Se a IA fizer o trabalho dos Gestores de Projeto Juniores, como iremos formar os Gestores de Projeto experientes?

Irá a IA substituir o Gestor de Projetos?

Esta é uma discussão recorrente quando se fala do impacto da inteligência artificial na gestão de projeto.

Apesar disso não me parece que essa seja, neste momento, a pergunta mais interessante. A investigação recente aponta sobretudo para uma transformação da função do gestor de projeto, a IA começa a assumir tarefas relacionadas com reporting, análise de informação, documentação, planeamento, identificação de riscos e preparação de decisões, enquanto competências como julgamento, pensamento crítico, liderança, negociação e gestão de stakeholders continuam fortemente dependentes da intervenção humana.

A conclusão mais frequente, e já escrevi sobre isso, parece, portanto, relativamente tranquilizadora: a IA não substituirá o Gestor de Projeto; irá libertá-lo de muitas tarefas administrativas e permitir-lhe concentrar-se nas atividades de maior valor.

Esse raciocínio parece-me válido, mas quando pensamos um pouco melhor nas premissas que lhe estão subjacentes, há um problema que merece ser analisado.

Se automatizarmos grande parte do trabalho através do qual um Gestor de Projetos aprende a ser Gestor de Projetos, como iremos formar os Gestores Projetos experientes de amanhã?

E daqui decorre uma segunda pergunta, ainda mais importante:

Porque haveríamos de formar os Gestores de Projetos de amanhã da mesma forma que formámos os de hoje?

Ninguém começa por gerir o projeto mais complexo

Um Gestor de Projeto sénior não se torna sénior simplesmente porque acumulou anos de carreira, frequentou cursos ou obteve certificações. O que dá senioridade ao gestor de projeto é o reconhecimento da sua competência e da sua capacidade para gerir projetos e programas de projetos cada vez mais complexos.

Para além da formação teórica, o Gestor de Projeto aprende fazendo. Normalmente começa por atividades relativamente simples: recolher informação para um status report, atualizar planos, acompanhar ações, preparar reuniões, controlar pequenas alterações, analisar desvios ou comunicar com stakeholders menos críticos.

Progressivamente surgem situações mais difíceis. Um prazo começa a derrapar e é necessário perceber se estamos perante um atraso recuperável ou um problema estrutural; um fornecedor garante que vai recuperar o atraso, mas alguma coisa na nossa experiência começa a dizer-nos que provavelmente não vai; dois stakeholders defendem soluções tecnicamente razoáveis, mas incompatíveis; um risco tem uma probabilidade aparentemente reduzida, mas consequências suficientemente graves para justificar uma intervenção imediata; o sponsor pede uma data que sabemos ser irrealista, ou; um indicador continua verde, mas alguma coisa no projeto nos diz que não está tudo bem.

É através do enfrentar e resolver centenas destas situações que se constrói aquilo a que chamamos experiência. O paradoxo é que, com a inteligência artificial, a forma como adquirimos essa experiência está rapidamente a tornar-se obsoleta.

Precisamos de experiência para tomar boas decisões, mas adquirimos experiência participando inicialmente em atividades e decisões relativamente simples.

Mas é precisamente parte desse trabalho inicial que estamos a começar a entregar à IA.

Ou seja, estamos a assistir ao desaparecimento silencioso dos primeiros degraus que nos levam à experiência.

Consideremos algumas tarefas tradicionalmente atribuídas a elementos menos experientes de uma equipa de gestão de projetos:

• preparar atas e extrair ações de reuniões;
• consolidar informação de diferentes equipas;
• preparar status reports;
• atualizar planos;
• identificar dependências;
• verificar ações em atraso;
• organizar documentação;
• analisar indicadores;
• preparar apresentações;
• identificar riscos a partir da informação disponível;
• comparar versões de documentos;
• pesquisar lessons learned de projetos anteriores.

Essas tarefas são também algumas das atividades que os atuais sistemas de IA conseguem executar melhor. E os agentes que agora começam a surgir irão bastante mais longe.

Um agente pode acompanhar continuamente várias fontes de informação, comparar o progresso real com o plano, detetar inconsistências, procurar informação numa knowledge base através de RAG, identificar riscos, consultar outros agentes especializados e preparar uma recomendação para o Gestor de Projeto.

Isto é excelente do ponto de vista da produtividade. Mas poderá existir um efeito secundário. Ao eliminarmos trabalho de baixo valor acrescentado, podemos estar simultaneamente a eliminar trabalho de elevado valor de aprendizagem.

As duas coisas não são necessariamente iguais, ineficiente não significa inútil para aprender. Quem alguma vez preparou manualmente um “status report” sabe que é uma atividade facilmente classificável como administrativa.

Mas prepará-lo obriga também a ler informação de várias equipas, perceber o que mudou, identificar contradições, questionar responsáveis e decidir o que merece ser apresentado à gestão.

A produção do documento pode ter pouco valor, mas, pelo contrário, o processo mental necessário para o produzir pode ser extremamente valioso em termos da aprendizagem que proporciona.

O mesmo acontece com o planeamento. Atualizar dezenas de atividades num plano pode ser mecânico. Mas fazê-lo repetidamente ensina a perceber dependências, estimativas demasiado otimistas, sequências impossíveis e sinais precoces de problemas.

Ou com o Risk Register. Preencher campos é administração. Discutir riscos com diferentes equipas ensina-nos que as pessoas avaliam probabilidade e impacto de formas diferentes, que alguns riscos são politicamente inconvenientes e que aquilo que não aparece no Risk Register pode ser mais importante do que aquilo que lá está.

A IA pode retirar-nos a primeira parte, mas cabe-nos a nós garantir que não retira também a segunda.

Portanto, talvez estejamos a fazer a pergunta errada

O raciocínio acima baseia-se na premissa de que, para continuarmos a formar bons Gestores de Projeto, temos de encontrar uma forma de preservar o percurso através do qual os Gestor de Projetos atuais aprenderam. E isso, muito provavelmente, não será verdade.

Durante décadas, a progressão profissional foi, de forma muito simplificada:

produzir informação → analisar informação → recomendar → decidir → liderar.

Os profissionais começavam muitas vezes pela produção de informação porque alguém tinha de fazer esse trabalho. O Gestor de Projeto júnior atualizava o plano porque o plano precisava de ser atualizado; preparava o status report porque alguém tinha de consolidar a informação; escrevia a ata porque alguém tinha de registar aquilo que tinha sido decidido.

Ao executar repetidamente essas tarefas, aprendia, mas isso não significa necessariamente que essa seja a melhor forma de aprender, e muito menos significa que essa seja a única forma de aprender. Pelo contrário, pode simplesmente significar que essa era a forma de aprendizagem compatível com a maneira como o trabalho estava organizado.

Talvez tenhamos confundido o percurso que historicamente tivemos de seguir com o percurso que pedagogicamente deveríamos seguir. Constatar isso é mudar a forma como lidamos com o problema da experiência e da aprendizagem.

E se a IA permitir aos gestores de projeto juniores começar mais acima?

Imaginemos um Gestor de Projeto júnior que trabalha, desde o primeiro dia, acompanhado por sistemas de IA e por profissionais mais experientes. Um agente demora cinco minutos a preparar uma primeira versão do status report que anteriormente demoraria duas horas.

O que fazemos com a hora e cinquenta e cinco minutos que libertámos?

Podemos simplesmente aumentar a produtividade e pedir ao jovem PM que trate de mais projetos ou … podemos fazer algo bastante mais interessante. Podemos pedir-lhe que analise o relatório produzido pela IA e que tente encontrar respostas para perguntas como:

Porque é que determinado milestone aparece como crítico?

O projeto deveria realmente continuar Verde?

Que informação está em falta?

Há alguma contradição entre aquilo que as equipas reportam e aquilo que os indicadores mostram?

Que informação deve ser apresentada ao sponsor?

O que deveria ser omitido?

E, sobretudo: Concordas com a avaliação feita pela IA? Porquê?

Nesse modelo, o profissional mais jovem deixa de passar grande parte do tempo a produzir informação e pode começar mais cedo a interpretá-la, questioná-la e tomar posição sobre ela.

O mesmo pode acontecer com o planeamento. Um agente constrói uma primeira versão do plano. O PM júnior analisa-o, identifica fragilidades, questiona dependências e apresenta alterações.

Ou com os riscos. O Risk Agent identifica quinze riscos. O PM júnior tem de decidir quais são realmente materiais, quais estão mal avaliados e, sobretudo, que riscos poderão não ter sido identificados.

Começamos a deslocar a aprendizagem de: “produz este artefacto” para: “explica-me se este artefacto está certo e o que farias a seguir”.

Ao fazermos isso talvez não estejamos a produzir gestores de projetos menos preparados, talvez estejamos a produzir melhores gestores de projetos porque: A experiência e o sentido critico não têm de se basear apenas naquilo que nos aconteceu.

Mas há outra possibilidade ainda mais interessante. Grande parte da experiência profissional é, por natureza, acidental. Aprendemos com os projetos em que tivemos oportunidade de participar e, sobretudo, aprendemos com as coisas que correm menos bem, ou francamente mal, nos projetos em que participamos.

Um Gestor de Projeto pode trabalhar durante vários anos sem enfrentar uma determinada situação crítica. Outro pode encontrá-la no primeiro projeto. A qualidade da experiência adquirida depende, em parte, daquilo que nos aconteceu, mas uma organização com dezenas ou centenas de projetos possui uma experiência coletiva muito superior à experiência individual de qualquer Gestor de Projeto.

E se conseguíssemos utilizar essa experiência para ensinar? Um Intelligent PMIS ligado ao conhecimento histórico da organização poderia recuperar, através de RAG, situações reais de projetos anteriores e transformá-las em cenários de aprendizagem.

Imagine-se um PM júnior confrontado com determinada situação: o projeto apresenta estes indicadores; o fornecedor enviou estas comunicações; existem estes riscos; o plano mostra estes desvios; o sponsor tomou anteriormente estas decisões.

E uma pergunta: O que farias?

O jovem PM toma uma decisão, justifica-a, e, só depois o sistema revela o que aconteceu realmente naquele projeto.

E pode continuar: E se o fornecedor estivesse três semanas atrasado em vez de uma? E se este stakeholder fosse o sponsor? E se o custo da mitigação fosse superior ao impacto esperado do risco? E se tivesses apenas 48 horas para decidir?

De repente, a aprendizagem deixa de estar limitada à experiência que o profissional teve oportunidade de viver e passa também a poder beneficiar da experiência acumulada da organização. Podemos simular aquilo que demoraria anos a acontecer a cada um dos nossos gestores de projeto.

E, uma vez que a IA generativa permite criar ambientes de simulação muito mais ricos do que os tradicionais case studies, podemos levar a ideia ainda mais longe. Um sistema poderia representar um sponsor impaciente, um fornecedor excessivamente otimista, um arquiteto que discorda da solução, um cliente que altera continuamente os requisitos ou um membro da equipa que evita comunicar más notícias.

O Gestor de Projeto em formação teria de negociar, fazer perguntas, decidir, comunicar e lidar com as consequências das suas decisões.

O cenário poderia evoluir dinamicamente. Uma decisão aparentemente correta poderia produzir uma consequência inesperada algumas semanas mais tarde. Uma situação que num projeto real demoraria seis meses a desenvolver-se poderia ser experimentada em algumas horas.

Ou seja, e voltando às questões iniciais, em vez de perguntarmos apenas como substituir a aprendizagem que a IA está a eliminar, podemos perguntar se a própria IA nos permite construir uma melhor aprendizagem.

O agente que não dá a resposta.

Há ainda outra possibilidade que me interessa particularmente. Grande parte da discussão atual sobre assistentes de AI e sobre agentes assume que o objetivo é dar ao utilizador uma resposta melhor e mais rapidamente. Mas um agente destinado à aprendizagem poderia ter precisamente o objetivo contrário.

Em vez de responder: “O projeto deve ser classificado como Amarelo.” poderia perguntar: “Classificaste o projeto como Verde. Como justificas essa decisão tendo em conta que três milestones consecutivos falharam?” Em vez de dizer: “Não deves aceitar a nova data proposta pelo fornecedor.” poderia perguntar: “Que evidência tens de que esta nova data é mais credível do que as duas anteriores?” Ou: “Que pressupostos estás a utilizar?”; “Que informação adicional pedirias antes de decidir?”; “Que stakeholder poderá discordar da tua decisão?”; “O que faria mudar a tua opinião?”

Este agente não estaria a fazer o trabalho do Gestor de Projeto, estaria a obrigá-lo a pensar, seria menos Copilot e mais Socratic Coach, e talvez seja precisamente este tipo de utilização da IA que teremos de explorar se quisermos formar profissionais capazes de trabalhar criticamente com sistemas inteligentes.

Nos últimos meses tenho pensado, e escrito, bastante sobre este tema. A certificação profissional RAG e Agentic AI que terminei recentemente dá-me agora tempo e instrumentos que me permitem passar progressivamente da teoria à experimentação.

A minha intenção é começar a desenvolver pequenos agentes especializados em determinadas funções de gestão de projetos. Não pretendo construir um “AI Gestor de Projeto”, aliás, tenho cada vez mais dúvidas de que esse seja sequer o objetivo correto.

Quero começar por agentes com responsabilidades limitadas e explícitas: analisar riscos, trabalhar sobre planeamento, recuperar lessons learned, consolidar informação ou acompanhar determinadas dimensões do projeto.

Progressivamente, alguns desses agentes poderão utilizar conhecimento organizacional através de RAG, recorrer a ferramentas externas e comunicar entre si. Se a experiência resultar, esses componentes poderão eventualmente formar aquilo a que tenho chamado um Intelligent PMIS: um ecossistema em que Gestor de Projetos, agentes especializados, conhecimento organizacional e sistemas tradicionais trabalham em conjunto.

E pretendo ir documentando no PM2ALL essa construção, não apenas os resultados, mas também as decisões de arquitetura, as experiências que falharem e as perguntas que forem surgindo pelo caminho.

A reflexão que partilhei convosco ao longo deste texto acaba de acrescentar uma ideia que inicialmente não fazia parte desse plano. Talvez um dos agentes desse ecossistema deva ser um PM Coach Agent. Não um agente concebido para fazer mais uma tarefa que atualmente pertence ao Gestor de Projeto, mas, em vez disso, um agente cuja função seja ajudar o Gestor de Projeto a aprender a fazer aquilo que os outros agentes estão progressivamente a fazer por ele.

Poderia utilizar a informação dos agentes de Risk, Planning ou Lessons Learned, mas em vez de entregar conclusões, transformá-las em problemas. Poderia adaptar a dificuldade, à experiência do profissional. Poderia confrontá-lo com decisões anteriores. Poderia introduzir informação contraditória. Poderia obrigá-lo a justificar por que razão discorda da recomendação de outro agente. E poderia recorrer ao conhecimento histórico da organização para expor um profissional em formação, num período relativamente curto, a situações que anteriormente poderia demorar anos a encontrar.

É apenas uma hipótese, mas parece-me suficientemente interessante para experimentar.

Talvez estejamos perante uma oportunidade, não apenas um risco. Penso que é óbvio para quase todos que existe um risco legítimo. Se utilizarmos a IA simplesmente para retirar tarefas aos profissionais juniores e aumentar a produtividade, podemos eliminar inadvertidamente mecanismos através dos quais estes adquiriam experiência.

Mas não somos obrigados a fazê-lo dessa forma. Podemos utilizar o tempo libertado para os expor mais cedo a problemas de maior valor cognitivo; podemos utilizar a experiência acumulada da organização em vez de depender apenas da experiência individual (essa é, aliás, há mais de 20 anos a ideia de um PMIS, mas não conheço nenhuma organização que na prática o tenha implementado de uma forma concreta e consistente); podemos utilizar simulações para condensar anos de exposição a situações de projeto; podemos utilizar agentes não apenas para responder, mas para questionar, e; podemos aproximar profissionais juniores de decisões que anteriormente só encontrariam muito mais tarde na carreira.

Mas isso obriga-nos a abandonar uma ideia que nos acompanha há anos e que, por isso, nos é confortável: que para formar os profissionais de amanhã temos de preservar a forma como formámos os profissionais de hoje.

Provavelmente não temos.

Há ainda uma consequência final. Se alterarmos a forma como os profissionais aprendem e, simultaneamente, alterarmos a distribuição do trabalho entre pessoas e agentes, então talvez o próprio conceito de “Gestor de Projeto Sénior” venha a mudar.

A senioridade poderá depender menos da capacidade de produzir e controlar informação e mais da capacidade de interpretar contextos complexos, desafiar recomendações, compreender consequências, gerir relações humanas, arbitrar conflitos entre diferentes perspetivas e assumir responsabilidade pelas decisões.

Poderá também exigir algo que até agora praticamente não fazia parte da profissão: saber governar trabalho realizado por agentes inteligentes. Definir o que podem fazer; perceber quando devem parar; decidir quando confiar; reconhecer quando não confiar.

E saber quando uma decisão aparentemente racional do sistema não faz sentido no contexto real do projeto.

Isso significa que talvez não devamos perguntar apenas:

“Se a IA fizer o trabalho dos Gestor de Projetos juniores, como formaremos os seniores?” Talvez devamos fazer duas perguntas diferentes:

“Que Gestor de Projetos queremos formar para trabalhar num mundo de sistemas inteligentes?” e depois: “Como podemos utilizar a própria IA para os ajudar a chegar lá?”

Porque a IA pode efetivamente eliminar alguns dos degraus através dos quais aprendemos a profissão, mas isso significa que em vez de nos preocuparmos porque não conseguimos reconstruir a mesma escada, possamos olhar para esta realidade e encará-la como uma oportunidade para construir uma escada melhor.

E, no final, continuará a existir uma competência que considero essencial. Num mundo em que um sistema inteligente consegue produzir rapidamente uma recomendação convincente, alguém terá de possuir experiência, conhecimento e confiança suficientes para dizer: “Não concordo.”

E, para terminar, a questão que devemos colocar passa a ser: Quem irá ensinar o Gestor de Projeto a discordar da IA?

E, talvez, paradoxalmente, parte da resposta seja: a própria IA, se tivermos inteligência suficiente para não a desenhar apenas para nos dar respostas.

Votos de bons projetos,

fnap