Este artigo acadêmico apresenta uma comparação detalhada entre três instrumentos fundamentais para a governança da inteligência artificial: o EU AI Act, a lista de avaliação ALTAI e a norma ISO/IEC 42001. Os autores utilizam uma ontologia de alto nível para mapear e integrar as atividades organizacionais descritas em cada documento, buscando reduzir a fragmentação regulatória e as ambiguidades do mercado. A análise revela que, enquanto o padrão ISO foca em sistemas de gestão, a ALTAI e o AI Act concentram-se predominantemente na gestão de riscos e em princípios éticos. O estudo demonstra como a conformidade com normas técnicas pode auxiliar organizações a cumprirem obrigações legais complexas de forma interoperável. Por fim, os pesquisadores disponibilizam o mapeamento como um recurso semântico (RDF) para facilitar futuras expansões e a harmonização de diretrizes de confiança na IA.

O NIST AI 100-1 estabelece uma estrutura voluntária voltada à gestão de riscos e ao fortalecimento da confiabilidade em sistemas de inteligência artificial. O documento detalha as características essenciais de uma tecnologia responsável, incluindo segurança, privacidade, transparência e mitigação de vieses prejudiciais. Para operacionalizar esses conceitos, a estrutura organiza-se em quatro funções centrais: Governar, Mapear, Medir e Gerenciar. O guia ressalta que os riscos de IA são únicos e sociotécnicos, exigindo monitoramento contínuo durante todo o ciclo de vida do sistema. O objetivo final é equilibrar a inovação tecnológica com a proteção de indivíduos, comunidades e do meio ambiente.

Os textos apresentam a metodologia SB2, uma abordagem de planejamento estratégico para promover o crescimento e a longevidade empresarial. O modelo se diferencia das escolas clássicas de gestão ao priorizar a análise de tendências, a inovação e a construção de cenários futuros em um mundo em constante transformação. Estruturado em quatro macroblocos, o método orienta as organizações desde a auditoria de modelos mentais internos até a definição de apostas estratégicas e planos de execução detalhados. A obra enfatiza a importância da inteligência coletiva, incentivando processos colaborativos que envolvem diferentes níveis hierárquicos para desafiar premissas tradicionais. Além de ferramentas práticas como a Matriz STEEPH e a priorização GUT, os autores defendem que o sucesso atual depende tanto de escolhas claras quanto da coragem de realizar renúncias.

Esta obra discute a necessidade de uma liderança humanocentrada para garantir o sucesso na adoção da inteligência artificial nas organizações. O autor argumenta que muitos projetos falham porque os executivos delegam a responsabilidade técnica a especialistas, ignorando que a IA carece de propósito, ética e compreensão do contexto humano. Para evitar a obsolescência, os líderes devem focar na aumentação das habilidades humanas em vez de apenas automatizar tarefas para reduzir custos. O texto enfatiza que a tecnologia deve servir aos objetivos estratégicos da empresa, exigindo que os gestores cultivem a segurança psicológica e a colaboração entre equipes. Por fim, destaca-se que o papel essencial do líder é fazer as perguntas certas e garantir que a inovação tecnológica valorize a criatividade e a empatia.

O livro de Carl Anderson, "Creating a Data-Driven Organization", funciona como um guia prático para transformar empresas por meio da análise rigorosa de evidências. O autor destaca que a qualidade e a acessibilidade dos dados são os alicerces fundamentais antes de qualquer interpretação. A obra detalha diversos tipos de análise, desde a descritiva até a preditiva, enfatizando que a visualização eficaz e o design de métricas precisas são cruciais para a comunicação de insights. Além das ferramentas técnicas, o texto argumenta que o sucesso depende de uma cultura organizacional inquisitiva, que valoriza testes A/B em vez de meras intuições. Por fim, Anderson aborda a ética e a privacidade, alertando que o uso responsável da informação é vital para manter a confiança do consumidor.

O livro de Mary Newport explora o uso terapêutico de corpos cetônicos no tratamento do Alzheimer e outras doenças neurodegenerativas. A obra foca na experiência pessoal da autora com seu marido, Steve, que apresentou melhoras significativas após o consumo de óleo de coco e triglicerídeos de cadeia média (MCT). O texto detalha a ciência por trás de como as cetonas servem como combustível alternativo para o cérebro quando o metabolismo da glicose falha. Além do relato familiar, a autora discute a importância de dietas cetogênicas, o papel da resistência à insulina na demência e os benefícios de suplementos específicos. Newport também aborda os desafios enfrentados para divulgar essas descobertas à comunidade médica e ao público. Por fim, o material oferece orientações práticas, incluindo tabelas nutricionais e receitas, para quem deseja adotar estratégias alimentares voltadas à saúde cognitiva.

O livro Empire of AI, de Karen Hao, oferece uma análise crítica sobre a trajetória da OpenAI e a influência de seu líder, Sam Altman, no cenário global da inteligência artificial. A obra detalha as tensões internas que culminaram na demissão temporária de Altman e na transformação da empresa de uma organização sem fins lucrativos para uma entidade focada no lucro e escala comercial. Hao examina os altos custos humanos e ambientais dessa tecnologia, destacando a exploração de moderadores de dados no Quênia e o impacto do consumo massivo de água e energia em comunidades vulneráveis. Além disso, o texto aborda o conceito de colonialismo de dados, sugerindo que o avanço da IA está concentrando poder e recursos nas mãos de poucas corporações do Vale do Silício. Através de entrevistas e pesquisas extensas, a autora questiona se a busca pela inteligência artificial geral realmente beneficia a humanidade ou se apenas reforça novas formas de desigualdade sistêmica.

Este artigo do The Verge argumenta que a atual bolha da inteligência artificial ignora a descoberta científica de que linguagem e inteligência são processos cerebrais distintos. Embora os modelos de linguagem em larga escala sejam proficientes em prever padrões de comunicação, o autor afirma que eles não possuem as capacidades cognitivas humanas, como o raciocínio lógico e a compreensão do mundo físico. A neurociência demonstra que pensar não depende da fala, visto que indivíduos com deficiências linguísticas e bebês mantêm funções intelectuais intactas. O texto sugere que a simples ampliação desses sistemas não resultará em inteligência artificial geral, pois as máquinas carecem da insatisfação criativa necessária para inovações científicas reais. Assim, as IAs atuais permanecem limitadas a reciclar o conhecimento existente, funcionando como ferramentas de comunicação eficiente, mas não como entidades verdadeiramente pensantes.