócios. Além disso, serão abordados os desafios e as preocupações relacionadas
à implementação da IA, como a privacidade dos dados, a segurança cibernética e os
impactos na força de trabalho.

A partir de exemplos reais de empresas que já adotaram soluções baseadas em IA,

pode-se compreender melhor as oportunidades e os desafios enfrentados pela indústria
brasileira e capixaba nesse contexto.
 14

Por fim, este estudo pretende fornecer insights relevantes sobre o uso da inteligên-
cia artificial na indústria do Brasil e do Estado do Espírito Santo, apresentando um
panorama atualizado sobre o tema. Compreender os avanços, os benefícios e as
preocupações relacionadas à aplicação da IA na indústria é fundamental para orien-
tar decisões estratégicas e impulsionar a competitividade desses setores no cenário
nacional e global.
 15

2 REFERENCIAL TEÓRICO

O uso de sistemas inteligentes vem sendo cada vez mais difundido na resolução e na
automação de problemas na indústria (MARTINS, 2017) e no aumento da eficiência
desses processos com a implementação de diversos sistemas que se comunicam entre
si (ROMÁN, 2016). Entre essas aplicações está o uso Inteligência Artificial (IA) devido
à sua grande capacidade de reproduzir quase todo tipo de função (LECUN et al., 1998).

2.1 INTELIGÊNCIA ARTIFICIAL

A Inteligência Artificial é, em essência, a habilidade de um dispositivo eletrônico em

simular ações humanas, visando alcançar efeitos análogos aos proporcionados pelo
esforço humano. Para um entendimento mais aprofundado desta temática, é crucial
apresentar terminologias correlatas e suas nuances. Estas incluem a já mencionada
Inteligência Artificial, bem como Aprendizado de Máquina (Machine Learning - ML) e
Aprendizado Profundo (Deep Learning - DL) (GARDNER; DORLING, 1998).

O Aprendizado de Máquina, uma subdivisão da Inteligência Artificial (AI), tem como

objetivo conferir conhecimento aos computadores. Este é alcançado por meio do
processamento de dados, observações e interação com o ambiente externo ao qual
a máquina é exposta durante sua fase de aprendizado (VERÍSSIMO, 2021). O dis-
cernimento obtido por meio deste processo capacita os sistemas computacionais a
generalizar e aplicar seu aprendizado a novos contextos.

O Aprendizado de Máquina se desdobra em diversas sub-áreas, dentre as quais

podemos citar:

• Aprendizado Supervisionado: Este engloba tarefas como classificação, detecção

de objetos, direção autônoma de veículos, chatbots, dentre outros.

• Aprendizado Não-Supervisionado: Inclui processos como agrupamento de dados

(clusterização) e detecção de anomalias.

• Aprendizado por Reforço: Aplicado comumente em Inteligência Artificial para

videogames.
 16

Essas diferentes vertentes permitem que a ML seja aplicado em uma ampla gama de
contextos, oferecendo soluções para diversas demandas. A Figura 1 descreve melhor
essa diferença:

Figura 1 – Distinção entre: AI, ML e DL

Fonte: Elaborado pelo autor (2023).

Embora o uso de IAs já seja difundido, muitas empresas empregam otimização com-
binatória, uma subárea da otimização matemática, a qual tem sido uma ferramenta
valiosa para resolver problemas complexos em diversos setores industriais (LOTT,
2023) para resolução de muitos problemas. A integração de conceitos de otimização
com técnicas de Inteligência Artificial (IA) levou ao desenvolvimento de estratégias avan-
çadas, frequentemente referidas como "metaheurísticas", que são "inteligentemente
flexíveis"e adaptáveis a diferentes cenários (UNICAMP, 2021).

2.1.1 Otimização combinatória

A otimização matemática é reconhecida como uma técnica poderosa de IA que im-

pulsiona decisões e resultados de negócios ótimos (AIMMS, 2021). A otimização
combinatória é uma área fundamental da otimização matemática que desempenha um
 17

papel crucial na resolução de problemas complexos em vários setores industriais. Ela

se concentra na busca pelas melhores soluções dentre um conjunto finito de alternati-
vas discretas, muitas vezes envolvendo restrições. Abaixo, estão alguns exemplos de
aplicação da otimização combinatória na indústria:

• Programação de Rotas: A otimização combinatória é amplamente utilizada na

otimização de rotas de entrega, logística e transporte. Empresas de transporte,
como a FedEx e a UPS, utilizam algoritmos de otimização combinatória para
determinar as rotas mais eficientes para suas frotas de veículos, minimizando
custos de combustível e tempo de entrega (BERBEGLIA et al., 2007).

• Otimização de Produção: Na indústria manufatureira, a otimização combinatória

é aplicada para otimizar programações de produção, alocação de recursos e
sequenciamento de tarefas. Isso ajuda a maximizar a eficiência da produção e a
minimizar os custos de operação (TOOSI et al., 2021).

• Otimização de Redes de Telecomunicações: Empresas de telecomunicações utili-

zam algoritmos de otimização combinatória para otimizar a alocação de recursos
em suas redes, garantindo que a capacidade da rede seja utilizada de forma
eficiente e minimizando a latência nas comunicações (ZHANG et al., 2018).

• Projeto de Circuitos Eletrônicos: Na indústria de eletrônicos, a otimização combi-

natória é empregada no projeto de circuitos integrados, auxiliando na disposição
de componentes e na roteamento de trilhas em placas de circuito impresso,
garantindo o melhor desempenho e eficiência (CONG et al., 2009).

Outros exemplos são empresas renomadas como IBM (IBM, 2021), Google (SCHWARZ-
KOPF et al., 2013) e Amazon (AMAZON, 2021) já incorporaram métodos combinatórios
em suas operações, demonstrando o valor e a eficácia dessas abordagens. Ainda
assim, muitas empresas, especialmente no Brasil, não exploram plenamente essas
técnicas, muitas vezes devido à falta de conhecimento ou à percepção de que são
demasiado complexas.
 18

2.1.2 Principais algoritmos de IA

Antes de discutir sobre a AI, é fundamental reconhecer os principais algoritmos que

têm moldado o campo e suas aplicações significativas. Abaixo, são descritos alguns
desses algoritmos notáveis e suas áreas de aplicação:

• Redes Neurais Artificiais (RNAs): São modelos computacionais que se inspiram

na organização do cérebro humano. Elas são extensivamente empregadas em
tarefas como identificação de padrões, processamento de linguagem natural,
visão computacional e também em diagnósticos na área da saúde. As redes
neurais profundas (Deep Learning) têm revolucionado esses campos, destacando-
se em tarefas como classificação de imagens, tradução automática e detecção
de fraudes (GOODFELLOW; BENGIO; COURVILLE, 2016).

• Máquinas de Vetores de Suporte (SVM): SVMs são excelentes para classificação

e regressão. Eles encontram aplicação em tarefas como classificação de texto,
reconhecimento de escrita manual e detecção de spam de e-mail (CORTES;
VAPNIK, 1995).

• Árvores de Decisão: Utilizadas em problemas de classificação e regressão, as

árvores de decisão são amplamente empregadas em sistemas de recomendação,
análise de crédito e diagnóstico médico (QUINLAN, 1986).

• Algoritmos Genéticos: Modelados com base no processo de seleção natural, os

algoritmos genéticos são aplicados em otimização, seleção de recursos e até
mesmo na criação de arquiteturas de redes neurais (GOLDBERG, 1989).

• Aprendizado por Reforço: Essa classe de algoritmos é usada para treinar agentes
a tomar decisões sequenciais, como jogar xadrez, dirigir carros autônomos e
otimizar a alocação de recursos em sistemas dinâmicos (SUTTON; BARTO,
2018).

• K-Means: Um algoritmo de clustering amplamente utilizado, o K-Means é empre-

gado, por exemplo, em segmentação de clientes, análise de texto e compressão
de imagens (MACQUEEN, 1967).
 19

• Redes Bayesianas: Essas redes são valiosas para modelar incerteza e dependên-
cias entre variáveis, encontrando aplicação em diagnósticos médicos, previsão
do tempo e sistemas de recomendação (PEARL, 1988).

Esses algoritmos representam apenas uma fração do vasto panorama da IA. A pesquisa
contínua em IA continua a aprimorar esses métodos e a abrir novos horizontes de
aplicação. À medida que a IA desempenha um papel cada vez mais central em nossa
sociedade, é essencial acompanhar esses desenvolvimentos em constante evolução
para impulsionar a inovação e o progresso.

2.1.2.1 Redes Neurais Artificial - RNA

Redes Neurais Artificiais (RNAs) são modelos inspirados na arquitetura neural humana,
desenvolvidos com o objetivo de simular a nossa capacidade de reconhecimento de
padrões (HAYKIN, 1999). Surgidas na década de 1950, essas redes experimentaram
um "inverno", período de estagnação devido à limitação de recursos de hardware
(TOOSI et al., 2021). Este fenômeno é um marco na história da Inteligência Artificial
(IA), caracterizado por ciclos de progresso seguidos por fases de desconfiança e
estagnação (TOOSI et al., 2021).

Com avanços tecnológicos, as RNAs passaram por uma revitalização, permitindo pro-
gressos significativos em sua pesquisa e aplicação. São compostas por neurônios
interconectados por pesos, que codificam a informação aprendida pela rede, pos-
sibilitando a execução de tarefas complexas e o aprimoramento contínuo (HAYKIN,
1999).

Em relação ao funcionamento das RNAs, cada neurônio recebe as entradas prove-

nientes de outros neurônios presentes em camadas antecedêntes, processa essas
informações e gera uma saída que pode ser usada como entrada para outros neurô-
nios. A interconexão entre os neurônios permite que a informação seja processada e
transmitida ao longo da rede (TAFNER, 2018) .

Na Figura 2, apresentada por TAFNER (2018), é ilustrada uma representação de uma

RNA com duas saídas. Nesse caso, a RNA recebe entradas, realiza o processamento
 20

interno através dos neurônios e produz duas saídas correspondentes aos resultados
desejados.

Essa arquitetura de rede neural permite que as RNAs sejam treinadas para reconhecer
padrões complexos em conjuntos de dados, sendo amplamente utilizadas em tarefas
como reconhecimento de imagens, processamento de linguagem natural, previsão de
séries temporais, entre outras aplicações.

Figura 2 – Representação do modelo de uma RNA

Fonte: TAFNET (1998, p. 03).

2.1.2.2 O que é um Perceptron?

O perceptron, um tipo básico de RNA, foi idealizado por Frank Rosenblatt 1 em 1958,
sendo esse o tipo de configuração mais simples, com o propósito de implementar
um modelo computacional inspirado em um neurônio biológico, a qual recebe vários
sinais de entrada e um de saída (GARDNER; DORLING, 1998). Uma das suas
aplicações consistia em identificar padrões geométricos (SILVA; SPATTI; FLAUZINO,
2010), representado na Figura 3.

Conforme pode ser visto na Figura 3, o processamento da informação por um neurônio

é estruturado. Dessa forma, para um conjunto x, que representa as informações de
entrada, associa-se um conjunto de pesos w, do qual é subtraído o limiar de ativação
(SILVA; SPATTI; FLAUZINO, 2010).
1 Frank Rosenblatt foi um cientista da computação que desenvolveu o perceptron, um modelo inicial de
rede neural artificial, na década de 1950. Sua contribuição revolucionou o campo da aprendizagem de
máquina, pois o perceptron foi um dos primeiros sistemas capazes de aprender a partir de exemplos
(LEFKOWITZ, 2021).
 21

Figura 3 – Ilustração do perceptron

Fonte: VERÍSSIMO (2021, p. 21).

Esse resultado é representado pela Equação abaixo:

n
u = ∑ xi · wi − θ (2.1)
i=1

y = g(u) (2.2)

Em que:

• y: saída do perceptron;

• xi: valor de entrada;

• wi: peso associado a cada entrada;

• θ : limiar de ativação (viés - bias);

• u: potencialização de ativação;

• g(u): função de ativação.

No processo de aprendizado de uma Rede Neural Artificial (RNA), a incorporação

de funções de ativação é crucial para permitir que o modelo aprenda e represente
 22

relações não-lineares entre os dados. Essas funções possuem o propósito de introduzir

um componente não-linear, agregando representatividade à rede (FACURE, 2017). A
função sigmoid é uma das mais utilizadas, por sua plausabilidade biológica (FACURE,
2017), tendo em vista que neurônios operam de forma binária (ativo/não ativo).

2.1.2.3 Perceptron multicamadas

Um modelo de RNAs com uma maior capacidade de aprendizado é o perceptron

multicamadas (multilayer perceptron) (GARDNER; DORLING, 1998). Ele se caracteriza
por conter múltiplas saídas do tipo perceptron, tornando possível a criação de modelos
da classificação de múltiplas classes. Assim, na Figura 3, tem-se uma representação
de uma MLP para m saídas (GARDNER; DORLING, 1998).

Figura 4 – Ilustração do Perceptron Multicamadas

Fonte: VERÍSSIMO (2021, p. 13).

De modo geral, as RNAs são treinadas através de um algoritmo chamado de regra-delta,

que calcula os erros entre a saída estimada pela rede e a saída esperada. Utiliza-se en-
tão esta informação através de um mecanismo de retro-propagação (backpropagation),
que permite ajustar os pesos da rede e atualizá-los (SILVA; SPATTI; FLAUZINO, 2010).

Fatores como o aumento significativo na quantidade de dados disponíveis (HALEVY;

NORVIG; PEREIRA, 2009), o desenvolvimento de arquiteturas de redes mais comple-
xas, como as redes neurais profundas (Deep Learning) (LECUN; BENGIO; HINTON,
2015), e avanços na capacidade computacional, particularmente o uso de GPUs (Uni-
 23

dades de Processamento Gráfico) (RAINA; MADHAVAN; NG, 2009), contribuíram para

essa revolução no desempenho das RNAs. Esses fatores permitiram que as RNAs
fossem aplicadas com sucesso em uma ampla gama de tarefas, desde reconhecimento
de padrões até processamento de linguagem natural (BENGIO et al., 2003), impulsi-
onando avanços significativos em campos como visão computacional, automação e
aprendizado de máquina (GOODFELLOW; BENGIO; COURVILLE, 2016).

2.2 INDÚSTRIA - CONCEITO E EVOLUÇÃO HISTÓRICA

A indústria é um pilar fundamental da economia global, abrangendo uma ampla vari-

edade de atividades econômicas. Ela engloba não apenas a manufatura e produção
de bens físicos, mas também serviços relacionados à produção. A definição moderna
de indústria inclui setores tão diversos quanto a produção automobilística, a indústria
alimentícia, a tecnologia da informação e os serviços financeiros (LANDES, 2003).

2.2.1 Antecedentes Históricos

A história da indústria remonta a eras anteriores à Revolução Industrial. Em períodos

anteriores, a produção era predominantemente artesanal e descentralizada. Artesãos
e comerciantes desempenhavam papéis centrais na produção de bens, muitas vezes
usando métodos tradicionais. Outrossim, a economia estava fortemente ligada à
agricultura (LANDES, 2003).

2.2.2 Revolução Industrial

A ascensão das Redes Neurais Artificiais (RNAs) pode ser contextualizada como
uma continuação da trajetória evolutiva iniciada pela primeira Revolução Industrial
no século XVIII na Inglaterra (GOMES, 2014). Este evento, propiciado pelo acúmulo
de riquezas da burguesia e pelos subsequentes investimentos em desenvolvimento
tecnológico, tornou o caminho para inovações que transformaram a produção em massa
em um diferencial crucial na economia mundial (GOMES, 2014). Da mesma forma, as
RNAs, emergindo como uma força revolucionária na era moderna, estão redefinindo
paradigmas em diversos setores industriais e tecnológicos. A interseção entre a
inteligência artificial, representada pelas RNAs, e os avanços industriais, herdados das
 24

revoluções industriais, está forjando uma nova fase de inovação e progresso, onde a
síntese de aprendizado de máquina e processos industriais otimizados está delineando
o advento de uma nova revolução, caracterizada pela fusão sinérgica entre capacidades
humanas e artificiais.

Ao longo dos últimos séculos, a humanidade testemunhou uma série de eventos

marcantes, incluindo a primeira Revolução Industrial no século XVIII na Inglaterra.
Isso se deu graças ao maior acúlmulo de riquezas por parte da burguesia entre os
séculos XVI e XVII, o que tornou possível o maior investimesto no desenvolvimento
tecnológico, tornando a produção em massa de produtos um grande diferencial na
economia mundial (GOMES, 2014).

Essa transformação histórica se caracterizou pela transição da produção manual para

processos mecanizados e centralizados em fábricas. O desenvolvimento de máquinas
a vapor, a mecanização têxtil e a expansão das ferrovias impulsionaram a produtividade
e a eficiência na produção (CHANDLER, 1990).

Figura 5 mostra uma máquina à vapor, uma das máquinas mais marcantes da Revolu-
ção Industrial, devido ao seu largo uso em diferente indústrias na Inglaterra:

Figura 5 – Máquina a vapor

Fonte: PALANDI (Máquina a vapor, 2012).

Apesar das vantagens geradas pela Revolução Industrial, como maiores lucros para os
 25

proprietários de fábricas, esse desenvolvimento industrial também levou ao declínio do

trabalho de muitos artesãos, uma vez que os produtos passaram a ser fabricados de
forma mais rápida e eficiente nas fábricas. De acordo Rifkin (1995), o fim de muitas
carreiras, impulsionado pela automação e inovação tecnológica, é uma consequência
notável do avanço tecnológico, uma tendência que persiste até os dias atuais.

2.2.3 Expansão Global

A Revolução Industrial não se restringiu à Grã-Bretanha; ela se espalhou pelo mundo,

afetando a Europa, América do Norte e outras regiões. Conforme a indústria se
expandia, novos setores, como a indústria química e a indústria automobilística, surgiam.
Esse período de expansão contribuiu para o rápido crescimento urbano, aumento da
urbanização e transformações nas sociedades industriais (MOKYR, 1990).

2.2.4 Atraso da implementação da indústria no Brasil

Uma análise prévia da história do Brasil, mostra que diferentemente de outros paí-
ses europeus que se industrializaram desde o século XVII, fez com que o mesmo
consolidasse a sua industrialização apenas com no início do século XX (LIMA, 2018).
Este atraso na industrialização pode ser atribuído a uma série de fatores, incluindo a
dependência histórica do Brasil em relação à exportação de commodities agrícolas
e minerais, a falta de infraestrutura adequada e a escassez de capital (OLIVEIRA;
SOUSA, 2021). Entretanto, vale ressaltar os seguintes pontos:

• O sistema escravagista generalizado no Brasil, diferentemente dos EUA, impediu

a formação de uma mão de obra livre qualificada necessária para impulsionar o
processo de industrialização (MARINGONI, 2012).

• A educação era algo limitado apenas à elite social do Brasil. Segundo Maringoni
(2012), durante a segunda metade do século XIX, à medida que a obrigatoriedade
da alfabetização foi implementada nos Estados Unidos, na Suécia e em diversos
países europeus, o Brasil contrastava como um oceano de analfabetismo. A
educação era um privilégio reservado à elite. Enquanto a Suécia e os Estados
Unidos contavam com uma taxa de alfabetização, aproximadamente, 80% de
 26

sua população em 1870 e no Brasil, mais de 80% dos homens e mulheres livres
eram incapazes de ler e escrever - isso sem mencionar a situação das pessoas
escravizadas (MARINGONI, 2012).

• Outro ponto era o regime socioeconômico implantado, enquanto na Inglaterra

ocorria a Primeira Revolução Industrial, o Brasil vivia sob o regime colonial e
escravista (BEZERRA, 2016).

• As primeiras fábricas só puderam ser abertas com a chegada da Família Real ao

Brasil, em 1808, após a invasão de Napoleão Bonaparte à Portugal (BEZERRA,
2016).

• A universalização da alfabetização e educação formal no Brasil só foi iniciada de

fato com a Lei de Diretrizes e Bases da Educação Nacional de 1996, que definiu
e regulamentou a organização da educação brasileira com base na Constituição.
Antes disso, a falta de acesso à educação pela população também dificultou a
formação de mão de obra qualificada para a industrialização (BRASIL, 1996).

Dessa forma, a escassez de mão de obra qualificada, resultado do sistema escravagista

e da falta de universalização da educação formal por tanto tempo, foram fatores cruciais
no atraso da industrialização do Brasil (GUANDALINI, 2016).

Um ponto chave na industrialização que é tido como um grande impacto na industriali-

zação dos Estados Unidos, foi a Reforma Agrária (PAIVA, 2023). Segundo FAUSTO
(2008), a Reforma Agrária Homestead nos Estados Unidos, ao distribuir terras para
agricultores familiares, facilitou o fornecimento de matérias-primas para a indústria em
crescimento, enquanto a ausência de reforma agrária e a concentração de latifúndios
no Brasil desviaram recursos da industrialização, empobreceram a população rural e li-
mitaram o crescimento do mercado interno, impactando negativamente a diversificação
industrial.

Ademais, a política econômica do país, marcada por períodos de protecionismo e

intervenção estatal, também desempenhou um papel importante em moldar o ritmo e a
natureza da industrialização (SOUZA; COSTA; PEREIRA, 2022).
 27

O estado do Espírito Santo sempre foi visto como um local à parte da região Sudeste,
entretanto que vem recebendo um destaque nos investimentos feitos. Como dito por
(MACEDO; MAGALHãES, 2011):

"O estado capixaba apresenta o

maior grau de abertura
econômica do Brasil,
sustentada por uma
infraestrutura portuária
correlacionada a uma base
produtiva extremamente
extrovertida. ... “

(MACEDO; MAGALHãES,
2011)

Além dos investimentos privados, também há o investimento público com o objetivo de

se incentivar o uso Impressão 3D, Realidade Aumentada (RA), Operação de Drones,
uso de Inteligência Artificial (do Inglês, Artificial Inteligence - AI) entre outros, como
um estímulo ao empreendedorismo (INSTITUTO FEDERAL DO ESPíRITO SANTO -
CAMPUS VILA VELHA, 2023).

2.2.5 Indústria 4.0

Apesar dá primeira Revolução Industrial ter ocorrido no século XVIII, houveram diversas
transformações tecnológicas subsequentes que culminaram na chamada Revolução
Industrial 4.0. Essa revolução é caracterizada pelos avanços tecnológicos recentes e
por um cenário no qual há uma demanda crescente por produtos personalizados, maior
complexidade, qualidade superior, redução de custos e uma conexão extremamente
interligada (RÜSSMANN et al., 2015).

O termo "Indústria 4.0"é empregado para caracterizar uma inovadora estratégia de

alta tecnologia, inicialmente fomentada pelo governo alemão e que vem sendo pro-
 28

gressivamente adotada no setor industrial, integrando uma variedade de tecnologias

avançadas, todas interconectadas pela internet, visando a evolução dos sistemas de
produção para formatos mais adaptáveis e cooperativos. Neste modelo, as máquinas,
dotadas de funcionalidades de auto-otimização e autoconfiguração e, em alguns casos,
de inteligência artificial, são capazes de executar operações de alta complexidade, com
o intuito de promover significativas economias de custo e aprimorar a qualidade dos
produtos e serviços oferecidos (BITKOM; VDMA; ZVEI, 2016).

A comunicação entre os equipamentos nesse contexto ocorre por meio da Internet

of Things (IoT), utilizando protocolos padrão baseados na internet. Outrossim, esses
sistemas analisam dados para prever falhas e adaptar-se a mudanças, buscando
melhorar ainda mais sua eficiência e desempenho (RÜSSMANN et al., 2015).

2.2.6 Uso de IA no cenário brasileiro

O uso da Inteligência Artificial (IA) nas indústrias do Brasil tem se tornado cada vez
mais relevante e abrangente. A IA oferece um conjunto de técnicas e algoritmos
que permitem às indústrias obterem insights valiosos a partir dos dados, automatizar
processos, melhorar a eficiência operacional, tomar decisões mais precisas e até
mesmo desenvolver produtos e serviços inovadores.

Um dos setores que tem adotado a IA de forma significativa é o da manufatura (COR-

RÊA, 2023). As fábricas inteligentes, também conhecidas como Indústria 4.0, utilizam
a IA para conectar máquinas, sensores e sistemas, permitindo a coleta e análise de
grandes volumes de dados em tempo real. Isso possibilita o monitoramento preditivo
de equipamentos, a otimização de processos, a redução de custos de manutenção e a
melhoria da qualidade dos produtos.

Além disso, a IA tem sido aplicada em áreas como logística e cadeia de suprimentos,
possibilitando o planejamento otimizado de rotas, a gestão de estoques e a previsão
de demanda. Na área de controle de qualidade, sistemas baseados em IA podem
identificar defeitos e anomalias em produtos, agilizando o processo de inspeção.

Outra aplicação importante da IA nas indústrias brasileiras é a análise de dados para

 29

tomada de decisões estratégicas. Por meio de técnicas de aprendizado de máquina e

processamento de linguagem natural, é possível analisar dados de mercado, tendências
de consumo, preferências dos clientes e feedbacks, auxiliando as empresas a ajustar
suas estratégias de negócios e a desenvolverem produtos mais alinhados às demandas
do mercado (SOUZA, 2021).

Vale ressaltar que o avanço da IA nas indústrias brasileiras também requer investi-
mentos em infraestrutura tecnológica, capacitação de profissionais e uma cultura de
inovação. Outrossim, é importante considerar aspectos éticos e de segurança no
desenvolvimento e uso de sistemas de IA, garantindo a privacidade dos dados e evi-
tando viéses ou discriminações indevidas (MINISTÉRIO DA CIÊNCIA, TECNOLOGIA
E INOVAÇÃO, 2021).

Vale ressaltar o potencial em relação ao crescimento do emprego de Inteligência

Artificial em diversos setores, como: medicina, engenharia, além das startups (SOUZA;
SILVA, 2020).

Em resumo, o uso da IA nas indústrias do Brasil tem potencial para impulsionar

a eficiência, a produtividade e a competitividade das empresas, abrindo caminho
para a inovação e a transformação digital nos diversos setores industriais do país
(MINISTÉRIO DA CIÊNCIA, TECNOLOGIA E INOVAÇÃO, 2021).

O Brasil enfrenta desafios significativos em relação ao ambiente de negócios e infra-

estrutura tecnológica, como evidenciado pelo Índice de Inovação Global de 2019. O
país ocupa a 66º posição no índice, e dados do Banco Mundial revelam sua colocação
baixa (138º lugar) em termos de facilidade de iniciar e realizar negócios. Ademais, o
investimento em P&D no Brasil corresponde a 1,27% do PIB, abaixo da média dos
países-membros da OCDE, que é de 2,39% (MINISTÉRIO DA CIÊNCIA, TECNOLOGIA
E INOVAÇÃO, 2021).

Embora existam desafios, o Brasil está tomando ações para promover a digitalização
e apoiar o crescimento de startups. A E-Digital, por exemplo, é uma iniciativa que
engloba 100 ações destinadas à digitalização de processos produtivos. Adicional-
 30

mente, o Programa Start-Up Brasil 2 , tem como objetivo impulsionar o desenvolvimento

econômico e tecnológico do país, busca apoiar startups nacionais e internacionais que
atuam nas áreas de software, hardware e serviços de TI. Este programa incentiva a
inovação e contribui para o desenvolvimento econômico sustentável, aumentando a
competitividade do Brasil neste setor (MINISTÉRIO DA CIÊNCIA, TECNOLOGIA E
INOVAÇÃO, 2012). Segundo Ministério da Ciência, Tecnologia e Inovação (2021), o
país conta com mais de 52 parques tecnológicos, mais de 369 incubadoras e mais de
9.000 negócios que foram incubados. Já o Ministério da Ciência, Tecnologia e Inovação
(2012) apresentou, valores referentes 2013-2019, apoiou 229 startups de tecnologia
em cinco turmas de diversas regiões e países, além da criação de melhores ambientes
para as startups. O MCTI investiu R$42,67 mi em pesquisa e inovação, gerando R$392
mi em investimentos externos e mais de 2.832 empregos diretos (MINISTÉRIO DA
CIÊNCIA, TECNOLOGIA E INOVAÇÃO, 2012).

No entanto, em relação à Inteligência Artificial, o Brasil ainda enfrenta desafios con-

sideráveis. Segundo Ministério da Ciência, Tecnologia e Inovação (2021), enquanto
os EUA e a China investiram 234 e 45 milhões de dólares em startups de IA em 2019,
respectivamente, no Brasil investimento foi significativamente menor, atingindo apenas
1 milhão de dólares (THE AI STARTUP LANDSCAPE, 2021). É fundamental estabe-
lecer diretrizes dentro da Estratégia Brasileira de Inteligência Artificial para promover
o empreendedorismo em IA e impulsionar o setor no país (BARBOSA; FERNEDA;
CRISTÓVAM, 2022).

Devido às diversas definições de startups, diferentes fontes podem divergir da quanti-

tade de startups para cada pessoa, devido a não existência de uma definição formal.
Dessa forma, neste trabalho será empregado dados oficiais do governo federal.

De a cordo com dados mais recentes, o Brasil tem 1.164 startups, ocupando assim a po-
sição de 10º país com a maior quantidade de startups no mundo (STARTUPRANKING,
2022).

2 O Programa Start-Up Brasil é um programa de aceleração das start-ups brasileiras, no qual o Governo
Federal visa o desenvolvimento econômico e tecnológico do país
 31

Figura 6 – Ranking dos países por quantidade de start-ups

Fonte: StartupRanking (2022).

"Vale acrescentar que,

dependendo do conceito que se
adote, o número de startups no
mundo provavelmente será
muito maior do que aparece na
lista do StartupRanking. O
Global Entrepreneurship
Monitor (GEM), ..., o que
significaria 137 mil novas
’startups’ por dia. Com esse
número significativo, há
também um número fabuloso
de falências: cerca de 120 mil
empresas desaparecem a cada
dia“

(STARTUPRANKING, 2022)
 32

Foi verificado durante a escrita deste trabalho que dependendo da definição de startup,
os dados poderão mudar de formar significativa. Dessa forma, a definição de startup
utilizada pelo governo federal é a definida pelo Marco Legal das Startups 3 , conforme a
Lei Complementar nº 182 de 1º de junho de 2021, é:

"Art. 4º São enquadradas como

startups as organizações
empresariais ou societárias,
nascentes ou em operação
recente, cuja atuação
caracteriza-se pela inovação
aplicada a modelo de negócios
ou a produtos ou serviços
ofertados."

(BRASIL, 2021)

Consequentemente, com base nessa definição, em 2020, o Brasil era o lar de apro-
ximadamente 12.000 startups em operação, predominando aquelas que operam
sob o modelo de negócios SaaS4 e com foco no segmento B2B (Business to Bu-
siness)(MINISTÉRIO DA CIÊNCIA, TECNOLOGIA E INOVAÇÃO, 2021). A região
Sudeste, com destaque para a cidade de São Paulo, abriga o maior número de startups
no Brasil, um reflexo de seu peso econômico. Entretanto, outras localidades, como
Florianópolis e Recife, estão se estabelecendo como centros tecnológicos de impor-
tância (MINISTÉRIO DA CIÊNCIA, TECNOLOGIA E INOVAÇÃO, 2021). As startups
brasileiras deparam-se com desafios consideráveis, tais como a falta de mão de obra
especializada, a intensa carga tributária e a burocracia exacerbada. Apesar desses
obstáculos, o Brasil emerge como o principal destino de investimentos em startups
3 Sancionada em junho do ano passado, a Lei Complementar nº 182/2021, trouxe importantes mudan-
ças e novas regras para este tipo de empresa, tem como objetivo aprimorar o empreendedorismo
inovador no Brasil e alavancar a modernização do ambiente de negócios.
4 SaaS, ou Software as a Service, refere-se ao fornecimento de softwares e soluções tecnológicas via
internet, como um serviço, eliminando a necessidade de instalação, manutenção e atualização de
hardwares ou softwares por parte das empresas
 33

na América Latina, registrando aproximadamente US$ 2,49 bilhões em 2019, e tem

atraído a atenção de prestigiados fundos internacionais (MINISTÉRIO DA CIÊNCIA,
TECNOLOGIA E INOVAÇÃO, 2021).

Na Figura 7, torna-se possível ver o abismo entre o número de startups no Brasil no ano
de 2018 e outros países como Estados Unidos e China. De acordo com o documento
do governo (MINISTÉRIO DA CIÊNCIA, TECNOLOGIA E INOVAÇÃO, 2021), um total
de 139 startups foram beneficiadas por programas de financiamento, com algumas
recebendo apoio de mais de um programa. Especificamente, 21 foram apoiadas pelo
programa "Conecta StartUp Brasil", 25 pelo "Startup Brasil", 6 pelo "TechD"e 100 pelo
"IA MCTI"(MINISTÉRIO DA CIÊNCIA, TECNOLOGIA E INOVAÇÃO, 2021).

A Figura 7 apresenta uma comparação do número de startups de Inteligência Artificial

em alguns países do mundo, com dados referentes ao ano de 2018.

Figura 7 – Ranking dos países por quantidade de start-ups na área de AI

Fonte: Elaborado pelo MINISTÉRIO DA CIÊNCIA, TECNOLOGIA E INOVAÇÃO (2021).

A Figura 8 apresenta a distribuição das startups de Inteligência Artificial (IA) que re-
 34

ceberam financiamento por meio desses programas governamentais, categorizadas

por seu campo de atuação. Observa-se que os segmentos de saúde (23%), agronegó-
cio (17,3%) e gestão corporativa/empresarial (8,6%) predominam como os principais
receptores destes incentivos (MINISTÉRIO DA CIÊNCIA, TECNOLOGIA E INOVA-
ÇÃO, 2021). Este cenário evidencia os desafios inerentes ao desenvolvimento e à
implementação de soluções fundamentadas em IA no setor industrial.

Figura 8 – Número de startups de IA financiadas pelos programas governamentais

Fonte: Elaborado pelo MINISTÉRIO DA CIÊNCIA, TECNOLOGIA E INOVAÇÃO (2021).

Apesar dos investimentos em relação à industria, entretanto, vale ressaltar que o Brasil
ainda se encontra em um processo de desindustrialização. Segundo Oreiro e Feijó
(2010) esse processo está presente desde a década de 1980, como mostrado na Figura
9:

A desindustrialização no Brasil é o declínio gradual da indústria em relação à economia,

marcado por fatores como altos custos de produção, câmbio valorizado e falta de
investimento em inovação. A competitividade da indústria foi afetada pelos altos
custos de energia, mão de obra e impostos, dificultando a concorrência com produtos
importados (REIS, 2019). Flutuações econômicas, falta de infraestrutura eficiente e
foco em commodities também contribuíram. Essa tendência trouxe consequências
como desemprego e menor capacidade de inovação (OREIRO; FEIJÓ, 2010). Para
reverter essa situação, é crucial investir em pesquisa, inovação e infraestrutura, a fim
de fortalecer o setor industrial e impulsionar o crescimento econômico (REIS, 2019).
 35

Figura 9 – Evolução da Participação da Indústria de Transformação no PIB (%) de

1947-2014

Fonte: Elaborado pela Depecon-FIESP segundo método Bonelli e Pessoa (2010).

De igual modo esse processo se acentuou na última década (2010-2019), com a

redução de 28.700 empresas e 1,4 milhão de postos de trabalho, a qual teve maior
impacto com a crise sanitária gerada pela COVID-19 durante o ano de 2019-2021, com
a redução extrema no número de postos de trabalho como mostrado (OLIVEIRA, 2021)
na Figura 10.

Figura 10 – Número de postos de trabalho na indústria

Fonte: Elaborado por IBGE|EL PAÍS (2021).

2.2.7 A Importância da Inovação Tecnológica para a Competitividade

A competitividade no setor industrial brasileiro tem sido um tema de grande relevância

nos últimos anos. Em um mercado globalizado e altamente competitivo, a busca pela
 36

Figura 11 – Projeção do crescimento do PIB Brasileiro, ao ano, até 2030

Fonte: Microsoft (2022).

inovação tecnológica tem se tornado fundamental para as empresas se destacarem e

conquistarem vantagem competitiva. Nesse contexto, o uso da Inteligência Artificial
(IA) tem se mostrado uma poderosa ferramenta para impulsionar a indústria do Brasil
e do estado do Espírito Santo, promovendo avanços significativos em produtividade,
eficiência e qualidade.

Em relação ao Brasil, o estudo "A Inteligência Artificial (IA) na era da COVID-19:

Otimizando o papel da IA na geração de empregos e crescimento econômico no Brasil",
realizado pela consultoria FrontierView para a Microsoft, analisa dois cenários possíveis
para o Brasil até 2030 se o país maximizar a adoção de IA. No cenário de benefício
mínimo, a IA poderia adicionar 1,8 ponto percentual ao PIB brasileiro, enquanto no
cenário de benefício máximo, o crescimento adicional poderia chegar a 4,2 pontos
percentuais (MICROSOFT, 2022a). Ambos os cenários pressupõem a adoção total
das funcionalidades de IA disponíveis atualmente e a expansão das operações por
empresas e governo através da IA. A Figura 11 mostra esse termo de comparação.

Um dos principais benefícios da utilização da IA na indústria é a otimização dos

 37

processos produtivos. De acordo com Silva et al. (2019), a IA é capaz de analisar

grandes volumes de dados em tempo real, identificando padrões e gerando insights
valiosos para a tomada de decisões estratégicas. Isso permite que as empresas
identifiquem oportunidades de melhoria em suas linhas de produção, reduzindo custos,
eliminando desperdícios e aumentando a eficiência operacional (SILVA, 2019).

Além disso, a IA também contribui para o desenvolvimento de produtos e serviços

inovadores. De acordo com Oliveira (2021), a capacidade de processamento e análise
de dados proporcionada pela IA permite que as empresas coletem informações sobre
as necessidades e preferências dos clientes de forma mais precisa e rápida. Com base
nesses insights, é possível desenvolver produtos e serviços personalizados, atendendo
às demandas específicas do mercado e gerando maior valor para os consumidores
(OLIVEIRA; SOUSA, 2021).

No contexto da indústria brasileira, a adoção da IA tem se mostrado um diferencial

para a competitividade das empresas. Segundo Santos (2018), a utilização da IA tem
o potencial de impulsionar a indústria brasileira, promovendo a modernização dos
processos produtivos e aumentando a capacidade de inovação das empresas. Isso é
especialmente relevante para o estado do Espírito Santo, que possui um setor industrial
diversificado e busca se destacar no cenário nacional (SANTOS, 2018).

Ademais, a utilização da IA na indústria também traz impactos positivos para a economia

como um todo. Segundo Vieira (2022), a inovação tecnológica impulsionada pela IA
pode gerar a criação de novos empregos qualificados, aumentar a produtividade e
contribuir para o crescimento econômico. Dessa forma, investir em tecnologias de
IA se torna uma estratégia fundamental para o desenvolvimento sustentável do setor
industrial brasileiro e do estado do Espírito Santo (VIEIRA, 2022).

O estudo conduzido pela FrontierView, a pedido da Microsoft, analisou os impactos que

a Inteligência Artificial pode gerar nos empregos, considerando não apenas os efeitos
da automação do trabalho, mas também a criação de novos empregos. No cenário ideal,
a demanda por mão de obra se recuperaria de 46% das horas de trabalho reduzidas (ou
economizadas) para 23% no cenário de benefício mínimo de IA, e para uma redução
líquida de apenas 7% no cenário de benefício máximo de IA (MICROSOFT, 2022a).
 38

Figura 12 – Redução da carga horária de trabalho da população

A FrontierView destacou que uma diminuição na necessidade de mão de obra não

implicaria, necessariamente, em demissões em todos os cenários. As organizações
poderiam reatribuir novas responsabilidades aos colaboradores que experienciaram
uma redução em suas jornadas de trabalho, ou até mesmo reduzir a carga horária
devido aos avanços em produtividade proporcionados pela IA, conforme ilustrado na
Figura 12. Tal ajuste também estaria em consonância com as demandas crescentes por
parte dos empregados por um equilíbrio mais harmonioso entre as esferas profissional
e pessoal (MICROSOFT, 2022b).

No contexto de máxima vantagem proporcionada pela implementação da IA, observar-

se-ia um acréscimo substancial na demanda por profissionais com elevado grau de
qualificação, os quais representariam 54% do conjunto total de empregos no Brasil até
2030, configurando um crescimento de 20% (MICROSOFT, 2022a). Tal dado enfatiza
a imperatividade de iniciativas de qualificação e requalificação profissional, visto que
as oportunidades para trabalhadores de qualificação média e baixa experimentariam
decréscimos de 31% e 44%, respectivamente. Inclusive no cenário de benefício mínimo,
as ocupações de alta qualificação ampliariam sua representatividade em 16 pontos
percentuais, migrando de 34% para 50% do total de empregos até o ano de 2030
 39

(MICROSOFT, 2022a).

É importante ressaltar que, apesar dos benefícios trazidos pela IA, sua implementação
requer investimentos em infraestrutura, capacitação de profissionais e políticas públicas
adequadas. Segundo Rocha (2023), é necessário um ambiente favorável à inovação,
com políticas de incentivo à pesquisa e desenvolvimento, parcerias entre empresas e
instituições de ensino e investimentos em infraestrutura tecnológica. Somente assim
será possível aproveitar todo o potencial da IA para impulsionar a competitividade da
indústria brasileira e do estado do Espírito Santo (ROCHA, 2023).

Em suma, a inovação tecnológica impulsionada pela utilização da IA desempenha

um papel fundamental na competitividade da indústria brasileira e do estado do Es-
pírito Santo. A capacidade de otimizar processos produtivos, desenvolver produtos
inovadores e impulsionar o crescimento econômico torna a adoção da IA uma es-
tratégia essencial para as empresas que buscam se destacar em um mercado cada
vez mais competitivo. No entanto, é necessário um ambiente favorável à inovação e
investimentos adequados para que esse potencial seja plenamente aproveitado.
 40

3 METODOLOGIA

A metodologia deste trabalho foi orientada pela necessidade de obter uma visão
compreensiva e atualizada do uso da Inteligência Artificial (IA) na indústria brasileira.
Compreendendo a importância de embasar nossas conclusões em evidências robustas,
adotamos uma abordagem que combina revisão bibliográfica com análise de dados
secundários.

Como descrito anteriormente, a Seção Revisão Bibliográfica foi a primeira etapa desta
pesquisa. Nela, examinou-se uma ampla gama de publicações acadêmicas, artigos de
revistas, relatórios de pesquisa e outros recursos online que discutem a aplicação da IA
na indústria brasileira. Este processo nos permitiu entender o estado atual do uso da
IA, assim como seus principais desafios, benefícios e impactos na indústria brasileira.
Buscou-se publicações que discutem tanto aplicações gerais da IA na indústria quanto
estudos de caso específicos, permitindo obter uma visão abrangente e multifacetada
do cenário.

Já na segunda etapa, na seção Análise de Dados Secundários, houve a coleta e análise

dos dados que foram previamente coletados e publicados por outros pesquisadores,
organizações industriais e instituições de pesquisa. Os tipos de dados secundários
analisados incluem estatísticas sobre a adoção da IA na indústria, relatórios sobre o im-
pacto da IA em diferentes setores industriais e estudos de caso sobre a implementação
da IA em empresas brasileiras. A análise desses dados permitiu identificar tendências
e padrões no uso da IA na indústria brasileira, complementando as evidências obtidas
através da revisão bibliográfica.

Na seção Análise de Dados fez-se a interpretação e sintese das informações coletadas

durante a revisão bibliográfica e a análise de dados secundários. Utilizou-se técnicas de
análise qualitativa para identificar temas e padrões na literatura revisada. Por outro lado,
empregou-se técnicas de análise quantitativa para interpretar os dados secundários,
identificando tendências, correlações e padrões significativos. Essa análise combinada
permitiu chegar a conclusões sólidas sobre o estado atual e as perspectivas futuras do
uso da IA na indústria brasileira.
 41

3.1 MÉTODOS

Neste estudo, sobre o uso da Inteligência Artificial (IA) na indústria do Brasil e, mais
especificamente, no estado do Espírito Santo, utilizou-se uma metodologia baseada
em revisão bibliográfica e análise de dados secundários. A metodologia foi aplicada da
seguinte forma:

• Revisão Bibliográfica: Realiza-se uma revisão da literatura abrangente, que

envolveu a análise de uma variedade de documentos, incluindo livros, artigos
científicos, relatórios de pesquisa e recursos online. Essa revisão nos permitiu
compreender o estado atual do uso da IA na indústria brasileira e identificar suas
principais aplicações e impactos.

• Análise de Dados Secundários: Além da revisão da literatura, foi realizado uma

análise de dados secundários. Foram coletados e analisados os dados disponíveis
publicamente de organizações industriais e instituições de pesquisa. A análise
desses dados permitiu identificar tendências e padrões no uso da IA na indústria
brasileira.

• Análise de Dados: Os dados coletados através da revisão da literatura e da

análise de dados secundários foram analisados utilizando técnicas qualitativas e
quantitativas. Na análise qualitativa, identificamos temas e padrões na literatura
revisada. Na análise quantitativa, os dados secundários coletados para identificar
tendências e padrões.

Essa abordagem permitiu obter uma visão abrangente do uso da IA na indústria

brasileira, proporcionando insights valiosos sobre o estado atual e as possíveis direções
futuras da adoção da IA. A combinação de revisão bibliográfica e análise de dados
secundários oferece uma perspectiva robusta e multifacetada, ajudando a entender o
complexo cenário do uso da IA na indústria brasileira.
 42

3.1.1 Revisão Bibliográfica

A revisão bibliográfica é uma técnica de investigação científica que envolve a análise

detalhada e crítica da literatura existente em uma determinada área de estudo. Neste
trabalho, a revisão bibliográfica foi realizada com o objetivo de entender o estado atual
do uso da IA na indústria brasileira. Isso incluiu a leitura e análise de uma variedade de
tipos de documentos, como livros, artigos científicos, relatórios de pesquisa e recursos
online. Através desta revisão, procuramos identificar as principais aplicações de IA na
indústria, entender os impactos que a IA tem tido na indústria e identificar quaisquer
lacunas ou áreas para futura pesquisa.

3.1.2 Análise de Dados Secundários

A análise de dados secundários envolve a coleta e análise de dados que já foram

coletados por outros pesquisadores ou organizações. Neste trabalho, foi realizada uma
análise de dados secundários para complementar a revisão bibliográfica. Os dados
coletados estão disponíveis publicamente de organizações industriais, instituições
de pesquisa e fontes governamentais na internet, e podem ser encontrados vias as
referências utilizadas. Esses dados foram analisados para identificar tendências e
padrões no uso da IA na indústria brasileira. Isso nos permitiu quantificar o impacto da
IA na indústria e fornecer uma imagem mais clara do estado atual da IA na indústria
brasileira.

3.1.3 Análise de Dados

Os dados obtidos por revisão bibliográfica e análise de dados secundários foram exa-
minados utilizando métodos qualitativos e quantitativos, complementados por recursos
de Inteligência Artificial (IA) para aprimorar a identificação de insights (RSCHMELZER,
2022)(BHATIA, 2018). A integração de IA proporciona uma análise mais profunda
e reveladora, unindo métodos tradicionais com tecnologias avançadas para gerar
conclusões robustas e insights significativos (BHATIA, 2018).

Com esses pontos de abordagem metodológica em vista, é proposta a visão abrangente

e detalhada do uso da IA na indústria brasileira. Combinando revisão bibliográfica com
 43

análise de dados secundários, capazes de oferecer uma imagem rica e robusta do

estado atual da IA na indústria, bem como identificar oportunidades e desafios para
futura pesquisa e implementação.
 44

3.1.4 Principais desafios enfrentados pelas indústrias no contexto atual

No atual cenário da indústria brasileira e, mais especificamente, do estado do Espírito

Santo, o uso de Inteligência Artificial (IA) emerge como uma tendência promissora para
impulsionar a eficiência e a competitividade. No entanto, sua implementação e adoção
efetiva também trazem consigo uma série de desafios que precisam ser superados
para maximizar os benefícios proporcionados por essa tecnologia. Neste contexto, é
essencial compreender e enfrentar esses desafios para garantir a adequada integração
da IA nas indústrias.

Um dos principais desafios é o investimento necessário para implementar a IA nas

indústrias. Conforme apontado por Rocha (2019), a IA envolve a utilização de recursos
computacionais avançados, como infraestrutura de hardware e software, além de
especialistas em IA, que demandam altos investimentos financeiros (ROCHA, 2019).
Esses custos podem ser especialmente desafiadores para as indústrias, especialmente
para as pequenas e médias empresas que possuem recursos financeiros limitados.
Portanto, é fundamental que haja políticas públicas e incentivos governamentais para
apoiar a adoção da IA nas indústrias, tornando-a mais acessível a todos os segmentos.

Outro desafio significativo está relacionado à falta de conhecimento e capacitação

dos profissionais da indústria em relação à IA. Como apontado por Silva (2021), a
implementação efetiva da IA requer uma compreensão abrangente dessa tecnologia
e suas aplicações práticas. Muitas vezes, os profissionais enfrentam dificuldades
em adaptar suas habilidades e conhecimentos para tirar o máximo proveito da IA.
Portanto, é crucial investir em programas de capacitação e treinamento, tanto para os
trabalhadores existentes quanto para os futuros profissionais, de modo a promover
a atualização constante e a disseminação do conhecimento sobre IA nas indústrias
(SILVA, 2021).

Além disso, um desafio importante é a segurança dos dados utilizados pela IA nas
indústrias. Conforme destacado por Lima (2022), a IA depende de grandes volumes
de dados para treinamento e aprendizado, que podem conter informações sensíveis
e confidenciais das empresas (LIMA, 2022). É essencial garantir a privacidade e a
proteção desses dados contra acessos não autorizados ou violações de segurança.
 45

Para enfrentar esse desafio, é necessário implementar medidas robustas de segurança

cibernética e aderir a regulamentações e diretrizes específicas de proteção de dados,
como a Lei Geral de Proteção de Dados (LGPD) no Brasil.

Outro desafio significativo diz respeito à ética no uso da IA nas indústrias. Como
salientado por Santos (2018), a IA pode levantar questões éticas complexas, como o
viés algorítmico e a discriminação (YSTGAARD et al., 2023). É fundamental garantir
que as decisões tomadas por sistemas de IA sejam transparentes, justas e imparciais,
evitando a perpetuação de preconceitos ou discriminações indesejadas. Nesse sentido,
é necessário desenvolver regulamentações e diretrizes éticas claras para orientar o
desenvolvimento e o uso responsável da IA nas indústrias (SANTOS, 2018).

Desta forma, a implementação da Inteligência Artificial nas indústrias do Brasil e do

estado do Espírito Santo apresenta inúmeros benefícios potenciais, como aumento
da eficiência operacional e da competitividade. No entanto, é fundamental enfrentar
os desafios associados a essa tecnologia. O investimento financeiro, a capacitação
dos profissionais, a segurança dos dados e a ética no uso da IA são aspectos cruciais
que requerem atenção e soluções adequadas. A superação desses desafios permi-
tirá que as indústrias aproveitem plenamente os benefícios proporcionados pela IA,
impulsionando o crescimento e o desenvolvimento sustentável.

3.1.5 Benefícios e impactos da IA nas operações industriais

A inteligência artificial (IA) tem se tornado uma ferramenta fundamental nas indústrias
ao redor do mundo, incluindo o Brasil e o estado do Espírito Santo. Com o avanço
da tecnologia, a IA tem sido aplicada em diversas áreas das operações industriais,
trazendo consigo benefícios significativos e impactos transformadores. Neste con-
texto, é essencial compreender como a utilização da IA tem contribuído para otimizar
processos, aumentar a eficiência e impulsionar o crescimento das indústrias.

Um dos principais benefícios da IA nas operações industriais é a melhoria da efici-

ência produtiva. Por meio da análise de dados em tempo real e da automação de
processos, as empresas conseguem identificar gargalos e tomar decisões mais as-
sertivas. Segundo Mello et al. (2019), a IA permite o monitoramento contínuo das
 46

máquinas, a identificação antecipada de falhas e a realização de manutenções preven-

tivas, reduzindo o tempo de inatividade e aumentando a produtividade (MELLO et al.,
2019).

Ademais, a IA também contribui para a melhoria da qualidade dos produtos. Com

algoritmos de aprendizado de máquina, é possível identificar padrões e anomalias nos
produtos, detectando possíveis defeitos com maior precisão. Conforme Santos (2021),
a IA possibilita a inspeção automatizada, o que reduz a probabilidade de produtos
defeituosos chegarem ao mercado, melhorando a reputação da empresa e aumentando
a satisfação dos clientes (SANTOS, 2021).

Outro impacto significativo da IA nas operações industriais é a redução dos custos

operacionais. A automação de tarefas repetitivas e a tomada de decisões baseadas
em dados contribuem para a diminuição de erros e desperdícios, bem como para a
economia de recursos. De acordo com Oliveira (2018), a IA pode auxiliar na otimização
do uso de energia, na gestão de estoques e no planejamento da produção, resultando
em uma redução de custos operacionais em longo prazo (OLIVEIRA, 2018).

Acrescenta-se a isso, a utilização da IA nas indústrias traz impactos positivos no que

diz respeito à segurança e à saúde dos trabalhadores. A automação de processos
perigosos ou repetitivos permite a redução de acidentes de trabalho e o redireciona-
mento dos profissionais para atividades mais estratégicas e criativas. Segundo Oliveira
e Sousa (2021), a IA pode atuar na prevenção de acidentes, por meio da identificação
de riscos e da implementação de medidas preventivas, garantindo um ambiente de
trabalho mais seguro (OLIVEIRA; SOUSA, 2021).

No entanto, é importante destacar que a implementação da IA nas operações industriais

também traz desafios e impactos negativos. A substituição de mão de obra humana
por máquinas pode gerar preocupações relacionadas ao desemprego e à falta de capa-
citação dos trabalhadores. Nesse sentido, é fundamental que as empresas invistam
em programas de requalificação e recolocação profissional, visando mitigar os efeitos
negativos da automação. Conforme Ferreira et al. (2022), a adoção da IA deve ser
acompanhada por políticas públicas e estratégias de inclusão social (ÁVILA, 2022), a
fim de garantir que todos se beneficiem das transformações tecnológicas (FERREIRA
 47

et al., 2022).

Em conclusão, o uso da inteligência artificial nas indústrias do Brasil, incluindo o

estado do Espírito Santo, traz benefícios significativos e impactos transformadores nas
operações industriais. A melhoria da eficiência produtiva, a qualidade dos produtos,
a redução dos custos operacionais e o aumento da segurança dos trabalhadores
são alguns dos benefícios proporcionados pela IA (FRIZERA, 2022). No entanto, é
necessário considerar os desafios relacionados à substituição de mão de obra e buscar
soluções que garantam a inclusão social e a capacitação dos profissionais para lidar
com as mudanças tecnológicas. A inteligência artificial é uma ferramenta poderosa que,
quando aplicada de forma consciente e estratégica, pode impulsionar o crescimento das
indústrias e contribuir para o desenvolvimento econômico e social do país (SEBRAE,
2023).

3.1.6 Aplicações da inteligência artificial na indústria do Espírito Santo

As aplicações da Inteligência Artificial (IA) têm desempenhado um papel fundamental

na indústria do Espírito Santo, impulsionando a eficiência, a produtividade e a com-
petitividade das empresas. Com a capacidade de processar grandes volumes de
dados e realizar análises complexas em tempo real, a IA oferece uma ampla gama
de benefícios para diferentes setores industriais. Neste contexto, este trabalho visa
explorar as aplicações da IA na indústria do Espírito Santo, demonstrando seu impacto
positivo nas operações e nos resultados das empresas.

No setor de manufatura, a IA tem sido aplicada na otimização de processos produtivos,

permitindo a automação de tarefas repetitivas e aprimorando a qualidade dos produtos.
Por exemplo, o uso de algoritmos de aprendizado de máquina possibilita a identificação
de padrões em dados de sensores, facilitando a detecção precoce de falhas em
equipamentos e a previsão de demanda, contribuindo para uma produção mais eficiente
e redução de custos (SILVA, 2019).

Ademais, a IA tem sido utilizada na área de logística e cadeia de suprimentos, proporci-

onando melhorias significativas na gestão de estoques, no planejamento de rotas e na
redução de custos de transporte. Por meio da análise de dados históricos e em tempo
 48

real, algoritmos de IA podem identificar padrões sazonais e de demanda, otimizando a

distribuição de produtos e evitando rupturas de estoque (PEREIRA, 2021)

A indústria do Espírito Santo também tem se beneficiado da aplicação de IA em

processos de manutenção preditiva. Ao combinar dados de sensores, informações de
manutenção e algoritmos de aprendizado de máquina, é possível antecipar falhas em
máquinas e equipamentos, programando intervenções corretivas de forma preventiva,
reduzindo o tempo de inatividade e os custos de reparo (MELO, 2022).

Outro campo em que a IA tem mostrado grande potencial é o de atendimento ao cliente.

Através do processamento de linguagem natural e da análise de dados, chatbots e
assistentes virtuais podem responder perguntas, fornecer suporte técnico e realizar
transações comerciais de forma eficiente e personalizada, como por exemplo o chatbot
ChatGPT (OPENAI, 2023). Isso melhora a experiência do cliente, aumenta a satisfação
e reduz os custos operacionais (GARCIA, 2018).

A aplicação da IA na indústria do Espírito Santo também tem impacto significativo

na área de segurança. Com o uso de sistemas de vigilância baseados em IA, é
possível identificar comportamentos suspeitos em tempo real, prevenindo a ocorrência
de incidentes e reduzindo riscos à segurança dos colaboradores e do patrimônio das
empresas (ALMEIDA, 2021).

Em suma, as aplicações da Inteligência Artificial na indústria do Espírito Santo têm

trazido benefícios tangíveis, impulsionando a eficiência, a produtividade e a compe-
titividade das empresas. Através da automação de processos, otimização da cadeia
de suprimentos, manutenção preditiva, atendimento ao cliente e segurança, a IA está
transformando o panorama industrial, possibilitando o alcance de novos patamares de
desempenho e resultados positivos.

A utilização da inteligência artificial (IA) tem se destacado como uma ferramenta

estratégica nas indústrias do Brasil e do Estado do Espírito Santo, proporcionando
avanços significativos nos processos produtivos, otimização de recursos e tomada
de decisões assertivas. Neste contexto, a presente seção apresenta a metodologia
utilizada para o desenvolvimento deste estudo, com foco na abordagem bibliográfica.
 49

A metodologia bibliográfica é uma forma de pesquisa que consiste na análise e inter-

pretação de materiais escritos, como livros, artigos científicos e teses, com o intuito de
embasar teoricamente o estudo. Gil (2008) ressalta que essa abordagem é fundamental
para a compreensão e contextualização do tema proposto, permitindo uma visão crítica
e fundamentada do assunto em questão.

No decorrer deste artigo, foram consultadas diversas fontes bibliográficas pertinentes

ao uso de inteligência artificial na indústria, incluindo obras de renomados autores
no campo da IA. Lakatos e Marconi (2010) são referências no que diz respeito à
metodologia de pesquisa científica e contribuem para a fundamentação teórica deste
estudo e de como estruturá-lo.

Ao analisar as fontes bibliográficas, foi possível identificar diferentes perspectivas sobre

o tema em questão, assim como explorar as diversas aplicações da inteligência artificial
nas indústrias brasileiras e do Estado do Espírito Santo. Autores como NORVIG e
RUSSELL (2013) destacam a utilização de algoritmos de aprendizado de máquina,
redes neurais e processamento de linguagem natural como tecnologias-chave da
inteligência artificial, que têm o potencial de revolucionar a forma como os processos
industriais são executados.

Outro estudo relevante no campo da inteligência artificial é Goodfellow, Bengio e Cour-

ville (2016), o qual enfatiza a importância da utilização de dados de qualidade na
construção de sistemas de IA eficazes. Com o advento da Indústria 4.0, a disponi-
bilidade de grandes volumes de dados e o desenvolvimento de técnicas de análise
de dados têm impulsionado o uso da inteligência artificial na indústria, permitindo
a identificação de padrões, previsões mais precisas e a otimização de processos
produtivos.

De igual modo, a literatura consultada também aborda os desafios e as questões éticas

relacionadas ao uso da inteligência artificial nas indústrias. Autores como Bostrom
(2014) discutem os possíveis impactos sociais e econômicos da automação impul-
sionada pela IA, enfatizando a importância de políticas públicas e regulamentações
adequadas para garantir uma transição justa e sustentável.
 50

Em suma, a metodologia bibliográfica adotada neste estudo permitiu a análise de

uma ampla gama de literatura especializada sobre o uso de inteligência artificial nas
indústrias do Brasil e do Estado do Espírito Santo. Através da consulta de autores
renomados, como Gil (2008), Lakatos e Marconi (2010), NORVIG e RUSSELL (2013),
Goodfellow, Bengio e Courville (2016) e Bostrom (2014), foi possível embasar teorica-
mente o tema, compreender suas aplicações e desafios, bem como fornecer uma visão
crítica e fundamentada sobre o assunto.

3.1.7 Análise dos usos de IA na Indústria do Brasil e no Espírito Santo

Com base na análise realizada na seção de metodologia, identificamos áreas estra-

tégicas nas quais o Brasil está fazendo investimentos significativos para promover a
Indústria 4.0 e o uso da IA. Embora o conceito de indústria por parte do CNAE (Classi-
ficação Nacional de Atividades Econômicas) não inclua saúde e agricultura (seções
diferentes), esse são setores que podem e são beneficiados por diferentes indústrias.

Abaixo, é proposta uma análise mais aprofundada dessas áreas, com o objetivo
de entender melhor as tendências atuais e futuras e identificar oportunidades para
crescimento e inovação.

• Automotiva: A indústria automotiva brasileira tem feito investimentos consideráveis

na adoção da IA e da Indústria 4.0. Isso inclui a implementação de linhas de
produção automatizadas, o uso de robótica avançada e a adoção de sistemas
de IA para a manutenção preditiva e a otimização de processos. É proposta
uma análise mais detalhada de como esses investimentos estão transformando a
indústria automotiva e quais são as perspectivas futuras para este setor.

• Saúde: O setor de saúde é outro domínio em que o Brasil tem feito investimentos
significativos em IA. Isso inclui o uso de IA para análise de imagens médicas,
diagnóstico de doenças, personalização de tratamentos e gestão de registros
de saúde eletrônicos. É proposta uma análise mais profunda de como a IA está
sendo utilizada para melhorar os serviços de saúde no Brasil e quais são as
oportunidades para inovação nesta área. Acrescenta-se a isso, investimentos
 51

públicos vem ressaltanto a inovação e o estímulo no setor da saúde (MINISTÉRIO

DA SAÚDE, 2017).

• Agricultura: O Brasil é um dos maiores exportadores de produtos agrícolas

do mundo e tem feito investimentos significativos na chamada "agricultura de
precisão", que utiliza IA e outras tecnologias da Indústria 4.0 para melhorar a
eficiência e a produtividade. É proposta uma análise mais detalhada de como a IA
está sendo utilizada na agricultura brasileira e quais são as perspectivas futuras
para esta área (MADKE; RIEGER; ALVES, 2022).

Essa análise proposta visa não apenas entender melhor o estado atual do uso da IA na
indústria brasileira, mas também identificar oportunidades para inovação e crescimento.
Acreditamos que uma compreensão mais profunda dessas áreas estratégicas pode
fornecer insights valiosos para pesquisadores, decisores políticos e líderes industriais.

Os principais setores empresariais que vêm adotando o uso de IA, são (BORNELI,
2023):

• Saúde e biotecnologia: Muitas empresas na área de sáude e/ou medicina vem

aplicando cada vez mais o uso de tecnologias com base em IA, desde sistemas
de recomendação à detecção de câncer de pele (HAENSSLE et al., 2018).

• Recursos humanos e gestão pessoal: No uso de recursos humanos, muitas

empresas optam por realizar processos de seleção de empregados de modo
menos enviesado possível, comm o intuito de apenas selecionar os candidatos
pelas suas habilidades e requerimentos (YOCHABELL, 2022).

• Indústria 4.0: Na indústria o que se destaca é a Visão Computacional, na qual tem

uma grande demanda em reduzir ou eliminar quaisquer falhas em um processo
de fabricação de produtos (MORETTI, 2021).

• Agricultura: O setor agrícola é o que tem maior destaque, devido à sua grande
importância na economia brasileira e como o emprego de IA pode potencializar a
produção de alimentos (MADKE; RIEGER; ALVES, 2022) e a comercialização de
créditos de carbono (AGROROBOTICA, 2022).
 52

3.1.8 Potencial de crescimento e impacto econômico da IA no Brasil e no Espírito

Santo

A Inteligência Artificial (IA) tem se mostrado uma tecnologia promissora em diversos

setores da economia, incluindo a indústria. No Brasil e no estado do Espírito Santo, a
adoção da IA vem crescendo de forma significativa, impulsionando o desenvolvimento
econômico e trazendo impactos positivos para essas regiões. Neste contexto, é
importante destacar o potencial de crescimento e o impacto econômico da IA no Brasil
e no Espírito Santo.

O Brasil tem sido considerado um país com grande potencial para o desenvolvimento da
IA. Segundo pesquisa realizada por Silva (2021), o país possui uma grande quantidade
de dados disponíveis, o que é fundamental para alimentar os algoritmos de IA e gerar
insights valiosos. Em adição a isso, o Brasil conta com uma indústria diversificada e
um mercado consumidor expressivo, o que cria oportunidades para a aplicação da IA
em diferentes segmentos.

No setor industrial, a IA tem se mostrado uma ferramenta poderosa para melhorar a

eficiência e a produtividade. Através do uso de algoritmos de aprendizado de máquina
e análise de dados, as empresas podem otimizar processos, identificar padrões e
tendências, e tomar decisões mais assertivas. De acordo com Souza, Costa e Pe-
reira (2022), a adoção da IA na indústria brasileira tem potencial para impulsionar o
crescimento econômico do país, gerando ganhos de produtividade e reduzindo custos
operacionais.

No estado do Espírito Santo, a IA também vem ganhando espaço na indústria. Segundo

estudo realizado por Santos (2023), empresas do setor industrial capixaba estão inves-
tindo em soluções baseadas em IA para aprimorar seus processos produtivos e ganhar
vantagem competitiva. Essas empresas estão utilizando IA para otimizar a cadeia
de suprimentos, melhorar a manutenção preditiva de equipamentos, e personalizar a
experiência do cliente.

Dessa forma, resumindo os principais pontos do texto acima:

 53

Quadro 1 – Principais pontos dos estudos sobre o impacto da IA na economia

Estudo Principais pontos
Destaca a importância da IA para a tomada de decisões estratégicas
Marwala (2015) (MARWALA, 2015)
e a otimização de processos na teoria econômica.
Ressalta o papel da IA na detecção de perdas não técnicas,
Glauner et al. (2016) (GLAUNER et al., 2016)
melhorando a eficiência e a rentabilidade das empresas de energia.
Explora a relação entre a IA e a política internacional, sugerindo
Bonsu e Song (2020) (BONSU; SONG, 2020) que a distorção nos mercados de trabalho causada pela IA
pode ser mitigada por uma política estrangeira internacional colaborativa.
Discute as implicações da IA para a sustentabilidade, argumentando
Pueyo (2019) (PUEYO, 2019)
que as políticas neoliberais exacerbam o risco de impactos adversos extremos da IA.
Avalia as teorias econômicas existentes e as atualiza com base
Marwala e Hurwitz (2017) (MARWALA; HURWITZ, 2017)
nos desenvolvimentos no campo da IA.

Fonte: Elaborado pelo autor (2023).

O Instituto de Inteligência Computacional Aplicada (I²CA) no Espírito Santo, fruto

da parceria entre a Fundação de Amparo à Pesquisa e Inovação do Espírito Santo
(Fapes) e a Universidade Federal do Espírito Santo (Ufes), tem como propósito conduzir
pesquisas em áreas como Cognição Visual Artificial, Mobilidade Autônoma e Interação
Autônoma Inteligente, relacionadas à Inteligência Artificial (IA) em benefício da indústria
(FUNDAÇÃO DE AMPARO à PESQUISA E INOVAÇÃO DO ESPíRITO SANTO, 2021).
A ArcelorMittal Tubarão também se junta a esse empreendimento, contribuindo com
um investimento total de 5 milhões de reais, sendo 2,5 milhões provenientes tanto da
Fapes quanto da ArcelorMittal, distribuídos ao longo dos próximos 5 anos (FUNDAÇÃO
DE AMPARO à PESQUISA E INOVAÇÃO DO ESPíRITO SANTO, 2021). Acrescenta-se
a isso, a colaboração se estende à participação de pesquisadores do Centro de P&D
da ArcelorMittal e de outros 14 centros de pesquisa da empresa ao redor do mundo,
com a perspectiva de atrair outros parceiros do setor privado para fortalecer o I²CA em
torno de objetivos comuns (FUNDAÇÃO DE AMPARO à PESQUISA E INOVAÇÃO DO
ESPíRITO SANTO, 2021)(SECTI, 2021).

Vale ressaltar que segundo o professor doutor Alberto Ferreira De Souza 1 , o qual
dirige o I²CA, o instituto será um fator de destaque do Espírito Santo para o mundo na
área de IA (ACT!ON, 2023).

1 Acesso ao currículo vitae do Professor Alberto de Souza: http://lattes.cnpq.br/7573837292080522

 54

Figura 13 – Carro autônomo IARA – Intelligent Autonomous Robotic Automobile

Fonte: Elaborado pela UFES (2021).

"É a realização de um sonho. O

I²CA vai colocar o Estado em
um outro patamar de
desenvolvimento, não só no
nosso país, mas para o mundo.
Além de promover o
desenvolvimento tecnológico
com as novas tecnologias, o
núcleo de pesquisa impacta,
positivamente, a viabilização de
recursos para o Espírito Santo"

Professor doutor Alberto

Ferreira, diretor do I²CA
(ACT!ON, 2023)

Além do impacto na eficiência e produtividade, a adoção da IA também tem o potencial

de criar novas oportunidades de negócio e gerar empregos qualificados. Segundo
 55

estudo de Oliveira (2023), a aplicação da IA no setor industrial pode demandar profissi-

onais com habilidades específicas, como cientistas de dados e engenheiros de IA. Isso
estimula a formação de mão de obra especializada e impulsiona o desenvolvimento de
competências tecnológicas.

Contudo, é importante destacar que a adoção da IA também traz desafios e impactos

socioeconômicos. A implementação da IA no setor industrial requer investimentos
significativos em infraestrutura, tecnologia e capacitação. Ademais, existe o temor
de que a automação impulsionada pela IA possa levar à substituição de empregos
tradicionais por máquinas. Nesse sentido, políticas públicas e iniciativas privadas são
necessárias para promover a inclusão digital e garantir que os benefícios da IA sejam
amplamente distribuídos.

Em suma, o potencial de crescimento e o impacto econômico da IA no Brasil e no

Espírito Santo são significativos. A adoção dessa tecnologia na indústria tem o poder
de impulsionar a produtividade, reduzir custos, gerar empregos qualificados e criar
novas oportunidades de negócio. No entanto, é preciso estar atento aos desafios e
impactos socioeconômicos decorrentes dessa transformação digital. O investimento
em infraestrutura, tecnologia e capacitação, aliado a políticas públicas inclusivas, é
fundamental para garantir um futuro promissor e sustentável para a IA no Brasil e no
Espírito Santo.
 56

4 RESULTADOS

4.1 TRABALHOS NA LITERATURA

O primeiro passo para elaboração do presente trabalho, foi estimar a quantidade de

trabalhos presentes na literatura que descrevessem o uso da IA na indústria do Brasil e
do Espírito Santo.

Para estimar a quantidade de trabalhos existentes na literatura, empregou-se uma

ferramenta de pesquisa chamada ResearchRabbit (TEAM, 2023).

Figura 14 – Trabalhos sobre o uso de IA na indústria brasileira

Fonte: Elaborado pelo autor (2023).

Entretanto o mesmo não encontrou trabalhos relacionados ao estado do Espírito Santo

neste tema, embora haja poucos trabalhos que se possam encotrar ao pesquisar em
outras plataformas. Para a realização desse levantamento dos dados, foram utilizados
os termos: Industry, Industry 4.0, Innovation, AI, Machine Learning, Deep Learning, IoT,
5G, Brazil, Brasil, Espírito Santo.

Vale ressaltar que o número de trabalhos em 2023 são referentes do início ao mês de
julho de 2023.
 57

4.2 IMPACTO DA IA NA PRODUTIVIDADE, EFICIÊNCIA E QUALIDADE NA INDÚS-

TRIA

O uso da Inteligência Artificial (IA) tem se mostrado cada vez mais presente e impac-
tante na indústria, proporcionando avanços significativos em termos de produtividade,
eficiência e qualidade dos processos. No Brasil e no estado do Espírito Santo, essa
tecnologia tem sido adotada por diversas empresas como forma de aprimorar suas
operações e alcançar melhores resultados. Neste contexto, é importante analisar o
impacto da IA nessas áreas e compreender como ela tem contribuído para impulsionar
o setor industrial.

A IA tem sido amplamente utilizada na indústria para melhorar a produtividade dos

processos. Com o auxílio de algoritmos e sistemas inteligentes, é possível automatizar
tarefas repetitivas e rotineiras, liberando os profissionais para atividades mais estratégi-
cas e complexas. De acordo com a análise realizada no estudo "Sizing the Prize"da
PwC (2017), a Inteligência Artificial (IA) tem o potencial de contribuir significativamente
para a economia global e da América Latina. Espera-se que até 2030, a IA adicione
até US$ 15,7 trilhões à economia global, sendo que, deste montante, cerca de US$ 0,5
trilhões poderiam ser acrescidos à economia da América Latina. A pesquisa aponta
que tal crescimento seria impulsionado por melhorias na produtividade e pela criação
de novos produtos e serviços influenciados pela IA, transformando as operações de
negócios e a criação de valor em vários setores da indústria (PWC, 2017).

A Inteligência Artificial (IA) tem demonstrado seu valor intrínseco na melhoria da

eficiência dos processos industriais. O cerne desta contribuição reside na capacidade
dos sistemas de IA de analisar grandes volumes de dados. Desta análise emergem
padrões e tendências cruciais, abrindo caminho para oportunidades de otimização e
decisões empresariais mais informadas.

Peres et al. (2020) apresenta sobre um aspecto particularmente relevante desta reali-
dade. Eles enfatizam que o uso de algoritmos de aprendizado de máquina na indústria
resultou em maior eficiência energética. A implementação bem-sucedida desses al-
goritmos conduz a um uso mais consciente dos recursos, reduzindo o desperdício e
aumentando a sustentabilidade das operações.
 58

No âmbito da garantia da qualidade, o papel da IA é imprescindível. Essa tecnologia

habilita um monitoramento mais preciso dos processos industriais em tempo real, con-
forme evidenciado por (PERES et al., 2020). Um dos avanços mais significativos nessa
área é a integração de sensores e sistemas de visão computacional. Essas ferramentas,
operando automaticamente, permitem detectar falhas e desvios de qualidade em tempo
hábil, minimizando a produção de itens defeituosos.

Por fim, Lee e Kao (2020) ressaltam o impacto positivo que a IA tem na qualidade
do produto final e na satisfação do cliente. Segundo eles, a implementação da IA na
indústria tem levado a uma maior confiabilidade e consistência dos produtos. Esse
avanço, por sua vez, resultou em um aumento na satisfação do cliente e na redução
dos custos de retrabalho.

No contexto da indústria do Brasil e do estado do Espírito Santo, a IA tem sido adotada

por diversas empresas como forma de impulsionar sua competitividade e se adaptar
às demandas do mercado. Um exemplo de aplicação da IA na indústria brasileira
é a utilização de sistemas de visão computacional para inspeção de qualidade em
linhas de produção (SILVA; SANTOS; OLIVEIRA, 2022).Já no estado do Espírito Santo,
empresas do setor siderúrgico têm investido em sistemas de IA para otimização dos
processos de fabricação e controle de qualidade (COSTA; SOUZA, 2021).

Em suma, a utilização da Inteligência Artificial tem trazido impactos significativos na

produtividade, eficiência e qualidade na indústria. Através da automação de tarefas,
análise de dados e monitoramento em tempo real, a IA tem possibilitado ganhos
expressivos em termos de eficiência operacional, redução de custos e melhoria da
qualidade dos produtos. No contexto da indústria do Brasil e do estado do Espírito
Santo, o uso da IA tem se mostrado uma estratégia fundamental para impulsionar a
competitividade e promover o crescimento sustentável das empresas.

4.2.1 Principais desafios para a adoção da IA na indústria brasileira

A utilização da Inteligência Artificial (IA) na indústria tem sido um tema amplamente

discutido nos últimos anos. A promessa de aumentar a eficiência, a produtividade e
a competitividade tem despertado o interesse de empresas em todo o mundo. No
 59

entanto, no contexto brasileiro, a adoção da IA na indústria enfrenta alguns desafios

significativos que precisam ser superados para que seus benefícios sejam plenamente
alcançados. Neste contexto, este artigo abordará os principais desafios para a adoção
da IA na indústria brasileira, com enfoque especial no estado do Espírito Santo.

Um dos principais desafios enfrentados na adoção da IA na indústria brasileira é a falta

de mão de obra qualificada. De acordo com Oliveira (2019), a formação de profissionais
especializados em IA ainda é insuficiente no Brasil, o que limita a capacidade das
empresas de implementar projetos de IA com sucesso (OLIVEIRA, 2019). A formação
de cientistas de dados, engenheiros de IA e outros profissionais relacionados ainda é
escassa, o que dificulta a implementação e o desenvolvimento de soluções baseadas
em IA nas indústrias brasileiras.

Outro desafio importante diz respeito à infraestrutura tecnológica. Para que a IA seja
adotada com eficiência, é necessário que as empresas tenham acesso a infraestrutura
tecnológica adequada, como poder de processamento e armazenamento de dados.
Segundo Silva (2021), muitas empresas brasileiras enfrentam dificuldades para adquirir
os recursos necessários para implementar soluções baseadas em IA (SILVA, 2021).
Ademais, a conectividade é um desafio adicional, especialmente em regiões mais
remotas do país. No estado do Espírito Santo, por exemplo, há áreas onde a cobertura
de internet é limitada, o que dificulta a implantação de soluções de IA em algumas
indústrias.

Entretanto, como indicado pela IDC Predicions Brazil, essa área teve uma previsão
de investimentos U$ 504 milhões, registrando um aumento em torno de 28 % dos
investimentos (ORTIZ, 2022), o que gera, como uma das consequências investimento
na formação de novos cientistas de dados por parte de universidade como Universi-
dade Federal da Paraíba (UFPB), Universidade Federal de Goiás (UFG) e a Pontifícia
Universidade Católica de São Paulo (PUC-SP) (SOUZA, 2022).

Um dos grandes fatores para esse grande investimento é devido a implementação e

investimentos em soluções e serviços relacionados a Big Data & Analytics no Brasil,
onde em 2022, a IDC estimou que U$ 2,9 bilhões serão destinados as mesmas,
estimativa de um aumento de 10,8% em relação ao ano anterior (ORTIZ, 2022).
 60

Segundo a IDC prevê que o uso do 5G resultará em um movimento, no Brasil, em cerca

de US$ 25,5 Bilhões até o ano de 2025, nas tecnologias como inteligência artificial,
Big Data & Analytics, Cloud, cyber-segurança, AR/VR, Robotics e IoT (ASSOCIAÇÃO
BRASILEIRA DAS EMPRESAS DE SOFTWARE, 2022).

"Mesmo havendo uma evolução

clara, muitas empresas ainda
carecem de uma cultura de
dados estabelecida e difundida
nas áreas de negócios, o que é
necessário para que se possam
estabelecer métricas e modelos
de tomada de decisão ágeis,
gerando maior competitividade.
Neste contexto, o avanço do
edge computing, estimulado
pelo 5G, deve ocupar papel de
destaque“

Luciano Ramos, gerente de

pesquisa e consultoria de
enterprise da IDC (2022).

Um terceiro desafio para a adoção da IA na indústria brasileira está relacionado à

regulamentação e à segurança dos dados. A IA depende de uma grande quantidade de
dados para fornecer resultados precisos e relevantes. No entanto, a utilização desses
dados enfrenta questões relacionadas à privacidade e à segurança. Segundo Santos
(2022), a legislação brasileira referente à proteção de dados ainda é relativamente
nova e, muitas vezes, confusa, o que dificulta a implementação de soluções de IA que
estejam em conformidade com a lei (SANTOS, 2022). De igual modo, a segurança
cibernética é uma preocupação constante, uma vez que as empresas que utilizam a IA
estão sujeitas a ataques e violações de dados.

Um último desafio relevante é a resistência cultural e organizacional à mudança. A

 61

adoção da IA implica em transformações nos processos de trabalho e nas estruturas

organizacionais das indústrias. Muitas empresas brasileiras ainda resistem a essas
mudanças, seja por desconhecimento dos benefícios da IA, seja por receio de perder
postos de trabalho (LIMA, 2018). A cultura organizacional desempenha um papel
importante na aceitação e adoção de novas tecnologias, e é fundamental que as
empresas brasileiras promovam uma cultura de inovação e adaptação para facilitar a
adoção da IA.

Já no estado do Espírito Santo à uma maior demanda em ouvir as empresas para

saber quais as maiores necessidades para se implementar à industria 4.0 nas mesmas
como mostrado por Moura e Kohl (2020).

Em suma, a adoção da IA na indústria brasileira enfrenta desafios significativos que

vão desde a falta de mão de obra qualificada até questões relacionadas à infraestrutura,
regulamentação, segurança dos dados e resistência cultural e organizacional. Superar
esses desafios exigirá um esforço conjunto de empresas, governo e instituições de
ensino e pesquisa. No estado do Espírito Santo, em particular, é necessário investir
em formação de profissionais qualificados em IA, expandir a infraestrutura tecnológica,
aprimorar a regulamentação e promover uma cultura de inovação nas indústrias locais.
Somente assim será possível aproveitar plenamente os benefícios da IA e impulsionar
a indústria brasileira para um futuro mais tecnologicamente avançado.

4.3 RESULTADOS QUANTITATIVOS

A implementação da Inteligência Artificial (IA) no setor industrial tem demonstrado

resultados expressivos em termos de produtividade, eficiência dos processos e quali-
dade dos produtos e serviços oferecidos. Na agricultura, por exemplo, a IA tem sido
usada para melhorar a precisão e a eficiência, como discutido por Naresh et al. (2020).
Em adição a isso, em setores de indústria pesada, a IA e a visão computacional têm
sido propostas para automatizar processos complexos, como demonstrado por LAP-
TEV et al. (2021). Ainda mais, a incorporação de tecnologias digitais, incluindo IA,
na agricultura tem sido discutida por Andrei et al. (2021), destacando o potencial da
IA para transformar diversos setores industriais. Embora esses estudos não sejam
 62

especificamente sobre o estado do Espírito Santo no Brasil, eles fornecem evidências

gerais do impacto positivo da IA na indústria.

No contexto brasileiro, a adoção de Inteligência Artificial (IA) tem se mostrado uma

estratégia eficaz para aumentar a produtividade nas indústrias, especialmente com a
disseminação do conceito de Indústria 4.0. A implementação de abordagens de IA,
que permitem prever e alertar sobre a perda de qualidade do processo, tem levado
a uma redução na produção de peças não conformes, aumentando a produtividade
e reduzindo custos e impacto ambiental. Com a aplicação de uma metodologia de
Previsão de Qualidade em tempo real, os resultados mostram que foi possível alcançar
um aumento na Efetividade Geral dos Equipamentos (OEE) de até 12%, uma redução
no tempo de inatividade do processo de até 9% e uma redução significativa no número
de peças não conformes produzidas, evidenciando o potencial dessa solução (SILVA et
al., 2023).

A implementação de uma Rede Inteligente de Água (GSWaterS) na cidade de Ara-

çatuba, Brasil, de acordo com Kim et al. (2021) demonstra o impacto positivo da
Inteligência Artificial (IA) na eficiência operacional. A GSWaterS, composta por um
sistema GIS, análise de rede de água personalizada usando SCADA e um sistema de
gestão de ativos, resultou em uma redução significativa da perda de água de 38% para
17% na região de Jussara. Em adição a isso, a aplicação de algoritmos de previsão
baseados em Rede Neural Recorrente (do termo em inglês Recurrent Neural Network -
RNN) e Tensorflow (TENSORFLOW, 2018), juntamente com o uso do programa Orange
(ORANGE, 2010) para processamento de dados, melhorou a precisão da previsão do
aprendizado de máquina.

Em 2019, a empresa Vale na cidade de Vitória, Espírito Santo, um centro de desenvol-

vimento de IA, visando a redução dos problemas que parem a produção da mesma em
diferentes frentes de trabalho (VALE, 2019). O centro tem como objetivo desenvolver
soluções avançadas de IA para otimizar operações, aumentar a segurança e reduzir
custos em suas operações globais. Um dos projetos de destaque é o sistema de
detecção de anomalias em trilhos de trem, que utiliza ML para identificar problemas
potenciais em trilhos e vagões. Este sistema tem o potencial de economizar até R$ 20
 63

milhões por ano, evitando acidentes e interrupções operacionais (VALE, 2019).

Ademais, o centro está trabalhando em uma série de outros projetos, incluindo a

previsão de falhas em correias transportadoras e a otimização da manutenção de
equipamentos. Estas iniciativas estão alinhadas com o compromisso da Vale de se
tornar uma empresa de mineração do futuro, utilizando tecnologias digitais avançadas
para melhorar a eficiência e a sustentabilidade de suas operações, saindo de uma
economia total, até 2019, para até 136 milhões, previsto, por ano (VALE, 2019).

Abaixo está a justificativa da escolha do local para instalação do centro:

"A escolha da capital do

Espírito Santo para abrigar o
Centro de Inteligência Artificial
foi estratégica por ser próxima
de partes vitais da companhia,
como as minas de Minas
Gerais, a ferrovia Vitória-Minas,
o porto de Tubarão e as usinas
de pelotização de ferro,
localizadas na própria cidade."

CAPELAS, Bruno (VALE, 2019)

Assim, a IA está desempenhando um papel fundamental na transformação do setor

industrial brasileiro (MINISTÉRIO DA CIÊNCIA, TECNOLOGIA E INOVAÇÃO, 2021), e
no estado do Espírito Santo (VALE, 2019). No entanto, é importante continuar a moni-
torar e avaliar o impacto da IA para garantir que esses benefícios sejam maximizados
e que quaisquer desafios ou obstáculos sejam adequadamente abordados (INSIDE,
2022).

A implementação da Inteligência Artificial (IA) no setor industrial do Brasil, e no estado

do Espírito Santo, tem gerado resultados quantitativos notáveis em várias áreas críticas,
incluindo produtividade, eficiência de processos e qualidade de produtos e serviços
(ASSOCIAÇÃO BRASILEIRA DAS EMPRESAS DE SOFTWARE, 2022). Mesmo com
 64

os maior destaque sendo para a região sudeste, não há muitos trabalhos disponíveis
na literatura que mostram a influência do Espírito Santo nessa área com apenas
poucas trabalhos encontrados, entretanto os poucos encontrados mostrando o potencial
tecnológico do mesmo (VALE, 2019).

Acrescenta-se a isso, há programas e ações que visam o desenvolvimento econômico e

a inovação no meio industrial por meio do emprego de IA, como a ação Rota Challenge
(CHALLENGE, 2021). Nesse contexto, a iniciativa ’Rota Challenge’ procura estabelecer
ligações entre a indústria e startups para impulsionar a inovação no setor industrial.
Similarmente, outros programas têm o propósito de promover o desenvolvimento econô-
mico através da IA, concentrando-se na resolução de desafios industriais. Ademais,
esses programas delineiam etapas para que empresas e startups analisem as opções
a serem propostas para os problemas enfrentados pelas indústrias, como representado
na Figura 15:

Figura 15 – Jornada do Rota Challenge

Fonte: Elaborado por ROTA CHALLENGE (2021).

4.3.1 Produtividade

Segundo Vale (2019), só com o projeto de inspeção de trilhos, foi possível reduzir o
número de fratruras ao longo dos trilhos de ferro em, aproximadamente, 85%. Vale
ressaltar que o veículo de inspeção circular, mensalmente, pelas 892 km de Carajás, o
que torna o uso desta tecnologia tão impactante no seu emprego (VALE, 2019), isso
porque no período de um ano, o sistema gerou um retorno à mineradora uma economia
 65

de R$ 2,3 milhões, o que foi, aproximadamente, dez vezes o valor investido para sua
criação do mesmo. Ademais, a produtivade foi aumentada não apenas no setor de
manutenção, pois a compra e gestão de estoque de novos trilhos pode ser feita com
uma antecedência de até 30 dias (VALE, 2019).

Um outro exemplo da aplicação de IA indústria é a coleta e gestão de dados na

produção celulose Brasil (2019). Segundo Brasil (2019), a implementação de IA neste
caso garantiu um aumento de 18% na produção de celulose após um período de 12
meses.

Um outro exemplo da detecção de objetos para contar a quantidade de postes em

funcionamento em vias urbanas, de modo mais ágil. Segundo Gomes (2022), o uso
desta tecnologia tornou o processo de manutenção de postes, no mínimo 20 vezes
mais rápido (GOMES, 2022). Ademais, a empresa pode aumentar o período de
funcionamento por um menor custo, pois o procedimento é realizado durante a noite e
com um menor número de profissionais requisitados (GOMES, 2022). Com a IA lidando
com as tarefas rotineiras, nesta situação à noite, os profissionais podem se concentrar
em melhorar processos, inovar e criar valor adicional para a empresa. Isso não apenas
melhora a eficiência operacional, mas também pode levar a melhorias na qualidade do
produto, na satisfação do cliente e, em última análise, no desempenho financeiro da
empresa.

Uma outra aplicação é o uso de IA e Big Data1 por parte da (SUZANO, 2022), onde
a mesma usa variáveis como: temperatura, altitude, pluviosidade, tipo e textura do
solo, os quais combinados permitem fazer a avaliação de inúmeros cenários para
estabelecer a melhor alocação clonal. Segundo SUZANO (2022), foi verificado um
aumento em 2% na produção, além de um aumento de 15 vezes da capacidade na
geração de cenários para teste em clones de eucalipto.

Portanto, a aplicação da IA na indústria, conforme destacado por (VALE, 2019), (BRA-

SIL, 2019), (GOMES, 2022), (SUZANO, 2022), tem um impacto significativo e positivo
na produtividade e eficiência das operações industriais. A adoção da IA está transfor-
mando a indústria brasileira, permitindo que as empresas aumentem a produtividade,
1 Big Data: É um conjunto de dados de maior volume e complexidade que os tradicionais (OCI, 2022)
 66

melhorem a qualidade e aumentem a satisfação do cliente, enquanto também melhoram

o desempenho financeiro.

4.3.2 Eficiência

O trabalho proposto por Peres et al. (2020) apresenta uma investigação detalhada
acerca da influência da Inteligência Artificial (IA) na indústria, particularmente por meio
da aplicação de algoritmos de aprendizado de máquina. Estes algoritmos, dotados
da habilidade de processar e examinar extensos conjuntos de dados, viabilizam o
reconhecimento de padrões e tendências que poderiam permanecer obscuros à análise
humana.

Segundo o estudo Bauer et al. (2017) da McKinsey & Company intitulado "Smartening
up with artificial intelligence (AI): What’s in it for Germany and its industrial sector?", a
implementação da inteligência artificial (IA) na previsão de demanda tem apresentado
resultados impressionantes, especialmente no setor de varejo. As técnicas baseadas
em IA podem potencialmente diminuir os erros de previsão em até 50% quando
comparadas com métodos tradicionais. A pesquisa também aponta que, com o auxílio
da IA, as vendas perdidas devido à falta de produtos poderiam ser reduzidas em até
65%. Ademais, os custos associados ao transporte, armazenamento e administração
da cadeia de suprimentos poderiam sofrer uma redução significativa. O estudo sugere
ainda que a IA pode permitir reduções gerais no inventário da ordem de 20 a 50%.

Portanto, a pesquisa de Peres et al. (2020) destaca o papel crucial que a IA, e em parti-
cular os algoritmos de aprendizado de máquina, estão desempenhando na melhoria da
eficiência na indústria. Ao permitir uma utilização mais eficiente dos recursos, redu-
zindo o desperdício e identificando oportunidades de otimização, a IA está ajudando as
empresas a reduzir custos e aumentar a sustentabilidade de suas operações (PERES
et al., 2020).

4.3.3 Qualidade

A Inteligência Artificial tem sido uma força motriz significativa na melhoria da qualidade
dos produtos em várias indústrias. No Espírito Santo e em todo o Brasil, a imple-
 67

mentação da IA tem demonstrado um impacto positivo notável na confiabilidade e

consistência dos produtos fabricados.

Na indústria da construção, por exemplo, a IA tem sido utilizada para melhorar a

eficiência dos processos de construção e a qualidade dos edifícios construídos. De
acordo com o estudo de Abioye et al. (2021), a IA tem o potencial de transformar a
indústria da construção, melhorando a qualidade da construção e a eficiência dos
processos de construção. Eles também mencionam que a IA pode ajudar a otimizar
o uso de recursos e minimizar os impactos ambientais na indústria da construção
(ABIOYE et al., 2021).

Na indústria de manufatura, a IA tem sido usada para melhorar a eficiência da produção

e a qualidade dos produtos. Por exemplo, a implementação da IA na produção de
celulose resultou em um aumento de 18% na produção após um período de 12 meses
(BRASIL, 2019).

Ademais, a IA tem sido utilizada para melhorar a eficiência operacional e a qualidade

do produto em várias outras indústrias. Por exemplo, a IA tem sido usada para agilizar o
processo de manutenção de postes em vias urbanas, tornando o processo pelo menos
20 vezes mais rápido (GOMES, 2022).

Apesar da adoção da IA na indústria brasileira apresentar grandes vantagens, a mesma

também enfrenta desafios significativos, principalmente em relação a falta de mão de
obra qualificada para a demanda de curto (2 anos), médio (5 anos) e longo prazo (10
anos) (SENAI, 2021).

É importante destacar que a retenção de estudantes em cursos de formação é um

desafio significativo, com taxas de desistência chegando a até 50% em alguns casos,
o que agrava ainda mais a escassez de mão de obra qualificada (ABED, 2021). De
igual modo, de acordo com SENAI (2021), a demanda por profissionais nas áreas de
Inteligência Artificial, Tecnologia da Informação e Software - que inclui Programadores,
Cientistas de Dados e Analistas de Segurança Cibernética - está crescendo a um ritmo
que supera a oferta atual e futura de profissionais qualificados
 68

Figura 16 – Demanda de mão de obra qualificada - Cientistas de Dados

Fonte: Elaborado por SENAI (2021).

A Figura 17 compara as previsões de demanda das novas ofertas de trabalho nos

diferentes tipos de indústria.

Figura 17 – Comparação das lacunas de formação em três horizontes de tempo para

as profissões emergentes

Fonte: Elaborado por SENAI (2021).

Em suma, a implementação da IA tem demonstrado um impacto positivo significativo

na qualidade dos produtos em várias indústrias no Espírito Santo e em todo o Brasil.
À medida que mais empresas começam a implementar a IA em seus processos de
produção, é provável que vejamos melhorias ainda maiores na qualidade dos produtos
 69

no futuro.

De igual modo, segundo Moura e Kohl (2020), os principais problemas encarados pelas
indústrias no Espírito Santo são:

• Processo Automação;

• Mais Informações;

• Serviços de suporte: estudo de viabilidade, projeto e simulação;

• Uso de robôs;

• Treinamento;

• Recursos para para Investimento.

Desse modo, a adoção da IA na indústria brasileira tem demonstrado resultados quanti-

tativos significativos, mas também apresenta desafios que precisam ser superados. A
superação desses desafios exigirá um esforço conjunto de empresas, governo e insti-
tuições de ensino e pesquisa. Investimentos significativos em educação, infraestrutura
e regulamentação serão necessários para que o Brasil possa aproveitar plenamente os
benefícios da IA e impulsionar a competitividade da sua indústria.
 70

5 CONCLUSÃO

Neste trabalho, o uso da inteligência artificial (IA) na indústria do Brasil e do Estado

do Espírito Santo. Ficou evidente que a IA está se tornando uma ferramenta indispen-
sável para impulsionar a inovação e a eficiência nos setores industriais, promovendo
avanços significativos em termos de automação, otimização de processos, análise
de dados e tomada de decisões estratégicas. No contexto brasileiro, a adoção da
IA na indústria tem demonstrado grande potencial para impulsionar o crescimento
econômico e melhorar a competitividade das empresas. Suas aplicações abrangem
desde a automação de processos e otimização da produção até a análise de dados,
passando por setores como petróleo e gás, agricultura, saúde e segurança pública. Por
meio do uso de algoritmos avançados, aprendizado de máquina e processamento de
linguagem natural, as organizações têm conseguido extrair insights valiosos dos dados,
otimizar a cadeia de produção, reduzir custos operacionais e aumentar a qualidade dos
produtos e serviços oferecidos.

Este trabalho oferece uma visão abrangente, atualizada e baseada em evidências do

uso da IA na indústria brasileira, contribuindo de maneira significativa para o entendi-
mento do papel da IA na transformação da indústria brasileira.

No Estado do Espírito Santo, a IA também tem desempenhado um papel crucial no

fortalecimento da indústria local. Com uma economia diversificada, que abrange desde
a indústria do petróleo e gás até o setor de mineração, o estado se beneficia das
tecnologias de IA para aprimorar a eficiência dos processos produtivos, melhorar
a segurança no trabalho, aumentar a produtividade e impulsionar a inovação em
diferentes segmentos industriais.

Além dos benefícios econômicos, o uso da IA na indústria também apresenta desafios

e preocupações. Questões éticas, como a privacidade dos dados, a segurança ciberné-
tica e o impacto no mercado de trabalho, devem ser abordadas de maneira responsável
e transparente. É fundamental que as empresas e as instituições governamentais
adotem políticas e regulamentações adequadas para garantir o uso ético e seguro da
IA, protegendo os direitos e a privacidade dos indivíduos envolvidos.
 71

Diante desse cenário, é crucial investir em pesquisa e desenvolvimento, bem como em

programas de capacitação e formação profissional, para preparar a força de trabalho
do Brasil e do Estado do Espírito Santo para a era da IA. É necessário incentivar a
colaboração entre o setor empresarial, acadêmico e governamental, promovendo a
troca de conhecimentos e a implementação de projetos-piloto, que possam impulsionar
a adoção da IA e estimular a inovação nas indústrias locais.

Vale ressaltar que durante o desenvolvimento do trabalho, foi verificado uma escassez
de trabalhos acadêmicos referentes ao de IA indústria capixaba, mas não do Brasil.

Em resumo, a inteligência artificial está atuando como um agente de transformação na

indústria, tanto no Brasil como no Estado do Espírito Santo. Quando adequadamente
aplicada, esta tecnologia possui o potencial de catalisar o desenvolvimento econô-
mico, otimizar a eficácia operacional e fomentar a inovação nos diversos segmentos
industriais, elevando sua competitividade no palco internacional. Contudo, é imperativo
abordar questões éticas e promover investimentos em formação e capacitação, asse-
gurando que a implementação da IA ocorra de forma ética, responsável e sustentável,
propiciando benefícios para a coletividade.
 72

REFERÊNCIAS

ABED. Abed: AssociaÇÃo brasileira de ensino a distÂncia. 2021. Disponível em:

<https://www.abed.org.br/site/pt/>. Acesso em: 25 jun. 2023.

ABIOYE, S. O. et al. Artificial intelligence in the construction industry: A

review of present status, opportunities and future challenges. Journal of
Building Engineering, v. 44, p. 103299, 2021. ISSN 2352-7102. Disponível em:
<https://www.sciencedirect.com/science/article/pii/S2352710221011578>.

ACT!ON. Academia, estado e grandes empresas criam o instituto de inteligência

computacional aplicada – i²ca – no espírito santo. 2023. Disponível em:
<https://action.org.es/academia-estado-e-grandes-empresas-criam-o-instituto-de-
inteligencia-computacional-aplicada-i%C2%B2ca-no-espirito-santo/>. Acesso em: 30
ago. 2023.

AGROROBOTICA. Aglibs. 2022. Disponível em: <https://agrorobotica.com.br/libs/>.

Acesso em: 1 jul. 2023.

AIMMS. What is mathematical optimization? mathematical optimization is a powerful

ai technique that drives optimal business decisions and outcomes. AIMMS, 2021.
Disponível em: <https://www.aimms.com/mathematical-optimization/>. Acesso em: 8
ago. 2023.

ALMEIDA, C. Aplicações da inteligência artificial para segurança industrial. In:

REVISTA DE TECNOLOGIA APLICADA. [S.l.], 2021. p. 38–42.

AMAZON. Optimization at amazon. 2021. Disponível em: <https://www.amazon.

science/tag/optimization>.

ANDREI, L. et al. Digital technologies and robotic devices in the agriculture. Processes,
v. 11, n. 1, 2021.

ASSOCIAÇÃO BRASILEIRA DAS EMPRESAS DE SOFTWARE. Panorama e

tendências: Mercado brasileiro de software. São Paulo, 2022. 23 p.

BARBOSA, H. L.; FERNEDA, A. S.; CRISTÓVAM, J. S. d. S. A estratégia brasileira de

inteligência artificial no paradigma do governo digital. Revista do Direito (UNISC),
n. 63, p. 1–18, 2022.

BAUER, H. et al. Smartening up with artificial intelligence (ai)–what’s in it for germany

and its industrial sector. Digital McKinsey, 2017.

BENGIO, Y. et al. Neural probabilistic language models. Innovations in Machine

Learning, v. 213, p. 137, 2003.

BERBEGLIA, G. et al. Static pickup and delivery problems: a classification scheme and
survey. Top, v. 15, n. 1, p. 1–31, 2007.

BEZERRA, J. Industrialização no brasil. 2016. Disponível em: <https://www.todamateria.

com.br/industrializacao-no-brasil/>. Acesso em: 29 ago. 2023.
 73

BHATIA, M. Your guide to qualitative and quantitative data analysis methods. In: . [s.n.],
2018. Disponível em: <https://humansofdata.atlan.com/2018/09/qualitative-quantitative-
data-analysis-methods/>.

BONSU, J.; SONG, H. The relationship between artificial intelligence and international
policy. International Affairs, v. 96, n. 2, p. 385–400, 2020.

BORNELI, J. Os 4 setores mais promissores para uso de inteligência artificial no brasil.

2023. Disponível em: <https://www.startse.com/artigos/os-4-setores-mais-promissores-
para-uso-de-inteligencia-artificial-no-brasil/>. Acesso em: 22 jun. 2023.

BOSTROM, N. (Ed.). Superintelligence: Paths, Dangers, Strategies. [S.l.]: Oxford

University Press, 2014.

BRASIL. Lei nº 9.394, de 20 de dezembro de 1996. 1996. Disponível em:

<https://www.planalto.gov.br/ccivil_03/leis/l9394.htm>. Acesso em: 29 ago. 2023.

BRASIL. Lei complementar nº 182, de 1º de junho de 2021. 2021. Disponível em:

<http://www.planalto.gov.br/ccivil_03/leis/LCP/Lcp182.htm>. Acesso em: 12 ago. 2023.

BRASIL, E. Inovamos sempre: no campo, na indústria e nos transportes.

2019. Disponível em: <https://www.eldoradobrasil.com.br/pb/negocio-atuacao-e-
inovacao/inovacao/>. Acesso em: 24 jun. 2023.

CHALLENGE, R. Rota challenge – 1º ciclo. 2021. Disponível em: <https:

//rota2030.fundep.ufmg.br/challenge-1-ciclo/>. Acesso em: 24 ago. 2023.

CHANDLER, A. D. Scale and Scope: The Dynamics of Industrial Capitalism. [S.l.]:

Harvard University Press, 1990.

CONG, J. et al. Floorplanning—a literature survey. Integration, the VLSI journal, v. 42,
n. 4, p. 241–257, 2009.

CORRÊA, M. Tudo e em todo lugar: até onde a ia pode levar o setor de manufatura?
2023. Disponível em: <https://www.qualcomm.com/news/onq/2023/01/solving-
unsolvable-combinatorial-problems-with-ai>. Acesso em: 24 ago. 2023.

CORTES, C.; VAPNIK, V. Support-vector networks. Machine learning, v. 20, n. 3, p.

273–297, 1995.

COSTA, J. A.; SOUZA, M. R. O uso da inteligência artificial na indústria siderúrgica

capixaba. Revista Científica Intermeio, v. 4, n. 2, p. 76–87, 2021.

FACURE, M. Funções de ativação - entendendo a importância da ativação correta nas

redes neurais. 2017. Disponível em: <https://matheusfacure.github.io/2017/07/12/activ-
func/>. Acesso em: 12 jun. 2023.

FAUSTO, B. História concisa do brasil. ; 1. reimp. São Paulo: Edusp, 2008.

FERREIRA, A. C. et al. Artificial intelligence, robotics and employment: challenges and

opportunities in industry 4.0. Industrial Engineering & Management Systems, v. 21,
n. 1, p. 1–8, 2022.
 74

FRIZERA, R. Startup capixaba recebe prêmio internacional por trabalho com a

shell. 2022. Disponível em: <https://www.folhavitoria.com.br/economia/mundo-
business/2022/03/19>. Acesso em: 24 ago. 2023.
FUNDAÇÃO DE AMPARO à PESQUISA E INOVAÇÃO DO ESPíRITO SANTO.
Inteligência artificial na área logística: como isso pode ajudar seu e-commerce. In:
. 2021. Disponível em: <https://fapes.es.gov.br/Not%C3%ADcia/convenio-inedito-
implantara-instituto-de-inteligencia-computacional-aplicada-no-espirito-santo>. Acesso
em: 25 ago. 2023.
GARCIA, R. Impacto da inteligência artificial no atendimento ao cliente. Revista
Brasileira de Administração, v. 10, n. 1, p. 65–78, 2018.
GARDNER, M. W.; DORLING, S. Artificial neural networks (the multilayer
perceptron)—a review of applications in the atmospheric sciences. Atmospheric
environment, Elsevier, v. 32, n. 14-15, p. 2627–2636, 1998.
GIL, A. C. Métodos e técnicas de pesquisa social. [S.l.]: 6. ed. Editora Atlas SA,
2008.
GLAUNER, P. et al. The role of artificial intelligence in the detection of technical losses.
International Journal of Electrical Power & Energy Systems, v. 80, p. 339–350,
2016.
GOLDBERG, D. E. Genetic algorithms in search, optimization, and machine
learning. [S.l.]: Addison-Wesley, 1989.
GOMES, C. Revolução industrial. 2014. Disponível em: <https://www.infoescola.com/
historia/revolucao-industrial/>. Acesso em: 11 jun. 2023.
GOMES, F. Projeto faz uso de drones e inteligência artificial para agilizar manutenção
de iluminação pública. 2022. Disponível em: <https://findeslab.com.br/drones-e-
inteligencia-artificial-para-manutencao-de-iluminacao-publica/>. Acesso em: 24 jun.
2023.
GOODFELLOW, I.; BENGIO, Y.; COURVILLE, A. Deep Learning. [S.l.]: MIT Press,
2016. <http://www.deeplearningbook.org>.
GUANDALINI, G. Economista explica o atraso no desenvolvimento do brasil. 2016.
Disponível em: <https://veja.abril.com.br/economia/economista-explica-o-atraso-no-
desenvolvimento-do-brasil>. Acesso em: 29 ago. 2023.
HAENSSLE, H. et al. Man against machine: diagnostic performance of a deep
learning convolutional neural network for dermoscopic melanoma recognition in
comparison to 58 dermatologists. Annals of Oncology, v. 29, n. 8, p. 1836–1842,
2018. ISSN 0923-7534. Immune-related pathologic response criteria. Disponível em:
<https://www.sciencedirect.com/science/article/pii/S0923753419341055>.
HALEVY, A.; NORVIG, P.; PEREIRA, F. The unreasonable effectiveness of data. IEEE
Intelligent Systems, IEEE, v. 24, n. 2, p. 8–12, 2009.
HAYKIN, S. S. Neural networks: a comprehensive foundation by simon haykin,
macmillan, 1994, isbn 0-02-352781-7. The Knowledge Engineering Review,
Cambridge University Press, v. 13, n. 4, p. 409–412, 1999.
 75

IBM. Optimization at ibm. 2021. Disponível em: <https://www.ibm.com/cloud/learn/

optimization>. Acesso em: 21 ago. 2023.
INSIDE, T. 41% das empresas no brasil já utilizam inteligência artificial, conclui
estudo. 2022. Disponível em: <https://tiinside.com.br/28/09/2022/estudo-ibm-41-das-
empresas-no-brasil-ja-utilizam-inteligencia-artificial/>. Acesso em: 22 de jul. de 2023.
INSTITUTO FEDERAL DO ESPíRITO SANTO - CAMPUS VILA VELHA. Núcleo
incubador inovavila. 2023. Disponível em: <https://incubadora.vilavelha.ifes.edu.br/
projetos-em-andamento/projeto-es-empreendedor>. Acesso em: 22 jun. 2023.
KIM, J. et al. Implementation of a smart water grid in the city of araçatuba in brazil:
Reduction of water loss and improvement of operational efficiency. Water, MDPI AG,
v. 13, n. 10, p. 1738, maio 2021. Disponível em: <https://doi.org/10.3390/w13101738>.
LAKATOS, E. M.; MARCONI, M. d. A. Fundamentos da metodologia científica. In:
Fundamentos da metodologia científica. [S.l.: s.n.], 2010. p. 320–320.
LANDES, D. S. A Riqueza e a Pobreza das Nações: Por Que Algumas São Tão
Ricas e Outras Tão Pobres. [S.l.]: Editora Campus, 2003.
LAPTEV, A. et al. Heavy rolling mill automation proposal with utilization of digital
image processing. In: Proceedings 30th Anniversary International Conference on
Metallurgy and Materials. [S.l.: s.n.], 2021. p. 1254–1260. ISBN 978-80-87294-99-4.
ISSN 2694-9296.
LECUN, Y.; BENGIO, Y.; HINTON, G. Deep learning. Nature, Nature Publishing Group,
v. 521, n. 7553, p. 436–444, 2015.
LECUN, Y. et al. Gradient-based learning applied to document recognition.
Proceedings of the IEEE, Ieee, v. 86, n. 11, p. 2278–2324, 1998.
LEE, H.; KAO, H. A. The impact of artificial intelligence on innovation and performance
in the service industry. Journal of Service Management, v. 31, n. 1, p. 17–41, 2020.
LEFKOWITZ, M. Professor’s perceptron paved the way for ai – 60 years too soon. 2021.
Disponível em: <https://news.cornell.edu/stories/2019/09/professors-perceptron-paved-
way-ai-60-years-too-soon>. Acesso em: 30 ago. 2023.
LIMA, M. Cultura organizacional e adoção de tecnologias inovadoras na indústria
brasileira. Revista de Gestão e Projetos, v. 9, n. 3, p. 98–107, 2018.
LIMA, M. Segurança e privacidade de dados na era da inteligência artificial. [S.l.]:
Editora Novatec, 2022.
LOTT, C. Solving unsolvable combinatorial problems with ai. 2023. Disponível em:
<https://www.qualcomm.com/news/onq/2023/01/solving-unsolvable-combinatorial-
problems-with-ai>. Acesso em: 24 ago. 2023.
MACEDO, F. C.; MAGALHãES, D. F. Formação econômica do espírito santo: do
isolamento econômico à inserção aos mercados nacional e internacional. doi:
http://dx.doi.org/10.5212/rev.hist.reg.v.16i1.061099. Revista de História Regional,
v. 16, n. 1, ago. 2011. Disponível em: <https://revistas.uepg.br/index.php/rhr/article/
view/2421>.
 76

MACQUEEN, J. Some methods for classification and analysis of multivariate

observations. In: Proceedings of the fifth Berkeley symposium on mathematical
statistics and probability. [S.l.: s.n.], 1967. v. 1, n. 14, p. 281–297.

MADKE, L. T.; RIEGER, S. K. B.; ALVES, D. D. S. M. A importância da agricultura

no brasil. Mostra Interativa da Produção Estudantil em Educação Científica e
Tecnológica, 2022.

MARINGONI, G. A superação dos obstáculos para a industrialização. 2012. Disponível

em: <https://www.ipea.gov.br/desafios/index.php?option=com_content&view=article&
id=2827:catid=28&Itemid=23>. Acesso em: 29 ago. 2023.

MARTINS, D. L. Sistema inteligente para auxilio no projeto e instalação de uma

rede industrial de sensores sem fio. Tese (Doutorado) — Centro de Tecnologia,
Universidade Federal do Rio Grande do Norte, Natal, 2017. 96f. Tese (Doutorado em
Engenharia Elétrica e de Computação).

MARWALA, T. The implications of artificial intelligence on economics. The Thinker,

v. 65, p. 43–47, 2015.

MARWALA, T.; HURWITZ, E. Artificial Intelligence and Economic Theory: Skynet

in the Market. [S.l.]: Springer, 2017.

MELLO, R. M. et al. The use of artificial intelligence in industrial maintenance: a

systematic literature review. Journal of Manufacturing Systems, v. 50, p. 48–61,
2019.

MELO, A. Aplicações da inteligência artificial na manutenção preditiva. In: Anais do

Congresso Brasileiro de Engenharia Mecânica. [S.l.: s.n.], 2022. v. 8, p. 20–25.

MICROSOFT. A adoção de inteligência artificial pode adicionar 4,2 pontos percentuais

de crescimento adicional ao pib do brasil até 2030. In: . [s.n.], 2022. Disponível em:
<https://news.microsoft.com/pt-br/a-adocao-de-inteligencia-artificial-pode-adicionar-
42-pontos-percentuais-de-crescimento-adicional-ao-pib-do-brasil-ate-2030/>. Acesso
em: 21 jul. 2023.

MICROSOFT. Com inteligência artificial, brasil pode quadruplicar crescimento da

produtividade e aumentar pib em até 7,1% ao ano, diz estudo. 2022. Disponível em:
<https://news.microsoft.com/pt-br/com-inteligencia-artificial-brasil-pode-quadruplicar-
crescimento-da-produtividade-e-aumentar-pib-em-ate-71-ao-ano-diz-estudo/>.
Acesso em: 21 jul. 2023.

MINISTÉRIO DA CIÊNCIA, TECNOLOGIA E INOVAÇÃO. Startup point. 2012.

Disponível em: <https://www.gov.br/startuppoint/pt-br/legado/programas/startup-brasil>.
Acesso em: 18 jun. 2023.

MINISTÉRIO DA CIÊNCIA, TECNOLOGIA E INOVAÇÃO. Estratégia brasileira

de inteligência artificial - ebia. 2021. Disponível em: <https://www.gov.br/mcti/pt-
br/acompanhe-o-mcti/transformacaodigital/arquivosinteligenciaartificial/ebia-
documento_referencia_4-979_2021.pdf>. Acesso em: 08 jun. 2023.
 77

MINISTÉRIO DA SAÚDE. 2017. Disponível em: <https://www.gov.br/saude/pt-

br/composicao/seidigi/saude-digital/a-estrategia-brasileira/a-estrategia-brasileira>.
Acesso em: 24 ago. 2023.

MOKYR, J. The Lever of Riches: Technological Creativity and Economic Progress.

[S.l.]: Oxford University Press, 1990.

MORETTI, C. No caminho para a produção com zero defeito por meio da ia da bosch.
2021. Disponível em: <https://www.bosch-press.com.br/pressportal/br/pt/press-release-
35392.html>. Acesso em: 1 jul. 2023.

MOURA, L. R.; KOHL, H. Maturity assessment in industry 4.0 – a comparative analysis

of brazilian and german companies. Engineering Science Journal, v. 8, n. 5, 2020.
Disponível em: <https://ijournalse.org/index.php/ESJ/article/view/385/pdf>.

NARESH, R. K. et al. The prospect of artificial intelligence (ai) in precision agriculture

for farming systems productivity in sub-tropical india: A review. Current Journal of
Applied Science and Technology, v. 39, n. 48, p. 96–110, Dec. 2020. Disponível em:
<https://journalcjast.com/index.php/CJAST/article/view/3275>.

NORVIG, P.; RUSSELL, S. Inteligência artificial: uma abordagem moderna. Tradução

da 3ª Ed. Rio de Janeiro: Elsevier, 2013.

OCI. O que é big data? 2022. Disponível em: <https://www.oracle.com/br/big-

data/what-is-big-data/>. Acesso em: 24 jun. 2023.

OLIVEIRA, A. Artificial intelligence in industrial processes: benefits and challenges.

International Journal of Production Research, v. 56, n. 2, p. 666–678, 2018.

OLIVEIRA, F. A formação de profissionais em inteligência artificial no brasil. Revista

Brasileira de Aprendizado de Máquina, v. 7, n. 1, p. 12–17, 2019.

OLIVEIRA, J.; SOUSA, C. Industry 4.0 and the future of work: a systematic literature
review. International Journal of Advanced Manufacturing Technology, v. 114,
n. 9-10, p. 3465–3483, 2021.

OLIVEIRA, R. 2021. Disponível em: <https://brasil.elpais.com/economia/2021-12-

07/o-brasil-vai-virar-uma-grande-fazenda-um-pais-em-acelerada-desindustrializacao.
html>. Acesso em: 24 ago. 2023.

OPENAI. ChatGPT. 2023. Plataforma de Modelagem de Linguagem Natural. Disponível

em: <https://www.openai.com/chatgpt>.

ORANGE, T. Orange. 2010. Disponível em: <https://orangedatamining.com/>. Acesso

em: 23 jul. 2023.

OREIRO, J. L.; FEIJÓ, C. A. Desindustrialização: conceituação, causas, efeitos e

o caso brasileiro. Brazilian Journal of Political Economy, SciELO Brasil, v. 30, p.
219–232, 2010.

ORTIZ, S. M. Previsões da IDC para 2022 apontam crescimento de 8,2para o

mercado de TIC no Brasil. 2022. <https://www.idc.com/getdoc.jsp?containerId=
prLA49041022>. Acessado em 21 de julho de 2023.
 78

PAIVA, P. Reforma agrária: conheça como os eua distribuíram suas terras. 2023.
Disponível em: <https://www.brasildefato.com.br/2023/06/21/saiba-como-a-reforma-
agraria-levou-os-eua-a-serem-uma-potencia-economica>. Acesso em: 29 ago. 2023.

PEARL, J. Probabilistic reasoning in intelligent systems: Networks of plausible

inference. [S.l.]: Morgan Kaufmann, 1988.

PEREIRA, F. Aplicações da inteligência artificial na logística e cadeia de suprimentos.

Revista de Logística e Transportes, v. 12, n. 3, p. 90–105, 2021.

PERES, R. S. et al. Industrial artificial intelligence in industry 4.0 - systematic review,

challenges and outlook. IEEE Access, v. 8, p. 220121–220139, 2020.

PUEYO, S. Implications of artificial intelligence on sustainability. Journal of Cleaner

Production, v. 215, p. 425–434, 2019.

PWC. Sizing the prize. 2017. Disponível em: <https://www.pwc.com/gx/en/issues/

analytics/assets/pwc-ai-analysis-sizing-the-prize-report.pdf>. Acesso em: 20 jun.
2023.

QUINLAN, J. R. Induction of decision trees. Machine learning, v. 1, n. 1, p. 81–106,

1986.

RAINA, R.; MADHAVAN, A.; NG, A. Y. Large-scale deep unsupervised learning using
graphics processors. In: Proceedings of the 26th Annual International Conference
on Machine Learning. [S.l.: s.n.], 2009. p. 873–880.

REIS, T. 2019. Disponível em: <https://www.suno.com.br/artigos/desindustrializacao/>.

Acesso em: 24 ago. 2023.

RIFKIN, J. The End of Work: The Decline of the Global Labor Force and the Dawn
of the Post-Market Era. New York: G.P. Putnam’s Sons, 1995.

ROCHA, A. Inteligência Artificial: conceitos, tecnologias e aplicações. [S.l.]:

Editora Érica, 2019.

ROCHA, C. Políticas de inovação e desenvolvimento tecnológico no brasil: O caso

da inteligência artificial na indústria. Revista de Políticas Públicas e Gestão
Governamental, v. 10, n. 1, p. 123–140, 2023.

ROMÁN, J. L. del V. Industria 4.0: la transformación digital de la industria. In: Valencia:

Conferencia de Directores y Decanos de Ingeniería Informática, Informes CODDII.
[S.l.: s.n.], 2016.

RSCHMELZER. A step by step approach to ai. In: . [s.n.], 2022. Disponível em:
<https://www.aidatatoday.com/a-step-by-step-approach-to-running-ai-and-machine-
learning-projects/>.

RÜSSMANN, M. et al. Industry 4.0: The future of productivity and growth in

manufacturing industries. Boston consulting group, Boston, MA, USA:, v. 9, n. 1, p.
54–89, 2015.
 79

SANTOS, A. Regulamentação e proteção de dados na utilização de inteligência

artificial na indústria brasileira. Revista Brasileira de Direito Digital, v. 15, n. 2, p.
45–54, 2022.

SANTOS, L. M. Artificial intelligence and quality control in the industrial sector. Journal
of Industrial Engineering and Management, v. 14, n. 4, p. 649–669, 2021.

SANTOS, M. A. O uso de inteligência artificial na indústria do espírito santo. In: Anais

do Congresso Brasileiro de Engenharia Industrial. [S.l.: s.n.], 2023. v. 45, n. 3, p.
67–81.

SANTOS, P. Ética na era da inteligência artificial. Revista Brasileira de Inteligência

Artificial, v. 3, n. 2, p. 45–59, 2018.

SCHWARZKOPF, M. et al. Omega: flexible, scalable schedulers for large

compute clusters. In: SIGOPS European Conference on Computer Systems
(EuroSys). Prague, Czech Republic: [s.n.], 2013. p. 351–364. Disponível em:
<http://eurosys2013.tudos.org/wp-content/uploads/2013/paper/Schwarzkopf.pdf>.

SEBRAE. Saiba como a inteligência artificial pode ajudar seu negócio. 2023. Disponível
em: <https://sebrae.com.br/sites/PortalSebrae/saiba-como-a-inteligencia-artificial-
pode-ajudar-seu-negocio,10ff1168c2327810VgnVCM1000001b00320aRCRD>.
Acesso em: 24 ago. 2023.

SECTI. Instituto de inteligência computacional aplicada (i²ca). In: . 2021. Disponível

em: <https://secti.es.gov.br/instituto-de-inteligencia-computacional-aplicada-i2ca>.
Acesso em: 25 ago. 2023.

SENAI. Profissões Emergentes na Era Digital: Oportunidades e desafios na

qualificação profissional para uma recuperação verde Panorama do Brasil.
2021. Disponível em: <https://static.portaldaindustria.com.br/media/filer_public/
b7/5a/b75af326-9c36-49e7-b298-1b9f0a3d4938/estudo_profissoes_emergentes_-
_giz_ufrgs_e_senai.pdf>. Acesso em: 22 ago. 2023.

SILVA, B. et al. Enhance the injection molding quality prediction with artificial intelligence
to reach zero-defect manufacturing. Processes, v. 11, n. 1, 2023. ISSN 2227-9717.

SILVA, C. G.; SANTOS, L. S.; OLIVEIRA, D. A. Application of artificial intelligence in

quality inspection in the industry. International Journal of Industrial Engineering and
Management, v. 13, n. 1, p. 35–44, 2022.

SILVA, I. N.; SPATTI, D. H.; FLAUZINO, R. A. Redes neurais artificiais para

engenharia e ciências aplicadas: curso prático. [S.l.]: Artliber, 2010. v. 1.

SILVA, J. Aplicações da inteligência artificial na manufatura. In: Anais do Congresso

Brasileiro de Engenharia de Produção. [S.l.: s.n.], 2019. v. 14, p. 45–50.

SILVA, J. A inteligência artificial nas empresas e na sociedade. [S.l.]: Editora Atlas,

2021.

SOUZA, J. M.; COSTA, L. A.; PEREIRA, R. F. O impacto da inteligência artificial na

indústria brasileira. Revista Brasileira de Inovação Tecnológica, v. 9, n. 2, p. 21–36,
2022.
 80

SOUZA, K. Inteligência artificial na área logística: como isso pode ajudar seu
e-commerce. 2021. Disponível em: <https://rockcontent.com/br/blog/inteligencia-
artificial-na-area-logistica/>. Acesso em: 24 ago. 2023.
SOUZA, M. Inteligência Artificial. 2022. Disponível em: <https://vestibular.brasilescola.
uol.com.br/guia-de-profissoes/inteligencia-artificial.htm>. Acesso em: 21 jul. 2023.
SOUZA, S. de O.; SILVA, A. P. da. A evolução da inteligência artificial: Reflexões sobre
os desafios brasileiro. In: Congresso Interdisciplinar-ISSN: 2595-7732. [S.l.: s.n.],
2020. v. 5, n. 1.
STARTUPRANKING. Os estados unidos lideram e Índia é o segundo país com maior
número de startups. 2022. Disponível em: <https://www.insper.edu.br/noticias/os-
estados-unidos-lideram-e-india-e-o-segundo-pais-com-maior-numero-de-startups/#:
~:text=Qual%20%C3%A9%20o%20pa%C3%ADs%20que,pa%C3%ADs%20com%
20mais%20startups%3A%2070.959>. Acesso em: 8 ago. 2023.
SUTTON, R. S.; BARTO, A. G. Reinforcement learning: An introduction. [S.l.]: MIT
press Cambridge, 2018.
SUZANO. Suzano desenvolve iniciativa pioneira para potencializar a produtividade
florestal. 2022. Disponível em: <https://www.suzano.com.br/suzano-desenvolve-
iniciativa-pioneira-para-potencializar-a-produtividade-florestal/>. Acesso em: 24 jun.
2023.
TAFNER, M. A. Redes neurais artificiais: Aprendizado e plasticidade. 2018. Acesso em:
28 jun. 2023.
TEAM, R. R. Research Rabbit. 2023. <https://researchrabbitapp.com/>. Acesso em:
21 de julho de 2023.
TENSORFLOW, T. Tensorflow. 2018. Disponível em: <https://www.tensorflow.org/>.
Acesso em: 14 jun. 2023.
THE AI STARTUP LANDSCAPE. 2021. Disponível em: <https://uk.rs-online.com/web/
generalDisplay.html?id=did-you-know/ai-startup-landscape>. Acesso em: 24 ago.
2023.
TOOSI, A. et al. A brief history of AI: how to prevent another winter (a critical
review). [S.l.]: Elsevier, 2021. v. 16. 449–469 p.
UNICAMP, I. de Computação da. O que as empresas têm a ganhar? 2021. Disponível
em: <https://www.ic.unicamp.br/~cid/intro-comb-opt.html>.
VALE. Vale cria centro de inteligência artificial no es. 2019. Disponível em: <https:
//www.estadao.com.br/link/inovacao/vale-cria-centro-de-inteligencia-artificial-no-es/>.
Acesso em: 21 jun. 2023.
VERÍSSIMO, J. As diferenças entre ai, ml e dl. In: . [s.n.], 2021. Disponível em:
<https://medium.com/ipnet-growth-partner/as-diferenC3A7as-entre-ai-ml-e-dl-
3d5898a35465>. Acesso em: 08 jun. 2023.
VIEIRA, L. O impacto da inteligência artificial na economia brasileira. Revista
Brasileira de Economia, v. 76, n. 1, p. 67–84, 2022.
 81

YOCHABELL, C. A inteligência artificial ajuda, mas quando ela é preconceituosa?

2022. Disponível em: <https://blog.jobecam.com/>. Acesso em: 1 jul. 2023.

YSTGAARD, K. F. et al. Review of the theory, principles, and design requirements of

human-centric internet of things (iot). v. 14, n. 3, p. 2827, Feb 2023.

ZHANG, W. et al. Optimization algorithms for resource allocation in cloud computing: A

comprehensive survey. Journal of Network and Computer Applications, v. 96, p.
1–23, 2018.

ÁVILA, L. A inteligência artificial como aliada na inclusão digital. 2022. Disponível em:
<https://equalweb.com.br/a-inteligencia-artificial-como-aliada-na-inclusao-digital/>.
Acesso em: 24 ago. 2023.