Diego Marçal Sancho; Ana Beatriz De Figueiredo Oliveira

DOI: 10.22167/2675-6528-202600745

Artigo elaborado pela ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege voltada à síntese e redação.

Resumo

Os avanços tecnológicos ampliaram a complexidade dos projetos no setor de Telecomunicações, exigindo práticas mais eficazes de gerenciamento de “stakeholders”, especialmente no que se refere à comunicação entre áreas técnicas, operacionais e de negócios. Nesse contexto, o estudo teve como objetivo analisar como a IA generativa e a engenharia de “prompt” podem apoiar a identificação, o planejamento e a comunicação com “stakeholders”, comparando sua aplicação com as práticas do PMBOK. A pesquisa foi conduzida por meio de um estudo de caso no setor de programação de uma empresa de telecomunicações, combinando três abordagens: aplicação tradicional baseada no PMBOK, simulação com IA sem engenharia de “prompt” e simulação com uso estruturado da engenharia de “prompt”. Adicionalmente, dados foram coletados por meio de questionário aplicado a profissionais da área de tecnologia e de um “brainstorm” com especialistas internos, permitindo a triangulação das evidências. Os resultados indicaram que a aplicação da IA sem direcionamento gerou respostas genéricas e com baixa aderência ao contexto organizacional, enquanto a engenharia de “prompt” proporcionou maior precisão, estruturação e aplicabilidade prática, especialmente na definição de estratégias de comunicação e engajamento. O questionário evidenciou que, embora a IA já esteja amplamente difundida, seu uso ainda é predominantemente operacional, com lacunas na aplicação estratégica e na capacitação em engenharia de “prompt”. Concluiu-se que a interação entre IA e engenharia de “prompt” pode fortalecer a gestão de “stakeholders” e melhorar a comunicação em projetos de Telecomunicações, desde que associada a processos estruturados e ao desenvolvimento de competências específicas.

Palavras-chave: Comunicação; Governança; Inovação; Operações; Tecnologia.

1. Introdução

O setor de Telecomunicações atravessa uma transformação digital acelerada, impulsionada pela crescente demanda por conectividade, serviços em nuvem e pela adoção de tecnologias emergentes. Esse cenário dinâmico intensifica a complexidade inerente aos projetos da indústria, exigindo estratégias robustas para o engajamento de <i>stakeholders</i>. Falhas nessa gestão são consistentemente identificadas entre os principais fatores de insucesso em projetos de inovação (Aragão, 2024). A natureza intrincada desses projetos, que frequentemente envolvem diversas áreas técnicas, operacionais e de negócios, ressalta o papel crítico da comunicação eficaz.

No contexto dos projetos de Telecomunicações, a vasta diversidade de <i>stakeholders</i> e o expressivo volume de dados envolvidos configuram um desafio central para a comunicação. Estudos indicam que iniciativas com maior integração e participação ativa dos <i>stakeholders</i> tendem a alcançar resultados superiores em termos de prazos, qualidade de entrega e aceitação do produto final (Braun, 2021). Isso sublinha a importância estratégica do mapeamento sistemático e da classificação criteriosa dos públicos estratégicos. O <i>Project Management Body of Knowledge</i> [PMBOK] (PMI, 2017) reconhece a gestão de <i>stakeholders</i> como uma das áreas de conhecimento mais críticas no gerenciamento de projetos, abrangendo processos como Identificação, Planejamento, Gerenciamento e Monitoramento. Esses processos visam assegurar que as expectativas, interesses e níveis de influência de cada <i>stakeholder</i> sejam sistematicamente reconhecidos e tratados ao longo do ciclo de vida do projeto.

Embora práticas tradicionais, como a análise de poder e interesse, matrizes de influência e <i>frameworks</i> de engajamento, permaneçam fundamentais para estruturar a participação dos <i>stakeholders</i>, elas têm demonstrado limitações diante da velocidade das transformações digitais (Kerbes et al., 2023). Nesse cenário, torna-se imperativo buscar ferramentas complementares que auxiliem o gestor de projetos a executar tais processos com maior precisão, agilidade e clareza, sem renunciar à governança e às boas práticas consolidadas. É neste contexto que tecnologias emergentes, como a inteligência artificial generativa (IA generativa), apresentam uma oportunidade valiosa. Esses sistemas podem auxiliar gestores a transformar grandes volumes de informações em relatórios mais claros, criar mensagens adaptadas a diferentes perfis e facilitar a personalização da comunicação.

Os agentes de IA generativa representam uma evolução no uso de sistemas autônomos, capazes de interagir com o ambiente e executar tarefas específicas a partir da coleta e do uso de dados (Gutowska, 2024). Esses agentes empregam técnicas avançadas de processamento de linguagem natural, apoiadas por grandes modelos de linguagem, para compreender os <i>inputs</i> fornecidos pelo usuário e gerar respostas contextualizadas. Suas aplicações variam da automação de processos ao suporte à tomada de decisão em ambientes corporativos, ampliando a eficiência e a precisão das operações. Complementarmente, a engenharia de <i>prompt</i> consiste na formulação estruturada de instruções que orientam os modelos de IA generativa a produzirem respostas mais alinhadas com os objetivos do usuário (Rocha, 2024). Essa prática vai além da elaboração de comandos, envolvendo a compreensão do contexto do problema, a seleção de palavras-chave relevantes, o ajuste do nível de detalhamento da solicitação e a revisão dos resultados obtidos. A engenharia de <i>prompt</i> assume, assim, um caráter estratégico, transformando a interação com a IA em um processo de maior precisão, eficiência e aplicabilidade prática, o que eleva a confiabilidade das soluções geradas e o valor agregado para a gestão organizacional.

Apesar da ampla difusão da IA, seu uso ainda é predominantemente operacional, com lacunas significativas na aplicação estratégica e na capacitação em engenharia de <i>prompt</i> entre os profissionais, conforme evidenciado por pesquisas recentes no setor. O uso responsável dessas tecnologias, contudo, exige atenção a aspectos éticos, à qualidade dos dados e ao monitoramento constante dos vieses dos modelos, para que o engajamento automatizado não reforce desigualdades ou comprometa a confiança institucional (Noro, 2012). Uma gestão qualificada de <i>stakeholders</i> depende, portanto, da integração entre processos, tecnologia e revisão contínua das práticas. Os desafios atuais na comunicação entre áreas técnicas e de negócio, a dificuldade em traduzir requisitos técnicos e a ausência de padronização das informações evidenciam uma lacuna prática e teórica que a IA generativa, quando guiada pela engenharia de <i>prompt</i>, pode preencher. Este estudo justifica-se pelo potencial de mitigar essas lacunas, oferecendo uma abordagem estruturada para alavancar essas ferramentas avançadas em prol de uma gestão de <i>stakeholders</i> e comunicação mais eficazes.

Diante desse cenário, este estudo tem como objetivo avaliar como a IA generativa e a engenharia de <i>prompt</i> podem impactar e apoiar a identificação e o planejamento na gestão de <i>stakeholders</i>, comparando sua aplicação com as práticas recomendadas no PMBOK (PMI, 2017) em projetos de Telecomunicações, com foco na melhoria da identificação e categorização dos <i>stakeholders</i>.

2. Material e Métodos

O presente estudo caracterizou-se como uma pesquisa qualitativa aplicada, de caráter exploratório e descritivo, voltada à análise de como a engenharia de <i>prompt</i> e a inteligência artificial (IA) generativa podem apoiar gestores de projetos de Telecomunicações no gerenciamento de <i>stakeholders</i>. Para alcançar o objetivo proposto, adotou-se uma abordagem metodológica em três etapas distintas, permitindo a comparação de diferentes práticas de gestão.

A primeira etapa consistiu na aplicação dos processos clássicos previstos no <i>Project Management Body of Knowledge</i> [PMBOK] (PMI, 2017) para o gerenciamento de <i>stakeholders</i>. A segunda etapa envolveu uma simulação equivalente, realizada com o apoio de um agente de IA generativa, porém sem a aplicação de técnicas estruturadas de engenharia de <i>prompt</i>. Por fim, a terceira etapa compreendeu uma simulação com o uso estruturado da engenharia de <i>prompt</i>.

O estudo de caso foi conduzido no setor de programação de uma empresa de grande porte do setor de Telecomunicações, com atuação nacional e estrutura organizacional matricial. Esse setor é responsável pela integração de soluções tecnológicas e pela interface entre áreas de negócios, engenharia, operações e governança, caracterizando um ambiente de alta complexidade e forte dependência de comunicação entre os <i>stakeholders</i>.

No primeiro cenário, realizou-se a aplicação tradicional das etapas de identificação e planejamento dos <i>stakeholders</i>, conforme a 6ª edição do PMBOK (PMI, 2017). Esse procedimento incluiu a identificação dos principais <i>stakeholders</i> do setor analisado, a elaboração de um organograma para mapear os envolvidos, a construção de uma matriz de poder e interesse, e o planejamento das estratégias de engajamento. Essa simulação foi conduzida manualmente pelo pesquisador, fundamentada na literatura de gerenciamento de projetos.

No segundo cenário, buscou-se reproduzir o mesmo processo com o apoio de um agente de IA generativa, utilizando comandos simples e diretos, sem a aplicação de técnicas estruturadas de engenharia de <i>prompt</i>. O objetivo dessa etapa foi avaliar o comportamento padrão da IA diante de solicitações genéricas. O modelo de <i>Large Language Model</i> [LLM] utilizado foi o ChatGPT da OpenAI.

Para o terceiro cenário, realizou-se uma nova simulação utilizando o mesmo agente de IA generativa, mas com a aplicação da engenharia de <i>prompt</i>. Os comandos foram estruturados com maior nível de detalhamento, incluindo contexto organizacional, definição prévia dos <i>stakeholders</i>, objetivos da análise, formato esperado das respostas e direcionamento para aspectos específicos, como comunicação, categorização e engajamento. As interações com a ferramenta de IA foram realizadas em 26 de março de 2026, utilizando o modelo “Instant 5.3”.

A etapa seguinte consistiu na comparação entre os três cenários analisados, avaliando diferenças em termos de clareza, profundidade, personalização da comunicação, aderência ao contexto organizacional e aplicabilidade prática das soluções propostas. Os resultados foram interpretados à luz da literatura sobre gerenciamento de <i>stakeholders</i> e inovação em projetos.

Adicionalmente, realizou-se um <i>brainstorm</i> estruturado em agosto de 2025, em formato remoto, com duração aproximada de duas horas e mediação do pesquisador. Participaram oito profissionais da empresa do estudo, do setor de programação, incluindo representantes das áreas de negócios, engenharia, operações e gestão de projetos. A atividade teve como objetivo identificar desafios práticos relacionados ao gerenciamento de <i>stakeholders</i>, com foco na comunicação entre áreas.

Para complementar a compreensão das práticas e desafios enfrentados pelos profissionais da área, coletaram-se dados por meio de um questionário <i>online</i> estruturado. O questionário foi aplicado a gestores, analistas e técnicos do setor de telecomunicações, sendo enviado a cerca de 120 profissionais. Obteve-se um total de 41 respostas entre 10 de junho e 10 de agosto de 2025, representando uma taxa de retorno de aproximadamente 34%. A seleção dos participantes priorizou a diversidade de perfis externos à empresa.

O instrumento de coleta de dados, conforme Gil (2010), permitiu a padronização e a coleta de dados quantitativos e qualitativos. A integração desses dados atendeu ao princípio de triangulação metodológica proposto por Maxwell (2018), visando aumentar a robustez e a validade dos resultados. Os comandos e as respostas geradas pela IA foram documentados nos apêndices, garantindo transparência e reprodutibilidade da pesquisa.

Em relação aos cuidados éticos, a primeira etapa da pesquisa com questionário exigiu a aceitação do Termo de Consentimento Livre e Esclarecido (Apêndice 1). Não foi necessária a submissão deste estudo ao Comitê de Ética em Pesquisa, uma vez que o questionário aplicado abordou apenas aspectos profissionais relacionados à gestão de projetos, comunicação e uso de IA, sem envolver temas de caráter pessoal, íntimo ou sensível. Dessa forma, assegurou-se a adequação ética da pesquisa, sem riscos à privacidade ou à integridade dos participantes.

3. Resultados e Discussão

A apresentação dos resultados foi organizada de modo a refletir as diferentes etapas do percurso metodológico, iniciando com uma visão geral da situação atual da empresa e a percepção dos colaboradores da área em questão. Em seguida, foram detalhados os achados referentes à aplicação tradicional das práticas de gerenciamento de <i>stakeholders</i>, conforme o PMBOK (PMI, 2017), seguidos pelas simulações com inteligência artificial generativa, tanto sem quanto com o uso da engenharia de <i>prompt</i>. A discussão final correlaciona os achados, destacando convergências, diferenças e limitações entre os métodos.

A etapa inicial da pesquisa, que envolveu um <i>brainstorm</i> com profissionais e um questionário, revelou desafios significativos no gerenciamento de <i>stakeholders</i>, especialmente no que tange à comunicação. Os participantes do <i>brainstorm</i>, provenientes das áreas de negócios, engenharia e operações, identificaram a necessidade de alinhamento estratégico entre múltiplos projetos e clientes, a dificuldade na tradução de demandas em requisitos técnicos claros e a comunicação excessivamente técnica ou genérica como problemas recorrentes. Essas dificuldades resultam em retrabalho, desalinhamento e falhas na integração de sistemas, corroborando a literatura que aponta a comunicação como fator crítico para o sucesso de projetos (PMI, 2017).

As contribuições potenciais levantadas durante o <i>brainstorm</i> incluíram a criação de <i>dashboards</i> integrados, relatórios executivos de status consolidados em tempo real e relatórios de requisitos padronizados com apoio de IA na priorização de funcionalidades. Também foram sugeridos <i>checklists</i> automatizados, documentação técnica simplificada, sumários executivos customizados e atas automáticas de reuniões focadas em prazos. Para as áreas de apoio, a geração de propostas comerciais automatizadas e relatórios de impacto no <i>go-to-market</i> foram consideradas contribuições valiosas, indicando um desejo por maior eficiência e clareza na gestão da informação.

O questionário, aplicado a 41 profissionais do setor de tecnologia, complementou a análise do <i>brainstorm</i>, capturando percepções externas e permitindo uma comparação com o contexto da empresa. O perfil dos respondentes demonstrou um público majoritariamente jovem, com 77,5% entre 25 e 44 anos, e altamente qualificado, com 85% possuindo pós-graduação ou mais. A experiência na área também foi notável, com 75% dos participantes tendo mais de seis anos de atuação, e 45% ocupando cargos de liderança em gestão de projetos, o que confere robustez às análises realizadas.

A adoção da inteligência artificial generativa já é ampla entre os profissionais, com 90,0% dos respondentes utilizando ferramentas como ChatGPT, Copilot ou Gemini. No entanto, o uso dessas ferramentas ainda é predominantemente operacional, não estando diretamente ligado ao gerenciamento estratégico de <i>stakeholders</i>. A frequência de uso é alta, com 42,5% utilizando diariamente e a maioria recorrendo à IA ao menos três vezes por semana, o que evidencia a incorporação da tecnologia na rotina profissional e seu potencial para aplicações mais estratégicas.

Em relação ao impacto percebido da IA nos processos de trabalho, 32,5% dos profissionais afirmaram que a IA trouxe muita transformação, e 22,5% consideraram que transformou completamente o ambiente de trabalho. Outros 25,0% relataram média transformação, enquanto 15,0% apontaram pouca transformação e apenas 5,0% não perceberam nenhuma. Esses dados sugerem uma percepção geralmente positiva sobre a capacidade da IA de otimizar e redefinir processos, embora a profundidade dessa transformação varie entre os usuários.

A familiaridade com a engenharia de <i>prompts</i> ainda apresenta lacunas, embora haja um interesse crescente. Verificou-se que 37,5% dos respondentes possuem médio conhecimento sobre o tema, 20,0% pouco conhecimento e 17,5% muito conhecimento. Contudo, 12,5% nunca ouviram falar sobre engenharia de <i>prompts</i>, e 2,5% a consideram desnecessária. Quanto ao aprendizado, 37,0% aprenderam de forma autodidata, 30,4% nunca receberam orientação formal, 21,7% relataram aprendizado prático e apenas 10,9% participaram de cursos formais, indicando a ausência de programas estruturados de capacitação.

A percepção sobre a contribuição da engenharia de <i>prompts</i> para a comunicação e o engajamento de <i>stakeholders</i> foi predominantemente positiva, especialmente entre os gestores de projetos. Dentre esses profissionais, 58,8% consideraram a contribuição bastante significativa e 29,4% muito significativa. Para os demais perfis, a distribuição foi mais heterogênea, com 40,9% avaliando como bastante e 22,7% como muito, mas 36,4% indicaram percepções menos expressivas. Isso sugere que a valorização da prática é mais consistente entre gestores, que percebem sua utilidade direta na gestão de <i>stakeholders</i>, enquanto outros perfis técnicos ainda não têm clareza sobre sua aplicação efetiva.

As áreas de gestão mais beneficiadas pela aplicação da engenharia de <i>prompts</i> com IA generativa foram a tomada de decisão, mencionada por 33,3% dos respondentes, seguida pelo monitoramento de indicadores (28,2%), comunicação (23,1%) e gerenciamento de riscos (15,4%). Esses dados demonstram o caráter transversal da IA generativa no apoio à gestão de projetos, com potencial para otimizar diversas frentes. A percepção geral sobre o impacto da IA na gestão de <i>stakeholders</i> foi majoritariamente positiva, com 50,0% apontando alto impacto e 35,3% impacto médio, sem avaliações negativas.

Identificação dos <i>stakeholders</i> através do PMBOK

No primeiro cenário, a aplicação tradicional das etapas de identificação e planejamento de <i>stakeholders</i>, conforme o PMBOK (PMI, 2017), foi realizada em um estudo de caso no setor de programação de uma empresa de telecomunicações. A análise da estrutura organizacional revelou que o setor atua de forma integrada entre governança, negócios, engenharia e operações, caracterizando um ambiente complexo com forte dependência de comunicação entre as partes interessadas. O gerenciamento atual de <i>stakeholders</i> na organização é parcialmente estruturado, com lacunas na padronização dos processos e na definição de estratégias diferenciadas para cada perfil, indicando um nível intermediário de maturidade em gestão de projetos.

A simulação manual, conduzida pelo pesquisador, identificou os principais <i>stakeholders</i> do setor, elaborou um organograma e construiu uma matriz de poder e interesse. O “Program Director” foi classificado com alto poder e alto interesse, os “Customer Project Managers” com alto interesse e menor poder, e os “Integration Engineers” com baixo poder e alto interesse. Essa classificação orientou o planejamento de estratégias de engajamento e comunicação, que incluíram reuniões estratégicas e <i>dashboards</i> executivos para o “Program Director”, acompanhamento contínuo e detalhado para os “Customer Project Managers”, e validação técnica e alinhamento de requisitos para os “Solution Architects”.

As estratégias de comunicação sugeridas para os “Integration Engineers” envolveram orientações técnicas e <i>feedback</i> contínuo, enquanto para as Áreas de Apoio (PDU, PMO, Comercial) focaram na viabilidade técnica e impacto no negócio, com relatórios de impacto e reuniões de alinhamento. Essas abordagens, alinhadas às boas práticas do PMBOK (PMI, 2017), visam assegurar que as expectativas e interesses de cada <i>stakeholder</i> sejam sistematicamente tratados, reforçando a importância da integração entre áreas técnicas e estratégicas para o engajamento eficaz (Braun e Poli, 2021).

Simulação com IA generativa sem engenharia de <i>prompt</i>

No segundo cenário, a simulação com um agente de IA generativa, utilizando comandos simples e diretos sem engenharia de <i>prompt</i>, buscou avaliar o comportamento padrão da IA diante de solicitações genéricas. A ferramenta identificou os <i>stakeholders</i> do organograma e propôs um plano de comunicação, mas a resposta apresentou um caráter generalista, com baixa aderência ao contexto organizacional e a inclusão de <i>stakeholders</i> fora do escopo previamente definido. A IA classificou “Program Director”, “Customer Project Managers” e “Key Account / Commercial Management” como de alto poder e alto interesse, e “PMO & Governance” e “Product Development Unit” com alto poder e médio interesse.

A matriz de poder e interesse gerada pela IA, embora tenha classificado os <i>stakeholders</i>, apresentou justificativas genéricas e superficiais, sem a profundidade analítica esperada para o contexto específico da empresa. As estratégias de engajamento propostas foram igualmente genéricas, e o plano de comunicação detalhado, embora em formato tabular, carecia de especificidade e personalização. Por exemplo, para o “Program Director”, a IA sugeriu status executivo e riscos críticos, com objetivo de apoiar decisões estratégicas, frequência semanal ou quinzenal e canais como reunião executiva, <i>dashboard</i> e e-mail.

A IA também propôs níveis de engajamento, como “Program Director” de apoiador para patrocinador ativo, e “Customer Project Managers” de ativo para líderes plenamente engajados. Contudo, essa análise permaneceu predominantemente descritiva, com baixo nível de detalhamento e personalização, divergindo das boas práticas do PMBOK (PMI, 2017). Esses achados corroboram a literatura, que indica que modelos de IA generativa tendem a produzir respostas generalistas quando não orientados por instruções específicas, limitando a profundidade e a aplicabilidade prática (Camargo, 2024; Rocha, 2024).

Simulação com IA generativa com engenharia de “prompt”

No terceiro cenário, a interação com o agente de IA generativa foi realizada com a aplicação de um comando estruturado e detalhado, incorporando o contexto organizacional e especificando os entregáveis esperados. Essa abordagem resultou em respostas significativamente mais precisas e aderentes ao contexto analisado. A IA identificou os <i>stakeholders</i> de forma coerente com o organograma, diferenciando os níveis de influência de maneira padronizada e semelhante à abordagem do PMBOK (PMI, 2017).

A matriz de poder e interesse gerada pela IA com engenharia de <i>prompt</i> posicionou o “Program Director” e os “Customer Project Managers” como de alto poder e alto interesse, justificando que o primeiro possui autoridade estratégica e o segundo são articuladores centrais entre cliente e áreas técnicas. “Solution Architects” e “Key Account / Commercial Management” foram classificados com médio-alto poder e alto interesse, respectivamente, com justificativas que ressaltam sua influência nas decisões técnicas e a necessidade de alinhamento comercial. Essa abordagem demonstrou maior aderência às práticas de gerenciamento de partes interessadas, atribuindo sentido gerencial à posição de cada ator no arranjo organizacional.

As estratégias de engajamento propostas pela IA com engenharia de <i>prompt</i> foram mais granulares e focadas em melhorias específicas. Para o “Program Director”, a estratégia incluiu reuniões executivas periódicas com foco em riscos e decisões pendentes, visando garantir patrocínio e acelerar a resolução de conflitos. Para os “Customer Project Managers”, o foco foi em posicioná-los como ponto focal para integração entre negócio, arquitetura e governança, fortalecendo a coordenação e reduzindo mensagens contraditórias. Essas estratégias, ao serem mais específicas, contribuem para um engajamento mais eficaz e alinhado aos objetivos do projeto.

O plano de comunicação detalhado gerado pela IA com engenharia de <i>prompt</i> também se mostrou superior, relacionando para cada <i>stakeholder</i> o tipo de informação, frequência, canal, responsável e objetivo da comunicação de forma mais contextualizada. Por exemplo, para o “Program Director”, a IA sugeriu status executivo, riscos críticos e decisões pendentes, com frequência semanal ou quinzenal, via reunião executiva, <i>dashboard</i> e e-mail, com o objetivo de apoiar decisões estratégicas e garantir alinhamento do programa. Para os “Solution Architects”, a comunicação focou em requisitos, definições técnicas e alterações de escopo, com frequência semanal ou conforme necessidade, via reuniões técnicas e documentação, visando garantir aderência e viabilidade da solução.

A IA também apresentou uma análise aprofundada dos desafios de comunicação, destacando a dificuldade na tradução de requisitos técnicos entre Negócios e Engenharia, o desalinhamento de expectativas entre Engenharia e Operações, e a ausência de padronização das informações entre Gestão e Execução. As recomendações práticas incluíram ações concretas para melhorar a clareza da comunicação, reduzir retrabalho e alinhar expectativas, como a criação de um modelo único de definição de demanda, a adoção de reuniões formais de transição entre desenho e execução, e um sistema de semáforo de riscos de comunicação, sempre conectando as recomendações aos <i>stakeholders</i> e alinhando-as às boas práticas do PMBOK (PMI, 2017).

Correlação dos resultados

A análise comparativa dos três cenários revelou diferenças significativas na identificação, planejamento e comunicação com <i>stakeholders</i>. O cenário baseado no PMBOK (manual) demonstrou alta clareza, profundidade analítica e aplicabilidade prática, com identificação precisa dos <i>stakeholders</i> e estratégias de comunicação alinhadas a cada grupo. O tempo de elaboração, contudo, foi considerado alto. Em contraste, a simulação com IA generativa sem engenharia de <i>prompt</i> apresentou baixa aderência ao contexto organizacional, respostas genéricas e superficiais, e baixa aplicabilidade prática, com um tempo de elaboração baixo.

A simulação com IA generativa e engenharia de <i>prompt</i>, por sua vez, alcançou alta clareza e estrutura da resposta, alta aplicabilidade prática e alta profundidade analítica, com um tempo de elaboração médio. Essa abordagem demonstrou maior consistência metodológica e capacidade de gerar soluções mais precisas e contextualizadas, superando as limitações da IA sem direcionamento. A triangulação dos dados, combinando os resultados do questionário, as simulações com IA e as evidências do <i>brainstorm</i>, permitiu consolidar uma visão robusta e integrada do fenômeno.

Os desafios de comunicação identificados no ambiente organizacional, como desalinhamento entre áreas, dificuldade na tradução de requisitos técnicos e ausência de padronização das informações, foram consistentemente percebidos pelos respondentes e reproduzidos nos cenários analisados. As soluções mais aderentes e eficazes emergiram no cenário com aplicação da engenharia de <i>prompt</i>, indicando que a tecnologia, quando corretamente utilizada, pode atuar como facilitadora da comunicação e do engajamento de <i>stakeholders</i> (Martins Junior e Martins, 2023). Essa convergência de evidências reforça que a principal barreira não reside na tecnologia em si, mas na forma como ela é empregada, sendo a engenharia de <i>prompt</i> um fator crítico para transformar a IA generativa em uma ferramenta estratégica capaz de apoiar atividades complexas de gerenciamento de <i>stakeholders</i> e comunicação organizacional (Rocha, 2024).

Em síntese, os resultados demonstram que a IA generativa, quando guiada pela engenharia de <i>prompt</i>, pode fortalecer significativamente a gestão de <i>stakeholders</i> e a comunicação em projetos de Telecomunicações. A pesquisa evidenciou que essa combinação oferece maior precisão na identificação e categorização das partes interessadas, estruturação no planejamento de engajamento e comunicação, e aplicabilidade prática na definição de estratégias. Contudo, a eficácia dessas ferramentas depende de processos estruturados, capacitação em engenharia de <i>prompt</i> e uma atuação ativa do gestor de projetos na mediação das relações, complementando as práticas tradicionais do PMBOK e respondendo ao objetivo do estudo de forma robusta.

4. Conclusão

O presente estudo buscou analisar como a inteligência artificial generativa e a engenharia de prompt podem apoiar a identificação, o planejamento e a comunicação com stakeholders em projetos de Telecomunicações, comparando sua aplicação com as práticas do PMBOK. Verificou-se que a aplicação tradicional, embora robusta e analiticamente profunda, demandava tempo considerável. Em contraste, a IA generativa sem direcionamento produziu respostas genéricas, com baixa aderência ao contexto organizacional e limitada aplicabilidade prática. Contudo, quando guiada pela engenharia de prompt, a IA demonstrou capacidade de gerar soluções significativamente mais precisas, estruturadas e contextualizadas, com alta profundidade analítica e aplicabilidade prática, em um tempo intermediário. Os desafios de comunicação, como o tecnicismo excessivo e o desalinhamento entre áreas, foram consistentemente identificados, e a engenharia de prompt emergiu como um fator crítico para transformar a IA em uma ferramenta estratégica capaz de mitigar essas lacunas. A pesquisa evidenciou que a interação entre IA generativa e engenharia de prompt fortalece a gestão de stakeholders e a comunicação em projetos de Telecomunicações, oferecendo maior precisão na identificação e categorização das partes interessadas, e estruturação no planejamento de engajamento e comunicação.

Apesar da ampla difusão da IA, o questionário revelou que seu uso ainda é predominantemente operacional, com lacunas na aplicação estratégica e na capacitação em engenharia de prompt entre os profissionais. Uma limitação identificada no estudo reside no fato de que parte da percepção positiva sobre o impacto da IA pode estar associada a usos operacionais da tecnologia, não diretamente ligados ao gerenciamento estratégico de stakeholders. A principal contribuição deste estudo reside em demonstrar que a IA generativa, quando associada à engenharia de prompt, representa um avanço significativo na gestão de stakeholders, desde que integrada de forma estruturada aos processos organizacionais e acompanhada de capacitação adequada dos profissionais. Para estudos futuros, recomenda-se aprofundar a mensuração objetiva dos impactos da IA no engajamento dos stakeholders e investigar sua aplicação em diferentes setores, visando ampliar a compreensão de seus benefícios e limitações em distintos contextos organizacionais. A eficácia dessas ferramentas depende de processos estruturados, capacitação em engenharia de prompt e uma atuação ativa do gestor de projetos na mediação das relações, complementando as práticas tradicionais do PMBOK.

Referências Bibliográficas

Aragão, P. B. R.; Sarturi, G. (2024). Engajamento de “stakeholders” e seu efeito no desempenho de uma política pública de Educação. Ensaio: Avaliação e Políticas Públicas em Educação, Rio de Janeiro.

Braun, B. S.; Poli, C. (2021). Integração do framework de gestão de “stakeholders” e matriz de engajamento em projetos de inovação. Revista de Gestão e Projetos, São Paulo.

Camargo, R. A. de. (2024). Fatores de engajamento de “stakeholders” em projetos de transformação digital. Fundação Getúlio Vargas, São Paulo.

Gil, A. C. (2010). Como elaborar projetos de pesquisa. 6 ed. São Paulo: Atlas.

Artigo oriundo de Trabalho de Conclusão de Curso da Especialização em Gestão de Projetos do MBA USP/Esalq

Para saber mais sobre o curso, clique aqui e acesse a plataforma MBX Academy