Inteligência Artificial na Gestão de Projetos: Desafios
Éticos e Oportunidades para Novos Modelos de Negócio
João Nuno Iria, Atlântico Business School, Portugal, joao.iria.10782@abs.pt
1. Objetivo
O objetivo deste artigo é analisar como a Inteligência Artigicial (IA) pode transformar a gestão de
projetos, abordando as oportunidades de negócio que essa tecnologia oferece, bem como os desafios
éticos envolvidos na sua implementação. O estudo visa explorar de que forma a IA pode ser integrada
tanto em metodologias ágeis quanto preditivas, destacando como a automação de processos, a
otimização de recursos e a análise avançada de dados podem melhorar significativamente a eficácia
dos projetos e apoiar a criação de novos modelos de negócio.
Além disso, o artigo pretende avaliar como as ferramentas de IA podem facilitar a tomada de decisões
mais precisas e informadas por meio de algoritmos de machine learning e análise preditiva, permitindo
que as organizações se adaptem rapidamente às mudanças e gerenciem melhor os riscos e requisitos
em constante evolução. A IA também será investigada como uma solução para previsões mais
precisas, permitindo cronogramas mais realistas e maior controle de custos, particularmente em
cenários de alta incerteza e complexidade.
Por fim, o artigo procurará abordar os desafios éticos que emergem do uso de IA, como a privacidade
de dados, a transparência algorítmica e o impacto da automação no mercado de trabalho. Com base
nisso, serão oferecidas recomendações práticas para gestores de negócios e projetos que desejam
implementar IA de forma ética e eficaz nas suas operações, com o objetivo de alinhar a inovação
tecnológica com a criação de valor estratégico.
2. Resumo e Abstract
Este artigo explora o impacto da IA na gestão de projetos, destacando os principais benefícios e
desafios associados à sua implementação. A IA permite a automação de tarefas repetitivas, a previsão
de riscos, a otimização de recursos e a melhoria na tomada de decisões, contribuindo para uma gestão
1
de projetos mais eficaz e ágil. Contudo, a adoção de IA enfrenta barreiras como os elevados custos
iniciais, a resistência à mudança por parte dos colaboradores, as questões de segurança e privacidade
de dados e a complexidade técnica de integração com infraestruturas existentes. O artigo também
analisa as implicações éticas da IA, particularmente no que diz respeito à proteção de dados e à
transparência dos algoritmos e oferece recomendações para uma implementação bem-sucedida. Por
fim, são sugeridas áreas de investigação futura, com foco na integração da IA com metodologias ágeis
e o impacto em equipas multidisciplinares.
This paper examines the impact of Artificial Intelligence (AI) on project management, highlighting the
key benefits and challenges associated with its implementation. AI enables the automation of repetitive
tasks, risk forecasting, resource optimization, and improved decision-making, contributing to more
efficient and agile project management. However, AI adoption faces barriers such as high initial costs,
employee resistance to change, security and data privacy concerns, and the technical complexity of
integrating AI with existing infrastructures. The paper also discusses the ethical implications of AI,
particularly concerning data protection and algorithmic transparency, and provides recommendations
for successful implementation. Finally, future research areas are suggested, focusing on the integration
of AI with agile methodologies and the impact on multidisciplinary teams.
Palavras-chave:
•
C63 – Computational Techniques; Simulation Modeling
•
D81 – Criteria for Decision-Making under Risk and Uncertainty
•
M15 – IT Management
•
O33 – Technological Change: Choices and Consequences; Diffusion Processes
•
O32 – Management of Technological Innovation and R&D
•
L86 – Information and Internet Services; Computer Software
3. Conteúdo
5.1 Revisão de Literatura .............................. 4
1. Objetivo ........................................................ 1
5.2 Estudo de casos ...................................... 5
2. Resumo e Abstract ...................................... 1
5.3 Limitações do Estudo .............................. 6
3. Conteúdo ...................................................... 2
6. Benefícios da Inteligência Artificial na Gestão
4. Introdução .................................................... 3
de Projetos ........................................................ 7
5. Metodologia.................................................. 4
6.1 Automatização de Tarefas ...................... 8
2
6.2 Previsão de Riscos ................................. 8
aprendizagem
automática
6.3 Otimização de Recursos ......................... 9
baseados em dados permitem a automatização
6.4 Melhoria na Tomada de Decisões .......... 9
de atividades que anteriormente exigiam tempo
6.5 Aumento da Agilidade e Flexibilidade... 10
e esforço humano, como a monitorização do
7. Desafios da Implementação de Inteligência
desempenho, a identificação de bloqueios e a
Artificial ............................................................ 10
alocação de mão-de-obra [3]. Assim, a IA não só
7.1 Custos e Investimentos......................... 10
apoia as metodologias ágeis, como também
7.2 Resistência à Mudança......................... 12
melhora o planeamento
7.3 Segurança e Privacidade de Dados ..... 14
preditivas,
7.4 Complexidade Técnica ......................... 16
eficientes e previsíveis [4].
conduzindo
e
os
nas
a
sistemas
metodologias
resultados
mais
8. Conclusão .................................................. 18
9. Referências Bibliográficas ......................... 19
Contudo, a adoção da IA levanta também
desafios éticos significativos. Questões como a
privacidade de dados, a transparência dos
algoritmos e o impacto da automação no
4. Introdução
emprego ocupam o centro das discussões sobre
A IA tem assumido um papel central na
a implementação responsável da IA [5]. Com o
transformação
influenciando
crescente uso de dados pessoais para o treino
profundamente a forma como as empresas
de algoritmos, as organizações devem cumprir
conduzem os seus negócios e gerem projetos.
rigorosamente as regulamentações de proteção
Em particular, a IA está a revolucionar a gestão
de dados, controlar a integridade do sistema e
de projetos, proporcionando oportunidades para
garantir
a automação de tarefas, a análise de dados em
transparentes e auditáveis, evitando decisões
tempo real e a previsão de riscos. Estes avanços
enviesadas e lacunas de responsabilidade [7].
digital,
que
os
modelos
de
IA
sejam
permitem aos gestores tomar decisões mais
informadas e estratégicas, com base em dados
Neste contexto, o presente artigo tem como
preditivos que aumentam a precisão nas
objetivo explorar como a IA pode ser integrada
estimativas de prazos e custos [9].
de
forma
eficaz
na
gestão
de
projetos,
destacando tanto as oportunidades de negócio
A aplicação da IA em projetos facilita uma melhor
como os desafios decorrentes da utilização desta
atribuição de recursos e uma gestão mais
tecnologia. Com base numa revisão de literatura
eficiente
e em estudos de caso, o trabalho visa fornecer
dos
Ferramentas
cronogramas
e
como
algoritmos
os
orçamentos.
de
uma análise abrangente dos benefícios da IA na
3
gestão de projetos, bem como apresentar
negócio baseados em dados. Organizações que
recomendações
gestores
adotam IA beneficiam de uma maior capacidade
interessados em implementar a IA de forma ética
de adaptação ágil a mudanças, permitindo a
e eficaz nas suas organizações [1], [2].
criação de estratégias mais proativas e flexíveis,
práticas
para
especialmente
em
contextos
de
mercado
5. Metodologia
dinâmico [3]. A automação inteligente promove
5.1 Revisão de Literatura
uma
reconfiguração
dos
processos
empresariais, resultando numa melhoria da
A IA tem demonstrado um impacto significativo
eficiência operacional e na redução de custos,
na
proporcionando
com exemplos notáveis em indústrias como a
inovações importantes no campo da automação
tecnologia, retalho e finanças, que já começaram
e análise preditiva. A aplicação de IA permite a
a integrar IA nas suas operações de gestão de
otimização de processos ao automatizar tarefas
projetos [5]. A capacidade de a IA monitorizar e
repetitivas, como a alocação de recursos e a
ajustar as operações em tempo real contribui
monitorização
projeto,
para que as empresas melhorem o desempenho
libertando os gestores de tarefas administrativas
dos seus projetos e se posicionem de forma
para focarem em atividades mais estratégicas
competitiva no mercado [6].
gestão
[9].
de
projetos,
do
Ferramentas
progresso
como
do
algoritmos
de
aprendizagem automática têm sido amplamente
No entanto, enquanto oferece oportunidades, a
exploradas, permitindo a previsibilidade de
implementação de IA levanta desafios éticos
riscos e resultados com maior precisão, o que se
substanciais que não podem ser ignorados.
traduz
no
Entre eles, destaca-se a privacidade dos dados,
cumprimento de prazos e orçamentos em
uma vez que os algoritmos de IA dependem
diferentes setores de atividade [3].
largamente de dados recolhidos em tempo real,
numa
melhoria
considerável
muitos dos quais podem incluir informações
Além disso, a IA facilita a análise de grandes
pessoais sensíveis [7]. Com o aumento da
volumes de dados em tempo real, o que apoia a
regulamentação de proteção de dados, como o
tomada
a
Regulamento Geral sobre a Proteção de Dados
adaptação contínua dos projetos às mudanças
(RGPD) na União Europeia, as organizações
no ambiente de negócios [4].
enfrentam o desafio de garantir que as suas
de
decisões
fundamentadas
e
práticas de recolha e uso de dados estejam em
A utilização de IA na gestão de projetos abre
conformidade com as leis [8]. Além disso, a
também novas oportunidades para modelos de
transparência dos algoritmos é uma questão
4
central, pois os gestores de projetos devem ser
5.2 Estudo de casos
capazes de justificar as decisões tomadas por
sistemas de IA, evitando preconceitos ou
A aplicação da IA na gestão de projetos tem-se
discriminações que possam surgir de processos
mostrado
algorítmicos pouco claros [4].
trazendo melhorias significativas na eficácia
promissora
em
vários
setores,
operacional, precisão preditiva e na tomada de
Outro desafio ético significativo é o impacto da
decisões. Contudo, cada setor enfrenta desafios
automação no emprego. À medida que a IA
específicos, tanto tecnológicos como éticos.
substitui tarefas humanas em projetos, há uma
Nesta secção, são apresentados estudos de
crescente preocupação sobre o futuro do
caso que ilustram o impacto da IA em diferentes
trabalho
de
indústrias, evidenciando as oportunidades de
trabalhadores. Curto [5] enfatiza a necessidade
negócio e os desafios éticos que emergem com
de as organizações adotarem uma abordagem
a sua adoção.
e
equilibrada,
a
possível
investindo
deslocação
em
capacitação
e
requalificação da força de trabalho para se
Setor Financeiro: No setor financeiro, a IA tem
adaptar às novas exigências tecnológicas. Desta
sido implementada com sucesso na gestão de
forma, as empresas podem garantir que a
riscos e no planeamento de projetos. Um
implementação de IA seja realizada de forma
exemplo relevante é o uso de algoritmos
responsável,
benefícios
preditivos para analisar grandes volumes de
enquanto mitigam os impactos sociais negativos.
dados de mercado, identificando padrões e
maximizando
os
prevendo
flutuações
que
afetam
os
A Revisão da Literatura indica que, embora a IA
investimentos e a alocação de recursos [9]. A
ofereça inúmeros benefícios para a gestão de
utilização
projetos, como a automação, análise preditiva e
financeiros permite maior precisão nas previsões
adaptação ágil, é crucial abordar os desafios
de desempenho de projetos, reduzindo riscos e
éticos associados à sua implementação. A
aumentando a capacidade de resposta às
combinação entre as oportunidades de negócio
mudanças [3]. No entanto, a natureza sensível
e a necessidade de uma gestão ética da IA
dos dados financeiros levanta preocupações
formam
éticas significativas, especialmente no que diz
a
base
para
uma
abordagem
de
IA
para
análise
de
dados
equilibrada, que pode servir de guia para
respeito
gestores e líderes empresariais que pretendem
transparência dos algoritmos utilizados [7].
à
privacidade
dos
clientes
e
à
integrar a IA de forma eficaz e responsável nas
suas organizações.
5
Setor
da
Construção
Civil:
No
setor
da
construção, a IA tem sido adotada para
privacidade e o consentimento informado, que
precisam ser geridos de forma cuidadosa [7].
automatizar o planeamento de cronogramas e
como
Setor Tecnológico: As empresas de tecnologia
materiais e mão-de-obra [1]. As empresas
têm estado na vanguarda da integração de IA na
utilizam modelos de IA para prever atrasos e
gestão
identificar problemas de logística antes que
desenvolver novos produtos e serviços com
ocorram, melhorando a gestão do projeto e
maior rapidez e eficiência [4]. Neste setor, a IA é
aumentando a eficiência [5]. Neste setor, a IA
frequentemente utilizada para gerir o ciclo de
também tem sido utilizada para monitorizar o
vida de desenvolvimento de software, desde a
progresso das obras em tempo real, através de
fase de planeamento até à entrega [8]. Ao
drones e sensores, permitindo ajustes imediatos
automatizar
no cronograma e nas atividades do projeto [4].
implementação de software, a IA ajuda a reduzir
Contudo, os desafios éticos surgem com o
significativamente o tempo de desenvolvimento
impacto
[1]. Contudo, surgem desafios éticos em torno da
optimizar
a
da
utilização
de
automação
recursos,
no
emprego
de
de
projetos,
o
e
utilizando-a
processo
da
de
tomada
de
para
teste
e
trabalhadores da construção, que podem ver as
transparência
decisões
suas funções substituídas por tecnologias [6].
automatizada, nomeadamente sobre a forma
como os algoritmos são utilizados para tomar
Setor de Saúde: O setor de saúde tem explorado
decisões que afetam clientes e utilizadores finais
a IA para melhorar a gestão de projetos clínicos
[5].
e de infraestruturas hospitalares. A IA tem sido
5.3 Limitações do Estudo
utilizada para analisar grandes quantidades de
dados clínicos, com o objetivo de prever
necessidades futuras, como a alocação de
Embora este estudo ofereça uma análise
camas, medicamentos ou pessoal médico, o que
abrangente sobre a aplicação da IA na gestão de
resulta em melhorias na eficácia operacional [3].
projetos, é importante reconhecer as limitações
Além disso, os sistemas de IA auxiliam na gestão
que podem ter influenciado os resultados e a
de projetos de investigação clínica, permitindo a
profundidade das conclusões apresentadas.
análise preditiva de dados complexos, como a
resposta de pacientes a tratamentos [9]. No
entanto, o uso de dados de pacientes levanta
sérios desafios éticos relacionados com a
Uma das principais limitações é a dependência
de
dados
secundários,
uma
vez
que
a
investigação se baseou em artigos científicos,
relatórios técnicos e estudos de caso disponíveis
6
publicamente. A utilização de fontes secundárias
tempo. Novas ferramentas e avanços em
pode limitar a compreensão de alguns aspetos
algoritmos de aprendizagem automática ou
práticos da implementação de IA, uma vez que
inteligência artificial explicável (XAI) podem
nem sempre é possível aceder a dados internos
alterar as práticas e estratégias de adoção de IA
ou a detalhes operacionais das empresas [2].
nas organizações, o que pode exigir revisões
Além disso, as publicações podem estar sujeitas
contínuas dos resultados apresentados [9].
a viés de publicação, onde os resultados
positivos ou mais favoráveis à adoção de IA são
Por fim, a ausência de entrevistas diretas com
mais
os
gestores de projetos e especialistas em IA que
desafios enfrentados por algumas empresas
estão envolvidos na implementação prática das
podem não ser totalmente documentados [6].
tecnologias representa outra limitação. A falta de
facilmente
divulgados,
enquanto
perceções qualitativas e subjetivas provenientes
Outra limitação significativa está relacionada
de profissionais diretamente envolvidos na
com a disponibilidade de estudos de caso
gestão de projetos impede uma análise mais
detalhados em certos setores. Embora existam
detalhada das
exemplos concretos de implementação de IA em
desafios culturais e expectativas de liderança
áreas
e
relativamente à implementação da IA [1]. Esta
tecnologia, outros setores, como o setor da
limitação foi parcialmente compensada pela
saúde, têm sido mais restritos na partilha de
revisão de literatura e estudos de caso, mas
dados
a
reconhece-se que a recolha de dados primários
preocupações com a privacidade de dados e a
poderia oferecer uma visão mais rica sobre o
confidencialidade dos processos internos [7].
impacto humano da IA nas equipas e no
Esta limitação impede uma visão totalmente
ambiente de trabalho [4].
como
construção
operacionais
civil,
detalhados,
finanças
devido
resistências organizacionais,
abrangente da adoção de IA em todos os setores
relevantes,
o
que
pode
influenciar
a
generalização das conclusões [5].
6. Benefícios
da
Inteligência
Artificial na Gestão de Projetos
Além disso, a rápida evolução da tecnologia de
A adoção de IA na gestão de projetos tem gerado
IA representa outro desafio. O estudo foi
melhorias significativas em diversas áreas,
conduzido com base em dados recentes, no
contribuindo para aumentar a eficácia dos
entanto, o ritmo acelerado de inovação na área
processos.
de IA pode significar que algumas descobertas
destacam-se a automação de tarefas, a previsão
se tornem obsoletas num curto período de
de riscos, a otimização de recursos, a melhoria
7
Entre
os
principais
benefícios,
na tomada de decisões e o aumento da agilidade
Na alocação de recursos, a IA analisa padrões
e flexibilidade.
de
utilização
e
ajusta
dinamicamente
a
distribuição de equipas e materiais. Isto garante
6.1 Automatização de Tarefas
que os recursos são utilizados de forma eficaz,
evitando
desperdícios
e
ajustando-se
A automação de tarefas com o uso da IA tem
automaticamente às necessidades do projeto à
transformado a gestão de projetos, permitindo
medida que ele avança . Plataformas como
que processos repetitivos sejam realizados de
Wrike
forma eficiente e precisa. Ferramentas de IA
funcionalidades, tornando a gestão de recursos
automatizam
mais ágil e flexível [7].
atividades
acompanhamento
de
como
o
cronogramas,
ou
Monday.com
oferecem
estas
a
elaboração de relatórios e a alocação de
A automação de tarefas, ao reduzir o esforço
recursos, que antes exigiam uma supervisão
manual e aumentar a eficiência, contribui
manual intensiva [9]. Ao automatizar essas
diretamente
tarefas, a IA reduz o tempo gasto pelos gestores
mantendo os projetos em linha com os seus
em atividades operacionais, permitindo-lhes
objetivos de prazo e orçamento [9].
para
a
eficácia
operacional,
focar-se em decisões estratégicas [3].
6.2 Previsão de Riscos
Soluções de IA como Microsoft Project ou JIRA,
que incorporam algoritmos de machine learning,
A previsão de riscos com IA oferece aos gestores
acompanham o progresso dos projetos em
de projetos uma abordagem mais proativa e
tempo
para
precisa para identificar e mitigar problemas
potenciais atrasos e ajustando cronogramas
potenciais. Ao utilizar algoritmos preditivos, a IA
automaticamente
analisa dados históricos e informações em
real,
permitem
alertando
que
os
[5].
gestores
Estas
decisões
ferramentas
corretivas
sejam
tempo real para prever atrasos, sobrecustos e
tomadas com maior rapidez, minimizando o
outros riscos críticos que podem comprometer o
impacto de desvios [4]. Além disso, a IA gera
sucesso do projeto [6]. Estas ferramentas
relatórios
precisos,
permitem aos gestores agir antes que os
múltiplas
fontes
agregando
sem
dados
intervenção
de
manual,
problemas
se
materializem,
ajustando
melhorando a transparência e a precisão das
cronogramas e alocação de recursos com
informações partilhadas [8].
antecedência [9].
8
Soluções de IA como o Microsoft Project com
Ferramentas de IA como o Wrike Resource
machine
Management
learning
ou
o
JIRA
Advanced
ou
o
Monday.com
Workload
Roadmaps identificam padrões de risco e
analisam em tempo real a disponibilidade e o
emitem alertas quando surgem desvios no
desempenho
progresso esperado [5]. Isto permite que as
automaticamente
equipas
corretivas
necessário [7]. Este ajuste contínuo assegura
rapidamente, evitando interrupções maiores no
que as tarefas prioritárias recebem a atenção
fluxo do projeto [3]. Além disso, a IA oferece
adequada e evita a sobrecarga de trabalho em
recomendações sobre medidas preventivas,
determinadas equipas [2]. Além disso, a IA
permitindo que os gestores adaptem os seus
permite prever necessidades futuras, ajustando
planos com base em previsões detalhadas de
a distribuição de recursos com base nas
impacto [6].
demandas previstas, o que contribui para uma
tomem
decisões
das
equipas,
os
redistribuindo
recursos
conforme
execução mais fluida do projeto [3].
A capacidade da IA de prever riscos de forma
precisa e antecipada melhora a resiliência do
A utilização de IA para otimizar recursos resulta
projeto, garantindo que os gestores estão
em projetos mais ágeis e eficientes, mantendo-
sempre um passo à frente dos problemas, o que
os dentro dos prazos e orçamentos definidos,
aumenta significativamente as chances de
mesmo em contextos de grande complexidade
sucesso [9].
[4].
6.3 Otimização de Recursos
6.4 Melhoria na Tomada de Decisões
A otimização de recursos é uma das áreas onde
A IA melhora significativamente a tomada de
a IA traz benefícios claros à gestão de projetos.
decisões na gestão de projetos ao fornecer
A IA analisa padrões de utilização de recursos
insights baseados em dados. A IA analisa
humanos, materiais e financeiros, ajustando
grandes
dinamicamente a sua alocação para garantir a
históricos quanto em tempo real, permitindo que
máxima eficácia [4]. Isto permite reduzir o
os gestores tomem decisões mais rápidas e
desperdício e melhorar a eficiência global,
fundamentadas [9]. Ao eliminar a subjetividade e
assegurando que os recursos são utilizados de
apoiar-se em dados concretos, a IA reduz o risco
forma otimizada em todas as fases do projeto [1].
de decisões erradas ou mal informadas [6].
volumes
de
informações,
tanto
9
Ferramentas de IA, como o Microsoft Power BI
projetos e sugerem alterações dinâmicas no
com IA ou o Tableau com módulos de machine
plano para responder a mudanças [8]. Estas
learning, oferecem recomendações detalhadas
soluções possibilitam que os gestores façam
ao simular diferentes cenários e prever os seus
reajustes imediatos na alocação de recursos ou
resultados [5]. Isso permite que os gestores
nas prioridades de tarefas, sem interrupções
explorem as consequências de várias opções
significativas, mantendo o fluxo do projeto
antes de tomar uma decisão, melhorando a
alinhado com os objetivos [2]. Além disso, a IA
qualidade e a precisão das escolhas [3]. Este
facilita a gestão de múltiplas equipas e projetos
suporte na análise de cenários complexos é
simultâneos, oferecendo uma visão global que
essencial para projetos com muitas variáveis e
permite uma coordenação mais eficaz [7].
incertezas [5].
Este aumento na agilidade torna os projetos mais
Com a IA, a tomada de decisões torna-se mais
resilientes e menos vulneráveis a atrasos ou
eficiente, permitindo que os gestores ajustem as
falhas, garantindo uma execução fluida, mesmo
suas estratégias com base em previsões fiáveis,
em contextos de rápida evolução [2].
aumentando as chances de sucesso do projeto
7. Desafios da Implementação de
[6].
Inteligência Artificial
6.5 Aumento
da
Agilidade
e
Flexibilidade
Embora os benefícios da IA na gestão de
projetos
sejam
significativos,
a
sua
A IA contribui para um aumento significativo da
implementação também enfrenta uma série de
agilidade e flexibilidade na gestão de projetos,
desafios. As principais barreiras incluem os
permitindo
respondam
custos iniciais elevados, a resistência à mudança
rapidamente a mudanças nos requisitos ou no
dentro das organizações, as questões de
progresso [4]. Com a IA, as equipas podem
segurança
ajustar cronogramas, reorganizar recursos e
complexidade técnica associada à integração e
adaptar-se a imprevistos de forma ágil, graças à
manutenção da IA.
que
as
equipas
e
privacidade
de
dados
e
a
análise de dados em tempo real e à previsão de
impactos futuros [1].
7.1 Custos e Investimentos
Ferramentas como o JIRA com IA ou o Asana AI
A implementação de IA na gestão de projetos
monitorizam continuamente o progresso dos
envolve um desafio significativo relacionado com
10
custos
e
investimentos.
As
organizações,
requalificação dos trabalhadores existentes é
especialmente as pequenas e médias empresas
essencial para garantir que as equipas estão
(PMEs), enfrentam dificuldades para absorver os
preparadas para trabalhar com as novas
elevados custos iniciais, que incluem a aquisição
tecnologias, o que aumenta ainda mais o custo
de tecnologia, infraestruturas adequadas e a
de implementação [6].
formação de equipas [4].
Além dos custos iniciais, as empresas devem
A adoção de IA exige a implementação de
considerar os custos contínuos associados à
software especializado e, em muitos casos, a
manutenção e atualização dos sistemas de IA.
construção
Ferramentas
de
infraestruturas
tecnológicas
robustas, como servidores e plataformas de
regulares
cloud
tecnológicos
computing.
Estes
sistemas
são
de
para
IA
exigem
acompanhar
atualizações
os
avanços
e
as
mudanças
nas
necessários para suportar a recolha e análise de
regulamentações,
como
os
de
grandes volumes de dados, essenciais para o
segurança de dados [5]. Esses custos podem ser
funcionamento eficaz dos algoritmos de IA.
substanciais, já que as organizações precisam
Dependendo da complexidade do projeto, o
garantir que os sistemas operam de forma
custo de integração pode ser elevado, tanto em
segura e eficaz ao longo do tempo [3]. Para além
termos de hardware quanto de software [9]. Além
disso, o processo de integração de novos dados
disso, as organizações precisam garantir que os
e o ajuste dos modelos de IA requerem recursos
sistemas legados são compatíveis com a IA, o
adicionais para garantir que as previsões
que pode exigir atualizações ou substituições de
permanecem precisas e úteis [9].
requisitos
infraestruturas antigas [3].
Medir o retorno sobre o investimento (ROI) em IA
Outro
fator
a
considerar
custos
pode ser difícil, especialmente no curto prazo.
associados à formação e requalificação das
Embora a IA ofereça benefícios tangíveis em
equipas.
termos de eficácia e produtividade, a relação
A
IA
exige
especializadas
em
áreas
são
os
competências
machine
custo-benefício pode não ser imediatamente
learning, análise de dados e modelagem
clara, o que torna difícil justificar o investimento
preditiva,
de
inicial [6]. O ROI pode demorar a materializar-se,
profissionais no mercado [7]. Muitas empresas
já que os ganhos obtidos através da automação
precisam investir em treinamento intensivo ou
e da otimização de processos nem sempre são
contratar especialistas externos, elevando os
facilmente
custos
organizações, essa incerteza em torno do ROI é
áreas
onde
operacionais
[2].
como
há
escassez
Além
disso,
a
quantificáveis
[4].
Para
muitas
11
uma barreira à adoção generalizada de IA,
reconhecidos, a introdução de novas tecnologias
levando a uma implementação mais faseada ou
pode gerar receios e inseguranças entre os
limitada [2].
colaboradores, o que dificulta a sua adoção
plena [2]. Essa resistência pode ser causada por
As pequenas e médias empresas (PMEs) são
medo da substituição de postos de trabalho,
particularmente afetadas pelos custos elevados
desconfiança nas capacidades da IA e pela falta
da implementação de IA. Estas empresas, com
de compreensão sobre o papel da IA nas
recursos financeiros limitados, muitas vezes têm
operações [6].
dificuldade
em
justificar
o
investimento
necessário para adquirir e manter tecnologias
Um dos fatores mais comuns de resistência é o
avançadas. Embora existam soluções de IA mais
medo de que a IA substitua os postos de
acessíveis, como ferramentas baseadas em
trabalho. À medida que a IA automatiza tarefas
cloud, as PMEs ainda enfrentam barreiras
antes
consideráveis
forma
trabalhadores
uma
acreditando
que
abordagem gradual, implementando IA em áreas
eliminação
de
específicas para reduzir o impacto financeiro
oportunidades de emprego [5]. Este receio é
inicial [9].
especialmente
abrangente
para
[7].
adotar
Algumas
IA
de
optam por
realizadas
por
pessoas,
sentem-se
a
forte
ameaçados,
automação
funções
em
e
muitos
à
levará
à
redução
de
setores
onde
a
automação está a substituir tarefas repetitivas ou
Em
resumo,
os
custos
e
investimentos
associados à implementação de IA representam
administrativas, como o acompanhamento de
cronogramas e a produção de relatórios [7].
um desafio considerável para as organizações.
No entanto, com planeamento adequado e
Embora a IA não tenha como objetivo eliminar
estratégias de longo prazo, as empresas podem
empregos, mas sim otimizar processos e permitir
começar a ver os benefícios da IA à medida que
que os colaboradores se concentrem em tarefas
os sistemas se integram totalmente nas suas
mais complexas e estratégicas, essa mensagem
operações.
nem sempre é bem compreendida [4]. A falta de
comunicação clara e a ausência de programas
7.2 Resistência à Mudança
de requalificação para integrar os trabalhadores
em novas funções podem agravar ainda mais
A resistência à mudança é um dos principais
esta sensação de insegurança [9].
obstáculos à implementação de IA na gestão de
projetos. Mesmo quando os benefícios da IA são
12
Outro fator importante é a desconfiança nas
Além disso, a mudança cultural necessária para
capacidades da IA para realizar tarefas críticas
integrar a IA implica uma abordagem mais
com a mesma precisão que os humanos. Muitos
colaborativa e interdisciplinar, onde a IA é vista
gestores e colaboradores sentem-se relutantes
como uma ferramenta de apoio e não de
em confiar em sistemas automatizados para a
substituição [9]. Organizações que investem em
tomada de decisões importantes ou para a
educação e formação contínua para os seus
execução de tarefas complexas [3]. Esta
colaboradores
desconfiança muitas vezes resulta da falta de
resistência com mais facilidade, uma vez que os
familiaridade
de
trabalhadores se sentem mais capacitados para
experiências anteriores com ferramentas digitais
trabalhar ao lado da tecnologia, em vez de se
que não cumpriram as expectativas [1].
sentirem ameaçados por ela [2].
Este ceticismo pode ser agravado pela falta de
A resistência à IA também está ligada à falta de
transparência dos algoritmos de IA. Em muitos
competências técnicas e à dificuldade de
casos, as decisões tomadas pela IA não são
adaptação
facilmente compreendidas pelas pessoas, o que
ferramentas [6]. Muitas pessoas sentem-se
gera desconfiança quanto à sua precisão e
sobrecarregadas
imparcialidade [7]. A utilização de IA explicável
aprender a utilizar novos sistemas e tecnologias,
(XAI), que permite explicar de forma clara as
especialmente se nunca trabalharam com IA ou
decisões e os processos dos algoritmos, pode
análise de dados [8]. A falta de formação
ajudar
adequada pode levar a uma resistência passiva,
a
com
mitigar
a
tecnologia
parte
desta
ou
resistência,
proporcionando mais confiança no sistema [8].
dos
tendem
a
superar
colaboradores
com
a
às
essa
novas
necessidade
de
onde os trabalhadores evitam ou rejeitam o uso
de ferramentas de IA por se sentirem incapazes
A cultura organizacional também desempenha
de as operar corretamente [3].
um papel importante na resistência à adoção de
IA. Em empresas com estruturas hierárquicas
Para superar esta barreira, é essencial que as
rígidas
profundamente
empresas invistam não apenas na capacitação
enraizados, a introdução de novas tecnologias
técnica dos seus colaboradores, mas também na
pode ser vista como uma ameaça ao status quo
alfabetização em IA, esclarecendo o papel da
[5]. A falta de flexibilidade para adaptar
tecnologia e demonstrando como ela pode
processos
mudança
facilitar o trabalho diário [1]. Ao criar um
ou
ambiente
ou
com
e
organizacional
a
processos
resistência
podem
à
desacelerar
impedir a implementação eficaz da IA [4].
até
de
aprendizagem
contínua,
as
organizações podem reduzir a resistência e
13
aumentar a confiança dos trabalhadores no uso
manuseio de informações sensíveis, como
da IA [9].
dados pessoais e financeiros, aumenta o risco de
violação de privacidade e ciberataques [7]. Além
Mitigar
a
resistência
à
mudança
comunicação
clara,
formação
envolvimento
ativo
dos
requer
disso, a conformidade com regulamentações
contínua
e
rigorosas, como o Regulamento Geral sobre a
colaboradores
no
Proteção de Dados (RGPD), torna-se crítica para
processo de adoção da IA. As empresas devem
garantir que os dados são tratados de forma
criar uma estratégia de comunicação que
ética e segura [4].
destaque os benefícios da IA, não apenas para
a organização, mas também para os próprios
Com a implementação de IA, as empresas
colaboradores, explicando como a IA pode
precisam garantir que os dados sensíveis estão
melhorar o desempenho e aliviar a carga de
devidamente protegidos. Em muitos setores,
tarefas repetitivas [4].
como a saúde ou as finanças, a IA lida com
grandes
quantidades
de
informações
Investir em programas de requalificação também
confidenciais, o que aumenta o risco de
é fundamental. Oferecer aos trabalhadores a
exposição acidental ou de uso indevido desses
oportunidade
novas
dados [9]. A gestão inadequada de dados pode
competências e adaptar-se à nova realidade
resultar em perda de confiança por parte dos
tecnológica ajuda a aliviar o medo da automação
clientes e parceiros, bem como em sanções
[6]. Além disso, incluir os colaboradores no
legais se as leis de proteção de dados não forem
processo de implementação, ouvindo as suas
cumpridas [5].
de
desenvolver
preocupações e sugestões, pode criar um
ambiente mais colaborativo e facilitar a aceitação
A anonimização de dados é uma estratégia
da IA [2].
frequentemente utilizada para minimizar os
riscos. Ao eliminar ou ocultar informações que
7.3 Segurança
e
Privacidade
de
Dados
possam identificar diretamente os indivíduos, as
organizações conseguem utilizar os dados para
treinar algoritmos de IA sem comprometer a
A segurança e privacidade de dados é um dos
privacidade [8]. No entanto, a anonimização
maiores
pelas
inadequada pode ser facilmente revertida em
organizações ao implementar IA na gestão de
alguns casos, o que cria desafios adicionais para
projetos. A IA depende de grandes volumes de
as
dados para funcionar de forma eficaz, mas o
quantidades de dados pessoais [6].
desafios
enfrentados
empresas
que
lidam
com
grandes
14
Com o aumento da utilização de IA, as empresas
organizações
tornam-se
explícito dos indivíduos cujos dados estão a ser
ciberataques,
alvos
mais
atrativos
para
que
podem
comprometer
obtenham
o
consentimento
a
processados e que garantam direitos de acesso
A segurança das
e eliminação dos dados [7]. Além disso, o RGPD
infraestruturas tecnológicas é fundamental para
exige que as empresas implementem medidas
proteger os sistemas de IA contra ataques
de segurança adequadas para proteger os
maliciosos que tentam explorar vulnerabilidades
dados contra acessos não autorizados, o que
em servidores, redes ou plataformas de cloud [3].
pode ser um desafio técnico e financeiro [6].
integridade
dos
dados.
Os hackers podem tentar aceder aos dados
confidenciais ou até manipular os modelos de IA,
As
empresas
que
não
cumprirem
estas
comprometendo a qualidade das previsões ou
regulamentações arriscam-se a enfrentar multas
das decisões automatizadas [4].
pesadas e danos à reputação. Além disso, a
gestão global de dados é outro desafio, uma vez
Além disso, os ataques aos sistemas de IA
que as regulamentações podem variar de país
podem comprometer a qualidade dos dados,
para país, criando complexidade adicional para
injetando informações falsas ou distorcidas nos
organizações multinacionais que operam em
algoritmos de machine learning. Este tipo de
diferentes jurisdições [3].
ataque, conhecido como data poisoning, pode
prejudicar o funcionamento do sistema, levando
Outro desafio importante relacionado com a
a previsões erradas ou decisões enviesadas [2].
segurança e privacidade de dados é o risco de
Para proteger-se contra esses riscos, as
enviesamento algorítmico. Quando os algoritmos
empresas devem implementar medidas robustas
de IA são treinados com dados enviesados, eles
de cibersegurança, como criptografia de dados,
podem
verificação de integridade e auditorias regulares
discriminações ou preconceitos involuntários [4].
para identificar vulnerabilidades [5].
Por exemplo, um sistema de IA que utiliza dados
tomar
decisões
que
perpetuam
históricos pode privilegiar certos grupos de
A conformidade com regulamentações, como o
pessoas ou comportamentos, sem ter em conta
RGPD,
na
fatores sociais ou éticos [8]. Este tipo de
implementação de IA, particularmente quando se
enviesamento pode ter consequências graves,
trata do processamento de dados pessoais [9]. O
particularmente em processos de alocação de
RGPD impõe obrigações rigorosas às empresas
recursos
quanto à recolha, armazenamento e tratamento
automatizadas, prejudicando certos grupos ou
de
indivíduos [5].
é
dados
um
dos
pessoais,
maiores
desafios
exigindo
que
as
ou
na
tomada
de
decisões
15
A transparência dos algoritmos é fundamental
de competências técnicas especializadas e a
para mitigar este problema. Ferramentas de IA
manutenção contínua dos sistemas [9]. Estes
explicável (XAI) são cada vez mais utilizadas
obstáculos
para fornecer explicações claras sobre como e
adoção da IA e comprometer a eficácia dos
por que razão os sistemas de IA tomam
projetos [3].
técnicos
podem
desacelerar
a
determinadas decisões [9]. Estas explicações
partes
Muitas organizações possuem infraestruturas
interessadas compreendam o processo por trás
tecnológicas legadas que não foram projetadas
das
a
para suportar IA. Estas infraestruturas antigas
identificar e corrigir enviesamentos [7]. Esta
apresentam limitações de capacidade em termos
abordagem não só melhora a confiança nos
de armazenamento de dados, processamento e
sistemas de IA, mas também assegura que as
compatibilidade com ferramentas modernas de
decisões automatizadas são justas e eticamente
IA [7]. A adaptação ou substituição dessas
responsáveis [2].
infraestruturas pode ser um processo demorado
permitem
que
decisões
os
gestores
e
automatizadas,
as
ajudando
e caro, exigindo atualizações significativas que,
Em suma, a implementação de IA implica
em alguns casos, afetam toda a operação da
desafios significativos em termos de segurança
organização [5].
e privacidade de dados. As organizações
precisam de investir em infraestruturas robustas
Além disso, a integração de IA em sistemas
de cibersegurança, garantir a conformidade com
legados muitas vezes resulta em problemas de
regulamentações e adotar medidas para mitigar
compatibilidade,
o enviesamento algorítmico, assegurando que a
diferentes
IA funciona de forma segura, transparente e
eficazmente pode gerar falhas nos processos
ética.
automatizados
onde
sistemas
[4].
a
de
Para
incapacidade
se
de
comunicarem
minimizar
essas
dificuldades, as organizações precisam garantir
que as plataformas tecnológicas suportam as
7.4 Complexidade Técnica
exigências
de
IA,
seja
através
de
uma
A complexidade técnica é um dos desafios mais
modernização gradual dos sistemas existentes
significativos na implementação de IA em
ou
projetos. As empresas precisam de lidar com a
computing, que oferecem maior flexibilidade e
integração
escalabilidade [8].
de
infraestruturas
novas
tecnologias
tecnológicas
legadas,
em
da
adoção
de
plataformas
de
cloud
a
necessidade de dados de alta qualidade, a falta
16
A qualidade dos dados é outro fator crítico para
implementação da IA, mas também limita a
o sucesso da IA. A IA depende de dados limpos,
capacidade das empresas de manter e otimizar
estruturados e relevantes para gerar previsões
os sistemas no longo prazo [7].
precisas e automatizar processos de forma
eficaz [6]. No entanto, muitos projetos sofrem
Para superar essa barreira, muitas organizações
com a falta de dados completos ou organizados,
têm
o que compromete a eficácia dos algoritmos de
requalificar as suas equipas, proporcionando aos
IA. A utilização de dados desorganizados ou
colaboradores
parciais pode levar a erros nas previsões e,
necessárias para operar sistemas de IA [3]. No
consequentemente, a decisões incorretas que
entanto, este processo pode ser demorado e
afetam o sucesso do projeto [4].
dispendioso, o que coloca pressão adicional nas
investido
em
formação
existentes
as
interna
para
competências
organizações que já enfrentam orçamentos
Além disso, o processamento de grandes
restritos e prazos apertados [6].
volumes de dados em tempo real requer
infraestruturas capazes de suportar essa carga.
A manutenção contínua dos sistemas de IA
A incapacidade de recolher e processar dados
representa outro desafio técnico importante. A IA
em tempo real pode limitar o potencial da IA e
é uma tecnologia que evolui rapidamente e os
prejudicar
sistemas
a
capacidade
de
resposta
da
precisam
de
ser
atualizados
organização [5]. Assim, garantir a gestão eficaz
regularmente para incorporar os últimos avanços
dos
e
tecnológicos e garantir a sua compatibilidade
para
com as infraestruturas em mudança [4]. Além
organizações que pretendem implementar IA
disso, os modelos de IA dependem de dados em
com sucesso [2].
constante evolução, o que significa que os
dados,
incluindo
estruturação,
é
a
uma
sua
limpeza
prioridade
algoritmos
precisam
de
ser
ajustados
e
A escassez de profissionais qualificados para
revalidados com frequência para manter a sua
operar e gerir sistemas de IA é outro desafio
precisão [2].
técnico significativo. A implementação de IA
exige competências especializadas em machine
A falha em realizar estas atualizações e ajustes
learning, análise de
e gestão de
pode comprometer a eficácia dos sistemas,
procura
por
resultando em previsões desatualizadas ou
profissionais tem superado a oferta disponível no
decisões incorretas [9]. Portanto, é essencial que
mercado
as empresas estejam preparadas para investir
algoritmos,
áreas
de
dados
onde
trabalho
[9].
a
Esta
falta
de
profissionais qualificados não só dificulta a
em
monitorização
contínua,
melhorias
de
17
performance e auditorias regulares dos sistemas
que não podem ser ignoradas [4]. Para que as
de IA para garantir que eles continuam a
organizações tirem o máximo partido das
funcionar da maneira pretendida [8].
capacidades da IA, é necessário investir não
apenas
em
tecnologia,
mas
também
na
Em suma, a complexidade técnica associada à
capacitação das equipas e no desenvolvimento
implementação de IA exige um planeamento
de infraestruturas seguras e compatíveis [2].
cuidadoso e uma abordagem estratégica para
lidar com a integração de infraestruturas, a
Este
gestão de dados e a formação de equipas. As
benefícios sejam promissores, é essencial que
empresas
esses
as empresas implementem a IA de forma
desafios técnicos estarão mais bem preparadas
estratégica, garantindo que os seus sistemas
para tirar o máximo partido das capacidades da
são seguros, éticos e transparentes [7]. Além
IA e melhorar o desempenho global dos seus
disso, a conformidade com regulamentações
projetos.
como o RGPD e a mitigação de enviesamentos
que
conseguem
superar
estudo
demonstra
que,
embora
os
algorítmicos são cruciais para assegurar que a
8. Conclusão
IA é utilizada de maneira responsável e justa [5].
A implementação de IA na gestão de projetos
Para
o
futuro,
recomenda-se
que
as
oferece uma ampla gama de benefícios, desde a
organizações continuem a explorar o potencial
automação de tarefas rotineiras até à otimização
da IA na gestão de projetos, mas com uma
de recursos e melhoria na tomada de decisões
abordagem consciente dos seus desafios [3].
[9]. A IA permite que os gestores de projetos
Investir em formação contínua e adotar práticas
lidem com mais eficiência com a complexidade
de IA explicável podem contribuir para reduzir a
crescente dos ambientes de negócio, tornando
resistência à mudança e aumentar a confiança
os projetos mais ágeis, flexíveis e resilientes face
nos sistemas [9]. Estudos futuros poderão focar-
às mudanças e imprevistos [6].
se em áreas como a integração de IA com
metodologias ágeis e o impacto da IA em
No entanto, a adoção de IA também apresenta
equipas
desafios
possibilidades para o uso desta tecnologia em
resistência
significativos.
à
mudança
Custos
por
elevados,
parte
dos
multidisciplinares,
abrindo
novas
projetos cada vez mais complexos e globais [4].
colaboradores, preocupações com a segurança
de dados e a complexidade técnica associada à
integração com sistemas legados são barreiras
18
[5] Curto, H. (2023). Gestão de Projetos de
9. Referências Bibliográficas
Inteligência Artificial: Desafios e Propostas.
[1] Andrade, A., & Violante, A. (2022). Potencial
Recuperado
da Inteligência Artificial na Gestão de Projetos.
https://www.businesswire.com/news/home/2020
Revista
0825005099/en.
de
Gestão
de
Projetos.
de
https://doi.org/10.1108/BEPAM-12-2022-0195.
[6] Loza, J. (2009). 10 ways to avoid stupid
[2] Belharet, A., Reza, M., & Kuster, L. (2020).
project estimates. TechRepublic. Recuperado de
Report on the Impact of Artificial Intelligence on
https://www.techrepublic.com/resource-
Project
library/downloads/10-ways-to-avoid-stupid-
Management.
Machine
Learning
project-estimates.
eJournal.
https://papers.ssrn.com/sol3/papers.cfm?abstra
[7] Microsoft 365 Team. (2019). 6 razões pelas
ct_id=3660689
quais os projetos falham. Microsoft Office Blogs.
[3] Bokan, L., Prioste, A., Celani, H., Raupp, J., &
Recuperado
Albuquerque,
https://go.microsoft.com/fwlink/p/?linkid=867314
N.
(2023).
Benefícios
da
Inteligência Artificial na Gestão de Projetos.
Recuperado
de
.
de
https://onset.com.br/servicos/pmoaas-
[8] Microsoft 365 Team. (2019). O guia para
gerenciamento-de-projetos-como-servico/.
gestores de projetos sobre como planear o
projeto
[4] Curto, H. (2021). NetProject: Ferramentas
perfeito.
Recuperado
de
https://netproject.com.br.
para a Gestão Híbrida de Projetos. Recuperado
de
https://netproject.com.br/blog/ferramentas-
para-a-gestao-hibrida-de-projetos.
[9] Zhou, Z.-H. (2021). Machine Learning.
Springer.
https://doi.org/10.1007/978-981-15-
1967-3.
19