Dr. Sidney Shapiro
A maioria das organizações já realizou projetos-piloto de IA. A questão mais complexa é o que acontece depois de a prova de conceito terminar. As normas de aquisição continuam pouco claras, a responsabilidade pelas decisões assistidas por IA não está atribuída e os quadros de governação que as pessoas citam nos slides não resistem ao contacto com os fluxos de trabalho reais. As equipas de liderança não conseguem afirmar com confiança em que decisões se deve confiar na IA e em que outras não.
Sidney Shapiro ajuda as equipas de liderança a ultrapassar o entusiasmo excessivo em torno da IA e a avançar para uma implementação controlada e responsável, com base na sua experiência de uma década na ciência de dados e na sua investigação atual na Universidade de Lethbridge.
Full Profile
Por que razão as organizações trabalham com Sidney Shapiro
- Defende abertamente contra o exagero em torno da IA. A sua palestra de destaque, intitulada «Deixem de acreditar no exagero em torno da IA», aborda as alegações dos fornecedores como um problema de avaliação da liderança, que é precisamente a conversa que os compradores e as equipas de aquisições, sujeitos a regulamentação, precisam realmente de ter.
- Publicou trabalhos sobre governação em revistas científicas com revisão por pares. Um capítulo de um livro da Routledge sobre a governação da IA para instituições de ensino superior e um capítulo a ser publicado pela IGI Global sobre a governação da IA generativa conferem-lhe uma posição documentada sobre como se traduz, na prática, uma implementação responsável.
- Conjuga uma década de experiência em ciência de dados operacional com o trabalho académico. Ex-gestor de ciência de dados na Sofvie, onde desenvolveu software de saúde e segurança no trabalho, aborda os problemas de integração e responsabilização que se seguem a uma prova de conceito.
- Participa ativamente no debate entre profissionais da área. Apresenta o podcast «AI in Action» e organiza a Southern Alberta AI Conference, o que, em conjunto, mantém a sua perspetiva alinhada com o que as organizações nos setores da saúde, agricultura, indústria transformadora e administração pública estão efetivamente a tentar concretizar.
Destaques da biografia
- Professor Assistente de Análise Empresarial, Dhillon School of Business, Universidade de Lethbridge
- Professor adjunto assistente de Ciência da Computação, Universidade de Lethbridge
- Capítulo de livro sobre quadros de governação da IA para o ensino superior publicado pela Routledge (2025); capítulo a ser publicado em breve sobre a governação da IA generativa com a IGI Global
- Apresentador do podcast «AI in Action» e organizador da Conferência de IA do Sul de Alberta
- Ex-gestor de Ciência de Dados na Sofvie Inc., responsável pela criação de sistemas de dados para a saúde e segurança no trabalho no setor mineiro
- Apresentado ou citado no The Globe and Mail, na CBC News, no Lethbridge Herald e na revista Canadian Family Offices
Biografia
A maioria das organizações já realizou projetos-piloto de IA. A questão mais complexa é o que acontece após o término da prova de conceito. As normas de aquisição continuam pouco claras e as estruturas de governação que as pessoas citam nos seus slides não resistem ao contacto com os fluxos de trabalho reais.
É nesta lacuna que Sidney Shapiro atua. É professor assistente de Análise Empresarial na Dhillon School of Business da Universidade de Lethbridge e professor assistente adjunto de Ciência da Computação. Os seus trabalhos publicados incluem um capítulo de um livro da Routledge sobre quadros de governação da IA para o ensino superior e um capítulo, a ser publicado em breve pela IGI Global, sobre a governação da IA generativa. Ambos definem o que a implementação responsável exige, na prática, das organizações.
A sua autoridade na vertente operacional deriva de uma década em funções centradas em dados antes de ingressar no meio académico. Trabalhou como gestor de ciência de dados na Sofvie, uma empresa de software de saúde e segurança no trabalho no setor mineiro, e, anteriormente, coordenou o programa de pós-graduação em Análise de Negócios no Cambrian College. Essa experiência molda a forma como aborda os problemas de aquisição e integração que se seguem à prova de conceito, que é onde a maioria das iniciativas de IA abranda ou estagna.
O envolvimento com o público mantém o seu trabalho atualizado. Shapiro apresenta o podcast «AI in Action», entrevistando profissionais e investigadores das áreas da saúde, educação, finanças e desenvolvimento de software sobre como é, na prática, a implementação da IA nas suas organizações. Organiza também a Conferência de IA do Sul de Alberta. Entre os públicos recentes contam-se os Serviços Indígenas do Canadá, a McCain Foods, a EY Calgary, a CMC Alberta e a Aliança de Investigação Digital do Canadá. Trata-se de compradores com pouca tolerância para com a linguagem dos fornecedores e grande tolerância para com perguntas difíceis.
Principais temas das palestras
- Governança da IA e implementação responsável
- IA generativa nos negócios e na sociedade
- Privacidade de dados e confiança nos sistemas de IA
- Literacia em IA para líderes não técnicos
- Liderança em análise de dados e transformação digital
- A IA nas políticas de ensino superior
Ideal para
- Equipas de direção de topo e conselhos de administração que enfrentam decisões relacionadas com a governação e a responsabilização em matéria de IA
- CIOs, CTOs e diretores de dados que estão a levar a IA da fase piloto para a implementação operacional
- Líderes do setor público, incluindo administrações municipais e governos federais, que trabalham sob restrições de privacidade e equidade na adoção da IA
- Executivos do ensino superior que estão a definir políticas institucionais sobre IA generativa no ensino e na investigação
Resultados para o público-alvo
- Um quadro de trabalho para avaliar as alegações dos fornecedores de IA face à realidade operacional, a tempo de orientar as decisões de aquisição
- Perguntas mais precisas a colocar a qualquer iniciativa de IA sobre a governação de dados e sobre quem é responsável quando a IA comete erros
- Uma visão fundamentada sobre o que a IA generativa faz bem atualmente e onde ainda falha, com as implicações para a adoção organizacional
- Pontos de referência para conceber a governação operacional da IA: normas de aquisição, políticas de utilização aceitável e mecanismos de responsabilização
Talks
Um quadro de referência para distinguir as promessas dos fornecedores da realidade operacional, para que a liderança possa avaliar as iniciativas de IA com base em algo mais concreto do que o mero entusiasmo.
Pontos-chave:
- Como testar as alegações específicas dos fornecedores sobre IA em comparação com o que a tecnologia realmente faz atualmente
- Um método para definir métricas reais de sucesso para iniciativas de IA antes da aquisição
- Uma distinção mais clara entre a capacidade atual da IA e o que está a ser exageradamente promovido para o futuro
Uma análise de como os princípios de governação presentes nos documentos estratégicos de IA se traduzem em decisões operacionais concretas: supervisão, política de utilização aceitável, aquisições e responsabilização.
Pontos-chave:
- Como traduzir princípios de IA de alto nível em decisões operacionais específicas
- As estruturas de supervisão que garantem efetivamente a responsabilização das iniciativas de IA
- Uma abordagem prática às normas de aquisição de IA que as equipas de risco e jurídicas possam apoiar
Uma análise direta do que a IA generativa faz bem atualmente e em que áreas ainda apresenta falhas, juntamente com as medidas de segurança que as organizações devem implementar antes de alargar a sua utilização.
Pontos-chave:
- Um panorama atual das capacidades da IA generativa, com exemplos de resultados positivos e negativos
- As considerações éticas e ambientais que as equipas de liderança devem ter em conta
- Medidas de segurança práticas para alargar a utilização da IA generativa dentro de uma organização
Uma abordagem prática para conceber sistemas de IA e análise de dados que conquistem a confiança dos colaboradores, clientes e entidades reguladoras, em vez de a minarem.
Pontos-chave:
- Por que razão as falhas de confiança são agora um obstáculo maior à adoção da IA do que as limitações técnicas
- Escolhas de conceção que respeitam a privacidade e protegem os indivíduos sem travar a inovação
- Como a transparência e a explicabilidade moldam o comportamento real dos utilizadores com os sistemas de IA