Dilemas de Ética em IA com Exemplos Reais
Embora a inteligência artificial esteja mudando a forma como as empresas trabalham, há preocupações sobre como ela pode influenciar nossas vidas. Isso é tanto um problema acadêmico/social quanto um risco de reputação para as empresas; nenhuma empresa quer ser prejudicada por escândalos de dados ou de ética em IA que danifiquem sua reputação.
Explore percepções sobre questões éticas que surgem com o uso da IA, exemplos de uso indevido e os princípios-chave para mitigar esses problemas.
Viés algorítmico
Algoritmos e dados de treinamento podem conter vieses, assim como os humanos, uma vez que os humanos também os geram. Esses vieses impedem que os sistemas de IA tomem decisões justas. Encontramos vieses nos sistemas de IA por dois motivos:
- Os desenvolvedores podem programar sistemas de IA tendenciosos sem nem perceber
- Os dados históricos usados para treinar algoritmos de IA podem não ser suficientes para representar com precisão toda a população.
Exemplo da vida real:
Grandes modelos de linguagem (LLMs) são cada vez mais usados nos locais de trabalho para melhorar a eficiência e a justiça, mas também podem reproduzir ou amplificar vieses sociais. O estudo Silicon Ceiling examina o impacto dos LLMs na contratação ao auditar o viés de raça e gênero no OpenAI’s GPT-3.5, baseando-se em métodos tradicionais de auditoria de currículos.
Os pesquisadores conduzem dois estudos usando nomes associados a diferentes raças e gêneros: avaliação de currículos e geração de currículos. No Estudo 1, o GPT pontua currículos com nomes variados em várias ocupações e critérios de avaliação, revelando vieses baseados em estereótipos. No Estudo 2, o GPT gera currículos fictícios, mostrando diferenças sistemáticas: currículos de mulheres refletem menos experiência, enquanto currículos de pessoas asiáticas e hispânicas incluem marcadores de imigrantes.
Essas descobertas somam-se às evidências de viés em LLMs, particularmente em contextos de contratação.1
Para construir uma IA ética e responsável, é necessário eliminar vieses nos sistemas de IA. No entanto, 47% das organizações testam vieses nos dados, nos modelos e no uso humano dos algoritmos.2
Embora eliminar todos os vieses nos sistemas de IA seja quase impossível, dados os inúmeros vieses humanos existentes e a descoberta contínua de novos, minimizá-los pode ser a meta de uma empresa.
Coisas autônomas
Coisas Autônomas (AuT) são dispositivos e máquinas que realizam tarefas específicas sem intervenção humana. Essas máquinas incluem carros autônomos, drones e robótica. Como a ética robótica é um tópico amplo, focamos em questões antiéticas decorrentes do uso de veículos autônomos e drones.
Carros autônomos
Apesar do valor crescente dos veículos autônomos, eles apresentam vários riscos para as diretrizes de ética em IA. A responsabilidade civil e a prestação de contas dos veículos autônomos ainda são objeto de debate.
Exemplo da vida real:
Por exemplo, em 2018, um carro autônomo da Uber atropelou um pedestre que morreu mais tarde em um hospital.3 O acidente foi registrado como a primeira morte envolvendo um carro autônomo.
Após a investigação do Departamento de Polícia do Arizona e do Conselho Nacional de Segurança nos Transportes dos EUA (NTSB), os promotores decidiram que a empresa não é criminalmente responsável pela morte do pedestre. Isso porque a motorista de segurança estava distraída com o celular, e os relatórios policiais classificam o acidente como “completamente evitável”.
Armas Autônomas Letais (LAWs)
As LAWs (Armas Autônomas Letais) são armas alimentadas por IA que podem identificar e atacar alvos por conta própria com base em regras programadas. Tais sistemas existem há décadas, principalmente em aplicações defensivas como minas, defesa antimísseis, sistemas de sentinela e munições vagantes.
Plataformas mais recentes incluem veículos terrestres e marítimos com capacidades autônomas, principalmente para reconhecimento, mas às vezes com funções ofensivas.
Exemplo da vida real:
No conflito entre Ucrânia e Rússia, as armas autônomas são usadas principalmente por meio de drones habilitados por IA e munições vagantes, em vez de sistemas totalmente independentes.
A Rússia utiliza munições vagantes, que podem buscar e atingir autonomamente alvos militares predefinidos com mínimo controle humano depois de lançadas. A Ucrânia utiliza principalmente drones semiautônomos, nos quais humanos autorizam ataques enquanto a IA auxilia na navegação, no rastreamento de alvos e no engajamento rápido.
Esses sistemas aumentam a velocidade e a precisão no campo de batalha, mas reduzem a supervisão humana significativa, criando desafios legais e éticos sob o direito internacional humanitário, particularmente em relação aos princípios de distinção, proporcionalidade e responsabilização.4
Exemplo da vida real:
Desde 2018, as Nações Unidas se opõem consistentemente aos sistemas de armas autônomas letais (LAWS). O Secretário-Geral António Guterres os classificou como política e moralmente inaceitáveis e pediu sua proibição.
Em 2023, ele reiterou a necessidade de um instrumento internacional juridicamente vinculativo para banir armas totalmente autônomas e regular outras, citando sérios riscos humanitários, legais e de direitos humanos. Especialistas em direitos humanos da ONU ecoaram essas preocupações e apoiaram uma proibição global.5
Desemprego e desigualdade de renda devido à automação
Espera-se que a automação impulsionada por IA remodele significativamente os mercados de trabalho, contribuindo para pressões de desemprego de curto prazo e ampliando a desigualdade de renda se não for administrada.
De acordo com a AIMultiple análise, as projeções atuais sugerem que 15-25% dos empregos enfrentarão uma interrupção significativa até 2027, com 5-10% de deslocamento líquido de empregos após a criação de novas funções.
Ao mesmo tempo, a IA complementa o trabalho humano em áreas como tomada de decisão, raciocínio e criatividade, deslocando a demanda para habilidades de maior valor. Com mais de 40% dos trabalhadores precisando de qualificação substancial até 2030, o acesso desigual à requalificação corre o risco de aprofundar a desigualdade de renda entre aqueles que conseguem se adaptar às funções habilitadas por IA e aqueles que não conseguem.
Usos indevidos da IA
Disputas de governança de IA sobre armas autônomas
Tensões recentes entre empresas de IA e governos ilustram como é difícil estabelecer limites para o uso militar da IA. No início de 2026, a empresa de IA Anthropic se recusou a assinar um contrato com o Departamento de Defesa dos EUA que permitiria ao governo “acesso irrestrito” aos seus modelos para “todos os fins legais”.
O CEO da Anthropic, Dario Amodei, afirmou que a empresa participaria se duas salvaguardas fossem incluídas: proibir a vigilância doméstica em massa e impedir o desenvolvimento de armas totalmente autônomas sem supervisão humana.6
A divergência destaca preocupações mais amplas sobre o papel dos sistemas avançados de IA na guerra. Embora os grandes modelos de linguagem não sejam armas em si, eles podem ser integrados a sistemas militares para analisar inteligência, gerar listas de alvos potenciais, priorizar ameaças e recomendar ações militares.
Armas totalmente autônomas representam o estágio mais controverso dessa progressão. Uma vez ativados, esses sistemas podem buscar, selecionar e atacar alvos de forma independente, usando sensores como câmeras e radar, bem como algoritmos de IA.
Críticos alertam que remover humanos do ciclo de decisão levanta grandes preocupações éticas e legais, particularmente em torno da responsabilização e do cumprimento do direito internacional humanitário.
Práticas de vigilância que limitam a privacidade
“O Grande Irmão está de olho em você.” Essa famosa frase do romance distópico de George Orwell, 1984, já foi obra de ficção científica. Hoje, no entanto, parece cada vez mais realidade, à medida que governos implantam IA para vigilância em massa. Em particular, o uso da tecnologia de reconhecimento facial em sistemas de vigilância levantou sérias preocupações sobre os direitos de privacidade
De acordo com o Índice IA Global Surveillance (AIGS), 176 países estão usando sistemas de vigilância com IA, e as democracias liberais são as principais usuárias da vigilância com IA.7
O mesmo estudo mostra que 51% das democracias avançadas implantam sistemas de vigilância com IA, em comparação com 37% dos estados autocráticos fechados. No entanto, isso provavelmente se deve à diferença de riqueza entre esses dois grupos de países.
De uma perspectiva ética, a questão importante é se os governos estão abusando da tecnologia ou usando-a de forma legal.
Exemplos da vida real:
Algumas gigantes de tecnologia também manifestam preocupações éticas sobre a vigilância alimentada por IA. Por exemplo, o presidente da Microsoft, Brad Smith, publicou um post de blog pedindo a regulamentação governamental do reconhecimento facial.8
Além disso, a IBM parou de oferecer a tecnologia para vigilância em massa devido ao seu potencial de uso indevido, como o perfilamento racial, que viola direitos humanos fundamentais.9
Manipulação do julgamento humano
Análises alimentadas por IA podem fornecer percepções acionáveis sobre o comportamento humano, mas abusar da análise para manipular decisões humanas é eticamente errado.
Exemplo da vida real:
A Cambridge Analytica vendeu dados de eleitores americanos coletados no Facebook para campanhas políticas e forneceu assistência e análises às campanhas presidenciais de 2016 de Ted Cruz e Donald Trump.
Informações sobre a violação de dados foram divulgadas em 2018, e a Comissão Federal de Comércio multou o Facebook em US$ 5 bilhões devido às suas violações de privacidade.10
Proliferação de deepfakes
Deepfakes são imagens ou vídeos gerados sinteticamente nos quais uma pessoa em uma mídia imagem ou vídeo é substituída pela semelhança de outra pessoa.
Criar uma narrativa falsa usando deepfakes pode prejudicar a confiança das pessoas na mídia (que está em baixa histórica).11Essa desconfiança é perigosa para as sociedades, considerando que a mídia de massa ainda é a opção número um dos governos para informar as pessoas sobre eventos de emergência, como uma pandemia global ou um grande terremoto causando danos e vítimas generalizados.
Exemplo da vida real:
A Comissão Europeia abriu uma investigação sobre a plataforma X de Elon Musk devido a alegações de que sua ferramenta de IA, Grok, foi usada para gerar imagens deepfake sexualizadas de pessoas reais, após ação semelhante do regulador do Reino Unido, Ofcom.
Se a X for considerada em violação da Lei de Serviços Digitais da UE, poderá enfrentar multas de até 6% de sua receita anual global, e os reguladores poderão impor medidas provisórias se as salvaguardas não forem reforçadas.
Autoridades e ativistas da UE condenaram os deepfakes como prejudiciais e degradantes, particularmente para mulheres e crianças, questionando se a X avaliou e mitigou adequadamente os riscos associados a poderosas ferramentas de IA.12
Inteligência artificial geral (AGI) / Singularidade
A perspectiva da inteligência artificial geral (AGI) ou da singularidade levanta preocupações éticas sobre o valor da vida humana à medida que as máquinas superam a inteligência humana. Ao mesmo tempo, o caminho para a AGI permanece incerto, sem consenso científico sobre se ela surgirá do escalonamento de arquiteturas existentes, como transformadores, ou do desenvolvimento de abordagens fundamentalmente novas, nem sobre como a AGI deveria ser validada.
Dilemas práticos, como se carros autônomos devem priorizar a segurança de passageiros ou pedestres, destacam questões morais não resolvidas que precisam ser abordadas antes que essas tecnologias sejam amplamente implementadas. De forma mais ampla, o surgimento de sistemas superinteligentes desafia o domínio humano e levanta questões fundamentais sobre os direitos, as responsabilidades e os referenciais morais dos seres artificiais.
Analisamos mais de 10.000 previsões de cientistas, empreendedores e da comunidade em geral e descobrimos que a maioria dos especialistas vê a AGI como inevitável. Com base nessa crença, pesquisas recentes com pesquisadores de IA estimam sua chegada em torno de 2040, uma mudança notável em relação às previsões anteriores mais próximas de 2060, enquanto os empreendedores são ainda mais otimistas, projetando prazos próximos de 2030.
Ética robótica
A ética robótica, ou roboética, trata de como os humanos projetam, usam e tratam os robôs. Debates sobre esse tópico existem desde a década de 1940, questionando principalmente se os robôs deveriam ter direitos comparáveis aos dos humanos e dos animais.
O autor Isaac Asimov foi o primeiro a falar sobre leis para robôs em seu conto chamado “Runaround”. Ele apresentou as Três Leis da Robótica:13
- Um robô não pode ferir um ser humano ou, por inação, permitir que um ser humano sofra danos.
- Um robô deve obedecer às ordens dadas por seres humanos, exceto quando tais ordens entrarem em conflito com a Primeira Lei.
- Um robô deve proteger sua própria existência, desde que tal proteção não entre em conflito com a Primeira ou a Segunda Lei.
Como lidar com esses dilemas?
Essas são perguntas difíceis, e soluções inovadoras e controversas, como a renda básica universal, podem ser necessárias para resolvê-las. Existem inúmeras iniciativas e organizações destinadas a minimizar o potencial impacto negativo da IA.
Por exemplo, o Institute for Ethics in Artificial Intelligence (IEAI) da Universidade Técnica de Munique conduz pesquisas em IA em vários domínios, como mobilidade, emprego, saúde e sustentabilidade.14
Aqui estão algumas recomendações para mitigar as controvérsias em torno dos usos adversos da IA:
Considere as políticas e melhores práticas da UNESCO
Política de Governança de Dados
Esta política enfatiza a importância de estruturas detalhadas para coleta, uso e governança de dados para garantir a privacidade individual e mitigar riscos. Ela incentiva a criação de conjuntos de dados de qualidade para o treinamento de IA, a adoção de conjuntos de dados abertos e confiáveis e a implementação de estratégias eficazes de proteção de dados.
Por exemplo, estabelecer conjuntos de dados padronizados para IA na área da saúde garante precisão e reduz vieses.
Governança ética da IA
Os mecanismos de governança devem ser inclusivos, multidisciplinares e multilaterais, incorporando partes interessadas diversas, como comunidades afetadas, formuladores de políticas e especialistas em IA. Essa abordagem se estende à aplicação da responsabilização e ao fornecimento de reparação por danos.
Por exemplo, garantir a contratação justa de sistemas de IA exige auditorias contínuas para lidar com o viés.
Política de educação e pesquisa
Ela promove a alfabetização em IA e a conscientização ética ao integrar a educação em IA e em dados aos currículos. Também prioriza a participação de grupos marginalizados e avança a pesquisa ética em IA.
Por exemplo, as escolas poderiam ensinar noções básicas de IA juntamente com programação e pensamento crítico, preparando as futuras gerações para lidar com os impactos sociais da IA.
Saúde e bem-estar social
Esta política incentiva a implantação da IA para melhorar a assistência à saúde, enfrentar riscos globais de saúde e promover a saúde mental. Ela destaca a necessidade de aplicações de IA que sejam medicamente comprovadas, seguras e eficientes.
Igualdade de gênero na IA
A igualdade de gênero visa reduzir as disparidades de gênero na IA, apoiando mulheres nas áreas STEM e evitando vieses nos sistemas de IA.
Por exemplo, alocar fundos para orientar mulheres na pesquisa em IA e tratar vieses de gênero em algoritmos de recrutamento de empregos.
Sustentabilidade ambiental
Esta política se concentra em avaliar e mitigar o impacto ambiental da IA, como sua pegada de carbono e consumo de recursos. Incentiva-se o uso da IA na previsão e mitigação climática.
Por exemplo, a IA pode ser usada para monitorar o desmatamento e otimizar as redes de energia renovável.
Metodologia de avaliação de prontidão (RAM)
Esta técnica ajuda os estados a avaliar sua preparação para implementar políticas éticas de IA, analisando estruturas legais, infraestrutura e disponibilidade de recursos.
Por exemplo, a RAM pode identificar lacunas na regulamentação e na infraestrutura de IA, orientando as nações rumo à adoção ética da IA.
Avaliação de impacto ético (EIA)
Este método avalia os potenciais impactos sociais, ambientais e econômicos de projetos de IA. Colaborando com as comunidades afetadas, a EIA garante a alocação de recursos para evitar danos.
Por exemplo, uma EIA poderia identificar os riscos de viés em um sistema de policiamento preditivo e recomendar mitigações.
Observatório global sobre ética da IA
Refere-se a uma plataforma digital que oferece análises dos desafios éticos da IA e monitora a implementação global das recomendações da UNESCO.
Por exemplo, o observatório poderia fornecer relatórios sobre os impactos sociais da IA em vários países.
Treinamento em ética de IA e conscientização pública
Esta abordagem incentiva educação acessível e engajamento cívico para aprimorar a compreensão pública da ética da IA.
Por exemplo, campanhas para educar os usuários sobre os riscos de privacidade nas plataformas de mídia social alimentadas por IA podem criar cidadãos digitais informados.
Figura 1: Áreas de políticas de IA ética da UNESCO15
Melhores práticas recomendadas pela UNESCO
- Governança inclusiva e com múltiplas partes interessadas:
- Envolva partes interessadas diversas, incluindo comunidades marginalizadas, na criação de políticas e na governança da IA.
- Use equipes multidisciplinares para garantir que as decisões sejam equilibradas e equitativas.
- Exemplo: Realizar consultas públicas ao implantar sistemas de vigilância com IA.
- Transparência e explicabilidade:
- Desenvolva sistemas de IA com processos de tomada de decisão interpretáveis.
- Equilibre a transparência com preocupações de segurança e privacidade.
- Exemplo: Fornecer aos usuários explicações em linguagem simples sobre como um modelo de IA toma decisões.
- Avaliações de sustentabilidade:
- Avalie regularmente os sistemas de IA quanto ao seu impacto ambiental, incluindo consumo de energia e pegada de carbono.
- Exemplo: Reduzir o uso de energia no treinamento de grandes modelos de aprendizado de máquina.
- Programas de alfabetização em IA:
- Eduque o público e os formuladores de políticas sobre as implicações éticas da IA.
- Incorpore a ética da IA aos currículos educacionais em todos os níveis.
- Exemplo: Workshops sobre riscos de privacidade nas mídias sociais alimentadas por IA.
- Auditorias contínuas e mecanismos de responsabilização:
- Estabeleça auditorias regulares dos sistemas de IA para detectar e tratar vieses, imprecisões ou violações éticas.
- Garanta que haja um processo claro de reparação em casos de danos causados pela IA.
- Exemplo: Revisões periódicas de ferramentas de recrutamento com IA para prevenir viés de gênero.
Conheça estruturas de IA responsável
Aqui estão algumas estruturas de IA responsável para superar dilemas éticos como o viés da IA:
Transparência
Os desenvolvedores de IA têm a obrigação ética de ser transparentes de maneira estruturada e acessível, uma vez que a tecnologia de IA tem o potencial de violar leis e impactar negativamente a experiência humana. Para tornar a IA acessível e transparente, o compartilhamento de conhecimento pode ajudar.
Por exemplo, a OpenAI foi fundada em 2015 como um laboratório de pesquisa de IA sem fins lucrativos por Elon Musk, Sam Altman e outros, com a missão de desenvolver “inteligência digital” para o benefício da humanidade.
No entanto, após sua reestruturação em uma Corporação de Benefício Público (PBC), a OpenAI agora opera como uma entidade com fins lucrativos governada por uma fundação sem fins lucrativos.16
Ao conceder à Microsoft uma licença exclusiva para seus modelos de fronteira, a OpenAI passou de um modelo de pesquisa transparente e aberto para um proprietário, provocando um debate significativo sobre sua missão original.
Explicabilidade
Os desenvolvedores e as empresas de IA precisam explicar como seus algoritmos chegam às suas previsões para superar questões éticas que surgem com previsões imprecisas. Várias abordagens técnicas podem explicar como esses algoritmos chegam às suas conclusões e quais fatores afetam suas decisões.
Alinhamento
Numerosos países, empresas e universidades estão construindo sistemas de IA e, na maioria das áreas, não há uma estrutura legal adaptada aos desenvolvimentos recentes em IA.
A modernização das estruturas legais tanto no nível nacional quanto em níveis superiores (por exemplo, ONU) esclarecerá o caminho para o desenvolvimento ético da IA. As empresas pioneiras devem liderar esses esforços para criar clareza para seus setores.
Use estruturas e ferramentas de ética em IA
Acadêmicos e organizações estão cada vez mais focados em estruturas éticas para orientar o uso das tecnologias de IA. Essas estruturas abordam as implicações morais da IA ao longo de seu ciclo de vida, incluindo o treinamento de sistemas de IA, o desenvolvimento de modelos de IA e a implantação de sistemas inteligentes.
Aqui está uma lista de ferramentas que podem ajudar você a aplicar as práticas de ética em IA:
Ferramentas de governança de IA
Ferramentas de governança de IA garantem que as aplicações de IA sejam desenvolvidas e implantadas em alinhamento com princípios éticos. Essas ferramentas ajudam as organizações a monitorar e controlar os programas de IA ao longo do ciclo de vida da IA, lidar com riscos relacionados a resultados antiéticos e apoiar uma IA confiável.
Ao implementar práticas abrangentes de governança de IA, as empresas podem gerenciar melhor os riscos potenciais e alcançar a conformidade com a IA perante os órgãos reguladores.
LLMOps
À medida que as tecnologias de IA se tornam mais sofisticadas, cresce a necessidade de ferramentas especializadas para supervisionar e implantar esses modelos.
Nesse contexto, as ferramentas de LLMOps, práticas operacionais usadas para gerenciar grandes modelos de linguagem, desempenham um papel fundamental no apoio ao uso ético dos grandes modelos de linguagem, ajudando a garantir que eles não perpetuem desigualdades existentes nem contribuam para questões como deepfakes.
MLOps
As ferramentas de MLOps (Operações de Aprendizado de Máquina) envolvem a integração de modelos de IA à produção, garantindo o alinhamento com padrões éticos.
Essa prática enfatiza a supervisão humana dos sistemas autônomos, particularmente em áreas críticas como saúde e justiça criminal.
Governança de dados
A governança de dados é crucial para o uso ético da IA, envolvendo a gestão responsável dos dados que treinam os sistemas de IA.
Uma governança de dados eficaz garante a proteção de dados e considera as implicações sociais do uso dos dados, apoiando considerações éticas em todo o ciclo de vida da IA. Isso é particularmente importante à medida que as grandes empresas de tecnologia moldam o futuro das tecnologias de IA.
Adicionar como fonte preferencialPerguntas frequentes
A ética em IA é o estudo dos princípios morais que orientam o projeto, o desenvolvimento e a implantação da inteligência artificial. Ela aborda questões como justiça, transparência, privacidade e responsabilização para garantir que os sistemas de IA beneficiem a sociedade, evitem danos e respeitem os direitos humanos, ao mesmo tempo que mitigam vieses e consequências não intencionais.
A Recomendação da UNESCO sobre a Ética da IA, adotada em novembro de 2021, pede a minimização de resultados discriminatórios e tendenciosos nos sistemas de IA, promovendo justiça, transparência, responsabilização e respeito aos direitos humanos.
Ela enfatiza a criação de estruturas institucionais e legais para governar a IA para o bem público. Ela descreve políticas concretas para governança de dados, igualdade de gênero e uso ético da IA em todos os setores. A Recomendação inclui mecanismos de monitoramento, avaliação e implementação para impulsionar mudanças significativas.
Cite esta pesquisa
Escolha o formato adequado ao local onde você vai publicar. Colar a versão com link no seu CMS preserva o backlink.
@misc{dilmegani2026,
author = {Dilmegani, Cem and Ermut, Sıla},
title = {{Dilemas de Ética em IA com Exemplos Reais}},
year = {2026},
month = mar,
howpublished = {\url{https://aimultiple.com/ai-ethics}},
note = {AIMultiple. Acessado em 11 março 2026}
}Registro de alterações
12 atualizaçõesAdicionadas disputas de governança de IA sobre armas autônomas à seção Misuses of AI.
Adicionado um exemplo da vida real à seção Armas Autônomas.
Removida a seção "Preocupações éticas específicas da IA generativa".
Links de referência
O trabalho de Cem na AIMultiple foi citado por publicações globais líderes, incluindo Business Insider, Forbes, Morning Brew e Washington Post, por empresas globais como Deloitte e HPE, ONGs como o World Economic Forum e organizações supranacionais como a European Commission. [1], [2], [3], [4], [5]
Ao longo de sua carreira, Cem atuou como consultor de tecnologia, comprador de tecnologia e empreendedor de tecnologia. Ele aconselhou empresas sobre suas decisões de tecnologia na McKinsey & Company e na Altman Solon por mais de uma década. Ele também publicou um relatório da McKinsey sobre digitalização.
Ele liderou a estratégia de tecnologia e as compras de uma operadora de telecomunicações, reportando-se ao CEO. Ele também liderou o crescimento comercial da empresa de deep tech Hypatos, que atingiu uma receita recorrente anual de 7 dígitos e uma avaliação de 9 dígitos partindo do zero em 2 anos. O trabalho de Cem na Hypatos foi coberto por publicações de tecnologia líderes como TechCrunch e Business Insider.
Cem fala regularmente em conferências internacionais de tecnologia. Ele se formou como engenheiro da computação pela Bogazici University e possui um MBA pela Columbia Business School.
Ela trabalhou anteriormente como recrutadora em empresas de gerenciamento de projetos e consultoria. Sıla possui mestrado em Psicologia Social e bacharelado em Relações Internacionais.
Seja o primeiro a comentar
Seu endereço de e-mail não será publicado. Todos os campos são obrigatórios. Os comentários são deixados em seu idioma original.