Limor Ziv
A maioria das implementações de IA fica paralisada quando a liderança não consegue defender o sistema perante uma entidade reguladora, um cliente ou uma comissão de risco do conselho de administração. A dificuldade não reside na criação de um modelo, mas sim em provar que os dados subjacentes são precisos, representativos e auditáveis, e que as decisões que o modelo produz são explicáveis quando algo corre mal.
A Dra. Limor Ziv é fundadora e diretora executiva da Humane AI e investigadora de pós-doutoramento na Universidade Bar-Ilan, ajudando as organizações a transformar os princípios de IA responsável em práticas de governação, gestão de dados e gestão de riscos que resistam a um escrutínio rigoroso.
Full Profile
Por que razão as organizações trabalham com Limor Ziv
- Ela traduz a ética da IA de princípios para a prática operacional, com trabalhos para clientes de renome como Google, KPMG, Accenture, SolarEdge e CyberArk para demonstrar os resultados concretos que isso produz.
- A base de consultoria é institucional, não opinativa: é membro do Conselho Consultivo de Ética em IA do Instituto de IA Experiencial da Northeastern University e membro do Conselho Científico da Associação Israelita para a Ética em IA.
- A sua investigação empírica com 74 profissionais seniores de IA e dados, publicada na revista Machine Learning and Knowledge Extraction da MDPI em 2025, oferece aos conselhos de administração um modelo defensável para tratar os dados como a substância operacional da IA, em vez de um seu subproduto.
- Ela trabalha na interface entre a credibilidade académica e a implementação comercial, sendo a mesma pessoa que dá a palestra e dirige o workshop a seguir.
- Credibilidade como operadora na questão das mulheres na IA, com funções públicas nas comunidades de dados e ética de Israel, sem converter isso numa categoria de palestra separada.
Destaques da biografia
- Fundadora e CEO da Humane AI, prestando consultoria a multinacionais, governos e empresas de tecnologia sobre IA responsável, qualidade de dados e risco.
- Investigadora de pós-doutoramento em Interação Humano-IA, Universidade Bar-Ilan; Doutoramento, Universidade de Tel Aviv.
- Coautora de «Behind the Algorithm: International Insights into Data-Driven AI Model Development» (MDPI, 2025), baseado em entrevistas com 74 profissionais seniores de IA e dados.
- Membro do Conselho Consultivo de Ética em IA do Instituto de IA Experiencial da Universidade Northeastern.
- Membro do Conselho Científico da Associação Israelita para a Ética na IA (IAEAI).
- Nomeado orador principal e consultor para a Google, KPMG, Accenture, SolarEdge, CyberArk, Bright Data, Medison Pharma e o Município de Tel Aviv.
Biografia
A maioria das falhas de IA não começa com o modelo. Começam com os dados subjacentes e com uma lacuna de governação que ninguém no comité executivo consegue identificar com precisão. A Dra. Limor Ziv criou a Humane AI para colmatar essa lacuna, trabalhando com multinacionais, governos e empresas tecnológicas para tornar os sistemas de IA defensáveis desde a camada de dados.
A investigação sustenta a consultoria. O seu artigo de 2025 com Maayan Nakash, publicado na revista Machine Learning and Knowledge Extraction da MDPI, baseia-se em entrevistas com 74 profissionais seniores de IA e dados de vários países e setores. Identifica as falhas sociotécnicas recorrentes que os líderes enfrentam quando tentam industrializar a IA, desde a qualidade e governação dos dados até à contextualização e alinhamento empresarial.
A base institucional é invulgar para uma fundadora de uma empresa de consultoria. Ela integra o Conselho Consultivo de Ética em IA do Instituto de IA Experiencial da Northeastern University, o Conselho Científico da Associação Israelita para a Ética em IA e continua o trabalho de pós-doutoramento sobre Interação Humano-IA na Universidade Bar-Ilan, após o seu doutoramento em Tel Aviv. Essa diversidade mantém o trabalho próximo do debate regulatório e académico em tempo real, em vez de se limitar a resumos em apresentações de slides.
Para os compradores seniores, o produto prático é uma linguagem viável para o risco da IA que não se resume a uma mera encenação de conformidade nem a jargão técnico. Os seus clientes, mencionados no seu próprio site, incluem a Google, a KPMG, a Accenture, a SolarEdge, a CyberArk, a Bright Data e a Câmara Municipal de Tel Aviv. O briefing é consistente em todos os casos: levar a IA responsável do princípio à realidade operacional e garantir que os dados subjacentes ao sistema se sustentem quando alguém perguntar como uma decisão foi tomada.
Principais temas de palestras
- IA responsável e ética da IA
- Gestão de riscos e conformidade em IA
- Governança da IA e preparação regulatória
- Qualidade dos dados e IA centrada nos dados
- Interação homem-IA e design centrado no ser humano
- IA em setores regulamentados, incluindo cuidados de saúde e finanças
- Implementação de uma IA responsável na empresa
Ideal para
- Conselhos de administração e comissões executivas responsáveis pela implementação de estruturas de governação e gestão de riscos em IA.
- Diretores de IA, diretores de dados e CISOs a implementar políticas de IA responsável.
- Líderes de setores regulamentados na área da saúde, serviços financeiros e setor público que enfrentam desafios na implementação da IA sob pressão de conformidade.
- Responsáveis pela inovação e transformação que estão a passar de projetos-piloto de IA para a produção, com governança integrada.
Resultados para o público
- Uma definição prática de risco de IA que distingue o risco de dados, o risco de modelo e o risco de decisão, e uma noção de onde cada um se situa na organização.
- Uma visão do que a IA centrada em dados exige efetivamente das equipas operacionais, extraída da sua investigação empírica com 74 profissionais seniores.
- Uma leitura fundamentada sobre os debates regulamentares e éticos em curso, da autoria de alguém que integra dois organismos consultivos de ética em IA.
- Uma imagem mais honesta do que custa uma IA responsável e do que ela traz de retorno, quando uma empresa tenta incorporá-la em vez de apenas divulgá-la.
Talks
Uma orientação de alto nível sobre onde a IA gera valor mensurável e onde representa o maior risco organizacional.
Pontos-chave:
- Um mapa prático das categorias de risco da IA, desde o risco de dados e modelos até ao risco de implementação e de reputação.
- Os pontos de decisão em que os patrocinadores executivos normalmente perdem o controlo de um programa de IA.
- Um quadro para priorizar o investimento em IA em função da apetência de risco da organização.
Uma sessão de trabalho sobre a identificação, gestão e mitigação dos riscos da IA nas organizações operacionais.
Pontos-chave:
- Como o risco da IA difere do risco tecnológico convencional e por que razão as funções de gestão de risco existentes têm dificuldade em absorvê-lo.
- Medidas práticas de proteção para equipas de desenvolvimento de IA que resistam ao contacto com reguladores e auditores.
- As práticas de higiene de dados e documentação que transformam a política de risco da IA em prática de risco da IA.
Como se traduz uma IA responsável quando é implementada nas funções de produto, dados e governação.
Pontos-chave:
- O problema de tradução entre os princípios éticos da IA e os requisitos de sistemas implementáveis.
- Funções, responsabilidades e mecanismos de revisão que tornam a IA responsável auditável.
- Em que as IA responsável se sobrepõe aos regimes existentes de privacidade, segurança e conformidade, e em que não o faz.
Uma análise do panorama regulamentar atual e emergente, com implicações para a estratégia de IA.
Pontos-chave:
- A arquitetura da Lei da IA da UE e dos regimes adjacentes, em termos operacionais simples.
- O que os reguladores provavelmente irão perguntar em primeiro lugar e que documentação as organizações precisam de ter pronta.
- Como definir uma política interna que antecipe a regulamentação, em vez de reagir a ela.
Como conceber uma governança da IA que se integre na governança corporativa existente, em vez de funcionar em paralelo a ela.
Pontos-chave:
- Estruturas de governança para carteiras de IA, desde comités de direção até registos de modelos.
- Direitos de decisão e vias de escalamento entre as funções de dados, IA, risco e jurídica.
- Padrões de falha de governança em programas empresariais de IA em fase inicial e como evitá-los.
Uma introdução à investigação sobre a interação entre humanos e IA aplicada ao design de produtos e ao ambiente de trabalho.
Pontos-chave:
- As evidências sobre como os utilizadores interagem efetivamente com os sistemas de IA e onde a confiança se quebra.
- Escolhas de design que protegem o julgamento humano em vez de o substituir.
- Contribuições interdisciplinares, desde a psicologia até às políticas, que reforçam as decisões relativas aos produtos de IA.
Uma visão sobre como as organizações devem estruturar o trabalho, as funções e as competências em torno da IA, em vez de apenas a acompanhar.
Pontos-chave:
- A mudança da mentalidade de automação para a mentalidade de aumento de capacidade dentro das equipas operacionais.
- Investimentos em capacidades que os líderes subestimam consistentemente durante a implementação da IA.
- Um modelo para conceber fluxos de trabalho entre humanos e IA que se mantenham sob pressão operacional.