Especialistas Revelam os Piores Casos de Utilização da IA na Gestão de Projetos
Pensamento Crítico: Os planos de projeto automatizados parecem completos, mas não têm o contexto essencial, conduzindo a potenciais problemas no projeto.
Necessidade de Revisão: A confiança nos resultados da IA sem revisão humana pode conduzir a erros e consequências significativas.
Verificação da Realidade: A IA tem dificuldades com tarefas factuais, como folhas de horas, colocando em risco a precisão dos dados e a integridade dos registos do projeto.
Envolvimento Humano: Utilizar a IA para gerir as partes interessadas pode comprometer o envolvimento genuíno necessário para uma comunicação produtiva.
Base do Processo: A IA não deve substituir o estabelecimento de referências processuais humanas, uma vez que não consegue definir fluxos de trabalho eficazes.
A adoção da IA na gestão de projetos acelerou rapidamente e, com ela, surgiu uma onda de entusiasmo que nem sempre resiste a uma análise mais crítica. As ferramentas que prometem poupar tempo, reduzir a carga administrativa e fornecer informações úteis tornaram-se elementos habituais nos fluxos de trabalho dos gestores de projetos — mas nem todas as aplicações dessas ferramentas estão a funcionar da forma esperada pelos profissionais. Na verdade, alguns casos de utilização estão discretamente a causar mais problemas do que aqueles que resolvem. Os especialistas que trabalham diariamente nesta área já identificaram os padrões e são claros quanto às situações em que a IA está a criar problemas na gestão de projetos.
Gerar planos de projeto sem pensamento crítico
Poucas aplicações de IA na gestão de projetos são tão tentadoras — ou tão problemáticas — como o plano de projeto automatizado. Introduza uma declaração de trabalho e obtenha um cronograma. Parece uma vantagem em termos de produtividade, mas os profissionais experientes afirmam que os resultados tendem a parecer melhores do que realmente são e que os gestores de projetos que os aceitam sem análise estão a preparar os seus projetos para enfrentar problemas.
Pam Butkowski, SVP da Horizontal Digital, explica-o diretamente: "mesmo que tenha uma ferramenta na qual introduza um SOW e lhe peça para criar um plano de projeto, garanto-lhe que não está correto. Simplesmente não estará. É um excelente ponto de partida. Mas depois precisamos de usar o nosso pensamento crítico." O plano pode estar estruturado e parecer completo — mas não tem acesso às dependências reais, à capacidade efetiva da equipa ou ao contexto organizacional que torna um cronograma realista.
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
Mesmo que tenha uma ferramenta na qual introduza um SOW e lhe peça para criar um plano de projeto, garanto-lhe que não está correto. Simplesmente não estará.
Jeff Chamberlain, Gestor de Serviços de Banda Larga e PMO no Governo do Condado de Fredrick, chegou a uma conclusão semelhante com base na sua experiência: "Algumas pessoas abordam a ferramenta com a intenção de criar planos de projeto. Não tive grande sucesso a criar bons planos de projeto com ela. E, normalmente, acabamos por ter de os refazer na mesma." Quando o trabalho necessário para tornar utilizável um plano gerado por IA se aproxima do tempo que teria sido necessário para o criar de raiz, o argumento da eficiência desaparece.
Algumas pessoas abordam a ferramenta com a intenção de criar planos de projeto. Não tive grande sucesso a criar bons planos de projeto com ela. E, normalmente, acabamos por ter de os refazer na mesma.
Copiar e colar resultados de IA sem revisão
Se há um único hábito que os profissionais apontam como sendo imediatamente perigoso, é este: aceitar os resultados da IA como trabalho concluído. O apelo é compreensível. O resultado parece bem elaborado, a linguagem é confiante e a tentação de avançar é real. Mas esse polimento pode esconder erros graves — e, quando ninguém revê o trabalho antes de este ser enviado, as consequências podem ser significativas.
Mike Clayton, CEO e fundador da OnlinePMCourses.com, observou esta situação em contextos de serviços profissionais com consequências financeiras reais: "Há pessoas que simplesmente dizem: está bem, fizeram-me uma pergunta. Vou introduzir uma pergunta no ChatGPT e copiar e colar a resposta, e o meu trabalho está feito. E ninguém sequer a reviu ou corrigiu." O problema não é ter utilizado a IA — é ter ignorado por completo a etapa humana de rever e corrigir o resultado.
Há pessoas que simplesmente dizem: está bem, fizeram-me uma pergunta. Vou colocar uma pergunta ao ChatGPT e copiar e colar a resposta, e o meu trabalho está feito.
Megan Cotterman, Gestora de Projetos Fracionada e Consultora de Operações, passou por isto na prática: "Estava a usar IA para me ajudar com este projeto de design instrucional... na realidade, a IA baralhou-se e acabei por ter a informação errada. Por isso, penso que é importante garantir que as equipas compreendem que isto não é a solução definitiva... e que não se trata simplesmente de copiar, colar e enviar ao cliente, considerando o trabalho concluído." Mesmo quando a IA é utilizada de forma ponderada, pode ainda assim produzir informação incorreta — o que significa que a etapa de revisão humana não é opcional; é o trabalho.
Utilizar IA para folhas de horas e registo factual
Existe uma categoria de documentação de projetos que depende inteiramente da realidade: o que aconteceu realmente, quem fez efetivamente o quê e quando. As folhas de horas inserem-se precisamente nessa categoria. E é exatamente aqui, onde a precisão não é negociável, que a IA está menos preparada para ajudar.
Oliver F. Lehmann, Formador de Negócio de Projetos na Oliver F. Lehmann Project Business Training, expõe o problema com uma clareza incisiva: "A IA não consegue escrever uma folha de horas. Pode inventar uma folha de horas, mas não consegue escrever uma folha de horas. Assim, está a introduzir fantasia numa documentação que deveria ser real." A IA pode gerar algo que parece uma folha de horas preenchida — entradas aparentemente plausíveis, horas que totalizam corretamente — mas nada disso reflete o que realmente aconteceu. Introduzir esse tipo de dados fabricados num registo de projeto não poupa tempo; corrompe-o.
A IA não consegue escrever uma folha de horas. Pode inventar uma folha de horas, mas não consegue escrever uma folha de horas!
Automatizar a gestão das partes interessadas e a comunicação
A gestão das partes interessadas é uma das partes mais dependentes do envolvimento humano no trabalho de projeto, e por uma boa razão. As conversas que fazem avançar os projetos — as difíceis, as que exigem confiança e uma escuta cuidadosa — dependem de um envolvimento humano genuíno. As tentativas de automatizar ou subcontratar esse envolvimento à IA tendem a comprometer precisamente aquilo que torna essas conversas produtivas. As partes interessadas que enfrentam decisões complexas ou contestadas não querem um processo de comunicação otimizado — querem sentir que foram verdadeiramente ouvidas por outra pessoa.
O problema estende-se à comunicação escrita do dia a dia. Lehmann observa que "vejo muitas vezes gestores de projetos a utilizarem simplesmente a IA para escrever os seus e-mails. Muitas vezes, a linguagem é demasiado branda quando é altura de ser um pouco mais direto. Suaviza bastante as coisas." Quando um projeto exige uma mensagem direta e firme para uma parte interessada, a linguagem gerada pela IA tende a limar as arestas — deixando muitas vezes o problema real por abordar.
Yonelly Gutierrez, Gestora Sénior de Programas na Palo Alto Networks, também nota esta característica na comunicação escrita pela IA: "por vezes, com a formulação, penso: 'pareces mesmo um robô de IA. Fala normalmente, por favor.'" A rigidez característica da linguagem gerada pela IA não é apenas um problema estético — indica aos destinatários que a mensagem não foi escrita especificamente a pensar neles.
Implementar IA antes de estabelecer uma base humana
Uma das abordagens estruturalmente mais falíveis à adoção da IA consiste em implementá-la antes de alguém ter percebido como a tarefa subjacente deve realmente funcionar. Quando as organizações ignoram a etapa de estabelecer um processo funcional liderado por pessoas e passam diretamente à sua automatização, não estão a acelerar o progresso — estão a acelerar a confusão.
Derek Fredrickson, Fundador e CEO da The COO Solution, depara-se frequentemente com este padrão: "muitas vezes, tentam iniciar a IA como solução antes de uma pessoa ter realmente executado a tarefa. Acredito sempre que uma pessoa deve fazer primeiro aquilo que se pretende que a IA automatize, em vez de simplesmente introduzir IA por causa da IA." A IA é eficaz a expandir e sistematizar processos que já são compreendidos. Não tem capacidade para definir o que é um bom resultado num processo que nunca tenha sido executado primeiro por uma pessoa.
Acredito sempre que deve ser um ser humano a fazer primeiro aquilo que pretende que a IA automatize, em vez de simplesmente introduzir IA só por introduzir IA.
Relatórios baseados em IA com dados incorretos ou sem um objetivo claro
Os relatórios automatizados são um dos benefícios da IA na gestão de projetos mais frequentemente referidos. A promessa é real — mas implica condições que as organizações frequentemente ignoram. Se os dados subjacentes não forem fiáveis, ou se o objetivo do relatório não estiver claramente definido, a IA não produz relatórios melhores. Produz relatórios formatados de forma convincente que não lhe dizem aquilo que precisa de saber.
Emmanuels Magaya, fundador da Project Managers Africa, identifica ambos os modos de falha: "Se quiser que a IA automatize os seus relatórios, aquilo que irá frequentemente descobrir é que, se os dados não estiverem corretos, o seu relatório não lhe dará aquilo que procura. E também precisa de saber o que procura no relatório." Dados limpos e um objetivo claro e específico para as partes interessadas são pré-requisitos — e não meras vantagens — para que os relatórios assistidos por IA proporcionem valor.
Se quiser que a IA automatize os seus relatórios, aquilo que irá frequentemente descobrir é que, se os dados não estiverem corretos, o seu relatório não lhe dará aquilo que procura.
Aplicar IA a processos deficientes
A IA é um multiplicador de força. É precisamente isso que torna a sua aplicação a um fluxo de trabalho disfuncional tão contraproducente — multiplica a disfunção. As organizações que acreditam que a IA irá corrigir um processo deficiente estão, em quase todos os casos, a tornar esse processo ainda mais deficiente e mais difícil de diagnosticar.
Markus Kopko, coach principal da CPMAI, explica claramente esta dinâmica: "Aplicar IA e soluções de IA a processos deficientes não torna o processo melhor. Os resultados são ainda piores do que se não tivesse alterado os seus processos." A melhoria dos processos tem de vir primeiro. Aplicar IA sobre um fluxo de trabalho não analisado ou ineficiente não revela os problemas subjacentes — esconde-os sob resultados mais rápidos e mais abundantes.
Substituir o julgamento humano na dinâmica das equipas e nos conflitos
Os dados podem dizer muita coisa a um gestor de projetos. Não lhe podem dizer que dois membros da equipa deixaram de confiar um no outro, quando a segurança psicológica da equipa é inexistente, ou que aquilo que parece ser um problema de calendarização é, na verdade, um conflito mais profundo. Essas situações exigem presença, observação e julgamento humano — nada disso pode ser fornecido pela IA.
Jeremiah Hammon, formador de liderança e gestão de projetos na Project Revolution, estabelece um limite claro: "O que ela não fará é ver os problemas reais. Não nos diz que temos três membros da equipa com problemas pessoais ou quando os problemas da equipa exigem resolução de conflitos. Não fará isso." A dimensão interpessoal de uma equipa de projeto — quem está a ter dificuldades, quem está descomprometido, o que está a ficar por dizer — é invisível para a IA. E, em muitos projetos, é precisamente essa dimensão que determina se o trabalho é concluído.
O que ela [IA] não fará é ver os problemas reais. Não nos diz que temos três membros da equipa com problemas pessoais ou quando os problemas da equipa exigem resolução de conflitos. Não fará isso.
O padrão por detrás do problema
Em todos estes casos de utilização, há um elemento comum subjacente às falhas: foi pedido à IA que realizasse tarefas para as quais nunca foi concebida, ou foi implementada de formas que eliminam o discernimento humano que teria detetado o problema. A questão não é a própria IA — é a suposição de que, pelo facto de a IA conseguir produzir um resultado, esse resultado é fiável, adequado ou suficiente. Os profissionais que estão a utilizar a IA de forma mais eficaz não são os que têm a lista mais extensa de aplicações. São os que têm mais clareza sobre o ponto em que a IA deixa de intervir e começa o discernimento humano — e que encaram essa fronteira não como uma limitação, mas como um princípio de conceção.
Quer receber mais informações como estas? Crie uma conta DPM gratuita para ouvir mais especialistas como estes.
