UNIVERSIDADE ESTADUAL PAULISTA – UNESP 

Faculdade de Engenharia e Ciências – Campus de Guaratinguetá 

 

 

 

 

OSVALDO VICENTE JARDIM JUNIOR 

 

 

 

 

 

 

 

 

 

PROPOSTA DE UM MÉTODO PARA IDENTIFICAÇÃO DE VIABILIDADE DE 

AUTOMAÇÃO EM PROCESSOS ADMINISTRATIVOS 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Guaratinguetá - SP 

2025 



 

 

OSVALDO VICENTE JARDIM JUNIOR 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

PROPOSTA DE UM MÉTODO PARA IDENTIFICAÇÃO DE VIABILIDADE DE 

AUTOMAÇÃO EM PROCESSOS ADMINISTRATIVOS 

 

 

Dissertação apresentada à Universidade 

Estadual Paulista (UNESP), Faculdade de 

Engenharia e Ciências, Campus de 

Guaratinguetá, para obtenção do título de 

Mestre em Engenharia de Produção. 

 

Área de Concentração: Engenharia de Produção 

 

Orientador: Prof. Dr. Renato de Campos 

Coorientador: Prof. Dr. Bruno Chaves Franco 

 

 

 

 

 

Guaratinguetá - SP 

2025 



 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 
  



 

 

IMPACTO POTENCIAL DA PESQUISA 

 

A pesquisa desenvolveu um método para avaliar a viabilidade da automação de processos 

administrativos com base em critérios objetivos. A proposta foi aplicada em um centro de 

serviços compartilhados, onde demonstrou utilidade na identificação das tecnologias mais 

adequadas para cada tipo de processo. 

Os resultados indicam que o método pode contribuir para a economia de tempo e recursos, 

além de melhorar a precisão e a consistência na execução das tarefas, beneficiando organizações 

que buscam mais eficiência em suas operações. Do ponto de vista científico e técnico, o estudo 

avança o conhecimento na área de automação ao oferecer uma abordagem estruturada baseada 

em evidências. O método também apresenta potencial de adaptação a diferentes contextos, o 

que amplia suas possibilidades de aplicação internacional. 

Além de fornecer uma ferramenta prática para o ambiente corporativo, a pesquisa amplia 

a compreensão sobre o uso de diferentes tecnologias na automação administrativa. Há espaço 

para aprimoramentos futuros, como a inclusão de novas tecnologias e a análise de custo-

benefício. 

 

POTENTIAL IMPACT OF RESEARCH 

 

The research developed a method to assess the feasibility of automating administrative 

processes based on objective criteria. The proposal was applied in a shared services center, 

where it proved useful in identifying the most suitable technologies for each type of process. 

The results indicate that the method can help save time and resources, as well as improve 

accuracy and consistency in task execution, benefiting organizations seeking greater 

operational efficiency. From a scientific and technical perspective, the study contributes to the 

advancement of knowledge in the field of automation by offering a structured, evidence-based 

approach. The method also has potential for international application, as it can be adapted to 

different contexts and countries. 

In addition to providing a practical tool for corporate environments, the research expands 

understanding of how different technologies apply to administrative automation. There is room 

for future improvements, such as incorporating new technologies and conducting cost-benefit 

analyses. 

 



 

 

 

Maio de 2025 



 

 

DADOS CURRICULARES 

 

OSVALDO VICENTE JARDIM JUNIOR 

 

NASCIMENTO 08/03/1989 – Cruzeiro/SP 

 

FILIAÇÃO Osvaldo Vicente Jardim 

 Ana de Castro Pereira 

 

12/2009 Tecnólogo em Informática - Redes de Computadores 

                    FATEC – Faculdade de Tecnologia de Cruzeiro 

 

12/2018  Pós-Graduado em Gestão da Tecnologia da Informação 

                    Centro Universitário Internacional – Uninter 

 

 

 



 

 

AGRADECIMENTOS 

 

Em primeiro lugar agradeço a Deus, fonte da vida e da graça. Agradeço a minha vida, 

minha inteligência, minha família e meus amigos; 

Ao meu orientador, Prof. Dr. Renato de Campos que jamais deixou de me incentivar. Sem 

a sua orientação e auxílio, o estudo aqui apresentado não seria possível; 

Aos meus pais, que apesar das dificuldades enfrentadas, sempre incentivaram meus 

estudos; 

Aos meus filhos e esposa, que por muitos momentos me incentivaram e foram 

compreensivos com minhas ausências para dedicação às aulas e projeto. 

Aos meus colegas de trabalho que me apoiaram desde o início na preparação e execução 

do trabalho. 

  



 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

“Não podemos prever o futuro, mas podemos 

criá-lo” 

Paul Pilzer 



 

 

RESUMO 

 

Esta dissertação tem como objetivo desenvolver um método para identificar a viabilidade de 

automação em processos administrativos, utilizando como exemplo os processos de um Centro 

de Serviços Compartilhados (CSC) de uma multinacional brasileira localizada no Vale do 

Paraíba. A pesquisa explora o uso de diversas tecnologias de automação, incluindo Automação 

de Processos Robóticos (RPA), Regras de Decisão, Extração, Transformação e Carregamento 

(ETL), Analytics e Workflow, visando otimizar a eficiência operacional e reduzir custos. O 

método de pesquisa adotado baseia-se na abordagem Design Science Research (DSR), 

permitindo a criação e validação de um artefato inovador que, por meio de um formulário de 

perguntas dividido em duas partes, auxilia na identificação dos processos administrativos 

suscetíveis à automação e a melhor tecnologia a ser utilizada. Com as respostas da primeira 

parte do formulário, calcula-se o indicador relacionado ao percentual de suscetibilidade a 

automação (Paut). A segunda parte, responsável por determinar a tecnologia a ser aplicada, 

utiliza de uma árvore de decisão para obter a melhor tecnologia para aquele processo, podendo 

ser: Analytics, ETL, RPA, Regra de Decisão, ou Workflow. Os resultados obtidos demonstram 

um artefato seguro, que torna o processo de identificação e priorização dos processos mais 

rápido e mais eficiente, além de ser decisivo para a escolha da tecnologia a ser aplicada. A 

ferramenta desenvolvida foi avaliada por seis especialistas da área de tecnologia do CSC, 

demonstrando alta assertividade com 90,9% das respostas correspondendo às análises dos 

especialistas. Além do desempenho, a ferramenta recebeu médias de 9,17 em usabilidade e 

custo-benefício, e 7,5 em escalabilidade, indicando uma boa aceitação geral, mas com 

preocupações sobre sua expansão para além do CSC. Espera-se que as contribuições teóricas e 

práticas desta dissertação possam servir como referência para futuras pesquisas e 

implementação eficaz de automação em diferentes contextos organizacionais, considerando os 

desafios de segurança, privacidade e integração tecnológica dos mais diversos setores. 

 

PALAVRAS-CHAVE: Automação de processos; RPA; ETL; Workflow; Analytics; Design 

science research; Árvore de decisão. 

 

 

 

 

 



 

 

ABSTRACT 

 

This dissertation aims to develop a method to identify the feasibility of automation in 

administrative processes, using as an example the processes of a Shared Services Center (SSC) 

of a Brazilian multinational located in Vale do Paraíba. The research explores the use of various 

automation technologies, including Robotic Process Automation (RPA), Decision Rules, 

Extraction, Transformation, and Loading (ETL), Analytics, and Workflow, aiming to optimize 

operational efficiency and reduce costs. The research methodology adopted is based on the 

Design Science Research (DSR) approach, allowing the creation and validation of an innovative 

artifact that, through a two-part questionnaire, assists in identifying administrative processes 

susceptible to automation and the best technology to be used. With the answers from the first 

part of the questionnaire, the indicator related to the percentage of susceptibility to automation 

(Paut) is calculated. The second part, responsible for determining the technology to be applied, 

uses a decision tree to obtain the best technology for that process, which can be: Analytics, 

ETL, RPA, Decision Rules, or Workflow. The results obtained demonstrate a reliable artifact 

that makes the process of identifying and prioritizing processes faster and more efficient, 

besides being decisive for choosing the technology to be applied. The tool developed was 

evaluated by six technology experts from the SSC, demonstrating high accuracy with 90.9% of 

the responses matching the experts' analyses. In addition to performance, the tool received 

averages of 9.17 in usability and cost-benefit, and 7.5 in scalability, indicating good overall 

acceptance but with concerns about its expansion beyond the SSC. It is hoped that the 

theoretical and practical contributions of this dissertation can serve as a reference for future 

research and effective implementation of automation in different organizational contexts, 

considering the challenges of security, privacy, and technological integration across various 

sectors. 

 

KEYWORDS: Process automation; RPA; ETL; Workflow; Analytics; Design science research; 

Decision tree. 

 

 

 

 

 

 



 

 

LISTA DE FIGURAS 

 

Figura 1 -  Número de publicações e citações ao longo do tempo. .......................................... 21 

Figura 2 - Elementos para condução da Design Science Research. ......................................... 39 

Figura 3 - Etapas percorridas para o desenvolvimento do modelo ........................................... 41 

Figura 4 - Árvore de decisão .................................................................................................... 47 

Figura 5-  Percurso da árvore de decisão para resposta do processo 4 ..................................... 52 

Figura 6  - Percurso da árvore de decisão para resposta do processo 11 .................................. 52 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 



 

 

LISTA DE QUADROS 

 

Quadro 1 - Etapas da pesquisa e número de artigos identificados na Web of Science ............ 20 

Quadro 2 - Características de processos elegíveis para automação .......................................... 24 

Quadro 3 - Perguntas relacionadas às tecnologias e atividades manuais ................................. 42 

Quadro 4 - Árvore de decisão ................................................................................................... 46 

Quadro 5 - Tecnologia indicada para cada processo ................................................................ 50 

Quadro 6 - Respostas às perguntas da árvore de decisão para os processos 4 e 11 ................. 50 

Quadro 7 - Comparativo respostas da Ferramenta vs. Respostas dos Especialistas................. 53 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 



 

 

LISTA DE TABELAS 

 

Tabela 1 - Exemplo de Resposta Binária ..................................................................... 44 

Tabela 2 - Exemplo porcentagem de automação ......................................................... 45 

Tabela 3 - Apuração das respostas do formulário para cada processo ........................ 48 

Tabela 4 - Índice de suscetibilidade de automação para cada processo ...................... 49 

Tabela 5 - Avaliação da ferramenta pelos especialistas .............................................. 54 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 



 

 

SUMÁRIO 

 

1 INTRODUÇÃO .............................................................................................................. 13 

1.1 OBJETIVOS GERAL E ESPECÍFICOS ....................................................................... 15 

1.2 JUSTIFICATIVA ........................................................................................................... 15 

1.3 DELIMITAÇÃO DA PESQUISA.................................................................................. 18 

1.4 ORGANIZAÇÃO DO TRABALHO ............................................................................. 18 

2 REVISÃO DA LITERATURA........................................................................................... 20 

2.1 PROCESSOS ADMINISTRATIVOS ............................................................................ 22 

2.2 AUTOMAÇÃO DE PROCESSO ................................................................................... 22 

2.2.1 Características de um processo elegível a automação ........................................ 24 

2.3 MAPEAMENTO DE PROCESSOS .............................................................................. 26 

2.4 TECNOLOGIAS DE AUTOMAÇÃO DE PROCESSOS ADMINISTRATIVOS ....... 27 

2.4.1 Robotic Process Automation (RPA) ..................................................................... 28 

2.4.2 Workflow ................................................................................................................ 29 

2.4.3 Extração, Transformação E Carregamento (ETL) ............................................ 31 

2.4.4 Regra de Decisão .................................................................................................... 33 

2.4.5 Analytics ................................................................................................................. 34 

2.5 ÁRVORE DE DECISÃO ............................................................................................... 36 

3 MÉTODO DE PESQUISA ................................................................................................. 38 

3.1 ABORDAGEM METODOLÓGICA ............................................................................. 38 

3.2 ETAPAS DA PESQUISA .............................................................................................. 40 

4 RESULTADOS E DISCUSSÕES....................................................................................... 48 

5 CONCLUSÃO ...................................................................................................................... 55 

5.1 IMPLICAÇÕES TEÓRICAS E PRÁTICAS ................................................................. 56 

5. SUGESTÕES PARA TRABALHOS FUTUROS ............................................................ 57 

REFERÊNCIAS...................................................................................................................... 58 

 

 

 

 

 

 



13 

 

1 INTRODUÇÃO  

 

A transformação digital é um tema de atualidade mundial, importante para todas as 

empresas em todos os setores, pois muda o relacionamento com os clientes, os processos 

internos e a criação de valor. A principal preocupação das partes interessadas nesta 

transformação é definir uma visão e um roteiro que determinem o caminho a seguir (Zaoui; 

Souissi, 2020). 

Quase todos os setores econômicos estão enfrentando atualmente uma mudança 

fundamental impulsionada pela tecnologia. A digitalização está induzindo uma variedade de 

mudanças no mercado e na competitividade das empresas já estabelecidas. A base para essas 

mudanças é o rápido desenvolvimento tecnológico como um habilitador para novas 

funcionalidades em produtos e serviços, bem como para a criação de valor (Lipsmeier, 2020). 

Além disso, a pandemia de COVID-19 acelerou a necessidade de transformação digital 

em diversos setores, tornando a automação de processos administrativos ainda mais urgente 

(Marr, 2020; Wanner et al., 2019). 

As organizações precisam adaptar seus processos de negócios de forma rápida e eficiente 

para garantia do sucesso e a sobrevivência a longo prazo. Os departamentos onde não se 

encontram processos automatizados, claramente visíveis a todos os envolvidos, não podem 

oferecer suporte transparente a uma organização e não pode lidar de forma adequada com as 

necessidades de negócios cada vez mais dinâmicas. Dessa forma, a automação dos processos 

de negócios se mostra uma solução promissora para as organizações do mundo moderno que 

buscam consolidar vantagens competitivas ou obter outros benefícios inerentes, de acordo com 

suas necessidades (Scheer et al., 2015). 

Levando em consideração o mercado atual em que as organizações procuram maximizar 

os seus resultados, reduzir custos e otimizar a utilização de recursos, devem ser consideradas 

ferramentas que auxiliem no registro e controle das atividades da empresa (Klimecka-tatar; 

Ingaldi, 2020). 

Embora a ideia de utilizar robôs para execução de atividades operacionais na manufatura 

ou em armazenagem de produtos seja habitual, não é tão comum imaginar que os processos 

administrativos também possam se beneficiar desses recursos. Por possuir diversas atividades 

repetitivas, é possível empregar habilidades computacionais para automação (Wewerka; 

Reichert, 2020). 

Adicionalmente, a automação de processos administrativos pode contribuir para a 

melhoria da qualidade do trabalho, reduzindo erros e aumentando a satisfação dos funcionários, 



14 

 

que podem se concentrar em tarefas mais complexas e desafiadoras (Arntz et al., 2016). A partir 

deste entendimento, é possível perceber que qualquer organização, seja ela pública ou privada, 

possui diversos processos que geram valor e apoiam seu funcionamento. Logo, dependem da 

eficiência destes processos para garantir o seu sucesso (Wanner et al., 2019). 

Um processo maduro e eficiente é capaz de melhorar a satisfação do cliente com a 

organização, reduzir os custos operacionais e, consequentemente, aumentar o lucro/geração de 

valor. Sendo assim, os processos passam a ser um dos ativos mais importantes de uma 

organização e devem ser tratados com bastante cuidado. (Souza et al., 2024) 

Os sistemas de informação, por sua vez, são responsáveis pela automatização de vários 

processos dentro das organizações. Sua utilização permite a execução automática de várias 

atividades repetitivas e exaustivas ao ser humano. Esta automatização proporciona ao seu 

usuário uma comodidade considerável permitindo que ele direcione seus esforços para outras 

atividades que podem gerar ainda mais valor para organização para a qual presta seus serviços 

(Manzueto, 2016). 

Existem muitas oportunidades de automação em ambientes administrativos, tanto em 

processos sem nenhuma relação com a produção, quanto em processos diretamente ligados a 

controle, planejamento e programação de produção. Tais oportunidades não estão ligadas ao 

que o processo entrega, mas em como ele é executado, se possuem tarefas repetitivas, 

complexidade analítica e tomadas de decisão. Grande parte dos processos administrativos, 

igualmente aos produtivos, não necessitam puramente de análise e raciocínio humano para 

serem executados. Muitas tarefas são executadas com regras bem definidas e com isso torna-se 

possível a transformação deles em estruturas lógicas e sequenciais, passiveis de serem 

executadas por softwares em computadores comuns, desses que são utilizados no dia a dia das 

empresas. Inclusive, essa é uma das principais características da automação de processos 

administrativos, sendo que em muitos casos exigem pouco investimento em equipamentos, 

somente em softwares (Casado, 2021).  

Visando eficiência e redução de custos operacionais as empresas buscam maneiras de 

automatizar seus processos (Klimecka-tatar; Ingaldi, 2020), nesse cenário, o tema de pesquisa 

foi escolhido por conta da dificuldade de identificar e priorizar processos administrativos 

compatíveis com automação em um centro de serviços compartilhados de uma multinacional 

brasileira. Com isso, por meio da pesquisa teórica e aplicação prática, o projeto buscará 

responder as seguintes questões: 

- Quais são os principais fatores que influenciam a viabilidade de automação em 

processos administrativos? 



15 

 

- Como identificar os processos compatíveis com automação? 

- Como identificar a tecnologia mais indicada para utilizar nos processos identificados 

como elegíveis a automação? 

 

1.1 OBJETIVOS GERAL E ESPECÍFICOS 

 

Esta pesquisa tem como objetivo propor um método para orientar a decisão de automação 

que, por meio de um conjunto de perguntas relacionadas a características de processos 

administrativos, seja capaz de calcular um índice de compatibilidade de automação e de indicar 

a tecnologia de automação mais adequada para ser aplicada em um determinado processo 

administrativo.  

De maneira específica pretende-se: 

i.- Criar uma heurística para identificar processos administrativos passiveis de automação. 

ii.- Identificar a tecnologia de automação mais apropriada para um determinado caso, 

dentre as alternativas — Automação de Processos Robóticos (RPA), Regras de Decisão, 

Extração, Transformação e Carga (ETL), Analytics e Workflow. 

Desta forma, procura-se facilitar e orientar a tomada de decisões na implementação de 

tecnologias de automação, visando a maximização do investimento, da produtividade e a 

otimização dos processos administrativos. 

 

1.2 JUSTIFICATIVA 

 

A automação de processos administrativos tem sido um tópico de interesse crescente nas 

últimas décadas, à medida que as tecnologias de informação e comunicação (TICs) têm 

avançado rapidamente (Willcocks; Lacity, 2016). A capacidade de automatizar processos 

rotineiros e repetitivos tem o potencial de melhorar a eficiência organizacional, reduzir custos 

e aumentar a competitividade (Banica et al., 2016). Nesse contexto, é crucial para as 

organizações compreenderem a viabilidade de implementar a automação em seus processos 

administrativos. 

De acordo com Davenport e Kirby (2016), a automação pode ser benéfica para as 

organizações, uma vez que pode eliminar ou reduzir erros humanos, liberar tempo dos 

funcionários para se concentrarem em atividades de maior valor e melhorar a qualidade dos 

serviços prestados. No entanto, nem todos os processos administrativos são adequados para 



16 

 

automação, o que destaca a importância de uma análise de viabilidade adequada (Padmini et 

al., 2021).  

Essa transformação tecnológica tem implicações significativas para o mercado de 

trabalho e reconfigura os sistemas produtivos através da integração de tecnologias, 

automatizando rotinas e alterando processos de planejamento e decisão. Esse cenário impõe 

desafios significativos, demandando novas competências e adaptação por parte dos 

trabalhadores para operar em um ambiente onde a interação homem-máquina e a gestão do 

conhecimento são centrais (Ribeiro, Nakano & Muniz Jr., 2024). 

A inovação dentro da empresa não pode ser ignorada. Primeiro, você precisa saber 

exatamente quais processos, tarefas e operações se beneficiarão com a automação. Sem esse 

conhecimento, você não pode modernizar programas que utilizam a tecnologia, nem aplicar a 

tecnologia para aqueles que não têm essa necessidade. (Fischer et al., 2020). 

Um desafio na avaliação da viabilidade da automação é identificar quais processos são 

mais adequados para a implementação de soluções automatizadas (Chui et al., 2016). Para isso, 

é necessário desenvolver um conjunto de critérios e métodos que possam ajudar as organizações 

a tomar decisões informadas sobre a automação de processos administrativos. Esses critérios 

devem considerar fatores como a complexidade do processo, os recursos disponíveis e o retorno 

sobre o investimento (ROI) (Banica et al., 2016). 

Além disso, a literatura sobre automação de processos administrativos é ampla e 

diversificada, abrangendo uma variedade de abordagens, métodos e ferramentas (Chui et al., 

2016). No entanto, não existe um consenso sobre uma abordagem única e abrangente para 

avaliar a viabilidade da automação de processos administrativos (Padmini et al., 2021). 

Portanto, é importante investigar e desenvolver um método eficaz e eficiente que possa ser 

aplicado em diferentes contextos organizacionais. 

Segundo Lacity e Willcocks (2015), as organizações enfrentam desafios na 

implementação de automação de processos devido a fatores como a falta de habilidades 

técnicas, a resistência dos funcionários e as preocupações com a segurança e a privacidade dos 

dados. Uma análise de viabilidade bem fundamentada pode ajudar as organizações a superarem 

esses desafios, identificando processos administrativos adequados para automação e 

fornecendo uma base sólida para a tomada de decisões. 

Para automatizar processos e aplicar os resultados esperados, é de suma importância 

garantir que o processo de automação seja implementado de forma estruturada e condizente 

com o objetivo estratégico da empresa (Scheppler; Weber, 2020). 



17 

 

A aplicação de um método eficaz de avaliação da viabilidade da automação pode ter 

implicações significativas para a estratégia e a operação das organizações (Willcocks; Lacity, 

2016). 

As características de um processo de negócio compatível com automação ainda são um 

amplo campo de pesquisa. Quais são os melhores processos candidatos para automação e como 

escolhê-los. No geral, uma organização que deseja automatizar seus processos enfrenta o dilema 

de escolher os processos mais adequados para automatizar (Terres; Rodrigues NT; De Souza, 

2010). 

Ao identificar quais processos são viáveis para automação, as organizações podem alocar 

recursos de maneira mais eficiente e priorizar investimentos em tecnologias e infraestrutura que 

possam gerar maior valor (Agrawal et al., 2019). Isso pode levar a melhorias na eficiência 

operacional, redução de custos e, em última instância, aumentar a vantagem competitiva no 

mercado (Banica et al., 2016). 

Além disso, a avaliação da viabilidade da automação de processos administrativos pode 

ter implicações significativas para a gestão de recursos humanos (Brougham; Haar, 2018). Ao 

compreender quais processos são mais adequados para automação, as organizações podem 

planejar adequadamente a realocação e a requalificação de funcionários afetados pela 

automação, minimizando assim o impacto negativo no moral e na satisfação dos funcionários 

(Davenport; Kirby, 2016). 

Outra consideração importante é a adaptabilidade das soluções de automação às 

mudanças nos processos e às necessidades das organizações (Willcocks; Lacity, 2016). Um 

método eficaz de avaliação da viabilidade deve levar em conta a capacidade de uma solução de 

automação para se adaptar às mudanças no ambiente de negócios e nas necessidades 

organizacionais. 

Um aspecto crítico que deve ser considerado na análise de viabilidade é a integração das 

soluções de automação com os sistemas e processos existentes (Padmini et al., 2021). Um 

método eficaz deve abordar a complexidade da integração e as implicações dessa integração 

para a organização, incluindo questões de segurança, privacidade e conformidade. 

A pesquisa sobre a identificação da viabilidade de automação em processos 

administrativos também pode contribuir para o desenvolvimento de novas abordagens e 

tecnologias na área de automação (Chui et al., 2016). Ao entender melhor os desafios e as 

oportunidades associadas à automação de processos administrativos, pesquisadores e 

profissionais podem desenvolver soluções inovadoras para enfrentar os problemas enfrentados 

pelas organizações. 



18 

 

Em resumo, a análise da viabilidade da automação de processos administrativos é um 

aspecto crucial para as organizações que buscam melhorar a eficiência, reduzir custos e se 

manter competitivas em um ambiente de negócios em constante evolução. Ao desenvolver um 

método eficaz e eficiente para avaliar a viabilidade da automação, essa dissertação pode 

contribuir significativamente para o avanço do conhecimento e a aplicação prática neste campo. 

 

1.3 DELIMITAÇÃO DA PESQUISA 

 

O projeto de pesquisa visa colher informações sobre as características dos processos 

administrativos de um Centro de Serviços Compartilhados de uma multinacional brasileira 

situada na região do Vale do Paraíba. Além disso, o projeto aborda o uso das tecnologias de 

Automação de Processos Robóticos (RPA), Regra de Decisão, Extração, Transformação e 

Carregamento (ETL), Analytics e Workflow para indicar processos identificados como 

elegíveis para automação. 

O projeto de pesquisa está voltado para o levantamento e a análise das características 

inerentes aos processos administrativos executados no âmbito de um Centro de Serviços 

Compartilhados, pertencente a uma multinacional brasileira situada na região do Vale do 

Paraíba. Esta delimitação fornece um ambiente de estudo específico e um contexto operacional 

tangível, permitindo que a pesquisa seja focada e relevante. 

Embora o foco da pesquisa esteja restrito a este Centro de Serviços Compartilhados em 

particular, as descobertas e recomendações geradas têm o potencial de serem aplicadas a outros 

contextos similares. Dessa forma, espera-se que este estudo possa contribuir não apenas para a 

organização em questão, mas também para outras empresas que operam sob condições e 

desafios semelhantes, buscando a implementação de tecnologias de automação em seus 

processos administrativos. 

 

1.4 ORGANIZAÇÃO DO TRABALHO 

 

O presente trabalho está organizado em cinco capítulos. O primeiro capítulo, além de 

apresentar a introdução, apresenta as questões de pesquisa, o objetivo geral, a justificativa para 

o desenvolvimento deste trabalho e a delimitação da pesquisa. 

O segundo capítulo é dedicado à revisão da literatura, onde são apresentados os 

fundamentos teóricos sobre as tecnologias utilizadas em automação de processos 

administrativos. 



19 

 

No terceiro capítulo, é apresentado o método de pesquisa, incluindo a abordagem 

metodológica adotada, as etapas de pesquisa, o questionário desenvolvido e o procedimento de 

tratamento de dados. 

O quarto capítulo traz os resultados e discussões obtidos a partir da aplicação do método 

de identificação de processos e tecnologias mais compatíveis para automação.  

Por fim, no quinto capítulo, é apresentada a conclusão do trabalho, destacando as 

principais contribuições, limitações e sugestões para trabalhos futuros. 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 



20 

 

2 REVISÃO DA LITERATURA 

 

No começo da investigação para responder à questão de pesquisa, foi realizada uma 

análise bibliométrica utilizando as publicações relacionadas ao tema (Van Raan, 2019). 

Nesta pesquisa utilizou-se associações de palavras chaves como, por exemplo, “Decision 

Tree”, “Administrative processes” e “Process automation”, na plataforma Web of Science para 

realizar a revisão teórica, agregando o máximo de material científico disponível.  

No quadro 1 são exibidos o número de documentos encontrados na pesquisa e os critérios 

adotados, sendo que apenas o resumo foi considerado para determinar a elegibilidade da leitura 

dos artigos. 

 

Quadro 1 - Etapas da pesquisa e número de artigos identificados na Web of Science 

Plataforma Web of Science 

Tópicos pesquisados (identificação) 

utilizando o campo "Resumo" como 

critério de busca 

*Decision Tree* AND *Administrative 

Processes*                   AND                                                                                                                              

*Process Automation* OR *RPA* OR 

*Workflow* OR *Analytics* OR *Decision 

Rules* OR *ETL* 

Resultado Documentos 107371 

Tipo de Documento (1º critério de 

exclusão) 

Article OR Review Article 

Resultado Documentos 77587 

Categorias (2º critério de exclusão) Business 

Resultado Documentos 241 

Idioma (3º critério de exclusão) *English* OR *Portuguese* 

Resultado Documentos 240 

Data de publicação (4º critério de 

exclusão) 

2010 - 2024 

Resultado Documentos 151 

Open Access 56 

Total de documentos da revisão 

teórica 

56 

Fonte: Autor (2024) 

 



21 

 

Durante a análise das publicações, comparando o número de referências e citações ao 

longo dos anos, pode-se observar na Figura 1, que apresenta um comparativo de publicações e 

citações relacionados ao tema entre os anos de 2010 e 2024, uma crescente a partir dos anos de 

2019. 

A partir de 2019, a automação e o gerenciamento de processos administrativos ganharam 

destaque significativo, impulsionados pela necessidade de eficiência e competitividade no 

ambiente corporativo. A pandemia de COVID-19, iniciada em 2020, acelerou ainda mais essa 

tendência, pois as empresas precisaram adaptar-se rapidamente às novas condições de trabalho 

remoto e distanciamento social (Korinek; Stiglitz, 2021).  

 

Figura 1 -  Número de publicações e citações ao longo do tempo. 

 
Fonte: Web of Science (2024) 

 

A automação permitiu a continuidade das operações com menor dependência de 

intervenção humana, reduzindo erros e otimizando recursos. Além disso, a gestão de processos 

administrativos automatizados facilitou a tomada de decisões estratégicas em tempo real, 

essencial durante a crise sanitária. Estudos indicam que a pandemia intensificou o uso de 

tecnologias como inteligência artificial e sistemas de gestão empresarial, destacando a 

automação como um fator crucial para a resiliência organizacional (Fortes et al., 2024). 

 

 

 

 



22 

 

2.1 PROCESSOS ADMINISTRATIVOS 

 

Os processos administrativos são um conjunto de atividades e práticas sistemáticas que 

visam alcançar os objetivos organizacionais de maneira eficiente e eficaz (Drucker, 2011). 

Esses processos são essenciais para o gerenciamento de organizações de todos os tamanhos e 

setores, pois ajudam a otimizar o uso de recursos, melhorar a tomada de decisões e garantir a 

coordenação entre as diferentes áreas da empresa (Robbins; Coulter; Cenzo, 2020). 

Um processo de negócios consiste em um grupo de atividades de negócios realizadas por 

uma ou mais organizações em busca de algum objetivo específico. Geralmente depende de 

várias funções de negócios para suporte, por exemplo, pessoal, contabilidade, inventário e 

interage com outros processos/atividades realizadas pela mesma ou por outras organizações 

(Turra et. al, 2018). 

Compreender o conceito de processo administrativo é fundamental para a avaliação da 

viabilidade da automação. Segundo Barreto et al. (2024), processo é definido como "um 

conjunto de atividades realizadas de maneira lógica e que criam valor agregado para o cliente". 

Já o processo administrativo é uma sequência de atividades organizacionais que visam alcançar 

objetivos específicos (Blokdyk, 2018). 

Os processos administrativos podem ser divididos em três categorias principais: 

processos operacionais, processos gerenciais e processos estratégicos (Iritani et al., 2015). Os 

processos operacionais referem-se a atividades rotineiras, que envolvem a execução de tarefas 

repetitivas e padronizadas. Os processos gerenciais são responsáveis pela coordenação de 

diferentes áreas e pela tomada de decisões. Já os processos estratégicos referem-se a atividades 

que envolvem a definição da direção estratégica da organização (Blokdyk, 2018). 

 

2.2 AUTOMAÇÃO DE PROCESSO 

 

A automação de processos administrativos refere-se ao uso de tecnologia para otimizar e 

simplificar as tarefas rotineiras e repetitivas que compõem as atividades administrativas de uma 

organização (Davenport, 2013a). A automação pode ser implementada por meio de sistemas de 

informação, software de gerenciamento de processos de negócios (BPM – Business Process 

Management) e inteligência artificial (IA), entre outras tecnologias. O objetivo principal é 

aumentar a eficiência e a eficácia dos processos, reduzindo o tempo, o esforço e os erros 

humanos associados às atividades manuais (Oliveira; Santos; Ferreira, 2024). 



23 

 

Automação é o ato de transformar processos manuais e torná-los o mais independente 

possível da interação humana. Basicamente, é como converter algo que já existe e é feito 

manualmente, e depois usar técnicas que facilitam a melhoria ou otimização para proteger o 

processo de erro humano. Nesse sentido, a automação de processos envolve aliar a tecnologia 

ao dia a dia das empresas que buscam produtividade e eficiência (Terres; Rodrigues NT; De 

Souza, 2010). 

Um dos principais benefícios da automação de processos administrativos é a redução dos 

custos operacionais. Ao automatizar tarefas que antes exigiam a intervenção manual de 

funcionários, as organizações podem realocar recursos humanos para atividades de maior valor 

agregado, como planejamento estratégico, tomada de decisão e atendimento ao cliente. Além 

disso, a automação pode minimizar erros e retrabalhos, resultando em economia de tempo e 

dinheiro (Chui et al., 2016). 

A automação também pode melhorar a qualidade e a consistência dos processos 

administrativos (Willcocks; Lacity, 2016). Ao eliminar a variabilidade humana e garantir que 

os processos sejam executados de acordo com as regras e diretrizes estabelecidas, a automação 

pode ajudar a garantir que os resultados sejam consistentes e confiáveis (Agrawal; Gans; 

Goldfarb, 2019). 

A capacidade de tomar decisões mais rápidas e informadas é outro benefício da 

automação de processos administrativos (Wirtz; Wirkus, 2018). Ao automatizar a coleta, 

análise e disseminação de informações, as organizações podem agilizar o processo de tomada 

de decisão e garantir que as decisões sejam baseadas em dados precisos e atualizados 

(Brinkkemper, 2013). 

A implementação bem-sucedida da automação de processos administrativos requer uma 

abordagem estratégica e abrangente (Frey; Osborne, 2017). Isso inclui a identificação das áreas 

de maior potencial de automação, a avaliação das tecnologias disponíveis e a criação de um 

plano de implementação detalhado. A colaboração entre os departamentos de TI e 

administrativos é fundamental para garantir que a automação seja implementada de forma 

eficaz e alinhada com os objetivos organizacionais (Lacity; Willcocks, 2018). 

A resistência à mudança é um desafio comum na implementação da automação de 

processos administrativos. Os funcionários podem se preocupar com a possibilidade de 

perderem seus empregos ou enfrentarem dificuldades para se adaptar às novas tecnologias e 

processos. Para superar essa resistência, é fundamental que os líderes da organização 

comuniquem claramente os benefícios da automação e ofereçam treinamento e suporte 

adequados para ajudar os funcionários a se adaptarem às mudanças (Brougham; Haar, 2018). 



24 

 

A automação de processos administrativos é uma tendência crescente e é provável que 

continue a evoluir à medida que novas tecnologias e abordagens sejam desenvolvidas (Arntz et 

al., 2016). Para se manterem competitivas, as organizações devem acompanhar de perto as 

inovações em automação e estar dispostas a investir em novas tecnologias e processos que 

possam melhorar ainda mais a eficiência e eficácia de suas operações administrativas 

(Brynjolfsson; Mcafee, 2014). 

 

2.2.1 Características de um processo elegível a automação 

 

A automação de processos é um método cada vez mais popular para melhorar a eficiência 

e a produtividade nas organizações. No entanto, nem todos os processos são adequados para 

automação. Para determinar se um processo é elegível para automação, é importante analisar 

suas características. O quadro 2 descreve as características necessárias para a eleição de um 

processo à automação. 

 

Quadro 2 - Características de processos elegíveis para automação 

Características Descrição Fonte 

Repetitividade Processos que envolvem tarefas repetitivas e 

padronizadas são ideais para automação, pois podem ser 

executados de forma consistente por sistemas 

automatizados. 

Barreto et al. 

(2024) 

Volume de 

Dados 

Estruturados 

Processos que lidam com grandes volumes de dados são 

bons candidatos para automação, já que sistemas 

automatizados podem processar e analisar dados de 

maneira mais eficiente do que humanos. 

Barreto et al. 

(2024) 

Regras Claras Processos que seguem regras bem definidas e 

estruturadas são mais fáceis de automatizar, pois os 

sistemas podem ser programados para seguir essas 

regras sem ambiguidade. 

Pessoa e Melo 

(2024) 

Baixa 

Variabilidade 

Processos com pouca variabilidade e poucas exceções 

são mais adequados para automação, pois a consistência 

facilita a programação e a execução automatizada. 

Pessoa e Melo 

(2024) 

Tempo Sensível Processos que exigem rapidez na execução podem se 

beneficiar da automação, já que sistemas automatizados 

podem realizar tarefas em uma fração do tempo 

necessário para a execução manual. 

Manzueto (2023) 

Fonte: Autor (2024) 

 

 Uma característica fundamental de um processo elegível é a repetitividade (Willcocks; 

Lacity, 2016). Processos que envolvem tarefas repetitivas e previsíveis, com pouca variação 



25 

 

nas entradas e saídas, são mais adequados para automação, pois as máquinas podem realizar 

essas tarefas de forma consistente e sem erros. 

A presença de dados estruturados, e em volume, é outra característica essencial para um 

processo elegível à automação (Banerjee et al., 2016). Processos que lidam com dados 

volumosos estruturados, como números, datas e códigos, são mais facilmente automatizados 

porque os sistemas de automação podem manipular e processar esses dados de forma mais 

eficiente. Por outro lado, processos que envolvem dados não estruturados, como texto livre ou 

imagens, podem ser mais desafiadores para automatizar, pois exigem técnicas avançadas de 

processamento de linguagem natural e visão computacional. 

Outra característica importante de um processo elegível para automação é a estabilidade 

(Davenport; Ronanki, 2018). Processos estáveis, que têm regras e procedimentos bem definidos 

e não mudam frequentemente, são mais fáceis de automatizar. A automação de processos 

instáveis pode ser desafiadora e exigir mais manutenção e atualizações, o que pode diminuir os 

benefícios potenciais da automação. 

A baixa variabilidade em processos administrativos refere-se à consistência e 

previsibilidade das operações. Processos com pouca variabilidade são mais adequados para 

automação porque seguem padrões bem definidos e apresentam poucas exceções. Isso facilita 

a programação e a execução automatizada, reduzindo a necessidade de intervenções humanas 

e minimizando erros. A gestão eficaz da variabilidade envolve a implementação de controles 

rigorosos e a análise contínua de dados para identificar e mitigar causas de variação (Barreto et 

al., 2024). A redução da variabilidade não apenas melhora a qualidade e a eficiência dos 

processos, mas também diminui os custos operacionais, tornando a automação uma opção 

viável e benéfica (Pessoa; Melo, 2024). 

A característica de tempo sensível em processos administrativos refere-se à necessidade 

de executar tarefas rapidamente para atender a prazos específicos e garantir a eficiência 

operacional. Processos que exigem rapidez na execução podem se beneficiar significativamente 

da automação, pois sistemas automatizados podem realizar tarefas em uma fração do tempo 

necessário para a execução manual (Manzueto, 2023). 

A automação permite que as organizações respondam mais rapidamente às demandas do 

mercado e melhorem a satisfação do cliente ao reduzir o tempo de espera (Davenport; Ronanki, 

2018). Além disso, a automação de processos sensíveis ao tempo ajuda a garantir a 

conformidade com regulamentos e prazos legais, evitando penalidades e melhorando a 

governança corporativa (Geremias, 2022). A implementação de tecnologias de automação em 



26 

 

processos sensíveis ao tempo pode, portanto, proporcionar uma vantagem competitiva 

significativa para as organizações (Davenport; Ronanki, 2018). 

Por fim, o custo-benefício é uma consideração crucial ao avaliar a elegibilidade de um 

processo para automação (Chui et al., 2018). Os benefícios da automação, como redução de 

custos, melhoria da eficiência e diminuição de erros, devem ser pesados em relação aos custos 

de desenvolvimento, implementação e manutenção do sistema de automação. Processos com 

alto volume de trabalho, que consomem muitos recursos humanos e financeiros, são mais 

propensos a apresentar um retorno significativo sobre o investimento em automação. 

 

2.3 MAPEAMENTO DE PROCESSOS 

 

O mapeamento de processos é uma técnica utilizada para compreender e analisar 

visualmente os processos de negócios de uma organização (Dumas et al., 2018). Esta 

abordagem permite a identificação das atividades, tarefas, responsabilidades e recursos 

envolvidos em um processo, bem como a sequência e o fluxo de informações entre esses 

elementos. O objetivo do mapeamento de processos é facilitar a análise e a melhoria dos 

processos, identificando ineficiências, gargalos e oportunidades de otimização (Krippendorff, 

2013). 

Existem várias técnicas e ferramentas disponíveis para o mapeamento de processos, 

incluindo fluxogramas, diagramas de atividades, gráficos de Gantt e mapas de processos de 

negócios. A escolha da técnica e da ferramenta apropriada depende do objetivo do mapeamento, 

do nível de detalhe necessário e do conhecimento e habilidades dos participantes envolvidos no 

processo (Lee; Lee, 2012). 

Um passo fundamental no mapeamento de processos é a identificação dos processos-

chave que são críticos para o sucesso do negócio (Gehrke; Ehrhart, 2016). Isso envolve o 

levantamento de informações sobre as atividades que agregam valor à organização e que são 

essenciais para atingir os objetivos estratégicos. Essa etapa ajuda a garantir que o mapeamento 

de processos seja direcionado e focado nos processos mais relevantes (Llarente; Baraibar-Diez; 

Odriozola, 2022). 

A colaboração e a comunicação entre as partes interessadas são cruciais para o sucesso 

do mapeamento de processos. Isso inclui envolver funcionários, gerentes e outros membros da 

equipe que têm conhecimento direto dos processos em questão. Essa colaboração permite a 

troca de informações, a identificação de problemas e a geração de soluções inovadoras para 

melhorar os processos (Suhaimi; Ibrahim, 2014). 



27 

 

O mapeamento de processos é um processo contínuo e deve ser revisado e atualizado 

regularmente para refletir as mudanças nos objetivos, estratégias e ambientes de negócios 

(Liker; Morgan, 2011). A revisão periódica dos mapas de processos garante que eles 

permaneçam relevantes e precisos, ajudando a identificar oportunidades adicionais de melhoria 

e garantindo que os processos sejam otimizados de forma contínua (Tekler et al., 2022). 

Além de identificar oportunidades de melhoria, o mapeamento de processos também pode 

ajudar a aumentar a transparência e a responsabilidade em toda a organização (Tekler et al., 

2022). Ao tornar os processos mais claros e acessíveis, os funcionários têm uma compreensão 

mais profunda de suas responsabilidades e do impacto de seu trabalho nos processos gerais de 

negócios. Isso pode melhorar a comunicação e a colaboração entre departamentos e equipes e 

ajudar a garantir que os objetivos organizacionais sejam atingidos (Dumas et al., 2018). 

Em resumo, o mapeamento de processos é uma ferramenta valiosa para a análise e 

melhoria de processos de negócios. Ao identificar ineficiências, gargalos e oportunidades de 

otimização, as organizações podem melhorar a qualidade, a eficiência e a eficácia de seus 

processos, ao mesmo tempo em que gerenciam riscos e garantem a conformidade regulatória 

(Dumas et al., 2018). 

 

2.4 TECNOLOGIAS DE AUTOMAÇÃO DE PROCESSOS ADMINISTRATIVOS 

 

A automação de processos administrativos tem sido uma tendência crescente nos últimos 

anos, e diversas tecnologias têm sido desenvolvidas para melhorar a eficiência e a eficácia 

desses processos. Essas tecnologias visam a simplificar, agilizar e automatizar tarefas rotineiras 

e repetitivas, reduzindo erros humanos e permitindo que os funcionários se concentrem em 

atividades de maior valor agregado (Davenport, 2013b). Algumas das principais tecnologias de 

automação de processos administrativos incluem: 

▪ Robotic Process Automation (RPA) 

▪ Workflow Systems 

▪ Extração, Trasnfromção e Carregamento (ETL) 

▪ Regra de Decisão 

▪ Analise de dados (Analytics) 

Essas tecnologias, quando combinadas e implementadas de maneira eficaz, têm o 

potencial de transformar a forma como os processos administrativos são executados nas 

organizações. É importante que as empresas avaliem cuidadosamente suas necessidades e 



28 

 

recursos antes de adotar essas soluções, a fim de garantir que elas sejam aplicadas de forma a 

maximizar os benefícios e minimizar os riscos (Pessoa; Melo, 2024).  

 

2.4.1 Robotic Process Automation (RPA) 

 

Robotic Process Automation (RPA) é um método que usa robôs baseados em software 

para realizar tarefas que requerem trabalho manual (Leshob et al., 2018). Fazendo uma ponte 

entre a inteligência artificial e o gerenciamento de processos de negócios, o RPA oferece a 

promessa dos robôs como uma força de trabalho virtual que executa tarefas de forma 

estruturada, permitindo que as empresas liberem recursos e/ou realoquem em atividades que 

agreguem valor para o negócio, essa tecnologia pode criar novas formas de trabalho e 

impulsionar a competitividade organizacional das empresas (Wanner et al., 2019). 

Especificamente, um sistema RPA consiste em um software capaz de executar as mesmas 

ações que um operador humano realiza em um computador durante uma atividade que envolva 

manipulação de informações. Como exemplo de atividades que podem ser executadas por um 

sistema RPA, pode-se citar: cadastro de clientes, pagamentos online, redação e envio de e-

mails, consulta de informações em banco de dados, preenchimento de planilhas, dentre outras 

(Smeets; Freßmann; Ostendorf, 2024). 

 Os sistemas RPA podem ser classificados em duas categorias: não-assistidos e assistidos. 

Um sistema RPA não-assistido é definido como um modelo de automação que não necessita de 

intervenção humana. Nesse modo, a automação funciona de forma contínua, em que eventos e 

ações são iniciados pelo próprio sistema. Por outro lado, um sistema RPA assistido é definido 

como um modelo de automação em que apenas porções de tarefas são executadas de forma 

automática, reduzindo a quantidade de tarefas simples e permitindo que o operador humano 

fique responsável pelas atividades com alto grau de complexidade. Vale destacar que os dois 

modelos podem ser aplicados em conjunto fornecendo maior versatilidade no desenvolvimento 

de soluções de RPA (Żukowski, 2024). 

Nos anos 1990, empresas como IBM e Oracle começaram a desenvolver tecnologias para 

otimizar processos de negócios, o que levou, no início dos anos 2000, ao surgimento do RPA 

(Automação de Processos Robóticos). O primeiro software completo de RPA foi criado pela 

Blue Prism em 2003, sendo que a UiPath e Automation Anywhere também desenvolveram 

soluções menores na mesma época. O UiPath ganhou popularidade com empresas como IBM, 

Google e Microsoft. A Automation Anywhere lançou seu software completo em 2009, e o 



29 

 

UiPath em 2012, consolidando essas três empresas como líderes de mercado na área de RPA. 

(Agrawal; Gans; Goldfard, 2019). 

Em contraste com outras formas de automação, como os ERPs e os BPMs, o RPA utiliza 

a interface gráfica, para definir o andamento dos processos, sem necessidade de intervenção 

nos códigos de programação das diversas aplicações com as quais ele precisa interagir, durante 

a execução de uma tarefa. Essa possibilidade de interagir diretamente com a camada visual das 

aplicações de forma não invasiva, tem três principais vantagens. A primeira é que não é 

necessária a reformulação de programas voltados para a automação de um processo, evitando 

incorrer em custos de programação e reengenharia das aplicações, sempre que um processo 

precisar ser alterado. A segunda é que a programação se torna mais intuitiva, podendo ser 

efetuada diretamente pelos funcionários originalmente responsáveis pelos processos. A terceira 

é que ela possibilita a fácil integração de diferentes programas sem que eles precisem estar na 

mesma linguagem, integrando, por exemplo, editores de texto e planilhas, navegadores de 

internet e outros programas como os ERPs e CRMs (Silva, 2023). 

A utilização de sistemas RPA está alinhada com a tendência de crescimento do uso de 

novas tecnologias para aumentar a produtividade, reduzindo a intervenção humana em 

trabalhos de simples execução e deslocando funcionários para trabalhos que exigem mais 

habilidades ou intelecto. O segmento de softwares de RPA foi o que mais cresceu no mercado 

de softwares corporativos no ano de 2018, totalizando 846 milhões de dólares de investimentos, 

o que representa um crescimento de 63% em relação ao ano anterior (Wanner et al., 2019). 

 

2.4.2 Workflow 

 

O conceito de workflow originou-se na área de organização da produção e automação de 

processos administrativos. Os objetivos do workflow são melhorar a eficiência, reduzir os 

custos de produção, melhorar o nível de gestão da produção e a competitividade, trabalhando 

em tarefas bem definidas, papéis de acordo com regras e procedimentos para executar essas 

tarefas e monitorá-las (Wang; Yang, 2014). Nos últimos anos, novas tecnologias e abordagens 

emergiram, transformando a forma como os workflows são projetados, implementados e 

gerenciados. 

Um workflow pode ser definido como uma sequência de passos necessários para 

completar um processo, em que cada passo pode ser realizado por pessoas, sistemas ou ambos. 

Os componentes principais de um workflow incluem tarefas, participantes, regras de negócio e 

dados e documentos. Tarefas são as atividades individuais que precisam ser realizadas. 



30 

 

Participantes são as pessoas ou sistemas responsáveis por executar as tarefas. As regras de 

negócio são as diretrizes que determinam a ordem e as condições sob as quais as tarefas são 

realizadas. Dados e documentos são as informações que são processadas e movidas ao longo 

do workflow (Russell et al., 2016). 

Nos últimos anos, várias tecnologias emergiram para apoiar e melhorar a automação de 

workflows. Ferramentas de Business Process Management (BPM) oferecem uma abordagem 

sistemática para melhorar e automatizar processos de negócios. Elas permitem o design, 

execução, monitoramento e otimização de workflows de forma integrada. Com a ajuda de BPM, 

organizações podem mapear seus processos atuais, identificar ineficiências e implementar 

melhorias contínuas (Dumas et al., 2018).  

A integração de Inteligência Artificial (IA) e Machine Learning (ML) em workflows 

permite a automação de processos complexos que exigem tomada de decisão baseada em dados. 

Modelos de ML podem ser treinados para analisar grandes volumes de dados, identificar 

padrões e fazer previsões, melhorando a eficiência e a precisão dos workflows (Patrício; Varela; 

Silveira, 2024). Plataformas de Low-Code/No-Code democratizam a automação de workflows, 

permitindo que usuários com pouco ou nenhum conhecimento de programação criem e 

modifiquem processos automatizados. Ferramentas como Microsoft Power Automate e Zapier 

facilitam a integração entre diferentes sistemas e a automação de tarefas cotidianas (Richardson; 

Rymer, 2020). 

Softwares de workflow são ferramentas projetadas para auxiliar na automação, 

gerenciamento e otimização de processos de negócios em uma organização. Esses sistemas 

permitem que as empresas gerenciem e monitorem as atividades e tarefas envolvidas em um 

processo, garantindo que as informações e os recursos sejam direcionados de maneira eficiente 

e eficaz. Além disso, os softwares de workflow podem ajudar a identificar gargalos e 

ineficiências, permitindo que as organizações melhorem continuamente seus processos de 

negócios (Hull et al., 2011). Esses sistemas geralmente incluem uma série de funcionalidades 

e recursos, como modelagem de processos, automação de tarefas, rastreamento e 

monitoramento de progresso, colaboração e integração com outros sistemas empresariais 

(Almeida; Silva, 2023).  

Os benefícios da automação de workflows são inúmeros. Um benefício importante é a 

capacidade de melhorar a eficiência operacional de uma organização, reduzindo os tempos de 

ciclo, os custos e o retrabalho (Almeida; Silva, 2023). Ao automatizar tarefas manuais e 

repetitivas, os softwares de workflow permitem que os funcionários se concentrem em 

atividades de maior valor agregado, o que pode levar a uma maior satisfação do cliente e a uma 



31 

 

vantagem competitiva no mercado (Almeida; Silva, 2023). Além de melhorar a eficiência, esses 

sistemas também podem promover a colaboração e a comunicação entre equipes e 

departamentos. Ao fornecer uma plataforma centralizada para o gerenciamento de tarefas e a 

troca de informações, esses sistemas podem ajudar a garantir que todos os membros da equipe 

estejam cientes de seus papéis e responsabilidades, e que as informações sejam compartilhadas 

de maneira eficaz entre os diferentes envolvidos no processo (Silva; Pereira, 2023). 

A escolha do software de workflow adequado para uma organização depende de vários 

fatores, como os objetivos e requisitos específicos do negócio, o tamanho e a complexidade dos 

processos, e a disponibilidade de recursos e suporte técnico. Ao selecionar e implementar um 

software de workflow, é importante considerar a facilidade de uso, escalabilidade e 

flexibilidade do sistema, bem como a capacidade de integrá-lo aos sistemas e processos 

existentes na organização (Almeida; Silva, 2023). Estas considerações são cruciais para garantir 

que a solução escolhida não apenas atenda às necessidades atuais, mas também seja capaz de 

crescer e se adaptar conforme a organização evolui (Anand et al., 2013). 

 

2.4.3 Extração, Transformação E Carregamento (ETL) 

 

A sigla ETL, que significa Extract, Transform, Load (Extração, Transformação e Carga), 

é uma abordagem fundamental em projetos de integração de dados e data warehousing. O 

processo ETL envolve a extração de dados de diversas fontes, a transformação desses dados em 

um formato adequado para análise e, finalmente, a carga dos dados transformados em um 

repositório de dados, como um data warehouse. Este processo é essencial para garantir que os 

dados estejam prontos para análises complexas e para suportar decisões de negócios informadas 

(Oliveira, 2021). 

O processo ETL pode ser dividido em três etapas principais. A extração é o primeiro 

passo, onde os dados são coletados de diversas fontes, como bancos de dados relacionais, 

arquivos CSV, APIs e outras fontes de dados. A transformação é o processo de limpeza, 

enriquecimento e conversão dos dados extraídos em um formato adequado para análise. Isso 

pode incluir a normalização de dados, a aplicação de regras de negócios e a agregação de dados. 

Finalmente, a carga refere-se ao processo de inserção dos dados transformados em um 

repositório de dados, como um data warehouse, onde poderão ser utilizados para análises e 

relatórios (Silva; Almeida, 2024). 

Nos últimos anos, várias tecnologias emergiram para melhorar e otimizar o processo ETL. 

Ferramentas modernas de ETL, como Apache NiFi, Talend e Microsoft Azure Data Factory, 



32 

 

permitem a automação e a orquestração do fluxo de dados de maneira eficiente. Essas 

ferramentas oferecem interfaces visuais para a definição de fluxos de trabalho de ETL, 

permitindo que os usuários configurem e monitorem processos complexos de forma intuitiva 

(Kuula, 2018). Além disso, a integração com plataformas de big data, como Hadoop e Spark, 

tem permitido a manipulação e o processamento de grandes volumes de dados de maneira 

distribuída e escalável (Chen et al., 2014). 

A popularização do ETL em tempo real ou near real-time também trouxe avanços 

significativos. Tradicionalmente, processos ETL eram executados em lotes, o que causava 

atrasos na disponibilidade dos dados. Com tecnologias como Kafka e Apache Flink, é possível 

realizar ETL contínuo, permitindo que os dados estejam disponíveis quase imediatamente após 

serem gerados. Isso é particularmente útil em cenários onde a velocidade da informação é 

crucial, como na análise de dados de sensores IoT ou em sistemas de comércio eletrônico 

(Fernandez et al., 2015).  

Os benefícios do uso de processos ETL são numerosos. Eles permitem a centralização 

dos dados de várias fontes em um único repositório, facilitando a análise integrada e 

proporcionando uma visão holística dos dados da organização. Além disso, a limpeza e 

transformação dos dados garantem a qualidade e a consistência dos dados utilizados para 

tomada de decisão. Isso reduz os riscos associados a decisões baseadas em dados imprecisos 

ou inconsistentes, aumentando a confiabilidade das análises (Nwokeji; Matovu, 2021). 

Entretanto, a implementação de processos ETL também enfrenta desafios. A 

complexidade na integração de dados de múltiplas fontes, a manutenção da performance com 

grandes volumes de dados e a necessidade de garantir a segurança e privacidade dos dados são 

questões críticas que precisam ser abordadas. Ferramentas modernas de ETL frequentemente 

incluem recursos de segurança integrados, como criptografia de dados em trânsito e em 

repouso, além de controles de acesso baseados em funções para proteger os dados sensíveis 

(Zhou; Zhang., 2018). 

Em resumo, a tecnologia ETL continua a evoluir, adaptando-se às novas necessidades de 

negócios e aos avanços tecnológicos. As inovações nas ferramentas de ETL estão tornando o 

processo mais eficiente, escalável e seguro, permitindo que as organizações façam uso pleno 

de seus dados para obter insights valiosos e tomar decisões informadas. A escolha da ferramenta 

ETL adequada deve considerar os requisitos específicos do negócio, incluindo o volume de 

dados, a frequência de atualização e as necessidades de integração com outros sistemas 

empresariais (Santos; Lima, 2024). 

 



33 

 

2.4.4 Regra de Decisão 

 

As regras de decisão são um componente essencial nos sistemas de tomada de decisão 

automatizados, permitindo que as organizações definam e executem políticas e procedimentos 

de forma consistente e eficiente. As regras de decisão são instruções explícitas que especificam 

as ações a serem tomadas com base em condições específicas. Essas regras são frequentemente 

usadas em sistemas de gerenciamento de negócios para automatizar processos, garantir 

conformidade e melhorar a eficiência operacional (Martins; Silva, 2024). 

As regras de decisão podem ser definidas como declarações que ligam condições a ações. 

Quando uma condição especificada é atendida, a ação correspondente é executada. Este 

conceito é amplamente utilizado em diversos setores, incluindo finanças, saúde, manufatura e 

telecomunicações, para automatizar processos repetitivos e complexos. Por exemplo, em 

sistemas de gerenciamento de crédito, regras de decisão podem determinar automaticamente a 

aprovação ou rejeição de solicitações de empréstimo com base em critérios predefinidos (Silver 

et al., 2012). 

Nos últimos anos, as tecnologias de regras de decisão evoluíram significativamente. 

Ferramentas modernas como IBM Operational Decision Manager (ODM), Drools e FICO 

Blaze Advisor oferecem plataformas robustas para a criação, gestão e execução de regras de 

decisão. Essas ferramentas permitem que os usuários definam regras de forma declarativa, 

utilizando linguagens naturais ou linguagens específicas de domínio (DSLs), o que facilita a 

manutenção e a modificação das regras sem a necessidade de intervenção técnica profunda 

(Ward, 2022). 

A integração de inteligência artificial (IA) e machine learning (ML) com regras de decisão 

está trazendo novas capacidades para a automação de decisões. Algoritmos de ML podem ser 

usados para identificar padrões em grandes volumes de dados, sugerindo novas regras ou 

ajustando regras existentes com base em insights derivados dos dados. Isso permite que as 

organizações respondam rapidamente a mudanças no ambiente de negócios e melhorem 

continuamente seus processos de decisão (Hussain; Rahman; Ali, 2024). 

Além disso, o uso de regras de decisão em conjunto com big data e analytics está 

permitindo a criação de sistemas de decisão mais inteligentes e contextualmente relevantes. Por 

exemplo, em marketing digital, regras de decisão podem ser usadas para personalizar ofertas e 

campanhas com base no comportamento e nas preferências dos clientes, melhorando a 

experiência do cliente e aumentando a eficácia das campanhas (Rouse, 2018). 



34 

 

Os benefícios das regras de decisão são numerosos. Elas permitem a automação de 

decisões repetitivas, reduzindo o tempo necessário para tomar decisões e minimizando erros 

humanos. Além disso, garantem a consistência das decisões, uma vez que as regras são 

aplicadas uniformemente em toda a organização. Isso é particularmente importante em setores 

altamente regulados, onde a conformidade com políticas e regulamentos é crítica (Zalnieriute; 

Moses; Williams, 2019). 

No entanto, a implementação de sistemas de regras de decisão também apresenta desafios. 

A definição e a gestão de muitas regras podem se tornar complexas e difíceis de manter. Além 

disso, é crucial garantir que as regras sejam transparentes e interpretáveis, especialmente em 

contextos em que as decisões automatizadas podem ter um impacto significativo sobre os 

indivíduos ou sobre a organização. A governança e a auditoria das regras de decisão são, 

portanto, componentes importantes para garantir a confiança e a conformidade (Vasyukov et 

al., 2024). 

Em resumo, as regras de decisão são uma tecnologia poderosa para a automação de 

processos de decisão, oferecendo benefícios significativos em termos de eficiência e 

consistência. As inovações contínuas, incluindo a integração com IA e big data, estão 

expandindo ainda mais as capacidades e aplicações dessas tecnologias. A escolha e a 

implementação de uma plataforma de regras de decisão devem considerar os requisitos 

específicos da organização, incluindo a complexidade das regras, a necessidade de integração 

com outros sistemas e a capacidade de suportar a evolução das políticas de negócios 

(Brockmann et al., 2022). 

 

2.4.5 Analytics 

 

Analytics é o processo de descoberta, interpretação e comunicação de padrões 

significativos em dados. Utilizando uma combinação de estatísticas, programação e técnicas de 

machine learning, analytics permite que as organizações obtenham insights valiosos a partir de 

grandes volumes de dados, auxiliando na tomada de decisões informadas e na melhoria de 

processos de negócios (Davenport; Harris, 2017). 

O campo de analytics pode ser dividido em várias categorias, incluindo descriptive 

analytics, diagnostic analytics, predictive analytics e prescriptive analytics. Descriptive 

analytics envolve a análise de dados históricos para entender o que aconteceu no passado. 

Diagnostic analytics foca em entender por que algo aconteceu. Predictive analytics utiliza 

modelos estatísticos e machine learning para prever resultados futuros com base em dados 



35 

 

históricos. Por fim, prescriptive analytics vai um passo além ao sugerir ações específicas que 

podem ser tomadas para alcançar resultados desejados (Kuula, 2018). 

Nos últimos anos, a tecnologia de analytics evoluiu rapidamente, impulsionada por 

avanços em big data, inteligência artificial (IA) e computação em nuvem. Ferramentas 

modernas de analytics, como Tableau, Power BI, SAS, e Google Analytics, oferecem 

capacidades robustas para visualização de dados, análise em tempo real e integração com 

diversas fontes de dados. Essas ferramentas permitem que usuários de negócios sem 

conhecimento técnico avançado criem dashboards interativos e relatórios detalhados, 

democratizando o acesso a insights baseados em dados (Bihani; Patil, 2014). 

A integração de analytics com big data é um desenvolvimento significativo. Tecnologias 

como Hadoop e Spark permitem o processamento e a análise de grandes volumes de dados de 

maneira distribuída e escalável. Isso é particularmente importante para organizações que lidam 

com dados em grande escala, como redes sociais, e-commerce e sensores IoT. A análise de big 

data pode revelar padrões e tendências que não seriam detectáveis com conjuntos de dados 

menores, proporcionando uma vantagem competitiva significativa (Chen et al., 2014). 

Outro avanço importante é a aplicação de inteligência artificial e machine learning em 

analytics. Algoritmos de IA podem analisar grandes volumes de dados de forma eficiente, 

identificando padrões complexos e fazendo previsões precisas. Machine learning permite que 

os sistemas de analytics se adaptem e melhorem continuamente com base nos dados recebidos, 

tornando as previsões mais precisas ao longo do tempo. Essa capacidade é crucial para 

aplicações como detecção de fraude, manutenção preditiva e personalização de marketing 

(Witten et al., 2011). 

Os benefícios do uso de analytics são numerosos. Eles incluem a melhoria na tomada de 

decisões, maior eficiência operacional, personalização de serviços e produtos, e a capacidade 

de identificar novas oportunidades de negócios. Ao fornecer uma compreensão mais profunda 

dos dados, analytics ajuda as organizações a otimizarem suas operações, reduzir custos e 

aumentar a satisfação do cliente. Por exemplo, empresas de varejo utilizam analytics para 

gerenciar inventários de forma mais eficaz, prever a demanda e personalizar ofertas para 

clientes individuais (Brynjolfsson; Mcafee, 2014). 

No entanto, a implementação de soluções de analytics também apresenta desafios. A 

qualidade dos dados é uma preocupação crítica, pois insights baseados em dados imprecisos ou 

incompletos podem levar a decisões equivocadas. Além disso, a privacidade e a segurança dos 

dados são questões importantes, especialmente com a crescente preocupação com a proteção 

de informações pessoais. As organizações precisam implementar políticas e tecnologias 



36 

 

robustas para garantir a integridade e a confidencialidade dos dados analisados (Zikopoulos et 

al., 2012). 

Em síntese, a tecnologia de analytics continua a evoluir, proporcionando às organizações 

ferramentas poderosas para transformar dados em insights acionáveis. Com o contínuo avanço 

em big data, IA e computação em nuvem, as capacidades de analytics estão se expandindo 

rapidamente, permitindo que as organizações aproveitem plenamente o valor de seus dados. A 

escolha e a implementação de uma solução de analytics devem considerar os requisitos 

específicos da organização, incluindo a escala dos dados, as necessidades de integração e as 

preocupações com a segurança (Davenport; Harris, 2017). 

 

2.5 ÁRVORE DE DECISÃO 

 

A árvore de decisão é uma técnica de análise e predição amplamente utilizada em diversos 

campos, incluindo ciência de dados, aprendizado de máquina, e inteligência artificial. Sua 

popularidade na tecnologia da informação se deve à sua simplicidade e interpretabilidade, 

permitindo que tanto especialistas quanto leigos compreendam facilmente o processo de tomada 

de decisão modelado. Uma árvore de decisão é uma representação gráfica de um algoritmo que 

se desdobra em uma estrutura de árvore, onde cada nó interno representa uma "decisão" baseada 

em uma característica específica, cada ramo representa o resultado dessa decisão, e cada nó 

folha representa uma classe ou um valor de destino. A estrutura hierárquica começa com um nó 

raiz e se expande até atingir os nós folhas, permitindo uma visualização clara das opções e 

possíveis resultados (Okada; Neves; Shitsuka, 2019). 

As árvores de decisão oferecem várias vantagens, incluindo interpretação simples, 

flexibilidade para ser utilizada tanto para problemas de classificação quanto de regressão, e 

exigem pouco pré-processamento dos dados, podendo lidar com dados mistos (categóricos e 

numéricos). No entanto, também apresentam algumas limitações, como a propensão ao 

overfitting, onde as árvores podem se ajustar excessivamente aos dados de treinamento, 

especialmente se não forem podadas corretamente. Além disso, são instáveis, pois pequenas 

mudanças nos dados podem resultar em árvores significativamente diferentes, e podem 

apresentar desempenho inferior em problemas complexos em comparação com técnicas mais 

avançadas como Random Forests ou Gradient Boosting (Breiman et al., 2017). 

Na tecnologia da informação, as árvores de decisão têm sido aplicadas em diversas áreas 

práticas. Por exemplo, no setor financeiro, são utilizadas para avaliar o risco de crédito e 

detectar fraudes (Kou et al., 2021). Na medicina, ajudam na diagnose de doenças ao interpretar 



37 

 

sintomas e históricos de pacientes (Soman et al., 2022). Em marketing, são usadas para 

segmentação de clientes e previsão de churn (Caigny et al., 2021). Essas aplicações mostram a 

versatilidade e a eficácia das árvores de decisão em diferentes contextos. 

As árvores de decisão continuam sendo uma ferramenta valiosa na análise de dados e 

aprendizado de máquina. Sua capacidade de simplificar decisões complexas em uma estrutura 

compreensível, combinada com sua flexibilidade e robustez quando integradas a métodos de 

ensemble, assegura que permaneçam relevantes na tecnologia da informação. A contínua 

evolução das técnicas e a adaptação a novos desafios tecnológicos indicam que as árvores de 

decisão continuarão a desempenhar um papel crucial na análise de dados e na tomada de 

decisões automatizadas (Russell, Norvig, 2020). 

A seleção de perguntas (ou critérios de divisão) para construir uma árvore de decisão é 

um processo crítico que determina a eficácia do modelo. Esse processo envolve a escolha de 

características dos dados que melhor separam as amostras em diferentes classes ou valores-

alvo. Inicialmente, todas as características dos dados disponíveis são consideradas para cada nó 

da árvore. Em um conjunto de dados, essas características podem ser colunas representando 

variáveis independentes. Para cada característica, são estabelecidos critérios de divisão (Okada; 

Neves; Shitsuka, 2019). 

 Para cada possível divisão, a "pureza" dos dados resultantes é avaliada. A pureza refere-

se ao quão homogêneos os grupos resultantes são em relação à variável-alvo. A divisão que 

resulta na maior redução de impureza é selecionada. Isso significa que a característica e o 

critério de divisão que melhor separam os dados em grupos mais homogêneos são escolhidos. 

Esse processo é repetido recursivamente para cada nó resultante até que uma condição de parada 

seja atingida, como atingir um número máximo de profundidade da árvore, ter um número 

mínimo de amostras em um nó, ou quando as divisões não resultarem em uma melhoria 

significativa na pureza (Okada; Neves; Shitsuka, 2019). 

 

 

 

 

 

 

 

 



38 

 

3 MÉTODO DE PESQUISA 

 

3.1 ABORDAGEM METODOLÓGICA 

 

A escolha de um método de pesquisa apropriado é crucial para garantir a validade, 

confiabilidade e aplicabilidade dos resultados obtidos em um estudo (Santos; Lima, 2022). O 

método de pesquisa selecionado deve estar alinhado com os objetivos e as perguntas de 

pesquisa, bem como o contexto e o escopo do estudo (Yin, 2017). Diante do objetivo de criar 

um método para essa identificação e desenvolver um artefato que auxilie pessoas a encontrar 

tais processos compatíveis com automação, escolheu-se como método de pesquisa o Design 

Science Research (DSR). 

A DSR é uma abordagem de pesquisa que busca criar e avaliar artefatos projetados para 

resolver problemas do mundo real, sendo amplamente utilizada na área de sistemas de 

informação (Van Der Merwe; Gerber; Smuts, 2020) 

Design Science Research é um método de pesquisa que visa a evolução da "ciência do 

projeto" derivada do campo da engenharia de produção, que destaca a sua importância e a forma 

como é operacionalizada. A DSR foca na importância de definir as classes de problemas e 

artefatos gerados pela pesquisa. (Gonçalves et al., 2023). 

Com isso, pode-se dizer que a DSR estabelece um processo sistemático, que visa projetar 

e desenvolver artefatos de resolução de problemas, o que prova que também está altamente 

relacionado com o campo prático (Dresch; Lacerda; Antunes, 2021).  

Portanto, a função primordial da ciência do design serve como base para que os 

profissionais de desenvolvimento do conhecimento nas organizações possam utilizar para 

projetar soluções para seus problemas, ou para produzir melhorias e tecnologias em geral 

(Cooper; Press, 2023).  

Para obter contribuições teóricas e práticas suficientes, os pesquisadores que usam o 

método de pesquisa Designs Science Research (DSR), devem considerar alguns elementos 

essenciais. A Figura 2 apresenta os seis elementos para a condução da DSR, bem como a 

definição de cada um desses elementos, segundo Dresch, Lacerda e Miguel (2015).  

March e Storey (2008 apud Dresch et al., 2015) destacam que o primeiro aspecto crítico 

a ser observado por pesquisadores envolvidos com a Design Science Research é a definição 

clara de um problema significativamente relevante. A relevância do problema é o ponto de 

partida na DSR. Ele deve abordar uma necessidade significativa ou um desafio que tem impacto 

tanto prático quanto teórico. Problemas relevantes geralmente surgem de lacunas na prática 



39 

 

empresarial, desafios tecnológicos, ou questões teóricas que não foram resolvidas. A 

identificação correta do problema garante que a pesquisa terá uma aplicação prática e 

contribuirá para o avanço do conhecimento na área (Gregor; Hevner, 2013). 

 

Figura 2 - Elementos para condução da Design Science Research. 

Fonte: Dresch et al. (2015) 

 

Já o segundo aspecto enfatizado é a necessidade de demonstrar a ausência de soluções 

existentes que enderecem efetivamente o problema em questão, legitimando assim a relevância 

do estudo proposto. A solução é o núcleo da DSR. Pode ser uma nova ferramenta, técnica, 

método ou modelo criado para resolver o problema identificado. O desenvolvimento do artefato 

deve ser inovador e baseado em fundamentos teóricos sólidos. O artefato pode variar de 

protótipos de software a novos processos organizacionais ou estruturas conceituais 

(Baskerville; Pries-Heje, 2019). 

Um terceiro ponto importante é a criação de um artefato inovador que possa resolver o 

problema em foco. O desenvolvimento do artefato envolve um processo rigoroso de construção 

e refinamento. Isso inclui a aplicação de métodos e técnicas de engenharia de software, 

modelagem, e design iterativo. Durante essa fase, é crucial documentar as decisões de design, 

as iterações e as mudanças feitas para garantir a qualidade e a eficácia do artefato (Oliveira; 

Caro, 2023). 

O quarto ponto realça a importância de avaliar os artefatos criados, considerando sua 

utilidade e viabilidade para assegurar sua eficácia tanto no âmbito prático quanto no acadêmico. 



40 

 

A avaliação é essencial para determinar a eficácia do artefato. Envolve a aplicação de métodos 

de avaliação como experimentos, simulações, estudos de caso, ou feedback de usuários. A 

avaliação deve ser rigorosa para garantir que o artefato realmente resolve o problema 

identificado de maneira eficiente e eficaz (Venable et al., 2016). 

Também ressaltam que a Design Science Research deve contribuir tanto para o 

enriquecimento do conhecimento teórico quanto para a melhoria de contextos práticos em 

organizações. A agregação de valor refere-se ao impacto e aos benefícios que o artefato 

proporciona aos stakeholders. Isso inclui melhorias na eficiência, eficácia, inovação, ou 

qualquer outro valor mensurável. A contribuição deve ser significativa tanto para a prática 

quanto para a teoria, demonstrando como a solução oferece um valor tangível e intangível 

(Sonnenberg; Vom Brocke, 2012). 

Por último, sugerem que os pesquisadores evidenciem as implicações práticas de seus 

achados ao finalizar suas pesquisas. Comunicar os resultados da pesquisa de forma eficaz é 

crucial. Os achados devem ser compreendidos e aplicados tanto por acadêmicos quanto por 

profissionais. A comunicação deve ser adaptada para diferentes audiências, com apresentações 

detalhadas para a academia e resumos práticos para gestores e profissionais da área (Vom 

Brocke; Lippe, 2013). 

 

3.2 ETAPAS DA PESQUISA 

 

Considerando os elementos de condução da DSR mencionados na seção anterior, a 

pesquisa foi elaborada conforme a Figura 3 demonstra. Primeiramente foi feita a identificação 

do problema, depois a proposta da solução, o desenvolvimento, e por fim, a avaliação, a análise 

de agregação de valor e a conclusão da proposta.  

Na identificação do problema, leva-se em conta que o Centro de Serviço Compartilhado 

(CSC) é uma estrutura organizacional criada para centralizar e padronizar a execução de 

atividades administrativas e operacionais comuns a diferentes áreas ou unidades de uma 

empresa, como finanças, recursos humanos, tecnologia da informação e compras. O objetivo 

principal de um CSC é aumentar a eficiência, reduzir custos e melhorar a qualidade dos serviços 

internos, ao concentrar essas funções em um único local ou equipe especializada. No caso da 

organização em questão, o CSC atende a 6 unidades operacionais do Brasil e é responsável 

pelos processos de Cadastro, Compras, Contabilidade, Contas a Pagar, Contas a Receber, 

Fiscal, Recebimento Fiscal e Tesouraria. Processos estes que, devido ao volume ou 

repetibilidade, tem alto potencial de automação.  



41 

 

Figura 3 - Etapas percorridas para o desenvolvimento do modelo 

 
Fonte: Autor (2024) 

 

No entanto, a determinação dos processos a serem automatizados, a ordem de prioridade 

de trabalho em cada um deles e até mesmo a determinação da tecnologia a ser aplicada 

dependem da avaliação dos próprios colaboradores da área e lideranças. Esse se mostrou o 

principal problema para a área de tecnologia visto que, muitas vezes, a falta de conhecimento e 

parcialidade do colaborador, dificulta e atrasa a priorização dos projetos de melhoria e a 

identificação da melhor tecnologia a ser aplicada.  

 Pensando nisto, a solução proposta foi o desenvolvimento de uma ferramenta que indique 

os processos com maior índice de possibilidade de automação, trazendo foco e senso de 

prioridade, e a melhor ferramenta a ser utilizada por meio de uma árvore de decisão que leva 

em conta as respostas coletadas em um formulário respondido pelos próprios colaboradores. 

Então, dando início à etapa de desenvolvimento, o primeiro passo foi criar um formulário 

online, utilizando a ferramenta Microsoft Forms, separado em duas partes. A primeira, com o 

intuito de avaliar o percentual de suscetibilidade à automação dos processos. A segunda, com 

o intuito de identificar a tecnologia que melhor se ajusta ao processo analisado. Ambas as partes 

do formulário sendo compostas por perguntas elaboradas em conjunto com os especialistas da 

área de tecnologia, da área de gestão de processos do CSC e com base nas referências da 

literatura já mencionadas aqui nesta pesquisa.  

Para a parte 1 do questionário, a seleção de perguntas foi feita para proporcionar uma 

avaliação mais direcionada e completa das necessidades e das características dos processos que 

podem ser otimizados ou automatizados, possibilitando um cálculo de suscetibilidade à 

automação.  



42 

 

O Quadro 3 indica as 42 perguntas formuladas e divididas igualmente em seis grupos de 

sete perguntas, sendo um dos grupos de perguntas correspondente a atividades manuais, e os 

demais grupos correspondem a perguntas relativas a características de processos compatíveis 

com as cinco tecnologias em análise sendo consideradas nesta pesquisa. Estas perguntas foram 

desenhadas com base na literatura e com a ajuda dos especialistas da área de tecnologia e da 

área de gestão de processos do CSC, para abordar os aspectos mais críticos de cada tecnologia, 

sendo que a opção resposta para cada uma delas é binária: "sim" ou "não".  

 

Quadro 3 - Perguntas relacionadas às tecnologias e atividades manuais 

P Grupo 1 Grupo 2 Grupo 3 Grupo 4 Grupo 5 
Atividades 

manuais 

1 A análise 

requer 

eficiência e 

precisão? 

Os dados 

precisam ser 

transformados 

ou 

modificados 

antes de serem 

utilizados? 

Envolve 

tomada de 

decisões com 

base em regras 

predefinidas? 

Lida com uma 

quantidade 

significativa 

de dados 

estruturados? 

Possui etapas 

sequenciais 

que requerem 

a coordenação 

de atividades 

entre 

diferentes 

partes ou 

pessoas? 

Há alguma 

interação ou 

comunicação 

humana 

essencial 

envolvida na 

tarefa? 

2 As análises 

presentes no 

processo são 

usadas para 

entender 

coisas novas e 

tomar decisões 

baseadas 

nesses dados? 

Ao realizar 

atividades 

manuais como 

extrair dados 

e/ou modificá-

los existe o 

risco de 

ocorrer erros 

durante esses 

processos? 

Requer 

avaliação de 

diferentes 

condições e 

critérios para 

determinar 

ações ou 

resultados? 

Envolve 

interações com 

aplicativos ou 

sistemas 

legados? 

Requer a 

definição de 

regras ou 

condições para 

o 

encaminhame

nto e 

aprovação de 

tarefas? 

A atividade 

requer 

criatividade, 

inovação ou 

raciocínio 

complexo que 

é mais bem 

executado por 

um ser 

humano? 

3 Existem 

tarefas 

manuais e 

repetitivas 

relacionadas à 

coleta e 

análise de 

dados? 

Os dados estão 

organizados de 

forma coerente 

e seguem um 

formato 

padronizado? 

Possui uma 

lógica de 

decisão que 

pode ser 

mapeada e 

modelada em 

um conjunto 

de regras? 

Tem potencial 

para melhoria 

de eficiência e 

redução de 

erros? 

Envolve a 

coleta e 

organização de 

informações 

ou 

documentos 

em um fluxo 

de trabalho 

estruturado? 

Existem 

exceções ou 

situações 

imprevisíveis 

que exigem 

intervenção e 

adaptação 

humana? 

4 É necessário 

criar relatórios 

ou 

representações 

visuais dos 

dados como 

(gráficos, 

diagramas, 

mapas) para 

comunicar os 

resultados das 

informações? 

É preciso 

extrair dados 

de várias 

fontes, como 

arquivos 

Excel, bancos 

de dados SQL, 

resultados de 

formulários da 

web e dados 

não 

estruturados? 

Envolve a 

aplicação de 

políticas, 

regulamentos 

ou 

procedimentos 

estabelecidos? 

Processo 

envolve 

decisões 

complexas que 

exigem 

julgamento 

humano? 

Requer a 

atribuição de 

tarefas 

específicas a 

indivíduos ou 

equipes 

responsáveis? 

A atividade 

envolve lidar 

com 

informações 

sensíveis, 

confidenciais 

ou sigilosas 

que requerem 

a discrição e o 

discernimento 

de um 

indivíduo? 

      (Continua) 



43 

 

      (Continuação) 

P Grupo 1 Grupo 2 Grupo 3 Grupo 4 Grupo 5 
Atividades 

manuais 

5 Existem 

informações 

que podem ser 

observadas 

para ver como 

está indo uma 

estratégia 

específica? 

Os dados do 

processo 

normalmente 

envolvem a 

união de 

conjuntos de 

dados 

diferentes com 

base em uma 

chave comum, 

ou seja, em 

um só local? 

Requer uma 

resposta rápida 

e consistente 

na tomada de 

decisões? 

Acontece 

muitas vezes 

esse processo 

ou pode 

acontecer em 

um mês? 

Envolve a 

comunicação 

automatizada 

de 

notificações, 

alertas ou 

lembretes 

sobre as 

tarefas e 

prazos? 

A tarefa 

requer 

interação 

física ou 

manipulação 

de objetos que 

não pode ser 

replicada por 

meio da 

automatização

? 

6 Análises de 

previsões, 

recomendaçõe

s ou 

estimativas 

sobre eventos 

são 

necessários 

para a 

conclusão do 

processo? 

Os dados 

manipulados 

são sensíveis 

com relação a 

vazamentos de 

informações 

confidenciais? 

Tem uma 

natureza 

repetitiva, 

onde as 

mesmas regras 

são aplicadas 

repetidamente

? 

Automatizar 

as decisões 

poderia 

melhorar e 

evitar erros no 

processo? 

Requer o 

acompanhame

nto e registro 

do progresso 

das atividades 

em tempo 

real? 

A atividade 

exige uma 

compreensão 

contextual ou 

cultural que só 

pode ser 

fornecida por 

um ser 

humano? 

7 Envolve 

decisões 

complexas que 

requerem 

análise 

subjetiva ou 

interpretação 

humana? 

Existem etapas 

de validação 

ou verificação 

para garantir a 

precisão dos 

dados após 

serem 

extraídos ou 

modificados 

manualmente? 

O processo 

possui 

variáveis ou 

dados que 

podem ser 

utilizados 

como entradas 

para as regras 

de decisão? 

A tomada de 

decisão 

envolve 

considerações 

subjetivas, 

intuição ou 

conhecimento 

especializado 

que não pode 

ser facilmente 

codificado em 

regras? 

A automação 

poderia tornar 

o processo 

mais eficiente 

e minimizar 

erros nas 

atividades e 

fluxos de 

trabalho? 

O processo 

depende de 

relacionament

os pessoais ou 

confiança 

interpessoal 

para ser 

eficaz? 

Premissas 

Teóricas 

Davenport e 

Harris (2017) 

Kimball 

(2005) 

Taylor e 

Raden (2007) 

Willcocks e 

Lacity (2016) 

Russell, Van 

der Aalst e Ter 

Hofstede 

(2016) 

Revisão da 

literatura e 

especialista de 

tecnologia e 

processos 

 

Fonte: Autor (2024) 

 

Essas 42 perguntas iniciais têm como objetivo identificar o índice de suscetibilidade de 

automatização do processo que indicará o quanto o processo é elegível para ser automatizado, 

chamado de Paut. A Tabela 1 apresenta um exemplo aleatório de resposta binária a fim de 

demonstrar o cálculo do índice de suscetibilidade conforme o método proposto. 

 

 

 



44 

 

Tabela 1 - Exemplo de Resposta Binária 

Fonte: Autor (2024) 

 

Com base nas respostas das 42 perguntas, foi possível também formular uma 

suscetibilidade geral de automação para o processo por meio da Fórmula 1, em que Paut é o 

índice de suscetibilidade de automação, o índice que mostra o quanto é indicado automatizar 

este processo. 

 

Paut = (
(𝑄𝑡𝑑."𝑆𝑖𝑚" 𝑑𝑎𝑠 𝑡𝑒𝑐𝑛𝑜𝑙𝑜𝑔𝑖𝑎𝑠)+(𝑄𝑡𝑑."Não" 𝑑𝑎𝑠 𝑎𝑡𝑖𝑣𝑖𝑑𝑎𝑑𝑒𝑠 𝑚𝑎𝑛𝑢𝑎𝑖𝑠)

𝑇𝑜𝑡𝑎𝑙 𝑑𝑒 𝑟𝑒𝑠𝑝𝑜𝑠𝑡𝑎𝑠 𝑟𝑒𝑐𝑒𝑏𝑖𝑑𝑎𝑠
)×100%                (1) 

 

Para essa análise, considerou-se um método cuja característica distintiva é a maneira 

como a opção de atividade manual é tratada. Ao contrário das tecnologias de automação, onde 

apenas respostas "sim" são contadas positivamente para a atividades manuais, as respostas 

"não" é que são contadas positivamente para essas atividades. Esta abordagem foi adotada para 

refletir a natureza única da opção de não automação, servindo como uma linha de base contra 

a qual as tecnologias de automação poderiam ser comparadas. 

Utilizando-se desta equação, é proposto a consideração de quatro intervalos de resposta 

para o cálculo:  

• 0 < Paut < 20%: Não automatizável. 

• 20% ≤ Paut < 40%: Pouco automatizável 

• 40% ≤ Paut < 60%: Automatizável 

• Paut ≥ 60%: Altamente automatizável. 

Opções 
Pergunta 

1 

Pergunta 

2 

Pergunta 

3 

Pergunta 

4 

Pergunta 

5 

Pergunta 

6 

Pergunta 

7 
Total 

Grupo 1 Sim Sim Sim Sim Sim Sim Sim 7 

Grupo 2 Não Sim Sim Sim Não Sim Sim 5 

Grupo 3 Não Sim Sim Sim Não Sim Não 4 

Grupo 4 Sim Sim Não Não Sim Não Sim 4 

Grupo 5 Sim Não Sim Não Não Sim Não 3 

Atividades 

manuais 
Sim Não Sim Não Não Não Não 2 

TOTAL        25 



45 

 

 Considerando as respostas das perguntas exemplificadas, a Tabela 2 compila os dados 

para a demonstração de cálculo que exemplifica a identificação do índice de automação para o 

processo analisado como exemplo na Tabela 1. 

 

Tabela 2 - Exemplo porcentagem de automação 

Fonte: Autor (2024) 

 

Paut = (
(23)+(5)

42
)×100% = 66,66% 

 

Sendo Paut ≥ 60%, pode-se dizer que o processo exemplificado é altamente automatizável. 

Dessa forma, entende-se que este método fornece não apenas uma visão detalhada sobre cada 

tecnologia e atividade manual, mas também um índice geral de possibilidade de automação, 

oferecendo uma perspectiva abrangente na tomada de decisão em automação de processos 

administrativos. 

Para a Parte 2 do questionário foram elaboradas 13 perguntas, também com base na 

literatura e com a ajuda dos especialistas da área, encadeadas em uma árvore de decisão de 

maneira a encontrar a tecnologia que melhor se encaixa para o processo analisado. O Quadro 4 

indica a ordenação das perguntas na árvore de decisão proposta e as possíveis respostas tanto 

para resposta positiva quanto para resposta negativa.  

 

 

 

 

 

TECNOLOGIA 
QUANTIDADE DE 

"SIM" 

QUANTIDADE DE 

"NÃO" 

Grupo 1 7  

Grupo 2 5  

Grupo 3 4  

Grupo 4 4  

Grupo 5 3  

Atividades manuais - 5 

TOTAL 23 5 



46 

 

Quadro 4 - Árvore de decisão 

Ordenação Pergunta 

Resposta 

possível para 

"Sim" 

Resposta possível 

para "Não" 

1 A tarefa requer empatia, emoção ou habilidades 

sociais que são exclusivas dos seres humanos? 

Atividade 

manual 

Workflow; Regra 

de decisão; 

Analytics; ETL; 

RPA; outra 

tecnologia 

2 Possui etapas bem definidas e estruturadas? Workflow; 

Regra de 

decisão; 

Analytics; ETL; 

RPA; outra 

tecnologia 

Outra tecnologia 

3 Envolve tarefas repetitivas e baseadas em regras? Workflow; 

Regra de 

decisão; 

Analytics; ETL; 

RPA; outra 

tecnologia 

Outra tecnologia 

4 O processo envolve a entrada de dados em 

múltiplos sistemas ou a necessidade de acessar 

múltiplas plataformas para concluir uma tarefa? 

Analytics; ETL; 

RPA; outra 

tecnologia 

Workflow; Regra 

de decisão; RPA; 

outra tecnologia 

4.1 Pode ser executado utilizando teclado e mouse? RPA Workflow; Regra 

de decisão; outra 

tecnologia 

4.2 É necessário criar relatórios ou gráficos para 

mostrar os resultados das análises? 

Analytics; ETL; 

outra tecnologia 

Analytics; ETL; 

RPA; outra 

tecnologia 

4.1.1 Tem dependências claras entre as atividades, 

onde a conclusão de uma tarefa aciona 

automaticamente a próxima? 

Workflow; 

Regra de 

decisão; 

Outra tecnologia 

4.2.1 O processo requer a categorização ou 

organização de grandes volumes de informações 

ou documentos? 

ETL; Analytics; outra 

tecnologia 

4.2.2 Envolve limpeza de informações inconsistentes, 

padronizar os formatos dos dados/informações 

ou combinar/agregar dados de várias fontes 

melhorará tarefas? 

ETL Analytics; RPA; 

outra tecnologia 

4.1.1.1 É necessário ter fluxo de aprovação? Workflow Regra de decisão 

4.2.1.1 Precisa usar fórmulas e técnicas matemáticas 

para encontrar informações, padrões ou 

tendências? 

Analytics Outra tecnologia 

4.2.2.1 Precisa usar fórmulas e técnicas matemáticas 

para encontrar informações, padrões ou 

tendências? 

Analytics RPA; outra 

tecnologia 

4.2.2.1.1 Existem atividades de copiar e colar dados entre 

sistemas e/ou documentos? 

RPA Outra tecnologia 

Fonte: Autor (2024). 



47 

 

A Figura 4 representa graficamente a árvore gerada a partir das perguntas descritas no 

Quadro 4. Para a primeira, eliminatória, a resposta positiva (Sim) indica a impossibilidade de 

automação pois se trata de um processo que depende de interações que somente humanos 

conseguem realizar. Dessa forma, o processamento do formulário é encerrado. Por sua vez, a 

resposta negativa (Não) leva à próxima pergunta da árvore, seguindo as respectivas logicas a 

fim de identificar a tecnologia que mais se adequa ao processo em questão.   

 

Figura 4 - Árvore de decisão

 

Fonte: Autor (2024). 

 

Por fim, a última etapa foi aplicar a solução aqui proposta para avaliar o seu 

funcionamento e analisar os resultados obtidos. Para isso, definiu-se uma amostra de processos 

administrativos e o formulário foi aplicado aos colaboradores do CSC, sendo que o retorno das 

respostas e resultados, tanto para o índice de suscetibilidade de automação quanto para escolha 

da tecnologia, foi analisado junto aos especialistas de tecnologia para validar a solução, 

conforme descrito no capítulo a seguir.   



48 

 

4 RESULTADOS E DISCUSSÕES 

 

O formulário foi aplicado para uma amostra de 11 processos do CSC, tendo sido 

respondido por um analista da área de Cadastro, dois analistas da área de Recebimento Fiscal, 

um analista da área de Compras, dois analistas da área do Financeiro, dois analistas da área de 

Contabilidade e um da área de Contact Center. A critério de conhecimento, os analistas são 

graduados em suas respectivas áreas de atuação, como Administração de empresas ou 

Contabilidade, e possuem, em média, cinco anos de experiência na companhia.  

Considerando a lógica apresentada anteriormente, pôde-se apurar a quantidade de 

respostas positivas para cada tecnologia disponível, bem como a quantidade de respostas 

negativas para atividades manuais. A Tabela 3 mostra as respostas coletadas na parte 1 do 

formulário. 

 

Tabela 3 - Apuração das respostas do formulário para cada processo 

Fonte: Autor (2024) 

 

Com base nos dados informados acima e a equação (2) podemos calcular o índice de 

automação ao qual cada um dos processos descritos é suscetível. 

 

Paut = (
(𝑄𝑡𝑑."𝑆𝑖𝑚" 𝑑𝑎𝑠 𝑡𝑒𝑐𝑛𝑜𝑙𝑜𝑔𝑖𝑎𝑠)+(𝑄𝑡𝑑."Não" 𝑑𝑎𝑠 𝑎𝑡𝑖𝑣𝑖𝑑𝑎𝑑𝑒𝑠 𝑚𝑎𝑛𝑢𝑎𝑖𝑠)

𝑇𝑜𝑡𝑎𝑙 𝑑𝑒 𝑟𝑒𝑠𝑝𝑜𝑠𝑡𝑎𝑠 𝑟𝑒𝑐𝑒𝑏𝑖𝑑𝑎𝑠
)×100%                (2) 

Processo Descrição 

Quantidade de 

resposta 

positiva por 

tecnologia 

Quantidade 

negativa para 

atividades 

manuais 

 

1 Lançamento de nota fiscal de serviço 19 7  

2 Criação de novo BP no sistema SAP 24 5  

3 Compras de materiais por Contrato 23 5  

4 Entrada de notas de serviço (troca de responsável) 26 5  

5 Processo de integração da folha de pagamento 14 4  

6 Processo de lançamentos contábeis 22 4  

7 Lançamento de fretes 22 7  

8 Cobrança de cliente 15 7  

9 Processo de cotação de material 22 6  

10 Apuração da capacidade de atendimento do CSC 24 6  

11 Reembolso de despesas 24 7  



49 

 

 Levando em consideração o total de respostas positivas para cada tipo de tecnologia e a 

quantidade de respostas negativas para as atividades manuais, obtemos os itens descritos na 

Tabela 4. 

 

Tabela 4 - Índice de suscetibilidade de automação para cada processo 

Processo Descrição 

Quantidade 

de 

respostas 

positivas 

para as 

tecnologias 

Quantidade 

negativa 

para 

atividades 

manuais 

Paut (%) 

1 Lançamento de nota fiscal de serviço 19 7 61,90 

2 Criação de novo BP no sistema SAP 24 5 69,05 

3 Compras de materiais por Contrato 23 5 66,67 

4 Entrada de notas de serviço (troca de responsável) 26 5 73,81 

5 Processo de integração da folha de pagamento 14 4 42,86 

6 Processo de lançamentos contábeis 22 4 61,90 

7 Lançamento de fretes 22 7 69,05 

8 Cobrança de cliente 15 7 52,38 

9 Processo de cotação de material 22 6 66,67 

10 Apuração da capacidade de atendimento do CSC 24 6 71,43 

11 Reembolso de despesas 24 7 73,81 

Fonte: Autor (2024) 

 

Considerando os intervalos de porcentagens determinadas neste trabalho (página 43, 

Capítulo 3), os processos 5 e 8 são automatizáveis enquanto todos os demais são altamente 

automatizáveis. Além disso, os índices encontrados, quando descritos em ordem decrescente, 

nos ajudam a estabelecer uma lista de prioridades baseada na suscetibilidade de automação do 

processo. Dessa forma, os itens 4 e 11, com Paut = 73,81% seriam os