Período da residência: 03 de março a 31 de dezembro de 2025
Departamento de Engenharia de Produção – Escola de Engenharia da UFMG
Marcelo Azevedo Costa é professor Titular no Departamento de Engenharia de Produção da Universidade Federal de Minas Gerais (UFMG) e membro do Programa de Pós-graduação em Engenharia de Produção. Possui graduação (1999) e doutorado (2002) em Engenharia Elétrica pela UFMG, atuando na área de Inteligência Computacional, pós-doutorado pela Harvard Medical School Harvard Pilgrim Health Care (2007) e pós-doutorado pela Linköping University (2018/Suécia). É pesquisador do Centro Institucional de Tecnologia e Inovação Modelagem Ambiental (CT-Modelagem) e coordenador do Centro de Sensoriamento Remoto (CSR), ambos vinculados à UFMG. É membro da coordenação técnica da Linha VI: Conectividade veicular do programa Mover (Mobilidade Verde e Inovação), uma iniciativa do Governo Federal com o propósito de impulsionar a modernização e a sustentabilidade nas áreas da mobilidade e logística no Brasil, e pesquisador vinculado ao Future Lab – Laboratório de Transformação Digital do Departamento de Ciência da Computação (DCC/UFMG). Atua nos temas: estatística aplicada, ciência dos dados, inteligência artificial, metodologias de benchmarking. Segundo revista Decision Analytics (2022) é um dos 15 pesquisadores internacionais mais produtivos na área de incentive regulation, e um dos 35 pesquisadores brasileiros mais influentes na área de Engenharia Industrial, Tecnologia e Manufatura (AD Scientific Index 2024).
INTELIGÊNCIA ARTIFICIAL, CIÊNCIA DOS DADOS E PESSOAS: OS DESAFIOS DA GESTÃO DOS SETORES PRODUTIVOS E DE RECURSOS NA ERA DIGITAL E NA ERA DOS FATORES EXTERNOS
A inteligência artificial (IA) tem permitido a disponibilidade de tecnologias disruptivas quase em ritmo contínuo e está transformado diversos setores produtivos. Esses avanços somente foram possíveis com o aprimoramento e o surgimento de equipamentos computacionais robustos como as GPUs (Graphical Processing Units) e pelo aprimoramento de grandes bases de dados, que colaboraram para o avanço de metodologias de visão computacional e aprendizado profundo (deep learning). Diferentes setores produtivos estão sendo profundamente impactados por essas tecnologias, como o setor de saúde, com diagnósticos mais precisos e robótica cirúrgica; o agronegócio, por meio da agricultura de precisão e previsão de colheitas; e a manufatura, com automação e manutenção preditiva. No setor financeiro, a IA aprimora a análise de risco e a detecção de fraudes, enquanto no varejo ela personaliza recomendações e otimiza estoques. Além disso, a IA tem transformado o setor automotivo com veículos autônomos, o ensino com aprendizado personalizado e a logística ao otimizar rotas e cadeias de suprimentos. Entretanto, inúmeras empresas que poderiam se beneficiar dessas tecnologias, ainda não implementaram de forma abrangente, seja por falta de recursos, conhecimento especializado ou receio de mudanças nos processos tradicionais. Soma-se a isso o fato de que essas tecnologias necessitam de conhecimento prévio do contexto no qual irão operar, ou seja, necessitam de dados consolidados e de conhecimento técnico. Portanto, avanços nos processos produtivos com o uso de tecnologias disruptivas obrigatoriamente permeiam compreensão contextual e abordagem transdisciplinar.