Num artigo / postagem anterior havia abordado a questão de fundamento deixada um tanto de lado neste momento da hype na adoção de novos serviços e recursos de inteligência artificial, a Gestão de Projetos. Verificar que estamos diante de um projeto nos traz vários sinais e aspectos importantes para compreendermos melhor o caminho da adoção de novas tecnologias, de novos serviços e modelos de negócios.
Fazendo uma breve provocação, há de se dizer que já ouvi, em outras épocas, falas como “vamos desligar o mainframe em breve”, “é impossível fazer negócios na Internet, é só uma diversão” e, finalmente, “esses sistemas ERP não serão adotados”. Bem, o que aconteceu depois todos sabemos. Lembro a citação da abertura do artigo anterior, onde falei da superestimativa / subestimativa. Convido o nosso leitor a verificar.
Atualmente, como dito, os sistemas à base de recursos de análise de dados e de IA passam por um escrutínio um tanto imediatista, dado que são de uso ainda incipiente em organizações e, pelas próprias definições de modelos, redes de aprendizado (neurais em suas várias versões) e dos métodos de absorção de dados, estamos ainda em fase, literalmente, de aprendizado, de “treinamento” dos modelos.
Isto verificado, vamos à percepção dos projetos. Apesar de termos um contexto de conhecimento já bem difundido sobre Gestão de Projetos (GP), claro, em assuntos envolvendo tecnologias em aplicações disruptivas, temos de abrir nossas mentes à novas tendências e percepções. No caso da GP, podemos trazer algumas técnicas da gestão clássica, para lembrar no momento da geração de expectativas na adoção da IA, adicionando suas tendências mais novas, recentes, advindas da agilidade organizacional, dos novos designs de modelos de negócios e, finalmente, ter a abertura para novas formas de gerir nossas jornadas em projetos.
Alguns pontos essenciais na GP clássica a serem avaliados, são: Definição de escopo, identificação de consumo de recursos escassos (como tempo, dinheiro, recursos humanos especializados, recursos tecnológicos – nuvem computacional, por exemplo – entre outros), gestão de comunicação, interações com stakeholders e, finalmente, um dos mais importantes, a gestão de riscos.
Cada um destes temas merece uma discussão, uma reflexão para aplicarmos. Por exemplo, a definição de escopo. Há metas e definições objetivas para aplicar a IA, para o desenvolvimento de recursos? Uma definição focal de resultados a obter é essencial, num primeiro momento, para os projetos. Mas, há a questão da disrupção pelo uso da IA, algo que pode trazer, simplesmente, um objetivo “desconhecido”, indeterminado. Ok, concordo plenamente com o leitor que propõe este desafio. Mas, diante do que percebemos nas avaliações de mercado, que tal separarmos os projetos padrão, com escopo bem determinado, daqueles em que podemos navegar, testar, prototipar, descobrir novos conhecimentos e, finalmente, alcançar pontos inéditos e inesperados?
Uma das fontes que tenho percebido para certos desapontamentos ou falhas na condução de implementações de IA é justamente não separar o que é determinado daquilo que é pesquisa aplicada. Não é errado, definitivamente, uma organização iniciar um projeto (sim, um projeto) de pesquisa que ainda é indeterminado, indefinido em seus limites de alcance, a perceber, por exemplo, na aplicação de tecnologias de ruptura. É problemático, entretanto, misturar as trilhas: esperar um resultado objetivo de um teste, de um contexto inédito, ou, ao contrário, definir como uma inovação radical algo que, afinal, é simplesmente um resultado esperado, rigorosamente dentro dos planos.
A definição de escopo é apenas um tema inicial, na grande abrangência da GP, em que podemos raciocinar sobre a produção de soluções à base de tecnologias de dados e de inteligência artificial. Um tema vastíssimo e que tem promovido muita discussão, dentro dos princípios da gestão de projetos, é a gestão de riscos.
Ter a prática de identificar riscos, classificá-los quanto ao impacto e probabilidade de ocorrência, definir os tratamentos (mitigações) e treinar equipes e dimensionar recursos para este tratamento, é um processo elementar na gestão de riscos. Adicionado a estes princípios, já bastante conhecidos, a moderna GP nos remete à pesquisa sobre as novas evidências e riscos associados, como decorrência destas evidências, permitindo sua posterior gestão – ou seja, como um programa antivírus ou procedimento de cibersegurança, por exemplo, aprende-se quando ocorre um novo ataque, de tal forma que este deixa de ser “novo”, gerando a proteção, a segurança. Isso é gestão de riscos.
Alguns destes princípios são clássicos na Gestão de Projetos, outros são mais recentes e, finalmente, outros estão em aprendizado. Exatamente no mesmo sentido da IA que, como sabemos, tem seus fundamentos em intenções acadêmicas de mais de setenta anos (artigo de Alan Turing, trabalhos de John McCarthy, entre outros) e está se modernizando no nosso dia-a-dia e, como dissemos anteriormente, chegou para ficar em nossas vidas.
Este tema merece desenvolvimento. Vamos conversar a respeito?
