A IA vai transformar o mundo dos controlo de projetos?

Em 2012, quando comecei na Primaned Belgium - agora Proove (meu primeiro emprego), não sabia precisamente o que estaria a fazer. Na verdade, era difícil explicar o que estávamos a fazer para alguém aleatório. Sabia que se tratava de Gestão de Projetos, principalmente na indústria da construção (sou engenheiro de construção civil), muito orientada para o planeamento/escalonamento de projetos e exigia algum conhecimento/ afinidade em TI. Com isso e a minha mente sonhadora, tinha a ideia do emprego dos sonhos (ingénua)! Eu ia melhorar a indústria da construção implementando ferramentas que criariam e monitorizariam o planeamento do projeto apenas ditando à ferramenta sobre o que era o projeto, a ferramenta faria o resto por mim (exagerando um pouco, talvez?)!

E então comecei a minha primeira semana... 4 maravilhosos dias de Formação Básica do Oracle Primavera P6 em Roterdão... Não me interpretem mal, ainda estou a trabalhar na Proove e estou completamente satisfeito com o que faço. No entanto, não era exatamente o que esperava alguns meses antes. Sendo jovem, altamente motivado e dedicado, estacionei esse sonho em algum lugar e dei início à minha carreira como profissional de controlo de projetos com base nas ferramentas e técnicas atuais desse mercado.

Quase 8 anos depois, em 2020, o tempo passou e muitas coisas mudaram. E algo revolucionário surgiu, finalmente posso retomar esse sonho! Por que agora? Porque a Inteligência Artificial (IA), e mais especificamente, a Machine Learning, está chegando para apoiar o controlo de projetos! Portanto, quis escrever sobre isso e, mais especificamente, analisar o valor que isso poderia trazer para a área de Controlo de Projetos de Construção.

Agora, vamos tentar encontrar uma definição simples o suficiente para que possa compreender e, espero, esteja correta. Pode encontrar toneladas delas na internet, então vamos selecionar uma. A partir da Wikipedia, e mais especificamente Tom Mitchell, da McGraw Hill, para a primeira parte, e Christopher Bishop, professor e pesquisador em Machine Learning, para a segunda parte:

"A Machine Learning é o estudo científico de algoritmos e modelos estatísticos que os sistemas de computador usam para realizar uma tarefa específica sem utilizar instruções explícitas, baseando-se em padrões e inferências em vez disso. É vista como uma subárea da inteligência artificial. Os algoritmos de Machine Learning constroem um modelo matemático com base em dados de amostra, conhecidos como 'training data', para fazer previsões ou tomar decisões sem serem programados explicitamente para realizar a tarefa."

No mundo da programação clássica, um computador deve ser instruído sobre o que fazer. A partir da definição acima, verá que não é mais o ser humano que constrói o algoritmo, nem o modelo matemático. Em termos simples, isso significa que o ser humano explica à máquina qual problema ela deve resolver, alimentando-a com dados e explicando o modelo, e o computador aprenderá sozinho para encontrar o algoritmo mais confiável.

Se trabalha na área de controlo de projetos ou apenas sabe o que isso significa; então também sabe que se trata essencialmente de tomar decisões baseadas em dados. Com essa base, a Machine Learning poderia realmente ser algo a adicionar a este mundo do controlo de projetos.

Como pode ela apoiar o Controlo de Projetos?

Se observar as últimas décadas de desenvolvimento do conhecimento no mundo do Controlo de Projetos, certamente notará que não houve grandes disrupções nos últimos anos. Estamos constantemente a melhorar ao gerir uma quantidade cada vez maior de dados e a aprofundar os detalhes graças a ferramentas de software e um melhor suporte técnico. No entanto, a base permanece inalterada. Isso não significa que nada de novo tenha sido inventado, muito pelo contrário. No entanto, pelo que podemos observar no mercado, não consideramos essas inovações como disruptivas. A questão agora é: A Machine Learning vai disruptir o campo de conhecimento do Controlo de Projetos? Vamos primeiro analisar o valor que ela poderia adicionar.

A Machine Learning é essencialmente baseada em dados do passado, então, é claro, tudo o que se segue é baseado no fato de ter alimentado um certo sistema com dados de seus projetos passados. Em seguida, vejo duas aplicações principais: Quantitativa e qualitativa. Ambas podem ser divididas e aplicadas a muitas técnicas e áreas de controlo de projetos. Vou também chamá-la de "aconselhamento" em vez de previsão. O mundo dos projetos continua único e incerto, não há ferramenta que realmente preveja algo. No entanto, ela pode apoiar a equipa do projeto ao aconselhar sobre esses assuntos.

Aconselhamento Quantitativo

Esta parece-me a aplicação mais óbvia. Está intimamente relacionada com o conhecimento de estimativas paramétricas, onde se baseia em dados do passado e conhecimento existente para calcular uma determinada taxa de produtividade, quantidade, duração, etc. No entanto, nenhum humano precisaria definir o cálculo relacionado, esta parte seria então realizada pelo motor de Machine Learning. Oferece a possibilidade de considerar muito mais parâmetros e dados do que um ser humano poderia gerir.

Isso pode ser usado em duas direções. Pode receber o número (produtividade, duração, recursos necessários, incerteza, impacto no custo de determinado risco, etc.) e depois adaptá-lo para corresponder às especificidades do projeto atual em que está a trabalhar. Como também poderia comparar o que estimou com o que o motor de Machine Learning teria previsto e os dados passados relacionados. Por exemplo, estimei que isto me custaria € 500.000, qual é então o meu nível de confiança de acordo com "ele" (ou "ela")?

Aconselhamento Qualitativo

Este talvez não seja imediatamente evidente quando falamos sobre o uso de dados do passado, mas acredito que tem um grande potencial no campo do controlo de projetos. O princípio por trás disso é que, com base no que está a fazer, o motor começará a dar sugestões. Por exemplo, quando adiciono varandas na minha estimativa, o sistema propõe adicionar o corrimão relacionado e todos os itens de montagem (quantidade de ferro, parafusos, peças cortadas termicamente, etc.).

Também poderia imaginar que está a planear uma atividade de licenciamento e a ferramenta propõe que adicione o risco relacionado de "licença recusada". Se incluir os aconselhamentos quantitativos discutidos anteriormente, também proporia uma certa probabilidade e impacto. Além disso, ao adicionar as fundações, a ferramenta poderia sugerir o uso de certas atividades, com certa duração e relacionamentos entre atividades, de modo a que não seja necessário desenvolver o planeamento toda vez (aliás, se se lembra da introdução, era isso que eu esperava em 2012...).

Não sou um profissional em Inteligência Artificial, mas isso é o que eles chamam de "sistemas especialistas", onde se traz a experiência de outras pessoas e projetos para a pessoa. O Stijn recentemente publicou um blogpost sobre a desconexão no local do projeto e a dificuldade de transmitir a experiência no local para a nova geração. Acredito que isso realmente ajudaria a partilhar o conhecimento e as melhores práticas específicas da empresa entre as organizações.

Indo mais longe com a minha imaginação...

Se continuar com a minha imaginação, penso até que o CPM (e outras técnicas) poderiam ser substituídos por um tipo de planeamento probabilístico baseado em dados do passado. Não teria mais ligações, mas sim a probabilidade de ocorrência de uma atividade após outras atividades. Também podemos imaginar que descreveria o projeto e ele pré-construiria o planeamento, a estimativa de custo, o registo de riscos, ... Ok, talvez esteja a ir longe demais, mas... por que não? (Já existem ferramentas que estão a ir nesta direção).

Então, isso seria uma disrupção no controlo de projetos?

Acredito que, como em qualquer tipo de previsão, ninguém pode dizer antecipadamente se isso irá realmente causar uma disrupção no campo do conhecimento de controlo de projetos. No entanto, vejo várias vantagens que realmente melhorariam a situação atual:

• A IA pode atuar como facilitadora, permitindo que mais membros da equipa do projeto realizem o que atualmente requer conhecimentos específicos.
• Transmitir experiência para as novas gerações.
• Melhorar a precisão das estimativas (tempo, custo, riscos, ...) ao analisar uma quantidade e variedade maior de dados do que levaria anos para serem analisados por um ser humano.
• Essas estimativas mais precisas também têm uma justificação mais forte.

Se me perguntar, eu diria que sim, estamos no início de uma revolução no controlo de projetos, onde, ao tornar-se mais preciso e mais acessível, mais e mais empresas serão convencidas a adotar a gestão de projetos baseada em dados.

O que acha, partilha desta opinião? Vê outras aplicações? Já teve experiência com a aplicação de Machine Learning no controlo de projetos? Sinta-se à vontade para comentar!