INTELIGÊNCIA ARTIFICIAL E A GESTÃO DO DESEMPENHO: FERRAMENTAS PARA AVALIAÇÃO CONTÍNUA E FEEDBACK EM EMPRESAS DE PEQUENO PORTE
DOI:
https://doi.org/10.5281/zenodo.13948607Palavras-chave:
Inteligência artificial, Gestão do desempenho, Feedback, Pequenas empresasResumo
O presente trabalho analisa a integração da inteligência artificial (IA) na gestão do desempenho em pequenas empresas, destacando ferramentas que possibilitam avaliações contínuas e feedback eficaz. A IA tem se tornado um recurso estratégico, especialmente para organizações com recursos limitados, promovendo inovações em processos e decisões. A gestão do desempenho é vital para aumentar a produtividade e criar um ambiente de trabalho positivo. O objetivo do estudo é investigar como a adoção de ferramentas de IA, como 15Five, Lattice e Culture Amp, pode transformar as práticas de avaliação de desempenho nas pequenas empresas. A pesquisa aborda a percepção dos gestores sobre a utilização dessas tecnologias e os desafios enfrentados na sua implementação. A metodologia inclui revisão bibliográfica, análise comparativa de ferramentas e pesquisa de campo, visando entender a realidade das pequenas empresas em relação à IA.
Referências
BAEZA-YATES, R.; RIBEIRO-NETO, B. Modern information retrieval. Addison Wesley Publishing Company, 1999. Acesso em 08 de Out. 2024
BASCHAB, J.; PIOT, J. The executive’s guide to information technology. New Jersey: John Wiley & Sons, Inc., 2003. Acesso em 08 de Out. 2024
CASCIO, W; BOUDREAU, J. Gestão estratégica de Recursos Humanos. 1 ed, São Paulo: Saraiva, 2017. Acesso em 08 de Out. 2024
DALE, R.; MOISL, H.; SOMERS, H. Handbook of natural language processing. New York: Marcel Dekker, 2000. Acesso em 08 de Out. 2024
ISZCZUK, ANA CLAUDIA DUARTE, VENTRIS, KAUÊ FERNANDES DIAS, PINTO, GABRIELLY BALSARIN, SHIRABAYASHI, JULIANA VERGA, DOS SANTOS, MARCO AURÉLIO REIS, DE SOUZA, RODRIGO CLEMENTE THOM, FILHO, RAFAEL GERMANO DAL MOLIN. Evoluções das tecnologias da indústria 4.0: dificuldades e oportunidades para as micro e pequenas empresas. Brazilian Journal of Development, v. 7, n. 5, p. 50614-50637, 2021. Acesso em 15 out. 2025
LIEBOWITZ, J. Knowledge management and its link to artificial intelligence. Expert systems with applications. [SI]: 2001, v. 20, s. 1, p. 1-6. Disponível em: . Acesso em: 17 abr. 2006. Acesso em 08 de Out. 2024
MANNING, C. D.; SCHÜTZE, H. Foundations of statistical natural language processing. Cambridge, MA: MIT press, 1999. Acesso em 08 de Out. 2024
MITCHEL, T. M. Machine Learning. McGraw-Hill International Editions, Computer Science Series, 1997. Acesso em 08 de Out. 2024
MICHALSKI, R.S.B.; KUBAT, M. Machine learning and data mining: methods and applications. John Wiley & Sons, 1998. Acesso em 08 de Out. 2024
PEREIRA, M. C. B. RH Essencial. 1 ed. São Paulo: Saraiva, 2017. Acesso em 08 de Out. 2024
RUSSELL, S. J.; NORVIG, P. Artificial intelligence: a modern approach. 2. ed. Prentice Hall, 2002. Acesso em 08 de Out. 2024
ROSENFELD, A. Picture Processing by Computer. Computing surveys, [SI]: 1969, v. 1, s. 3. Disponível em: . 2006. Acesso em 08 de Out. 2024
SLACK, N.; CHAMBERS, S.; JOHNSTON, R. Operations management. 3. ed. New York: Prentice Hall, 2000. Acesso em 08 de Out. 2024
Tardugno, A. F.; DIPASQUALE, T. R.; MATTHEWS, R. E. IT services: costs, metrics, benchmarking and marketing. New Jersey: Prentice Hall, 2000. Acesso em 08 de Out. 2024
TELLES, EDUARDO SANTOS; BARONE, DANTE AUGUSTO COUTO; DA SILVA, ALEXANDRE MORAES. Inteligência Artificial no Contexto da Indústria 4.0. In: Anais do I Workshop sobre as Implicações da Computação na Sociedade. SBC, 2020. p. 130-136. 08 de Out. 2024
WITTEN, I. H.; FRANK, E. Data mining: Practical Machine Learning Tools and Techniques with Java Implementations. 1. ed. New Jersey: Morgan Kaufmann, 1999. Acesso em 08 de Out. 2024
Downloads
Publicado
Versões
- 2024-10-18 (2)
- 2024-10-18 (1)
