MLOps para Empresas: Elaboração e Avaliação de um Guia de Boas Práticas

Abstract

MLOps; Machine Learning; Guia de Boas Práticas; Transformação Digital; Inteligência Artificial

MLOps

No cenário tecnológico contemporâneo, o Machine Learning (ML) consolidou-se como força transformadora para organizações, permitindo decisões fundamentadas em dados. Nesse contexto, Machine Learning Operations (MLOps) emerge como disciplina crítica para o sucesso de iniciativas de Inteligência Artificial, representando uma abordagem abrangente para gerenciar o ciclo de vida completo de modelos de aprendizado de máquina. Apesar do crescente interesse, estudos recentes apontam lacuna significativa entre o conhecimento teórico e a aplicação prática de MLOps no ambiente empresarial, evidenciando a necessidade de diretrizes padronizadas. Este trabalho teve como objetivo desenvolver e validar um guia de boas práticas de MLOps voltado para empresas, buscando preencher essa distância entre teoria e prática. Adotou-se metodologia exploratório-descritiva com abordagem qualitativa, estruturada em quatro fases: fundamentação teórica, mapeamento sistemático da literatura, elaboração do guia e avaliação com profissionais da área. O guia organizou as práticas nas dez fases do ciclo de vida proposto por Faubel-Teich e Schmid (2024), com estrutura inspirada em padrões de design e catálogos de métricas, publicado na plataforma GitBook. A avaliação com 22 participantes, por meio de questionário com escala Likert e métrica de recomendação (0–10), indicou avaliação predominantemente positiva: médias entre 4,36 e 4,86 na escala de 1 a 5 e média de 9,45 na intenção de recomendação, com 90,9% das respostas entre 9 e 10. Conclui-se que o artefato contribui como referência prática e instrumento de apoio à maturidade de MLOps em organizações.