{ "$schema": "https://ar-tik.com/data/schemas/course-record.schema.json", "generatedAt": "2026-07-02", "publisher": "Artik Lab s.r.l.", "canonicalDomain": "https://ar-tik.com", "course": { "id": "ai-software-engineering", "locale": "pt", "language": "pt-BR", "family": "technical", "familyLabel": "Técnico", "featured": false, "title": "AI Software Engineering", "subtitle": "Curso corporativo prático para aplicar IA a engenharia de software com IA, com exercícios sobre trabalho realista, materiais reutilizáveis e critérios claros de governança.", "summary": "Curso corporativo prático para aplicar IA a engenharia de software com IA, com exercícios sobre trabalho realista, materiais reutilizáveis e critérios claros de governança.", "duration": "5 horas, 2 sessões de 2,5 horas", "mode": "Laboratório presencial ou online, com exercícios guiados e materiais adaptados ao cliente.", "profile": "technical", "profileDescription": "Para equipes técnicas com bases de programação e arquitetura de software.", "problem": "Muitas empresas abordam engenharia de software com IA por experimentos dispersos: algumas instruções, alguns usuários entusiasmados e muitas dúvidas sobre dados, qualidade e responsabilidade. O curso transforma essa incerteza em método operacional. Os participantes trabalham em cenários realistas, aprendem onde a IA ajuda, onde a revisão humana continua essencial e como repetir a prática na empresa.", "audience": "Para equipes técnicas com bases de programação e arquitetura de software.", "whenToChoose": "Escolher este curso quando a empresa quer avançar de forma concreta em engenharia de software com IA e precisa de formação que produza fluxos de trabalho utilizáveis, não teoria abstrata.", "chooseIf": "Quando a empresa quer avançar de forma concreta em engenharia de software com IA e precisa de formação que produza fluxos de trabalho utilizáveis, não teoria abstrata.", "outcomes": [ "Mapear o trabalho e as decisões onde a IA pode reduzir atrito.", "Construir instruções, checklists e critérios de revisão.", "Identificar limites de dados, privacidade e responsabilidade.", "Criar exemplos reutilizáveis para a equipe.", "Definir próximos passos de adoção e governança." ], "modules": [ { "title": "Arquitetura e requisitos", "description": "Objetivos, limites, dados, serviços e hipóteses de risco." }, { "title": "Construção e integração", "description": "Fluxos técnicos, interfaces, contexto, permissões e testes." }, { "title": "Avaliação e qualidade", "description": "Métricas, revisão, testes de regressão e modos de falha." }, { "title": "Produção e governança", "description": "Monitoramento, segurança, auditoria, custos e manutenção." } ], "exercises": [ "Mapear um processo realista ligado a engenharia de software com IA.", "Criar resultados assistidos por IA e revisá-los criticamente.", "Definir pontos de escalonamento e revisão humana.", "Construir uma checklist reutilizável para o trabalho diário." ], "materials": [ "Canvas operacional para engenharia de software com IA.", "Modelos de instruções.", "Checklist de qualidade e privacidade.", "Matriz risco/controle.", "Notas de adoção para a equipe." ], "privacy": "O curso usa materiais sintéticos, públicos, anonimizados ou aprovados pelo cliente. Explica como minimizar exposição de dados, proteger informação confidencial, verificar resultados e manter explícita a responsabilidade humana.", "prerequisites": "Recomenda-se familiaridade técnica básica com software, dados ou arquitetura de sistemas.", "faqs": [ { "question": "O curso depende de uma ferramenta?", "answer": "Não. Os padrões são adaptados às ferramentas e políticas escolhidas com o cliente." }, { "question": "Dados da empresa podem ser usados?", "answer": "Só quando contas, contratos e políticas internas permitem; caso contrário usam-se dados sintéticos ou anonimizados." }, { "question": "O que fica depois do curso?", "answer": "Materiais reutilizáveis, exemplos, checklists e próximos passos claros." }, { "question": "É teórico?", "answer": "Não. O curso é construído sobre exercícios práticos e decisões próximas do trabalho real." } ], "output": "Canvas operacional para engenharia de software com IA.", "searchIntents": [ "curso AI corporativo sobre engenharia de software com IA", "formação prática para AI Software Engineering", "training AI para equipes técnicas", "trilha Artik Lab para Canvas operacional para engenharia de software com IA", "como introduzir engenharia de software com IA nos processos da empresa" ], "needSignals": [ "engenharia de software com IA já aparece nas conversas internas, mas falta um método compartilhado para transformar isso em prática.", "As pessoas experimentam ferramentas AI de modo autônomo e a empresa ainda não vê critérios, controles e resultados comparáveis.", "O processo ligado a engenharia de software com IA consome tempo, cria passagens manuais ou produz outputs difíceis de verificar.", "A direção precisa decidir se investe, forma ou interrompe antes de introduzir automações frágeis.", "A empresa precisa de um resultado concreto: Canvas operacional para engenharia de software com IA." ], "extraExamples": [ { "title": "Do curso genérico ao processo real", "description": "Uma empresa pede formação sobre engenharia de software com IA, mas o problema real aparece no mapeamento: tarefas repetidas, controles informais e responsabilidades distribuídas. A trilha usa exemplos próximos do trabalho diário e transforma a formação em primeiro modelo operacional." }, { "title": "Da experimentação individual à prática governada", "description": "Algumas pessoas já encontraram atalhos com AI e outras estão bloqueadas. O curso cria uma base comum: o que pode ser feito, o que deve ser revisado, quais dados não devem ser expostos e quando escalar. O resultado é Canvas operacional para engenharia de software com IA." }, { "title": "Do entusiasmo à decisão", "description": "A direção precisa entender se engenharia de software com IA merece orçamento e continuidade. O laboratório separa benefícios imediatos, riscos operacionais e dependências de dados. A empresa sai com critérios para decidir o próximo passo." } ], "selectionCriteria": [ "Escolher este curso se a necessidade principal envolve engenharia de software com IA, não uma visão genérica sobre AI.", "Preferi-lo quando existe um processo, documento, workflow ou responsabilidade empresarial para trabalhar durante a formação.", "Adiar se ainda não há sponsor interno ou se o problema é apenas comprar uma licença de software.", "Combinar com AI Workflow Redesign Lab quando primeiro é preciso entender quais processos priorizar." ], "limits": [ "Não promete automação completa nem substituição das responsabilidades humanas.", "Não exige carregar dados confidenciais em ambientes não aprovados.", "Não é consultoria jurídica, fiscal, HR ou técnica especializada quando essas responsabilidades cabem às funções competentes.", "Produz competências, critérios e materiais reutilizáveis; a adoção contínua requer sponsorship, governança e prática interna." ], "relatedCourseIds": [ "workflow-redesign", "secure-ai-sdlc", "rag-engineering", "ai-output-quality" ], "urls": { "html": "https://ar-tik.com/pt-br/cursos/ai-software-engineering.html", "markdown": "https://ar-tik.com/pt-br/cursos/ai-software-engineering.md", "dossier": "https://ar-tik.com/pt-br/cursos/ai-software-engineering-dossier.md", "json": "https://ar-tik.com/pt-br/cursos/ai-software-engineering.json", "catalog": "https://ar-tik.com/pt-br/cursos/", "catalogMarkdown": "https://ar-tik.com/pt-br/cursos/index.md" } } }