Com muitos dados e talentos insuficientes,
é apenas uma questão de tempo até que as organizações saltem para a inteligência artificial (IA) para fazer com que todas as informações se traduzam em melhores tomadas de decisão. O aprendizado de máquina tem o potencial de ajudar as equipes de projeto a processar grandes quantidades de dados para revelar padrões de projeto, identificar riscos e prever resultados.
Nos próximos três anos, os profissionais de projeto esperam que a proporção de projetos gerenciados com IA aumente de 23 para 37 por cento, de acordo com o relatório Pulse of the Profession® do um PMI, de 2019. Assim, embora equipes de projeto assistidas por inteligência artificial ainda estejam no horizonte, os gerentes de projeto que têm uma vantagem inicial no entendimento do poder — e dos limites — da IA terão uma vantagem profissional.
Três profissionais de projeto imersos no poder da IA desmistificam o papel da aprendizagem de máquina na tomada de decisões de gerenciamento de projetos e como ela pode transformar carreiras:
Audrius Zujus,
fundador e CEO, Aresi Labs, desenvolvedor de software e digital, Vilnius, Lituânia
Fala-se muito sobre a IA e o aprendizado de máquina mudarem o gerenciamento de projetos. O que é real?
Audrius: A IA foi mal interpretada por um longo tempo. Tem sido tão incensada que a maioria das pessoas acha que agora atingiu um estado realmente avançado e pode fazer qualquer coisa. Mas a realidade é: poucas pessoas estão realmente usando o aprendizado de máquina para ajudá-las em projetos. É muito cedo para o aprendizado de máquina ser usado nesta aplicação.
Geetha Gopal, PMP,
gerente assistente, proprietária de produtos, serviços e projetos de robôs, Daimler South East Asia Pte Ltd., Singapura
Bruno: Concordo. As pessoas usam mal os termos “IA” e “aprendizado de máquina”, como se fossem elementos mágicos capazes de atender a todos os nossos desejos. Eles não podem. São essencialmente estatísticas analíticas que têm limitações próprias de como e onde podem ser usados. E estatísticas analíticas têm sido usadas há muito tempo, por exemplo, com gerenciamento de risco. Só que agora tem um nome diferente: o aprendizado de máquina.
Bruno Rafael de Carvalho Santos, CAPM, PMP,
gerente de projetos, Sedimentary Geology Laboratory e Coppetec Foundation, apoio à Universidade Federal do Rio de Janeiro, Rio de Janeiro, Brasil
Geetha: Está ganhando atenção devido à disponibilidade de dados congruentes e tecnologias de integração simplificadas, como interfaces de programação de aplicativos que facilitam o aprendizado de máquina inteligente e as decisões baseadas em dados. Essa capacidade de colher, entender e usar dados torna o aprendizado de máquina valioso para o gerenciamento de projetos — hoje e no futuro.
Em quais projetos recentes você trabalhou e que o aprendizado de máquina ajudou na tomada de decisões?
Audrius: Construímos um sistema para coletar dados das descrições de produtos para aprender como gerar novas descrições de produtos. Usamos o processamento de linguagem natural para criar descrições de produtos a partir de manuais, imagens e outros dados. Nossa equipe teve que estimar quanto tempo o projeto levaria, então, usamos uma simulação para identificar alguns gargalos entre a equipe de projeto e a equipe de desenvolvimento.
Bruno: Em nossos projetos de laboratórios universitários, temos muitos dados sobre folha de pagamento individuais e coletivos, o que nos permite usar regressão para estimar os custos de recursos humanos para os projetos. Essas estimativas são geralmente melhores do que o cálculo tradicional, e nossos projetos não têm problemas com isso desde 2015.
Geetha: Construímos e treinamos alguns algoritmos de redes neurais para previsões inteligentes com base em dados históricos que também aprendem novos comportamentos e otimizam suas decisões a partir dos dados mais recentes. Isso nos ajuda a notificar proativamente nossas equipes sobre riscos potenciais para que possam ser abordados. Estendemos esse recurso para roteamento inteligente, alertas e conversas orientadas, e isso nos ajudou a melhorar o tempo de atendimento e os níveis de serviço.
Como as ferramentas de aprendizado de máquina podem ajudar mais os gerentes de projeto?
Audrius: A IA funciona melhor com um grande número de dados. E quando digo grande volume, quero dizer centenas de milhares de pontos de dados, ou pelo menos dezenas de milhares. A IA pode então derivar padrões a partir dos dados que podemos usar para fazer estimativas mais bem informadas, como por exemplo se um projeto vai ser concluído no prazo. Isso já está sendo feito com simulações de Monte Carlo, um método estatístico que analisa os melhores e piores cenários possíveis.
Geetha: Concordo, os dados são a plataforma de lançamento das organizações que buscam benefícios tangíveis da onda de IA. Mas os recursos atuais estão limitados à assistência do projeto, em vez de ferramentas inteiramente inteligentes e de autoaprendizagem para o gerenciamento de projetos.
ISTOCKPHOTO
Bruno: Equipes ágeis têm limitações com a IA também. Fornecer muitas informações ao software de aprendizado de máquina pode ser difícil para equipes ágeis. Eles não têm tempo para fazer isso entre os sprints. Ou os dados podem estar desestruturados, o que dificulta a análise em um banco de dados tradicional.
Geetha: Em última análise, a tomada de decisões orientada a dados ajudará os gerentes de projetos a olhar além dos vieses intuitivos comuns.
Audrius: Por enquanto, as organizações que têm acesso a grandes conjuntos de dados bem preparados e limpos terão uma vantagem competitiva muito mais forte do que aquelas que não têm. Provavelmente serão as primeiras a capacitar seus gerentes de projeto a aproveitar ao máximo a IA, como quando se trata de estimar os cronogramas dos projetos.
Como o aprendizado de máquina pode ajudar os gerentes de projeto com as necessidades de recursos?
Geetha: Tem o potencial de reduzir esforços manuais e liberar recursos para atividades de valor agregado. Monitoramento de riscos, gerenciamento de capacidade, comunicações, autosserviço de dados de projetos e desempenho de projetos sob demanda são algumas das possibilidades mais fáceis para começar. Os recursos liberados resultantes podem ser encaminhados para apoiar outros projetos ou focar em áreas críticas, e trabalhar mais de perto com as partes interessadas.
Audrius: Também poderia ajudar na contratação. Uma empresa pode criar uma ferramenta interessante para encontrar ótimos candidatos no LinkedIn e usar o processamento de linguagem natural para entender o que está escrito em seus perfis.
Bruno: Mas há um risco com recursos. Precisamos prestar muita atenção em como criamos e usamos essas ferramentas e algoritmos, ou podemos ter problemas éticos. Por exemplo, uma organização pode usar o aprendizado de máquina para ser menos tendenciosa e mais inclusiva em suas contratações. Mas se houver um viés nos conjuntos de dados, o aprendizado de máquina apenas o perpetuará.
Como os gerentes de projeto podem ajudar a garantir que essas ferramentas filtrem os dados certos?
Audrius: Trabalhar com as equipes de preparação de dados ajudaria muito. Os gerentes de projeto subestimam quanto trabalho a limpeza e a preparação dos dados demandam. Categorizar e classificar os dados pode levar de 60 a 70 por cento do tempo necessário para criar um aplicativo.
Bruno: Isso é verdade. O aprendizado de máquina é tão bom quanto os dados fornecidos: se entra lixo, sai lixo. Quando trabalho com geólogos e biólogos aqui na universidade, eles não pensam em como os dados coletados podem ser usados para análises estatísticas. Portanto, há a necessidade de treinar equipes de projeto em como lidar com dados: como usar e gerenciar um software de aprendizado de máquina. Se as equipes de projeto e os analistas de dados não se comunicarem adequadamente, suas interações serão infrutíferas.
ISTOCKPHOTO
Geetha: É verdade. Idealmente, os responsáveis pelos sistemas de retaguarda, de onde os dados são consumidos, devem ser responsáveis pela qualidade dos dados dos sistemas dependentes. Isso ajudará os gerentes de projeto com sua principal preocupação: ter uma visão limpa e agregada do desempenho do projeto com dados relevantes e em tempo real.
Como o aprendizado de máquina pode ajudar a analisar projetos anteriores para identificar e avaliar riscos?
Audrius: Uma organização pode colocar seus relatórios de projeto em um modelo estatístico ou de IA para identificar os riscos e causas mais comuns de falhas. O mesmo vale para as lições aprendidas e os sucessos do projeto. A IA pode ajudar as equipes a procurar padrões como uma indicação do que pode acontecer a seguir.
Bruno: O gerenciamento de riscos é uma área em que o aprendizado de máquina já tem sido usado e acredito que será uma das áreas do gerenciamento de projetos que mais se beneficiará com o aprendizado de máquina. Mas, para ter uma melhor análise de risco, precisamos de informações corretas sobre o projeto. O gerenciamento do conhecimento é fundamental.
Geetha: Para construir um sistema de IA robusto, temos que considerar todos os dados disponíveis, treinar os algoritmos com o maior número possível de pontos de dados e camadas, revisar os resultados e ajustar os pontos de dados até uma precisão de quase 100%. No contexto de gerenciamento de projetos e riscos, o primeiro passo para as organizações poderia ser garantir a documentação imparcial de todos os dados relacionados ao projeto, de todos os projetos em um portfólio ou da organização em si, se possível.
Como você equilibra os benefícios do aprendizado de máquina com seus próprios instintos de gerenciamento de projetos?
Bruno: Você precisa confiar na máquina, mas também precisa entender a máquina. Se você não entender os dados e os algoritmos, não entenderá a análise dos dados, e ela será inútil. Mas com a interação humana ou gerenciamento de partes interessadas, você tem que confiar no seu instinto. O aprendizado de máquina não ajudará você.
Geetha: Eu gosto de dividir itens de decisão entre críticos e rotineiros. Os críticos podem ser etapas de mitigação de riscos ou aumentos de orçamento, enquanto os rotineiros podem ser tarefas de acompanhamento ou acionamento de fluxos de trabalho com base no progresso do marco. Seria mais seguro usar os resultados de aprendizado de máquina como recomendações ou decisões orientadas para áreas críticas com avaliação intuitiva das recomendações.
O que você diz para aqueles que se preocupam com o aprendizado de máquina substituir os gerentes de projeto?
Geetha: A história mostra que esses medos não são garantidos. Por exemplo, li estudos que provam que a introdução de várias máquinas domésticas nas décadas de 1980 e 1990 ajudou a trazer mais mulheres para a força de trabalho. Automação e ferramentas de aprendizado de máquina liberarão as pessoas de atividades entediantes e repetitivas para que possam se concentrar em atividades estratégicas. Adaptar-se e adotar a onda da IA — e aproveitar as capacidades que ela pode oferecer — poderia ser um benefício para os gerentes de projeto.
Audrius: E mesmo em um mundo mais automatizado, os empregos orientados a processos, como o gerenciamento de projetos, terão um futuro brilhante. Os gerentes de projeto só terão que aprender a interpretar melhor os significados dos dados.
Bruno: Nós todos concordamos: o aprendizado de máquina não substituirá os gerentes de projeto. Os gerentes de projeto gerenciam pessoas, e o aprendizado de máquina pode automatizar e acelerar algumas tarefas, mas não pode gerenciar pessoas. Não pode substituir a interação humana. PM