INSTITUTO FEDERAL DE EDUCAÇÃO, CIÊNCIA E TECNOLOGIA DE

SÃO PAULO
CURSO DE ANÁLISE E DESENVOLVIMENTO DE SISTEMAS

ANÁLISE DO USO DA INTELIGÊNCIA ARTIFICIAL NO

SISTEMA BANCÁRIO

KAIO LUIZ DA SILVA LORENA PRADO

CAMPOS DO JORDÃO - SP
2018
 KAIO LUIZ DA SILVA LORENA PRADO

ANÁLISE DO USO DA INTELIGÊNCIA ARTIFICIAL NO

SISTEMA BANCÁRIO

Trabalho apresentado ao Instituto Federal

de Educação, Ciência e Tecnologia – IFSP
– Campus Campos do Jordão, como
exigência parcial à obtenção de nota na
disciplina de Metodologia de Pesquisa, no
curso de Tecnologia em Análise e
Desenvolvimento de Sistemas

Orientadora: Prof.ª Ma. Bruna de Castro

Mendes

CAMPOS DO JORDÃO - SP
2018
 LISTA DE ABREVIATURAS

IFSP - Instituto Federal de São Paulo

AI - Artificial Intelligence

IA - Inteligência artificial

IBM - International Business Machines é uma empresa dos Estados Unidos voltada
para a área de informática.

BIA – Bradesco Inteligência Artificial

INTRODUÇÃO
Em observância ao ambiente corporativo atual, percebe-se o quanto que os
recursos computacionais são importantes em todos os processos decisórios e para
facilitar a experiência de todos os usuários. A busca por ferramentas eficientes,
capazes de extrair dados de forma clara e objetiva, mediante a enorme quantia de
dados se faz necessária, pois cada inteligência computacional é concebida para
determinada tarefa e usá-la de forma correta é um desafio para os iniciantes nesse
novo ambiente de desenvolvimento.
Embora muito discutido nos dias atuais, o estudo da IA teve origem há mais de
dois mil anos. Como se vê, o interesse pelo desenvolvimento de inteligências artificiais
faz parte do imaginário da humanidade há muito tempo. Há certa dificuldade para se
adotar uma definição formal para IA, mas Barr e Feigenbaum (1981) a definem como
a parte da ciência da computação que compreende o projeto de sistemas
computacionais que exibem características associadas, quando presentes no
comportamento humano, à inteligência.
Com o tempo as IAs foram evoluindo e, recentemente, com o surgimento dos
computadores mais modernos, as mesmas ganharam mais complexidade, ganharam
“forma” e maior poderio para se estabelecerem como objeto de pesquisa, com as suas
problemáticas e metodologias próprias, capazes de nos introduzir a novos e
instigantes paradigmas científicos e filosóficos. Anteriormente as IAs objetivavam
reproduzir o pensamento humano, em jogos de xadrez, análises de síntese de voz,
entre outras aplicações. Hoje se deseja fazer coisas que apenas humanos poderiam
fazer, se auto aperfeiçoarem, agir como humanos (VYNCK, 2016).
Em meio à explosão tecnológica e ao crescimento da quantia de dados, surgiram
então inteligências computacionais que desempenham funções específicas e estar
preparado para agrega-las de forma a construir valor no que se é produzido, ou seja,
dados virarem informações úteis, é um grande desafio. Grandes empresas as utilizam
como forma de estreitar relacionamentos com clientes e desenvolver estratégias a
curto e médio prazo. No Brasil por exemplo, segundo BRIGATTO; GFT, 2017 a
inteligência artificial tem ganhado importância na estratégia dos bancos,
especialmente no Brasil. O assunto chama mais atenção do setor financeiro no país
do que no resto do mundo. Quase um terço das instituições (30%) enxergam a
inteligência artificial como algo importante, bem mais que os 23% do Reino Unido e
do México e os 17% dos EUA. No Brasil, a inteligência artificial se faz presente em
diversas instituições bancárias, em especial, pode-se citar o Bradesco que possui a
BIA (Bradesco inteligência artificial) operando tanto no atendimento aos clientes, como
chat e menu eletrônico de telefonia, como também auxiliando em rotinas como
depósitos, pagamentos e encontrar informações dentro do aplicativo para dispositivos
móveis.
Vale ressaltar que sempre quando as empresas dizem que possuem alternativas
de I.A, elas nem sempre são ferramentas que realmente “aprendem”. O Watson da
IBM, por exemplo, inaugura uma nova fase da inteligência artificial, a inteligência
computacional cognitiva, capaz de aprender. Neste caso, a cognição será definida
como “processamento de informações sob a forma de computação simbólica –
manipulação de símbolos baseada em regras, que norteiam a busca do
conhecimento”. (VARELA, 1988), ou seja, a computação cognitiva analisa situações
dinâmicas e dados mutáveis, sendo capaz de “raciocinar” e inferir soluções.
Podemos por exemplo alimentar esse tipo de inteligência sempre com
informações novas e ele aprende com isso. Gerar relatórios, auxiliar no atendimento
ao cliente, fornecer soluções adequadas para cada tipo de consumidor, é só um dos
poucos usos dessa tecnologia. Além disso, tamanha é a discussão e importância
desses sistemas que (WINICK, 2018) destaca que novos postos de trabalho estão
surgindo nesse campo como Engenheiro de IA, Técnico de IA e Instrutor de IA. Uma
empresa de robótica, por exemplo, pode precisar de dados de milhares de pessoas
para capacitar sua tecnologia de aprendizado de máquina, como aconteceu com a
Google, em dezembro de 2017, quando contratou 10 mil talentos para ajudar a varrer
seu conteúdo no YouTube e capacitar sua tecnologia de aprendizado.
Considerando o exposto, tem-se como objetivo geral se explicitar um
comparativo entre as principais inteligências artificiais. Como objetivos específicos,
espera-se mostrar para o que foram projetadas e como podem (e devem) contribuir
no dia-a-dia das pessoas. Além disso, o mesmo pretende definir inteligência artificial,
explicar e selecionar as principais inteligências artificiais já utilizadas no sistema
bancário e averiguar o quanto que as IAs potencializam a diminuição dos problemas
em uma infraestrutura em rede, tornando-a o mais madura, neste caso funcional e
enxuta, ocasionando uma minimização dos custos e otimização de resultados.
 1. REVISÃO DA LITERATURA

Para McCarthy (2002), inteligência é a parte computacional da habilidade de

alcançar objetivos, percebendo-se diversos tipos e graus de inteligência em pessoas,
em muitos animais e em máquinas. Com essa definição percebe-se que a mesma
pode ser aplicada amplamente em dispositivos computacionais afim de se obter maior
eficiência em diversas práticas existentes.
Partindo desse conceito, para Arariboia (1988), a Inteligência Artificial é um
campo que usa técnicas de programação que procuram, por intermédio de máquinas,
resolver problemas do mesmo modo que um ser humano os resolveria.
O volume de informações produzidas mundialmente está impressionando mais
e mais a cada dia: posts em redes sociais, exames médicos, relatórios,
movimentações de ações em bolsa e demais informações financeiras, documentos
jurídicos, fotos, vídeos, notícias a cada segundo. Segundo a IBM mais de 2,5
quintilhões de bytes de dados são produzidos diariamente, sendo 80% deles
desestruturados, ou seja, "invisíveis", justamente por não serem processados. A carga
de informação diária vai além do que podemos imaginar. E também ia além do que
era possível processar, até hoje. Mas partindo do exemplo do desempenho humano
fundamentado pela aprendizagem, a utilização de tecnologias baseadas em IA
combinando dados e modelos matemáticos justamente para que seja possível buscar
o melhor aproveitamento da vasta produção de informação de hoje em dia. O potencial
é enorme.
Porém, como tudo tem dois lados, a utilização de tecnologia de IA deve também
mudar a forma de trabalho. A consequência será um novo perfil de pessoas até o ano
de 2050: elas, além de não terem um emprego, seriam incapazes de conseguir um. O
pior: o mercado de trabalho vai tratar essas pessoas como inúteis e que segundo
Harari (2017) a grande dificuldade será a de criar empregos que seres humanos
consigam realizar melhor do que algoritmos.
Diante da possibilidade ampla de utilização de inteligência artificial, vários
setores de atividades se interessaram pela mesma, como forma de aumentar
significativamente a eficiência dos processos organizacionais e diversas técnicas e
aplicações surgiram no campo da Inteligência Artificial. Pode-se prever que “[...] as
empresas que não se adequarem à IA vão falir e vão ser adquiridas pelas que a usam.”
(LIEMT, 1992). Uma referência que remete a outras fontes é encontrada em McCarthy
(2002). Para o objetivo deste trabalho, são exploradas as inteligências artificiais dentro
do sistema bancário.

Capítulo I - Inteligência Artificial

A palavra “Artificial Intelligence” (AI, ou em português tradicionalmente chamada
de IA) foi usada pela primeira vez em 1956 por McCarthy, no encontro de Dartmouth.
Dentre os presentes neste encontro, incluíam-se o próprio John McCarthy, Herbert
Simon, Marvin Minsky, Allen Newell e Oliver Selfridge, entre outros. O tratamento
introduzido com o tema era avançado e foi imprescindível para muitos outros
trabalhos, nesse ambiente de pesquisa, surgirem. A IA, como ficou sendo chamada,
ficou conhecida realmente a partir das décadas de 1970 e 1980, quando pela aparição
dos sistemas especialistas, que, segundo Flores (2003), é um sistema baseado no
conhecimento, especialmente projetado para imitar a especialização humana de
algum domínio específico a que se estuda. Além disso, foram também importantes
para o desenvolvimento das IAs os sistemas baseados em conhecimentos, os
chamados KBS (Knowledge based systems), que em livre tradução significa Sistemas
Baseados em Conhecimento, e a expansão do uso de linguagens como Prolog
(Programação em Lógica). Todos estes sistemas obtém um elevado grau de
assertividade, essa definida por (Martins, 2005) como uma virtude, a de dizer "sim" e
"não" quando for preciso, não ter “meio termo”, habilidade de expressar informações
de forma adequada, clara e objetiva.
As IAs atualmente são tão importantes para o cotidiano do mercado financeiro
que um banco americano desenvolveu um projeto de IA, chamado COIN (Contract
Intelligence), que realiza automaticamente análises de acordos de empréstimos,
tarefa que consome, em média, 360 mil horas de trabalho por ano de advogados e
agentes de crédito. Além de revisar os documentos em segundos, o software é menos
propenso a erros e nunca entra em férias. Por outro lado, importantes nomes de
indústria e economistas dizem que a atual revolução digital, que está sendo ligada ao
desenvolvimento da IA, não vai gerar desemprego em larga escala, pois o trabalho
será realocado. Assim, mesmo que a robótica e mecanismos de automação, tenham
começado a deslocar um grande número de trabalhadores, os empregos dependentes
de características humanas como criatividade, inteligência emocional e habilidades
sociais (incluindo ensino, orientação, enfermagem e assistência social, por exemplo)
podem se tornar mais numerosos e mais focados em especialidades.
Por ser um fator de extrema importância tanto em áreas comerciais, como área
de defesa e desenvolvimento de formas mais eficientes de tratar grande quantidade
de dados e transformar esses dados em informações, as IAs estão tendo uma adoção
múltipla em dezenas de países do globo. A velocidade com que as economias
desenvolvidas adotam a robótica e IA é superior em muito a dos países em
desenvolvimento, como o Brasil. Segundo uma pesquisa realizada pela Accenture
Strategy (2017), com mais de cinco mil empresas em mais de 30 países, mostra que
as nossas dificuldades, principalmente em educação e regulação, são alguns dos
inúmeros fatores limitantes. A crise econômica também deu um freio no
desenvolvimento e as empresas nacionais ficaram atrasadas na adoção de
Inteligência Artificial (AI).
É de se entender que cada país tem um ritmo diferente de adoção, justo que
muitas das necessidades são diferentes. Um exemplo, pode ser a demografia, essa
definida como uma ciência, relacionada à Geografia, voltada para o estudo da
população. Segundo Drucker (1999), nos próximos anos, a economia e a tecnologia
não serão os fatores determinantes para os negócios, mas sim a demografia. Drucker
ainda salienta, que o problema deixará de ser o excesso populacional que se
evidenciou nos últimos quarenta anos, mas a baixa taxa de natalidade, que segundo
ele aumentará a insuficiência populacional dos países desenvolvidos. Além disso,
para ele a solução está em aumentar a produtividade dos trabalhadores do
conhecimento.
Podemos observar claramente, o Japão que é um país bastante problemático
deste caso, uma vez que o pequeno país tem experimentado uma diminuição da
população desde 2010, segundo o Ministério de Assuntos Internos e Comunicação do
Japão (2017), refletindo seus baixíssimos níveis de imigração, e taxas de fertilidade
decrescentes desde a década de 1970. Com a população e mão-de-obra) diminuindo,
os incentivos para investir em tecnologia de automação são, obviamente, elevados.
Portanto não é de se surpreender que nesse país há uma efetiva iniciativa em adoção
de novas tecnologias e um esforço contínuo para que tecnologia de automação e
inteligentes” sejam adotadas. Para esse tipo de país, o desenvolvimento de tecnologia
de inteligência artificial, além de ser fator estratégico tanto comercialmente, como de
soberania, é também vezes uma questão de sobrevivência.
 Segundo Accentura (2017) no Brasil, o caminho para a excelência no uso da
tecnologia de inteligência artificial nas soluções empresariais do dia a dia ainda há de
ser longo. Ainda que não seja uma promessa de futuro, e sim algo real e palpável no
presente, muitos empresários ainda não notaram o potencial da IA para a melhoria
dos negócios como um todo e, principalmente, na interação entre a empresa e seus
públicos. Essa questão é muito vista no Brasil, onde o estudo da Accenture apontou
que 56% das empresas brasileiras são apenas observadoras no quesito de IA, ou
seja, estão apenas esperando pra ver o que acontece. O problema é que esse é um
erro estratégico, já que é bem provável que as melhorias da IA para alguns setores
poderia significar a retomada da economia, já que a inteligência artificial pode ser uma
forma de aumentar a produtividade sem aumentar os custos com pessoal qualificado.
 Capítulo II - Adoção da IA no Sistema Bancário
Tema muito usado em campanhas de marketing e em eventos de tecnologia ao
redor do mundo, o tema de IA tem ganhado uma importância notável na estratégia de
bancos, especialmente no Brasil. O assunto chama mais atenção do setor financeiro
no país do que no resto do mundo, segundo GFT (2017). Quase um terço das
instituições (30%) enxergam a inteligência artificial como algo importante, bem mais
que os 23% do Reino Unido e do México e os 17% dos Estados Unidos da América.
Essa estratégia vem sendo muito observada com a operacionalização de
diversas plataformas de IAs sendo absorvidas pelo mercado em si e empresas
fornecedoras de serviços bancários, como o Bradesco por exemplo.
Segundo IBM (2017), o nome da IA do Bradesco se chama BIA e foi criado a
partir do Watson da IBM e mesmo que ainda seja utilizada como assistente digital no
aplicativo do Bradesco, BIA é uma tecnologia que promete ir além da Inteligência
Artificial, uma vez que como outras assistentes virtuais, consegue analisar dados e
voz, com uma ressalva, BIA possui capacidade cognitiva, ou seja, consegue aprender
constantemente a partir de informações que lhe são fornecidas, aprendendo sobre
textos, imagens, emoções, ouvir sons e dar respostas mais assertivas. Isso acontece
devido as ferramentas de processamento avançado, recuperação de informação,
cruzamento de dados, representação do conhecimento, machine learning e raciocínio
lógico programado, que pode ser automatizado. Segundo Bradesco (2017), BIA conta
com 20 profissionais dedicados, incluindo especialistas do grupo de algoritmos da TI
do banco, responsáveis por aperfeiçoar a tecnologia que já respondeu 2,5 milhões de
perguntas, tira dúvidas de correntistas e realiza operações financeiras e inicialmente
foi implementada no Banco com seus 65 mil funcionários de 8.700 agências e pontos
de atendimento, para tirar dúvidas dos funcionários de forma rápida e confiável sobre
os diversos produtos e serviços que atendem às necessidades dos clientes. A
estratégia da instituição financeira foi dominar a tecnologia de inteligência artificial
para aplicação nas atividades internas e a partir dos resultados positivos, aprimorar e
ampliar essa facilidade para o público externo. Com base nos resultados e na rápida
disseminação, o projeto desperta cada vez mais interesse em áreas como RH, jurídico
e processos de crédito.
Segundo o Banco do Brasil (2017) existem 33 projetos de inteligência artificial
em andamento em seu portfólio de tecnologias, envolvendo diversas áreas e produtos
da companhia. Alguns já entraram em operação como um chatbot que auxilia
funcionários nas negociações de dívidas de clientes e um robô de atendimento do
banco no Messenger do Facebook, que responde em linguagem natural solicitações
de cientes e é capaz de aprender, com interações e dúvidas de usuários. Segundo o
Banco do Brasil já foram mais de 500 mil Interações e cerca de 60 mil clientes
respondidos com informações sobre os mais diversos temas, como: atendimento,
cartão, conta corrente, investimentos, linhas de crédito, solução de dividas, programa
de relacionamento e câmbio. Vale-se dizer que ambos utilizam também tecnologia do
Watson da IBM. Desde outubro de 2017, o chatbot foi ampliado para os sistemas
próprios do BB e migrou para o app BB no mobile. Em dezembro foi a vez do Internet
Banking para interações com clientes sobre módulo de segurança e bloqueio de
senha. Além disso, podemos citar outras ideias que estão em fase de
desenvolvimento, como os para análise de imagem dentro de agências, que podem
por exemplo controlar melhor a circulação de pessoas ou análise de imagem de
sinistros para o setor de seguros e até mesmo análise de imagens via satélite
identificar áreas úteis em lavouras, o que pode ser usado para concessão de crédito
no setor agrícola. Dentro do banco, algumas ideias nascem da equipe de TI, outras
chegam por demandas das áreas de negócios. Segundo o Banco do Brasil (2017),
atualmente existe dois setores importantes, o de arquitetura e outro de analytics,
voltado para inteligência de negócios. Aqui vale um adendo, acerca do que é analytics,
que segundo Metanalytics (2016) refere-se à habilidade de utilizar dados, análises e
raciocínio sistemático para conduzir a um processo de tomada de decisão mais
eficiente. Utilizar a inteligência analítica, neste caso, significa melhorar o desempenho
em domínios fundamentais do negócio usando dados e análises. Quando é
necessário algum tipo de interação humana, o atendimento é encaminhado para
funcionários do banco.
Já o Banco Itaú, segundo Exame (2017) começou a aplicar técnicas de IA para
auxiliar no monitoramento de suas agências bancárias. A tecnologia é focada em
melhorar a qualidade do sistema de segurança de agências e foi implementada no
mês de julho de 2017. Esse sistema de IA é capaz de concentrar e interpretar dados
por meio de computação cognitiva, que também aprende com padrões. Dessa forma,
observa-se que o Itaú, inicialmente, tem como objetivo otimizar as informações de
monitoramento e controle de circulação de pessoas e numerário nas agências para
reforçar a atuação no combate aos ataques criminosos, que possam ocorrer. O Itaú
foi primeiro banco brasileiro a usar a tecnologia desta maneira para a segurança de
agências bancárias.
Além do já exposto, também podemos observar a atuação da Caixa Econômica
Federal, que já está usando um robô de atendimento batizado de Aixa, entre seus
funcionários e é baseado também em IA. Segundo Caixa (2017) o serviço tem o intuito
de agilizar processos internos. Aixa auxilia empregados e prestadores de serviço na
resolução de problemas de tecnologia, como suporte técnico a equipamentos e e-mail.
Vale-se dizer, que estes serviços foram escolhidos por concentrarem 20% dos cerca
de 150 mil atendimentos mensais da área de tecnologia. AIXA, tem capacidade para
até 1.200 atendimentos simultâneos, e conversa com funcionário como se ambos
estivessem num aplicativo de bate-papo e é programada para responder a cada
questionamento no prazo máximo de dois segundos. Ainda assim, possui uma equipe
do Banco que trabalha diariamente para alimentá-la com mais informações sobre os
processos do banco e essas questões frequentes são monitoradas para melhorar
ainda mais a experiência do usuário. O projeto foi desenvolvido pela empresa de
Software Stefanini, e está disponível através de um portal interno de autoatendimento
ou pela plataforma de comunicação interna Skype for Business. Aixa consegue
reconhecer siglas, termos técnicos e equipamentos, assim como as áreas
responsáveis por cada um dos diferentes serviços de TI do banco. Quando não
consegue resolver o problema do usuário, ela sabe, por exemplo, para qual área deve
abrir o chamado. Ela reduz custos com suporte, qualifica o direcionamento dos
chamados e oferece respostas instantâneas e padronizadas todo o tempo. Ao longo
do ano de 2018, haverá uma implantação gradativa de novos serviços. As próximas
atualizações devem incluir a busca por informações diretamente nos manuais
normativos do banco e a instalação de softwares sem a necessidade de um técnico.
Como último dos grandes bancos brasileiros analisados, o banco Santander,
junto ao seu braço de capital de risco, Santander InnoVentures, comprou
participações na Personetics Technologies, que presta serviço ao cliente
automatizado, e na Gridspace, cujo software pode aprender e interpretar a linguagem
da maneira que uma pessoa faria. O que se pode prever com esse tipo de aquisição
segundo Irrera e Reuters (2017) é que esse tipo de aquisição ressaltam acerca da
forma que o banco agora está mais interessado em usar a inteligência artificial para
uma ampla variedade de tarefas, como detectar fraudes, contratar pessoal, melhorar
os call centers e obter melhor eficiência em formular e recomendar novos produtos
para os seus clientes, além de garantir tecnologia para implantação de novas ideias.

Potencialidades e Fragilidades da IA no Sistema Bancário

A IA não está mais somente dentro dos campos de pesquisa, ela já é uma
realidade e é fator indispensável para alavancar os negócios e manter empresas
atualizadas no mercado. A adoção de IA por parte das empresas facilita e simplifica
muitos processos, além de proporcionar benefícios como redução de custos, ganhos
de eficiência, automatização de processos e sistemas antifraude. Pode-se considerar
que ela é o novo fator de produção e tem potencial de iniciar novas fontes de
crescimento. Segundo Amorim (2018) de acordo com dados do Bank Of America, os
sistemas dotados de IA poderão movimentar US$70 bilhões já nos próximos quatro
anos. A previsão é que até 2025, 75% das equipes de desenvolvedores incluam
inteligência artificial em um ou mais serviços e o mercado de computação cognitiva
represente mais de US$ 2 trilhões.
De acordo com Gradvohl (2018) soluções com inteligência artificial e machine
learning também têm grande potencial para proteção de informações sensíveis;
identificação automática de vulnerabilidades através de padrões nem sempre
localizados por humanos é uma das vantagens do uso da IA na Segurança. Além
disso, podemos inferir que um importante impulsionador dos avanços na IA tem sido
o constante aumento de dados digitais à medida que mais pessoas se conectam e o
consumo de dados por usuário aumenta. Somente em 2016, a quantidade de dados
trocados pela Internet aumentou em 22%, com o total esperado para dobrar até o final
da década, de acordo com Cisco Systems (2016). Vale também ressaltar como
potencialidade, a IA agilizando processos de extração de dados, validação e
comparação de documentos. O que antes era um trabalho manual, humano, e
passível de erro, hoje pode ser feito com o aprendizado de máquina, o machine
learning, de forma mais rápida eficiente. Nisso, pode-se observar que a adoção de IA
envolve o aumento da produtividade no ambiente em que se insere, principalmente o
bancário. Com isso, vem diminuição dos custos operacionais e o crescimento da
performance da equipe. Com a tecnologia fazendo parte do trabalho que era feito por
uma analista, o funcionário pode focar no que é mais estratégico e na melhoria da
experiência dos clientes. Além disso, o volume de dados que levava dias para ser
analisado, hoje, pode levar segundos, com o fator de aprendizado que oíndice de erros
sejam cada vez menores.
Porém nem todos os profissionais possuem treinamentos aprofundados sobre
técnicas de IA e machine learning atualmente, o que pode reduzir a possibilidade de
se criarem ferramentas mais qualificadas para lidar com os dados e se extrair
informações úteis. O que se observa é que há muita confusão em entender as
diretrizes adequadas que precisam ser adotadas para desenvolver a IA dentro do
ambiente empresarial. Os algoritmos não decifram sozinhos os desafios de cada
empresa, eles se alimentam de uma muitos dados para construir uma análise sólida
daquilo que a empresa precisa, para se construir informação. Neste processo, é
necessário que as empresas invistam em qualificação e construam modelos sólidos
de gerenciamento de dados, para garantia de eficiência na utilização dos mesmos.
Obviamente a IA tem suas potencialidades e fragilidades, mas é inevitável a sua
adoção como ferramenta indispensável ao desenvolvimento sustentável de sistemas
de apoio a decisão e atendimento a clientes.
 Capítulo III – Procedimento Metodológico

Para se chegar ao objetivo proposto pelo presente estudo, em primeiro lugar,

procura-se identificar as inovações trazidas pelas inteligências artificiais, enfocando
questões referentes à difusão e abrangência dessas inovações no ambiente
empresarial bancário. Em relação à difusão, aqui pretende-se identificar o conjunto de
usuários e pertencem ao sistema e o aquele conjunto de práticas utilizadas. Já em
relação à abrangência, busca-se identificar o impacto dessas inovações trazidas pelas
IAs nas organizações que pleitearam o uso desta tecnologia.
Para se buscar conhecimento para formar este projeto de pesquisa, é necessário
a definição de uma metodologia. Tartuce (2006) destaca que a metodologia científica
trata de método e ciência. Método (do grego methodos; met'hodos significa,
literalmente, “caminho para chegar a um fim”) e é, portanto, o caminho em direção a
um objetivo; um conjunto de conhecimentos precisos e metodicamente ordenados em
relação a determinado domínio do saber. De forma geral, o método científico
compreende basicamente um conjunto de dados iniciais e um sistema de operações
ordenadas adequado para a formulação de conclusões, de acordo com certos
objetivos predeterminados.
Depois de definido o método é sempre importante, definir a forma de pesquisa
que será realizada para a elaboração do trabalho. Como se sabe, a pesquisa científica
está tomando o seu espaço nos cursos de educação superior em diversas
universidades. Esta tem sido considerada um lugar em que se vivencia a cultura
universal e que tem por finalidade o ensino, a pesquisa e a extensão, sendo
organizada para a formação de profissionais que atuarão na sociedade
(RODRIGUES, 2006).
Considerando o exposto, é bastante comum a classificação com base em seus
objetivos gerais. Assim, é possível classificar as pesquisas em três grandes grupos:
pesquisa descritiva, pesquisa exploratória e pesquisa explicativa (VIANNA, 2001).
Diante das informações, vale lembrar que toda e qualquer classificação é
realizada mediante algum critério e buscando analisar a temática proposta. A
importância da definição da metodologia, também norteio o desenvolvimento da
pesquisa. O método utilizado na elaboração deste trabalho será o método indutivo.
Para Gil (2008) o método indutivo procede inversamente ao dedutivo: parte do
particular e coloca a generalização como um produto posterior do trabalho de coleta
de dados particulares. De acordo com o raciocínio indutivo, a generalização não deve
ser buscada aprioristicamente, mas constatada a partir da observação de casos
concretos suficientemente confirmadores dessa realidade. Serão observadas
diferentes IAs, analisar-se-á as causas para a sua implementação, descobrir a relação
existente entre elas através do comparativo entre elas e analisadas as suas
características fundamentais se espera conclusões de fatos semelhantes e outras
conclusões cujo conteúdo é muito mais amplo do que o das premissas nas quais foram
baseadas.
Na etapa de produção da pesquisa, será ainda realizada uma análise das
relações entre as variáveis presentes no ambiente corporativo para uma posterior
determinação dos efeitos resultantes no ambiente a que se submete a utilização da
inteligência artificial. Portanto, será feito uma pesquisa de caráter bibliográfico, onde
se buscará se reunir o maior número de livros, sites, artigos e autores que tratam
sobre o tema em questão. De forma a atingir a maior veracidade possível no processo
de conhecimento da problemática a ser estudada, o trabalho examinará com um olhar
analítico situações referentes ao objeto estudado, que no caso desta análise trata-se
de IAs no Sistema bancário. Diante de todo exposto, assume-se que o número de
textos a serem analisados em uma pesquisa não deve ser muito pequeno, uma vez
que um único texto pode ter uma influência indevida nos resultados da análise (BIBER;
CONRAD; REPPEN, 1994).
Para o tratamento de dados, espera-se uma abordagem de caráter quantitativo,
análise e interpretação de dados obtidos mediante pesquisa, ou seja, o enfoque da
pesquisa será voltado para a análise e a interpretação dos resultados, utilizando-se
da estatística.
A partir disso, sabendo que os níveis de pesquisa variam de acordo com os
objetivos, podendo ser classificadas em exploratórias, descritivas e explicativas. Para
Gil (2008), a pesquisa exploratória deseja modificar conceitos e ideias, tendo em vista
a formulação de problemas mais precisos ou hipóteses pesquisáveis para estudos
posteriores, e avaliando o ambiente de pesquisa, se optou por adotar este fim
exploratório, explorando o objeto de estudo, no intuito de proporcionar um maior
esclarecimento acerca do mesmo. Além disso, mesmo sendo a pesquisa definida
primeiramente como descritiva a partir de seus objetivos, a mesma, acaba por
proporcionar uma nova visão do problema, o que a aproxima da pesquisa exploratória,
conforme descreve Gil (1999).
Espera-se que o desenvolvimento do projeto, faça com que o pesquisador se
dirija imediatamente à identificação dos motivos para a adoção das inovações (o
porquê). Nisso se identificando os fatores motivadores para a adoção e inserção
dessas inovações, eles poderão ser dispostos em duas categorias: os fatores
pertinentes ao ambiente institucional (mecanismos isomórficos) e ao ambiente técnico
(pressões competitivas). Aqui nesse ponto pode-se definir o mecanismo isomórfico,
como aquele em que as empresas buscam assemelhar-se em questões ligadas a um
sistema racional que enfatiza a competição de mercado, mudança de nicho
empresarial e avaliação de aptidão a novos desafios, comuns nas áreas de livre
mercado e as pressões competitivas, essas que podem ser definidas como a
utilização de tecnologia como fator de competitividade, melhorando a produtividade e
se tornando um fator de grande influência nas decisões da empresa e imagem que a
mesma assume, diante do mercado.
Diante do exposto, quanto ao procedimento, este trabalho além da pesquisa
bibliográfica, pretende fazer também uma pesquisa documental. Define-se como
pesquisa bibliográfica, pois se utilizou, na pesquisa, material de vários autores,
enfocando principalmente temas como capacidades, tecnologia empregada,
objetivos, pontos fortes e aprimoramentos, dentre outros assuntos. Além disso,
também foram utilizados materiais jornalísticos, artigos em revistas e a rede mundial
de computadores (internet). A pesquisa aqui definida como documental se valerá de
materiais oficiais fornecidos pela internet acerca do desempenho dos serviços de
inteligências artificiais e as suas propostas, bem como informações fornecidas
diretamente por entidades bancárias, principalmente por meio eletrônico.
Com todo o material estudado e identificado os fatores que tenham exercido
influência (positiva ou negativa) no processo de inovação e as comparações entre os
serviços oferecidos pela inteligência artificial, chegar-se-á conclusão acerca da
principal finalidade e a hipótese acerca de como a mesma deverá evoluir e ser adotada
no sistema bancário brasileiro.
Pelo estudo visar abordar o interesse a respeito da inteligência artificial e a sua
aplicação em ambientes corporativos, para isso se faz necessário direcionar a
abordagem em base da utilização de material teórico, mais disponível em meios
eletrônicos. É importante salientar que se procura em todo o desenvolvimento deste
estudo estabelecer uma linha de investigação para que seja levantado todo o material
necessário com o intuito de estabelecer uma avaliação concisa do que propõe o
mesmo.
 Capítulo IV - Análise de Dados
O termo “Inteligência Artificial” se refere a uma gama muito maior de possibilidades
muito mais abrangente que o termo ”Homo Sapiens”. Quando falamos sobre AI
estamos, falando sobre mentes em geral, ou processos de otimização em geral. Nos
dias atuais, dúvidas de clientes, solicitação de serviços e variadas transações
financeiras são tratados por bancos com tecnologias baseadas em IA, como machine
learning (aprendizado de máquina) e computação cognitiva, assim impulsionando
negócios. A análise de dados possibilita atendimento personalizado por parte das
instituições financeiras, sofisticando a relação entre bancos e clientes.
Sobre a análise de dados, o trecho abaixo possibilita uma maior compreensão
acerca da sua definição para este trabalho.

De modo geral a análise de dados consiste em examinar, classificar e, muito

frequentemente, categorizar os dados, opiniões e informações coletadas, ou
seja, a partir das proposições, teoria preliminar e resultados encontrados,
construir uma teoria que ajude a explicar o fenômeno sob estudo. O uso de
técnicas quantitativas – estatísticas – é menos frequente. Não se deve
também esquecer o uso do material bibliográfico e de outras naturezas que
compõem a plataforma teórica do estudo, para sustentar análises,
comentários, classificações, categorizações, teorizações e conclusões.
(MARTINS, p. 86-87).

As informações acerca das inteligências artificiais aqui comparadas foram

retirados de sites oficiais de suas fabricantes e/ou de quem usa os seus serviços.
Tomou-se o cuidado de selecionar apenas mecanismos com reconhecimento
mercadológico, que já tivessem uma utilização sólida e já com algum tipo de eficiência
comprovada, por instituições financeiras.
Diante de todo estudo envolvendo a tecnologia, pode-se dizer que o machine
learning faz diferença quando a IA é usada para entender o consumidor e construir
um banco individual, com ofertas e padrões personalizados. Ofertas personalizadas,
como serviços financeiros, baseados em análise de risco de crédito automatizadas,
por exemplo, advém da capacidade de coletar e analisar grandes quantidades de
dados estruturados e não estruturados que a IA pode fazer rapidamente e usar essas
informações para informar as decisões do portfólio e de novos produtos, para o cliente,
bem como agir em tempo real e fundir várias tecnologias e soluções estratégicas.
Utilizar um nome para uma entidade tecnológica, também é uma enorme sacada de
marketing, uma vez que aproxima clientes e colaboradores da tecnologia empregada,
do mundo real, como foi feito com o Bradesco, utilizando o nome de BIA para a sua
inteligência artificial e a Caixa, utilizando o nome de AIXA para sua IA. Vale-se
destacar, que a IBM foi pioneira nesse quesito, colocando o nome de seu mecanismo
de IA, de Watson.
Unindo novas técnicas de programação, mais dados e chips mais velozes, os
bancos podem fazer com que a IA converja com desempenho em nível humano nas
principais áreas de classificação de imagem, dados e reconhecimento de fala, como
por exemplo verificar imagens via satélite e analisar o potencial de lucro de uma
cultura na indústria agropecuária, como pode ser feito pela IA do Banco do Brasil, por
exemplo. É de se observar a IA sendo utilizada para melhorias internas e externas,
sendo operacionalizada para análise de dados em tempo real, serviços de suporte a
clientes e funcionários, em rotinas de suporte técnico, como o utilizado pela CAIXA e
até mesmo segurança física de agências bancárias e em sistemas antifraude, que é
o mais utilizado por todos os bancos utilizados. Melhorias contínuas na velocidade e
na memória do microprocessador, conforme previsto pela Lei de Moore (a observação
de que o desempenho do computador dobra a cada 18 a 24 meses), permitiram
aumentos contínuos na capacidade de processamento do computador e IA. Mas a
taxa subjacente de aumento na capacidade de processamento é apenas uma de uma
série de fatores que impulsionaram a melhoria do desempenho e o aumento do
interesse dos investidores em IA nos últimos anos.
O que se observa atualmente, é que o verdadeiro desafio para as instituições
bancárias para o futuro é abandonar uma visão de segmentos, grupos e entender que
cada indivíduo possui as suas particularidades e a IA pode auxiliar nesse processo,
pois tudo isso pode ser visto a partir da análise de dados. A análise de dados está
sendo feitas pelos bancos, em especial se observa um esforço grande por parte do
Banco Bradesco e Banco do Brasil, que estão criando meios de analisar os dados e
transformá-los em informações, através de técnicas de análise de dados. O desafio
percebido não é prever o que as AIs farão, a tarefa não é nem fazer previsões para
um design particular de AI. Na verdade, é necessário é escolher um processo de
otimização particularmente poderoso, cujo benefícios possam ser legitimamente
avaliados e as instituições bancárias estão criando formas de entender o que o cliente
precisa naquela hora e apresentar a melhor oferta para ele. É uma individualização
da necessidade do cliente, é a capacidade que as elas possuem de agregar valor para
a vida dele e isso é importante, pois o cliente não se sente mais um e sim constrói
mentalmente uma imagem de exclusividade da instituição bancária para junto de si.
Além disso, é preciso maior engajamento das empresas, maior capacitação em
fazer uma imersão mais intensa sobre o tema e entender, de fato, como começar a
aplicar a Inteligência Artificial no cerne de seus planejamentos desde já, como o Banco
Santander se planeja, fazendo investimentos em empresas de IA, afim de agregar
valor para o negócio e também se equipar com tecnologia própria para fazer a sua
imersão no universo de IA. Vale-se dizer que não é o ambiente físico ou o aparato high
tech disponível que determina a instituição bancária atual, mas, sim, o papel que a
instituição terá no futuro, quais serão os dados disponíveis, qual será seu nível de
segurança adotada e também a qualidade de seu modelo de análise de dados, pois
em um mundo cada vez mais digital e com consumidores cada vez mais multicanais,
atender as expectativas de clientes terá uma grande importância para a continuidade
do negócio.
Utilizar IA junto a técnicas de aprendizagem de máquina para segurança de
operações bancárias e das agências bancárias é genial, como faz o Itaú em sua
jornada nesse ambiente, uma vez que IA e aprendizagem de máquina se tornaram
termos que a simples citação já agrega valor ao gócio, e o produto torna-se avançado
aos olhos do cliente. Aplicadas na segurança da informação, como é o que o Banco
do Brasil projeta, junto ao Bradesco e a Caixa, faz com que essas tecnologias possam
basicamente ajudar os computadores a agirem sozinhos contra ameaças, com a
análise de imagens e cruzando dados como score bancário, digitais de clientes,
imagem do rosto do cliente e informações de documentação e identificando se aquele
cliente que está na agência é realmente o correntista responsável pela conta. Além
disso, a aplicação pode fazer a curadoria da rede por exemplo, identificando erros,
analisando-os e tomando medidas, alertando sobre possíveis problemas, erros e
invasões para uma curadoria humana. Assim, a partir de informações recebidas, a
máquina consegue analisar o cenário do possível ataque e reagir da melhor forma
possível para proteger as aplicações e pessoas. Podemos também prever, a aplicação
de monitoramento com IA, por exemplo, com um software ao possuir periféricos como
câmeras de monitoramento, alarmes, sensores, chips e dispositivos de internet das
coisas (IoT), como explorado pelo Banco Itaú, podendo analisar e correlacionar dados,
eventos e alarmes, priorizando as situações, mostrando as informações relevantes
em uma interface amigável, para que o operador verifique as situações com eficiência,
e ainda fornecer instruções passo a passo à curadoria humana, baseada em
procedimentos e políticas pré-estabelecidos, monitorando as informações e ações
tomadas para reportá-las e analisá-las.
Diante de tudo, pode-se dizer com precisão que da mesma forma que um bom
consultor financeiro procuraria proativamente e aconselharia o que um cliente deveria
fazer, esse tipo de tecnologia de assistente virtual continuará a se tornar mais intuitivo
e perspicaz. Se um banco pode usar a AI para minimizar o tempo necessário para
aprovar um empréstimo, ele não apenas reduz seus próprios custos, mas também
proporciona uma melhor experiência ao cliente. A verdadeira transformação digital, no
entanto, requer mais do que simplesmente aplicar a mais recente e melhor tecnologia,
requer uma perspectiva externa centrada no cliente para permitir o desenho e
aperfeiçoamento de soluções que impulsionem a satisfação do cliente, seu
envolvimento e fidelidade, junto a organização.
A inteligência artificial é ferramenta essencial para fornecer as ferramentas, a
percepção e a aceleração que permitem que os líderes de mercado de amanhã
obtenham o sucesso nesse ambiente.
REFERÊNCIAS

AGUIAR, Priscilla. Crise no Brasil atrasou tecnologias como inteligência

artificial. 2017. Disponível em:
<https://www.folhape.com.br/economia/economia/tecnologia/2017/10/05/NWS,44181
,10,476,ECONOMIA,2373-CRISE-BRASIL-ATRASOU-TECNOLOGIAS-COMO-
INTELIGENCIA-ARTIFICIAL.aspx>. Acesso em: 01 abr. 2018.

AMORIM, Ricardo. Inteligência Artificial, uma realidade de mercado. 2018.

Disponível em: <http://www.it2b.com.br/inteligencia-artificial-uma-realidade-de-
mercado/>. Acesso em: 07 abr. 2018.

ARARIBOIA, G. Inteligência Artificial - Um Guia Prático. 1988. Disponível em:

<http://www.scielo.br/pdf/gp/v9n3/14574.pdf>. Acesso em: 20 abr. 2018.

BARR; FEIGENBAUM E.A.. The Handbook of Artificial Inteligence, volume I-II.

Willian Kaufmann Inc., Los Altos, California, 1981. Disponível em:<
https://stacks.stanford.edu/file/druid:sg383pg1072/sg383pg1072.pdf/>. Acesso em:
14 mar. 2018

BIBER, D.; CONRAD, S; REPPEN, R. "Corpus-based approaches to issues in

Applied Linguistics." Applied Linguistics 15 (1994): 169-223.

BRASIL, Banco do. BB lança transações bancárias com inteligência artificial pelo
Messenger do Facebook. 2018. Disponível em: <http://www.bb.com.br/pbb/pagina-
inicial/imprensa/n/57281/bb-lanca-transacoes-bancarias-com-inteligencia-artificial-
pelo-messenger-do-facebook#/>. Acesso em: 02 maio 2018.

BRIGATTO, Gustavo; GFT . Banco brasileiro valoriza inteligência artificial, diz

pesquisa. 2017. Disponível em: <http://www.valor.com.br/empresas/5184729/banco-
brasileiro-valoriza-inteligencia-artificial-diz-pesquisa>. Acesso em: 15 mar. 2018.

CAIXA. CAIXA implanta modelo de atendimento baseado em inteligência

artificial e cognitiva. 2017. Disponível em:
<http://www20.caixa.gov.br/Lists/News/DispForm.aspx?ID=5678&ContentTypeId=0x
010025A2FACA7E6B46F2A76A26CEB39985D4006ED0B85A680DCB46904AF184
D51AB990>. Acesso em: 05 abr. 2018.

FERBANI, Adilson Felix. Demografia – O fator determinante para o futuro das

organizações em todo o mundo. 2011. Disponível em:
<http://www.administradores.com.br/artigos/marketing/demografia-o-fator-
determinante-para-o-futuro-das-organizacoes/51392/>. Acesso em: 02 abr. 2018.

FLORES, C. D. Fundamentos dos Sistemas Especialistas. In: BARONE, D. A. C.

(Ed.). Sociedades Artificiais: a nova fronteira da inteligência nas máquinas.
Porto Alegre: Bookman, 2003. Disponível em: <
http://www.ensinoeinformacao.com/sistemas-especialistas?lightbox=image_17ni>.
Acesso em: 19 mar. 2018

GIL, A. C. Métodos e técnicas de pesquisa social. 5.ed. São Paulo: Atlas, 1999.
GIL, Antonio Carlos. Métodos e Técnicas de Pesquisa Social. 2008. Disponível em:
<https://ayanrafael.files.wordpress.com/2011/08/gil-a-c-mc3a9todos-e-tc3a9cnicas-
de-pesquisa-social.pdf>. Acesso em: 20 abr. 2018.

GRADVOHL, André Leon. Qual o potencial da Inteligência Artificial na

cibersegurança? 2018. Disponível em:
<http://www.securityreport.com.br/destaques/qual-o-potencial-da-inteligencia-
artificial-na-ciberseguranca/#.Wt48gIjwbIU>. Acesso em: 08 ago. 2018.

GUARDIAN, The. The meaning of life in a world without work. 2017. Disponível
em: <https://www.theguardian.com/technology/2017/may/08/virtual-reality-religion-
robots-sapiens-book>. Acesso em: 24 abr. 2018.

IBM. Inteligência Artificial do Bradesco responde mais de 2,5 milhões de

perguntas. 2017. Disponível em:
<https://www.ibm.com/blogs/robertoa/2017/11/inteligencia-artificial-do-bradesco-
responde-mais-de-25-milhoes-de-perguntas/>. Acesso em: 10 abr. 2018.

INSIDE, T.i. Bancos enxergam alto valor em Inteligência Artificial, aponta

estudo. 2017. Disponível em: <http://tiinside.com.br/tiinside/08/11/2017/bancos-
enxergam-alto-valor-em-inteligencia-artificial-aponta-estudo/>. Acesso em: 25 abr.
2018.

IRRERA, Anna; REUTERS. Santander investe em empresas de inteligência

artificial, dizem fontes. 2017. Disponível em: <https://noticias.uol.com.br/ultimas-
noticias/reuters/2017/02/17/santander-investe-em-empresas-de-inteligencia-artificial-
dizem-fontes.htm>. Acesso em: 07 abr. 2018.

MANAGEMENT, It. Inteligência Artificial: Bradesco inova com Machine Learning.

2017. Disponível em: <http://www.itmanagement.com.br/2017/bradesco-inteligencia-
artificial/>. Acesso em: 03 abr. 2018.

MARTINS, Vera. Seja Assertivo. 2005. Disponível em:

<http://www.barrichelo.com.br/blog/trechosimprime.asp?id=117>. Acesso em: 18 mar.
2018.

MCCARTHY, J. What is Artificial Intelligence?. 1995. Disponível em: <http://www-

formal.stanford.edu/jmc/whatisai/whatisai.html>. Acesso em: 10 abr. 2018.

METANALYTICS. O que é Analytics. 2016. Disponível em:

<http://metanalytics.com.br/artigos/o-que-e-analytics/>. Acesso em: 10 abr. 2018.

MIE, Portal; COMUNICAÇÃO, Ministério de Assuntos Internos e. População

japonesa diminui pelo 6º ano consecutivo; aumento de residentes
estrangeiros. 2017. Disponível em: <http://www.portalmie.com/atualidade/noticias-
do-japao/sociedade-2/2017/04/populacao-japonesa-diminui-pelo-6o-ano-
consecutivo-aumento-de-residentes-estrangeiros/>. Acesso em: 01 abr. 2018.

NERY, André Luís. Bancos aproveitam inteligência artificial para entender melhor
clientes. 2017. Disponível em:
<http://www.ciab.com.br/publicacoes/edicao/70/bancos-aproveitam-inteligencia-
artificial-para-entender-melhor-clientes>. Acesso em: 29 abr. 2018.

PAIVA, Fernando. Bancos brasileiros investem em inteligência artificial. 2017.

Disponível em: <http://www.mobiletime.com.br/03/08/2017/bancos-brasileiros-
investem-em-inteligencia-artificial/474523/news.aspx>. Acesso em: 01 maio 2018.

PEGN, Revista. INTELIGÊNCIA ARTIFICIAL VAI ROUBAR EMPREGOS E

TRANSFORMAR MUITA GENTE EM INÚTIL. Disponível em:
<https://revistapegn.globo.com/Tecnologia/noticia/2018/01/inteligencia-artificial-vai-
roubar-empregos-e-transformar-muita-gente-em-inutil.html>. Acesso em: 01 maio
2018.

RABUSKE, Renato Antônio. Inteligência Artificial. 1995. Disponível em:

<http://www.egov.ufsc.br/portal/conteudo/inteligência-artificial-1>. Acesso em: 10 abr.
2018.

RODRIGUES.A.de.J. Metodologia Científica: completo e essencial para a vida

universitária. São Paulo :Avercamp , 2006

SON, Hugh. JPMorgan Software Does in Seconds What Took Lawyers 360,000
Hours. 2017. Disponível em: <https://www.bloomberg.com/news/articles/2017-02-
28/jpmorgan-marshals-an-army-of-developers-to-automate-high-finance>. Acesso
em: 30 mar. 2018.

TARTUCE, T.J.A.. Métodos de Pesquisa. 2006. Disponível em:

<https://pt.scribd.com/document/314588368/Livro-METODOLOGIA-CIENTIFICA>.
Acesso em: 20 abr. 2018.

TAURION, Cezar. Sucesso na adoção da Inteligência Artificial depende de cinco

variáveis. 2017. Disponível em: <http://idgnow.com.br/ti-
corporativa/2017/07/20/sucesso-na-adocao-da-inteligencia-artificial-depende-de-
cinco-variaveis/>. Acesso em: 10 maio 2018.

VARELA, Francisco; PIAGET, Instituto. Conhecer: as ciências cognitivas tendências

e perspectivas.. 1988. Disponível em:
<http://www.scielo.br/pdf/psoc/v22n1/v22n1a1.pdf>. Acesso em: 19 mar. 2018.

VIANNA, Ilca Oliveira de Almeida; GRADUANDO, Pós. As diferenças entre

pesquisa descritiva, exploratória e explicativa. 2012. Disponível em:
<http://posgraduando.com/diferencas-pesquisa-descritiva-exploratoria-explicativa/>.
Acesso em: 30 mar. 2018.

VYNCK, Gerrit de. Empresa canadense ensina robô a agir como humano. 2016.
Disponível em: <https://tecnologia.uol.com.br/noticias/redacao/2016/10/26/empresa-
canadense-ensina-robo-a-agir-como-humano.htm>. Acesso em: 10 abr. 2018.
WINICK, Erin; REVIEW, Mit Technology. Five Jobs That Are Set to Grow in
2018. 2018. Disponível em: <https://www.technologyreview.com/s/609644/five-jobs-
that-are-set-to-grow-in-2018/>. Acesso em: 13 mar. 2018.