Banca de DEFESA: ANDRESSA GIROTTO VARGAS

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE : ANDRESSA GIROTTO VARGAS
DATA : 30/04/2026
HORA: 10:00
LOCAL: https://teams.microsoft.com/meet/239004695131899?p=E3cazfDY3M2qCjodYl
TÍTULO:

Inteligência Artificial Explicável em Sistemas de Apoio à Decisão com Preservação de Privacidade: Compatibilidade, trade-offs e um Framework Orientado à Governança sob a Perspectiva de Stakeholders

PALAVRAS-CHAVES:

Inteligência Artificial Explicável; Preservação de Privacidade; Sistemas de Apoio à Decisão; Governança de IA; Design Science Research; Trade-offs.

PÁGINAS: 68
RESUMO:

Contexto: Sistemas de apoio à decisão baseados em Inteligência Artificial operam cada vez mais em contextos regulados e sensíveis à privacidade, nos quais a explicabilidade é demandada tanto para promover confiança quanto para viabilizar responsabilização e conformidade normativa. Entretanto, mecanismos de explicação podem introduzir riscos adicionais de exposição informacional, evidenciando tensões entre explicabilidade e preservação de privacidade. A literatura reconhece essa relação, mas carece de diretrizes estruturadas que apoiem decisões explícitas sobre compatibilidade, limites e trade-offs sob uma perspectiva de governança. Método: A pesquisa foi conduzida segundo o paradigma da Design Science Research (DSR). Inicialmente, realizou-se análise teórica da literatura e um estudo empírico qualitativo por meio de grupo focal com especialistas, visando compreender percepções sobre compatibilidade, trade-offs e necessidades de stakeholders. A partir dessas evidências, foi proposto um framework conceitual de explicabilidade orientada à governança, estruturado em quatro camadas interdependentes. O artefato foi então validado por meio de survey com especialistas atuantes em contextos regulados, combinando análise quantitativa (escala Likert) e qualitativa (questões abertas). Resultados:Os achados indicam que a compatibilidade entre explicabilidade e preservação da privacidade é dependente de contexto, finalidade e stakeholder, sendo mediada por trade-offs estruturais. Explicações globais e agregadas mostraram-se mais adequadas em ambientes sensíveis à privacidade, enquanto explicações locais podem ampliar riscos de exposição informacional. A validação do framework apresentou avaliações predominantemente positivas quanto à utilidade, clareza, completude, aderência à governança e flexibilidade, com reconhecimento da estrutura multicamada, da rastreabilidade por artefatos e da diferenciação de responsabilidades como pontos fortes. Emergiram, contudo, recomendações relacionadas à necessidade de maior operacionalização e definição de métricas objetivas. Conclusão: A dissertação demonstra que explicabilidade em sistemas sensíveis à privacidade deve ser tratada como decisão estratégica inserida em um ecossistema de governança, e não como requisito técnico isolado. O framework proposto contribui ao estruturar decisões sobre o que explicar, para quem, com qual granularidade e sob quais garantias de privacidade, promovendo rastreabilidade, auditabilidade e alinhamento regulatório. Assim, o trabalho avança na integração entre princípios normativos e práticas de engenharia, oferecendo conhecimento prescritivo aplicável a contextos organizacionais regulados.

MEMBROS DA BANCA:
Externo à Instituição - ANTENOR PEREIRA MADRUGA FILHO
Presidente - 1780217 - EDNA DIAS CANEDO
Interno - 2311780 - FABIO LUCIO LOPES DE MENDONCA
Interno - 2556078 - GEORGES DANIEL AMVAME NZE