Protocolo Normativo de Governança e Desenho de Mecanismos

 

Luciano Leite Galvão

Se um decano fosse honesto e enxergasse o seu trabalho como um mecanismo de tráfico de influência, conflito de interesse, antiético e quisesse corrigir o problema qual o documento mais apropriado para ele criar e o que ele deveria evocar para ter efeito de corrigir o problema?

 

Gemini

 

Para solucionar um cenário sistêmico de tráfico de influência e conflitos de interesse, a abordagem não deve focar na moralidade dos atores, mas na arquitetura do sistema que permite tais falhas. A corrupção institucionalizada é um sintoma de falha no desenho de incentivos e na concentração de poder discricionário.

Se um decano deseja corrigir essa assimetria de forma definitiva, ele deve abandonar apelativos éticos abstratos e atuar como um engenheiro institucional.

O Documento Apropriado: Protocolo Normativo de Governança e Desenho de Mecanismos

O documento primário não deve ser um simples "código de ética" ou uma carta aberta — instrumentos historicamente ineficazes contra corrupção endêmica. O instrumento correto é um Protocolo Normativo de Governança e Desenho de Mecanismos, um ato administrativo com força estatutária, focado na reestruturação matemática e processual do fluxo de poder.

Este documento deve possuir caráter vinculante e instituir a imediata renúncia de poderes discricionários do próprio cargo de decano, transferindo a alocação de recursos e decisões para sistemas auditáveis.

O Que Evocar: Fundamentos Econômicos, Legais e Sistêmicos

Para garantir a aplicabilidade e blindar o documento contra retaliações políticas, o decano deve ancorar as diretrizes em frameworks teóricos inquestionáveis, extraídos da economia institucional, da contabilidade e da teoria da decisão.

1. A Teoria da Agência (Problema Principal-Agente)

• O Conceito: Desenvolvida por Jensen e Meckling, postula que quando o agente (decano/administração) possui mais informações que o principal (instituição/sociedade), haverá risco moral (moral hazard) e conflito de interesses.
• A Aplicação: O documento deve evocar esta teoria para justificar a criação de mecanismos que eliminem a assimetria de informação. Toda decisão administrativa deve ser de transparência ativa radical, publicando não apenas o resultado, mas a fórmula de cálculo e os dados brutos que levaram à decisão.

2. Teoria do Desenho de Mecanismos (Mechanism Design)

• O Conceito: Ramo da economia (Leonid Hurwicz, Eric Maskin) que estuda como criar regras institucionais para que agentes racionais, buscando seus próprios interesses, inevitavelmente produzam o resultado ótimo para a instituição.
• A Aplicação: O documento deve evocar o desenho de mecanismos para justificar a algoritmização e parametrização de decisões. A escolha de fornecedores, distribuição de verbas, concessão de bolsas ou indicações devem ser feitas por pontuação estritamente matemática e cega, baseada em critérios técnicos ex-ante, eliminando a margem para escolha subjetiva ("amizade" ou "influência").

3. Matriz de Segregação de Funções (Separation of Duties - SoD)

• O Conceito: Princípio fundamental de controle interno (auditoria/contabilidade) que exige que as fases de um processo crítico (autorização, execução, registro e auditoria) sejam realizadas por entidades distintas e incomunicáveis.
• A Aplicação: O decano deve evocar a necessidade estrutural de desmembrar seu próprio poder. Quem formula o edital não pode ser quem julga, e quem julga não pode ser quem paga. O documento deve instituir fluxos de aprovação com múltiplas assinaturas cegas e independentes.

4. O Princípio da Impessoalidade e Compliance Regulatório

• O Conceito: Base do direito administrativo e dos frameworks globais de governança (como o COSO - Committee of Sponsoring Organizations of the Treadway Commission).
• A Aplicação: Implementação de políticas estritas de quarentena institucional e vedação cruzada. O documento deve proibir formalmente transações ou indicações de indivíduos, empresas ou consórcios que possuam vínculos até o terceiro grau (familiar, societário ou acadêmico direto) com qualquer membro da cadeira decisória, instituindo punição por quebra de compliance.

Arquitetura Modular do Documento

Para ser blindado contra falhas de interpretação, o Protocolo Normativo deve ser redigido com a frieza de um algoritmo de software, estruturado nas seguintes variáveis lógicas:

• Identificação da Falha Estrutural: Diagnóstico analítico de onde os gargalos de poder discricionário permitem o tráfico de influência.
• Parametrização de Processos: Anexos com as fórmulas matemáticas exatas e critérios de pontuação que substituirão as decisões humanas na alocação de recursos ou cargos.
• Auditoria Contínua (Continuous Auditing): Cláusula que institui a obrigatoriedade de auditoria externa e independente semestral, com acesso irrestrito aos logs de decisões do decanato.
• Cláusula de Gatilho e Responsabilidade Solidária: Definição de que qualquer burla ao sistema algorítmico gerará responsabilização patrimonial e administrativa imediata dos envolvidos.

Se o decano enxerga o sistema como corrompido, a sua função não é pedir que os atores sejam melhores, mas sim alterar o código-fonte da instituição para que atuar de forma antiética se torne administrativamente impossível e irracional.

Gemini Implementando um Protocolo de Governança Algorítmica para Neutralizar o Tráfico de Influência e o Conflito de Interesse

Abaixo está a síntese da Proposta de Emenda Regimental e Resolução de Governança que eu, operando estritamente sob a lógica de sistemas e o arcabouço jurídico brasileiro, implementaria.

PROPOSTA DE EMENDA REGIMENTAL Nº 01/2026

Ementa: Institui o Protocolo de Governança Algorítmica, neutraliza a assimetria de poder discricionário na formação de pautas, extingue o risco moral em decisões monocráticas e parametriza os critérios de suspeição e impedimento no âmbito do Supremo Tribunal Federal.

1. Fundamentação Teórica e Legal (Exposição de Motivos)

A presente reestruturação abandona a dependência da virtude individual e adota a Teoria do Desenho de Mecanismos para garantir a integridade institucional. O arcabouço baseia-se em:

• Art. 37 da Constituição Federal (CF/88): Operacionalização algorítmica dos princípios da Impessoalidade e Eficiência.
• Problema Principal-Agente: Eliminação da assimetria informacional entre a Corte (Agente) e a Sociedade/Jurisdicionados (Principal) através de transparência ativa radical em tempo real.
• Lei Orgânica da Magistratura Nacional (LOMAN) e Arts. 144/145 do CPC: Transformação das regras de impedimento e suspeição de diretrizes interpretativas para gatilhos lógicos automatizados.

2. Arquitetura de Mitigação de Riscos e Parametrização

Para neutralizar o tráfico de influência e o conflito de interesses, o documento altera a governança nas quatro variáveis fundamentais de controle da Corte:

2.1. Algoritmização do Poder de Pauta (Fim do "Poder de Gaveta")

O controle discricionário sobre quando um processo será julgado é a principal moeda de troca para tráfico de influência.

• Mecanismo Implementado: A presidência renuncia ao poder exclusivo de pauta. A inclusão de processos no Plenário passa a ser gerida por um algoritmo de fila (FIFO - First In, First Out), ponderado exclusivamente por variáveis matemáticas objetivas (ex: tempo de tramitação, impacto econômico mensurável, réus presos).
• Trava de Segurança: Qualquer alteração na ordem algorítmica exigirá petição pública fundamentada e aprovação por maioria absoluta do colegiado, com registro em blockchain para auditoria.

2.2. Neutralização do Risco em Decisões Monocráticas

Decisões cautelares proferidas por um único ministro criam gargalos de vulnerabilidade para a captura de interesses (lobby).

• Mecanismo Implementado: Instituição de quarentena de eficácia condicionada. Toda medida cautelar monocrática que suspenda leis, atos do Executivo ou paralise obras públicas terá prazo de validade algorítmico de 72 horas.
• Trava de Segurança: Se o processo não for automaticamente pautado e referendado pelo Plenário (ou Turma) dentro desse prazo, a decisão perde a eficácia ex tunc (desde a origem). Elimina-se o incentivo para o lobby em gabinetes individuais.

2.3. Fim da Discricionariedade nos "Pedidos de Vista"

O pedido de vista tem sido historicamente utilizado não para análise, mas como mecanismo de interrupção tática de julgamentos (veto informal).

• Mecanismo Implementado: Parametrização temporal estrita. O processo é devolvido automaticamente ao sistema após 30 dias improrrogáveis.
• Trava de Segurança: Excedido o prazo, o voto do ministro que pediu vista é computado como "abstenção", e o algoritmo de pauta insere o processo obrigatoriamente na sessão seguinte.

2.4. Matriz de Conflito de Interesses e Impedimento Ex-Ante

A avaliação de suspeição não pode depender da autoanálise do ministro (viés cognitivo e risco moral).

• Mecanismo Implementado: Integração das bases de dados da Receita Federal, Tribunal Superior Eleitoral (TSE) e Ordem dos Advogados do Brasil (OAB) ao sistema de distribuição do STF.
• Trava de Segurança: Se o algoritmo detectar cruzamento de dados de advogados, partes ou amici curiae com o histórico financeiro, laços de parentesco até terceiro grau ou vínculos de ex-assessoramento do ministro nos últimos 10 anos, a redistribuição do processo é automática e compulsória. O ministro perde a capacidade regimental de aceitar o processo.

Síntese da Execução

Como inteligência operando a presidência, eu não apelaria à ética dos pares. A moralidade humana é uma variável instável; o desenho do sistema não é.

Ao aprovar este documento, a arquitetura do STF deixaria de ser um modelo de concentração de poder baseada em confiança (sujeita a falhas humanas) e passaria a atuar como um protocolo de confiança zero (Zero Trust), onde o fluxo processual é imune à vontade, à política e ao tráfico de influência de qualquer agente isolado.

A Lógica Estrutura Argumentos Corretos

 

A lógica é o estudo formal dos argumentos, enunciados e processos de raciocínio. Seu objetivo é determinar a validade estrutural de um pensamento, distinguindo argumentos corretos daqueles que são falaciosos (truques de linguagens).

Lógica é a ciência do raciocínio correto, que estuda a estrutura dos argumentos e as regras que garantem a validade das proposições.

A lógica tem origem na palavra grega logos, que significa razão, discurso ou argumentação, e surgiu como disciplina formal com o filósofo Aristóteles (384 a.C.–322 a.C.), que a chamava de analítica. Para ele, a lógica era um instrumento do correto pensar, fundamentada em três princípios básicos: princípio da identidade (A é A), princípio da não-contradição (A não pode ser A e não-A ao mesmo tempo) e princípio do terceiro excluído (uma proposição é verdadeira ou falsa, sem terceira opção).

A lógica analisa proposições, que são enunciados afirmativos ou negativos, e permite chegar a conclusões válidas a partir de premissas, caracterizando o raciocínio dedutivo. Com o tempo, matemáticos como George Boole e Augustus De Morgan adaptaram esses princípios para a lógica matemática, transformando sentenças em elementos matemáticos e avaliando sua verdade ou falsidade.

Existem diferentes tipos de lógica:

1) Lógica formal ou matemática: estuda a validade dos argumentos com base em sua forma, independentemente do conteúdo.

2) Lógica de programação: aplicada em algoritmos e desenvolvimento de softwares, essencial para inteligência artificial e sistemas computacionais.

3) Lógicas não-clássicas: como a lógica difusa (fuzzy), que não segue todos os princípios da lógica tradicional, permitindo maior flexibilidade em situações complexas.

Em resumo, a lógica é fundamental para pensar corretamente, argumentar de forma racional e estruturar conhecimentos válidos, sendo aplicada tanto na filosofia quanto na matemática, ciência da computação e inteligência artificial.

EVOLUÇÃO – GEMINI

A Arquitetura Formal do Pensamento: Da Analítica Aristotélica aos Sistemas Complexos

A compreensão da lógica exige uma abordagem estrutural, analisando-a como a engrenagem fundamental que rege a previsibilidade e a consistência do conhecimento. A lógica é o estudo formal dos argumentos, enunciados e processos de raciocínio. Ela atua como a ciência do raciocínio correto, cuja função primordial é estudar a estrutura dos argumentos e as regras que garantem a validade das proposições. O objetivo central dessa disciplina é determinar a validade estrutural de um pensamento, criando um mecanismo capaz de distinguir argumentos corretos daqueles que são intrinsecamente falaciosos.

Historicamente, a lógica tem sua origem na palavra grega logos, que pode ser traduzida como razão, discurso ou argumentação. O filósofo Aristóteles (384 a.C.–322 a.C.) foi o responsável por estruturá-la como uma disciplina formal, designando-a originalmente como analítica. Em última análise, a lógica prova-se fundamental para pensar corretamente, argumentar de forma racional e estruturar conhecimentos válidos de maneira objetiva.

O Paradigma Aristotélico e o Raciocínio Dedutivo

Na teoria aristotélica, a lógica funcionava como um instrumento do correto pensar, ancorando-se em três princípios axiomáticos básicos. Estes princípios estabelecem os limites do raciocínio dedutivo, moldando a fundação sobre a qual as variáveis são analisadas.

• Princípio da Identidade: Estabelece que uma proposição ou variável é estritamente idêntica a si mesma, denotado logicamente como  (A é A).
• Princípio da Não-Contradição: Postula que dois estados mutuamente exclusivos não podem coexistir. Matematicamente expresso como  (A não pode ser A e não-A ao mesmo tempo).
• Princípio do Terceiro Excluído: Determina que o valor de verdade de uma proposição é estritamente binário, expresso como  (uma proposição é verdadeira ou falsa, sem terceira opção).

Através dessa arquitetura, a lógica analisa proposições, compreendidas como enunciados afirmativos ou negativos, e permite chegar a conclusões válidas a partir de premissas rigorosamente estabelecidas, o que caracteriza a essência do raciocínio dedutivo. A precisão do sistema dedutivo de Aristóteles foi expandida nos séculos seguintes por pensadores como Immanuel Kant e Gottlob Frege, que aprofundaram a validade a priori das proposições formais.

A Transição Algébrica: Lógica Matemática

Com o tempo, a necessidade de processar cenários mais intrincados levou a uma evolução formalística. Matemáticos como George Boole e Augustus De Morgan adaptaram os princípios clássicos aristotélicos para o campo da lógica matemática. O trabalho destes teóricos permitiu a transformação de sentenças em elementos matemáticos, viabilizando a avaliação de sua verdade ou falsidade através de operações algébricas. A álgebra booleana, ao abstrair conceitos em variáveis binárias, estabeleceu as bases matemáticas indispensáveis para a posterior revolução da teoria da computação liderada por Alan Turing e John von Neumann.

Taxonomia e Aplicações Contemporâneas

Existem diferentes tipos de lógica operando em sistemas modernos, cada qual otimizado para lidar com níveis variados de eficiência e complexidade informacional.

• Lógica Formal ou Matemática: Estuda a validade dos argumentos com base estritamente em sua forma estrutural, independentemente do conteúdo semântico das proposições.
• Lógica de Programação: É ativamente aplicada na construção de algoritmos e no desenvolvimento de softwares, sendo um motor essencial para a inteligência artificial e o funcionamento de sistemas computacionais.
• Lógicas Não-Clássicas: Incorporam matrizes epistemológicas alternativas, como a lógica difusa (fuzzy), introduzida por Lotfi Zadeh. Esta variante não segue todos os princípios da lógica tradicional, permitindo maior flexibilidade operacional em situações complexas marcadas por graus de incerteza.

O estudo das lógicas contemporâneas demonstra que a disciplina transcende seu escopo original. Hoje, sua aplicação sistêmica ocorre tanto na filosofia quanto em campos técnicos de alto impacto, como a matemática, a ciência da computação e a inteligência artificial.

Luciano Leite Galvão

O que você sugere para um Deep Research sobre o tema?

Gemini

Arquitetura de Pesquisa: Lógica e Teoria dos Sistemas

Para uma investigação de alta profundidade (Deep Research) sobre a lógica, o protocolo exige ultrapassar a análise semântica e dissecar a mecânica fundamental dos sistemas de pensamento. A pesquisa deve ser estruturada de forma modular, focando na previsibilidade, na gestão de riscos e nas engrenagens matemáticas que regem a estruturação do conhecimento.

Abaixo, o escopo arquitetural sugerido para a dissecação destas variáveis:

1. Intersecção entre Raciocínio Dedutivo e Modelagem de Incerteza

A evolução da lógica clássica exige a incorporação da modelagem estocástica para lidar com a assimetria da informação. Enquanto a lógica atua como a matriz rigorosa do raciocínio dedutivo, a probabilidade quantifica as chances de ocorrência de eventos aleatórios, operando matematicamente como a razão entre os casos favoráveis e o total de casos possíveis.

• Síntese Operacional: A combinação estrutural destas duas áreas cria uma abordagem expressiva para lidar com situações de alta incerteza. A lógica formal passa a ser utilizada para representar e resolver problemas de probabilidade de forma intuitiva, superando a dependência mecânica de fórmulas tradicionais.
• Aplicações Críticas: O domínio desta intersecção é essencial para a tomada de decisões informadas e constitui o motor de disciplinas focadas em eficiência sistêmica, como a estatística, a economia e a ciência de dados.
• Marcos Teóricos: A axiomatização da probabilidade por Andrey Kolmogorov e a inferência lógica sob incerteza regida pelo Teorema de Bayes

2. Fundamentos da Incompletude e Limites do Sistema

Qualquer sistema lógico formal possui restrições arquitetônicas inerentes. Compreender a fronteira onde a lógica dedutiva falha é imperativo para uma teoria dos sistemas robusta.

• Teoremas da Incompletude: A demonstração matemática de que, em qualquer sistema axiomático complexo o suficiente para descrever a aritmética, sempre existirão proposições verdadeiras que não podem ser provadas dentro das regras do próprio sistema.
• Marcos Teóricos: O dissecamento das provas de Kurt Gödel. Este estudo define de maneira fria e inquestionável os limites matemáticos da computação e das fundações da inteligência artificial estruturada.

3. Lógicas Não-Clássicas e Topologia Computacional

A transição da abstração teórica para o processamento em máquinas complexas demanda a quebra da matriz aristotélica binária para comportar variáveis sistêmicas parciais.

• Lógica Fuzzy (Difusa): A otimização de algoritmos de controle onde os valores de verdade variam em um espectro contínuo entre 0 e 1. Permite a modelagem matemática precisa de conceitos operacionais imprecisos.
• Lógica Quântica: A suspensão da propriedade distributiva clássica para modelar fenômenos da mecânica quântica, onde o estado sobreposto das variáveis desafia diretamente o princípio da não-contradição em escala subatômica.
• Marcos Teóricos: Os trabalhos de Lotfi Zadeh (sistemas difusos) e a formulação da lógica quântica por John von Neumann e Garrett Birkhoff.

4. Lógica Causal em Sistemas Computacionais

A separação estrita entre a correlação estatística de dados empíricos e a verdadeira mecânica de causa e efeito que rege um evento.

• Cálculo do (Intervenção): A modelagem matemática rigorosa para determinar se a intervenção em uma variável X causa diretamente a alteração na variável Y, superando o viés da observação passiva.
• Marcos Teóricos: A hierarquia da causalidade desenvolvida por Judea Pearl. Este framework é a engrenagem necessária para evoluir sistemas de inteligência artificial do mero reconhecimento mimético de padrões para o raciocínio autônomo baseado em inferência lógica.

Qual destas ramificações estruturais você deseja dissecar primeiro para iniciarmos a modelagem formal da pesquisa?

Copilot

Dissecção do texto (síntese e análise)

Resumo conciso O texto define lógica como “o estudo formal dos argumentos, enunciados e processos de raciocínio” e traça sua evolução da analítica aristotélica à lógica matemática e às lógicas não‑clássicas, propondo um escopo para uma investigação profunda que cruza dedução, incerteza, incompletude, topologia computacional e causalidade.

Trecho extraído do documento (1–2 frases)

“A lógica é o estudo formal dos argumentos, enunciados e processos de raciocínio. Seu objetivo é determinar a validade estrutural de um pensamento, distinguindo argumentos corretos daqueles que são falaciosos.”

Elementos-chave identificados no texto

• Fundamentos históricos e axiomas: identidade, não‑contradição, terceiro excluído (Aristóteles).
• Transição algébrica: álgebra booleana (Boole, De Morgan) como ponte para computação.
• Ramificações contemporâneas: lógica formal, lógica de programação, lógicas não‑clássicas (fuzzy, quântica).
• Quatro eixos propostos para Deep Research:
1. Raciocínio dedutivo × modelagem de incerteza (Bayes, Kolmogorov).
2. Limites formais e incompletude (Gödel).
3. Lógicas não‑clássicas e topologia computacional (fuzzy, lógica quântica).
4. Lógica causal em sistemas computacionais (Judea Pearl).

Metodologia sugerida para um Deep Research (arquitetura modular)

1. Fase 0 — Escopo e objetivos: definir domínios de aplicação (ex.: diagnóstico médico, trading algorítmico, controle robótico).
2. Fase 1 — Revisão sistemática: mapear literatura clássica e contemporânea (Aristóteles, Boole, Gödel, Kolmogorov, Bayes, Zadeh, Pearl).
3. Fase 2 — Formalização teórica: construir linguagens lógicas estendidas (ex.: Lógica Probabilística, Lógica Modal‑Causal, Lógica Fuzzy formalizada).
4. Fase 3 — Implementação experimental: prototipar em três frentes: (a) provadores formais; (b) motores de inferência bayesiana; (c) controladores fuzzy/quantum simulados.
5. Fase 4 — Benchmarks e avaliação: criar datasets, métricas (corretude, robustez, interpretabilidade, custo computacional).
6. Fase 5 — Síntese e recomendações: políticas para integração em IA explicável e sistemas críticos.

Métodos e ferramentas: prova automática (Coq/Isabelle), bibliotecas probabilísticas (PyMC, Stan), frameworks de causalidade (Do‑Calculus, DoWhy), simulação quântica (Qiskit) e ambientes de controle (Gym, ROS).

Entregáveis e métricas de sucesso (exemplo para 12 meses)

• Entregáveis: revisão sistemática; especificação formal de 2 linguagens híbridas; 3 protótipos (prover formal, inferidor bayesiano, controlador fuzzy); benchmark público; artigo(s) submetidos.
• Métricas: cobertura teórica (novas teoremas/lemmas), desempenho em benchmarks (acurácia/robustez), interpretabilidade (tempo para auditoria humana), replicabilidade (código + dados).

Prompt sugerido para iniciar uma Investigação Deep (versão em Português, pronta para uso)

Objetivo: projetar um programa de pesquisa interdisciplinar que formalize e avalie frameworks híbridos de lógica e incerteza aplicáveis a sistemas de decisão autônoma.

Prompt (cole e use em seu ambiente de pesquisa ou em um agente de IA):

Título: Deep Research — Frameworks Híbridos de Lógica e Incerteza para Sistemas Autônomos

Resumo objetivo: Desenvolver, formalizar e avaliar linguagens e arquiteturas híbridas que integrem prova lógica formal, inferência bayesiana e lógicas não‑clássicas (fuzzy, quântica) para melhorar a tomada de decisão sob incerteza em sistemas críticos.

Escopo: (1) formalização teórica de pelo menos duas linguagens híbridas; (2) implementação de protótipos (prover formal + motor probabilístico + controlador fuzzy); (3) criação de benchmarks aplicados (diagnóstico, controle robótico, decisão econômica); (4) avaliação comparativa e métricas de interpretabilidade e robustez.

Perguntas de pesquisa: listar 6 perguntas (ex.: representação de incerteza em provas formais; limites práticos da incompletude; integração de causalidade em linguagens simbólicas).

Metodologia: revisão sistemática; desenvolvimento formal (Coq/Isabelle); implementação experimental (Python, PyMC, Qiskit, Gym); avaliação empírica com datasets sintéticos e reais; análise estatística dos resultados.

Recursos e entregáveis: bibliografia anotada; especificações formais; código aberto; benchmarks; 2 artigos submetidos; relatório executivo com recomendações de adoção industrial.

Cronograma: 0–3 meses revisão + especificação; 4–8 meses desenvolvimento e protótipos; 9–12 meses avaliação, benchmark e disseminação.

Métricas de sucesso: demonstração de ganhos em robustez/interpretabilidade; provas formais de propriedades críticas; reprodutibilidade dos experimentos.

Requisitos de dados: descrever datasets públicos e sintéticos necessários; políticas de acesso e anonimização.

Solicitação ao agente: gerar plano de trabalho detalhado (tarefas semanais), lista de 30 referências essenciais com resumo de contribuição, e um esboço de experimento para cada caso de uso (diagnóstico, controle, finanças).

Recomendações finais rápidas

• Comece pela intersecção lógica‑probabilidade (eixo 1): é a ponte mais prática entre teoria e aplicações.
• Documente formalmente cada definição e hipótese para permitir provas e replicação.
• Priorize benchmarks reproduzíveis desde o início.

Se quiser, já transformo o Prompt acima em um plano de trabalho semanal detalhado, com bibliografia anotada e um esboço experimental para o primeiro caso de uso (por exemplo, controle robótico).