A Inteligência Artificial faz parte da rotina da gestão de projetos. Hoje, ferramentas de IA podem apoiar planejamento, análise de riscos, estimativas, geração de relatórios, identificação de padrões e tomada de decisão. O ganho de produtividade é evidente. Mas existe uma questão que ainda precisa amadurecer nas organizações: quando a Inteligência Artificial erra, quem é responsável?
A resposta não pode ser simplesmente “a IA”. Um modelo não assume responsabilidade organizacional, não responde ao patrocinador e não presta contas por um impacto financeiro ou operacional. A IA produz uma recomendação a partir dos dados, modelos e parâmetros aos quais teve acesso. A responsabilidade continua pertencendo às pessoas e à estrutura de governança que decidiram utilizar aquela recomendação.
Esse ponto é particularmente importante em projetos porque uma decisão raramente depende de uma única variável. Um algoritmo pode identificar alta probabilidade de atraso com base no histórico, mas não necessariamente conhecer uma mudança regulatória, uma dependência política, uma negociação com fornecedor ou uma restrição operacional que ainda não foi registrada nos sistemas.
Ao utilizar IA em projetos é necessário estabelecer critérios para avaliar a qualidade dos dados, validar as recomendações, definir quando uma decisão precisa de revisão humana e determinar quais situações exigem escalonamento. A questão é: como governar as decisões influenciadas por IA?
É nesse contexto que o novo padrão do Project Management Institute (PMI) ganha relevância. Publicado em junho de 2026, o The Standard for Artificial Intelligence in Portfolio, Program, and Project Management apresenta uma referência global específica para aplicação da IA ao trabalho de portfólios, programas e projetos. O documento foi concebido para ser technology-agnostic, ou seja, não depende de uma ferramenta ou tecnologia específica, justamente porque modelos e plataformas de IA continuarão evoluindo.
O padrão organiza essa abordagem em oito princípios orientadores e cinco domínios de desempenho, incorporando aspectos que vão além da eficiência: valor, risco, governança, pessoas e cultura, ética, stakeholders, inovação e qualidade dos dados. Outro elemento importante é o conceito de human-in-the-loop, que estabelece a necessidade de revisão e intervenção humana sobre resultados produzidos pela IA. Isso é fundamental porque supervisão não significa apenas conferir o resultado final; significa criar pontos de controle capazes de impedir que uma recomendação inadequada seja transformada automaticamente em decisão.
O padrão também incorpora guardrails** éticos e legais**, considerando questões como regulamentação, propriedade intelectual, auditoria e obrigações contratuais. Para a gestão de projetos, isso representa uma mudança importante: o risco associado à IA passa a ser tratado como parte da própria governança da iniciativa. Afinal, uma solução pode tecnicamente funcionar e, ainda assim, gerar riscos de conformidade, exposição de dados ou decisões que não possam ser adequadamente explicadas ou auditadas.
Essa preocupação aparece também na abordagem PMI-CPMAI, metodologia do PMI voltada à gestão de projetos de Inteligência Artificial. Ela estrutura o trabalho em seis fases, começando pelo entendimento do negócio e das necessidades de dados e avançando por preparação de dados, desenvolvimento iterativo, testes e avaliação e, finalmente, operacionalização. A lógica é interessante porque desloca o foco de “construir uma IA” para entregar uma solução de IA que seja tecnicamente viável e alinhada ao negócio.
Outro conceito relevante são os Seven Patterns of AI, utilizados pelo PMI para ajudar profissionais a reconhecer diferentes formas de aplicação da inteligência artificial, como reconhecimento, interação conversacional, detecção de padrões e anomalias, análise preditiva e sistemas autônomos. Essa classificação permite que o gestor compreenda melhor o problema antes de definir a solução, avaliando impactos em dados, competências, riscos, escopo e expectativas dos stakeholders.
O grande avanço do PMI, portanto, está em trazer a discussão de IA para o campo da gestão profissional, e não deixá-la restrita à tecnologia. O gerente de projetos não precisa se transformar em cientista de dados, mas precisa compreender como a IA influencia escopo, riscos, decisões, pessoas, governança e geração de valor. A tecnologia pode acelerar o projeto; a governança determina se essa aceleração está levando a organização na direção certa.
E essa é apenas uma parte de uma transformação que ainda está começando. O PMI vem construindo padrões, metodologias e conteúdos específicos para preparar profissionais para esse novo cenário, e acredito que precisamos discutir essas mudanças com profundidade, sem cair nem no entusiasmo cego pela tecnologia nem no medo de substituição. Nas próximas matérias, vou aprofundar outros aspectos dos novos padrões do PMI para IA e discutir como podemos transformar esses conceitos em práticas aplicáveis à gestão de projetos, programas e portfólios.
Artigo: Elaine Figueiredo
