Sistemas que usam inteligência artificial para aprimorar previsões, planejamento e tomada de decisões em empresas têm se proliferado nos últimos anos, mas, em muitos casos, carecem de informações detalhadas e específicas sobre a própria organização, limitando a utilidade dessas ferramentas.
Devavrat Shah, pesquisador principal do Laboratório de Sistemas de Informação e Decisão (LIDS) do MIT, membro do corpo docente do departamento de Engenharia Elétrica e Ciência da Computação (EECS) e membro do Instituto de Dados, Sistemas e Sociedade (IDSS), tem se concentrado em como projetar métodos que possam lidar com a tomada de decisões segundo a segundo usando recursos computacionais limitados.
“De certa forma, com uma pequena quantidade de recursos, você precisa fazer muito trabalho pesado”, diz ele. Como pesquisador, “meu interesse está na capacidade de desenvolver métodos que possam extrair informações de dados em grande escala da maneira mais eficaz possível.”
O Professor Andrew (1956) e Erna Viterbi leciona no MIT desde 2005.
Em 2019, ele também cofundou uma empresa spinoff chamada Ikigai Labs. A Ikigai construiu um modelo de fundação para dados tabulares e de séries temporais com base em anos de pesquisa no laboratório de Shah, que foi patenteado e licenciado pelo MIT para a empresa. Este modelo pode receber dados corporativos de fontes variadas, continuamente e em grande escala, de modo que aprende ao longo do tempo, testando suas previsões em relação a resultados reais.
Shah explica que o sistema é uma extensão do tipo de modelos gráficos que são usados, por exemplo, por dispositivos GPS para converter uma quantidade esparsa de dados recebidos de satélites em um modelo preciso de uma posição na superfície da Terra, ou por um sistema de comunicação como o de um relógio digital que se comunica em alta velocidade de maneira eficiente em termos de energia.
“Meu interesse era: como se projeta tais modelos gráficos para uso genérico,
Fonte: MIT News - AI
Publicado em 2026-07-14