Do Caos ao Prompt T1E2: Transformando Problemas Simples em Soluções Inteligentes com IA - Teste de App Web

INTRODUÇÃO

Este Post apresenta a continuação da mudança que está sendo feita em um aplicativo Web, com ajuda de Chatbot de IA, relatada no Post Do Caos ao Prompt T1E1: Transformando Problemas Simples em SoluçõesInteligentes com IA - Melhoria em App.

Contexto

Home Office de profissional da área de TI, especialista em ReactJS, atuando em programação, executando um serviço da sua rotina diária.

É importante ressaltar que a pessoa alocada no Home Office não tem conhecimento técnico da infraestrutura da AWS (Amazon Web Services).

Foi implementada certa melhoria em aplicativo Web, do qual o Home Office tem conhecimento técnico, com ajuda de um Chatbot de IA, como um experimento.

Os testes da mudança foram realizados com sucesso na máquina local, do desenvolvedor.

O código alterado pelo Chatbot de IA funcionou corretamente e não houve nenhuma necessidade de ajuste manual.

Em seguida, foi executada a etapa de publicação da versão beta do aplicativo no ambiente de Produção, na infraestrutura da AWS, conforme uma checklist padrão.

Aparentemente, a publicação foi executada com sucesso, pois as mensagens que apareceram indicavam situações normais. 

No entanto, a versão não foi publicada.

O desenvolvedor revisou o processo de publicação da versão beta na AWS e não encontrou falhas.

Repetiu os passos, conforme a Checklist padrão, mas o problema ocorreu outra vez.

Nenhuma mensagem de erro emitida pela AWS.

O suporte foi informado do problema e a resposta está sendo esperada.

Enquanto isso, o problema foi especificado conforme o MASP (Método de Análise e Solução de Problemas), para que seja criado um Prompt de IA.

Objetivo

Enviar a um Chatbot de IA, o Prompt que foi criado por um Chatbot de IA com base no MASP, com o objetivo de criar um Plano de Ação para solução do problema.

Próximos Passos

Os próximos tópicos são:

• Especificação do Problema: Etapas 1 a 3 do MASP
• Pedido de um Prompt a um Chatbot de IA: Baseado nas Etapas 1 a 3 do MASP
• Execução do Prompt: Obtenção do Plano de Ação
• Conclusão

Especificação do Problema: Etapas 1 a 3 do MASP

Identificação do Especialista de IA

Qual o papel do Chatbot? Profissional da área de TI, especialista em AWS, atuando como suporte ao desenvolvedor para resolver problema no deploy da versão beta.

ETAPA 1 - IDENTIFICAÇÃO DO PROBLEMA: Definir claramente o problema (diferença entre o que é e o que deveria ser). Utilizar 5W1H.

1.1  [What?]  - O que aconteceu diferente do esperado? O deploy da versão beta do aplicativo Web não foi realizado, embora não tenha ocorrido mensagem de erro durante a publicação.

1.2 [Who?]   - Quem fez o deploy da mudança? O desenvolvedor que fez a mudança no aplicativo.

1.3 [When?]  - Evento que inicia o deploy da mudança? Commit da mudança no aplicativo.

1.4 [Where?] - Onde foi feito o commit? Na plataforma Bitbucket

1.5 [Why?]   - Por que o deploy falhou? Não sabemos porque não ocorreu nenhuma mensagem de erro. Mas o fato é que há mais de 3 meses não temos feito deploy da beta na AWS.

1.6 [How?]   - Como é o procedimento, passo a passo, para deploy da beta na AWS?

1.6.1 Passo 1: Após o merge da mudança e o commit no Bitbucket, no console da AWS, selecionar S2 para fazer upload dos arquivos do Histórico de Versões da máquina local para o AWS S2.

1.6.2 Passo 2: No console da AWS, selecionar S3 para fazer upload dos arquivos estáticos da máquina local para a AWS S3.

1.6.3 Passo 3: No console da AWS, selecionar CloudFront para fazer o upload do Front End do aplicativo, que é desacoplado do Back End.

ETAPA 2 - OBSERVAÇÃO: Investigar as características específicas do problema com uma visão ampla e sob vários pontos de vista. Utilizar Diagrama de Ishikawa ou Causa e Efeito.

2.1 [Pessoas?] As Pessoas podem ser causa do problema? Não.

2.2 [Recursos?] Os Recursos (Serviços da AWS, Hardware, Sistema Operacional, Softwares básicos) podem ser causa do problema? Não sei.

2.3 [Métodos?] Os Métodos (Componentes do aplicativo) podem ser causa do problema? Não

2.4 [Entradas?] As Entradas podem ser causa do problema? Não

2.5 [Saídas?] As Saídas podem ser causa do problema? Não

2.6 [Medições?] As Medições podem ser causa do problema? Não

ETAPA 3 - ANÁLISE: Descobrir as causas fundamentais. Utilizar "5 Porquês".

3.1 Para cada problema encontrado no item 3 OBSERVAÇÃO, perguntar 5 vezes o porquê do problema ou defeito ter ocorrido, a fim de descobrir a sua real causa, ou seja, a causa raiz.

3.1.1 Pessoas: Por quê? Por quê? Por quê? Por quê? Por quê? Não se aplica.

3.1.2 Recursos: Por quê? Não sei. Pedi ajuda ao suporte mas ainda não tive retorno.

3.1.3 Métodos: Por quê? Por quê? Por quê? Por quê? Por quê? Não se aplica.

3.1.4 Entradas: Por quê? Por quê? Por quê? Por quê? Por quê? Não se aplica.

3.1.5 Saídas: Por quê? Por quê? Por quê? Por quê? Por quê? Não se aplica.

3.1.6 Medições: Por quê? Por quê? Por quê? Por quê? Por quê? Não se aplica.

Comando para IA criar a "ETAPA 4 - PLANO DE AÇÃO" a fim de resolver o problema especificado acima.

Pedido de um Prompt a um Chatbot de IA: Baseado nas Etapas 1 a 3 do MASP

Este tópico apresenta um pedido a um Chatbot de IA, para criação de um Prompt contendo só o essencial, com base nas etapas 1 a 3 do MASP, especificadas no tópico anterior.

Prompt Condensado - MASP (Método de Análise e Solução de Problemas)

Identificação do Especialista de IA: Profissional da área de TI, especialista em AWS, atuando como suporte ao desenvolvedor para resolver problemas no deploy da versão beta.

ETAPA 1 - IDENTIFICAÇÃO DO PROBLEMA:

• What? Deploy da versão beta não foi realizado, sem mensagens de erro.
• Who? Desenvolvedor responsável pela mudança no aplicativo.
• When? Após commit na plataforma Bitbucket.
• Where? Commit realizado no Bitbucket.
• Why? Motivo desconhecido; deploy da beta na AWS não ocorre há mais de 3 meses.
• How?
1. Passo 1: Upload do histórico de versões no AWS S2.
2. Passo 2: Upload de arquivos estáticos no AWS S3.
3. Passo 3: Upload do front-end no AWS CloudFront.

ETAPA 2 - OBSERVAÇÃO: Investigar com Diagrama de Causa e Efeito:

• Pessoas? Não é causa do problema.
• Recursos? Pode ser causa, análise pendente.
• Métodos? Não é causa do problema.
• Entradas? Não é causa do problema.
• Saídas? Não é causa do problema.
• Medições? Não é causa do problema.

ETAPA 3 - ANÁLISE: Utilizar 5 Porquês para investigar a causa raiz dos recursos:

• Por quê os serviços da AWS não funcionaram conforme esperado? Ainda aguardando retorno do suporte.

Comando Final: Criar a "ETAPA 4 - PLANO DE AÇÃO" com foco na resolução do problema de deploy da beta na AWS.

Execução do Prompt: Obtenção do Plano de Ação

Este tópico apresenta o texto gerado como resposta ao Prompt do tópico anterior, que contém o Plano de Ação para solução do problema.

É importante ressaltar que esta não é a solução do problema, mas apenas um plano de ação, que para ser executado, exige a colaboração de pessoas que tenham o conhecimento técnico do ambiente AWS.

ETAPA 4 - PLANO DE AÇÃO

Com base na análise e na investigação realizada até o momento, o seguinte plano de ação é proposto para resolver o problema de deploy da versão beta na AWS:

1. Aprofundar a investigação sobre os recursos da AWS:

• 1.1. Monitoramento detalhado: Implementar um monitoramento mais granular dos serviços AWS envolvidos no deploy (S2, S3, CloudFront). Isso inclui a verificação de logs, métricas de desempenho e alertas para identificar possíveis gargalos ou erros não reportados.
• 1.2. Revisão da configuração: Realizar uma revisão completa das configurações dos serviços AWS, comparando com versões anteriores que funcionavam corretamente. Verificar permissões, políticas de acesso, regras de roteamento e outros parâmetros relevantes.
• 1.3. Testes isolados: Executar testes isolados de cada etapa do deploy (upload do histórico, arquivos estáticos e front-end) para identificar qual componente está falhando.
• 1.4. Suporte AWS: Continuar o acompanhamento do suporte AWS, fornecendo informações detalhadas sobre o problema e os testes realizados. Solicitar uma análise aprofundada dos logs e configurações dos serviços envolvidos.

2. Revisão do processo de deploy:

• 2.1. Automação: Avaliar a implementação de ferramentas de automação de deploy (CI/CD) para reduzir a dependência de processos manuais e minimizar erros humanos.
• 2.2. Versionamento: Implementar um sistema de versionamento robusto para os arquivos e configurações do deploy, facilitando o rollback em caso de problemas.
• 2.3. Documentação: Criar ou atualizar a documentação do processo de deploy, incluindo os passos detalhados, configurações dos serviços AWS e possíveis soluções para problemas comuns.

3. Comunicação e colaboração:

• 3.1. Comunicação com o desenvolvedor: Manter uma comunicação clara e frequente com o desenvolvedor responsável pelas mudanças no aplicativo, compartilhando os resultados da investigação e as ações tomadas.
• 3.2. Colaboração com a equipe: Envolver outros membros da equipe de TI, especialmente especialistas em AWS, para auxiliar na investigação e resolução do problema.

4. Ações de contingência:

• 4.1. Rollback: Preparar um plano de rollback para a versão anterior do aplicativo, caso a resolução do problema de deploy se prolongue.
• 4.2. Ambiente de teste: Criar um ambiente de teste isolado para simular o processo de deploy e identificar possíveis problemas antes de afetar o ambiente de produção.

5. Ações preventivas:

• 5.1. Monitoramento proativo: Implementar um sistema de monitoramento proativo para detectar problemas de deploy antes que eles causem impacto nos usuários.
• 5.2. Treinamento: Realizar treinamentos periódicos para a equipe de desenvolvimento sobre as melhores práticas de deploy na AWS.
• 5.3. Revisão de processos: Realizar revisões periódicas dos processos de deploy para identificar oportunidades de melhoria e otimização.

Este plano de ação será executado de forma iterativa, com acompanhamento constante dos resultados e ajustes conforme necessário. A prioridade é identificar a causa raiz do problema e implementar uma solução robusta e escalável para garantir a estabilidade e a confiabilidade do deploy da versão beta na AWS.

CONCLUSÃO

Conforme as palavras do Professor Vicente Falconi Campos, um renomado consultor de gestão, "Há três fatores fundamentais para a obtenção de resultados: 

• Liderança, 
• Conhecimento Técnico e 
• Método".

O que faltou aqui foi o conhecimento técnico da infraestrutura de TI, fornecida pela AWS, pois a pessoa que tem esse conhecimento, está indisponível, temporariamente.

Este foi um ótimo exemplo para reforçar o uso do MASP com a colaboração de pessoas que tenham o conhecimento técnico necessário para resolver o problema.

O conhecimento técnico é importante para definir a causa-raíz do problema, nas etapas 2 e 3 do MASP.

Sem a definição da causa-raiz, o máximo que o Chatbot de IA poderá fazer será um Plano de Ação, para orientar a equipe na busca da causa-raiz.

Por outro lado, com a definição da causa-raiz, o Chatbot de IA poderá fornecer uma solução para o problema, pois tem o conhecimento técnico de um especialista.

No Post Do Caos ao Prompt T1E1: Transformando Problemas Simples em SoluçõesInteligentes com IA - Melhoria em App, a solução foi obtida com o Prompt de IA, porque a causa-raiz do problema foi identificada com precisão.

Para encerrar este Post, vamos repetir algumas Frases Inspiradoras, para solução de problemas:

1. "Só sei que nada sei" - Sócrates
2. "Dê-me um ponto de apoio e uma alavanca que moverei o mundo" - Arquimedes
3. "Há três fatores fundamentais para a obtenção de resultados: Liderança, Conhecimento Técnico e Método" - Professor Vicente Falconi Campos

Na frase 1, se a equipe tiver uma percepção que se aproxime do que diz a frase, no que se refere ao contexto do problema, então o líder tem que providenciar a participação de pessoas com conhecimento técnico.

Na frase 2, o ponto de apoio é caracterizado pelo MASP e a alavanca é caracterizada pela IA.

Na frase 3, temos uma lista de verificação de extrema importância, para se obter resultados: Liderança, Conhecimento Técnico e Método. A causa-raiz do problema é o foco. E para obter esse foco, é indispensável a colaboração de pessoas com o conhecimento técnico da AWS, antes de pedir ajuda ao Chatbot de IA, com uma liderança disposta a superar os desafios internos e externos.

Próximo Post: Do Caos ao Prompt T1E3: Transformando Problemas Simples em Soluções Inteligentes com IA – Instalação de App Windows

Demais Episódios da Temporada

• Série Do Caos ao Prompt
• Temporada T1Transformando Problemas Simples em Soluções Inteligentes com IA
• Episódio E1 Melhoria em App Web
• Episódio E3 Instalação de App Windows
• Episódio E4 Instalação de App Android (Wi-Fi)

Do Caos à Solução: Como o MASP e a IA Transformam Problemas em Oportunidades

 Introdução

Este post apresenta uma forma de usar o MASP (Método de Análise e Solução de Problemas), com a Inteligência Atificial, para resolver problemas.

Contexto

Home Office de qualquer especialidade.

Objetivo

Mostrar como solicitar a um Chatbot de IA, a criação de prompts muito mais eficazes e direcionados do que aqueles criados no meio do caos, por tentativa e erro.

Informações Adicionais

Heráclito, o filósofo grego, uma vez disse: "Nada é permanente, exceto a mudança." E, de fato, vivemos em um mundo em constante transformação, onde mudanças incessantes geram variações nos processos.

Variações e Problemas

Essas variações, por sua vez, trazem à tona diferenças entre o estado atual (o que é) e o estado esperado (o que deveria ser). 

Ou seja, elas criam problemas. Como bem define a frase, "problema é a diferença entre o que é e o que deveria ser."

Caos e Oportunidades

Porém, a abundância de mudanças e problemas não precisa ser motivo de caos. 

Pelo contrário, com as ferramentas certas, cada problema pode se tornar uma oportunidade de aprendizado e melhoria. 

É aqui que o MASP (Método de Análise e Solução de Problemas) e a Inteligência Artificial entram em cena. 

Juntos, eles formam o ponto de apoio e a alavanca que nos permitem enfrentar e resolver problemas, cuja quantidade tende ao infinito devido à natureza dinâmica do mundo.

MASP transforma o caos em clareza

O MASP, com suas 42 perguntas estruturadas e aplicando metodologias como o 5W1H e o Diagrama de Ishikawa (6M), facilita a coleta e o registro de informações detalhadas sobre o problema. 

Esse processo colaborativo organiza o pensamento e transforma o caos em clareza.

Responder o questionário de 42 perguntas do MASP equivale a coletar e registrar o conhecimento do problema.

Pedir ao Chatbot de IA a criação de um Prompt conciso a partir do questionário de 42 perguntas do MASP equivale a compartilhar o conhecimento do problema.

Após a solução do problema, salvar o questionário de 42 perguntas do MASP, bem como as interações com o Chatbot de IA que resolveu o problema, equivale a criar uma base de conhecimento, que ficará disponível para compartilhar com as pessoas interessadas naquele tipo de problema.

E se eu não souber responder o questionário do MASP?

Este fato indica que você precisa da colaboração de outras pessoas, para ter uma visão ampla e com vários pontos de vista do problema. 

A colaboração de vários participantes do problema é indispensável para ajudar a responder as 42 perguntas do questionário, porque facilita a obtenção de vários pontos de vista e uma visão ampla.

Tenho que responder sempre todas as 42 perguntas?

Nem sempre, pois depende do problema. Mas, no mínimo você terá que responder 13 perguntas.

Como são classificadas essas 42 perguntas?

As perguntas são classificadas de acordo com as técnicas 5W1H, Diagrama de Ishikawa e 5Porquês:

• 5W1H - 6 perguntas para identificação do problema (O que? Quem? Quando? Onde? Por quê? Como?)
• Diagrama de Ishikawa - 6 perguntas para encontrar as possíveis causas (Mão de Obra? Máquina? Material? Método? Meio Ambiente? Medição?)
• 5Porquês - 5 perguntas "Por quê?" para cada pergunta do Diagrama de Ishikawa, totalizando 30 perguntas (mas pode ser menos de 30 perguntas, dependendo do problema)

IA converte a análise do MASP em Prompts eficazes

Em seguida, ao usar essas informações, a IA pode converter a análise do MASP em prompts muito mais eficazes e direcionados do que aqueles criados no meio da confusão, por tentativa e erro. 

O resultado? Respostas rápidas, assertivas e focadas.

Capacitação para resolver problemas de forma colaborativa – integração de MASP e IA

Portanto, capacitar-se para resolver problemas de forma colaborativa, integrando o MASP e a IA, não é apenas útil — é indispensável. 

Essa habilidade permite não apenas administrar o caos criado pelas mudanças, mas também transforma essas mudanças em oportunidades para avançar.

Conclusão

Lembre-se: enfrentar a mudança com preparo e estratégia não apenas resolve problemas, mas constrói alicerces para um futuro mais resiliente e inovador.

Exemplos de integração de MASP e IA:

• Do Caos ao Prompt T1E1: Transformando Problemas Simples em Soluções Inteligentes com IA - Melhoria em App
• Do Caos ao Prompt T1E2: Transformando Problemas Simples em Soluções Inteligentes com IA – Teste de App Web
• Do Caos ao Prompt T1E3: Transformando Problemas Simples em Soluções Inteligentes com IA – Instalação de App Windows
• Do Caos ao Prompt T1E4: Transformando Problemas Simples em Soluções Inteligentes com IA – Instalação de App Android (Wi-Fi)

Do Caos ao Prompt T1E1: Transformando Problemas Simples em Soluções Inteligentes com IA - Melhoria em App Web

 INTRODUÇÃO

Este post é o episódio 1 da temporada 1 da série "Do Caos ao Prompt", que tem como objetivo mostrar exemplos reais de utilização da Inteligência Artificial (IA) para resolver problemas do dia a dia.

Saiba mais neste post: Do Caos à Solução: Como o MASP e a IA Transformam Problemas em Oportunidades

Contexto

Home Office de profissional da área de TI, especialista em ReactJS, atuando em programação, executando um serviço da sua rotina diária.

Objetivo

Implementar melhoria em aplicativo Web, do qual o Home Office tem conhecimento técnico.

Informações Adicionais

Este exemplo mostra como especificar um problema por meio de um questionário de 42 perguntas, para solicitar a um Chatbot de IA a criação de um Prompt.

Esse questionário mistura a especificação de um problema, usando as 3 primeiras etapas do MASP (Método de Análise e Solução de Problemas), com um comando para que um Chatbot de IA faça a etapa 4, que é o Plano de Ação.

O texto do questionário não é, de fato, um Prompt bem formado, mas contém informações valiosas para a criação de um Prompt conciso, para que um Chatbot de IA desenvolva uma solução.

Por outro lado, o texto do questionário é uma fonte rica de informações a respeito do problema, que pode ser armazenada numa base de conhecimento.

Descrição do Problema: Identificação, observação e análise com 42 perguntas e respostas

Identificação do Especialista de IA

O Chatbot de IA é um profissional da área de TI, especialista em ReactJS, atuando como programador.

ETAPA 1 - IDENTIFICAÇÃO DO PROBLEMA: Definir claramente o problema (diferença entre o que é e o que deveria ser). Utilizar 5W1H.

1.1 [What?]  - O que aconteceu diferente do esperado? A existência da combobox Distrito está confundindo os usuários.

1.2 [Who?]   - Quem solicitou a mudança? O usuário administrador do aplicativo.

1.3 [When?]  - Evento que inicia a execução? Seleção da funcionalidade “Informação Distrital”.

1.4 [Where?] - Onde o usuário se confundiu? Na seleção do item na combobox Distrito

1.5 [Why?]   - Por que o usuário se confundiu? Porque ele não entendeu a diferença entre Distrito Municipal e Estadual, imaginou que deveria selecionar uma opção e não entendeu que a combobox já apresentava o distrito adequado para ele, por default.

1.6 [How?]   - Como é o procedimento, passo a passo, para reproduzir o erro?

1.6.1 Passo 1: Após o login, selecionar a funcionalidade “Informação Distrital”

1.6.2 Passo 2: Na combobox Distrito, selecionar uma opção

1.6.3 Passo 3: Clicar no botão Pesquisar

ETAPA 2 - OBSERVAÇÃO: Investigar as características específicas do problema com uma visão ampla e sob vários pontos de vista. Utilizar Diagrama de Ishikawa ou Causa e Efeito.

2.1 [Pessoas?] As Pessoas podem ser causa do problema? Não.

2.2 [Recursos?] Os Recursos (Hardware, Sistema Operacional, Softwares básicos) podem ser causa do problema? Não.

2.3 [Métodos?] Os Métodos (Componentes do aplicativo) podem ser causa do problema? Sim

2.4 [Entradas?] As Entradas podem ser causa do problema? Não

2.5 [Saídas?] As Saídas podem ser causa do problema? Não

2.6 [Medições?] As Medições podem ser causa do problema? Não

ETAPA 3 - ANÁLISE: Descobrir as causas fundamentais. Utilizar "5 Porquês".

3.1 Para cada problema encontrado no item 3 OBSERVAÇÃO, perguntar 5 vezes o porquê do problema ou defeito ter ocorrido, a fim de descobrir a sua real causa, ou seja, a causa raiz.

3.1.1 Pessoas: Por quê? Por quê? Por quê? Por quê? Por quê? Não se aplica.

3.1.2 Recursos: Por quê? Por quê? Por quê? Por quê? Por quê? Não se aplica.

3.1.3 Métodos: Por quê? Porque a combobox Distrito não é necessária para o usuário final, portanto, deve ser apresentada, somente se o usuário for Administrador. O atributo do usuário que indica a sua posição de Administrador está na variável this.state.user.is_staff, com valor igual a true.

Então, a regra é apresentar a combobox codificada abaixo, somente se o usuário for Administrador.

<div className="input-field col m2 hide-on-med-and-fdown "><p>Distrito</p></div>
<div className="input-field col s12 ">
    <select value={this.state.tipo_distrito_id}
            ref="tipodistrito" onChange={this._profileHandleChange.bind(this, 'tipo_distrito_id')}
            className="browser-default"
            style={{width:'300px'}}>
        {this.state.tipos_distrito.map((tipo, index) => {
            return (
                <option value={tipo.id}  key={index}>{tipo.name}</option>
            );
        })}
    </select>
</div>

3.1.4 Entradas: Por quê? Por quê? Por quê? Por quê? Por quê? Não se aplica.

3.1.5 Saídas: Por quê? Por quê? Por quê? Por quê? Por quê? Não se aplica.

3.1.6 Medições: Por quê? Por quê? Por quê? Por quê? Por quê? Não se aplica.

Comando para IA: Criar a "ETAPA 4 - PLANO DE AÇÃO" a fim de resolver o problema especificado acima e, se possível, escrever o código necessário para implementação.

Prompt criado pela IA

Aqui está o Prompt transformado e refinado, contendo apenas o essencial:

Prompt para IA:

Você é um profissional de TI especializado em ReactJS e programador. Analise o problema identificado:

• Problema: A combobox "Distrito" está confundindo usuários finais na funcionalidade "Informação Distrital" do aplicativo, devido à falta de distinção clara entre "Distrito Municipal" e "Estadual".
• Análise: A combobox "Distrito" deve ser visível apenas para usuários Administradores. Um administrador é identificado quando a variável this.state.user.is_staff é true.
• Bloco de Código: 
  <div className="input-field col m2 hide-on-med-and-fdown "><p>Distrito</p></div>
  <div className="input-field col s12 ">
      <select value={this.state.tipo_distrito_id}
              ref="tipodistrito" onChange={this._profileHandleChange.bind(this, 'tipo_distrito_id')}
              className="browser-default"
              style={{width:'300px'}}>
          {this.state.tipos_distrito.map((tipo, index) => {
              return (
                  <option value={tipo.id}  key={index}>{tipo.name}</option>
              );
          })}
      </select>
  </div>

Tarefa: Crie a "ETAPA 4 - PLANO DE AÇÃO" detalhada para resolver esse problema. Inclua, se possível, o código necessário em ReactJS para implementar a solução.

Solução do Problema pela IA

ETAPA 4 - PLANO DE AÇÃO

Objetivo: Garantir que a combobox "Distrito" esteja visível apenas para usuários Administradores, melhorando a usabilidade e a experiência do usuário final.

Passos Detalhados:

1. Análise do Código Atual

   • Revisar o código existente para entender onde a combobox "Distrito" está sendo renderizada.

   • Verificar os pontos do código onde a variável this.state.user.is_staff é definida e utilizada.

2. Alteração no Componente

   • Modificar o componente para que a combobox "Distrito" seja exibida somente se o usuário for Administrador. A condição deve verificar o estado this.state.user.is_staff antes de renderizar a combobox.

3. Implementação do Controle Condicional

   • Adicionar a lógica condicional para renderizar os elementos HTML da combobox somente para usuários com o atributo is_staff igual a true.

4. Teste da Solução

   • Realizar testes para assegurar que a combobox seja exibida apenas para Administradores.

   • Testar também as funcionalidades da combobox com diferentes perfis de usuários (Administrador e usuário comum).

5. Documentação da Alteração

   • Atualizar a documentação do projeto para refletir as mudanças realizadas, incluindo o motivo da alteração e as regras de exibição.

Código Ajustado em ReactJS:

jsx

{this.state.user.is_staff && (
  <div className="input-field col m2 hide-on-med-and-fdown">
    <p>Distrito</p>
  </div>
)}
{this.state.user.is_staff && (
  <div className="input-field col s12">
    <select
      value={this.state.tipo_distrito_id}
      ref="tipodistrito"
      onChange={this._profileHandleChange.bind(this, 'tipo_distrito_id')}
      className="browser-default"
      style={{ width: '300px' }}
    >
      {this.state.tipos_distrito.map((tipo, index) => (
        <option value={tipo.id} key={index}>{tipo.name}</option>
      ))}
    </select>
  </div>
)}

Resultados Esperados:

• A combobox "Distrito" será exibida apenas para usuários Administradores, eliminando a confusão para os usuários finais.

• O sistema se tornará mais intuitivo e funcional.

Se precisar de mais apoio para essa implementação ou para os testes, estou aqui!

Da complexidade à simplicidade

Este problema do exemplo foi simples.

E se o problema for complexo?

Quando o problema for complexo, o primeiro passo é decompor em partes menores e mais gerenciáveis.

Essa técnica consiste em identificar quais partes do problema já possuem soluções conhecidas ou podem ser resolvidas de imediato, descartando-as do foco principal.

Depois, concentre-se nos elementos restantes, dividindo-os ainda mais se necessário.

Ao final, você terá transformado um problema que parecia intimidante em um conjunto de problemas simples e solucionáveis.

Essa abordagem não apenas facilita a resolução, mas também ajuda a organizar e priorizar o esforço necessário.

Construindo uma Base de Conhecimento

Construindo Sabedoria: Crie uma Base de Conhecimento Estruturada com o MASP e as Tags 5W1H e 6M

Este tópico destaca o aspecto estratégico e organizado da idéia de transformar especificações de problemas com MASP em Prompt de IA.

Além disso, chama atenção ao valor de criar uma base sólida de aprendizado e referência.

Este tópico transmite claramente a essência da idéia de criar Prompt a partir das 42 perguntas e respostas do MASP, enquanto mantém uma abordagem atraente para o leitor experimentar.

Imagine todos os problemas sendo especificados e resolvidos com IA, deixando informações disponíveis de cada problema com 42 perguntas e com as tags do 5W1H e do Diagrama de Ishikawa (6M).

Trata-se de criar uma base de conhecimento baseada de Perguntas e Respostas, separadas por categoria e com tags para facilitar as pesquisas.

A categoria poderia ser criada por agrupamento de um conjunto de problemas com alguma característica comum. 

CONCLUSÃO

Para motivar ainda mais o leitor a adotar a decomposição de problemas, podemos destacar os seguintes pontos:

1. Redução do Estresse Enfrentar um problema complexo muitas vezes pode ser intimidante. Dividindo-o em partes menores, o processo se torna mais manejável, reduzindo o estresse e aumentando a confiança na resolução.
2. Facilidade na Colaboração Problemas menores e bem definidos são mais fáceis de compartilhar com colegas ou equipes, promovendo uma colaboração mais eficiente e a possibilidade de soluções criativas vindas de diferentes perspectivas.
3. Incrementos Sustentáveis Resolver partes do problema uma de cada vez cria um senso de progresso constante. Cada pequena solução implementada é um passo visível em direção ao objetivo maior, o que é extremamente motivador.
4. Precisão na Solução Com a IA respondendo rapidamente a cada subproblema, há mais espaço para experimentar soluções alternativas e ajustar detalhes, o que geralmente resulta em soluções mais precisas e bem pensadas.
5. Aumento do Conhecimento A cada parte resolvida, o usuário compreende melhor as nuances do problema geral. Isso aumenta a capacidade de identificar padrões e prever possíveis dificuldades em projetos futuros.

Por fim, podemos reforçar que decompor problemas em unidades menores não é apenas uma estratégia eficiente, mas também uma forma de evoluir continuamente no aprendizado, na produtividade e na confiança.

Transformar o complexo em simples é uma habilidade poderosa!

Veja este Post sobre Solução de Problemas: Abordagens para identificação de problema durante a utilização do MASP

Próximo Post da Série "Do Caos ao Prompt": Do Caos ao Prompt T1E2: Transformando Problemas Simples em Soluções Inteligentes com IA – Teste de App Web

Demais Episódios da Temporada

• Série Do Caos ao Prompt
• Temporada T1Transformando Problemas Simples em Soluções Inteligentes com IA
• Episódio E2 Teste de App Web
• Episódio E3 Instalação de App Windows
• Episódio E4 Instalação de App Android (Wi-Fi)

Abordagens para identificação de problema durante a utilização do MASP

INTRODUÇÃO

Contexto

Home Office de qualquer especialidade, que tenha interesse em fazer estimativas de seu conhecimento sobre determinado Serviço, durante o planejamento.

Objetivo

O objetivo deste post é apresentar um exemplo de estimativa de conhecimento sobre uma tecnologia.

Abordagem Utilizada

T-Shirt Size e a Série de Fibonacci são abordagens que, quando combinadas, podem ser usadas para estimar o conhecimento de indivíduos ou equipes sobre um tema específico, como uma tecnologia. 

Vamos ver como isso pode ser aplicado: 

O Conceito de T-Shirt Size

T-Shirt Size é uma técnica de estimativa que utiliza categorias simples (como tamanhos de camisetas) para quantificar o nível de conhecimento ou complexidade. Por exemplo:

• MP (Muito pequeno)
• P (Pequeno)
• M (Moderado)
• B (Bom)
• A (Avançado)
• E (Especialista)

O Papel da Série de Fibonacci

A Série de Fibonacci (1, 2, 3, 5, 8, 13...) é frequentemente usada para estimar valores em contextos ágeis devido à sua natureza não-linear. 

Os números representam incrementos proporcionais, permitindo captar a complexidade crescente (ou o esforço necessário) para atingir cada nível.

Ao combinar os dois, cada tamanho da T-Shirt Size pode ser mapeado para um valor da Série de Fibonacci, ajudando a estabelecer um grau quantitativo de conhecimento. 

Isso cria uma métrica padronizada que ajuda a comparar e priorizar o aprendizado.

Exemplo: Estimando o Conhecimento sobre uma Tecnologia

Imagine que você quer estimar o conhecimento de uma equipe sobre a tecnologia Kubernetes. 

Aqui está como seria a aplicação:

Passo 1: Definir os níveis de conhecimento (T-Shirt Size):

• MP (1): Nunca ouviu falar de Kubernetes.
• P (3): Tem uma noção básica, mas nunca o utilizou na prática.
• M (8): Consegue realizar configurações simples e explicar conceitos fundamentais.
• B (21): Experiência prática na configuração e gerenciamento de clusters.
• A (55): Consegue integrar Kubernetes em arquiteturas mais complexas e solucionar problemas críticos.
• E (144): Especialista em Kubernetes, capaz de otimizar clusters e criar ferramentas personalizadas.

Passo 2: Realizar uma avaliação individual ou em grupo. 

Faça perguntas para mapear o nível de conhecimento atual, como:

• "Você já trabalhou com clusters de Kubernetes?"
• "Consegue explicar como funciona o controle de deployments?"

Passo 3: Atribuir os níveis Fibonacci.

Cada membro ou equipe é classificado em um tamanho T-Shirt (MP até E).

O tamanho é convertido no valor correspondente da Série de Fibonacci: 

Exemplo: se a maioria está no nível M (8), você sabe que o conhecimento é moderado.

Passo 4: Planejar a evolução do conhecimento. 

Use o número Fibonacci como referência para mensurar o esforço necessário para subir de nível. 

Por exemplo:

• M (8) para B (21) exige mais esforço e tempo do que de MP (1) para P (3).

Benefícios:

• A T-Shirt Size proporciona clareza e simplicidade para categorizar níveis de conhecimento.
• A Série de Fibonacci traz uma perspectiva quantitativa para mensurar o avanço.
• Ao combinar as duas, você tem uma ferramenta escalável e padronizada para identificar gaps de conhecimento e planejar treinamentos.

Essa abordagem pode ser adaptada para outras tecnologias ou até mesmo áreas específicas. O que você acha?

Exemplo: Conhecimento de linguagem de programação

Vamos construir uma lista de perguntas específicas para linguagens de programação, baseadas nos níveis de T-Shirt Size e Série de Fibonacci. 

Estas perguntas podem ajudá-lo a estimar o conhecimento individual ou em equipe sobre qualquer linguagem de programação. 

Aqui está um exemplo detalhado:

1. Nível MP (1): Muito Pequeno

• Você já ouviu falar sobre essa linguagem de programação?
• Sabe para que tipos de projetos ou tarefas ela é comumente utilizada? > Exemplo: "Você já ouviu falar sobre Python? Sabe que ele é frequentemente usado em aprendizado de máquina, automação e desenvolvimento web?"

2. Nível P (3): Pequeno

• Você conhece a sintaxe básica da linguagem, como declarar variáveis e funções?
• Já experimentou escrever um pequeno programa ou script simples usando essa linguagem? > Exemplo: "Você sabe como declarar uma variável em JavaScript ou criar uma função simples em Python?"

3. Nível M (8): Moderado

• Você consegue explicar os principais conceitos da linguagem, como estruturas de controle (loops, condicionais) e tipos de dados?
• Já desenvolveu um programa funcional de complexidade média usando essa linguagem?
• Sabe como usar bibliotecas ou pacotes para adicionar funcionalidades? > Exemplo: "Você sabe trabalhar com listas e dicionários em Python? Já usou bibliotecas como Pandas ou NumPy?"

4. Nível B (21): Bom

• Você tem experiência prática em projetos reais usando essa linguagem?
• Consegue depurar (debugar) problemas em código complexo?
• Sabe aplicar os paradigmas de programação suportados pela linguagem, como programação funcional ou orientada a objetos? > Exemplo: "Você consegue desenvolver e depurar aplicações web usando frameworks como Flask ou Django no Python?"

5. Nível A (55): Avançado

• Você é capaz de integrar a linguagem em soluções mais complexas e arquiteturas maiores, como microserviços ou sistemas distribuídos?
• Já contribuiu para bibliotecas, frameworks ou projetos de código aberto relacionados à linguagem?
• Consegue otimizar o desempenho de programas e aplicar práticas avançadas de engenharia de software, como testes automatizados e CI/CD? > Exemplo: "Você já integrou Python em uma arquitetura de microsserviços ou desenvolveu ferramentas personalizadas para um problema específico?"

6. Nível E (144): Especialista

• Você domina os aspectos internos da linguagem, como funcionamento do interpretador ou compilador?
• Consegue criar e documentar bibliotecas e frameworks do zero?
• Já ministrou treinamentos, publicou artigos ou palestras sobre essa linguagem? > Exemplo: "Você compreende como funciona o garbage collector do Python? Já criou um framework próprio ou ministrou cursos sobre a linguagem?"

Estratégia de Aplicação

1. Escolher a Linguagem-Alvo: Por exemplo, Python, Java, JavaScript ou outra.
2. Aplicar as Perguntas: Realize entrevistas, questionários ou autoavaliações com indivíduos ou equipes.
3. Mapear os Resultados: Classifique cada pessoa ou equipe no nível correspondente (MP a E) e use os números Fibonacci para estimar a "distância" até o próximo nível.
4. Definir um Plano de Evolução: Planeje treinamentos, cursos ou práticas para ajudar a elevar o conhecimento progressivamente.

Essa abordagem oferece uma visão estruturada e eficiente para estimar e planejar o aprendizado sobre linguagens de programação. 

Se a pessoa não consegue responder afirmativamente a pelo menos uma das perguntas de um determinado nível, ela é classificada nesse nível ou em um nível anterior, conforme sua familiaridade. 

As perguntas são projetadas para avaliar aspectos fundamentais e práticos do conhecimento. 

Se a resposta for negativa, é um indicativo de que há lacunas a serem trabalhadas antes de avançar para o próximo nível.

Por exemplo, se alguém responder "não" às perguntas do nível M (Moderado), como "Você já desenvolveu um programa funcional usando essa linguagem?", essa pessoa provavelmente está classificada no nível P (Pequeno) até que ganhe mais prática. 

CONCLUSÃO

Essa abordagem oferece clareza para identificar o ponto de partida e planejar o progresso de forma incremental e adaptada.

Veja como aplicar essa abordagem para planejar a evolução para o próximo nível neste post:

Como Avaliar o Conhecimento e Usar IA para Superar Gaps: A Jornada para o Próximo Nível

Como Avaliar o Conhecimento e Usar IA para Superar Gaps: A Jornada para o Próximo Nível

INTRODUÇÃO

Contexto

Home Office de qualquer especialidade, que tenha interesse em métodos para avaliar seu conhecimento, antes de iniciar um novo Serviço.

Objetivo

O objetivo deste post é apresentar uma forma de avaliar o conhecimento do Home Office, necessário para prestar um novo Serviço, utilizando a tabela T-Shirt Size combinada com a Série de Fibonacci. 

O Conhecimento é Infinito 

A evolução do conhecimento é uma jornada sem fim, pois sempre há algo novo para aprender e dominar.

Porém, essa busca constante também traz desafios, especialmente quando nos deparamos com tarefas que exigem competências que ainda não dominamos. 

Como lidar com esses gaps de conhecimento de forma eficiente? 

Um método poderoso é a estimativa de conhecimento utilizando T-Shirt Size e a Série de Fibonacci. 

E, a partir dessa estimativa, a inteligência artificial pode ser um aliado fundamental, seja para resolver o problema diretamente ou para criar um plano de ação que leve a pessoa ao próximo nível de aprendizado.

O Problema

Imagine precisar fazer manutenção em um aplicativo escrito em Python. 

O problema? 

Seu conhecimento sobre Python está no nível Moderado e a tarefa exige competências de nível Bom.

Essa é uma situação comum, especialmente em um mundo onde tecnologias evoluem rapidamente.

Reconhecer o gap de conhecimento é o primeiro passo para enfrentá-lo.

Método de Avaliação de Conhecimento

Para caracterizar a falta de conhecimento, o método T-Shirt Size combinado com a Série de Fibonacci é uma ferramenta eficaz. 

Ele avalia o nível de domínio de um tema e fornece uma base estruturada para avançar.

• T-Shirt Size: Classifica o conhecimento em níveis (MP a E).
• Série de Fibonacci: Quantifica o esforço necessário para avançar de um nível ao próximo.

No caso do Python, por exemplo:

• Moderado (M - 13): Consegue desenvolver scripts simples e usar bibliotecas básicas.
• Bom (B - 34): Experiência prática em projetos reais e habilidades de debug em código mais complexo.

Se a pessoa está no nível M, a meta é avançar para B.

Saiba mais sobre a combinação do T-Shirt Size com a Série de Fibonacci neste post:

Abordagens para identificação de problema durante a utilização do MASP

A Solução com IA

A partir da constatação do gap, a inteligência artificial pode atuar de duas formas principais:

1. Resolver o Problema Imediatamente:
   O usuário pode solicitar à IA uma solução direta para o problema técnico.
   Exemplo: "Corrija este código Python para resolver o erro de execução."
   
   
2. Criar um Plano de Ação para Aprendizado:
   A IA pode ajudar a elaborar um plano estruturado para a pessoa alcançar o próximo nível de conhecimento.
   Exemplo:
• Estude os conceitos de depuração com exemplos práticos.
• Realize exercícios de integração com bibliotecas e frameworks como Flask.
• Desenvolva um mini-projeto para consolidar o aprendizado.

Saiba mais sobre como a IA pode criar um Plano de Ação para Aprendizado neste post:

De Problemas a Soluções: Como o Modelo de Prompt para MASP Transforma sua Interação com IA

Exemplo Prático 

Uma pessoa precisa corrigir um bug em um aplicativo Python que exige um conhecimento de manipulação de APIs. 

A IA resolve o problema fornecendo o código corrigido, mas também sugere:

• "Estude a biblioteca requests para entender como ela lida com APIs."
• "Faça o curso X que cobre integração de APIs com Python." 

Assim, além de resolver o problema imediato, a IA impulsiona o aprendizado contínuo.

Benefícios do Método

• Identificação Clara de Gaps:
  A estimativa com T-Shirt Size e Fibonacci permite diagnosticar precisamente a falta de conhecimento.
• Soluções Direcionadas:
  A IA atua diretamente no problema ou fornece um roadmap personalizado.
• Evolução Contínua:
  Ao estabelecer metas específicas, o aprendizado se torna eficiente e mensurável.

CONCLUSÃO

Reconhecer que o conhecimento é infinito é um passo para o crescimento. 

Utilizar ferramentas como T-Shirt Size, Série de Fibonacci e IA transforma desafios em oportunidades de evolução. 

E você, já experimentou mapear seu conhecimento e usar IA para avançar? 

Que tal fazer um teste e dar o próximo passo em direção ao domínio do que ainda é desconhecido?

 

De Problemas a Soluções: Como o Modelo de Prompt para MASP Transforma sua Interação com IA

INTRODUÇÃO

Já imaginou estruturar seus prompts de IA como se fossem código reutilizável? Foi assim que descobri o poder do “Modelo de Prompt para MASP”.

Minha motivação para explorar essa abordagem surgiu da necessidade de criar prompts mais eficientes, adaptáveis e reutilizáveis, capazes de orientar a IA na geração de um Plano de Ação para solucionar problemas complexos, utilizando o Método de Análise e Solução de Problemas (MASP).

Contexto

Home Office de qualquer especialidade, que tenha interesse em solução de problemas usando IA e MASP.

Objetivo

O objetivo deste post é apresentar um modelo de Prompt para MASP e exemplos prontos para o leitor copiar e experimentar submetendo-os a um Chatbot de IA, para analisar os resultados e, por analogia, fazer outros Prompts. 

A Conexão entre Prompts e OOP: Uma Analogia Poderosa

Inspirado pelos conceitos de Programação Orientada a Objetos (OOP), percebi que há semelhanças entre a construção de prompts para MASP e os princípios de OOP. Aqui está como os dois conceitos se conectam:

1. Interface (OOP) e Modelo de Prompt para MASP (IA):

   • Em OOP, uma interface define um conjunto de métodos que devem ser implementados por uma classe concreta, sem especificar como isso será feito.

   • No universo dos prompts, o Modelo de Prompt para MASP funciona como um “contrato” com a IA, definindo elementos essenciais que a IA deve considerar, sem detalhar a resposta final.

2. Classe Concreta (OOP) e Prompt Concreto para MASP (IA):

   • Uma classe concreta implementa métodos definidos pela interface, trazendo uma solução funcional.

   • De forma análoga, um Prompt Concreto para MASP é uma aplicação prática do Modelo de Prompt, detalhando as orientações específicas para a IA produzir um resultado alinhado ao objetivo.

3. Reuso e Modularidade:

   • Interfaces em OOP permitem criar diversas implementações concretas e reutilizar código.

   • No caso dos prompts, o Modelo de Prompt pode ser reutilizado para criar diferentes prompts concretos, adaptando-se a contextos variados e promovendo eficiência.

Modelo de Prompt para MASP

Aqui está o modelo estruturado que utilizei. Ele é composto por etapas e perguntas padronizadas que levam a IA a entender o problema e propor soluções efetivas:

1. Identificação da IA:

   • "Você é um profissional da área de [área], especialista em [especialidade]."

2. Identificação do Problema:

   • Utilize 5W1H para definir claramente o problema:

     • [What?] O que está acontecendo?

     • [Who?] Quem está envolvido?

     • [When?] Quando ocorreu?

     • [Where?] Onde aconteceu?

     • [Why?] Por que isso é um problema?

     • [How?] Como surgiu?

3. Observação:

   • Investigue características específicas do problema usando, por exemplo, o Diagrama de Ishikawa (Causa e Efeito). Registre “Sim” ou “Não” para fatores como:

     • [Mão de Obra?], [Máquina?], [Método?], [Material?], [Meio Ambiente], [Medição].

4. Análise:

   • Para cada fator identificado na etapa anterior, utilize os “5 Porquês” para encontrar a causa raiz.

Comando: Solicite à IA: “Crie um Plano de Ação (Etapa 4 do MASP) para resolver o problema especificado.”

Exemplos Práticos

Aqui estão exemplos de como esse modelo foi aplicado em diferentes contextos:

• Contexto Empresarial: Um profissional inexperiente conseguiu resolver um problema técnico com a ajuda da IA e do MASP.

• Contexto Familiar: Uma família encontrou uma solução para um conflito com o auxílio do MASP e da IA.

• Contexto Pessoal: Um Plano de Ação elaborado pela IA foi validado por um fisioterapeuta, demonstrando sua precisão.

Contexto Empresarial

1 Identificação da IA

1.1 Você é um profissional de TI especialista em programação na linguagem Java, implementando mudança num aplicativo, usando o IDE Eclipse.

2 IDENTIFICAÇÃO DO PROBLEMA: Definir claramente o problema.

2.1 [What?]  - O que aconteceu diferente esperado? A mensagem abaixo
Exception in thread "main" java.lang.ExceptionInInitializerError ...

2.2 [Who?]   - Quem iniciou a execução? O próprio desenvolvedor

2.3 [When?]  - Evento que iniciou a execução? Dentro do Eclipse, clique no botão direito no nome do projeto / Run As / 1 Java Application

2.4 [Where?] - Onde a execução parou? Na classe SplashUI.java

2.5 [Why?]   - Por que a execução parou? java.lang.NullPointerException

2.6 [How?]   - Como é o procedimento, passo a passo, para reproduzir o erro? Dentro do Eclipse executar os passos abaixo:

2.6.1 Passo 1: Dentro do Eclipse, clicar com o botão direito no nome do arquivo;

2.6.2 Passo 2: No menu de contexto, clicar em Run As

2.6.3 Passo 3: No submenu de contexto, clicar em 1 Java Application

3 OBSERVAÇÃO: Investigar as características específicas do problema com uma visão ampla e sob vários pontos de vista.

3.1 [Mão de Obra?]

3.1.1 Conhecimento de Java? Falta de conhecimento adequado sobre Java, da pessoa que está fazendo a mudança.

3.1.2 Conhecimento do App? Falta de conhecimento adequado sobre o Aplicativo em manutenção, da pessoa que está fazendo a mudança.

3.2 [Máquina?]

3.2.1 Versão do Eclipse? 2024-09 (4.33.0)

3.2.2 Versão do JDK? jdk-8u441-windows-x64

3.3 [Método?]

3.3.1 Código da classe onde parou?
public class SplashUI extends ...

3.3.2 Código da linha SplashUI.java:92?
jLabel2.setFont(openSans);

3.3.3 Código da interface implementada na classe onde parou (SplashUI.java)?
public interface OpenSansInterface ...

3.4 [Material?]

3.4.1 Bibliotecas de Terceiros? Há bibliotecas externas com bugs ou incompatíveis? Não sei como verificar.

3.4.2 APIs Externas? Há APIs instáveis ou desatualizadas? Não sei como verificar.

3.4.3 Dependências de Software? Há Dependências inadequadas ou desatualizadas? Não sei como verificar.

3.5 [Meio Ambiente?]

3.5.1 Variáveis de Ambiente? Há configuração incorreta das variáveis de ambiente? Não sei como verificar.

3.6 [Medição?] Não se aplica neste caso.

4 ANÁLISE: Descobrir as causas fundamentais.

4.1 Analisar no item 3.3.3 a classe import mobi.stos.caixadosaber.util.CustomFont.

4.1.1 Por que não funcionou o método CustomFont.openSans().deriveFont(14f)?

4.1.2 Analisando o código da classe CustomFont, constatamos que o recurso "/font/OpenSans-Regular.ttf" não foi encontrado.
public class CustomFont ...

4.1.3 Por que o recurso não foi encontrado, se está no caminho "src/main/resources/font/OpenSans-Regular.ttf"?

4.1.4 Analisando o classpath, constatamos que está configurado assim: "<classpathentry kind="src" path="src/main/resources/font"/>"

4.1.5 Analisando o Build Path no Eclipse, constatamos que está configurado como abaixo:
...
4.1.6 Por que o erro está acontecendo, se as configurações do recurso estão corretas, aparentemente?

COMANDO: Criar um Plano de Ação para resolver o problema especificado acima e executar as ações que puder, como, por exemplo, escrever um texto com alguma codificação ou configuração necessária.

Veja o Plano de Ação criado pela IA neste Post: Estudo de Caso 1-3: Como fazer sem saber, experimentando GPS, IA e MASP - Exemplo de Prompt usando MASP

Contexto Familiar

1 Identificação da IA

1.1 Você é um gestor especializado em tomada de decisão com múltiplos critérios (MCDM – Multiple Criteria Decision-Making), utilizando o método AHP (Analytic Hierarchy Process).

2 IDENTIFICAÇÃO DO PROBLEMA: Definir claramente o problema.

2.1 [What?]  - O que aconteceu diferente esperado? Temos dúvida para escolher uma das duas opções para viagem de férias:  Opção1 praia e Opção2 montanha.

2.2 [Who?]   - Quem está envolvido? Uma família de 4 pessoas.

2.3 [When?]  - Quando ocorre? Está ocorrendo agora.

2.4 [Where?] - Onde ocorre? Numa cidade que não é na praia nem no litoral.

2.5 [Why?]   - Por que isso é um problema? Porque fica complicado escolher, já que temos 4 critérios conflitantes e com graus de importância diferentes: Diversão, Custo, Paz, Segurança.

2.6 [How?]   - Como está acontecendo? Está acontecendo com muitas dúvidas e conflitos de opinião quanto à importância relativa dos critérios para cada pessoa, quando comparados os pares de critérios.

2.6.1 Passo 1: Uma tabela de avaliação dos critérios foi definida.
Excelente=5,
Ótimo=4,
Bom=3,
Ruim=2,
Péssimo=1.

2.6.2 Passo 2: A avaliação dos critérios por opção foi realizada, após pesquisa com pessoas conhecidas e na Internet, e pela experiência de pessoas da família.
Praia -
Diversão: Excelente;
Custo: Bom;
Paz: Péssimo;
Segurança: Péssimo

Montanha -
Diversão: Bom;
Custo: Ótimo;
Paz: Excelente;
Segurança: Bom

2.6.3 Passo 3: A escala de avaliação dos pares de critérios foi definida.
Extremamente mais importante=9;
Muito mais importante=7;
Bastante mais importante=5;
Moderadamente mais importante=3;
Igualmente importante=1;
Moderadamente menos importante=1/3;
Bastante menos importante=1/5;
Muito menos importante=1/7;
Extremamente menos importante=1/9

2.6.4 Passo 4: A determinação do grau de importância de cada critério em relação aos demais foi realizada, mas os resultados foram diferentes para cada pessoa, conforme a lista abaixo. Depois de muita discussão, decidiram por unanimidade, fazer um sorteio. A pessoa A foi sorteada, o que significa que o grau de importância dos critérios a considerar no método AHP será o que foi definido por essa pessoa.
Pessoa A -
Diversão x Custo: Extremamente mais importante;
Diversão x Paz: Extremamente mais importante;
Diversão x Segurança: Extremamente mais importante;
Custo x Paz: Extremamente menos importante;
Custo x Segurança: Extremamente menos importante;
Paz x Segurança: Igualmente importante

Pessoa B -
Diversão x Custo: Moderadamente mais importante;
Diversão x Paz: Moderadamente mais importante;
Diversão x Segurança: Moderadamente mais importante;
Custo x Paz: Moderadamente menos importante;
Custo x Segurança: Moderadamente menos importante;
Paz x Segurança: Igualmente importante

Pessoa C -
Grau de importância de cada critério em relação aos demais;
Diversão x Custo: Extremamente menos importante;
Diversão x Paz: Extremamente menos importante;
Diversão x Segurança: Extremamente menos importante;
Custo x Paz: Extremamente menos importante;
Custo x Segurança: Extremamente menos importante;
Paz x Segurança: Igualmente importante

Pessoa D -
Diversão x Custo: menos importante;
Diversão x Paz: Muito menos importante;
Diversão x Segurança: Muito menos importante;
Custo x Paz: Igualmente importante;
Custo x Segurança: Igualmente importante;
Paz x Segurança: Igualmente importante

3 OBSERVAÇÃO: Investigar as características específicas do problema com uma visão ampla e sob vários pontos de vista.

3.1 [Mão de Obra?] Este item influencia no problema? Sim.

3.2 [Máquina?] Este item influencia no problema? Não influencia.

3.3 [Método?] Este item influencia no problema? Sim.

3.4 [Material?] Este item influencia no problema? Não influencia.

3.5 [Meio Ambiente?] Este item influencia no problema? Não influencia.

3.6 [Medição?] Este item influencia no problema? Não influencia.

4 ANÁLISE: Descobrir as causas fundamentais.

4.1.1 [Mão de Obra?]
Por quê?  Problemas de comunicação entre membros da família.
Por quê?  Dificuldades de dialogar.
Por quê?  Temperamentos diferentes.
Por quê?  Tendência ao conflito.
Por quê? Traumas antigos.
Mas aceitam o resultado do MCDM (Multiple Criteria Decision-Making)

4.1.2 [Método?]
Por quê? Dificuldade para calcular a pontuação de cada opção.
Por quê? O cálculo é complexo e precisa do método MCDM (Multiple Criteria Decision-Making).

COMANDO: Criar um Plano de Ação para resolver o problema especificado acima.
Para ver o plano de ação, veja este link: Plano de ação criado

OUTRO COMANDO: Calcular a melhor opção para a família, com base nos dados fornecidos.
Para ver o resultado da escolha da melhor opção, veja este link: Escolha da melhor opção

Contexto Pessoal

1 Identificação de IA
1.1 Você é um profissional da área de Saúde, especialista em Fisioterapia.

2 IDENTIFICAÇÃO DO PROBLEMA: Definir claramente o problema. Utilizar 5W1H.

2.1 [What?]  - O que aconteceu? A pessoa está sentindo dores no joelho direito, no ombro direito e no lado direito do rosto, ficando impossibilitada de andar por 2 dias.

2.2 [Who?]   - Quem atendeu? Um médico Ortopedista, que pediu exame de Raio X e constatou que não houve fratura, mas identificou uma artrose no joelho e inflamação.

2.3 [When?]  - Quando aconteceu o problema? Há  2 dias.

2.4 [Where?] - Onde ocorreu o evento? Perto de casa.

2.5 [Why?]   - Por que demorou a ir ao médico?`Porque não estava conseguindo andar.

2.6 [How?]   - Como aconteceu a queda? Pisou numa irregularidade da calçada.

3 OBSERVAÇÃO: Investigar as características específicas do problema com uma visão ampla e sob vários pontos de vista. Utilizar Diagrama de Causa e Efeito.

3.1 [Cabeça?] Sim

3.2 [Tronco?] Não

3.3 [Membro superior direito?] Sim

3.4 Membro superior esquerdo?] Não

3.5 [Perna direita?] Sim

3.6 [Perna esquerda?] Não

4 ANÁLISE: Descobrir as causas fundamentais. Utilizar "5 Porquês".
Para cada problema encontrado no item 3 OBSERVAÇÃO, perguntar 5 vezes o porquê do problema ou defeito ter ocorrido, a fim de descobrir a sua real causa, ou seja, a causa raiz.

4.1 [Cabeça?] Sim. Por quê? Porque na queda o rosto bateu levemente no chão.

4.3 [Membro superior direito?] Sim. Por quê? Porque na queda apoiou o corpo com o braço e ombro direitos.

4.5 [Perna direita?] Sim. Por quê? Porque na queda o joelho sofreu o maior impacto.

COMANDO: Criar um Plano de Ação com exercícios de Fisioterapia para recuperação do problema especificado acima.

Veja o Plano de Ação criado pela IA neste link: Plano de Ação para Recuperação Fisioterapêutica

Conclusão: Transforme sua Abordagem com IA

E você, como poderia aplicar o conceito de Modelo de Prompt para MASP no seu trabalho com IA?

Experimente copiar os exemplos e submeta-os a um chatbot para avaliar os resultados. 

Afinal, problemas não faltam no dia a dia, certo?

Espero que essa abordagem inspire novos experimentos e mostre como a combinação entre MASP e IA pode transformar a forma como resolvemos desafios!