Pesquisa sobre Adoção e Ética de Dados Sintéticos para Desenvolvedores

Bem-vindo! Obrigado por participar desta pesquisa sobre práticas de dados sintéticos. Esta pesquisa leva aproximadamente 11 minutos para ser concluída. Sua participação é totalmente voluntária, e você pode parar a qualquer momento. Não há respostas certas ou erradas — estamos interessados em suas opiniões e experiências sinceras. Todas as respostas são confidenciais, anonimizadas e relatadas apenas de forma agregada. Os resultados serão usados para pesquisa interna, a fim de entender melhor as necessidades dos desenvolvedores em relação a dados sintéticos.

<p>Para esta pesquisa, <strong>dados sintéticos</strong> referem-se a dados gerados artificialmente (ex.: por meio de simulações ou modelos generativos) com o objetivo de imitar as propriedades estatísticas de dados reais, ao mesmo tempo em que protegem informações sensíveis ou preenchem lacunas.</p>

Nos últimos 12 meses, você trabalhou com dados sintéticos?

• Sim, regularmente (mensalmente ou mais)
• Sim, ocasionalmente
• Não, mas conheço o conceito
• Não, e não estou familiarizado com ele

Quais casos de uso de dados sintéticos são mais relevantes para você ou sua equipe? (Selecione todas as opções aplicáveis)

• Prototipagem ou treinamento de modelos de ML
• Aumento para desequilíbrio de classes
• Compartilhamento com preservação de privacidade ou conformidade
• Testes e QA (ex.: casos extremos, eventos raros)
• Logs ou telemetria sintéticos para testes de carga
• Demonstrações de análises ou sandboxing
• Educação ou treinamento
• Outro (especifique)

Quais ferramentas ou abordagens você utilizou para gerar dados sintéticos? (Selecione todas as opções aplicáveis)

• Scripts de geração internos
• Bibliotecas de código aberto (ex.: SDV, SynthCity, ydata-synthetic)
• Plataforma de fornecedor (ex.: Gretel, Mostly AI, Tonic)
• Utilitários de aumento de dados não voltados à privacidade
• Não usei ferramentas diretamente (consumi resultados de outros)
• Outro (especifique)

Aproximadamente qual percentual dos dados em seus projetos nos últimos 12 meses foi sintético?

• 0% (nenhum)
• 1–10%
• 11–25%
• 26–50%
• 51–75%
• 76–100%
• Não sei

Quanta fidelidade e utilidade comprovadas você exige antes de usar dados sintéticos em produção?

<p>Quão apropriado é o uso de dados sintéticos para <strong>treinamento e desenvolvimento de modelos</strong> no seu contexto?</p>

<p>Quão apropriado é o uso de dados sintéticos para <strong>tomada de decisões em produção</strong> no seu contexto?</p>

<p>Quão apropriado é o uso de dados sintéticos para <strong>testes e QA</strong> no seu contexto?</p>

<p>Quão apropriado é o uso de dados sintéticos para <strong>relatórios externos ou submissões de conformidade</strong> no seu contexto?</p>

Classifique suas principais preocupações sobre dados sintéticos, da mais preocupante para a menos preocupante.

1. Vazamento de privacidade ou reidentificação
2. Amplificação de viés ou questões de equidade
3. Baixo realismo ou utilidade
4. Risco regulatório ou de conformidade
5. Falta de transparência ou rastreabilidade
6. Vazamento de segredos ou propriedade intelectual

Se conformidade ou privacidade é uma prioridade no seu trabalho, descreva brevemente os tipos de dados ou regulamentações que você deve atender (ex.: HIPAA, GDPR, PCI-DSS). Se não for aplicável, você pode pular esta pergunta.

Qual a probabilidade de você aumentar o uso de dados sintéticos nos próximos 6 meses?

Quais fatores mais limitam seu uso de dados sintéticos atualmente? (Selecione todas as opções aplicáveis)

• Dificuldade em avaliar qualidade ou métricas
• Cobertura de domínio limitada
• Lacunas de ferramentas ou integração
• Restrições de computação ou custo
• Ceticismo ou falta de adesão das partes interessadas
• Incerteza de políticas ou jurídica
• Sem necessidade clara
• Outro (especifique)

Classifique as seguintes melhorias de acordo com o quanto acelerariam a adoção de dados sintéticos em sua organização, da mais impactante para a menos impactante.

1. Melhores métricas de qualidade e validação
2. Cobertura mais ampla de domínios e tipos de dados
3. Integração mais fácil com pipelines existentes
4. Menor custo ou requisitos de computação
5. Orientações ou modelos claros de política e jurídicos
6. Benchmarks independentes e estudos de caso
7. Guias de treinamento e melhores práticas

Com base nas suas respostas nesta pesquisa, compartilhe quaisquer reflexões adicionais sobre seus limites, casos de uso ideais ou expectativas em relação a dados sintéticos.

Gostaríamos de explorar algumas de suas respostas com mais profundidade. Um moderador de IA fará até 2 breves perguntas de acompanhamento com base no que você compartilhou até agora.

Qual das opções melhor descreve sua função principal?

• Engenheiro de software
• Engenheiro de ML/IA
• Cientista de dados
• Engenheiro de plataforma de dados/ML
• Engenheiro de segurança/privacidade
• Gerente de produto ou engenharia
• Pesquisador/acadêmico
• Outro (especifique)

Quantos anos de experiência profissional você tem em funções de software ou dados?

• 0–1 anos
• 2–4 anos
• 5–9 anos
• 10–14 anos
• 15+ anos

Qual é o seu principal domínio ou setor?

• Tecnologia
• Finanças/FinTech
• Saúde/Ciências da vida
• Varejo/Consumo
• Telecomunicações/Mídia
• Manufatura/Industrial
• Governo/Setor público
• Educação
• Outro

Qual é o tamanho aproximado da sua organização (número de funcionários global)?

• 1–9
• 10–49
• 50–249
• 250–999
• 1.000–4.999
• 5.000–19.999
• 20.000+

Em qual região você trabalha principalmente?

• América do Norte
• América Latina
• Europa
• Oriente Médio
• África
• Sul da Ásia
• Leste da Ásia
• Sudeste Asiático
• Oceania

Obrigado por participar! Sua contribuição nos ajuda a entender as necessidades e considerações práticas relacionadas a dados sintéticos. Se tiver alguma dúvida sobre esta pesquisa, entre em contato com [research team email].