Decisão aumentada por IA, J-curve, modelo 10-20-70, outside view e golden set: conheça cinco conceitos para melhorar decisões e resultados na gestão de projetos.
Em resumo:
Veja mais informações a seguir!
A inteligência artificial (IA) está mudando a gestão de projetos, mas adotar novas ferramentas não garante melhores resultados.
Para transformar tecnologia em produtividade, os gestores precisam compreender como as pessoas tomam decisões, como as organizações incorporam mudanças e quais fatores aumentam as chances de sucesso de uma iniciativa.
Ao revisar os 13 livros que escrevi sobre gestão de projetos, percebo um padrão: os conceitos que resistem ao tempo não são necessariamente os que descrevem ferramentas, mas os que ajudam a explicar por que os projetos funcionam ou fracassam.
No meu livro mais recente, reuni cinco conceitos com aplicações práticas para quem gerencia projetos em 2026. Desenvolvidos ou estudados por pesquisadores de diferentes áreas, eles ajudam a entender como usar IA, melhorar estimativas, reorganizar processos e reduzir riscos.
+ PMO 4.0: o novo modelo de escritório de projetos orientado a valor e IA
Um dos conceitos mais importantes para a gestão de projetos com inteligência artificial é a diferença entre decisão aumentada e decisão delegada.
A decisão aumentada por IA utiliza a tecnologia para ampliar a qualidade do julgamento humano. Já a decisão delegada transfere a responsabilidade de decidir para o algoritmo.
Essa distinção é importante porque implementar uma ferramenta de IA não significa, necessariamente, melhorar a tomada de decisão. Sistemas inteligentes podem analisar grandes volumes de dados, identificar padrões e estimar probabilidades, mas seus resultados precisam ser interpretados no contexto de cada projeto.
O Panorama Gestão de Projetos Brasil 2026, da Artia, aponta que 85% das organizações pesquisadas utilizam IA, enquanto 57% estão insatisfeitas com os resultados. Os números indicam que a adoção da tecnologia, por si só, não garante uma experiência positiva.
Na prática, a IA pode ajudar o gerente de projetos a:
O gerente utiliza essas informações para tomar decisões mais fundamentadas, considerando também as particularidades do negócio, os objetivos estratégicos e os riscos envolvidos.
O princípio é simples: a IA amplia a capacidade de análise, mas a responsabilidade pela decisão continua sendo humana.
+ Os projetos mais famosos que falharam e as lições para a gestão de projetos
A adoção de uma nova tecnologia nem sempre produz ganhos imediatos de produtividade. Em alguns casos, os resultados pioram antes de melhorar.
O economista Erik Brynjolfsson, do MIT, estudou esse fenômeno, conhecido como J-curve da produtividade. O conceito descreve uma trajetória em que os ganhos esperados demoram a aparecer porque a organização precisa investir em mudanças complementares antes de aproveitar todo o potencial da tecnologia.
Isso acontece porque a implementação exige mais do que instalar um sistema. É necessário revisar processos, capacitar profissionais, adaptar rotinas e modificar a cultura organizacional.
Enquanto essas mudanças não acontecem, a tecnologia nova pode funcionar sobre estruturas antigas, aumentando o trabalho e os custos sem entregar os benefícios esperados.
Na gestão de projetos, esse conceito ajuda a interpretar a insatisfação com ferramentas de IA. O problema nem sempre está na solução escolhida. A organização também pode estar em uma fase de adaptação, na qual os investimentos ainda não se converteram em ganhos de desempenho.
Por isso, o gestor deve avaliar duas questões:
A segunda pergunta é tão importante quanto a primeira. Sem mudanças complementares, os benefícios da tecnologia podem demorar a aparecer.
O Boston Consulting Group (BCG) popularizou um modelo que ajuda a explicar como o valor das iniciativas de inteligência artificial se distribui entre tecnologia, processos e pessoas.
Segundo essa abordagem, a geração de valor está associada a três dimensões:
A principal mensagem do modelo é que o investimento em tecnologia representa apenas uma parte do esforço necessário para obter resultados. O valor também depende da capacidade da organização de redesenhar processos e preparar as equipes.
Para um gerente de projetos, isso significa que adquirir uma plataforma de IA para gestão de portfólio não é suficiente. É necessário avaliar como a ferramenta será incorporada à tomada de decisão, quais atividades serão modificadas e como os profissionais utilizarão os novos recursos.
O modelo também ajuda a identificar problemas de implementação. Quando os resultados não aparecem, a resposta não deve ser trocar de ferramenta automaticamente. Antes, é preciso verificar se houve mudanças nos processos e se a equipe recebeu orientação adequada.
A aplicação da IA é, portanto, um desafio de gestão da mudança, além de uma questão tecnológica.
+ Gestão de projetos em tempos de crise: por que a carreira é resiliente
A falácia do planejamento é um dos problemas recorrentes na gestão de projetos. Ela ocorre quando equipes subestimam o tempo, os recursos e os custos necessários para concluir uma iniciativa.
Uma forma de reduzir esse risco é utilizar o outside view, ou visão externa, associado ao método de previsão por classe de referência (reference class forecasting), desenvolvido e difundido por Bent Flyvbjerg.
Em vez de estimar os resultados considerando apenas as características e expectativas da equipe, o método compara o projeto com iniciativas semelhantes realizadas anteriormente.
A análise considera fatores como:
No livro How Big Things Get Done (2023), escrito por Bent Flyvbjerg e Dan Gardner, os autores analisam fatores associados ao desempenho de grandes projetos. A abordagem reforça a importância de utilizar evidências históricas para construir estimativas mais realistas.
O outside view contrasta com o inside view, que concentra a análise nas características específicas do projeto e nas expectativas de quem o planeja. Essa perspectiva interna pode favorecer o excesso de confiança e a subestimação dos riscos.
O psicólogo Daniel Kahneman também discutiu esses vieses em Thinking, Fast and Slow (2011), obra que aborda os mecanismos de julgamento e tomada de decisão.
A inteligência artificial pode ampliar a aplicação desse método. Com acesso a bases históricas confiáveis, sistemas de IA podem ajudar a identificar projetos comparáveis, analisar padrões e calcular distribuições de probabilidade para prazos e custos.
O resultado é uma estimativa baseada em evidências, em vez de depender exclusivamente da confiança da equipe.
O conceito de golden set, associado às pesquisas de Bent Flyvbjerg sobre o desempenho de projetos, ajuda a identificar características presentes em iniciativas que obtêm resultados superiores.
Mais do que depender de uma tecnologia específica, de uma metodologia da moda ou de um orçamento elevado, o sucesso está relacionado às condições de planejamento e execução.
Três características merecem atenção:
O sponsor do projeto precisa ter autoridade para mobilizar recursos, resolver obstáculos e sustentar as decisões necessárias. Ter um patrocinador apenas no organograma não garante esse apoio.
A modularização permite dividir o projeto em partes menores, com entregas que podem ser avaliadas e ajustadas. Isso facilita a identificação de problemas e reduz o risco de comprometer muitos recursos antes de validar as soluções.
O acompanhamento precisa gerar informações que orientem as próximas etapas. Em vez de deixar a avaliação para uma retrospectiva ao final do projeto, a equipe deve identificar problemas, testar alternativas e incorporar aprendizados continuamente.
Esses fatores se relacionam a um princípio frequentemente associado à abordagem de Flyvbjerg: think slow, act fast, ou pense devagar e aja rápido.
A ideia é dedicar tempo suficiente ao planejamento e à validação antes de comprometer recursos. Depois que as decisões fundamentais estiverem bem estruturadas, a execução pode avançar com mais velocidade.
Essa lógica contrasta com um problema comum: iniciar o trabalho rapidamente para atender à pressão por resultados e, depois, perder tempo resolvendo falhas que poderiam ter sido identificadas antes.
Antes de aprovar um projeto, o gestor pode verificar se há um patrocinador atuante, entregas modulares e um processo contínuo de aprendizado. Quando uma dessas condições está ausente, o risco precisa ser identificado e tratado desde o início.
+ Panorama de Gestão de Projetos Brasil 2026: o que os dados revelam
Os cinco conceitos podem ser transformados em perguntas de diagnóstico para avaliar iniciativas em andamento ou em fase de planejamento.
| Conceito | Pergunta para o gestor |
|---|---|
| Decisão aumentada por IA | Estou usando a inteligência artificial para ampliar meu julgamento ou substituí-lo? |
| J-curve de Brynjolfsson | Em que estágio da adoção da IA minha organização está e quais mudanças ainda são necessárias? |
| Modelo 10-20-70 do BCG | Estamos investindo em tecnologia, redesenho de processos e preparação das pessoas de forma equilibrada? |
| Outside view de Flyvbjerg | Nossas estimativas consideram dados históricos de projetos semelhantes ou apenas as expectativas da equipe? |
| Golden set | Temos patrocínio ativo, entregas testáveis e aprendizado contínuo durante a execução? |
Essas perguntas ajudam a identificar lacunas de planejamento, problemas de implementação e oportunidades de melhoria. Também permitem avaliar se a organização está preparada para transformar a adoção de novas tecnologias em resultados concretos.
Conhecer os conceitos é o primeiro passo. O desafio seguinte é incorporá-los aos critérios de aprovação, aos processos de acompanhamento e às decisões cotidianas.
Em um cenário no qual a inteligência artificial ganha espaço na gestão de projetos, os gestores que combinam análise de dados, julgamento humano e aprendizado contínuo têm melhores condições de avaliar riscos e tomar decisões fundamentadas.
+ PMO operacional vs PMO estratégico: a diferença que determina o resultado
Mario H. Trentim é membro do Board of Directors do PMI, Reitor da Allevo Tech / Qeevo Group, doutorando do ITA e autor de 13 livros sobre gestão e execução estratégica.
Atua como conselheiro e conector estratégico em organizações em transformação.
Decisão aumentada por IA, J-curve, modelo 10-20-70, outside view e golden set: conheça cinco conceitos para melhorar decisões e resultados na gestão de projetos.
Decision intelligence combina inteligência artificial, análise de dados, raciocínio causal e julgamento humano para melhorar decisões em projetos. Conheça seus componentes, benefícios e aplicações práticas.
O novo livro de Mario H. Trentim aborda o uso da inteligência artificial na gestão de projetos, com foco em decisões estratégicas, análise de riscos e integração entre tecnologia e experiência profissional.
