A analista de negócios Manuela está modelando os processos do seu departamento, que é intensivo em atividades com entrada e saída de dados.
De acordo com o BPMN, a representação do fluxo de mensagem entre uma Tarefa e um Objeto de Dados que Manuela deve utilizar é:

Observe a seguir o recorte de um diagrama BPMN utilizado para modelar algumas das atividades envolvidas durante a distribuição de processo judicial.

Os eventos utilizados para representar a falha no banco de dados e o processo urgente, respectivamente, são:

O analista de negócios Pedro está modelando os processos do seu departamento e verificou que há diversas atividades que podem ser executadas em paralelo, otimizando tempo.
Para modelar atividades que ocorrem ao mesmo tempo, dividindo e depois sincronizando os fluxos paralelos, Pedro deve utilizar o gateway:

Em gestão de processos de negócio, handoff (transferências/passagens) é qualquer ponto em um processo em que o trabalho ou a informação passa de um sistema, pessoa, ou grupo para outro, o que pode gerar atrasos ou desconexões no processo e distorções ou perdas de informações. Uma das formas de otimizar um processo é simplificar e limitar as transferências quando possível, incluindo a automatização dos handoffs através da tecnologia.
No BPMN, para explicitar os handoffs em um processo deve-se modelar um(a):

Sistemas de Inteligência Artificial (IA) Generativa apresentam como características fundamentais: necessidade de grandes volumes de dados para seu treinamento; capacidade de inferência que permite a geração de novos dados semelhantes aos dados de treinamento; e adoção de um conjunto diversificado de técnicas computacionais.
Considerando a conformidade com a Lei Geral de Proteção de Dados Pessoais e as diretrizes de IA responsável e explicável, é correto afirmar que:

A Lei Geral de Proteção de Dados Pessoais (LGPD) tem como objetivo proteger os direitos fundamentais de privacidade, liberdade e o livre desenvolvimento da personalidade, ao mesmo tempo em que tem por fundamento o desenvolvimento econômico e tecnológico e a inovação. Portanto, a inovação tecnológica deve estar em harmonia com a proteção de dados pessoais.
A LGPD estabelece que o controlador deverá fornecer informações claras e adequadas a respeito dos critérios e dos procedimentos utilizados para a decisão automatizada, observados os segredos comercial e industrial.

Esse preceito da LGPD está relacionado à explicabilidade na inteligência artificial (IA), que se refere:

O Assistente de Inteligência Artificial Generativa (ASSIS) é um assistente jurídico desenvolvido para apoiar magistrados na elaboração de decisões e minutas de sentenças para processos judiciais de 1ª instância.
Utilizando modelos de linguagem generativa, o assistente é capaz de gerar automaticamente minutas de decisões e sentenças, além de responder perguntas relacionadas ao conteúdo dos processos.
Além disso, a tecnologia empregada poderá evoluir com o tempo, incorporando novos conhecimentos e tendências do direito.

No cenário descrito, o princípio do PMBOK 7ª edição que se destaca como aplicável é:

O ciclo de vida de sistemas de inteligência artificial (IA) descreve a evolução e etapas de um sistema de IA, desde o início de seu desenvolvimento até a sua desativação.
A atividade de processar dados é iniciada na fase anterior ao treinamento do modelo, ou seja, durante a formação da base de dados de treinamento e teste, e percorre o ciclo de vida dos sistemas de IA.

Considerando as práticas de gerenciamento de serviços do ITIL 4, a que se alinha diretamente à atividade de processar dados é o gerenciamento de:

O sistema de inteligência artificial (IA) é um sistema baseado em máquina que, para objetivos explícitos ou implícitos, infere, a partir das entradas que recebe, como gerar saídas tais como predição, conteúdo, recomendações ou decisões que podem influenciar ambientes físicos ou virtuais.
Aplicam-se os princípios do COBIT^® 2019 na governança de sistemas de IA quando:

Um órgão de controle estuda implantar uma plataforma avançada baseada em grandes modelos de linguagem para apoiar a análise de documentos, a consulta a bases normativas e a execução de fluxos complexos (por exemplo, checagem automática em diários oficiais, sistemas internos e bases abertas). A arquitetura em estudo combina LLMs, geração aumentada por recuperação (RAG), agentes de IA com uso de ferramentas externas e mecanismos de monitoramento para riscos éticos e de segurança.
Com base em conceitos de transformers e LLMs, RAG, agentificação, engenharia de prompts, bem como ética e segurança em IA, analise as afirmativas a seguir.

I. Em uma arquitetura com RAG, o LLM é utilizado principalmente como gerador condicionado a evidências: os documentos relevantes são buscados por similaridade de embeddings em um índice vetorial e incorporados ao contexto de entrada, de modo que decisões sobre fragmentação (tamanho dos trechos, sobreposição, estratégia de indexação) influenciam diretamente tanto a recuperação quanto a qualidade e a fundamentação das respostas.
II. Em arquiteturas que combinam LLMs com RAG, o risco de exposição indevida de dados sensíveis tende a ser intrinsecamente menor do que no uso direto de LLMs, porque os documentos sigilosos não precisam ser indexados: o modelo passa a depender principalmente de representações paramétricas já aprendidas no pré-treinamento, reduzindo a necessidade de controles específicos sobre o ciclo de vida dos dados no índice vetorial.
III. Técnicas de alinhamento com preferências humanas, como Reinforcement Learning e variantes de preference optimization, são frequentemente combinadas com boas práticas de engenharia de prompts (zero-shot, few-shot, encadeamento de pensamento) e com avaliações sistemáticas de prompts e saídas, pois, mesmo após o alinhamento, permanecem desafios como viés algorítmico, suscetibilidade a jailbreaks e prompt injection, exigindo camadas adicionais de governança, monitoramento e auditoria.

Está correto o que se afirma em: