Sobrecarga de ferramentas de IA? Um guia para gerir as suas opções
Sobrecarga de ferramentas: O lançamento diário de novas ferramentas de IA sobrecarrega os gestores de projetos, complicando decisões de compra ponderadas.
Casos de utilização primeiro: Dê prioridade à compreensão das necessidades específicas de IA antes de adotar ferramentas, para evitar soluções ineficientes.
Teste comparativamente: Avalie as ferramentas de IA comparando os resultados em várias plataformas, e não de forma isolada.
Complemente, não substitua: Considere melhorar as ferramentas existentes com agentes de IA em vez de mudar de plataforma precipitadamente.
Adoção estratégica: Concentre-se em alinhar a adoção de ferramentas de IA com estratégias organizacionais de longo prazo e melhorias dos processos.
Existem atualmente entre 500 e 1.000 novas ferramentas de IA lançadas todos os dias. Para os gestores de projetos e líderes de PMO, esse número não é entusiasmante — é exaustivo. Todas as semanas surge uma nova plataforma que promete automatizar os seus relatórios de estado, prever os seus riscos e otimizar a alocação dos seus recursos. E todas as semanas, as organizações tomam decisões de compra de cinco e seis dígitos com base em vídeos de demonstração e apresentações comerciais.
Emmanuels Magaya, fundador da Project Managers Africa, testou mais de 100 ferramentas de IA e criou uma consultora para ajudar as organizações a tomar decisões mais inteligentes sobre as ferramentas que adotam.
Recentemente, juntou-se ao apresentador do podcast DPM, Galen Low, para partilhar uma perspetiva que contraria a atual onda de entusiasmo: abrande, seja específico e deixe de permitir que a ferramenta dite a estratégia.
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
Eis o enquadramento exato que apresentou no programa para o ajudar a fazer o mesmo.
Comece pelos casos de utilização, não pelas ferramentas
O erro mais comum cometido pelas organizações não é escolher a ferramenta errada — é escolher uma ferramenta antes de saberem o que precisam que ela faça. Magaya é claro quanto a isto. "O primeiro passo é compreender exatamente o que quer que a IA faça por si", afirma. "Não tente utilizar a IA para tudo. Analise algumas das coisas simples que faz no dia a dia, que são rotineiras, que exigem trabalho mental e que lhe ocupam tempo."
Não tente utilizar a IA para tudo. Analise algumas das coisas simples que faz no dia a dia, que são rotineiras.
Parece simples, mas a maioria das equipas ignora este passo. Veem um concorrente a utilizar uma nova plataforma, ou alguém da liderança lê um artigo, e de repente surge pressão para adotar algo rapidamente. O problema é que a urgência sem clareza conduz exatamente à situação que Magaya passa a maior parte do seu trabalho de consultoria a resolver.
O seu outro aviso é igualmente importante: não parta do princípio de que os seus processos estão preparados para a IA apenas porque a ferramenta está. "Não se precipite a utilizar a ferramenta", afirma. "Primeiro, pergunte: o meu processo é compatível com a IA? O que descobrimos é que existem processos deficientes em que a introdução da IA apenas os tornará ainda mais deficientes." Se o seu planeamento de recursos for inconsistente ou os dados dos seus projetos estiverem desorganizados, uma camada de IA não os irá limpar — apenas fará com que a desorganização avance mais depressa.
Como avaliar e comparar ferramentas de IA
Depois de definir os seus casos de utilização da IA, o passo seguinte é testar — e Magaya tem uma metodologia específica para isso. O maior erro que as pessoas cometem ao avaliar ferramentas é testá-las isoladamente, julgando uma em relação a um padrão abstrato em vez de a compararem diretamente com um concorrente.
A solução que propõe é simples: "Nunca utilize uma única ferramenta para obter resultados de IA. Experimente escrever a mesma instrução no Gemini, no Claude ou noutra ferramenta a que tenha acesso e, em seguida, compare os resultados." Executar instruções idênticas em várias ferramentas e modelos de IA revela diferenças na qualidade, profundidade e relevância para o seu caso de utilização específico.
Este artigo foi adaptado de um episódio do podcast DPM intitulado Não precisa de uma nova ferramenta de IA para PM – precisa de corrigir a que tem. Veja mais podcasts DPM aqui.
Mas a qualidade do seu resultado é tão boa quanto a qualidade dos dados de entrada. "Se não for bom a formular instruções, poderá não obter um bom resultado, mesmo com a ferramenta certa", afirma Magaya. "Por isso, tem de desenvolver essa competência." Esta é uma variável que a maioria dos modelos de avaliação ignora completamente — as equipas testam uma ferramenta, obtêm um resultado medíocre e descartam-na quando o verdadeiro problema está na instrução.
Também aconselha a não avaliar uma ferramenta com base na primeira impressão. "Explore as suas ferramentas, experimente funcionalidades diferentes. Irá descobrir que até a ferramenta que inicialmente considerava não ser muito boa pode, na realidade, cumprir muito bem uma determinada finalidade."
A maioria das plataformas inclui funcionalidades integradas que os utilizadores nunca descobrem, porque acedem diretamente à interface principal e nunca exploram mais.
O que fazer quando a sua ferramenta de IA não se adequa
Mesmo com um processo de avaliação exaustivo, por vezes as organizações apercebem-se, seis meses após a implementação, de que a ferramenta não está a cumprir o que foi prometido. Quando isso acontece, Magaya recomenda um diagnóstico estruturado antes de tomar qualquer decisão sobre os passos seguintes.
"Primeiro, compreenda o que esperava da ferramenta", afirma. "Depois, faça aquilo a que chamamos uma análise de lacunas. Faça uma análise de lacunas entre as expectativas — o que espero que a ferramenta faça e aquilo que a ferramenta está realmente a fornecer." Essa análise de lacunas determina tudo: se o problema pode ser resolvido, se vale a pena continuar e quanto custaria realmente sair.
E esse custo pode ser significativo. "O impacto de fazer uma escolha errada pode ser enorme. Pode até custar milhões, refletindo-se na satisfação dos clientes, na entrega aos clientes, na qualidade do produto, etc.", afirma Magaya. O impacto financeiro de um contrato inadequado é evidente, mas os efeitos posteriores na qualidade da entrega e na motivação da equipa são frequentemente aquilo que mais se faz sentir.
O impacto de fazer a escolha errada pode ser enorme – refletindo-se na satisfação dos clientes, na entrega aos clientes, na qualidade do produto, etc.
Um fator que é fácil subestimar e que Magaya identifica como a consideração mais importante depois de detetar os pontos de fricção são os dados do projeto. "Quanto dados tínhamos fornecido a esta ferramenta? Este é provavelmente o ponto mais importante depois do ponto de fricção", afirma.
"Pode nem sequer ser possível recuperá-los." Ao contrário de uma folha de cálculo que pode exportar e importar noutro local, aquilo que uma ferramenta de IA aprendeu com o comportamento da sua equipa, o histórico dos seus projetos e os padrões da sua organização não é transferível. Quanto mais avançado estiver o trabalho com uma ferramenta, maior será o custo de inverter o rumo.
Como aumentar as capacidades da sua ferramenta atual com agentes de IA
É aqui que ficam bloqueadas muitas das conversas sobre ferramentas de IA: a escolha é apresentada como continuar ou sair. Magaya propõe uma terceira opção que mais organizações deveriam considerar — o aumento de capacidades. Em vez de substituir uma ferramenta que apresenta lacunas, pode criar agentes e fluxos de trabalho automatizados que preenchem essas lacunas, mantendo a sua plataforma atual intacta.
Pense nos agentes como modulares, não monolíticos
A natureza modular da IA agêntica torna esta abordagem mais prática do que parece. "Com a IA agêntica, a vantagem é poder remover os agentes de que não precisa ou que não funcionam bem e substituí-los por novos", explica Magaya. "Assim, se estabelecer um EGP agêntico, terá um agente que faz a previsão de riscos. Terá um agente de IA que faz o planeamento da capacidade. Terá outro que trata apenas do agendamento ou da gestão do calendário." Cada agente trata de uma função distinta, o que significa que pode adicionar ou remover capacidades sem reformular toda a sua infraestrutura e garantir que cada agente está otimizado para essa tarefa específica.
Com a IA agêntica, a vantagem é poder remover os agentes de que não precisa ou que não funcionam bem e substituí-los por novos
Comece por algo pequeno dentro da sua ferramenta atual
O ponto de partida não tem de ser complicado. "Se já tem uma ferramenta, antes de mais, ela suporta IA?", pergunta Magaya. "Se tem utilizado ferramentas generalizadas como a Monday.com, a Asana ou a Jira, em geral, essas ferramentas estão a fazer um bom trabalho ao manterem-se atualizadas com a integração da IA. Pode começar por aí. Assim, começa por algo pequeno. Talvez seja apenas um agente de IA que verifica as notas após as reuniões — vamos extrair a transcrição, criar itens de ação e depois enviar um e-mail." É um ponto de entrada de baixo risco e elevado valor, que não exige uma reformulação completa da arquitetura.
Planeie antes de construir
Para as equipas que precisam de ir mais longe — ligando ferramentas como a n8n, a Make ou a Zapier para criar fluxos de trabalho mais sofisticados — Magaya salienta que a tecnologia é a parte fácil. A parte difícil é saber o que quer construir antes de começar a fazê-lo. "Não pode começar a construir uma casa sem um plano, e é aí que muitas pessoas cometem erros com a IA", afirma.
"Quando as pessoas ouvem falar do n8n, do Make ou do Zapier, começam imediatamente a criar fluxos de trabalho. Mas, em que consiste o seu fluxo de trabalho? Crie primeiro um mapa mental em ferramentas como o NotebookLLM." A etapa de planeamento não é opcional — é o que determina se o fluxo de trabalho que cria resolve efetivamente o problema e compreende o fluxo de informação, ou se apenas acrescenta mais complexidade.
Não pode começar a construir uma casa sem um plano, e é aí que muitas pessoas cometem erros com a IA.
Quando a arquitetura está clara, a implementação torna-se significativamente mais fácil de gerir. "Pode manter a sua ferramenta, mas certifique-se de que é alguém que compreende os processos de automatização a criar os fluxos de trabalho. Dessa forma, ficam devidamente integrados."
Trate os agentes de IA como membros da sua equipa
O aumento de capacidades não é apenas uma decisão técnica — exige uma mudança na forma como pensa sobre a composição da sua equipa. Magaya defende que os líderes de PMO precisam de começar a incluir os agentes na contagem de pessoal. "Há também aqui um elemento de gestão da mudança", afirma.
"A equipa precisa de se adaptar a ter a IA como parte integrante da equipa. Daqui para a frente, enquanto PMO, quando fizer a contagem de pessoal, digamos que a sua equipa tem 50 pessoas — agora precisa de contar os agentes de IA como parte da equipa. Assim, se tiver, por exemplo, 10 agentes de IA, na realidade tem uma equipa de 60 pessoas, porque temos aquilo a que chamamos um quadro RACI de IA, no qual — quem é responsável, quem é responsabilizado, quem é consultado e quem é informado — existe uma secção onde a IA desempenha determinadas funções."
Daqui para a frente, enquanto PMO, quando fizer a contagem de pessoal, precisa de contar os agentes de IA como parte da equipa.
Esta forma de enquadrar a questão é importante porque obriga a haver clareza. Quando um agente tem uma função definida no RACI, a equipa sabe exatamente por que é responsável, em que consiste a supervisão e onde ocorre a transferência para uma pessoa. Também torna mais fácil identificar quais os agentes que estão a ter um desempenho inferior em determinadas partes do fluxo de trabalho.
More Articles
- Gestor de Projetos e Educador com IA Partilha um Fluxo de Trabalho Simples com IA que Altera Fundamentalmente a Forma como os Projetos Funcionam
- A pilha de ferramentas que usaria se começasse uma agência
- 3 alternativas a substituir os seus gestores de projeto humanos por agentes de IA
- A única ferramenta de gestão de projetos de que nunca abdicaria
- Os fluxos de trabalho de IA do mundo real utilizados pelo Diretor de Entregas de uma agência de implementação do Asana
Do reativo ao preditivo
Tratar os agentes como membros da equipa desbloqueia uma capacidade que Magaya considera uma das vantagens da IA menos utilizadas na gestão de projetos. "Quando tem um PMO com IA, com agentes e assistentes de IA a trabalhar de forma coesa, os agentes podem efetivamente informá-lo sobre riscos com base em dados recolhidos em locais como o e-mail e o Microsoft Teams", afirma.
Este é um modelo operacional fundamentalmente diferente daquele a que a maioria dos PMO está habituada. "Antes, os PMO tradicionais geriam os riscos de forma reativa — algo está prestes a acontecer, está bem, vamos resolver a situação", afirma Magaya. "Mas, com a IA, a IA pode dizer-lhe o que poderá acontecer daqui a 12 meses, apenas com base nos dados." As equipas que fazem isto bem não estão apenas a utilizar a IA para poupar tempo em tarefas administrativas. Estão a utilizá-la para antecipar o futuro de uma forma que anteriormente não era possível.
A IA pode dizer-lhe o que poderá acontecer daqui a 12 meses, apenas com base nos dados.
Deixe a estratégia liderar, não as ferramentas
As organizações que tirarão maior partido da IA não são as que adotam mais ferramentas — são as que são mais ponderadas sobre como e por que motivo as adotam. Essa ponderação começa antes da compra de uma única ferramenta e começa com uma visão clara dos seus processos e da direção que a sua organização está a tomar.
Como afirma Magaya: "Imagine-se a utilizar a IA de forma eficaz daqui a 12 meses. Como seria a sua organização? Como se sentiriam os seus clientes? É assim que precisa de analisar a situação." Comece por aí, trabalhe de trás para a frente e deixe que as ferramentas sigam a estratégia — e não o contrário.
Quer obter mais informações como estas? Registe-se para obter uma conta DPM gratuita e ouvir mais especialistas como estes.
