A INTELIGÊNCIA ARTIFICIAL (IA) PARA GESTORES DE PROJETOS INFORMÁTICOS

Objetivos da formação

• Selecionar as ferramentas de Inteligência Artificial (IA) adequadas ao trabalho diário de um gestor de projetos de TI
• Criar instruções eficazes para produzir entregáveis de gestão de projetos: especificações, relatórios, e-mails e cronogramas
• Aplicar IA em todas as fases de um projeto tradicional: estudo, conceção, estimativa, acompanhamento e comunicação
• Utilizar IA em cerimónias e artefactos Scrum/Kanban: backlog, planeamento, reunião diária, revisão e retrospetiva
• Identificar os riscos associados à utilização no âmbito de projetos piloto: confidencialidade do projeto, alucinações, RGPD (Regulamento Geral sobre a Proteção de Dados) e propriedade intelectual

Duração da formação

Programa da formação

Kit de ferramentas de Inteligência Artificial (IA) para gestores de projeto

• Utilização de assistentes generalistas (ChatGPT, Claude, Gemini)

• Aproveitamento de IA em ferramentas de gestão de projeto (Atlassian Intelligence para Jira/Confluence, Notion AI, Microsoft Loop)

• A escolha entre cloud pública, soluções empresariais e soluções internas depende dos dados tratado

Exemplos de trabalhos práticos:

• Selecionar um conjunto de ferramentas de IA adequado ao seu contexto (hardware, contas, dados autorizados).

Técnicas de prompt para o gestor de projeto

• Estruturação de um prompt com base no modelo RCT (Papel, Contexto, Tarefa)

• Refinamento com CO-STAR (Contexto, Objetivo, Estilo, Tom, Público-alvo, Resposta)

• Iteração em ciclos curtos e melhoria contínua.

• Criação de prompts reutilizáveis (modelos de relatórios, e-mails, fichas de avaliação de risco).

Exemplos de trabalhos práticos:

• Criar três modelos reutilizáveis para uso diário: resumo de reunião, e-mail de seguimento e ficha de avaliação de risco.

Riscos do lado do gestor de projeto

• Proteção da confidencialidade do projeto (NDA, dados de cliente, código-fonte)

• Identificação de alucinações em dados de projeto

• Conformidade com o RGPD e requisitos de residência de dados

• Gestão da propriedade intelectual dos entregáveis assistidos por IA

• Definição do que pode e não pode ser introduzido num assistente de IA

Exemplos de trabalhos práticos:

• Criar uma grelha de classificação de dados de projeto (permitido/proibido em IA na cloud)

INTELIGÊNCIA ARTIFICIAL APLICADA A UM PROJETO TRADICIONAL (CICLO EM V)

Enquadramento e conceção

• Recolher e sintetizar necessidades com apoio de um assistente

• Elaboração de documento de enquadramento e declaração de necessidades

• Estruturação de especificação funcional

• Gerar um conjunto de especificações e solicitar revisão por IA

Exemplos de trabalhos práticos:

• Transformar uma troca de informação pouco estruturada com o cliente num documento estruturado.

Estimativa e planeamento

• Estimativa de custos e durações com base em analogias históricas

• Elaboração de plano macro e identificação de dependências

• Análise de caminho crítico

• Criação de cenários (otimista, nominal, pessimista)

Exemplos de trabalhos práticos:

• Elaborar um cronograma macro detalhado a partir de uma lista de tarefas bruta.

Monitorização e reporting

• Geração de atas de reunião e resumos de ações

• Produção de sínteses de progresso por público (equipa, comité, patrocinador)

• Criação de um painel textual (KPIs, alertas, pontos críticos)

Exemplos de trabalhos práticos:

• Com base em notas brutas do comité de direção, produzir três documentos (ata, resumo para patrocinadores e e-mail de seguimento).

Comunicação e gestão de risco

• Redação de e-mails eficazes alinhados com o tom esperado

• Preparação de apresentações de revisão de projeto

• Identificação e formulação de riscos (causas, impactos, mitigação)

• Criação de plano de contingência

Exemplos de trabalhos práticos:

• Elaborar uma avaliação de risco estruturada para um projeto sensível e definir ações de mitigação.

INTELIGÊNCIA ARTIFICIAL EM PROJETOS ÁGEIS (SCRUM, KANBAN)

Backlog e histórias de utilizador

• Escrita de histórias de utilizador completas (Como [persona] / Quero / Para)

• Definição de critérios de aceitação claros e testáveis

• Divisão de histórias demasiado grandes (fatiamento vertical)

• Criação de uma definição de “concluído” reutilizável

Exemplos de trabalhos práticos:

• Transformar um backlog desorganizado em histórias de utilizador claras, divididas e testáveis.

Cerimónias Scrum

• Preparação de documento de planeamento de sprint (contexto, agenda, detalhe)

• Facilitação de daily meetings mais eficazes (ordem de tópicos, impedimentos)

• Estruturação de sprint review (demonstração, proposta de valor)

• Aproveitamento de IA em retrospetivas (síntese, padrões, propostas de melhoria)

Exemplos de trabalhos práticos:

• Preparar uma sprint review completa com base nos resultados da sprint (tickets fechados, métricas, evidências).

Acompanhamento de sprint e gestão de produto

• Análise de velocidade e consumo de esforço

• Deteção de sinais fracos em métricas de equipa

• Análise e síntese de feedback de utilizadores

• Apoio à priorização do backlog (matriz impacto/esforço, MoSCoW)

Exemplos de trabalhos práticos:

• Sintetizar feedback de utilizadores e propor uma priorização fundamentada.

Comunicação com stakeholders e coaching de equipa

• Preparação de demonstrações e notas de release

• Geração de relatórios para comité de direção

• Estruturação de retrospetivas e planos de ação

• Desenvolvimento de planos de coaching direcionados (pontos fortes e melhorias da equipa)

Exemplos de trabalhos práticos:

• Com base num caso real, elaborar o pacote completo de gestão de projeto para uma sprint (backlog refinado, planeamento, daily, review, retrospetiva, e-mails e registo de riscos).

Formador

Facilitador que combina know-how com experiência empresarial e competências pedagógicas, para dar resposta a necessidades operacionais e potenciar a aprendizagem.