Pensamento crítico relacionado a projetos de IA

Manter o controle

Aprenda a questionar a IA para não ter mais que lidar com suas alucinações ou erros.

Número de dias: 1 dia (7 horas)
Formatos disponíveis:
- Oficina de Design Thinking & Lab: Utilização dos recursos do laboratório para testar os limites dos modelos de IA.
- Intensivo: Um dia “impactante” para transformar sua prática diária.
Público-alvo: Gerentes de projeto, analistas, consultores e qualquer pessoa que utilize IA em suas atividades diárias.
Requisitos de acesso: Uso regular de ferramentas de IA generativa ou preditiva.

Assuma uma perspectiva mais ampla: não seja mais um mero espectador das novidades da IA; torne-se um usuário experiente e exigente.
Segurança na tomada de decisões: Reduza os riscos de erros estratégicos decorrentes de dados mal interpretados.
Synergie Internationale: Um conteúdo enriquecido pelas pesquisas em ciências cognitivas e tecnologia realizadas por nossos parceiros franceses e pela PUC Campinas.

Ao final do treinamento, o participante será capaz de:

Identificar alucinações e erros lógicos nos modelos de IA.
Verificar as fontes e a veracidade dos conteúdos gerados.
Desenvolver uma metodologia rigorosa de validação dos resultados gerados pelas máquinas.

Manhã: A realidade x o mito

Compreender as limitações intrínsecas dos modelos (LLM, preditivos).
Por que a IA “delira” e como identificar erros sutis.
Oficina: Exercício de “verificação de fatos” sobre resultados gerados por IA.

Tarde: Os vieses cognitivos diante da máquina

O viés da automação: por que tendemos a confiar demais no algoritmo?
Identificar vieses nos dados: gênero, cultura e contexto (com foco na França e no Brasil, por meio da PUC Campinas).
Workshop: Análise crítica de um painel preditivo: o que ele mostra versus o que ele esconde.

Manhã: A Arte de Formular Perguntas (Engenharia de Perguntas Críticas)

Saber como questionar a IA para obter evidências, e não apenas afirmações.
Use a IA como “advogado do diabo” para testar suas próprias estratégias.
Caso prático: Comparação entre duas soluções de IA para um mesmo problema logístico.

Tarde: Governança e Supervisão Humana (“Human-in-the-loop”)

Definir os pontos de verificação obrigatórios em um projeto de IA.
Responsabilidade e discernimento: quando dizer “não” à sugestão da máquina.
Conclusão: Elaboração de um protocolo de validação crítica para os futuros projetos da sua empresa.