Introdução
A crescente complexidade dos desafios ambientais e econômicos impulsiona a busca por modelos capazes de promover eficiência no uso de recursos e redução de impactos. A Economia Circular (EC) emerge como estratégia central para a transição sustentável (Kirchherr et al., 2017, Geissdoerfer et al., 2017, Stahel, 2016). Avanços da Inteligência Artificial (IA) catalisam a inovação (Bonakdari et al., 2025, Jan et al., 2025, Balogun et al., 2025). Revisão de 63 artigos mostra predominância em modelagem preditiva, resíduos, agroindústria e cidades, mas aponta lacunas em PMEs e países emergentes.
Problema de Pesquisa e Objetivo
O problema de pesquisa está na escassez de evidências sobre como a Inteligência Artificial (IA) contribui de forma integrada para a Economia Circular (EC), sobretudo em pequenas e médias empresas e em países emergentes, onde barreiras tecnológicas e de dados limitam sua adoção. Assim, o objetivo é revisar sistematicamente a literatura para identificar aplicações da IA na EC, destacando benefícios, limitações e oportunidades de pesquisa para fortalecer a transição sustentável
Fundamentação Teórica
A Economia Circular (EC) contrapõe-se ao modelo linear, equilibrando economia, ambiente e sociedade (Kristensen; Mosgaard, 2020; Bakker et al., 2021). É sistema reparador, gerador de inovação e empregos (Sehnem; Pereira, 2019), com redução de custos e competitividade (Zemanová, 2023). Envolve redes produtivas (Murray et al., 2017), prolonga a vida útil (Vanegas et al., 2017), mas enfrenta barreiras tecnológicas (Jabbour et al., 2020; Kumar et al., 2019). A IA pode apoiar (Bag et al., 2020), embora as interações com Indústria 4.0 ainda careçam de clareza (Mardani et al., 2022).
Metodologia
Para compreender como a IA atua como catalisadora da inovação sustentável em modelos de EC, realizou-se revisão sistemática da literatura, seguindo diretrizes de Lages Junior e Godinho Filho (2010), aplicadas por Jabbour (2013) e Teixeira et al. (2025). A busca, em setembro/2025, na Scopus, utilizou “circular economy” AND “artificial intelligence” e variações. Identificaram-se 71 artigos, restando 63 após exclusões, seguindo PRISMA (Moher et al., 2009). A análise usou estatística descritiva (Excel), bibliometria (VOSviewer, Bibliometrix) e classificação de Lages Junior e Godinho Filho (2010).
Análise e Discussão dos Resultados
A análise dos 63 artigos evidencia a IA como alavanca para inovação em EC, otimizando processos, prevendo cenários e apoiando decisões. Técnicas como machine learning, deep learning, Random Forest e SHAP aplicam-se a resíduos, logística, riscos ambientais e indicadores (Ranta et al., 2021; Bianchi et al., 2019; Rejeb et al., 2022). Referenciais como Kirchherr et al. (2017), Geissdoerfer et al. (2017), Stahel (2016), Su et al. (2013) e Ellen MacArthur Foundation sustentam a EC. Lacunas: PMEs, integração teórica, setores pouco explorados, interpretabilidade, social e escalabilidade
Considerações Finais
A revisão mostra que a IA tem papel estratégico na EC, otimizando processos, prevendo cenários, mensurando impactos e apoiando novos modelos circulares. A EC consolida-se como referencial, somando teorias institucionais, capacidades dinâmicas e inovação sustentável. Há avanço de revisões para análises quantitativas, com machine learning, técnicas explicáveis e métodos mistos. Persistem limitações: escassez de dados, custos e foco em países desenvolvidos. Futuras pesquisas devem explorar contextos emergentes, integração teórica, interpretabilidade e impactos sociais.
Referências
KIRCHHERR, J.; REIKE, D.; HEKKERT, M. Conceptualizing the circular economy: An analysis of 114 definitions. Resources, Conservation & Recycling, v. 127, p. 221-232, 2017.
GEISSDOERFER, M.; SAVAGET, P.; BOCKEN, N. M. P.; HULTINK, E. J. The Circular Economy – A new sustainability paradigm? Journal of Cleaner Production, v. 143, p. 757-768, 2017.
STAHEL, W. R. The circular economy. Nature, v. 531, n. 7595, p. 435-438, 2016