Testes A/B tornam-se arriscados quando a IA passa a auxiliar na formulação de hipóteses, na análise e nas recomendações de implementação sem diretrizes estatísticas claras. Este curso demonstra como manter a IA útil e, ao mesmo tempo, preservar a qualidade das decisões — desde a definição do que o experimento deve responder até a avaliação de se as evidências são robustas o suficiente para o lançamento. O conteúdo foi desenvolvido para analistas, cientistas de dados e equipes de negócios que precisam tomar decisões práticas e fundamentadas sobre experimentos.
O curso aborda o papel da IA no fluxo de trabalho de testes A/B, hipóteses orientadas à tomada de decisão, poder estatístico e tamanho da amostra, seleção de testes considerando premissas, intervalos de confiança, comparações múltiplas e armadilhas na segmentação. Também trata de como documentar uma análise assistida por IA e transformar as evidências em uma decisão de lançamento: implementar, pausar ou iterar.