Atividade prática de abertura do MBA.

• Alinhamento de expectativas e objetivos de carreira.
• Diagnóstico inicial de maturidade em operações e
• Infraestrutura, cloud e SREe uso de contexto de IA
• Construção de rede entre os participantes e definição de desafios
• para o curso.

Fundamentos do modelo operacional moderno de TI em ambientes híbridos (data center + nuvem).

• SLI, SLO e SLA conectados a indicadores executivos e mnodelos de IA
• Gestão de riscos operacionais, BIA, criticidade e continuidade (BCP/DRP) com apoio de IA para detecção de falhas
• Papel integrado de SRE, SecOps, FinOps e DataOps ampliados por copitos e LLMS
• Catálogo de serviços, mapas de dependências e visão fim a fim da operação com enriquecimento automático
• Liderança inclusiva, diversidade, feedback contínuo e cultura de alta performance

Evolução do monitoramento para observabilidade e operações inteligentes.

• Telemetria unificada: logs, métricas, traces e eventos com predição de IA Generativa
• Golden Signals e criação de dashboards técnicos e executivos.
• Integração com NOC/SOC, correlação de eventos e detecção de anomalias idenficados por modelos de Machine Learing
• Fundamentos de AIOps e automação de respostas para redução de MTTR, MTTD e de toil por meio de runbooks autonomos e interligentes

• Evolução do modelo operacional para “AI-driven operations” em ambientes híbridos e multi-cloud;
• Desenho de um operating model “Cloud + IA” com papéis, processos, plataformas e indicadores executivos;
• AIOps, observabilidade inteligente, automação de respostas e redução de incidentes;
• IA para Governança ( FinOps e CCOE);
• Segurança inteligente, riscos, governança e ética do uso de IA em operações;
• Impactos no mercado corporativo com a entrada da IA nas jornadas de Transformação Digital.

Aplicação prática de SRE para conectar confiabilidade e estratégia.

• Origem de SRE e princípios centrais.
• Definição de SLIs, SLOs e SLAs por serviço conectados à estratégia
• Uso de error budgets e métricas DORA em decisões de negócio.
• Padrões de alta disponibilidade, RTO/RPO e desenho de arquiteturas resilientes em nuvem.
• Análises Preditivas com IA

Desenho e gestão de Command Center integrando operações de rede e segurança.

• Papéis, níveis de suporte (L1–L3) e handoffs.
• Ferramentas de NOC (observabilidade, telemetria, alarmes) e SOC (SIEM, SOAR, UEBA, CTI).
• Definição de SLAs e KPIs (MTTD, MTTA, MTTR, disponibilidade, incidentes, exposição a risco).
• Orquestração de respostas automatizadas com suporte de AIOps.

Uso de analytics e machine learning para antecipar incidentes e otimizar a operação.

• Fontes de dados operacionais: logs, métricas, eventos e traces.
• Dashboards descritivos e diagnósticos para operação e C-Level.
• Detecção de anomalias, previsão de demanda e capacity planning.
• Modelagem de custo-performance em ambientes híbridos e multi-cloud.

Gestão ponta a ponta de incidentes críticos de disponibilidade e segurança.

• Ciclo de resposta (preparação, identificação, contenção, erradicação, recuperação) ampliados com gestão preditiva e triagem por IA
• Estrutura de war room e papéis durante crises.
• Criação de playbooks e uso de frameworks (MITRE ATT&CK, NIST, ITIL) com indicações de modelos de ML
• Comunicação executiva para C-Level e board, pós-incidente e cultura de postmortem sem culpa.’
• Storytelling com indicadores e comunicação em crises.

DataOps como motor de valor para dados, ML e analytics em ambientes híbridos.

• Conceitos e ciclo de vida de DataOps.
• Pipelines de dados, versionamento, qualidade contínua e governança.
• Transição do papel de DBA para DataOps/DBRE.
• Migração e operação de bancos de dados entre on-premise e cloud com observabilidade, IA e automaçoes

Gestão financeira de ambientes em nuvem integrada à eficiência operacional e ESG.

• Princípios FinOps (informar, otimizar, operar) aplicados com Inteligência
• Papeis e responsabilidades e alinhamento entre áreas Corporativas
• Showback/chargeback, orçamentos, CAPEX vs OPEX.
• Práticas de Otimização em ambientes Multi-Cloud, PAAS e On-Premise
• Uso de IA e ML para aumento da eficiência e governança nas práticas de FinOPS
• FOCUS (FinOps Open Cost and Usage Specification) e uso de ferramentas de custo.
• KPIS e indicadores executivos para eficiência na gestão financeira
• GreenOps: Cálculos automátizados para métricas de carbono por workload e decisões de arquitetura orientadas a custo/impacto.

• ITIL Value System e ciclo de vida de produtos e serviços digitais aplicados à orquestração de práticas de operação, confiabilidade, custos, segurança e governança em ambientes híbridos
• Da gestão de serviços à gestão de produtos digitais: cocriação de valor, pensamento orientado a outcomes e alinhamento entre tecnologia, negócio, usuários e fornecedores
• Gestão da experiência digital do cliente, usuário e colaborador: jornadas de valor, 
• XLAs e indicadores e experiência 
• Conexão entre indicadores de Observabilidade (SLIs, SLOs, SLAs) e percepção de valor pelo negócio
• Integração de ITIL com DevOps, IAOps e SRE
• Evolução e governança de papéis, responsabilidades, rotinas de governança, accountability, sustentabilidade operacional e melhoria contínua

Gestão estruturada de vulnerabilidades e correções em ambientes híbridos.

• Classificação e priorização de vulnerabilidades (CVSS, CVE, NVD) enriquecedos por modelos de ML
• Scanners e integração com SOC/SIEM/SOAR com correção automática
• Processos de patch management em larga escala e automações e recomendações geradas por IA
• Indicadores (MTTR, taxa de exposição) e comunicação com CISO e C-Level, com foco em risco, impacto e tomada de decisão.

Aplicação prática de estruturas de governança em operações de TI.

• COBIT 2019, NIST Cybersecurity Framework e ISO 27001 aplicados à operação, segurança e observabilidade
• Construção de Matriz de controles, riscos e métricas de compliance.
• Execução de processos de auditoria interna e externa, com coleta de evidências,assistidas por ferramentas de IA.
• Evidências operacionais, trilhas de auditoria e relatórios executivos para conselhos.
• Governança Corporativa de IA – Definição de princípios, políticas, limites de uso, monitoramento e responsabibilidades
• Regulações de Inteligência Artificial e IA Explicável (XAI)

Conectividade e segurança em escala para ambientes híbridos.

• Arquiteturas de rede para data center, nuvem e borda com otimização de modelos e agentes de IA.
• MPLS, VPN, SD-WAN, Direct Connect/Interconnect e Metrolan aplicados a cenários de alta disponibilidade e integração multi-cloud
• Zero Trust Network Access (ZTNA), segmentação (macro e microsegmentação) e anãlises comportamentais
• Proteção de APIs e tráfego leste–oeste com IA para deteção de anomalias, NDR e integração com SOC/NOC.

Administração de ambientes híbridos complexos com múltiplas nuvens e data centers.

• Estruturação de landing zones e padrões de arquitetura resilientes recomendadas por IA
• Estratégias de workload placement (on-prem vs cloud vs edge) suportadas por algoritimos de decisão
• Gestão de capacidade, performance e custos.
• HA/DR para cargas críticas e análise de repatriações de workloads orientadas a dados
• Conceito para estruturação de Cloud Center of Excellence (CCoE)

• Fundamentos de risco em IA aplicada a operações críticas (falhas, vieses, decisões automatizadas e impacto sistêmico)
• Estruturação de governança de IA: políticas, controles, accountability e limites de uso
• Frameworks e normas: NIST AI RMF, ISO 27001, ISO 42001 e LGPD aplicada à IA
• Segurança em IA: prompt injection, data poisoning, adversarial attacks e proteção de modelos
• MLOps Security: proteção de pipelines, dados e modelos em produção
• Observabilidade e monitoramento de IA (AI observability e detecção de anomalias)
• Gestão de riscos operacionais com IA em ambientes 24×7 (NOC, SOC, SRE)
• Modelos de decisão: human-in-the-loop vs automação total
• Auditoria, rastreabilidade e explicabilidade de modelos (XAI)
• Compliance e gestão de fornecedores de IA (third-party risk)

• Simulação executiva de defesa de plano de operações perante banca;
• Construção de um plano de 12 meses com foco em ROI, riscos, trade-offs, automação inteligente, confiabilidade, segurança e eficiência operacional;
• Elaboração de business cases robustos para operações, integrando métricas de confiabilidade, custo, segurança, experiência e dados enriquecidos por análises assistidas por IA;
• Apresentação em formato de board simulation, com debate, provocações e perguntas de convidados simulando situações reais de pressão e priorização;
• Feedback estruturado da banca sobre narrativa, estratégia, execução e clareza dos indicadores, com plano de ação final para evolução da área de operações e desenvolvimento do aluno como líder ou especialista.

Encerramento do MBA com consolidação de aprendizados.

• Apresentação de resultados e reflexões das turmas.
• Roadmap de carreira em operações, cloud, SRE e AIOps e IA Generativa em Infraestrutura
• Compromissos pessoais de desenvolvimento e networking entre os participantes.