Pular para o conteúdo
Laboratório de IA Aplicada à Aprendizagem

Carlos Augusto Diniz

Especialista em IA Aplicada à Educação · Design Instrucional · AI Fluency · Automação No-Code · Learning Analytics.

Transformando aprendizagem, capacitação e desenvolvimento de competências através da integração entre Inteligência Artificial, Ciência de Dados e Design Educacional.

Doutorado
BioinformáticaUFMG
Publicações
11internacionais
Citações
+260acadêmicas
Experiência
+10anos aplicados
Sobre

Aprendizagem orientada por evidência e inteligência.

Sou Learning Designer e estrategista de capacitação corporativa, com foco na adoção responsável e produtiva de Inteligência Artificial em ambientes educacionais e organizacionais.

Atuo na intersecção entre Ciência, IA Aplicada e Design Educacional — desenhando jornadas de aprendizagem inteligentes, programas de AI Fluency e fluxos automatizados com ferramentas No-Code.

Trabalho com lideranças de L&D, RH e Educação para traduzir complexidade técnica em experiências de aprendizagem mensuráveis, escaláveis e profundamente humanas.

“A IA não substitui o educador. Ela amplifica a clareza de quem desenha aprendizagem com método, dado e propósito.”
— Carlos Augusto Diniz
Ciência + IA + Aprendizagem

Da bancada científica ao design de aprendizagem.

Doutorado e Pós-Doutorado em Bioinformática pela Universidade Federal de Minas Gerais (UFMG).

Minha trajetória científica me permitiu desenvolver competências avançadas em análise de dados complexos, pensamento crítico, pesquisa baseada em evidências e resolução de problemas. Hoje aplico essa mesma base para acelerar a aprendizagem, apoiar a adoção de Inteligência Artificial e desenvolver soluções educacionais orientadas por dados.

Acessar Currículo Lattes— histórico acadêmico completo
11Publicações científicas internacionais
+260Citações acadêmicas
+10Anos de experiência aplicada
P&D

Linhas de Pesquisa & Desenvolvimento (P&D)

Experimentos vivos na intersecção entre IA, design de aprendizagem e automação. Em iteração contínua.

Projeto · 01
🟡 Em fase de Validação Pedagógica

AI Fluency para Educadores

Desafio
A fobia tecnológica e o uso superficial de LLMs por profissionais de educação.
Arquitetura da Solução
Framework de letramento baseado nas diretrizes da Anthropic, combinando design instrucional ágil e workshops interativos.
Tech Stack
ClaudeCanvas LMSNotion
Projeto · 02
🟡 Engenharia de Prompt em Andamento

Learning Journey Inteligente

Desafio
Trilhas de aprendizagem genéricas que ignoram o contexto individual do colaborador.
Arquitetura da Solução
Criação de agentes educacionais que adaptam o conteúdo (Microlearning) com base no desempenho e cargo, usando LXD.
Tech Stack
OpenAI APISupabaseReact
Projeto · 03
🟡 Integração de APIs (Protótipo)

LearningOps Automation

Desafio
O gargalo administrativo no ciclo de T&D, consumindo horas de curadoria e gestão.
Arquitetura da Solução
Orquestração de fluxos de trabalho invisíveis, conectando bancos de dados ao disparo de e-mails e emissão de relatórios automatizados.
Tech Stack
n8nMakeSupabaseGmail API
Projeto · 04
🟡 Modelagem de Dados (Protótipo)

Learning Analytics Command Center

Desafio
A tomada de decisão educacional baseada em intuição, sem métricas de correlação.
Arquitetura da Solução
Dashboards analíticos que cruzam engajamento com performance de negócio, trazendo a precisão da bioinformática para o RH.
Tech Stack
PythonLooker StudioAPIs educacionais
Competências

Um stack integrado entre ciência, design e tecnologia.

  • IA Aplicada à Educação

    Adoção estratégica de LLMs e modelos generativos em contextos pedagógicos.

  • AI Fluency

    Programas de fluência em IA para profissionais e lideranças.

  • Learning Design

    Arquitetura de experiências de aprendizagem orientadas por evidência.

  • Automação No-Code

    Fluxos com n8n, Make e integrações via API para LearningOps.

  • Learning Analytics

    Mensuração de impacto, dashboards e decisão baseada em dados.

  • Ciência de Dados

    Base científica em bioinformática aplicada a problemas educacionais.

Metodologia

Um processo desenhado para gerar evidência e impacto.

Cada projeto percorre quatro estágios — do diagnóstico à analítica — garantindo rigor, escalabilidade e mensuração.

  1. 01

    Diagnóstico estratégico

    Mapeio contexto, maturidade em IA, objetivos de aprendizagem e indicadores críticos.

  2. 02

    Design de jornada

    Estruturo trilhas, experiências e artefatos orientados por evidência e dados.

  3. 03

    Construção com IA + No-Code

    Implemento soluções com LLMs, automações e integrações que escalam o impacto.

  4. 04

    Analytics e iteração

    Monitoro métricas de aprendizagem e refino continuamente o sistema.