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.
Em resumo:
Veja mais informações a seguir!
A inteligência artificial (IA) amplia a capacidade de analisar dados e identificar padrões na gestão de projetos. No entanto, adotar ferramentas tecnológicas não garante, por si só, melhores resultados. Para transformar informações em decisões mais consistentes, as organizações precisam de processos estruturados de análise e avaliação de cenários.
É nesse contexto que se destaca a decision intelligence, ou inteligência de decisão. A disciplina combina dados, inteligência artificial, raciocínio causal e julgamento humano para apoiar escolhas em ambientes de incerteza.
Mario H. Trentim, membro do Board of Directors do Project Management Institute (PMI) e doutorando pelo Instituto Tecnológico de Aeronáutica (ITA), apresenta o conceito como uma abordagem para aprimorar a tomada de decisão nas organizações.
O tema ganha relevância diante dos desafios da adoção de IA. Segundo o Panorama Artia 2026, 85% das organizações brasileiras pesquisadas utilizam inteligência artificial em projetos, mas 57% estão insatisfeitas com os resultados. Os números reforçam a importância de integrar a tecnologia a processos decisórios bem definidos.
+ PMO 4.0: o novo modelo de escritório de projetos orientado a valor e IA
Decision intelligence é uma disciplina que integra ciência de dados, inteligência artificial e ciências da decisão para melhorar a qualidade das escolhas organizacionais.
O conceito foi sistematizado por Lorien Pratt no livro Link: How Decision Intelligence Connects Data, Actions, and Outcomes for a Better World, publicado em 2019. A proposta é conectar dados, ações e resultados, considerando tanto os métodos analíticos quanto os fatores humanos envolvidos nas decisões.
Para entender a aplicação da disciplina, vale diferenciá-la de business intelligence (BI).
Na gestão de projetos, por exemplo, um painel que mostra um Índice de Desempenho de Prazo (SPI) de 0,78 permite identificar um desempenho inferior ao planejado. Essa é uma aplicação de business intelligence.
Já uma solução de decision intelligence pode combinar esse indicador com o histórico de projetos semelhantes, as dependências entre atividades e diferentes cenários de recuperação. A partir dessa análise, o sistema ajuda a identificar quais intervenções têm maior probabilidade de reduzir o atraso.
A diferença está na passagem da análise de desempenho para o apoio estruturado à decisão.
+ Os projetos mais famosos que falharam e as lições para a gestão de projetos
A aplicação de decision intelligence à gestão de projetos envolve três componentes principais: dados e inteligência artificial, raciocínio causal e julgamento humano.
A primeira camada reúne informações relevantes sobre o projeto, como:
Modelos de inteligência artificial podem processar essas informações para identificar padrões, estimar probabilidades e construir cenários.
A qualidade das recomendações, porém, depende da confiabilidade dos dados, da adequação dos modelos e do contexto em que são utilizados.
O raciocínio causal procura identificar relações de causa e efeito, indo além da identificação de correlações estatísticas.
Por exemplo, os dados podem mostrar que projetos com baixo desempenho de prazo em determinada etapa costumam terminar atrasados. Essa correlação ajuda a reconhecer um padrão, mas não explica necessariamente o que provoca o atraso.
Uma análise causal pode investigar se a demora nas aprovações desencadeia atrasos em atividades dependentes, comprometendo a disponibilidade das equipes e o cumprimento dos marcos seguintes.
Com esse entendimento, o gerente de projetos consegue avaliar quais fatores podem ser alterados para reduzir o problema. Entre os recursos utilizados nessa abordagem estão os grafos causais, que representam relações entre variáveis e possíveis efeitos de intervenções.
O terceiro componente é a avaliação das alternativas por profissionais responsáveis pelas decisões.
A decision intelligence não elimina a participação humana. Ela organiza informações, compara cenários e estima consequências para que o gerente de projetos tenha melhores condições de avaliar as opções disponíveis.
A decisão final continua considerando fatores que nem sempre podem ser representados integralmente pelos dados, como prioridades estratégicas, restrições organizacionais, impactos sobre as pessoas e tolerância ao risco.
O objetivo é reduzir a dependência de suposições e vieses, sem tratar as recomendações dos sistemas como respostas infalíveis.
Um dos principais desafios da gestão de projetos é transformar previsões, indicadores e avaliações de risco em decisões que contribuam para os resultados esperados.
No livro How Big Things Get Done, publicado em 2023, Bent Flyvbjerg e Dan Gardner discutem os problemas recorrentes de planejamento e execução de grandes projetos. A obra destaca a importância de estimativas fundamentadas, do aprendizado com experiências anteriores e da análise de riscos.
A decision intelligence pode contribuir para esses objetivos ao estruturar a relação entre informações disponíveis, alternativas de ação e resultados esperados.
Entre os problemas que essa abordagem pode ajudar a enfrentar estão:
No contexto brasileiro, os dados do Panorama Artia 2026 sobre adoção e insatisfação com a IA também apontam para um desafio de gestão: incorporar ferramentas tecnológicas não é suficiente quando os processos de decisão continuam sem critérios claros.
A decision intelligence busca justamente estabelecer essa conexão entre tecnologia, análise e ação.
+ Gestão de projetos em tempos de crise: por que a carreira é resiliente
A disciplina pode apoiar diferentes etapas do ciclo de vida dos projetos. Três aplicações se destacam: priorização de portfólio, análise preditiva de riscos e alocação de recursos.
Em organizações que administram diversos projetos simultaneamente, definir quais iniciativas devem receber financiamento, equipes e atenção gerencial exige considerar múltiplos fatores.
A decision intelligence permite estruturar análises multicritério com elementos como:
Com esses critérios, a organização pode comparar alternativas com base em parâmetros comuns, em vez de depender exclusivamente de avaliações individuais ou de negociações internas.
Isso não elimina a necessidade de discussão entre gestores. A análise oferece uma base mais transparente para justificar prioridades e avaliar as consequências das escolhas.
A análise preditiva utiliza dados históricos e informações atuais para estimar a probabilidade de determinados eventos.
Na gestão de projetos, sistemas de decision intelligence podem identificar padrões relacionados a atrasos, estouros de orçamento, dificuldades de implementação e indisponibilidade de equipes.
Imagine uma empresa que inicia um projeto de implantação de software em uma área de tecnologia com histórico de alta rotatividade de profissionais. Se os dados de projetos anteriores indicarem uma relação entre essa condição e atrasos, a equipe poderá considerar o fator na avaliação inicial de riscos.
Com esse alerta, o gerente pode planejar medidas preventivas, como reforçar a documentação técnica, preparar a transferência de conhecimento ou rever a distribuição de responsabilidades.
A previsão não garante que o problema ocorrerá. Ela permite antecipar cenários e avaliar respostas antes que uma situação se transforme em uma crise.
A distribuição de profissionais, orçamento e equipamentos entre projetos concorrentes é um problema de otimização que envolve diferentes variáveis e restrições.
Uma abordagem de decision intelligence pode comparar alternativas de alocação considerando:
Por exemplo, transferir um especialista para um projeto prioritário pode acelerar uma entrega, mas também provocar atrasos em outra iniciativa. A análise de cenários permite estimar esses efeitos antes da mudança.
O resultado é um processo de alocação mais estruturado, com maior visibilidade sobre os custos e benefícios de cada alternativa.
Embora esteja relacionada à inteligência artificial e à análise de dados, a decision intelligence tem características próprias. Entender essas diferenças ajuda a evitar expectativas equivocadas sobre sua aplicação.
A automação executa tarefas ou toma decisões com base em regras e condições predefinidas. A decision intelligence pode apoiar esse processo, mas seu escopo também inclui a estruturação de problemas, a avaliação de alternativas e a análise das consequências.
Decisões operacionais simples podem ser automatizadas em determinados contextos. Já escolhas estratégicas, com impactos significativos sobre orçamento, pessoas e objetivos organizacionais, geralmente exigem supervisão e julgamento humano.
A IA é um dos recursos que podem compor uma solução de decision intelligence, mas não representa toda a disciplina.
A inteligência de decisão também envolve a definição dos critérios de escolha, o desenho dos processos decisórios, a compreensão das relações causais e a governança das decisões.
Uma organização pode utilizar ferramentas de IA sem ter um processo estruturado para transformar as recomendações dessas ferramentas em ações.
O escritório de gerenciamento de projetos (PMO) pode utilizar decision intelligence para aprimorar análises, apoiar a priorização do portfólio e fornecer informações mais consistentes à diretoria.
A disciplina não elimina as responsabilidades do PMO nem substitui a atuação dos gerentes de projetos. Seu papel é contribuir para que esses profissionais tenham melhores condições de avaliar alternativas e fundamentar suas recomendações.
+ Panorama de Gestão de Projetos Brasil 2026: o que os dados revelam
A implementação não precisa começar com uma transformação tecnológica ampla. Uma alternativa é identificar decisões relevantes que já são tomadas na organização e avaliar como os dados disponíveis podem melhorar esse processo.
Veja quatro passos para iniciar.
Selecione três decisões recorrentes que influenciam os resultados dos projetos. Elas podem envolver a priorização de iniciativas, a aprovação de mudanças de escopo ou a distribuição de recursos.
Identifique quais informações podem melhorar cada decisão e verifique se estão disponíveis, atualizadas e confiáveis.
Os dados podem estar em sistemas de gestão de projetos, planilhas, relatórios financeiros ou registros de iniciativas anteriores.
Estabeleça os critérios que serão utilizados para comparar as opções. Sempre que possível, registre as premissas, as restrições e os resultados esperados de cada alternativa.
Essa etapa ajuda a tornar o processo decisório mais transparente e facilita a avaliação posterior das escolhas realizadas.
Comece com uma aplicação delimitada e acompanhe se a análise contribuiu para decisões melhores.
Compare os resultados obtidos com as expectativas iniciais, identifique limitações dos dados e revise os critérios quando necessário. A ampliação do uso deve considerar as evidências produzidas pelo projeto-piloto.
O ponto de partida mais simples costuma estar em decisões nas quais os dados já existem, mas ainda não são utilizados de forma sistemática. Assim, a organização pode testar a abordagem antes de investir em uma infraestrutura mais complexa.
+ Carreira em gestão de projetos: por onde começar e como progredir
Business intelligence analisa dados para mostrar o que aconteceu e identificar tendências. Decision intelligence utiliza dados, modelos analíticos e critérios de decisão para comparar alternativas e apoiar escolhas sobre o que fazer.
A IA pode analisar grandes volumes de dados, identificar padrões, estimar probabilidades e gerar cenários. A decision intelligence integra esses recursos a processos decisórios, considerando também relações causais, objetivos organizacionais e julgamento humano.
A abordagem pode contribuir para a priorização de portfólio, a antecipação de riscos, a alocação de recursos e a avaliação de alternativas. Os resultados dependem da qualidade dos dados, dos métodos utilizados e da integração das análises aos processos de gestão.
Não. A disciplina oferece informações e análises para apoiar decisões, mas não elimina a necessidade de avaliar o contexto, considerar impactos organizacionais e assumir responsabilidade pelas escolhas.
O primeiro passo é identificar decisões de alto impacto e mapear quais dados poderiam melhorar sua qualidade. Em seguida, é possível definir critérios de avaliação, testar uma aplicação em escala reduzida e acompanhar os resultados.
+ 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.
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.
Institutos federais e Etecs recebem inscrições ainda em 2026; há oportunidades com seleção por histórico escolar e por prova
