As decisões de gestão de projetos que os agentes de IA podem — e não podem — tomar

Galen Low: Com a IA agêntica em cena, a tecnologia de IA deixou de ser uma ferramenta para passar a ser um colega de equipa. Muito bem, mas não é aí que reside a maior complexidade. A complexidade está no facto de os agentes de IA serem frequentemente colegas de equipa que foram treinados melhor do que nós, que trabalham de forma diferente e que podem ser avaliados de formas completamente distintas das nossas e das dos nossos colegas humanos.

Provavelmente não vieram com um manual, provavelmente estão configurados para tomar decisões que preferíamos tomar nós próprios e provavelmente não estavam presentes quando a sua equipa definiu os acordos de trabalho. Na prática, é como ter dezenas de novos membros na equipa, vindos de uma organização completamente diferente, colocados à sua disposição de um dia para o outro — algo que, se já passou por uma fusão ou aquisição, sabe que pode ser muito, muito confuso.

Mas, discutivelmente, este é um desafio que pode ser ultrapassado, e os potenciais benefícios são certamente reais. Por isso, para este episódio, quis fazer algo um pouco diferente. Quis partilhar uma conversa de um dos nossos eventos ao vivo, organizado por Tim Fisher e pela equipa da Wrike, sobre a forma como os agentes de IA estão realmente a fazer a diferença no trabalho baseado em projetos e sobre o que tem de ser verdade para que as implementações de IA agêntica sejam bem-sucedidas.

Na conversa, falam sobre como ter mais dados não significa necessariamente ter melhores resultados, que decisões devem ser tomadas por humanos em vez de por um agente e como a formação, e não apenas o acesso, é fundamental para a implementação bem-sucedida de trabalho orientado por agentes em toda a organização. Antes de entrarmos no tema, deixe-me dar-lhe primeiro algum contexto.

Tim não foi apenas o anfitrião deste evento. Está, na realidade, a construir uma força de trabalho agêntica dentro da empresa-mãe do The Digital Project Manager, a Black and White Zebra. Por outras palavras, está a viver diretamente esta transformação agêntica e todos os desafios que a acompanham. Uma das coisas sobre as quais conversámos recentemente foi a ideia de começar do zero, desaprender as formas como sempre fizemos as coisas e começar a desenvolver os nossos processos agênticos de raiz, sem toda a bagagem acumulada.

Para os seres humanos, isto é difícil. Muitas vezes, as nossas identidades estão ligadas aos nossos cargos e responsabilidades. Raramente nos pedem para pensar em nós próprios fora dessa caixa e, quando o fazemos, a tela em branco é frequentemente demasiado vasta para conseguirmos alinhar os nossos desejos com aquilo que os empregadores querem ver em nós. Parece um processo de tentativa e erro — uma tentativa e erro que parece poder deixar-nos, a nós e às nossas equipas, sem emprego.

Mas a componente educativa também não pode ser subestimada. Sim, espera-se agora que todos sejamos criadores, desempenhando o papel de humanos no circuito, mas o que significa isso realmente e como podemos ajudar as nossas pessoas a chegar lá, em vez de simplesmente lhes despejarmos ferramentas para cima e esperarmos que se elevem por si próprias? Em última análise, a grande mudança parece resumir-se à responsabilidade, ao risco e ao contexto organizacional.

Num mundo agêntico, todos gerem agora atores autónomos que colaboram uns com os outros, por vezes dentro de uma caixa negra. E aquilo que confiamos a esses atores, em oposição ao que mantemos como responsabilidades humanas, precisa de ser enquadrado em torno da gravidade do risco, da empatia entre seres humanos e das implicações de assumir verdadeiramente a responsabilidade por um projeto ou fluxo de trabalho.

Não se trata apenas das capacidades da tecnologia. Por isso, vamos colocar isto num cenário específico de um projeto. Imagine que tem um agente de IA a ajudá-lo a formar a equipa de um projeto. Sabe quem está disponível, que competências tem, no que todos estão a trabalhar e talvez até que combinações de pessoas entregaram historicamente os projetos com mais sucesso.

Poderia elaborar um plano de recursos em segundos, algo que, de outra forma, lhe levaria horas. Fantástico. Mas e se esse plano de recursos implicar retirar Lucia, a sua melhor programadora, de outro projeto que está prestes a começar a atrasar-se porque Amireth, a principal designer, acabou de perder a avó e está a tentar lidar com o luto, trabalhando a 80% da sua produtividade habitual para continuar a poupar dinheiro para o aparelho dentário da filha?

A sua força de trabalho agêntica pode ter toda a informação necessária para fazer uma recomendação, mas isso significa que um agente deve tomar a decisão? Porque agora não estamos apenas a falar de otimizar uma folha de cálculo. Estamos a falar de relações com clientes, prioridades empresariais, compromissos de entrega e, sobretudo, do impacto em pessoas reais.

E penso que é aqui que o próximo capítulo da IA e da gestão de projetos se torna fascinante, porque não se trata simplesmente de perceber aquilo que a IA é capaz de fazer. Trata-se de perceber que responsabilidades devemos delegar à IA, que decisões têm de continuar nas mãos dos humanos e que tipo de supervisão precisamos quando os nossos colegas de equipa de IA estão a operar em segundo plano.

É um puzzle complexo que precisa de ser resolvido para encontrar o equilíbrio certo. E talvez, mais importante ainda, não é algo que se instala e fica imediatamente a funcionar. É uma área em que precisamos de ter conversas sobre discernimento e discrição, em que precisamos de formar e desenvolver as nossas pessoas para terem sucesso à medida que as coisas mudam e em que precisamos de nos dar autorização e segurança para deitar fora parte da bagagem acumulada e reformular os nossos papéis em torno daquilo que fazemos melhor.

E foi precisamente isso que Tim explorou na conversa com a equipa da Wrike. Por isso, sem mais demoras, eis a conversa que o meu guru de IA mais respeitado, Tim Fisher, teve com Nancy e Andras, da Wrike, sobre as implicações da IA agêntica na gestão de projetos atualmente. Espero que goste do episódio.

Tim Fisher: Olá e bem-vindos ao Futuro da IA na Gestão de Projetos, onde vamos além da apresentação comercial e analisamos como a IA está realmente a mudar a forma como as equipas planeiam, entregam e gerem o trabalho. Hoje, temos a Wrike connosco. Vamos analisar como a IA pode ajudar os líderes de projetos a tomar melhores decisões mais cedo, desde determinar a composição de uma equipa até identificar riscos de entrega antes de se transformarem em problemas muito maiores. Depois, vamos olhar para o futuro e perceber o que acontece quando a IA começa a assumir um papel mais ativo na forma como o trabalho é entregue.

Hoje juntam-se a nós Andras Horvath, Diretor de Produto de IA e Analítica na Wrike. Andras tem mais de 15 anos de experiência na criação de produtos B2B centrados em dados, analítica e IA. Temos também connosco Nancy Boas, Gestora Sénior de Marketing de Produto de IA na Wrike.

Nancy lidera a estratégia de entrada no mercado e a mensagem para as soluções de gestão do trabalho com tecnologia de IA da Wrike, com especial atenção à forma como a IA está a mudar a maneira como as equipas trabalham.

Andras, Nancy, sejam bem-vindos. Obrigado por terem vindo.

Nancy Boas: Muito obrigada. É um prazer estar aqui hoje.

Andras Horvath: É um prazer estar aqui, Tim. Muito obrigado pela simpática apresentação.

Tim Fisher: Para quem ainda não conhece a Wrike, podem dar-nos a versão resumida de 30 segundos? O que faz a vossa plataforma? Para quem foi criada?

Andras Horvath: Quanto à própria plataforma, a Wrike é uma plataforma, ou basicamente um único espaço onde as pessoas podem planear, acompanhar e entregar o seu trabalho. Criámos a IA para aumentar as capacidades das equipas e dos indivíduos, garantindo que todo o trabalho rotineiro lhes é retirado das mãos.

No entanto, nos últimos seis a nove meses, temos-nos concentrado bastante também na vertente da entrega do trabalho, porque a IA pode ser utilizada para aumentar as capacidades dos indivíduos ou ajudar as pessoas a entregar trabalho mais rapidamente, com coisas como geração de conteúdos e criação de resumos. Também pode utilizar-se a IA para automatizar partes do trabalho, e é nisso que nos temos concentrado ultimamente.

Tim Fisher: Isso é muito interessante. Parece um pouco diferente de alguns dos outros produtos deste setor. Portanto, a vossa filosofia é que a IA também deve ajudar a entregar o trabalho, e não apenas a ajudar na gestão das pessoas, que é o que vemos na maior parte das vezes. O que significa isso na prática?

Andras Horvath: Na prática, significa que a IA pode atuar como um colega de equipa que o ajuda a concluir o trabalho, e não apenas servir para acelerar o seu próprio trabalho ou funcionar como uma plataforma de gestão do trabalho onde simplesmente coordena as tarefas.

Pode configurar um colega de equipa de IA, a que gostamos de chamar um companheiro de trabalho na Wrike, que tem a sua própria capacidade e que o pode ajudar a entregar trabalho. Por exemplo, uma IA pode ajudá-lo a redigir declarações de trabalho com base em trabalhos semelhantes que tenha realizado anteriormente e ajustá-las de acordo com as particularidades do cliente existentes no CRM, como no Salesforce.

Ou pode fazer com que a IA trate automaticamente das publicações nas redes sociais quando uma nova funcionalidade é lançada. Está sentado com a sua equipa, estão a construir algo, entregam a funcionalidade e depois passam o trabalho ao seu, digamos, companheiro de trabalho das redes sociais, que vai utilizar toda a informação do projeto para o ajudar a criar a publicação adequada para o blogue e para o LinkedIn.

Vai criar as imagens e tudo o resto, identificá-lo na publicação. Você aprova e o trabalho é concluído. Fazer a mesma coisa manualmente pode levar meia hora, uma hora ou até mais. Por isso, atualmente, a IA torna-se efetivamente o seu colega de equipa.

Tim Fisher: Os líderes de projetos têm acesso a mais dados do que alguma vez tiveram, sem dúvida. Mas as decisões relacionadas com coisas como recursos e riscos do projeto continuam a depender de atualizações manuais e folhas de cálculo ou, pior ainda, de informação que chega depois de algo já ter corrido mal.

Onde vê a maior lacuna atualmente entre a informação que os líderes de projetos têm e as decisões que realmente precisam de tomar?

Andras Horvath: Comecemos pelo básico, ou pela fundação, que é algo com que lidamos quando falamos da nossa implementação de raiz: os dados estão dispersos por todo o ambiente e por todo o ecossistema.

Tem ficheiros no SharePoint, mensagens no Teams ou no Slack, gravações de reuniões ou as próprias reuniões. Está tudo disperso. Está tudo em todo o lado. E a Wrike oferece-lhe um espaço onde pode consolidar essa informação, proporcionando o contexto necessário para tomar decisões.

No entanto, ter os dados ou ter o contexto não significa que tenha os conhecimentos certos para conseguir tomar as decisões adequadas. É aqui que a IA pode ajudar, transformando esses dados brutos em conhecimentos úteis. Se um projeto sofreu atrasos cinco vezes na etapa B, isso provavelmente significa que o projeto seguinte também sofrerá atrasos.

A isto chama-se análise preditiva e é algo que pode ser revelado. E, se falarmos também de alocação de recursos, muitas pessoas têm na cabeça algo como: “Eu sei que o Tim consegue fazer isto e que a Nancy consegue fazer aquilo, mas e a disponibilidade deles? Deixe-me confirmar com eles no Teams ou no Slack”, e assim por diante.

Se alguém tiver utilizado um sistema como a Wrike de forma consistente, sabemos que trabalho realizou, sabemos qual é a sua carga de trabalho, sabemos a sua disponibilidade e tudo o resto. Assim, quando falamos de coisas simples — bem, não tão simples — como a alocação de recursos, a IA pode preparar em poucos segundos um projeto com 137 tarefas, porque podemos preencher as competências das pessoas ou identificá-las automaticamente.

Podemos determinar a carga de trabalho e assim sucessivamente. Quer que o projeto seja entregue o mais rapidamente possível? Eis as alocações de recursos. É uma organização de prestação de serviços e quer que o projeto seja entregue de forma a maximizar a rentabilidade, utilizando os recursos mais baratos disponíveis?

Também podemos fazer isso. Há muitas opções a ter em conta e, desde que tenha os dados e a inteligência, pode obter os conhecimentos necessários para fazer as recomendações certas. E, mais uma vez, um exercício demorado pode ser concluído em poucos segundos.

Tim Fisher: É realmente impressionante. Está claramente a falar de uma IA muito mais proativa, sobretudo no vosso produto.

Vou então fazer a pergunta que penso que toda a gente faz nesta fase: onde deve a IA tomar uma decisão ou fazer uma recomendação? Em que situações é que o discernimento humano ainda tem de assumir o controlo? Como é que pensam sobre isso?

Andras Horvath: É uma excelente pergunta, Tim. Para ser franco, é algo que nos perguntam frequentemente muitos dos clientes com quem trabalhamos.

A minha posição é bastante simples. Se existir um processo bem conhecido que queira automatizar, deve utilizar definitivamente a IA. Se estivermos a falar de casos excecionais, talvez não seja o melhor lugar para utilizar IA. Pode utilizar a IA para aumentar a sua capacidade de raciocínio e acelerar o tempo de chegada ao mercado, ou aquilo que estiver a tentar alcançar, mas não delegaria necessariamente algo desconhecido a um agente para que este tente descobrir sozinho, a menos que o faça com um humano constantemente envolvido e com interrupções que garantam que não se descontrola e estraga todo o sistema ou espaço de trabalho.

Outro fator a considerar é o risco. Tem uma tarefa de alto ou baixo risco? Se tiver algo de baixo risco, como fazer a triagem de pedidos recebidos — realizar a admissão para garantir que um pedido contém toda a informação necessária para se tornar executável —, isso é algo que a IA pode fazer.

“Verifiquei este pedido. A maior parte da informação está aqui. No entanto, falta-nos alguma coisa. Vamos contactar o cliente por e-mail, Slack ou outro meio e obter essa informação.” Assim que a tivermos, o pedido está pronto para ser entregue e é colocado no backlog, e assim por diante. Contudo, se estivermos a falar de alocação de recursos e tiver um projeto atrasado, uma das formas de o recuperar é retirar um engenheiro ou outra pessoa essencial de outro projeto. Mas fazê-lo vai atrasar o projeto B. Um humano deve continuar a decidir se deve ou não transferir essa pessoa. Esta decisão tem um impacto muito maior do que contactar alguém para pedir informação em falta.

De um modo geral, as perguntas são: trata-se de um processo conhecido? O risco ou impacto é alto ou baixo? Estas são as coisas que recomendo sempre que as pessoas analisem, porque nada substitui o discernimento humano no final do dia.

Tim Fisher: Estou a ouvir muita discussão sobre humanos versus IA e sobre decisões, tanto a nível temático e conceptual como filosófico, e também ouço vários termos a serem utilizados.

Penso que ouvi falar de MCP anteriormente. Certamente já falámos de utilizar a palavra agente e coisas desse género. Sei que nem todas as empresas que utilizam as vossas ferramentas são necessariamente muito experientes em IA. Como podem ajudar as pessoas a ultrapassar esse obstáculo? Existem formas de aprender sobre IA que possam ajudar a disponibilizar?

Oiço muitos comentários de que isto é muita coisa e tenho curiosidade em saber como pensam ajudar as pessoas a ultrapassar esses obstáculos.

Nancy Boas: Sim, claro. Posso responder, porque existem várias formas de educarmos as pessoas. Há uma perceção de que se fala imenso de IA, de agentes e até de “ser um criador”, mas, na prática, as empresas não sabem realmente como construir um agente.

Por isso, fizemos várias coisas. Uma delas foi aproveitar o nosso excelente departamento de formação, que sempre deu formação sobre as funcionalidades tradicionais, a administração da Wrike, a governação e outros temas semelhantes. No entanto, há vários meses, esse departamento começou a disponibilizar o AI Elite Mastery, um curso de quatro horas que qualquer pessoa pode frequentar e no final do qual recebe um certificado. Os participantes aprendem desde as melhores práticas de criação de instruções até à construção efetiva de um agente.

Essa é uma das coisas que fazemos, mas também organizámos uma escola de verão de IA com a duração de sete semanas, um programa educativo prático realizado todas as sextas-feiras. Como resultado, começámos a ter muito mais agentes a ser construídos e muito mais pessoas a participar ativamente. Também partilhei uma ligação relacionada com os companheiros de trabalho, mas temos igualmente uma comunidade online, onde partilhamos exemplos de instruções e casos de utilização, e onde outras pessoas podem contribuir com os seus próprios casos de utilização de agentes.

Porque, no final do dia, tudo se resume a ajudarmo-nos uns aos outros e a partilharmos conhecimento entre pares neste admirável mundo novo.

Tim Fisher: Isso é ótimo. Fico contente por ouvir isso. Já vos ouvi falar de contexto, controlo e colaboração como requisitos para a IA empresarial. Porque são estas coisas particularmente importantes quando a IA começa a agir sobre dados reais de projetos e fluxos de trabalho reais?

Andras Horvath: Quando pensamos no contexto, percebemos que, sem ele, a IA pode estar confiantemente errada ou, na melhor das hipóteses, ser tão genérica quanto possível. Se tomarmos como exemplo simples pedir a qualquer IA que crie uma estrutura de decomposição do trabalho, ou seja, um projeto, ela vai utilizar o conhecimento com que foi treinada ou pesquisar na Internet para descobrir a melhor forma de configurar um projeto, e irá fazê-lo.

Isso é bom? É mau? Bem, é uma forma genérica de configurar um projeto que pode funcionar em determinados casos, sobretudo quando não se gere um número muito elevado de projetos. No entanto, se for uma grande empresa, normalmente tem uma metodologia que desenvolveu ao longo dos anos ou décadas e, sempre que configura um novo projeto, há determinados aspetos a considerar.

Um dos exemplos clássicos é saber que decisões precisam realmente de aprovação e quem é a pessoa, organização ou função responsável por emitir essas aprovações. Se ligar o seu assistente de IA a algo como a Wrike e tiver utilizado a Wrike de forma consistente, todo esse conhecimento já está lá.

Assim, o seu assistente de IA vai utilizar a informação existente para configurar a estrutura de decomposição do trabalho de forma consistente com a organização a que pertence. É por isso que o contexto é importante. Em primeiro lugar, trata-se de ter acesso aos dados e, em segundo lugar, de utilizar esses dados de uma forma que permita adaptar os resultados às necessidades da sua organização.

Quanto ao controlo, deve garantir que a sua IA não se descontrola no final do dia. Deve assegurar que o agente de IA tem permissões claras, uma identidade e que é rastreável. É por isso que, quando integra um agente de IA na Wrike, registamos tudo.

Quando fala com o agente de IA, quando este pede a sua aprovação ou quando solicita uma contribuição, tudo acontece através do fluxo de comentários da Wrike. Assim, todas as decisões e tudo o que acontece é rastreável no sistema. Se consultar os agentes da Wrike que lançámos há cerca de um ano, por exemplo, e abrir os respetivos registos, não verá apenas que um registo foi eliminado. Verá que um registo foi eliminado, qual foi o raciocínio utilizado e com base em que dados.

Havia um humano envolvido? Qual foi a instrução recebida? Por que motivo ocorreu precisamente essa ação? Isto é algo que a maioria das empresas considera muito importante. Querem saber por que razão o agente se comportou da forma como se comportou. No caso dos humanos, normalmente não perguntamos por que motivo eliminaram um registo, ou isso é esclarecido numa conversa informal junto à máquina de café.

Por isso, o controlo é muito importante. É necessário garantir que se pode confiar no trabalho da IA porque, como disse, é difícil. Muitas pessoas não sabem trabalhar com IA e não confiam nela. Ter controlos e barreiras de segurança implementados aumenta efetivamente esse nível de confiança.

Por fim, temos a colaboração, algo que já mencionei anteriormente. Quando utiliza um sistema colaborativo de gestão do trabalho, ele chama-se colaborativo por uma razão. Está a trabalhar numa tarefa e não tem todos os detalhes. Identifica alguém e pergunta: “Olá, podes ajudar-me a esclarecer isto?”

Com os agentes, fala da mesma forma. Atribui-lhes trabalho tal como atribui trabalho aos colegas. Faz menções, coloca perguntas, obtém contributos e dá instruções. A colaboração entre humanos e IA garante que a IA se comporta da forma pretendida.

É por isso que pensamos que contexto, controlo e colaboração são os três pilares fundamentais para fazer a IA funcionar da melhor forma possível, e são os três pilares nos quais continuamos a investir.

Tim Fisher: Gosto muito da forma como pensam em tudo isso, especialmente na componente de controlo e transparência, na qual sei que se aprofundaram bastante. Mas não posso deixar de salientar, para todos os que nos estão a ouvir, a importância extraordinária dessa transição de confiar nos humanos para fazerem as coisas — e algumas coisas surgem naturalmente com isso, como as conversas junto à máquina de café — para um mundo onde algo autónomo e invisível, em segundo plano, executa trabalho. Poder saber por que motivo todas essas decisões foram tomadas é extremamente importante. Não penso que se fale o suficiente sobre isso, por isso, parabéns.

Isto leva-nos talvez à pergunta ou reflexão sobre um futuro não muito distante: à medida que a IA e os agentes com tecnologia de IA assumem uma parte cada vez maior deste trabalho, o que é que o gestor de projetos passa exatamente a fazer com o seu tempo? Esta conversa surge frequentemente quando se fala de automatização em geral e da economia em geral. Retiramos todas estas tarefas repetitivas ou deixamos que os agentes e a IA façam aquilo que conseguem fazer de forma mais eficiente e em escala.

O que nos resta fazer? Gostaria muito de ouvir a vossa opinião sobre isto.

Nancy Boas: Sinceramente, penso que as pessoas passam a fazer um trabalho mais agradável. Quem quer passar metade do dia a receber e fazer a triagem de formulários? Por exemplo, num dos nossos clientes, fiz uma sessão paralela para a nossa conferência virtual, uma conferência de utilizadores, e um dos nossos clientes, a Jellyfish, é uma agência de publicidade.

Passam muito mais tempo com os clientes. Fazem menos trabalho rotineiro, mas têm conversas mais inteligentes. Eliminam os obstáculos que costumavam surgir nos projetos. E penso que, para os gestores de projetos, é necessário começar a pensar nos agentes e na IA como o seu assistente diário.

Todos temos pessoas para gerir e agora também temos IA e agentes para gerir. Eles eliminam o trabalho mundano, mas continuamos a ter um trabalho para fazer e, esperamos, esse trabalho será composto por coisas mais agradáveis, como estratégia, resolução de problemas e o alcance de objetivos de alto nível.

Andras Horvath: Precisamente. Na minha equipa de gestores de produto, por exemplo, passa-se muito menos tempo a fazer coisas como escrever uma especificação, porque isso é feito com a ajuda da IA. As revisões também são feitas com a ajuda da IA. Transformar essa especificação numa estrutura de decomposição do trabalho e depois formar a equipa para essa estrutura acontece, não vou dizer instantaneamente, mas muito mais depressa do que antes, mesmo com humanos envolvidos.

Atualmente, o gestor de produto médio passa mais tempo a entrevistar os nossos clientes, a concentrar-se mais profundamente no problema e a compreender, por exemplo, quais são as coisas que precisamos de abordar.

O gestor de produto médio passa mais tempo a validar e ajustar, a gerir as partes interessadas e a trabalhar no desenho organizacional, porque também precisamos constantemente de mudar a forma como trabalhamos e interagimos uns com os outros na Wrike para acompanhar estas necessidades em constante mudança. Mas, como a Nancy também referiu muito bem, é preciso reservar tempo.

Tenho duas horas bloqueadas no meu calendário todas as sextas-feiras. Utilizo-as para fazer a manutenção de todos os meus agentes, assistentes, tarefas qualificadas e tarefas agendadas no Claude e no ChatGPT, dos agentes na Wrike e de tudo o resto, porque a realidade é que o negócio muda constantemente. Tudo está em movimento e em transformação contínuos.

Ou a tecnologia muda ou o negócio muda, e é necessário dedicar algum tempo a isso. Dedico essas duas horas, mas todo esse trabalho acaba por traduzir-se numa poupança de 15 ou 20 horas.

Tim Fisher: Gosto da forma como colocou isso. Embora a analogia não seja perfeita, é um pouco como ter reuniões individuais com a sua equipa, no sentido em que existe uma manutenção, formação e evolução contínuas do negócio que precisam de acontecer com todas as pessoas a quem delega trabalho.

E agora isso também inclui agentes. Gosto muito da forma como pensaram sobre isso.

Andras Horvath: Sim, sem dúvida. Atualmente, todos se tornam gestores. Quer gostem, quer não. Gosto dessa expressão: é preciso gerir a sua frota de agentes.

Tim Fisher: Está bem, vamos continuar no futuro para mais uma pergunta. Imaginemos que estamos daqui a cinco anos.

Alguém novo na gestão de projetos está a trabalhar nos sistemas que existirem nessa altura, na versão da Wrike daqui a cinco anos. O que é que essa pessoa vai recordar ou ouvir dos colegas mais experientes e ficará realmente surpreendida por saber que as pessoas alguma vez fizeram manualmente? Qual é a tarefa que vai desaparecer e da qual nunca mais ouviremos falar?

Andras Horvath: Atualizar estados na Wrike, por exemplo. Uma das coisas em que estamos a trabalhar é ter agentes que participem nas reuniões consigo, que entrem nos canais do Teams e do Slack e em todos esses espaços. Sempre que ocorrerem conversas, irão manter o trabalho na Wrike atualizado. Em última análise, queremos que estes agentes sejam ambientais, para que todas estas atualizações aconteçam e, com o tempo, aprendam consigo quais são as atualizações que devem fazer automaticamente e quais são as coisas que precisam de confirmar consigo.

Com o tempo, isto será desenvolvido. Ninguém vai dizer: “Deixe-me abrir a Wrike e garantir que esta tarefa está marcada como concluída.” Atualmente, muitos dos nossos clientes já fazem isso através do assistente da sua escolha. Com o tempo, isto acontecerá automaticamente, sem que tenha sequer de dar uma instrução ou fazer algo semelhante. O mesmo se aplica à atualização das pessoas, aos estados, aos relatórios de capacidade, aos relatórios de risco e a tudo o que possa imaginar.

Tudo isto já está automatizado em milhares de contas de clientes. Além disso, como referi, criar projetos ou trabalho de raiz, formar equipas e tudo o resto envolve uma quantidade enorme de informação que já existe. Estamos a trabalhar arduamente para extrair a informação existente na Wrike e transformá-la naquilo a que chamamos conhecimento organizacional, de forma a automatizar o máximo possível deste trabalho.

Assim, espero que daqui a cinco anos o gestor de projetos médio, o gestor de produto ou qualquer pessoa que lidere ou administre algo se concentre sobretudo no alinhamento, na obtenção de feedback e na componente humana, em vez de ficar sentado em frente a um computador a introduzir dados ou a resumir estados e relatórios.

Só precisamos de garantir que a introdução de dados acontece onde ocorre a comunicação. Se alguém quiser saber em que ponto está, não deve ter de perguntar ao gestor de projetos ou ao gestor da equipa. A resposta deve estar a uma pergunta de distância, mas essa pergunta deve consultar várias fontes, obter os dados e devolvê-los à pessoa.

Não se trata apenas de uma atualização de estado unilateral. É uma conversa sobre o estado, porque, ao longo dos anos, envia um relatório de estado e aparecem 22 perguntas. Os seus agentes precisam de ter o contexto necessário para responder também a essas perguntas de acompanhamento.

Tim Fisher: Tenho curiosidade em saber o que mais o entusiasma no vosso roteiro.

Gostaria que revelassem algo que ninguém tenha ouvido ainda sobre o que está a acontecer na Wrike. Não há pressão nesse sentido, mas tenho curiosidade em saber: quando se levantam de manhã, vão trabalhar e veem algo no horizonte que estão a construir ou a ponderar, o que é que vos entusiasma mais?

Andras Horvath: Para mim, pessoalmente, é o conhecimento e a memória organizacionais. É algo em que estamos a trabalhar. É a mineração de processos no seu melhor, seguida da recolha dessa informação e do seu armazenamento nos locais certos. Por exemplo, aquilo que vejo acontecer muito na Internet atualmente, entre aspas, é que existem agentes e que esses agentes têm as suas próprias memórias, o que é ótimo.

Mas, no momento em que começamos a fazer implementações empresariais, vamos ter 55 000 agentes em execução. Vamos ter, não sei, 60 gestores de projetos, agentes com memórias diferentes, e, no momento em que eliminarmos um, essa memória desaparece, e assim por diante. O que estamos a investigar é o armazenamento da memória no local onde se trabalha e a sua ligação a esse local, em vez de a ligarmos ao agente.

Assim, no momento em que implementar outro agente, ele recebe o mesmo conhecimento. O problema, contudo, é garantir que não sobrecarregamos o contexto. É preciso assegurar que a memória é criada, armazenada e recuperada da forma mais eficiente possível. Quando isso for conseguido, quanto mais utilizar o sistema, seja pessoalmente ou através dos agentes que comanda, mais inteligentes eles se tornarão e mais trabalho retirarão das suas mãos.

É uma aprendizagem contínua, tal como acontece com os humanos. Penso que ainda estamos apenas a arranhar a superfície desta área. Os agentes vão ficar cada vez melhores, não necessariamente devido à melhoria dos modelos. Os modelos são fantásticos. Não importa se melhoram. A única coisa que importa é que se tornem mais baratos, para que possamos ter agentes sempre ativos em vez de os executar apenas através de diferentes acionadores, quer estejamos a atribuir um agente, a fazer-lhe uma menção, a executá-lo segundo um horário ou de outra forma.

Ter um agente sempre ativo vai custar milhões de dólares. Sejamos realistas. Por isso, penso que a redução do custo dos modelos é positiva e chegaremos lá. Isso permitirá ter estes agentes ambientais. Mas a memória e a mineração de processos também serão aquilo que os tornará realmente poderosos em comparação com o ponto em que estamos hoje.

Nancy Boas: Penso que explicou isso muito bem. Queria apenas acrescentar que, como mencionei, estamos a celebrar o nosso 20.º aniversário e somos utilizados por organizações com seis ou sete departamentos e milhares de utilizadores. Se essa informação estiver simplesmente armazenada e não for realmente aproveitada, estaremos a prestar um mau serviço às pessoas.

Por isso, faz muito sentido podermos ajudá-las a trabalhar melhor, descobrir esses conhecimentos, identificar coisas como as competências inferidas e aperfeiçoar todo o processo de gestão de projetos.

Andras Horvath: Se me permite, Tim, a Nancy mencionou as competências inferidas. No final do dia, não estamos apenas a simplificar a introdução de dados.

Mais uma vez, se conseguirmos ter agentes a participar em todas as conversas em que está envolvido e a manter tudo atualizado, tornamos o trabalho muito mais fácil e agradável, em vez de ter de dizer: “Desculpem, preciso de algum tempo porque tenho de atualizar tudo na Wrike”, ou noutros sistemas que utilize.

Tim Fisher: É uma visão muito interessante do futuro. Ao falar do futuro, menciona algo de que não ouço falar o suficiente: existe uma obsessão com modelos cada vez mais inteligentes e com a ideia de que essa já não é verdadeiramente a limitação. A questão é o custo e o funcionamento contínuo, e isso é ótimo.

Gosto muito daquilo em que estão a pensar. Para quem nos está a ouvir e quer conhecer melhor estas funcionalidades da Wrike ou a própria Wrike, onde deve procurar mais informação?

Nancy Boas: Pode visitar wrike.com/ai e, se quiser fazer uma demonstração ou pedir mais informações, esse é um excelente ponto de partida.

Tim Fisher: Andras e Nancy, muito obrigado por se juntarem a nós. Vemo-nos na próxima sessão do Futuro da IA na Gestão de Projetos.

Nancy Boas: Muito obrigada.

Andras Horvath: Muito obrigado.