IA agentiva na gestão de projetos: o que muda na carreira
Entenda a diferença entre IA generativa e agentes de IA pela visão do Mario Trentim, quais atividades já podem ser automatizadas e onde o profissional continuará indispensável.
A IA generativa responde a comandos, enquanto a IA agentiva pode executar sequências de tarefas para alcançar um objetivo.
Agentes já começam a apoiar planejamento, atualização de tarefas, identificação de riscos e coordenação de equipes.
O gerente de projetos não deve competir com a automação em atividades repetitivas.
Supervisão, julgamento, negociação e definição de limites ganham importância.
O profissional mais valorizado será aquele capaz de combinar tecnologia, gestão e responsabilidade.
Nos últimos anos, profissionais de projetos ouviram repetidamente que a inteligência artificial mudará sua forma de trabalhar. A afirmação está correta, mas ainda é genérica demais para ajudar alguém a tomar decisões sobre a própria carreira.
A transformação fica mais clara quando se compreende a diferença entre IA generativa e IA agentiva.
A IA generativa normalmente responde a uma solicitação. O usuário pede um resumo, uma análise ou uma primeira versão de cronograma, e a ferramenta produz uma resposta.
A IA agentiva pode ir além. A partir de um objetivo, um agente consegue decompor o trabalho em etapas, consultar informações, acionar ferramentas, acompanhar resultados intermediários e decidir qual deve ser a próxima ação dentro dos limites definidos.
Essa diferença não interessa apenas a profissionais de tecnologia. Ela muda quais atividades continuarão dependendo diretamente de um gerente de projetos e quais poderão ser delegadas a sistemas cada vez mais autônomos.
Teste vocacional
Qual carreira combina com o seu perfil?
Responda as perguntas e descubra o curso certo e as bolsas ideais para você!
O que é IA agentiva na gestão de projetos?
IA agentiva na gestão de projetos é o uso de agentes capazes de executar ou coordenar múltiplas ações relacionadas ao planejamento, acompanhamento e organização do trabalho.
Um assistente generativo pode produzir uma lista de tarefas quando recebe uma solicitação.
Um agente, por outro lado, pode criar um plano, distribuir atividades, acompanhar o progresso, identificar tarefas paradas e sugerir ações para manter o trabalho avançando.
A autonomia não é necessariamente completa. Na maioria das aplicações corporativas, os agentes operam com permissões, regras e pontos de aprovação humana.
A Microsoft, por exemplo, passou a integrar um agente ao Planner para ajudar equipes a identificar o que exige atenção, compreender riscos e agir dentro do próprio fluxo de trabalho. A Asana também apresenta agentes especializados capazes de operar dentro de processos organizacionais com contexto, memória compartilhada e mecanismos de governança.
Isso mostra que a IA agentiva já começa a sair dos ambientes experimentais e entrar nas ferramentas utilizadas para organizar projetos e equipes.
Ainda assim, a tecnologia permanece em uma fase de expectativas elevadas. O Gartner posicionou os agentes de IA entre as inovações que estavam no pico das expectativas infladas em 2025, etapa marcada por grande interesse, promessas ambiciosas e resultados ainda desiguais.
Para Mario Trentim, essa combinação exige equilíbrio. Empresas podem superestimar o que os agentes conseguem executar hoje, enquanto outras encontrarão aplicações mais limitadas, porém realmente úteis.
O profissional que souber distinguir automação viável de promessa comercial terá vantagem na avaliação de ferramentas, fornecedores e projetos de transformação.
Agentes de IA já podem assumir parte das tarefas operacionais que consomem tempo de gerentes, analistas e escritórios de projetos.
Entre as aplicações mais próximas da rotina estão:
organizar tarefas a partir de objetivos;
preparar versões iniciais de planos;
atualizar registros de atividades;
resumir reuniões;
identificar decisões e responsáveis;
localizar pendências;
sinalizar riscos;
coordenar informações entre equipes;
transformar notas em documentos estruturados.
O Planner Agent, da Microsoft, já é apresentado como um recurso capaz de gerar planos, ajudar a compreender cronogramas e apoiar o acompanhamento de tarefas. Os AI Teammates da Asana atuam em fluxos de trabalho para organizar informações, estruturar entregas e coordenar atividades entre equipes.
Essas funções atingem justamente uma parcela relevante do trabalho operacional em projetos.
Relatórios semanais, atas, cobranças de atualização e consolidação de informações não desaparecerão. Porém, cada vez menos dependerão de produção manual do início ao fim.
O gerente de projetos continuará precisando revisar os dados, identificar inconsistências e compreender o impacto das informações. Seu valor, entretanto, estará menos na elaboração mecânica do relatório e mais na interpretação do que ele revela.
Um agente pode detectar que uma atividade crítica está atrasada. A decisão sobre reduzir escopo, deslocar recursos ou renegociar o prazo exige outra camada de análise.
O que a IA agentiva não resolve sozinha?
A IA agentiva não resolve sozinha situações que dependem de confiança, julgamento político, responsabilidade e conhecimento tácito da organização.
Um agente pode calcular o impacto de uma mudança no cronograma. Ele não possui, por conta própria, a credibilidade necessária para comunicar ao patrocinador que a data prometida não será cumprida.
Também pode comparar cenários de redução de escopo, mas não compreende integralmente por que determinada entrega é simbolicamente importante para a liderança ou por que uma área se recusa a aceitar uma alteração aparentemente racional.
Entre as atividades que continuam fortemente humanas estão:
negociar escopo e prioridades;
conduzir conflitos entre lideranças;
comunicar desvios graves;
construir consenso;
avaliar consequências políticas;
recomendar o cancelamento de projetos;
assumir responsabilidade por decisões;
decidir quando interromper a atuação do agente.
Esse último ponto tende a ganhar importância. Quanto mais autonomia um sistema recebe, mais claros precisam ser os critérios que determinam quando ele pode continuar e quando deve chamar uma pessoa.
Em gestão de projetos, isso significa estabelecer limites para aprovações, alterações de escopo, comunicações externas, movimentação de recursos e decisões com impacto financeiro ou regulatório.
A literatura recente sobre IA em projetos também aponta para modelos de colaboração híbrida, nos quais agentes executam funções específicas sob orquestração e supervisão humana. A pesquisa ainda se encontra em estágio exploratório, especialmente quando se trata de agentes especializados por função ou etapa do projeto.
O que muda para a carreira em gestão de projetos?
A principal mudança é que o profissional não poderá construir sua carreira exclusivamente sobre tarefas de controle e atualização.
Quem se diferencia apenas por consolidar informações, preparar atas ou manter cronogramas poderá competir diretamente com ferramentas que fazem esse trabalho com mais velocidade. Isso não significa que os fundamentos perderão valor.
Para supervisionar um cronograma gerado por IA, é necessário compreender dependências, estimativas, riscos e capacidade. Para revisar uma análise automática, o profissional precisa saber reconhecer quando a resposta está incompleta ou incorreta.
A tecnologia reduz o valor da execução repetitiva, mas pode aumentar o valor do conhecimento necessário para avaliá-la.
Mario Trentim defende que o gerente de projetos deverá se posicionar acima da automação, assumindo responsabilidades que exigem interpretação e decisão.
Esse perfil combina:
fluência em ferramentas de IA;
visão estratégica;
comunicação executiva;
gestão de stakeholders;
análise de riscos;
compreensão financeira;
avaliação de benefícios;
governança;
pensamento crítico.
O PMI também vem incentivando profissionais de projetos a avançar dos usos básicos de IA para aplicações ligadas a decisões, eficiência e transformação estratégica.
A questão, portanto, não é apenas aprender a utilizar um agente. É compreender como integrá-lo ao sistema de gestão sem transferir para a tecnologia responsabilidades que continuam pertencendo à organização.
O que estudar para trabalhar com agentes de IA?
O profissional de projetos não precisa necessariamente aprender a programar agentes, mas precisa saber como supervisioná-los. Essa supervisão envolve três capacidades.
A primeira é compreender o que a ferramenta pode acessar e executar. Isso inclui dados, documentos, tarefas, mensagens e integrações.
A segunda é revisar os resultados. Agentes podem utilizar informações incompletas, interpretar incorretamente o contexto ou produzir ações incompatíveis com uma regra interna.
A terceira é definir pontos de escalonamento humano. Decisões sensíveis precisam ser retiradas do fluxo automático e encaminhadas para uma pessoa responsável.
Na prática, o desenvolvimento pode começar por ações como:
testar agentes dentro de ferramentas já utilizadas;
comparar resultados automáticos com análises humanas;
registrar erros e limitações;
aprender princípios de governança de IA;
compreender privacidade e segurança de dados;
desenvolver critérios de aprovação;
fortalecer negociação e comunicação;
estudar gestão de riscos e benefícios.
Também é importante evitar a dependência passiva. O gerente de projetos que aceita qualquer resultado automático sem questionamento não está utilizando IA de forma estratégica. Está apenas terceirizando o próprio julgamento.
IA agentiva ameaça ou fortalece a profissão?
A IA agentiva ameaça versões excessivamente operacionais da gestão de projetos, mas pode fortalecer profissionais capazes de liderar decisões e sistemas mais complexos.
A automação deverá reduzir o tempo gasto com acompanhamento manual, preparação de documentos e coordenação básica.
Ao mesmo tempo, organizações precisarão de pessoas capazes de decidir quais processos podem ser automatizados, quais exigem supervisão e como avaliar se os agentes estão produzindo valor real.
O cenário não é simplesmente de substituição. É de redistribuição do trabalho. Algumas tarefas serão absorvidas pelas ferramentas. Outras passarão a exigir mais conhecimento, responsabilidade e capacidade de julgamento.
Para Mario Trentim, a carreira mais vulnerável é aquela construída apenas sobre atividades que um agente pode executar. A mais promissora é aquela em que o profissional utiliza agentes para ampliar sua capacidade, sem abrir mão da responsabilidade pelas decisões.
A IA agentiva não elimina a necessidade de gestão. Ela torna mais evidente a diferença entre controlar tarefas e liderar projetos.
Arquivo Pessoal
Mario H. Trentim é membro do Board of Directors do PMI, reitor da Allevo Tech/Qeevo Group, doutorando pelo ITA, autor de 13 livros sobre gestão e execução estratégica e atua como conselheiro em organizações em transformação.
Ver publicações 
