Módulo 1.
Impacto e Repertório Executivo
2H/A
Workshop de abertura
- Visão geral do MBA e seus clusters
- O que é (e o que não é) AI Leadership: Strategy, Governance & impact
- Jornada do aluno: do entendimento à geração de valor
- Expectativas, metodologia e critérios de engajamento
Módulo 2.
Fundamentos e Prática com IA
32H/A
AI Core Concepts
- IA Clássica (discriminativa): aprendizagem supervisionada, não supervisionada e por reforço
- IA Generativa: foundation models, deep learning e transformers
- Modelos como GPT, Gemini ou Llama
- NLP tradicional, LLMs e ecossistema generativo
- Prompt engineering, fine-tuning e Retrieval-Augmented Generation (RAG)
- Arquitetura e ciclo de vida de modelos fundacionais: pré-treinamento, ajuste fino, alinhamento (RLHF) e deployment
Vibe Coding Executivo
- . Introdução ao Vibe Coding e ao desenvolvimento de software com IA
- Conceito de Vibe Codinge sua emergência no desenvolvimento de software
- Evolução do desenvolvimento de software e o papel da Inteligência Artificial
- IA como aliada e como risco em prototipação e validação de MVPs
- Novo paradigma da programação orientada por intenção
- Comunicação de intenções com IA
- Pensamento crítico, supervisão humana e limites do uso da IA
- Estrutura de um software moderno
- Dados e bancos de dados
- Front-end, back-end e integrações
- Vibe Coding na prática e ciclo completo de produto
- Prototipação rápida com apoio de Inteligência Artificial
- Uso de IA para geração, evolução e avaliação rápida de protótipos e MVPs
- Criação de aplicações, protótipos e MVPs funcionais
- Avaliação de soluções geradas por IA em contexto corporativo
- Identificação de pontos de falha, riscos e limitações do uso de IA
- Decisão baseada em MVPs e evidências
- Papel do líder técnico e do gestor de produto em ambientes orientados por IA
- Hands-on orientado à tangibilização e decisão executiva
Módulo 3.
Estratégia, Influência e Adoção
60H/A
Estratégia de IA
- Tendências de mercado em Inteligência Artificial e seus impactos competitivos
- Elementos da estratégia de IA, alinhados à estratégia de negócio
- Roadmap de implementação de IA: visão, fases, dependências e governança executiva
- Habilitadores tecnológicos e organizacionais, incluindo dados, talentos, cultura e estrutura
- Modelos operacionais de IA (CoE, hub & spoke, squads distribuídos) e seus trade-offs
- Mensuração de valor e ROI em iniciativas de IA
Advocacy e Influência
- Comunicação e storytelling aplicados à liderança e transformação com IA
- Gestão de stakeholders em ambientes complexos
- Estratégias de gestão de mudanças e renegociação de acordos organizacionais
- Programas de embaixadorese multiplicadores
- Coalizõese alianças estratégicas para sustentar a mudança
- Estruturação de planos de conscientização e mobilização organizacional (mensagem, público, canais, métricas)
Capacitação Organizacional para IA
- Impacto da IA em funções e competências organizacionais
- Habilidades essenciais para IA em diferentes níveis e papéis
- Letramento corporativo em IA e redução de assimetrias de conhecimento
- Cultura organizacional e liderança adaptativa na era da IA
- Planejamento da força de trabalho frente à automação e aumento cognitivo
- Estratégias de requalificação, reskilling e upskilling orientadas à IA
Módulo 4.
Arquitetura e Governança para Escala
36H/A
Arquitetura Corporativa para IA: Estratégia, Governança e Escala
- . Arquitetura Corporativa no Contexto da Liderança em IA
- Evolução da Arquitetura Corporativa: de documentação para instrumento estratégico
- Por que iniciativas de IA falham sem arquitetura
- Arquitetura Corporativa como “sistema operacional” da transformação com IA
- Conexão entre estratégia corporativa, transformação digital e IA
- TOGAF ADM como processo para Estratégia e Execução de IA
- Introdução a TOGAF 10 e ArchiMate 3.2
- ADM como ciclo contínuo de decisão e aprendizado
- Reinterpretação do ADM para IA e visão geral das fases aplicadas à IA (Preliminary/Phase A até G–H)
- Business Capabilities como base para Estratégia de IA
- O que são Business Capabilitiese por que são críticas para IA
- Planejamento tradicional vs planejamento baseado em capacidades
- Mapeamento de capacidades (Core, Differentiating, Supporting)
- Identificação de capacidades com potencial de automação inteligente, decisão assistida e novos modelos
- Maturidade AS-IS, gaps e visão TO-BE com IA
- Governança Arquitetural aplicada à IA
- Por que governança é gargalo da IA
- Comitês de Arquitetura Corporativa
- Papéis e responsabilidades: negócio, tecnologia, dados e compliance
- Estudo de caso (aplicação)
- Entender a estratégia da empresa
- Mapear capacidades prioritárias
- Identificar oportunidades reais de IA
- Avaliar gaps arquiteturais com visão integrada (negócio, dados, aplicações, integrações, tecnologias e plataformas)
- Propor arquitetura corporativa orientada à IA
- Construir roadmap de IA baseado em capacidades
Governança de Dados, IA e Ética
- Governança de Dados e IA no contexto de GRC: por que são agenda executiva
- Fundamentos de Governança de Dados para IA, com base em referências como o DAMA-DMBOK: qualidade de dados, metadados, linhagem, papéis, políticas, ownership e accountability
- Responsible AI: princípios, limites, responsabilidades e accountability
- Ética, transparência e explicabilidade: o que exigir e como avaliar em nível executivo
- Privacidade, LGPD e uso responsável de dados em soluções de IA: riscos, guardrails e implicações
- Gestão de riscos em dados e IA: vieses, qualidade, rastreabilidade, conformidade, GenAI, agentes e mitigação orientada à decisão
- Modelo operacional de governança: papéis, comitês, decision rights, políticas, gates e accountability
- GAP Analysis e avaliação de maturidade em Governança de Dados e IA: lacunas, prioridades e roadmap
- Frameworks e padrões como referência para controles e governança, incluindo ISO, ABNT, COBIT e fundamentos do DAMA-DMBOK
- Sourcing e terceiros: responsabilidades, evidências, contratos, risco do provedor e governança sobre dados e modelos
Módulo 5.
Agentes, Segurança e Escalabilidade Técnica
80H/A
Arquitetura de Agentes
- Fundamentos de dados para agentes:contexto, grounding, qualidade e impacto em desempenho e confiabilidade
- Tipologia de agentes (reativos, deliberativos, assistivos, autônomos) e seus papéis organizacionais
- Modelos de base e especialização: prompts, RAG e fine-tuning leve como mecanismos de adaptação ao domínio
- Inteligência do modelo vs. inteligência do agente: planejamento, ferramentas, memória e execução
- Engenharia de prompts como componente arquitetural, com padrões de controle e limites (não operacional)
- Componentes básicos de um agente:
- Memória de curto e longo prazo
- Bases vetoriaise vetorização de conhecimento
- Mecanismos de decisãoe uso de ferramentas
- Arquiteturas de referênciapara sistemas baseados em agentes e workflows de execução
- Protocolos e padrões de comunicação: comunicaçãoagente-agente (A2A)e MCP como padrão emergente
- Frameworks como referência arquitetural (ex.: LangChain, ADK, CrewAI, Agno), deixando explícito que ferramentas são meio para tangibilizar conceitos, não foco da disciplina
- Trade-offs técnicos e arquiteturais: RAG vs. fine-tuning, agente único vs. multiagente, custo, latência, risco e escalae
Implementação de Agentes
- Frameworks de implementação de agentes (Python e low/no-code)
- Uso de ferramentas como meio de experimentação e validação executiva (e não como fim)
- Testes, validação e rollout de agentes (ex: ragas.io)
- Observabilidade (ex: langchain), monitoramento, custos de LLMs, infraestrutura e uso de tokens
- Deployment em ambientes de produção, Drift, manutenção e evolução de agentes em produção
Orquestração e Integração de Agentes
- Sistemas multiagentes: conceitos, padrões e modelos de coordenação
- Orquestração de agentes em ambientes corporativos
- Integração com sistemas legados, plataformas e bases de dados
- APIs, eventos e mensageria como mecanismos de comunicação entre agentes e sistemas
- Fluxos de trabalho multiagentes
- Confiabilidade, resiliência e tolerância a falhas em soluções baseadas em agentes
- Frameworks e ferramentas de mercado como referência de orquestração, tais como: Frameworks de agentes e multiagentes (ex.: CrewAI, LangChain, Agno, ADK) Plataformas low-code/no-code para orquestração (ex.: n8n) Linguagens e padrões de integração amplamente utilizados (ex.: Python como linguagem de referência)
- Feedback e avaliação
- Implementação de RAG , Vetorização, MCP e A2A - Agent to Agent
- Abordagem text-to-sql
Segurança e Confiabilidade
- Mitigação de riscos em sistemas baseados em agentes e IA
- Proteção de dados ao longo do ciclo de vida de soluções de IA
- Defesa contra ataques, incluindo ataques a modelos, agentes e integrações
- Validação de agentes, confiabilidade de comportamento e controle de decisões
- Planos de contingência, resiliência operacional e resposta a falhas
- Testes de exploração & red teaming (ex: promptfoo.dev)
Módulo 6.
Produto e Valor
20H/A
Gestão de Produto
- Contexto de mercado e tese de valor em produtos de IA
- Transformação digital, automação e digitalização
- Panorama de produtos digitais com IA e padrões de valor
- IA como motor de inovação e diferenciação competitiva
- Engenharia de dados como base para produtos digitais com IA (visão de produto)
- ML e IA sob a ótica de produto
- Conceitos fundamentais de Machine Learning(visão para PM e liderança)
- Aprendizado supervisionado e não supervisionado em decisões de produto
- BI, ML e IA no contexto de produto: quando usar cada abordagem
- Uso de dados para predição, descoberta de padrões e decisão
- Hiperpersonalização, confiança e uso responsável
- Evolução de segmentação para hiperpersonalização
- Recomendação e embeddings (visão de produto, sem matemática pesada)
- Explicabilidade (XAI)e critérios de confiança para produto
- Transparência, ética, auditoria e responsabilidade (nível executivo)
- Privacidade e considerações regulatórias, incluindo LGPD (visão aplicada)
- Frameworks e produto como sistema
- PRD (Product Requirements Document) no contexto de IA
- Product-Service System (PSS) e Service Blueprint
- Estratégia, ciclo de vida e roadmap de produto com IA
- Roadmap estratégico: do discovery à escala
- Governança de decisões de produto (critérios, trade-offs e accountability)
- Métricas, impacto e experimentação em produtos com IA
Módulo 7.
Gestão de Impacto e Execução
40H/A
Gestão de Projetos e Equipes
- Diferenças entre projetos, produtos e operações
- Escopo e dimensões do gerenciamento de projetos
- Metodologias tradicionais, ágeis e híbridas: como escolher e quando aplicar
- CRISP-DM como framework base para projetos de dados e IA, incluindo: entendimento do negócio;entendimento e preparação de dados;modelagem;avaliação;implantação
- Adaptação do CRISP-DM para projetos de IA Generativa, considerando: dados e curadoria; viés; segurança; custos e riscos
- Scrum aplicado a projetos de IA: papéis, cerimônias, backlog e limitações
- Planejamento de escopo, esforço, tempo e custo
- Liderança e gestão de equipes multidisciplinares e colaborativas
- Atração, desenvolvimento e retenção de talentos
- Parcerias estratégicas e modelos de sourcing
- Métricas de projeto, acompanhamento e reporte gerencial
- Uso de IA como apoio à estruturação de projetos e OKRs
Reengenharia de Processos com Agentes
- Identificação de processos com maior potencial de ganho com agentes e IA
- Avaliação de impacto, custo, risco e escala
- Decisão executiva: onde vale e onde não vale intervir
- Análise crítica de fluxos existentes
- Redesenho orientado a eficiência, autonomia e suporte à decisão
- Interação humano-agente nos novos fluxos
- Limites do redesenho com IA
- Automação end-to-end
- Automação como capacidade organizacional
- Uso de agentes ao longo do fluxo completo
- Integração entre sistemas, dados e decisões
- Riscos de automação excessiva
- Definição de métricas antes e depois da intervenção
- Métricas de eficiência operacional e ROI
- Avaliação de ganhos reais vs. ganhos percebidos
- Gestão da transição
- Preparação para escala e melhoria contínua.
- Ferramentas podem ser utilizadas como meio para tangibilizar a teoria aprendida (ex.: Archimate, Bizagi, Bonita, N8n).
Workshop de encerramento
- Revisão integrada dos clusters do MBA ⦁ Discussão sobre decisões reais envolvendo IA ⦁ Síntese de aprendizados, erros e acertos ⦁ Posicionamento do aluno como AI Leader
Módulo 8.
Advanced Skills Certification
30H/A
Leadership Communication & Corporate Negotiation
Módulo 9.
Global Digital Innovation
30H/A
China
- Entendendo a revolução da indústria e Deep Tech.
Silicon Valley
- Berço da inovação contínua.
A Inovação pelo mundo
- Experiências de Israel, Japão, Singapura, Estônia, Finlândia, entre outros.
Brasil
- Avanços da IA, oportunidades de modelos locais e dados abertos.
Gestão da inovação global
- Capturando sinais do mundo e construindo planos estratégicos.
Módulo 10.
Startup One
30H/A
- Ecossistema Empreendedor
- Intraempreendedorismo
- Inovação
- Open Innovation
- Ideias e Oportunidades
- Business Canvas – BMG
- Prototipação e Design Thinking
- Análise Financeira
- Economia Criativa
- Técnicas de Pitch
- Cases de Sucesso do Cenário Nacional e Global
Módulo 11.
Extensão internacional (opcional)
--H/A
Effective Leadership Program (Nova School of Business & Economics)
- Lisboa
The Entrepreneurship Program (Babson College)
- Boston
Neoliderança e Disrupção Organizacional (Coimbra Business School e o DeROSE Method)
- Coimbra
Inteligência Artificial: Tecnologias e Oportunidades
- Porto
Imersão China
Imersão Vale do Silício
