Consultor com Décadas de Experiência Explica Por Que Razão a IA Deve Ser um Parceiro de Pensamento Estratégico, Não o Condutor de um Projeto
Mike Hannan é o fundador e consultor principal da Fortezza Consulting. Com décadas de experiência na orientação de líderes de projetos a todos os níveis, passou a sua carreira a ajudar organizações a navegar por sistemas complexos de execução, otimizar carteiras e desafiar o pensamento convencional.
Mike Hannan
Fundador e Consultor Principal da Fortezza Consulting
A IA deve atuar como um parceiro de pensamento estratégico, não como um condutor da execução: Hannan defende que a IA é excelente a gerar modelos, resumir conteúdos e avaliar alternativas de cenários, mas não compreende verdadeiramente a complexidade profunda
O discernimento humano continua a ser essencial no trabalho de projetos complexos: Embora a IA consiga tratar tarefas rotineiras, como atas de reuniões ou modelação básica, os seres humanos continuam a ser necessários para o trabalho social, emocional e estratégico profundo.
Dominar a orquestração da IA e o pensamento abrangente sobre sistemas definirá os líderes do futuro: Hannan acredita que o verdadeiro valor reside naqueles que conseguem orquestrar a IA de forma inteligente, utilizando uma compreensão abrangente e orientada para os sistemas, do geral para o particular, para maximizar o retorno do investimento da carteira e resolver problemas complexos de forma mais eficaz do que especialistas focados apenas numa profundidade técnica restrita.
Mike Hannan é o fundador e consultor principal da Fortezza Consulting. Com décadas de experiência a orientar líderes de projetos a todos os níveis, dedicou a sua carreira a ajudar organizações a navegar por sistemas de entrega complexos, otimizar portefólios e desafiar o pensamento convencional.
Nesta conversa, Mike partilha como está a utilizar a IA, não para substituir as práticas de gestão de projetos, mas para incentivar as equipas a fazer perguntas melhores, evitar certezas falsas e aproximar-se dos verdadeiros fatores de desempenho.
Compreender os fatores de desempenho ao nível do sistema é ainda mais importante na era da IA
Sou o fundador e consultor principal da Fortezza Consulting, onde oriento líderes a todos os níveis para melhorar o desempenho dos portefólios de projetos. Isso significa ajudá-los a pensar de forma mais sistémica, especialmente em ambientes moldados por restrições, interdependências — e agora, pela IA.
Continue Reading for Free
Create a free account to finish this article, plus get ongoing access to timely insights and practical resources.
Have an account? Log In
Na minha opinião, num mundo orientado pela IA, é mais importante do que nunca compreender verdadeiramente o que está a impulsionar o desempenho ao nível do sistema. Essa continua a ser a única forma de lidar com a complexidade melhor do que a concorrência.
A IA ainda não consegue fazer isso. E não o conseguirá até ser melhor treinada para separar o lixo das preciosidades.
Como utilizar a IA para modelos de projetos, entrega e otimização de portefólios
Dito isto, a entrega de projetos está a mudar. Considero que a necessidade da maioria dos modelos de projetos diminuiu bastante. A maioria dos modelos de linguagem de grande dimensão consegue agora gerar modelos sólidos e até ajudar a adaptá-los a circunstâncias específicas.
Por exemplo, o Claude faz um trabalho bastante bom neste domínio. Posso pedir-lhe:
- “Dê-me um modelo de um termo de abertura de projeto adaptado à indústria dos cosméticos.”
- “Dê-me um modelo de um registo de riscos adaptado à indústria da energia nuclear.”
A partir daí, aperfeiçoá-lo-ei ainda mais: “Concentre-se em projetos de TI na indústria dos cosméticos” ou “Concentre-se nos riscos da eliminação de resíduos nucleares”. As respostas são rápidas, flexíveis e surpreendentemente precisas.
Também me sinto muito encorajado pelas capacidades emergentes da IA, que conseguem avaliar centenas ou até milhares de cenários para encontrar a solução ideal sob restrições reais — por exemplo, identificar a linha de base de projeto de maior valor.
Um caso de que gosto é o da Lightning Motorcycle, que utilizou as ferramentas de CAD melhoradas com IA da Autodesk para conceber componentes muito mais otimizados do que aqueles que os engenheiros humanos conseguiriam conceber sozinhos.
Outro exemplo é a TransparentChoice, que utiliza a IA para ajudar os clientes a encontrar o modelo de fluxo escalonado que maximiza o fluxo de trabalho dentro das restrições de recursos. Simplifica uma questão difícil: “Quantos projetos podemos aceitar e, ainda assim, alcançar a maior taxa de conclusão possível?”
Onde a IA acrescenta valor na entrega de projetos — e onde os seres humanos continuam a ser essenciais
Tarefas rotineiras, como atas de reuniões, principais conclusões e sínteses de grandes volumes de conteúdo, também são realizadas de forma muito eficaz pela IA. Só isso já me devolve várias horas por semana.
Para isso, utilizo sobretudo o Otter.ai, que é a minha preferência para registar e resumir discussões. Mas ferramentas como o Copilot também funcionam bem.
As áreas que continuam a exigir um toque humano são variadas. Tudo o que se insere no domínio social ou dos serviços humanos — onde a mentoria, a empatia ou as relações de confiança são importantes — continua a depender fortemente das pessoas. O mesmo se aplica a tudo o que exige pensamento profundo ao nível do sistema ou discernimento crítico.
Esses continuam a ser domínios humanos.
Como integrar a IA em fluxos de trabalho complexos, mantendo o discernimento humano no centro
Por vezes, levo a IA mais longe e configuro um modelo que define tudo o que é necessário para sincronizar o trabalho entre pessoas, funções e até parceiros da cadeia de abastecimento.
Isso acontece porque a IA pode ser integrada nesse modelo onde fizer sentido. Depois, os seres humanos têm de fazer ajustes com base no desempenho da combinação de agentes de IA e humanos.
Eis uma analogia simples: imagine que um assistente executivo se reforma e o executivo fica transtornado por perder esse apoio cuidadosamente ajustado. Em vez de contratar um substituto, cria-se um modelo que codifica preferências:
- “Deixar sempre 15 minutos entre reuniões”
- “Preferir a companhia aérea A, exceto se não estiver disponível um voo direto”
- “O tempo de concentração só pode ser interrompido se o executivo A ou o cliente B insistir”
Com o tempo, o modelo aperfeiçoa-se e abrange bem 95% dos cenários.
Mas há sempre um momento em que o discernimento humano é indispensável — interpretar sinais emocionais, nuances culturais ou mudanças nas prioridades. E se uma visita da família não for bem-vinda? E se um cliente começar a pressionar demasiado? E se a urgência de um chefe estiver a aumentar de forma subtil? É aí que a combinação entre seres humanos e IA se torna valiosa.
Nos projetos, o modelo é mais complexo, mas o princípio é o mesmo: concebê-lo, aperfeiçoá-lo e orquestrar a combinação de agentes de IA e humanos, para que cada um faça aquilo em que é particularmente eficaz.
A IA não compreende verdadeiramente a complexidade
Embora a IA me ajude a passar menos tempo a resumir ou a sintetizar informação, também cria uma ilusão perigosa: a de que os próprios modelos “compreendem” uma complexidade profunda. Não compreendem.
Devido a essa ilusão, muitos clientes procuram resultados mais rápidos, esperando que a IA forneça aquilo que consideram ser "soluções rápidas". Para os ajudar a chegar lá, concentro-me em técnicas de aceleração do fluxo baseadas na Teoria das Restrições e no Lean. Estas abordagens ajudam os projetos a avançar mais depressa sem atalhos.
E, quando falamos sobre definir expectativas, normalmente incentivo os clientes a apontar mais alto — a esperar mais aceleração. Definir objetivos modestos tende a produzir resultados modestos.
Por isso, atualmente, o meu papel tem menos que ver com resumir ou apresentar conclusões e mais com ajudar os líderes a fazer uma pausa, recuar e questionar os seus pressupostos. É daí que advêm os verdadeiros ganhos de desempenho.
Como utilizar a IA para questionar pressupostos e melhorar o pensamento crítico
Utilizo a IA como alvo, não como solução. Está ali para ser questionada. É uma parceira de reflexão, e não quem conduz.
Utilizo a IA como alvo, não como solução. Está ali para ser questionada. É uma parceira de reflexão, e não quem conduz.
Um bom exemplo consiste em pegar nas respostas genéricas e superficiais que os LLM geram e utilizá-las como alvo de crítica. Peço aos clientes que desconstruam essas respostas:
- “O que teria de ser verdade para isto ser falso?”
- “Em que contexto poderia isto estar completamente errado?”
Estas perguntas treinam-nos para criar pedidos de seguimento mais inteligentes, que muitas vezes conduzem a conhecimentos realmente úteis.
E as perguntas também aperfeiçoam o seu pensamento crítico, o que é particularmente importante atualmente. É surpreendente como a maioria de nós é suscetível ao viés de confirmação. Quando a IA dá às pessoas uma resposta que apoia aquilo em que já acreditam, tendem a sentir-se validadas — e depois desligam o pensamento crítico.
Isso não é apenas surpreendente; é assustador.
Modernizar a execução de projetos enquanto se maximiza o ROI
Para mim, qualquer técnica ou abordagem que ajude a maximizar o ROI de um portefólio de projetos — em vez de se limitar a gerir linhas de base sem procurar alternativas de maior valor — é ouro sobre azul. Nem sempre são abordagens “leves”, mas aliviam parte da carga das pessoas e aumentam o impacto global.
Alguns exemplos que utilizo com os clientes — todos eles incluídos na próxima 8.ª edição do PMBOK (que ajudei a escrever) — são as Estruturas de Decomposição do Valor, o Atraso do Caminho Crítico e o Custo do Atraso do Caminho Crítico.
Estes conceitos alargam a noção tradicional de caminho crítico ao lado do valor da equação. Por exemplo, se conseguir acelerar o caminho crítico em um mês, mas isso custar $200K, será que o valor adicional compensará o custo?
Outras abordagens poderosas incluem:
- Gestão de Projetos pela Cadeia Crítica (CCPM), tanto ao nível do projeto como do portefólio — para maximizar o fluxo e o cumprimento dos prazos.
- Processo de Hierarquia Analítica (AHP) — para selecionar projetos de maior valor.
Cada uma destas técnicas foi concebida para maximizar o ROI, e não apenas para gerir a execução.
Os fluxos de trabalho com agentes ainda não compensam o esforço — por enquanto
Se fosse possível treinar a IA para apresentar proativamente alternativas de maior valor à medida que surgem — sem que fosse necessário pedir-lho — isso seria um verdadeiro avanço. Seria nesse momento que a IA deixaria de ser apenas uma ferramenta e começaria a agir como um verdadeiro membro colaborador da equipa.
Comecei a experimentar este conceito a nível teórico. Estão a surgir alguns modelos promissores que poderão tornar os fluxos de trabalho com agentes mais fáceis de utilizar e mais generalizados, mas continuam a exigir muito trabalho inicial para serem treinados de acordo com o contexto específico de cada organização.
Até algo simples — como ensinar um agente a compreender as minhas preferências de viagem e a sugerir itinerários completos — demorou, até agora, mais tempo a treinar do que aquele que me poupou. Mas, quando aprender verdadeiramente, estou confiante de que o retorno irá superar o investimento e de que o mesmo princípio se aplicará à execução de projetos.
Porque é que as pessoas que dominarem a IA irão transformar a execução de projetos
Em última análise, não penso que a IA vá transformar a execução de projetos. Penso que serão as pessoas que aprenderem a dominar e a orquestrar a IA a transformá-la.
Em última análise, não penso que a IA vá transformar a execução de projetos. Penso que serão as pessoas que aprenderem a dominar e a orquestrar a IA a transformá-la.
E problemas muito complexos — até mesmo “perversos” — começarão a produzir soluções mais simples e elegantes, geradas mais rapidamente do que nunca pelo poder computacional de força bruta da IA com agentes.
Porque o pensamento orientado para a amplitude irá definir a próxima geração de líderes de execução
O meu conselho é simples: dê prioridade à amplitude.
A maioria de nós aprendeu que os especialistas e os profissionais com conhecimentos técnicos aprofundados serão mais recompensados financeiramente do que os generalistas, e isto tem sido verdade há muitas décadas. Mas, quanto mais a IA conseguir resolver problemas tecnicamente complexos de forma mais rápida e eficaz do que os seres humanos, mais valiosa se tornará uma compreensão abrangente, orientada para a amplitude e ao nível do sistema.
Quanto mais a IA conseguir resolver problemas tecnicamente complexos de forma mais rápida e eficaz do que os seres humanos, mais valiosa se tornará uma compreensão abrangente, orientada para a amplitude e ao nível do sistema.
Afinal, se não souber o suficiente sobre o âmbito completo do problema para orquestrar uma rede de agentes de IA que o ajudem a resolvê-lo, o seu valor no mercado de trabalho será diluído.
Acompanhe
Pode acompanhar o trabalho do Mike no LinkedIn e saber mais sobre os seus serviços de consultoria em Fortezza Consulting.
Em breve, haverá mais entrevistas com especialistas no The Digital Project Manager.
