16 dez, 2024 • Rute Xavier e Ricardo Ferreira Reis
A utilização de inteligência artificial (IA) na gestão e seleção de propostas de projetos está a transformar a forma como as organizações planeiam, executam e avaliam propostas. É agora possível tornar os critérios de avaliação de propostas mais sofisticados, rigorosos, transparentes e eficientes. A capacidade da IA de analisar grandes volumes de dados quantitativos e qualitativos de forma imparcial permite uma seleção de propostas mais justa e baseada em critérios objetivos. Além disso, pode lidar com múltiplos critérios complexos simultaneamente, eliminando a subjetividade humana.
Os algoritmos permitem, hoje em dia, eliminar a percepção e o enviesamento humano. É possível ordenar as propostas mais interessantes para quem tem de as adjudicar, utilizando critérios mais complexos, sem depender do enviesamento de uma pessoa ou de uma equipa. Os critérios são definidos, públicos, claros e transparentes. Em vez de serem avaliados por uma vertente humana, os dados podem ser processados de forma rápida, rigorosa e transparente, exibindo os critérios de priorização.
Estas tecnologias têm, por isso, a capacidade de lidar com múltiplos critérios complexos, tornando-a ideal para a criação e avaliação de critérios sofisticados. Em vez de se simplificarem os critérios para permitir uma avaliação rigorosa com critérios numéricos e quantitativos, as ferramentas de IA, como sistemas de análise multicritério e algoritmos de otimização, podem processar e ponderar diversos fatores de avaliação de forma mais eficiente. Por exemplo, plataformas de IA podem integrar além de critérios quantitativos como custo e prazos, critérios qualitativos como a qualidade do produto, as competências da equipa, os riscos do projeto/equipa ou o nível de inovação, fornecendo uma análise abrangente e equilibrada. Além disso, em caso de necessidade, permite ajustar e melhorar continuamente os critérios com base em dados históricos e feedback, garantindo avaliações precisas e consistentes ao longo do tempo.
Ferramentas de IA, como sistemas de análise preditiva e dashboards inteligentes, processam grandes volumes de dados em tempo real, identificando tendências e anomalias. Essas ferramentas geram informação permitindo que os gestores tomem decisões informadas rapidamente. Além disso, a IA pode personalizar relatórios para diferentes stakeholders, destacando informações relevantes para cada público. Isso não só aumenta a eficiência, mas também melhora a clareza e a utilidade dos relatórios de informação.
A inteligência artificial pode processar informações e fornece recomendações com uma rapidez impressionante, acelerando significativamente o processo de decisão. Os algoritmos analisam grandes volumes de dados em tempo real, identificando padrões e oferecendo respostas quase instantaneamente.
Ao contrário do que pode ser intuitivo, estes processos aumentam a responsabilização ao fornecer rastreabilidade detalhada das decisões tomadas. Cada etapa do processo de decisão pode ser documentada automaticamente, criando um registo transparente e auditável. O sistema pode registar os critérios utilizados, as ponderações aplicadas e as fundamentações para cada decisão. Ferramentas como logs de decisão e relatórios de auditoria permitem que os gestores verifiquem o processo, garantindo conformidade e integridade. Essa documentação detalhada não só facilita a responsabilização, mas também melhora a confiança e a transparência em todo o ciclo de vida do projeto.
É atualmente perceptível, em muitas áreas, que as propostas de projetos estão a ser largamente produzidas (parcial ou totalmente) através de IA. O que conduz à situação de termos humanos a avaliar o trabalho de máquinas. Só este facto torna evidente a necessidade de filtragem de propostas também com apoio de IA. Ao automatizar esta fase, os avaliadores humanos podem concentrar-se mais na dimensão humana e criativa das propostas, onde a intuição e a experiência são insubstituíveis.
Um dos principais problemas é o enviesamento algorítmico, onde a IA pode perpetuar ou até amplificar preconceitos existentes nos dados de treino. Questões de confidencialidade também são relevantes. Estas questões devem e estão a ser equacionadas. A transparência nas decisões tomadas por IA, a responsabilidade e segurança são essenciais para garantir o rigor e a confiança.
Os desafios de alucinação em inteligência artificial referem-se a situações em que os modelos geram informações incorretas ou irreais. Essas alucinações podem comprometer a confiança e a precisão das soluções. Para eliminar esses problemas, já estão em prática processos de treino dos algoritmos. Ou seja, modelos de LLM atuais e futuros (como chatGPT) precisam de soluções com treino essencial para desenvolver técnicas de verificação de dados, de factos e melhorar a qualidade e confiabilidade das decisões.
Para resolver os problemas atuais e utilizar a IA para avaliação de propostas, já há soluções que estão a ser desenvolvidas. Para mitigar o enviesamento algorítmico, é essencial utilizar dados diversificados e implementar técnicas de auditoria contínua. A transparência pode ser melhorada com o uso de modelos explicáveis, que permitem aos utilizadores entenderem como é que as decisões são tomadas. No combate às alucinações, técnicas de verificação de factos e a integração de múltiplas fontes de dados são fundamentais. Essas soluções visam tornar a IA mais confiável, ética e segura para todos.
Sim, há desafios pela frente. Ignorar estes facilitadores é apenas perder o comboio da competitividade. É tentar ganhar uma corrida de automóveis e participar com uma carroça.
Rute Xavier e Ricardo Ferreira Reis são docentes da Católica Lisbon School of Business & Economics.
Este espaço de opinião é uma colaboração entre a Renascença e a Católica-Lisbon School of Business and Economics.
Fique por dentro > 
