Tecnologias de apoio à decisão organizacional: evolução, complementaridade e desafios na era da Inteligência Artificial Generativa
DOI:
https://doi.org/10.36557/2674-9432.2026v5n9p455-470Resumo
A produção crescente de dados transformou o uso da informação nas decisões organizacionais. A incorporação da Inteligência Artificial Generativa amplia o apoio à decisão, mas sua articulação com as tecnologias analíticas consolidadas ainda é pouco comparada na literatura. Este artigo analisa as tecnologias de apoio à decisão, do Business Intelligence à Inteligência Artificial Generativa. Discute suas características, aplicações e relações de complementaridade. A pesquisa é qualitativa e exploratória, com revisão bibliográfica narrativa e análise temática de obras clássicas e recentes. Os resultados mostram capacidades distintas e complementares: integração de dados, acompanhamento de indicadores, identificação de padrões e construção de modelos analíticos. A Inteligência Artificial Generativa soma produção, síntese e interação em linguagem natural. Seu uso exige atenção à confiabilidade dos resultados, à qualidade dos dados e à governança da informação. Conclui-se que essas tecnologias não seguem uma sequência linear de substituição. Têm trajetórias próprias e podem coexistir. Seu uso articulado depende das necessidades organizacionais e da integração entre tecnologia, processos e competências.
Downloads
Referências
BARBIERI, Carlos. BI2 Business Intelligence: modelagem e qualidade. Rio de Janeiro: Elsevier, 2011.
BOMMASANI, R. et al. On the Opportunities and Risks of Foundation Models. Stanford: Stanford University, 2021. arXiv:2108.07258.
BUBECK, S. et al. Sparks of Artificial General Intelligence: Early Experiments with GPT-4. arXiv:2303.12712, 2023.
CAVALCANTE, Lívia Teixeira Canuto; OLIVEIRA, Adélia Augusta Souto de. Métodos de revisão bibliográfica nos estudos científicos. Psicologia em Revista, Belo Horizonte, v. 26, n. 1, p. 83-102, 2020. DOI: https://doi.org/10.5752/P.1678-9563.2020v26n1p82-100.
CHARLES, Vincent; EMROUZNEJAD, Ali; KUNZ, Werner H. Advancements in artificial intelligence-based prescriptive and cognitive analytics for business performance: a special issue editorial. Journal of Business Research, v. 200, art. 115576, 2025. DOI: 10.1016/j.jbusres.2025.115576.
CHEN, H.; CHIANG, R. H. L.; STOREY, V. C. Business Intelligence and Analytics: From Big Data to Big Impact. MIS Quarterly, v. 36, n. 4, p. 1165-1188, 2012.
CHOROSZEWICZ, Marta; RANNISTO, Antti. AI innovation at the boundaries: justifying a generative AI decision support tool. Big Data & Society, v. 13, n. 1, p. 1-15, 2026. DOI: https://doi.org/10.1177/20539517261424159.
DAVENPORT, T. H.; HARRIS, J. G. Competição Analítica: vencendo através da nova ciência. Rio de Janeiro: Elsevier, 2007.
DAVENPORT, T. H. Analytics 3.0. Harvard Business Review, Boston, dez. 2013.
DESAI, Darshan; DESAI, Ashish. Integrating generative AI in business intelligence: a practical framework for enhancing augmented analytics. International Journal of Mathematical, Engineering and Management Sciences, v. 10, n. 3, p. 704-728, 2025. DOI: https://doi.org/10.33889/IJMEMS.2025.10.3.036.
DOSHI, Anil R.; BELL, J. Jason; MIRZAYEV, Emil; VANNESTE, Bart S. Generative artificial intelligence and evaluating strategic decisions. Strategic Management Journal, v. 46, n. 3, p. 583-610, 2025. DOI: https://doi.org/10.1002/smj.3677.
FEUERRIEGEL, Stefan; HARTMANN, Jochen; JANIESCH, Christian; ZSCHECH, Patrick. Generative AI. Business & Information Systems Engineering, v. 66, p. 111-126, 2024. DOI: 10.1007/s12599-023-00834-7. Disponível em: https://link.springer.com/article/10.1007/s12599-023-00834-7. Acesso em: 4 out. 2026.
GOODFELLOW, I.; BENGIO, Y.; COURVILLE, A. Deep Learning. Cambridge: MIT Press, 2016.
HENKENJOHANN, Richard; TRENZ, Manuel. The responsible worker in the age of generative AI: how human-AI co-creation shapes experienced responsibility for work outcomes. Decision Support Systems, v. 207, art. 114699, 2026. DOI: https://doi.org/10.1016/j.dss.2026.114699.
INMON, William H. Building the Data Warehouse. 4. ed. Indianapolis: John Wiley & Sons, 2005.
KIMBALL, R.; ROSS, M. The Data Warehouse Toolkit: the definitive guide to dimensional modeling. 3. ed. Indianapolis: John Wiley & Sons, 2013.
MAGALDI, Sandro; SALIBI NETO, José. Gestão do Amanhã: tudo que você precisa saber sobre gestão, inovação e liderança para vencer a 4ª revolução industrial. São Paulo: Editora Gente, 2018.
MIKALEF, Patrick et al. Big data analytics capabilities: a systematic literature review and research agenda. Information Systems and e-Business Management, v. 16, n. 3, p. 547-578, 2018.
MOWERY, David C.; ROSENBERG, Nathan. Trajetórias da Inovação: a mudança tecnológica nos Estados Unidos da América no século XX. Campinas: Unicamp, 2005.
OPENAI. GPT-4 Technical Report. arXiv:2303.08774, 2023.
PHILLIPS-WREN, Gloria; DALY, Mary; BURSTEIN, Frada. Reconciling business intelligence, analytics and decision support systems: more data, deeper insight. Decision Support Systems, v. 146, art. 113560, 2021. DOI: 10.1016/j.dss.2021.113560.
ROTHER, E. T. Revisão sistemática X revisão narrativa. Acta Paulista de Enfermagem, São Paulo, v. 20, n. 2, p. v-vi, 2007.
RUSSELL, S.; NORVIG, P. Artificial Intelligence: a modern approach. 4. ed. Hoboken: Pearson, 2021.
SIEGEL, Eric. Análise Preditiva: o poder de predizer quem vai clicar, comprar, mentir ou morrer. [S. l.]: Alta Books, 2017.
STUBBS, E. Delivering Business Analytics: practical guidelines for best practice. Hoboken: John Wiley & Sons, 2012.
SUMBAL, Muhammad Saleem; AMBER, Quratulain; TARIQ, Adeel; RAZIQ, Muhammad Mustafa; TSUI, Eric. Wind of change: how ChatGPT and big data can reshape the knowledge management paradigm? Industrial Management & Data Systems, v. 124, n. 9, p. 2736-2757, 2024. DOI: https://doi.org/10.1108/IMDS-06-2023-0360.
TAN, Pang-Ning; STEINBACH, Michael; KUMAR, Vipin. Introdução ao Datamining: mineração de dados. Rio de Janeiro: Editora Ciência Moderna, 2009.
WISSUCHEK, Christopher; ZSCHECH, Patrick. Prescriptive analytics systems revised: a systematic literature review from an information systems perspective. Information Systems and e-Business Management, v. 23, n. 2, p. 279-353, 2025. DOI: https://doi.org/10.1007/s10257-024-00688-w.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2026 Marla de Oliveira Cunha, Amanda Gaspar Pereira, Leon Parreira Garcia, Eduardo Alves Cunha, Paulo César de Sousa, Wallace Hermano Tavares e Silva

Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Você tem o direito de:
- Compartilhar — copiar e redistribuir o material em qualquer suporte ou formato para qualquer fim, mesmo que comercial.
- Adaptar — remixar, transformar, e criar a partir do material para qualquer fim, mesmo que comercial.
- O licenciante não pode revogar estes direitos desde que você respeite os termos da licença.
De acordo com os termos seguintes:
- Atribuição — Você deve dar o crédito apropriado , prover um link para a licença e indicar se mudanças foram feitas . Você deve fazê-lo em qualquer circunstância razoável, mas de nenhuma maneira que sugira que o licenciante apoia você ou o seu uso.
- Sem restrições adicionais — Você não pode aplicar termos jurídicos ou medidas de caráter tecnológico que restrinjam legalmente outros de fazerem algo que a licença permita.