Além dos prompts: como utilizar a IA para uma gestão de projetos mais inteligente

Ler a transcrição:

Estamos a experimentar transcrever os nossos podcasts através de um programa de software. Perdoe quaisquer erros de digitação, pois o bot não está correto a 100% das vezes.

Galen Low: Está há cerca de 11 meses na sua jornada com a IA generativa e chegou a três conclusões.

Número um: as capacidades da IA generativa são verdadeiramente sem precedentes. O seu tio Rastin pensa genuinamente que é feitiçaria.

Número dois: a IA generativa é um fenómeno global. As pessoas não vão deixar de falar sobre isso tão cedo — nem nos seus jantares, nem definitivamente no seu feed do LinkedIn.

E número três: mesmo no meio de todo o espanto e fervor em torno da IA generativa, até agora tudo o que está a utilizá-la para fazer é tomar notas e planear algumas refeições.

Se é uma pessoa de projetos que sente estar presa numa rotina com os seus chatbots de IA, ou conhece alguém que esteja, este episódio é para si. Vamos explorar como moldar a sua mentalidade e os seus reflexos em torno da IA generativa para evitar “fazer IA generativa só por fazer”. Vamos falar sobre o futuro da IA para além da engenharia de prompts. E vamos explorar como aprofundar a sua compreensão da IA e do funcionamento dos projetos de IA pode, na realidade, abrir um novo ramo da sua carreira que nunca soube que existia. Pronto para começar?

Olá a todos, obrigado por nos acompanharem. O meu nome é Galen Low, do The Digital Project Manager. Somos uma comunidade de profissionais digitais com a missão de nos ajudarmos mutuamente a desenvolver competências, ganhar confiança e criar ligações, para podermos amplificar o valor da gestão de projetos num mundo digital. Se quiser saber mais sobre isso, visite thedpm.com/membership.

Hoje vamos falar, surpresa, sobre IA generativa, mas também sobre engenharia de prompts e sobre se profissionais como nós, gestores de projetos, poderão estar a olhar para o proverbial dedo de Bruce Lee enquanto este aponta para a lua. E trouxe reforços para abordar questões sobre o que a IA generativa tem para oferecer à prática da gestão de projetos para além das interfaces baseadas em conversação e dos prompts.

Hoje está comigo Kathleen Walch, Diretora de Envolvimento e Aprendizagem em IA no Project Management Institute, uma reconhecida líder de pensamento e formadora na área da IA.

Kathleen, obrigado por se juntar a mim hoje.

Kathleen Walch: Sim, muito obrigada pelo convite. Estou realmente ansiosa por esta conversa.

Galen Low: Estou muito contente por ter voltado ao programa. A Kathleen já participou anteriormente com Ron Schmelzer para falar sobre IA. Meu Deus, provavelmente há dois anos, talvez dois anos?

Kathleen Walch: Talvez. O tempo voa, não é?

Galen Low: Está a passar tão depressa. E estava a pensar nessa conversa. Pensei: tanta coisa mudou. Tanta coisa mudou. Naquela altura era quase marginal.

Era como IA e gestão de projetos. Sim, está bem. Agora é simplesmente corrente. Está integrada. Toda a gente está a mergulhar nela. Não se consegue escapar. E estou muito entusiasmado por contar hoje com a sua experiência no programa.

Para quem não sabe, há algum tempo que está profundamente envolvida no mundo da IA e viu a nossa compreensão atual da IA no contexto profissional evoluir ao longo dos últimos sete ou oito anos. E, por mais rápida que algumas destas mudanças possam ter parecido para nós, recém-chegados à IA, pergunto-me: sente que a maioria dos profissionais está talvez a ficar presa aos prompts do dia a dia sem ver o panorama mais amplo daquilo que a tecnologia é capaz de fazer?

Kathleen Walch: Sim, essa é uma excelente pergunta, porque tem razão, tenho estado neste espaço.

Digo que trabalho com IA desde antes de a IA generativa a ter tornado popular, certo? Eu sei. E costumo chamar-lhe a tecnologia mais antiga e mais recente, porque o termo foi oficialmente criado em 1956. Portanto, tem mais de 70 anos, mas parece tão nova. E porquê? Já passámos por dois invernos da IA, que são períodos de declínio no investimento e de declínio na popularidade.

Uma das principais razões é prometermos demasiado e entregarmos menos do que aquilo que a tecnologia consegue fazer. Por isso, precisamos realmente de compreender a IA como uma ferramenta. Ela não é boa em tudo, mas é boa em determinadas coisas; por isso, certifique-se de que a utiliza dessa forma. E agora, com a IA generativa, o que a tornou tão entusiasmante foi o facto de a ter colocado nas mãos de toda a gente.

Há sete ou oito anos, continuávamos a utilizar IA com bastante regularidade, mas não parecia que o fizéssemos. Tínhamos texto preditivo nos nossos emails ou filtros de spam, certo? Isso utilizava IA. Ou, com o GPS e a condução, o Waze ou o Google Maps ajudavam-nos a otimizar rotas.

Mas não parecia realmente IA, porque estava simplesmente integrada numa aplicação que já utilizávamos. Depois surgiu a IA generativa, em particular o ChatGPT, certo? Porque foi o primeiro a aparecer. Colocou-a nas mãos de toda a gente. E assim consegui utilizá-la — é aquilo a que chamamos inteligência aumentada — em que não substitui o ser humano, mas ajuda-nos a fazer melhor o nosso trabalho.

E conseguia senti-lo todos os dias. Ajudava a escrever um email melhor, a fazer uma sessão de brainstorming ou a traduzir. Podia ajudar a criar imagens para uma apresentação em PowerPoint. E sentia-se realmente essa colaboração e via-se o benefício direto. É aí que vimos o mundo inteiro chegar, e tem sido maravilhoso. Mas, ao mesmo tempo, as pessoas continuam a precisar de compreender que é uma ferramenta e quando devem ou não devem utilizar IA.

Galen Low: Gosto dessa ideia da IA em segundo plano, e agora a IA é como uma pessoa com quem interagimos todos os dias e a que todos têm acesso. Essa é a nova pessoa popular. Gostei do que disse sobre a IA generativa ter tornado a IA popular, mas adoro toda essa noção dos invernos, certo?

O inverno da IA acontece porque prometemos demasiado e entregámos pouco, e é verdade que a tecnologia ainda não estava num determinado ponto em que pudesse cumprir essas promessas. Agora talvez esteja. Estamos a falar do ChatGPT e de todos os grandes modelos de linguagem que estão atualmente a dominar o panorama, mas também estamos a falar, aqui em fevereiro de 2025, do DeepSeek.

Estamos a falar de tecnologia impressionante que talvez nem precise necessariamente de toda a tecnologia que se dizia ser necessária. Estou a afastar-me um pouco do tema, mas gosto da perspetiva que isso traz. Gosto de ver as pessoas a falar sobre isso e a aceitá-lo. Mas isso pode ser complicado quando toda a gente está envolvida, toda a gente tem uma opinião, toda a gente pensa que sabe o que faz e toda a gente pensa que serve para tudo. E talvez não sirva.

Se aplicasse uma perspetiva de gestão de projetos, quais seriam alguns dos seus casos de utilização preferidos para interfaces de conversação de IA generativa na gestão de projetos?

Kathleen Walch: Sim, essa é uma excelente pergunta.

No Project Management Institute temos muitos cursos de aprendizagem gratuitos para membros ou bastante acessíveis para não membros. Abordamos vários casos de utilização diferentes. E gosto de dizer que começo sempre por dividir o problema: faça uma lista de todos os pontos problemáticos que tem, das áreas em que precisa de ajuda ou das áreas em que identifica oportunidades de melhoria.

Depois, descubra quais podem ser facilmente resolvidos com um sistema de IA generativa. Quando pensamos nos gestores de projetos, pensamos sempre nas atas das reuniões, certo? É o exemplo estereotipado que nos têm dado. Se isso for um problema para si, como o resolve? Como pode obter ajuda da IA?

Já existem muitas ferramentas capazes de fazer isso. Mas também digo sempre que é ótimo ter algo que nos ajude uma vez. Falamos, por exemplo, em obter ajuda com o termo de abertura de um projeto. Muito bem. Mas quantas vezes faz isso durante um projeto? Provavelmente uma vez, certo? Não está a rever o termo de abertura do projeto todas as semanas.

O que o vai ajudar regularmente? Diariamente ou semanalmente. Talvez seja o envolvimento das partes interessadas ou uma melhor comunicação. Como elaborar emails ou documentação para diferentes níveis? Por vezes preciso de um resumo executivo de alto nível, de adaptar algo às partes interessadas ou de o adaptar a clientes internos em vez de externos.

Identifique esses pontos problemáticos e trabalhe para os resolver, porque é aí que verá uma verdadeira melhoria incremental. E também digo: pratique. Só se melhora com o tempo. Há realmente uma taxa de falha muito baixa quando se trata de engenharia de prompts, porque basta refazer.

Mas isto também introduz aquilo a que o PMI chama competências de poder, ou seja, competências interpessoais. Pensamento crítico, colaboração e comunicação. Pergunto sempre: como utiliza a IA generativa para o ajudar nas suas competências de poder e como é que essas competências o ajudam a melhorar os seus prompts? Por exemplo, no caso da comunicação, pode ajudá-lo a ser um melhor comunicador.

Pode ajudar a escrever emails, colocá-los em tons diferentes, encurtar textos ou resumir conteúdos. Mas como é que as suas competências de comunicação o ajudam a criar melhores prompts? Talvez precise de ajustar o prompt, alterar o seu comprimento ou editá-lo ao longo do tempo.

Gosto muito de ver os dois lados da questão: como pode ajudar nas suas competências de poder e como estas competências o podem ajudar a melhorar na engenharia de prompts.

Galen Low: Quero voltar a isso mais tarde. Mas primeiro pensei que talvez pudéssemos afastar-nos um pouco, porque eu tenho o contexto, mas nem todos os nossos ouvintes o têm.

Durante o seu período como Sócia-Gerente da Cognilytica, desenvolveu em conjunto a certificação CPMAI, que é uma estrutura de gestão de projetos para especialistas. Escrevi isto e diga-me se estou certo ou errado, mas a minha interpretação foi que foi criada para especialistas como cientistas de dados e analistas que trabalham em projetos de IA.

Mais recentemente, a Cognilytica uniu forças com o Project Management Institute, tornando a CPMAI uma parte oficial do prestigiado portefólio de certificações de gestão de projetos do PMI. Já que falávamos de cursos, do PMI e de aprendizagem, poderia explicar-me um pouco para quem é atualmente a certificação e em que difere, por exemplo, dos cursos de engenharia de prompts, como o curso gratuito do PMI para membros?

Ou de algo no Udemy? O que torna a certificação CPMAI importante e diferente?

Kathleen Walch: Sim, essa é uma excelente pergunta. Gosto de falar da certificação CPMAI como tendo dois lados, certo? 95% da conversa centra-se em como posso utilizar ferramentas de IA para fazer melhor o meu trabalho.

Existem muitas ferramentas diferentes. As pessoas perguntam-me sempre qual é a melhor ferramenta e respondo que depende do que está a tentar fazer. Surgem ferramentas novas literalmente todos os dias. Seja qual for a tarefa que está a tentar realizar, tenho a certeza de que existe uma ferramenta para isso, e precisa de compreender como utilizá-la e como melhorar a sua utilização.

Mas é aí que ficam cerca de 95% das conversas. É também aí que entra grande parte da aprendizagem eletrónica oferecida pelo PMI. Temos uma introdução à IA generativa, o panorama dos dados para a IA e um curso de engenharia de prompts. Temos também um curso sobre aplicações da IA, que explica como utilizar todas estas ferramentas e aplicações enquanto gestor de projetos e profissional de projetos.

Isso é excelente, mas ajuda-o a fazer melhor o seu trabalho. Depois temos de considerar que, enquanto gestor ou profissional de projetos, ou enquanto profissional adjacente aos projetos — como um cientista de dados, engenheiro de dados ou engenheiro de IA e aprendizagem automática — pode ser-lhe pedido que conduza e gira um projeto de IA.

E temos de compreender que os projetos de IA são projetos de dados. Por isso, é necessário utilizar metodologias centradas nos dados. Não se pode geri-los segundo um estilo tradicional de desenvolvimento de aplicações de software, ou rapidamente perceberá que essa não é a abordagem certa e que o projeto tem uma maior probabilidade de falhar.

Foi por isso que desenvolvemos a metodologia CPMAI há alguns anos. As organizações procuravam-nos e diziam — e isto foi há sete ou oito anos, muito antes de existir IA generativa — que precisavam de construir estes sistemas de raiz, determinar o algoritmo necessário e definir todos os requisitos dos dados.

Grande parte continua a ser igual, mesmo quando utilizamos uma destas ferramentas. Mas perguntavam: por onde começamos? Analisámos o que existia e não havia realmente uma abordagem passo a passo. Por isso, criámos a metodologia CPMAI com um grande banco e uma importante instituição governamental, para oferecer essa abordagem passo a passo. Em setembro de 2024, juntámo-nos oficialmente ao PMI, que adquiriu a Cognilytica.

Agora, a CPMAI é uma certificação oficial do PMI e é extraordinariamente útil. Sempre foi útil para gestores de projetos, profissionais de projetos e também gestores de produto, mas vai além disso, abrangendo os profissionais adjacentes aos projetos. Costumo dar o exemplo do meu marido, que é engenheiro de software há cerca de duas décadas.

Por vezes precisa de conduzir e gerir projetos. Se lhe for atribuído um projeto de IA, ele não se identifica como gestor de projetos, nem alguma vez se identificaria como tal. Identifica-se como engenheiro de software, mas é colocado nessa posição. Cada vez mais vemos isto, sobretudo nos projetos de IA: pessoas que tradicionalmente não se identificam como gestores de projetos são colocadas nessa função.

Por isso, esta certificação destina-se realmente a todas as pessoas que se enquadram nessas diferentes categorias.

Galen Low: Acho muito importante o que disse. Não sabia que tinha começado com uma instituição governamental e um banco. Quando fala da diferença entre um projeto de software e um projeto de dados, e pensamos nos dados que um banco ou o governo podem ter, estamos a falar de assuntos sérios. Isso torna muito evidente para mim a ideia de que não podemos necessariamente geri-lo como um projeto normal. Há coisas que temos de considerar. E concordo consigo: cada vez mais, queremos que toda a equipa tenha essa sensibilidade, porque já vimos as coisas correrem mal do ponto de vista ético.

Também vimos as coisas correrem mal por se avançar demasiado depressa em direção a um objetivo que não conhecemos realmente, com uma tecnologia que está a evoluir muito rapidamente e que está a mudar culturalmente, em termos da adoção das pessoas, dos seus sentimentos e da ansiedade em torno dela. Gosto muito dessa ideia de compreender como fazer funcionar um projeto de dados que envolva IA ou aprendizagem automática, porque, por vezes, a abordagem habitual de desenvolvimento de software pode não produzir o resultado certo.

Pode chegar a um beco sem saída ou encontrar obstáculos que provavelmente poderia evitar se tivesse pensado nisso antecipadamente.

Kathleen Walch: Gosto de explicar que, no desenvolvimento de software, o código é a parte mais importante. Nunca ofereceria o seu código, porque essa é a sua parte mais importante.

Num projeto de IA, porém, os dados são a parte mais importante. Nunca os ofereceria. O código representa uma parte muito pequena e não é a parte mais crítica. São os seus dados. São os dados únicos que vão determinar o sucesso ou o fracasso do projeto. Dizemos que dados de má qualidade produzem resultados de má qualidade.

Isso também ajuda a enquadrar a questão. Especialmente quando temos alguém adjacente aos projetos, e não um gestor de projetos tradicional, essa pessoa precisa de compreender que tem de alterar a sua mentalidade: não se trata do código, trata-se dos dados. É por isso que precisa de uma metodologia centrada nos dados.

Galen Low: Há tantos caminhos que gostaria de seguir, mas vou tentar manter-me no tema. Acho extraordinário — e talvez surpreendente — que os dados sejam a parte importante de um projeto de dados e que o código seja quase secundário. Para mim, que venho do espaço digital, é uma ideia estranha, mas gosto muito dela.

Pensei em voltar à carreira e às certificações, porque sei que muitas pessoas da minha comunidade consideram o PMP uma excelente credencial com muito peso no setor. Muitas pessoas procuram obtê-lo depois de trabalharem algum tempo como gestores de projetos, ou até de trabalharem em áreas adjacentes aos projetos e acumularem horas de gestão de projetos.

O PMP é o principal objetivo para poder dizer no currículo, no perfil e nas entrevistas de emprego que se leva a área a sério, que se está a um determinado nível, que há procura e que provavelmente se deve ganhar mais. Agora que a CPMAI também faz parte do panorama, pergunto-me se os empregadores no espaço do software com IA — ou talvez em qualquer área — já procuram a certificação CPMAI.

Ou, na sua opinião, trata-se mais de competências práticas no trabalho para quem já trabalha em projetos de IA e dados? Pode ajudar um gestor de projetos a destacar-se?

Kathleen Walch: Sim, sem dúvida. E vemos isso. Tem razão: o PMP é o auge.

É a nossa certificação de referência no PMI. Por isso, estamos a trabalhar para que outras certificações também se tornem referências. O que significa isso? É uma certificação extremamente abrangente, com muitas etapas e requisitos diferentes para se tornar uma certificação de referência.

Estamos a trabalhar para que a CPMAI também se torne uma certificação de referência. Ela mostra aos empregadores que sabe conduzir e gerir projetos de IA. Foi nivelado relativamente à terminologia, ao que a IA pode e não pode fazer, às seis fases da CPMAI e à forma de gerir projetos como projetos de dados, seguindo uma abordagem passo a passo.

Demasiadas vezes vimos organizações sem um plano. Há várias razões para isso: o setor está a evoluir rapidamente, as pessoas sentem FOMO, o medo de ficar de fora, e pensam que, se a concorrência está a fazê-lo, também precisam de o fazer. Podemos avançar, mas devemos ter um plano.

É isso que a CPMAI proporciona: uma abordagem passo a passo. Começamos pela fase um, a compreensão do negócio. Que problema estamos a tentar resolver? Parece muito simples, mas muitos projetos saltam essa etapa. Temos de perguntar que problema estamos a tentar resolver e se a IA é a solução certa.

Depois fazemos uma avaliação de avançar ou não avançar com a IA, analisando a viabilidade dos dados, do negócio e da implementação. Pensamos nisto como semáforos. Se estiverem todos verdes, as probabilidades de sucesso do projeto são elevadas. Se estiverem amarelos ou vermelhos, a probabilidade de falhar aumenta. Isso não significa que não possa avançar, mas deve fazê-lo com cautela e sabendo que podem surgir obstáculos ou que o projeto pode não ter o sucesso esperado.

Uma das questões é o ROI, o retorno do investimento do projeto. Muitas organizações não pensam nisso antecipadamente, nem o medem. Não tem de ser necessariamente um retorno financeiro, mas tem de existir algum retorno. Se não o medir, o projeto pode ser tecnicamente bem-sucedido — fazer aquilo para que foi criado — mas ter um custo demasiado elevado, o que significa que, na realidade, teve um retorno negativo.

Se não medir isso, não faz ideia. Pensa que foi bem-sucedido, mas depois pergunta-se por que razão está no vermelho. É porque o retorno do investimento não foi positivo.

É algo que temos visto demasiadas vezes. A CPMAI ajuda nesse aspeto e indica aos empregadores que possui as competências necessárias para conduzir e gerir um projeto de IA, que concluiu uma formação e certificação abrangentes e que obteve uma certificação do PMI.

Galen Low: É engraçado, porque, para quem está a ouvir, continuo a mexer o rato à procura da reação de aplauso, como no Zoom ou no Google Meet, e penso: sim.

A propósito, se estiver interessado na CPMAI e quiser utilizar essa credencial numa entrevista de emprego com alguém que não saiba o que é a certificação CPMAI, basta pegar nesse excerto da Kathleen e transcrevê-lo. Utilize-o na entrevista, porque foi uma explicação muito clara e concisa sobre a importância desta certificação e sobre aquilo que a torna diferente.

E, como disse, algumas coisas parecem senso comum ou são consideradas por outras estruturas. Mas quando falamos de dados, da velocidade da tecnologia e da urgência de as empresas avançarem, talvez nem saibam por que precisam de IA no produto, na organização ou nas soluções. Gosto do facto de existir uma estrutura para isso.

Tenho curiosidade: os gestores de projetos adoram estruturas, metodologias e certificações. E depois envolvem-se em grandes discussões sobre elas. Por vezes criamos grupos e fações e colocamo-las umas contra as outras. Quando entramos numa organização, dizem-nos: “Gerimos projetos desta forma.” E respondemos: “Eu gostaria de os gerir desta forma.” E começa uma grande discussão.

Acontece o mesmo com as pessoas que frequentam este programa? Saem a saber gerir um projeto orientado para dados, aprendizagem automática e IA, mas a equipa não quer fazer essas coisas? Tentam convencê-la, mas a equipa responde: “Não, fazemos assim.” É uma batalha difícil conseguir que as pessoas e as organizações aceitem as fases e os passos da estrutura?

Kathleen Walch: As pessoas que frequentam o curso percebem naturalmente o seu valor e dizem que é excelente. Depois precisam de levar isso para a organização, onde a realidade é diferente.

Compreendo: há abordagens preditivas, em cascata, híbridas e ágeis. Como se gere um projeto? Normalmente acaba por ser híbrido. A agilidade existe por uma razão. Quando se gere um projeto de IA como um projeto de aplicação de software, percebe-se que não funciona e é necessário introduzir um conjunto diferente de competências e uma abordagem passo a passo diferente.

Pode geri-lo de forma ágil. Deve ser composto por pequenos ciclos iterativos. Não devemos geri-lo segundo uma abordagem preditiva em cascata. As pessoas percebem isso quando já tentaram e falharam e precisam de fazer algo diferente.

Muitas pessoas encontram esta metodologia depois de enfrentarem esses problemas e compreendem que precisam de aderir a algo, porque os métodos anteriores não estão a funcionar. Outras antecipam-se e dizem: “Quero entrar neste espaço. Preciso de compreender isto.” E oferecemos uma formação muito abrangente.

Destina-se a todos. Não é necessário ter experiência prévia num projeto para começar. Atualmente, não existem requisitos obrigatórios, o que é positivo, porque qualquer pessoa pode frequentar o curso. A formação começa por nivelar a terminologia. As pessoas pensam que conhecem os termos, mas depois percebem que não sabiam o que não sabiam.

É também por isso que as equipas devem participar. Queremos que toda a equipa esteja alinhada. É a mesma razão pela qual se obtém e se contrata quem tem um PMP: pretende-se uma terminologia comum, em que todos estão na mesma página e têm o mesmo nível básico de compreensão. Com a CPMAI não é diferente.

Galen Low: Gosto muito disso. Na verdade, gosto da forma como enquadrou a questão, porque percebi que talvez tenha dado a entender que é uma metodologia. Mas, se compreendi corretamente, trata-se de algo que se sobrepõe à forma de trabalho existente: podemos ter uma determinada forma de trabalhar e estas são considerações e etapas que podemos integrar nela.

Kathleen Walch: Chamamos-lhe metodologia, mas as pessoas ficam presas ao termo. Por isso, dizemos sempre para não se prenderem à terminologia. Basta seguir algo que conduza ao sucesso. Pode chamar-lhe estrutura, abordagem passo a passo ou metodologia, mas é importante compreender que tem seis fases.

É iterativa. Pode voltar atrás uma, duas ou três fases, se necessário. Começamos pela compreensão do negócio. Depois passamos à compreensão dos dados: de que dados precisamos, quais são as suas fontes, se são internos ou externos e se temos acesso a eles. Em seguida, temos de limpar os dados. Infelizmente, os dados nunca são limpos e organizados, sobretudo os dados não estruturados.

Depois chegamos ao desenvolvimento do modelo. É aí que fazemos o trabalho divertido — entre aspas — que é onde as pessoas normalmente começam, ignorando as etapas iniciais fundamentais. Depois temos de o testar para garantir que funciona como esperado. Essa é outra etapa crítica que, por vezes, é ignorada; depois as pessoas perguntam-se por que razão o sistema está a alucinar, a dar resultados terríveis ou a não funcionar como esperado.

Por fim, operacionalizamos o modelo e colocamo-lo no mundo real. Devemos fazer tudo isto em pequenas fases e etapas iterativas. Cada iteração da CPMAI deve demorar cerca de duas semanas, como um ciclo de trabalho. Não deve demorar sete ou doze meses, que é mais característico de uma abordagem preditiva em cascata. Pense na quantidade de mudanças que ocorrem no mundo em sete meses.

Isto acontece normalmente porque as pessoas ficam bloqueadas na fase dos dados: não têm acesso aos dados e demoram semanas ou meses a obtê-lo. Dizemos: pense em grande, comece pequeno e faça iterações frequentes.

Comece com algo mais pequeno, escolha um conjunto de dados menor ou controle o âmbito e reduza-o bastante. Pergunte: qual é a menor coisa que posso fazer que proporcione valor incremental e um ROI positivo? Mostre resultados. Depois poderá continuar a avançar e a iterar na fase seguinte.

Demasiadas vezes vemos projetos a demorar demasiado tempo e as pessoas desistem na fase dois porque não conseguiram obter acesso aos dados.

Galen Low: É como o inverno dos projetos.

Kathleen Walch: Sim. Muitas coisas boas.

Galen Low: As pessoas ficam desiludidas e abandonam o projeto. Ia perguntar-lhe como é que algo corre mal, mas explicou muito bem através das alucinações. Mesmo conjuntos de dados pequenos podem ser bastante grandes, e podemos tornar-nos muito bons a nós próprios, mas depois a solução não funciona como queremos. Perguntamo-nos porquê e temos de desfazer todo esse novelo para descobrir o que, algures no início, nos desviou do caminho. Provavelmente foi a qualidade dos dados, certo?

Kathleen Walch: Provavelmente foi o acesso, o grau de limpeza e também a quantidade de dados disponível. Algumas pessoas pensam que quanto mais dados, melhor. Isso nem sempre é verdade, porque podemos estar a treinar com ruído. Os dados não são gratuitos. Há um custo associado à sua limpeza e ao seu processamento. Por vezes, mais não é melhor.

Galen Low: É interessante. Comecei esta conversa a perguntar o que existe para além da engenharia de prompts, mas o que acho fascinante é que existe todo um mundo no qual muitos gestores de projetos ainda não se veem. Podem estar no espaço do software, no digital, no setor tecnológico ou nas TI, ou podem não estar em nenhum desses setores.

Perguntam-se se a gestão de projetos vai continuar a existir. Falaremos disso mais adiante. Mas existe todo um mundo de projetos de dados e de aprendizagem automática a decorrer neste preciso momento. Por vezes são liderados por alguém adjacente aos projetos, que não se identifica necessariamente como gestor de projetos. Há uma oportunidade enorme, e pelo menos as pessoas da minha comunidade talvez não saibam muito sobre ela. É inspirador.

Kathleen Walch: Dizemos que a educação é barata. O custo do fracasso é elevado.

Aprender a metodologia CPMAI e obter a certificação CPMAI é relativamente barato em comparação. Incentivamos sempre as pessoas a pensar em “sim, e”: tenha o PMP e a CPMAI. Aprenda metodologias diferentes e aprenda a CPMAI. Isto não é uma escolha entre uma coisa ou outra. As organizações fazem sempre isto: aprendem algo e adaptam-no às suas necessidades.

Desde que sigam a abordagem geral passo a passo, podem adaptá-la à sua organização. Mas é importante aprendê-la.

Galen Low: Gosto muito disso. Começámos pelo tema dos prompts. Estava a pensar nos casos de utilização que envolvem interfaces de conversação, como o ChatGPT, o Gemini, o Copilot, o Claude, o Perplexity, o DeepSeek e outros. Mas existe um mundo muito maior para além disso.

O que vem a seguir para a IA na nossa vida profissional enquanto gestores de projetos? E como pode alguém como eu acompanhar essa evolução?

Kathleen Walch: Essa é uma excelente pergunta, porque existe uma frase conhecida: a IA não vai substituir o seu emprego, mas alguém que saiba utilizar IA vai substituí-lo.

A IA veio para ficar. Esperamos ter atravessado o abismo e não voltar a cair noutro inverno da IA. Mas como a utiliza? Gosto de pensar na ideia de inteligência aumentada. Como posso utilizá-la para não me substituir, mas para fazer melhor aquilo que faço? Pode substituir uma tarefa ou uma função, mas não me substituir enquanto ser humano.

Se muitos projetos estão a avançar para projetos de IA, vamos continuar a precisar de gestores de projetos e de pessoas com estas competências. Como aprender? Volto ao que disse antes.

Faça uma lista de tudo o que o incomoda, porque isso é diferente para cada pessoa. Não substitua as coisas de que gosta e mantenha todas as coisas que detesta, porque ficará insatisfeito. Pense no que gosta e coloque-o numa coluna; coloque o que não gosta noutra.

Depois procure comunidades. O PMI tem muitos recursos de aprendizagem. Ou talvez possa criar grupos internos. Especialmente no caso dos prompts, estes não devem ser proprietários. Devemos partilhar prompts, aprender e colaborar. Crie uma biblioteca de prompts dentro da sua organização.

Documente a plataforma em que os utilizou e quando, porque sabemos que os prompts precisam de ser alterados e iterados ao longo do tempo para continuarem a produzir resultados. Faz parte da nossa abordagem passo a passo: é necessário testar e, por vezes, a ferramenta não funciona como esperado. Alterar apenas uma palavra pode fazer uma grande diferença.

Se tiver essa comunidade e puder trocar ideias com outras pessoas, isso ajuda realmente. Algumas organizações estão a adotar uma abordagem centrada na IA e orientada pela IA. Se a sua organização ainda não o faz, descubra como pode começar com abordagens iterativas e passo a passo.

Se é membro do PMI, contacte a comunidade. Também temos muitos capítulos. Internamente, pode criar recursos; pode recorrer ao seu grupo ou procurar ajuda fora dele para colaborar. Se não está a aprender, não está a crescer e ficará cada vez mais para trás, porque terá receio de utilizar estas ferramentas ou não saberá como utilizá-las. Não tenha medo de pedir ajuda.

Essa é a melhor forma de aprender.

Galen Low: Gosto muito da ideia de um repositório de prompts e da partilha. Partilhar é aquilo que nos faz avançar. A tecnologia vai evoluir rapidamente e as pessoas também precisam de acompanhar. A melhor forma de o fazer é partilhar conhecimento.

Kathleen Walch: Partilhar é cuidar.

Galen Low: Exatamente! Tenho duas perguntas para terminar.

Algumas das coisas de que estamos a falar passam por fazer uma lista das coisas que nos incomodam e conversar com a ferramenta de IA generativa para aumentar a nossa vida profissional individual. Algumas pessoas, eu incluído, pensam que isto é fantástico.

É uma tecnologia extraordinária. Para mim, as interfaces baseadas em separadores são uma forma natural de processamento de linguagem, levada a um nível muito superior ao de há algumas décadas. Depois penso: não será apenas um truque sofisticado de salão, que reorganiza a linguagem e a devolve, fazendo-nos pensar que é uma criatura viva, consciente e inteligente?

Na realidade, está apenas a recombinar linguagem. Estaremos a limitar-nos por não utilizarmos IA suficiente? Por outro lado, existe o risco de pensarmos que a IA faz coisas mágicas, que pode fazer tudo, e não compreendermos que é boa a fazer determinadas coisas? Isso é perigoso ou inspirador?

Kathleen Walch: É perigoso porque conduz a promessas excessivas e a resultados insuficientes. A IA é um termo abrangente. Com a IA generativa e os grandes modelos de linguagem disponíveis, as pessoas pensam que ela pode fazer tudo e pedem-lhe tudo. Depois talvez não obtenham os resultados pretendidos e perguntam: por que razão não consegue resolver este problema matemático? Um ser humano consegue fazê-lo. Precisamos de compreender o que ela pode e não pode fazer.

Por isso, perguntámos: por que não dividir a questão mais um nível? O que estamos a tentar alcançar? E será a IA a solução certa?

Analisámos centenas ou milhares de casos de utilização e dividimo-los em sete padrões de IA. Temos a hiperpersonalização, que trata cada pessoa como um indivíduo. Pense naquilo que é o sonho de um profissional de marketing, mas que também pode aplicar-se à educação, aos cuidados de saúde ou às finanças hiperpersonalizados.

Depois temos o reconhecimento, que consiste em compreender dados não estruturados. Aqui pensamos no reconhecimento de imagens, mas também no reconhecimento de áudio ou de gestos das mãos.

Temos a análise preditiva e o apoio à decisão, que utilizam dados passados e atuais para ajudar os seres humanos a tomar melhores decisões. Temos também padrões e anomalias, que analisam grandes quantidades de dados e identificam tendências e valores atípicos, como na deteção de fraude.

Temos sistemas orientados por objetivos, relacionados com a aprendizagem por reforço e a otimização. Temos o padrão autónomo, cujo objetivo é retirar o ser humano do circuito. Sempre que tentamos retirar o ser humano, a tarefa torna-se muito difícil, por isso dizemos que este é o padrão de IA mais difícil.

Podemos ter hardware ou software, como veículos autónomos ou robôs autónomos de entregas. Também podemos ter processos empresariais autónomos. Como criar sistemas que naveguem autonomamente nos nossos fluxos de trabalho sem precisarem de seres humanos?

É diferente da automatização, porque a automatização não é inteligência. Estamos simplesmente a repetir algo, o que pode ser extremamente útil, mas não é inteligência. Se houver exceções, é necessário que um ser humano intervenha. Se os campos mudarem, uma pessoa tem de entrar e verificar o que mudou.

Pensamos na automatização robótica de processos, mas também no que será a IA baseada em agentes, especialmente este ano e nos próximos anos, e em como podemos ter mais agentes autónomos a trabalhar com outros agentes.

Os sete padrões ajudam-nos a compreender aquilo em que a IA é boa e aquilo em que não é boa, bem como quando devemos ou não utilizá-la. Abordamos isso na primeira fase da compreensão do negócio da CPMAI. Se tivermos o padrão conversacional da IA, é aí que humanos e máquinas comunicam na linguagem humana. É aí que se enquadram os grandes modelos de linguagem e os chatbots com IA, mas esse é apenas um padrão de IA. Talvez não devêssemos pedir aos nossos grandes modelos de linguagem que façam ofertas hiperpersonalizadas, nem utilizá-los para conduzir um veículo.

Galen Low: Gosto muito disso. Obrigado por este curso rápido. Na verdade, ajuda a colocar muitas coisas em perspetiva. E adivinhe?

É a transição perfeita para a minha última pergunta. Falámos da IA a chegar e a ajudar-nos no dia a dia.

Kathleen Walch: Inteligência aumentada.

Galen Low: Inteligência aumentada. Obrigado. Mas também mencionou sistemas autónomos e baseados em agentes. Toda a gente fala disso atualmente: um mundo em que a IA faz as suas próprias coisas. Talvez esteja a agir em seu nome, mas não da mesma forma que quando conversa com ela e diz: “Pode fazer isto por mim?”

Tem uma opinião sobre o caminho que isso seguirá no mundo da gestão de projetos ou no mundo em geral? As ansiedades das pessoas são justificadas? Ou será mais uma daquelas coisas em que as pessoas pensam: “Isto é basicamente inteligência artificial geral. Podemos avançar diretamente para o apocalipse.” Quando, na realidade, se trata apenas de trabalhar dentro destes padrões?

Kathleen Walch: Se compreendermos o que a IA pode e não pode fazer, perceberemos que ainda estamos na IA estreita. Estamos a aplicar um ou mais destes sete padrões, mas ainda não estamos na inteligência artificial geral, em que teríamos um sistema semelhante a um ser humano capaz de fazer tudo. Continuamos sem raciocínio de máquina.

Gosto de falar da pirâmide DIKUW. Os dados estão na base, como fundação, mas, por si só, não podemos fazer muito com os dados. Temos de lhes aplicar algo. Assim obtemos o nível da informação, onde encontramos painéis e coisas semelhantes. Depois passamos para o conhecimento, onde entra a aprendizagem automática.

Em seguida temos a compreensão, que corresponde ao raciocínio de máquina. Ainda não chegámos aí. No topo temos a sabedoria. Ainda estamos muito longe da inteligência artificial geral, e é importante compreender isso.

Há opiniões diferentes nos meios de comunicação sobre a distância a que estamos. Algumas pessoas pensam que falta uma década, outras um ano, outras cem anos e outras que nunca chegaremos lá. Os especialistas do setor não conseguem chegar a acordo. Mas é importante compreender as limitações atuais e aplicar a IA onde fizer sentido.

A IA baseada em agentes é o tema mais quente de 2025 e continuará a sê-lo. No PMI temos o Infinity, a nossa ferramenta de IA, e teremos capacidades de IA baseada em agentes. Também é importante compreender que, como não existe uma definição comummente aceite de IA, também não existe uma definição comummente aceite de IA baseada em agentes.

É realmente autónoma? É aumentada? É automatizada? Ainda estamos a avançar nesse sentido, mas é entusiasmante. As coisas estão a mudar muito rapidamente. Se alguém estiver a ouvir isto em fevereiro de 2025, como será em fevereiro de 2026? E em junho de 2025? As coisas mudam.

Estamos apenas a um grande avanço ou a uma plataforma diferente de distância. Falou anteriormente do DeepSeek, que não existia há um mês. Como continuarão a evoluir as coisas e como irão os profissionais de projetos adotar a IA baseada em agentes e integrá-la nos seus fluxos de trabalho?

São conversas maiores. Como está a sua organização a introduzi-la? Como está a adotar estas ferramentas e tecnologias? Temos de garantir que o fazemos de forma fiável, ética e responsável. Existem preocupações relacionadas com a privacidade dos dados, a governação e a confiança. Confiamos nestes sistemas? Devemos utilizá-los internamente ou podemos recorrer a sistemas externos?

É uma época muito entusiasmante. Estas ferramentas continuam a melhorar e surgem novas todos os dias. Isso pode ser avassalador. Por onde começar? Como acompanhar tudo isto? Creio que é necessário aprender e praticar todos os dias.

Tem de praticar. Deve tornar-se um reflexo. Como pode tornar isto parte do seu quotidiano? Já não comece com uma página em branco. Se está a começar com uma página em branco, está a fazer algo errado.

Peça ajuda no brainstorming, peça um primeiro rascunho e depois edite-o, ou utilize a ferramenta para aquilo que estiver a tentar fazer. É um reflexo a que precisa de se habituar. Como fazê-lo? Continuando a praticar.

Galen Low: Gosto muito disso: a mentalidade e o reflexo. Kathleen, esta foi uma conversa verdadeiramente inspiradora.

Não creio que alguma vez tenha tirado tantas notas num episódio. E digo-o no bom sentido, para captar conhecimento para mim, não para saber o que editar posteriormente. Creio que o PMI tem muita sorte em contar consigo. Estou entusiasmado com o que virá a seguir e talvez devêssemos voltar a falar em fevereiro de 2026, ou antes, para comparar onde chegámos após 365 dias.

Kathleen Walch: Sim. Sei que está a mudar muito rapidamente. Às vezes perguntam onde estaremos daqui a um ano ou cinco anos. E eu respondo: onde estaremos daqui a um mês?

Galen Low: Adoro. Adoro. Adoro. Onde podem as pessoas encontrar mais informação sobre a certificação CPMAI?

Kathleen Walch: Visite PMI.org. Pode encontrá-la aí. Também tenho um podcast, AI Today, onde falamos sobre a CPMAI. Estamos atualmente a meio de uma série sobre casos de utilização. É agora um podcast oficial do PMI, o que me deixa muito entusiasmada. Estamos a transferir tudo para o sistema do PMI. Como qualquer pessoa que já tenha passado por aquisições sabe, isso demora algum tempo, mas estamos a avançar. Também me pode encontrar no LinkedIn, como Kathleen Walch, e a PMI Cognilytica também está no LinkedIn.

Galen Low: Excelente. Incluirei também todas essas ligações nas notas do programa.

Kathleen, muito obrigado por se juntar a mim hoje. Foi muito divertido.

Kathleen Walch: Obrigada. Adoro sempre falar consigo, Galen.

Galen Low: Muito bem, pessoal, é tudo. Como sempre, se quiser juntar-se à conversa com mais de mil defensores da gestão de projetos que partilham os mesmos interesses, venha juntar-se à nossa comunidade. Visite thedpm.com/membership para saber mais. E, se gostou do que ouviu hoje, subscreva e mantenha-se em contacto através de thedigitalprojectmanager.com. Até à próxima, obrigado por ouvir.