{"id":3664,"date":"2025-12-01T09:03:26","date_gmt":"2025-12-01T12:03:26","guid":{"rendered":"https:\/\/www.ufsm.br\/pet\/sistemas-de-informacao\/?p=3664"},"modified":"2025-12-01T10:08:53","modified_gmt":"2025-12-01T13:08:53","slug":"engenharia-de-software-e-inteligencia-artificial-o-papel-do-gestor-na-era-digital","status":"publish","type":"post","link":"https:\/\/www.ufsm.br\/pet\/sistemas-de-informacao\/2025\/12\/01\/engenharia-de-software-e-inteligencia-artificial-o-papel-do-gestor-na-era-digital","title":{"rendered":"Engenharia de software e intelig\u00eancia artificial: o papel do gestor na era digital"},"content":{"rendered":"\n

Quando algu\u00e9m pede um sistema novo, quase nunca come\u00e7a falando em c\u00f3digos, servidores ou bancos de dados. Um dono de restaurante diz que precisa \u201cparar de perder pedidos do delivery\u201d. Uma escola quer \u201ccontrolar melhor as notas e faltas dos alunos\u201d. Uma cl\u00ednica deseja \u201cmarcar consultas sem confus\u00e3o de hor\u00e1rios\u201d. A engenharia de software entra justamente nesse cen\u00e1rio: \u00e9 o conjunto de princ\u00edpios, m\u00e9todos e ferramentas usados para pegar esses pedidos gen\u00e9ricos e transform\u00e1-los em sistemas reais, que funcionam todos os dias. Na pr\u00e1tica, isso significa detalhar fluxos de tela, definir regras de neg\u00f3cio, planejar integra\u00e7\u00f5es com outros sistemas, decidir como ser\u00e3o feitos testes e prever o que acontece quando algo d\u00e1 errado. Em vez de ficar apenas na ideia \u201cquero um app\u201d, a engenharia de software organiza tudo em requisitos, tarefas e entregas que a equipe t\u00e9cnica consegue implementar.<\/span><\/p>\n

Nesse processo, o gestor de software ocupa uma posi\u00e7\u00e3o central. Ele est\u00e1 o tempo todo entre dois mundos: de um lado, o cliente, que fala em prazos, or\u00e7amento e problemas do neg\u00f3cio; de outro, a equipe t\u00e9cnica, que fala em arquitetura, APIs, performance e seguran\u00e7a. Em uma reuni\u00e3o com o cliente, por exemplo, o gestor precisa traduzir \u201cquero um sistema r\u00e1pido e f\u00e1cil de usar\u201d em algo verific\u00e1vel, como \u201ctempo m\u00e9dio de resposta abaixo de dois segundos nas principais telas\u201d ou \u201cfluxo de compra em at\u00e9 tr\u00eas cliques\u201d. Em seguida, leva isso para a equipe como metas t\u00e9cnicas, discute op\u00e7\u00f5es de implementa\u00e7\u00e3o e, se necess\u00e1rio, volta ao cliente com alternativas: uma vers\u00e3o inicial mais simples, uma vers\u00e3o completa em prazo maior ou um pacote de funcionalidades dividido em fases.<\/span><\/p>\n

\"\"<\/p>\n

Alinhar expectativas \u00e9 justamente amarrar esses dois lados de forma clara. Imagine um cliente que diz: \u201cQuero um aplicativo igual ao do banco X, mas pronto em tr\u00eas meses e com metade do or\u00e7amento\u201d. Sem uma boa engenharia de software, esse pedido vira frustra\u00e7\u00e3o na certa. Com um gestor atento, o processo \u00e9 diferente: primeiro, ele pergunta o que exatamente o cliente admira no app do banco X (\u00e9 a seguran\u00e7a? a facilidade de uso? o chat com atendente?). Depois, traduz isso em prioridades, mostra o custo de cada bloco de funcionalidade e prop\u00f5e um escopo realista para a primeira vers\u00e3o. O cliente sai sabendo o que ser\u00e1 entregue, o que ficar\u00e1 para futuras evolu\u00e7\u00f5es e quais trade-offs foram escolhidos. A equipe, por sua vez, recebe um plano concreto, com tarefas definidas e crit\u00e9rios de aceite objetivos.<\/span><\/p>\n

Antes da era da intelig\u00eancia artificial, boa parte desse trabalho de coordena\u00e7\u00e3o dependia de esfor\u00e7o manual. Para organizar um \u00fanico projeto, o gestor passava horas alimentando planilhas, cruzando e-mails, copiando trechos de atas de reuni\u00e3o e atualizando ferramentas de gest\u00e3o. Se o cliente mudava uma prioridade, era preciso ajustar cronograma, redistribuir tarefas, avisar todo mundo e revisar documentos. Quando algu\u00e9m novo entrava na equipe, levava dias para entender o hist\u00f3rico do projeto, porque as informa\u00e7\u00f5es estavam espalhadas em v\u00e1rias conversas e arquivos. Em muitos casos, o gestor acabava preso em atividades operacionais, com pouco tempo para an\u00e1lises mais profundas ou para acompanhar de perto o impacto do software no neg\u00f3cio.<\/span><\/p>\n

\"\"<\/p>\n

Com a intelig\u00eancia artificial aplicada \u00e0 gest\u00e3o, parte desses gargalos come\u00e7ou a ser reduzida. Hoje, ferramentas de gest\u00e3o de projetos conseguem sugerir automaticamente quais tarefas devem ser priorizadas em um sprint, levando em conta prazo, depend\u00eancias e capacidade da equipe. Em um projeto de aplicativo de entregas, por exemplo, o sistema pode indicar que \u00e9 mais seguro finalizar primeiro o fluxo de cadastro de entregadores e o m\u00f3dulo de pagamentos, porque s\u00e3o \u00e1reas cr\u00edticas para o funcionamento do neg\u00f3cio. O gestor deixa de refazer o planejamento do zero a cada mudan\u00e7a e passa a revisar recomenda\u00e7\u00f5es, ajustando o que fizer sentido para o contexto.<\/span><\/p>\n

A IA tamb\u00e9m ajuda a manter o contexto de clientes sempre \u00e0 m\u00e3o. Plataformas de CRM e atendimento integradas a modelos de linguagem conseguem resumir, em poucos par\u00e1grafos, meses de intera\u00e7\u00f5es: reuni\u00f5es realizadas, reclama\u00e7\u00f5es recorrentes, sugest\u00f5es de melhoria, decis\u00f5es de escopo. Antes de conversar com o respons\u00e1vel por uma rede de academias, por exemplo, o gestor pode pedir um resumo do hist\u00f3rico daquele cliente e receber uma s\u00edntese clara: quais funcionalidades j\u00e1 foram entregues, quais problemas surgiram, que pedidos ficaram pendentes. Em vez de procurar manualmente em e-mails e documentos, ele entra na conversa preparado, com um roteiro mais objetivo e com respostas mais r\u00e1pidas.<\/span><\/p>\n

No relacionamento com a equipe t\u00e9cnica, a IA tamb\u00e9m se torna aliada. Ferramentas de colabora\u00e7\u00e3o conseguem ler longas discuss\u00f5es em um ticket de suporte e gerar um resumo dos principais pontos, o que facilita a vida de quem assume o caso no meio do caminho. Assistentes de reuni\u00e3o gravam a conversa, geram uma transcri\u00e7\u00e3o e destacam automaticamente decis\u00f5es tomadas e pr\u00f3ximos passos, como \u201ccriar prot\u00f3tipo da nova tela at\u00e9 sexta\u201d ou \u201cvaliar impacto da mudan\u00e7a na API de pagamentos\u201d. A partir disso, o gestor consegue transformar rapidamente esses itens em tarefas, atribuir respons\u00e1veis e ajustar prazos, sem depender de anota\u00e7\u00f5es soltas ou da mem\u00f3ria de quem participou.<\/span><\/p>\n

Outra frente importante \u00e9 o uso da IA para monitorar riscos e evitar retrabalho. Com base no hist\u00f3rico de projetos da empresa, modelos preditivos podem alertar quando um conjunto de tarefas est\u00e1 grande demais para caber em um ciclo de entrega, quando uma equipe est\u00e1 sobrecarregada ou quando um aumento repentino no n\u00famero de erros em produ\u00e7\u00e3o indica problemas de qualidade. Em um sistema de reservas de hotel, por exemplo, a IA pode detectar que as falhas est\u00e3o concentradas em um m\u00f3dulo rec\u00e9m-alterado e sugerir que o gestor priorize testes adicionais ali antes de liberar novas funcionalidades. Em vez de descobrir o problema apenas depois que clientes come\u00e7am a reclamar, a equipe age preventivamente.<\/span><\/p>\n

Nada disso significa que a IA substitui o papel do gestor ou da engenharia de software. As ferramentas ajudam a organizar tarefas, resumir conversas e apontar padr\u00f5es que seriam dif\u00edceis de enxergar manualmente, mas elas n\u00e3o definem sozinhas qual \u00e9 o objetivo do projeto, at\u00e9 onde o or\u00e7amento pode ir ou que riscos a empresa est\u00e1 disposta a assumir. Quem continua fazendo essas escolhas \u00e9 o gestor, com base em di\u00e1logo com o cliente, com a equipe e com a dire\u00e7\u00e3o do neg\u00f3cio. A diferen\u00e7a \u00e9 que, com apoio da IA, ele toma essas decis\u00f5es com mais informa\u00e7\u00e3o, menos improviso e mais tempo para pensar estrategicamente.<\/span><\/p>\n

Pesquisas em gest\u00e3o de projetos e engenharia de software t\u00eam mostrado justamente esse car\u00e1ter complementar da IA. Estudos recentes apontam que ferramentas inteligentes s\u00e3o eficazes para automatizar rotinas, apoiar an\u00e1lises de risco e sugerir aloca\u00e7\u00e3o de recursos, enquanto o julgamento humano permanece essencial na defini\u00e7\u00e3o de prioridades e na media\u00e7\u00e3o entre interesses t\u00e9cnicos e de neg\u00f3cio. Em paralelo, trabalhos acad\u00eamicos exploram o uso de modelos de linguagem para apoiar atividades como captura de requisitos, gera\u00e7\u00e3o de casos de teste e an\u00e1lise de incidentes em produ\u00e7\u00e3o, sempre com o profissional no centro do processo. Para quem se interessa por tecnologia e gest\u00e3o, enxergar essa converg\u00eancia \u00e9 um passo importante: a engenharia de software continua sendo a base que d\u00e1 forma aos projetos, e a intelig\u00eancia artificial surge como uma camada adicional que amplia a capacidade do gestor de organizar tarefas, manter o contexto de clientes e conduzir conversas dif\u00edceis com mais clareza e seguran\u00e7a.<\/span><\/p>\n

Autor: Leonardo Silva da Veiga Marinho Barbosa\u00a0<\/strong><\/p>\n

Refer\u00eancias<\/b><\/p>\n