Fundamentos e Seleção Estratégica de Casos de Uso
Este módulo introduz os princípios fundamentais da automação com Inteligência Artificial e a distinção entre diferentes abordagens tecnológicas. Explora como avaliar oportunidades reais de automação através de critérios de valor, risco, disponibilidade de dados e esforço de implementação, permitindo selecionar casos de uso com impacto organizacional e risco controlado.
- RPA vs Automação com IA: diferenças, benefícios e limites
- Tipos de solução: automação sem IA, automação com IA, agentic e agentic com validação humana
- Framework de seleção: Valor, Risco, Dados e Esforço
- Red flags e riscos típicos (incluindo quando escalar para humano)
- Requisitos mínimos para avançar: inputs, outputs e critérios de sucesso
- Exemplos orientados a processos e operações
- Atividade prática: Classificar 5 casos reais e justificar a decisão com base em valor/risco/dados/esforço, identificando o principal risco e o respetivo guardrail.
Dados, Integrações e Dependências Técnicas
Com foco na integração de sistemas e dados, este módulo analisa os requisitos técnicos necessários para ligar diferentes plataformas a uma automação com IA. São abordados princípios de autenticação, qualidade de dados e dependências técnicas, permitindo identificar pontos críticos que influenciam a estabilidade, segurança e funcionamento das automações.
- Integrações: APIs, conectores e eventos
- Autenticação e permissões: princípios e erros comuns
- Qualidade de dados e fontes de conhecimento: versões, duplicados, fontes oficiais
- Dependências e falhas típicas: limites, latência, timeouts, retries
- Boas práticas de desenho de integrações (alto nível) e rastreabilidade
- Requisitos de dados por tipo de solução (RPA vs IA vs Agentic)
- Atividade prática: Mapear integrações e permissões necessárias para um caso de uso, incluindo 2-3 riscos e respetivas medidas de mitigação
Arquitetura de Automações com IA e Padrões de Orquestração
Este módulo explora como desenhar arquiteturas robustas para automações com Inteligência Artificial. São introduzidos padrões de orquestração e mecanismos de validação que garantem controlo da execução, rastreabilidade e estabilidade operacional. O objetivo é estruturar soluções tecnicamente sustentáveis e preparadas para produção.
- Blueprint de referência end-to-end para automações com IA
- Padrões: human-in-the-loop, fallback ladder, classifier-first
- Contratos de input/output e validações essenciais para estabilidade
- Orquestração: regras de decisão e governança da execução (alto nível)
- Observabilidade: logs, métricas e auditoria mínima viável
- Critérios “pronto para produção” (checklist técnico)
- Atividade prática: Desenhar o diagrama do caso e preencher um template de arquitetura com guardrails e critérios de validação
Construção de Fluxos em Plataformas No-Code e Low-Code
Focado na implementação prática, este módulo mostra como transformar uma arquitetura de automação com IA em fluxos executáveis em plataformas no-code e low-code. São explorados componentes fundamentais de automação, boas práticas de manutenção, controlo de versões e tratamento de exceções em sistemas automatizados.
- Componentes típicos de um fluxo: triggers, ações, condições e loops
- Conectores e integrações: dependências e pontos críticos
- Modularização e reutilização: componentes e sub-flows
- Tratamento de erros: retries, timeouts e compensações
- Logging e rastreabilidade no fluxo
- Boas práticas de manutenção e controlo de versões (alto nível)
- Atividade prática: Modelar um fluxo e identificar pontos de controlo críticos (erros, retries, logs, permissões e validações)
Integração de Inteligência Artificial em Fluxos Automatizados
Este módulo aborda como integrar modelos de Inteligência Artificial em fluxos de automação garantindo resultados consistentes e verificáveis. São exploradas técnicas de prompting, definição de outputs estruturados e mecanismos de validação que permitem controlar qualidade, reduzir erros e garantir confiabilidade operacional.
- Prompting aplicado à automação: contexto, limites e instruções
- Outputs estruturados (ex.: JSON) e validação automática
- Estratégias anti-hallucination: grounding e regras de recusa
- Validação em dois passos (gerar → verificar) e escalamento humano
- Fallback e degradação controlada
- Versionamento de prompts e controlo de qualidade
- Atividade prática: definir prompt e contrato de output para um cenário, descrevendo validação, fallback e critérios de escalamento humano
RAG Aplicado a Conhecimento Interno Empresarial
Este módulo explora como aplicar Retrieval Augmented Generation (RAG) para ligar modelos de IA ao conhecimento interno da organização. São analisados princípios de qualidade documental, organização de conteúdos e controlo de permissões, permitindo criar sistemas que utilizam informação interna de forma segura e relevante.
- Search vs RAG vs fine-tuning: quando usar cada abordagem
- Qualidade documental: fatores críticos de sucesso
- Chunking e metadados (princípios práticos)
- Permissões e controlo de acesso
- Gestão de versões e atualização do conhecimento
- Redução de erro: citação de fontes e regras de resposta
- Atividade prática: avaliar um conjunto de documentos e propor melhorias estruturais (organização, versões, metadados e permissões).
Segurança, Privacidade e Governance em Automações com IA
Com foco na redução de riscos, este módulo analisa os principais desafios de segurança e privacidade associados à automação com Inteligência Artificial. São apresentados controlos práticos para mitigar riscos técnicos e regulatórios, incluindo princípios alinhados com RGPD e EU AI Act.
- Checklist operacional aplicado a RGPD e EU AI Act
- Threat model simplificado: prompt injection, exfiltration via tool, permissões excessivas
- Minimização de dados e logging seguro
- Níveis de risco e critérios para validação humana
- Auditoria e rastreabilidade
- Governance proporcional ao risco e ciclo de vida
- Atividade prática: Aplicar checklist e threat model a um caso, definindo controlos mínimos recomendados
Operacionalização, Adoção Organizacional e Escala
Este módulo final aborda como colocar uma automação com IA em produção e garantir a sua adoção na organização. São exploradas práticas de gestão operacional, métricas de qualidade e modelos de suporte que permitem escalar soluções de forma controlada e sustentável.
- Métricas operacionais e indicadores de qualidade.
- Testes de regressão e gestão de mudanças.
- Runbooks e resposta a incidentes.
- Change management aplicado a automações com IA.
- Modelo de suporte L1/L2/L3 e RACI simplificado.
- Escala: catálogo, governança leve e gestão do ciclo de vida
- Workshop final end-to-end com entrega de três artefactos:
- Diagrama de arquitetura
- Checklist de riscos e guardrails
- Mini-runbook operacional
Trabalho autónomo (opcional, complementar)
- Pequenos exercícios de consolidação (curtos e opcionais) entre sessões, sem dependência de licenças pagas.
