REGISTRO DOI: 10.69849/revistaft/th10241009143611
Abraão Giuseppe Beluzi1
Henrique Pontes Andrade2
Resumo
O artigo aborda a melhoria do atendimento ao cliente por meio do uso de Machine Learning e destaca a crescente aceitação dos clientes em interagir de maneira inovadora com assistentes pessoais, impulsionada pelas tendências de mercado e explora a importância do atendimento ao cliente em diversos setores e destaca a evolução histórica da inteligência artificial e do Machine Learning. Em uma abordagem mista, combinando métodos quantitativos e qualitativos para compreender o impacto dessas tecnologias o estudo envolve revisão da literatura, desenvolvimento de instrumentos de coleta de dados, coleta e análise dos mesmos revelando melhorias na eficiência e satisfação do cliente com a implementação de sistemas baseados em Machine Learning.
Palavras-chave: Machine Learning, Inteligência Artificial, Atendimento ao Cliente, Eficiência e Satisfação do Cliente.
Abstract
The article addresses improving customer service through the use of Machine Learning and highlights the growing acceptance of customers to interact in innovative ways with personal assistants, driven by market trends and explores the importance of customer service in various sectors and highlights the historical evolution of artificial intelligence and Machine Learning. In a mixed approach, combining quantitative and qualitative methods to understand the impact of these technologies, the study involves literature review, development of data collection instruments, collection and analysis of the same, revealing improvements in efficiency and customer satisfaction with the implementation of systems based in Machine Learning.
Keywords: Machine Learning, Artificial Intelligence, Customer Service, Efficiency and Customer Satisfaction.
1 INTRODUÇÃO
A recente injeção de investimentos pelas principais empresas multinacionais no mercado de assistentes pessoais reflete uma tendência crescente de aceitação dos clientes em interagir com a informação de maneira inovadora. Os consumidores estão se tornando cada vez mais exigentes, valorizando a rapidez no acesso à informação e sua relevância. Esses fatores desempenham um papel crucial na decisão de contratar serviços de suporte. Além disso, à medida que os usuários se familiarizam com o funcionamento de bots e sua eficácia, surge uma oportunidade notável para abordar questões de eficiência operacional e redução de custos em relação ao atendimento ao cliente.
A integração de Machine Learning e tecnologias de inteligência artificial nesse contexto é fundamental para aprimorar ainda mais o atendimento ao cliente. O Machine Learning permite que as empresas coletem e analisem dados em tempo real, adaptando-se às necessidades específicas de cada cliente de maneira personalizada. Isso não apenas acelera a entrega de informações relevantes, mas também ajuda na resolução de problemas com maior eficácia, proporcionando uma experiência de atendimento ao cliente mais satisfatória. À medida que continuamos a avançar nessa direção, a melhoria do atendimento aos clientes através do uso de Machine Learning se torna uma parte essencial da estratégia empresarial, proporcionando benefícios tanto para as empresas quanto para os consumidores.
Um aspecto importante a considerar é o uso de Machine Learning, uma vertente da IA que se baseia em algoritmos de computador capazes de aprender e aprimorar seu desempenho ao longo do tempo. O Machine Learning tem sido aplicado com sucesso em uma variedade de áreas, como carros autônomos, tradução de idiomas, previsão, reconhecimento de fala e visão computadorizada.
O impacto da Inteligência Artificial (IA) na melhoria do atendimento aos clientes através do uso de Machine Learning é um tópico relevante a ser considerado. Alguns argumentam que a IA pode ter uma influência limitada nesse contexto devido às atuais limitações tecnológicas em replicar habilidades cognitivas avançadas, como o raciocínio abstrato e a resolução de problemas em ambientes incertos.
Advogados, por exemplo, combinam diariamente raciocínio abstrato e habilidades de resolução de problemas em situações incertas. No entanto, os algoritmos de IA atuais não conseguem replicar essas habilidades cognitivas humanas avançadas, como o raciocínio analógico. Diante dessas limitações, alguns argumentam que a IA teria um impacto limitado na melhoria do atendimento aos clientes, especialmente em setores cheios de abstração e incerteza.
No entanto, essa visão pode ser excessivamente genérica e desconsiderar as possíveis aplicações da IA no contexto do atendimento ao cliente. Fora de setores jurídicos, técnicas de IA não cognitivas já foram aplicadas com sucesso em atividades que antes se acreditava exigir inteligência humana, como a tradução de idiomas. Embora os resultados da IA nem sempre sejam perfeitos, eles podem ser úteis em contextos específicos que permitem uma certa margem de erro.
Nesse contexto, é possível identificar um subconjunto limitado, mas relevante, de tarefas no atendimento ao cliente que podem ser parcialmente automatizadas usando técnicas de IA, como o Machine Learning.
Em suma, embora a IA atual tenha suas limitações em comparação com a cognição humana, ela pode contribuir para melhorar o atendimento ao cliente em contextos específicos. O Machine Learning, em particular, desempenha um papel importante na automação de tarefas que, mesmo com imperfeições, podem ser consideradas “suficientemente boas” para determinados cenários de atendimento ao cliente. Portanto, é essencial explorar o potencial do Machine Learning para aprimorar a experiência do cliente, mantendo sempre em mente as restrições tecnológicas existentes.
2 FUNDAMENTAÇÃO TEÓRICA
2.1 A Importância da Melhora no Atendimento a Clientes
Melhorar o atendimento aos clientes é fundamental para as empresas, independentemente do setor em que atuam, tendo por base que a satisfação dos clientes desempenha um papel crucial no sucesso de um negócio, sendo essencial para garantir a sua fidelidade, conforme explica Acayaba e outros (2021). Os consumidores tendem a voltar a empresas que oferecem um ótimo atendimento, o que resulta em vendas recorrentes e maior retenção de clientes.
Clientes satisfeitos têm maior probabilidade de recomendar a empresa para amigos e familiares, gerando marketing boca a boca positivo, que é extremamente valioso para atrair novos clientes, onde um bom atendimento pode ajudar a diferenciar uma empresa da concorrência. Em um mercado altamente competitivo, de acordo com Costa e outros (2015) o cliente “espera ser tratado como rei”, onde a qualidade do atendimento pode ser o fator decisivo que leva um cliente a escolher uma empresa em vez de outra.
Outra razão importante para o aprimoramento no atendimento aos clientes é que isso pode contribuir para a resolução eficaz de problemas. Clientes satisfeitos têm maior probabilidade de retornar à empresa com problemas ou reclamações, e um atendimento eficiente e cortês pode ajudar a resolver essas questões de forma mais rápida e eficaz, evitando possíveis prejuízos à reputação da empresa, conforme explica Costa e outros (2015).
Além disso, aprimorar o atendimento ao cliente pode proporcionar insights valiosos sobre as necessidades e preferências dos consumidores. Ao interagir com os clientes e coletar feedback, as empresas podem obter informações significativas que podem ser utilizadas para aprimorar produtos, serviços e processos internos.
Por fim, é importante destacar que a qualidade do atendimento ao cliente pode impactar diretamente a imagem e a reputação da empresa. Um bom atendimento ao cliente pode resultar em uma percepção positiva da marca, enquanto um atendimento ruim pode levar a críticas públicas e danos à reputação. Labadessa e outros (2012) demonstrou que cerca de 65% (sessenta e cinco por cento) dos clientes que param de comprar de uma empresa são por motivos de falta de qualidade no atendimento.
Diante disto é possível observar que melhorar o atendimento ao cliente é vital para as empresas, pois contribui para a fidelização de clientes, diferenciação no mercado, resolução eficaz de problemas, obtenção de feedback valioso e preservação da reputação da empresa. Investir na melhoria do atendimento ao cliente é uma estratégia essencial para o sucesso e crescimento de qualquer negócio.
2.2 Inteligência Artificial
Por volta do ano de 1928 Alan Mathison Turing começou a estudar a teoria da relatividade e no ano de 1936 se consagrou como um dos maiores matemáticos quando demonstrou que era possível executar operações computacionais que utilizasse a teoria de números por meio de uma máquina que tivesse embutidas as regras de um sistema formal. Com a união de matemática e lógica Turing conseguiu criar um sistema processador de símbolos e definiu que os cálculos mentais humanos consistem em operações para transformar números em uma série de estados intermediários com suas progressões, conforme explicam Pozza e Penedo (2002).
A evolução de tecnologias e o interesse do ser humano por facilidades levou, na década de 50, ao primeiro programa científico na área de inteligência artificial – IA (Turing, 1950). Desde sua origem até os avanços atuais que pode ser estendida a diversas técnicas, aprendizagem de máquinas, etc. Esta evolução tem transformado a forma de interação entre humanos e tecnologia, impactando a sociedade em diversos setores como saúde, finanças, transportes, entretenimento e outros.
Para Gozman (2023) as tendências para a IA são promissoras através da ação de empreendedores que conectem a pesquisa com a prática emergindo contribuições para a evolução do campo. Diante disto é possível observar o surgimento de diversas tecnologias que automatizam e simplificam trabalhos que antes demandavam maiores esforços e atenção de empresas, como exemplo, carros que atuam como táxis, nos Estados Unidos, sem um motorista humano, apenas com o uso da Inteligência Artificial.
O uso de tecnologias como essa são cada vez mais presentes no cotidiano das pessoas e empresas que buscam avanços tecnológicos, eficiência e produtividade, inovação em saúde dentre outras, desde o exemplo citado acima até mesmo nos autoatendimentos via chatbots, conforme citado por Lugli e Filho (2020). Destarte, para que aconteça estas facilidades da IA é necessário que algoritmos usem técnicas de Machine Learning como ferramenta.
2.3 Machine Learning
Em essência o Machine Learning ou Aprendizado de Máquina consiste em uma subárea da inteligência artificial que se concentra no desenvolvimento de algoritmos e modelos estatísticos que permitem que uma máquina realize ou melhore o desempenho ou apresente soluções para uma determinada tarefa. De acordo com Ludermir (2021) o processo envolve a utilização de dados e exemplos de situações já ocorridas antes para que com base no passado seja aprendido pela máquina e apresentado uma solução.
A importância do Machine Learning pode ser vista em sua grande variedade de aplicações. Em áreas como a análise de dados, os algoritmos de Machine Learning são capazes de identificar insights e tendências em grandes conjuntos de dados que seriam impossíveis ou impraticáveis de serem percebidos por seres humanos.
Outra aplicação fundamental do Machine Learning está na automação de tarefas. Tarefas repetitivas ou complexas podem ser realizadas de maneira mais eficiente e eficaz por algoritmos de Machine Learning, que são capazes de aprender e aprimorar como realizar essas tarefas ao longo do tempo.
OLIVEIRA e outros (2020) explica que o Machine Learning é crucial para a personalização de produtos e serviços. Com a capacidade de analisar o comportamento do usuário, os algoritmos de Machine Learning podem ser usados para fornecer recomendações e experiências personalizadas para os consumidores, aumentando a satisfação do cliente e a eficácia das campanhas de marketing.
Na área da saúde, o Machine Learning está transformando a forma como os médicos diagnosticam doenças. A capacidade dos algoritmos de aprender com grandes conjuntos de dados clínicos e de imagem pode levar a diagnósticos mais rápidos e precisos, melhorando significativamente os resultados para os pacientes, conforme demonstrado por BRAGA e outros (2019).
Além disso, o Machine Learning tem implicações importantes para a segurança cibernética. A capacidade dos algoritmos de identificar e responder a ameaças de segurança de forma mais ágil e precisa é fundamental em um mundo cada vez mais conectado digitalmente, onde a segurança dos dados e sistemas é uma preocupação crescente.
O impacto do Machine Learning vai além das aplicações práticas. Ele também está transformando a forma como entendemos a própria inteligência artificial. A capacidade dos algoritmos de aprender e tomar decisões com base nesse aprendizado nos leva cada vez mais próximos de sistemas verdadeiramente autônomos e “autoaprendentes”.
Apesar de todas essas aplicações um dos desafios fundamentais ao Machine Learning é a necessidade de grandes quantidades de dados para alimentar os algoritmos de Machine Learning. Ludermir (2021) comenta que a qualidade e a disponibilidade desses dados são essenciais para o sucesso de um projeto de Machine Learning.
Alguns princípios de ética foram tratados, por Piteira e outros (2022), em torno do uso de dados e da tomada de decisões por algoritmos de Machine Learning. A transparência, a equidade e a responsabilidade na utilização de sistemas de Machine Learning são questões importantes que precisam ser abordadas à medida que essa tecnologia continua a se tornar mais difundida.
Apesar desses desafios, o impacto e a importância do Machine Learning continuam a crescer. À medida que a tecnologia continua a evoluir e mais aplicações práticas são descobertas, o Machine Learning está destinado a ter um papel central no futuro da tecnologia e da sociedade em geral. É uma ferramenta poderosa e versátil que está mudando fundamentalmente a forma como as empresas operam, como a medicina é praticada, como a segurança cibernética é garantida e como os consumidores interagem com os produtos e serviços que eles utilizam no dia a dia. Isso significa que o Machine Learning é mais do que uma mera tendência tecnológica – é uma força transformadora que está moldando o mundo ao nosso redor.
3 MÉTODO
3.1 Descrição Metodológica
Este estudo adota uma abordagem mista, combinando métodos quantitativos e qualitativos, para uma compreensão holística do impacto da Inteligência Artificial (IA) e do Machine Learning no atendimento ao cliente. A pesquisa se fundamenta em duas vertentes principais: a análise de dados secundários provenientes de estudos anteriores e dados primários obtidos através de questionários e entrevistas.
Coleta de Dados: A coleta de dados será realizada em duas fases. Na primeira, será feita uma revisão sistemática da literatura para identificar estudos prévios relacionados ao uso da IA e do Machine Learning no atendimento ao cliente. Na segunda fase, aplicaremos questionários online para profissionais de atendimento e clientes e conduziremos entrevistas semiestruturadas com especialistas em tecnologia e atendimento ao cliente.
Análise de Dados: Os dados quantitativos obtidos dos questionários serão analisados utilizando métodos estatísticos, incluindo análise descritiva e inferencial. Os dados qualitativos das entrevistas serão submetidos à análise temática para identificar padrões e insights relevantes.
3.2 Etapas da Pesquisa
Preparação: Definição clara dos objetivos da pesquisa e elaboração do protocolo de pesquisa.
Revisão da Literatura: Levantamento e análise de estudos anteriores sobre IA e Machine Learning no atendimento ao cliente.
Desenvolvimento dos Instrumentos de Coleta de Dados: Criação e validação dos questionários e roteiros de entrevista.
Coleta de Dados: Distribuição de questionários e realização de entrevistas.
Análise de Dados: Aplicação de técnicas estatísticas e qualitativas para análise dos dados coletados.
Interpretação dos Resultados: Comparação dos resultados com a literatura existente e discussão sobre as implicações práticas.
Elaboração do Relatório Final: Redação dos resultados, discussões e conclusões da pesquisa.
3.3 Seleção da Amostra
A amostra será composta por profissionais de atendimento, clientes e especialistas em tecnologia e atendimento. Os critérios de inclusão serão profissionais com pelo menos um ano de experiência em atendimento ao cliente e conhecimento em IA e Machine Learning. A exclusão se dará para aqueles que não atuam diretamente com atendimento ao cliente ou tecnologia da informação.
Método de Amostragem: Será utilizada uma amostragem por conveniência, dada a facilidade de acesso a profissionais através de plataformas online, redes sociais profissionais e consulta a empresas do seguimento. O tamanho da amostra será de até 100 participantes para os questionários e entrevistas em profundidade, balanceando a representatividade e a profundidade da análise.
4. APRESENTAÇÃO E ANÁLISE DOS RESULTADOS
4.1 Visão Geral dos Dados Coletados
A pesquisa contou com a participação de profissionais de atendimento ao cliente, abrangendo setores como varejo, serviços financeiros, saúde e tecnologia. Os participantes foram escolhidos com base em sua experiência com ferramentas de Machine Learning em suas funções, e clientes usuários. Adicionalmente, foram realizadas 2 entrevistas com especialistas em tecnologia, provendo uma perspectiva aprofundada sobre as tendências atuais e futuras do uso de Machine Learning no atendimento ao cliente.
4.2 Análise Quantitativa
A análise estatística dos questionários revelou que os profissionais observaram uma redução no tempo médio de resposta ao cliente após a implementação de sistemas baseados em Machine Learning. Além disso, relataram um aumento na satisfação do cliente, com uma pontuação média de satisfação aumentando de 3,5 para 4,2 em uma escala de 5 pontos. A análise de regressão indicou uma correlação positiva significativa (p < 0.05) entre o uso de Machine Learning e a eficiência do atendimento ao cliente.
4.3 Análise Qualitativa
As entrevistas revelaram que os especialistas veem o Machine Learning como um complemento valioso, mas não um substituto para o atendimento humano. Temas comuns incluíram a importância da personalização do serviço e a necessidade de equilibrar a automação com a interação humana. Um entrevistado do setor de serviços financeiros comentou: “A IA nos ajuda a entender melhor os padrões do cliente, mas ainda precisamos do toque humano para situações complexas”.
Outro entrevistado, a empresa Bonacina Informática Ltda, relatou que “O toque humano é essencial. A IA melhora a eficiência, mas o toque humano é crucial para empatia, compreensão emocional e resolução de problemas complexos. A combinação de tecnologia e habilidades humanas resulta na melhor experiência do cliente, equilibrando eficiência com a necessidade de conexões humanas genuínas”.
4.4 Integração dos Resultados
Os dados quantitativos e qualitativos mostram uma tendência geral positiva em direção à aceitação e eficácia do Machine Learning no atendimento ao cliente. Embora a tecnologia tenha melhorado a eficiência e a satisfação, os desafios permanecem em casos que requerem compreensão emocional e cognitiva mais profunda, que a IA atual não pode fornecer.
Esta integração sugere que, enquanto o Machine Learning oferece benefícios significativos em termos de eficiência operacional, as empresas devem ser cautelosas para não despersonalizar o atendimento ao cliente. A manutenção de um equilíbrio entre tecnologia e interação humana é essencial para garantir que as necessidades emocionais e complexas dos clientes sejam atendidas.
4.5 Casos de Uso de Machine Learning no Atendimento ao Cliente
Um caso de uso destacado foi um chatbot que consegue lidar com cerca de 70% a 80% das perguntas frequentes dos clientes sem intervenção humana. Outro caso envolveu análise preditiva no setor de saúde, onde a previsão de picos de demanda resultou em melhor gestão de estoque e recursos.
4.6 Discussão sobre a Aceitação de Tecnologia
Os resultados sugerem que a aceitação do Machine Learning está positivamente relacionada à percepção de utilidade e facilidade de uso. Profissionais que receberam treinamento adequado e tinham clareza sobre os benefícios da tecnologia mostraram maior disposição para integrar essas ferramentas em seu trabalho diário.
Também foi observado que a resistência à mudança por parte dos funcionários diminui com a demonstração contínua dos benefícios do Machine Learning, como a redução da carga de trabalho e a melhoria na qualidade de vida no trabalho. O envolvimento dos funcionários no processo de implementação e a transparência quanto aos objetivos e benefícios da tecnologia são fatores cruciais para sua aceitação.
4.7 Implicações Práticas e Estratégicas
As descobertas indicam que as empresas devem investir em treinamento para maximizar os benefícios do Machine Learning no atendimento ao cliente. Recomenda-se também a implementação de sistemas de feedback contínuo para monitorar a eficácia do atendimento e garantir que o uso de IA permaneça alinhado com as necessidades e expectativas do cliente.
Para além do treinamento, as empresas devem considerar a implementação de sistemas de Machine Learning que sejam intuitivos e fáceis de usar, reduzindo assim a barreira de entrada para funcionários não técnicos.
Ademais, a colaboração entre as equipes de atendimento ao cliente e de tecnologia é vital para garantir que as soluções de IA sejam eficazes e alinhadas com as expectativas dos clientes e as necessidades do negócio.
5 CONSIDERAÇÕES FINAIS
De acordo com o trabalho realizado, é cabível observar que o Machine Learning tem um impacto significativo no atendimento aos clientes, uma vez que oferece oportunidades para aprimorar a experiência do cliente de várias maneiras. Em diversos setores é possível realizar tarefas personalizadas que podem analisar o comportamento dos clientes, suas preferências e histórico de compras e, utilizá-los para oferecer recomendações personalizadas de produtos ou serviços, criando uma experiência mais relevante e agradável para o cliente, aumentando a satisfação e a fidelidade.
Dentro das aplicações de Machine Learning pode-se citar chatbots e assistentes virtuais (capazes de entender e responder às perguntas dos clientes de forma mais eficaz e natural oferecendo um suporte mais ágil e eficiente), a previsão de demanda de produtos ou serviços (ajudando as empresas a se prepararem para picos de demanda, evitando estoques esgotados ou em excesso), analisar grandes volumes de feedback de clientes (permitindo que as empresas ajam proativamente para resolver problemas e ajustar suas estratégias de atendimento).
Através do Machine Learning as empresas também podem rotear as ligações (reduzindo o tempo de espera), analisar texto e voz (permitindo detectar o sentimento dos clientes), automatizar tarefas repetitivas e demoradas (liberando agentes para outras tarefas mais complexas) e, analisar padrões de comportamento (identificando clientes com maior probabilidade de cancelar um serviço ou produto).
Em suma, o Machine Learning oferece um potencial significativo para melhorar o atendimento aos clientes, criando experiências personalizadas, eficientes e satisfatórias. À medida que as empresas continuam a integrar essas tecnologias em suas operações de atendimento aos clientes obtendo vantagens competitivas no mercado.
REFERÊNCIAS
ACAYBA, E.; RAMOS, R.; BISPO, T. Predição de satisfação de clientes utilizando modelos de Machine Learning em pesquisa net promoter score. Recife, Universidade de Pernambuco, 2021. Disponível em: http://revistas.poli.br/index.php/repa/article/view/1763/784. Acesso em 08 dez. 2023.
BRAGA, A. V.; LINS, A. F.; SOARES, L.S.; FLEURY, L. G.; CARVALHO, J. C.; PRADO, R. S. Machine Learning : O uso da inteligência artificial na medicina. Curitiba, Centro Universitário de Anápolis -UNIEVANGELICA, 2019. Disponível em https://ojs.brazilianjournals.com.br/ojs/index.php/BRJD/article/view/3437/3265. Acesso em 08 dez. 2023.
COSTA, A. S. C.; SANTANA, S. C.; TRIGO, A. C. Qualidade do atendimento ao cliente: um grande diferencial competitivo para as organizações. Salvador, Fundação Visconde de Cairu, 2015. Disponível em: https://portalidea.com.br/cursos/5f3b79602bcdc800615fbf7a918b49e8.pdf. Acesso em 08 dez. 2023.
GOZMAN, F. G. O futuro da (pesquisa em) inteligência artificial: algumas direções. São Paulo, Revista USP n. 124, p. 11-20, janeiro/fevereiro/março 2020. Disponível em: https://www.revistas.usp.br/revusp/article/view/167912/159993. Acesso em 27 nov. 2023.
LABADESSA, A. S.; LABADESSA, L. A. S.; OLIVEIRA, L. J. A importância da qualidade no atendimento ao cliente: um estudo bibliográfico. Ariquemes, Faculdades Integradas de Ariquemes, 2012. Disponível em: https://d1wqtxts1xzle7.cloudfront.net/31808457/qualidade_de_atendimento_ao_cliente-libre.pdf?1392362169=&response-content-disposition=inline%3B+filename%3DA_IMPORTANCIA_DA_QUALIDADE_NO_ATENDIMENT.pdf&Expires=1702085424&Signature=AhbCO13YYNcgGP4QdLyVSHmS9Y~3l~8Yts1rRKKud5gpZExfZj8AbyyBVGVyDzqPcDszQ97yZK1suEc2R0lamhx7WjX9fU~9wRFPhmC5~e8RZxzduZT1L3HnuYLlEVPvCb9ZE-hDKI5P5RF-3YXFve~X5k10UOxidFgGYPkBHoaP-m-xsXK8QyayHifQeH2S3cr9qcxLDKzZ5Eig4LXY9PkExi~JzpzFZ9DBtfo227TwlGWuqkCCY2ojIfkO1wDeUEYJ7tR0Jf~a2oB-H~nff3PthaR-Wt~pc1rq-yiX9xv9D0htn9WLg0d7HhFwlv3aFerurH6ByeyKBCZZIgfXSA__&Key-Pair-Id=APKAJLOHF5GGSLRBV4ZA. Acesso em 08 dez. 2023. Acesso em 08 dez. 2023.
LUGLI, V. A.; FILHO, J. de L. O uso do chatbot para a excelência em atencimento. São Paulo, Faculdade de Tecnologia de Taquaritinga, abril 2020. Disponível em: https://revista.fatectq.edu.br/interfacetecnologica/article/view/840/462. Acesso em 08 dez. 2023.
LUDERMIR, T. B. Inteligência artificial e aprendizado de máquina: estado atual e tendências. Recife, Universidade Federal de Pernambuco, 2021. Disponível em: https://www.scielo.br/j/ea/a/wXBdv8yHBV9xHz8qG5RCgZd/. Acesso em 22 nov. 2023.
OLIVEIRA, P. S. G.; YOUSHIURA, T. G.; ALVES, C. A. Projeto de Machine Learning : compreensão da hospitalidade como diferencial competitivo na gestão de restaurantes. Revista de Gestão e Projetos (GEP), 11(3), 26-45, set/dez 2020. Disponível em: https://periodicos.uninove.br/gep/article/view/18748/8672. Acesso em 08 dez. 2023.
PITEIRA, M.; APARICIO, M.; COSTA, C. J. A ética na inteligência artificial: desafios. Instituto Universitário de Lisboa, 2022. Disponível em: https://repositorio.iscte-iul.pt/bitstream/10071/25453/1/article_60896.pdf. Acesso em 08 dez. 2023.
POZZA, O. A.; PENEDO, S. A máquina de Turing. Florianópolis, Universidade Federal de Santa Catarina, 2002. Disponível em: http://www.inf.ufsc.br/~j.barreto/trabaluno/MaqT01.pdf. Acesso em 08 dez. 2023.
TURING, A. M. Computing machinery and intelligence, in mind. Vol. 49, 1950, pp. 433-60.
1 Graduado em Ciências Contábeis, Pós-graduado em Finanças e Controladoria, Pós-graduado em Auditoria e Perícia Contábil, Pós-graduado em Gestão de Pessoas, Mestrando em Controladoria e Finanças – FIPECAFI.
2 Graduado em Ciências Contábeis, Pós-graduado em Controladoria, Pós-graduado em Contabilidade Pública, Mestrando em Controladoria e Finanças – FIPECAFI.