dc.contributor.advisor | Gonçalves, Roberto Birch | |
dc.contributor.author | Busnelo, Maicon Rafael | |
dc.contributor.other | Verruck, Fábio | |
dc.contributor.other | Pastore, Ricardo | |
dc.contributor.other | Medeiros, Janine Fleith de | |
dc.contributor.other | Remer, Ricardo do Amaral | |
dc.date.accessioned | 2025-06-26T11:43:14Z | |
dc.date.available | 2025-06-26T11:43:14Z | |
dc.date.issued | 2025-06-25 | |
dc.date.submitted | 2025-06-03 | |
dc.identifier.uri | https://repositorio.ucs.br/11338/14673 | |
dc.description | A crescente complexidade da jornada do consumidor no varejo, impulsionada por transformações digitais profundas e aceleradas, tem exigido das empresas uma atuação mais integrada, responsiva e personalizada nos múltiplos canais de interação. Nesse cenário, o avanço recente das tecnologias de Inteligência Artificial, especialmente dos modelos de linguagem generativa, tem ampliado as possibilidades de personalização em escala, tornando-se um dos vetores centrais da inovação estratégica no setor. No entanto, apesar desse avanço tecnológico, a literatura e a prática empresarial ainda carecem de soluções sistematizadas que articulem de forma eficaz a Inteligência Artificial à estratégia Omnichannel, especialmente no contexto de pequenas e médias empresas, que enfrentam desafios estruturais, operacionais e financeiros para acompanhar essa transformação. Esta pesquisa propõe a aplicação de Inteligência Artificial Generativa, por meio de um artefato baseado em um GPT customizado, com a finalidade de personalizar a aplicação da estratégia Omnichannel em empresas varejistas. A pesquisa foi conduzida sob os princípios da metodologia Design Science Research (DSR), contemplando a construção de um modelo teórico para a aplicação da IA Generativa à personalização da estratégia Omnichannel, posteriormente operacionalizado em um artefato funcional integrado à plataforma ChatGPT. O artefato foi configurado para realizar diagnósticos, gerar recomendações personalizadas e oferecer análises adaptadas à realidade de empresas com diferentes níveis de maturidade digital, com base na avaliação de sete dimensões críticas da experiência do cliente no varejo. Os testes empíricos, conduzidos em três empresas varejistas de pequeno porte, demonstraram a eficácia do artefato na personalização, evidenciando sua capacidade de gerar recomendações estratégicas e personalizadas mesmo em contextos com infraestruturatecnológica limitada. As contribuições teóricas incluem o avanço no entendimento da integração entre IA Generativa e estratégias Omnichannel, bem como a aplicação inovadora da metodologia DSR no desenvolvimento de soluções baseadas em Large Language Models (LLMs). No campo prático, esta tese oferece um artefato acessível, replicável e potencialmente escalável, que pode apoiar empresas varejistas na personalização da experiência do cliente, promovendo sua transformação digital com base em Inteligência Artificial aplicada. [resumo fornecido pelo autor] | pt_BR |
dc.description.abstract | The increasing complexity of the consumer journey in the retail sector, driven by rapid and profound digital transformation, has demanded that companies operate in a more integrated, responsive, and personalized manner across multiple interaction channels. In this context, the recent rise of Artificial Intelligence Technologies, particularly generative language models - has expanded the possibilities for large-scale personalization, becoming a central driver of strategic innovation in retail. However, despite technological advances, both academic literature and business practices still lack systematized solutions that effectively integrate Artificial Intelligence into Omnichannel strategies specially within small and medium-sized enterprises, which face structural, operational, and financial limitations in keeping pace with this evolution. This research proposes the application of Generative Artificial Intelligence through a custom-designed GPT based artifact aimed at personalizing Omnichannel strategy implementation in retail businesses. The study was conducted under the principles of the Design Science Research (DSR) methodology, encompassing the construction of a theoretical model for applying Generative AI to Omnichannel strategie
personalization, later operationalized in a functional artifact integrated into the ChatGPT platform. The artifact was configured to perform diagnostics, generate personalized recommendations, and deliver analyses adapted to companies with varying levels of digital maturity, based on the evaluation of seven critical dimensions of customer experience in retail. Empirical tests conducted in three small retail companies demonstrated the artifact's effectiveness in enabling personalization, highlighting its capacity to produce strategic recommendations even in environments with limited technological infrastructure. Theoretical contributions include advancing the understanding of how Generative AI can be integrated with Omnichannel strategies, as well as the innovative application of the DSR methodology in developing solutions based on Large Language Models (LLMs). From a practical standpoint, this thesis offers an accessible, replicable, and potentially scalable artifact capable of supporting retail businesses in enhancing customer experience and advancing their digital transformation through applied Artificial Intelligence. [resumo fornecido perlo autor] | en |
dc.description.sponsorship | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior, CAPES | pt_BR |
dc.language.iso | pt | pt_BR |
dc.subject | Comércio varejista | pt_BR |
dc.subject | Inteligência artificial | pt_BR |
dc.subject | Administração | pt_BR |
dc.subject | Comportamento do consumidor | pt_BR |
dc.subject | Retail trade | en |
dc.subject | Artificial intelligence | en |
dc.subject | Management | en |
dc.subject | Consumer behavior | en |
dc.title | Artefato de inteligência artificial generativa para personalização da estratégia Omnichannel no varejo | pt_BR |
dc.type | Tese | pt_BR |
mtd2-br.advisor.instituation | Universidade de Caxias do Sul | pt_BR |
mtd2-br.advisor.lattes | https://lattes.cnpq.br/1451481263946187 | pt_BR |
mtd2-br.author.lattes | BUSNELO, M. R. | pt_BR |
mtd2-br.program.name | Doutorado em Administração | pt_BR |
mtd2-br.campus | Campus Universitário de Caxias do Sul | pt_BR |
local.data.embargo | 2025-06-24 | |