Inteligência Artificial Generativa na Elaboração do Plano de Gestão da Comunicação e da Matriz de Stakeholders em Projetos

Andressa Pereira Bernardo Ximenes; Maria Valeria Espinos Guerra Martins

DOI: 10.22167/2675-6528-202602682

Artigo derivado de Trabalho de Conclusão de Curso (TCC), com conteúdo baseado no trabalho original do aluno e adaptado ao formato editorial da Revista E&S com apoio da ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege para síntese e organização textual.

Resumo

Falhas de comunicação representam uma das principais causas de insucesso em projetos, cenário agravado pela complexidade crescente dos ambientes e pela necessidade de alinhamento contínuo. Nesse contexto, a inteligência artificial (IA) generativa emergiu como uma oportunidade de transformação na gestão de projetos. A pesquisa objetivou analisar a contribuição da IA generativa na elaboração do Plano de Gestão da Comunicação e da Matriz de Stakeholders, avaliando sua viabilidade prática e a aceitação dos profissionais à tecnologia. Adotou-se uma abordagem quali-quantitativa, que combinou revisão bibliográfica, aplicação prática de IA generativa na construção de uma Matriz de Stakeholders para um projeto fictício e um levantamento exploratório com 10 profissionais da área. Os resultados indicaram que falhas de comunicação são recorrentes e que poucos utilizam planos formalizados. A IA generativa demonstrou capacidade de apoiar a estruturação inicial, padronização de formatos e adaptação de linguagem, embora com limitações em tarefas estratégicas. Os profissionais manifestaram abertura à adoção da tecnologia, condicionada a treinamento e políticas organizacionais claras. Concluiu-se que a IA generativa é uma ferramenta promissora para otimizar a gestão da comunicação em projetos, contribuindo para a compreensão de seus benefícios, limitações e condições para uma incorporação segura e eficaz.

Palavras-chave: Gestão de Projetos; IA generativa; Inteligência Artificial; Matriz de Stakeholders; Plano de Comunicação.

1. Introdução

A comunicação é amplamente reconhecida como um dos pilares fundamentais da gestão de projetos, sendo que suas falhas figuram entre as causas mais recorrentes de insucesso em organizações de diversos portes e setores. Levantamentos do Project Management Institute (PMI) (2014) com 400 organizações revelaram que 64,2% das empresas identificaram a comunicação como um dos problemas mais frequentes em seus projetos. Além disso, 44% a apontaram como a principal deficiência na gestão. Pesquisas do PMI-Rio reforçam essa perspectiva, indicando que a comunicação é o segundo maior fator de problemas em projetos, superada apenas pelo descumprimento de prazos, e é também o segundo fator menos discutido na fase de planejamento. Esses dados evidenciam uma lacuna estrutural entre a importância reconhecida da comunicação e a atenção efetivamente dedicada a ela na prática da gestão de projetos.

Essa lacuna é agravada pela crescente complexidade dos ambientes de projeto, que envolvem múltiplos stakeholders, fluxos intensos de informação e a necessidade de alinhamento contínuo entre equipes. Nesse contexto, instrumentos como o Plano de Gestão da Comunicação e a Matriz de Stakeholders tornam-se essenciais para estruturar e padronizar os fluxos de informação ao longo do ciclo de vida de um projeto, contribuindo para o alinhamento de expectativas e a definição clara de responsabilidades entre os envolvidos. A pesquisa exploratória realizada para este trabalho corrobora essa perspectiva, indicando que a maioria dos profissionais não utiliza ou raramente utiliza um Plano de Gestão da Comunicação formalizado, e aponta o excesso de informações, o ruído na comunicação e a falta de padronização dos canais como desafios principais.

Diante desse cenário, a inteligência artificial (IA) generativa emerge como uma alternativa promissora para apoiar a construção e execução do Plano de Gestão da Comunicação. Conforme apontado por Vanzolini (2024), a IA aplicada à gestão de projetos contribui para a automação de tarefas repetitivas, permitindo que gestores direcionem sua atenção a atividades estratégicas, ao mesmo tempo em que o uso de dados em tempo real melhora a assertividade em cronogramas, orçamentos e na antecipação de riscos. No âmbito específico da comunicação, ferramentas de IA generativa têm demonstrado potencial para apoiar a elaboração de comunicados, a adaptação de linguagem por público, a síntese de documentos extensos e o registro ágil de informações entre equipes. Os participantes da pesquisa exploratória demonstraram alto nível de familiaridade com ferramentas como ChatGPT e Microsoft Copilot, e sinalizaram disposição para adotá-las em atividades de comunicação em projetos, ainda que condicionada a aspectos como segurança de dados, restrições organizacionais e necessidade de treinamento adequado.

Considerando a relevância da comunicação para o sucesso de projetos, a baixa adoção de ferramentas formalizadas de gestão da comunicação e o crescente interesse pelo uso da IA generativa nesse contexto, esta pesquisa tem como objetivo analisar como a IA generativa pode contribuir na elaboração e otimização do Plano de Gestão da Comunicação e da Matriz de Stakeholders, avaliando sua viabilidade prática e o grau de abertura dos profissionais da área à adoção dessa tecnologia.

2. Material e Métodos

A presente pesquisa foi desenvolvida com uma abordagem quali-quantitativa, adotando a estratégia de pesquisa aplicada baseada em simulação. Este delineamento buscou não apenas compreender um problema prático da gestão de comunicação em projetos, mas também simular uma intervenção por meio da aplicação de ferramentas de inteligência artificial (IA) generativa. A pesquisa aplicada orientou-se para a solução de problemas concretos e a geração de conhecimentos com potencial de utilização prática, conforme os objetivos estabelecidos.

A investigação foi estruturada em três frentes complementares para abordar o objetivo proposto. A primeira frente consistiu em uma revisão bibliográfica abrangente. A segunda envolveu uma aplicação prática com IA generativa. Por fim, a terceira frente compreendeu um levantamento exploratório de percepções junto a profissionais da área de gestão de projetos. Cada uma dessas frentes contribuiu de maneira distinta para a coleta e análise dos dados.

A primeira frente metodológica consistiu na revisão bibliográfica da literatura pertinente à gestão da comunicação em projetos e à inteligência artificial generativa. Foram consultadas publicações científicas sobre o Plano de Gestão da Comunicação e a Matriz de Stakeholders, fundamentadas nas diretrizes do Project Management Institute (PMI) (2014). Adicionalmente, foram incluídas referências sobre IA generativa e suas aplicações em contextos organizacionais e profissionais, com base em Vanzolini (2024). Esta revisão forneceu a base teórica para a construção dos instrumentos de pesquisa e para a análise crítica dos dados coletados.

A segunda frente envolveu a aplicação prática da IA generativa Claude para a construção de uma Matriz de Stakeholders e de um Plano de Gestão da Comunicação. Estes instrumentos foram desenvolvidos a partir de um projeto fictício, criado especificamente para a pesquisa. A escolha de um projeto fictício visou garantir a confidencialidade das informações e permitir a replicação do processo por outros profissionais, assegurando a validade metodológica da simulação.

O processo de aplicação prática foi dividido em três etapas sequenciais. Na primeira etapa, definiu-se e contextualizou-se o projeto fictício, denominado “Reforma e Modernização do Edifício Sede de uma Prefeitura Municipal”. Elaborou-se um documento de contextualização que serviu como insumo para a IA, contendo informações como nome e objetivo do projeto, escopo das obras, prazo de 10 meses, orçamento estimado de R$ 4,8 milhões, localização genérica em cidade do interior do Estado de São Paulo, estrutura organizacional da prefeitura e principais condicionantes legais e institucionais.

Na segunda etapa, construiu-se a Matriz de Stakeholders com o apoio da IA. Um prompt estruturado foi elaborado para orientar o Claude na identificação das partes interessadas relevantes. Para cada stakeholder, solicitou-se informações como nome ou grupo, papel no projeto, nível de interesse e influência (alto, médio ou baixo), principais expectativas, riscos associados, estratégia de engajamento, necessidade, canal e frequência de comunicação, e responsável pela comunicação. A Matriz de Stakeholders resultante identificou 12 partes interessadas, classificadas conforme o modelo do PMI (2021) em quatro quadrantes de interesse e influência.

Na terceira etapa, elaborou-se o Plano de Gestão da Comunicação, utilizando a Matriz de Stakeholders validada como insumo direto. Um prompt específico foi formulado para o Claude, solicitando um plano completo com sete dimensões: objetivo do plano, premissas e restrições de comunicação, matriz de comunicação detalhada por stakeholder, tipos de reuniões do projeto, fluxo de escalada de problemas, diretrizes para uso de IA generativa (incluindo atividades apoiadas e protocolo de validação humana) e indicadores de eficácia da comunicação. Os outputs gerados pela IA foram analisados com base nos conceitos da revisão bibliográfica para avaliar a viabilidade e as limitações da tecnologia na gestão da comunicação em projetos.

A terceira frente consistiu na realização de um levantamento exploratório de caráter qualitativo, por meio da aplicação de um questionário estruturado. O instrumento foi elaborado e disponibilizado digitalmente a profissionais que atuam ou já atuaram na área de gestão de projetos. O objetivo foi captar percepções iniciais sobre os desafios de comunicação enfrentados no cotidiano, o nível de familiaridade com ferramentas de IA generativa e o grau de abertura para sua adoção profissional.

A população do estudo foi composta por profissionais da área de gestão de projetos. A amostra foi intencional e contou com 10 respondentes, majoritariamente atuantes no setor de engenharia, com diferentes níveis de experiência. A participação foi voluntária, e os dados coletados foram tratados de forma anônima e confidencial, em conformidade com os princípios éticos estabelecidos pelas Resoluções do Conselho Nacional de Saúde (CNS) n° 466/2012 e n° 510/2016, que regulamentam pesquisas envolvendo seres humanos. O caráter exploratório da amostra não permite generalizações estatísticas, mas oferece percepções iniciais relevantes (Gil, 2002).

Os dados coletados por meio do questionário foram organizados e analisados de forma descritiva. A análise focou na identificação de padrões de percepção e nas principais convergências e divergências entre os respondentes. A interpretação dos dados foi realizada à luz do referencial teórico levantado, integrando os resultados do levantamento exploratório com os achados da aplicação prática da IA generativa, visando uma análise abrangente e coerente com os objetivos da pesquisa.

3. Resultados e Discussão

Os resultados desta pesquisa são apresentados por meio de três frentes complementares, que se interligam e se reforçam mutuamente. A revisão bibliográfica estabeleceu o arcabouço teórico que fundamentou a construção dos instrumentos utilizados na aplicação prática e na elaboração do questionário do levantamento exploratório. Por sua vez, os dados coletados no levantamento confirmaram as lacunas e desafios identificados na literatura, ao mesmo tempo em que validaram a pertinência dos produtos desenvolvidos na aplicação prática da inteligência artificial generativa. Essa abordagem integrada permitiu uma análise abrangente e coerente com os objetivos propostos pelo estudo.

Revisão bibliográfica

A revisão bibliográfica consolidou o referencial teórico essencial para a compreensão da gestão da comunicação em projetos e da inteligência artificial generativa. O Project Management Institute (PMI, 2021) enfatiza a comunicação como um domínio de desempenho crítico, responsável por assegurar que as informações corretas alcancem as partes interessadas no momento oportuno e pelo canal mais eficaz. Essa perspectiva ressalta que a comunicação não é um processo espontâneo, mas uma área que demanda planejamento deliberado, instrumentos estruturados e responsabilidades claramente definidas, princípios que guiaram a construção dos artefatos práticos desta pesquisa.

A literatura consultada documentou extensivamente os impactos negativos das falhas de comunicação em projetos. Cyganczuk et al. (2018) observaram que problemas comunicacionais estão associados à desmotivação das equipes, atrasos nos prazos e comprometimento da qualidade das entregas, sendo uma barreira frequente e de alto impacto. Essa constatação é corroborada por um levantamento do PMI (2014) com 400 organizações, onde 64,2% identificaram a comunicação como um dos problemas mais recorrentes e 44% a apontaram como a principal deficiência na gestão de projetos, evidenciando uma lacuna persistente na prática.

No contexto da inteligência artificial generativa, Verrel e Julkovski (2024) destacaram seus benefícios operacionais na gestão de projetos, como a melhoria na previsibilidade de cronogramas, automação de tarefas e integração tecnológica. Contudo, alertaram para desafios como segurança de dados, resistência cultural e a necessidade de capacitação das equipes. O Instituto Brasileiro de Governança Corporativa (IBGC, 2025) reforça a urgência da capacitação em IA no Brasil e a importância de políticas claras de uso. Vanzolini (2024) complementa, indicando que a IA generativa pode automatizar tarefas repetitivas, adaptar a linguagem ao público e sintetizar documentos extensos, funções que foram testadas e validadas na aplicação prática deste estudo.

Aplicação prática com IA generativa

A etapa de aplicação prática foi concebida para testar, em um ambiente controlado, a capacidade da IA generativa em auxiliar na criação de instrumentos de gestão da comunicação, com base no referencial teórico. Para isso, utilizou-se um projeto fictício de Reforma e Modernização do Edifício Sede de uma Prefeitura Municipal. A escolha desse cenário no setor público, com múltiplos stakeholders e variados níveis de interesse e influência, buscou replicar a complexidade comunicacional frequentemente associada a falhas, conforme identificado na literatura. O processo foi dividido em três etapas sequenciais para garantir a sistematicidade da análise.

Etapa 1 – Definição e contextualização do projeto fictício

A primeira etapa consistiu na elaboração de um documento detalhado de contextualização do projeto fictício, que serviu como insumo para a IA. Foram fornecidas informações cruciais, incluindo o nome do projeto, seu objetivo, o escopo das obras, um prazo estimado de 10 meses e um orçamento de R$ 4,8 milhões. Além disso, foram especificados a localização genérica em uma cidade do interior de São Paulo, a estrutura organizacional da prefeitura envolvida e as principais condicionantes legais e institucionais. Esses dados permitiram que a IA generativa processasse um cenário realista para a construção dos artefatos de comunicação.

Etapa 2 – Construção da Matriz de Stakeholders com apoio da IA

Com o contexto do projeto estabelecido, um prompt estruturado foi fornecido à ferramenta de IA generativa Claude para elaborar a Matriz de Stakeholders. O prompt instruiu a IA a atuar como especialista em gestão de projetos, baseando-se nas boas práticas do PMI, e a identificar todas as partes interessadas relevantes. Para cada stakeholder, a IA deveria informar o nome ou grupo, papel no projeto, níveis de interesse e influência (alto, médio ou baixo), principais expectativas, riscos associados, estratégia de engajamento, necessidade, canal e frequência de comunicação, e o responsável pela comunicação, organizando a resposta em formato de tabela.

A Matriz de Stakeholders gerada pela IA identificou 12 partes interessadas, classificando-as em quatro quadrantes de interesse e influência, conforme o modelo do PMI (2021). No quadrante de “Alto interesse / Alta influência”, que requer gerenciamento próximo, foram listados o Prefeito Municipal, a Secretaria de Obras, o Gerente de Projetos e a Câmara Municipal. Para o quadrante de “Alto interesse / Baixa influência”, com a estratégia de manter informado, foram identificados os Servidores públicos, Cidadãos e usuários, e a Equipe técnica de obras. No grupo de “Baixo interesse / Alta influência”, com a estratégia de manter satisfeito, a IA incluiu o Tribunal de Contas do Estado de São Paulo (TCE-SP), a Secretaria de Finanças, o Corpo de Bombeiros e a Empresa contratada. Por fim, para “Baixo interesse / Baixa influência”, com a estratégia de monitorar, foram apontados os Fornecedores e subcontratados.

A IA demonstrou uma capacidade satisfatória na estruturação e classificação dos stakeholders, alinhando-se às boas práticas da área, especialmente para aqueles com perfis mais padronizados. No entanto, para partes interessadas com dinâmicas mais complexas, como o TCE-SP, a Câmara Municipal e as comunidades afetadas, os resultados gerados exigiram revisão e enriquecimento por parte do gestor humano. Esse achado corrobora a perspectiva de Verrel e Julkovski (2024), que enfatizam a maior eficácia da IA quando combinada com o conhecimento específico e a expertise do gestor responsável pelo projeto, indicando que a ferramenta atua como um apoio, e não como um substituto integral do julgamento humano.

Etapa 3 – Construção do Plano de Gestão da Comunicação com apoio da IA

Com a Matriz de Stakeholders validada, esta foi utilizada como insumo direto para a construção do Plano de Gestão da Comunicação. O prompt fornecido à IA solicitou a elaboração de um plano completo, considerando o projeto público e a fiscalização do TCE-SP, com comunicação adaptada a diferentes públicos. O plano deveria conter sete dimensões: objetivo, premissas e restrições, matriz de comunicação detalhada (tipo, conteúdo, canal, formato, frequência, responsável), tipos de reuniões, fluxo de escalada de problemas, diretrizes para uso da IA (atividades apoiadas e protocolo de validação humana) e indicadores de eficácia da comunicação.

O Plano de Gestão da Comunicação resultante foi estruturado em sete dimensões, e a Matriz de Comunicação gerada definiu padrões específicos para cada stakeholder. Para o Prefeito Municipal, a comunicação formal via reunião e PDF, mensalmente, com relatórios executivos e alertas críticos, sob responsabilidade do Gerente de Projetos. A Secretaria de Obras receberia comunicação formal por reunião e e-mail, semanalmente, com relatórios técnicos, atas e não conformidades, também pelo Gerente de Projetos. A Câmara Municipal teria comunicação formal via ofício e PDF, bimestralmente, com prestação de contas e aditivos, a cargo da Secretaria de Obras. O TCE-SP, com comunicação formal e legal, utilizaria o sistema TCE-SP, sob demanda, para documentação licitatória e contratos, com a Secretaria de Finanças como responsável.

A Matriz de Comunicação também detalhou que a Secretaria de Finanças receberia comunicação formal por e-mail e relatório, mensalmente, com cronograma físico-financeiro e medições, pelo Gerente de Projetos. A Empresa Contratada teria comunicação formal e operacional por reunião e e-mail, semanalmente, com ordens de serviço e atas, também pelo Gerente de Projetos. A Equipe Técnica, com comunicação operacional, participaria de reuniões diárias, recebendo instruções, segurança e pendências, sob responsabilidade do técnico. Os Servidores Públicos seriam informados por e-mail e intranet, quinzenalmente, sobre etapas da obra e interrupções, pela Secretaria de Obras. Por fim, os Cidadãos e Usuários receberiam informações por site e redes sociais, mensalmente, sobre o funcionamento dos serviços, com a Assessoria como responsável.

A IA demonstrou uma contribuição significativa na geração das minutas de cada dimensão do plano, na padronização dos formatos de comunicação e na adaptação da linguagem para diferentes perfis de stakeholders. Contudo, dimensões como o fluxo de escalada de problemas, as diretrizes de governança para o uso da própria IA e os indicadores de eficácia demandaram uma intervenção humana mais substancial. Isso se deve ao fato de que essas tarefas envolvem decisões estratégicas que extrapolam a capacidade atual das ferramentas generativas, um achado que se alinha às recomendações do IBGC (2025) sobre a necessidade de estruturas de governança para assegurar a validação humana de decisões críticas.

Levantamento exploratório de percepções

O levantamento exploratório foi concebido para investigar as lacunas identificadas na revisão bibliográfica e na aplicação prática, buscando compreender como as percepções dos profissionais da área se alinhavam ou divergiam dos problemas e potenciais mapeados. A pesquisa contou com a participação de 10 profissionais que atuam ou já atuaram em gestão de projetos. O perfil predominante dos respondentes indicou que 90% atuam no setor de engenharia e 10% na saúde. Em relação ao tempo de atuação, 20% tinham menos de 1 ano de experiência, 30% entre 1 e 3 anos, 30% entre 3 e 5 anos, e 20% entre 5 e 10 anos. A maioria, 80%, não possuía certificação em gestão de projetos, enquanto 20% possuíam. Quanto ao tamanho médio das equipes, 40% trabalhavam em equipes de até 5 pessoas, 20% em equipes de 6 a 15, 20% em equipes de 16 a 30, e 20% em equipes com mais de 30 pessoas.

É fundamental reiterar que este levantamento possui caráter exploratório, com uma amostra intencional e reduzida, não permitindo generalizações para o universo de profissionais da área. Os resultados devem ser interpretados como percepções iniciais que enriquecem a compreensão do problema investigado, em consonância com a natureza de pesquisas exploratórias, conforme descrito por Gil (2002). Essa limitação é crucial para contextualizar a análise dos dados e orientar futuras investigações com maior abrangência.

A avaliação da eficácia da comunicação nos projetos, em uma escala de 1 a 5, revelou que 50% dos respondentes a consideraram “Moderada” (nota 3). Apenas 20% a classificaram como “Eficaz” (nota 4) e 10% como “Muito eficaz” (nota 5). Em contraste, 10% a avaliaram como “Ineficaz” (nota 2) e 10% como “Muito ineficaz” (nota 1). Esses dados indicam que a maioria dos profissionais percebe a comunicação em seus projetos com um nível intermediário de eficácia, sugerindo espaço significativo para melhorias e formalização dos processos.

A percepção de eficácia moderada da comunicação, com metade dos respondentes atribuindo nota 3, confirma, no contexto exploratório desta pesquisa, a tendência de insatisfação recorrente com a qualidade dos processos comunicativos em projetos. Esse achado dialoga diretamente com as observações de Cyganczuk et al. (2018), que identificaram problemas de comunicação como uma das barreiras mais frequentes e de maior impacto na gestão de projetos. A persistência dessa percepção reforça a necessidade de instrumentos e práticas que possam otimizar a comunicação.

Os principais desafios de comunicação apontados pelos respondentes foram o “Excesso de informações e ruído na comunicação”, mencionado por 50% dos participantes, e a “Falta de padronização nos canais de comunicação”, indicada por 40%. Outros desafios relevantes, citados por 30% dos respondentes cada, incluíram a “Falta de clareza nas mensagens transmitidas”, a “Dificuldade em alcançar todos os stakeholders” e os “Atrasos no envio de atualizações e relatórios”. Apenas 10% mencionaram “Outros” desafios, indicando uma concentração nas categorias principais.

Esses desafios identificados pelos profissionais guardam uma correspondência direta com os problemas que o Plano de Gestão da Comunicação, elaborado na etapa de aplicação prática, busca endereçar. O excesso de informações e ruído é tratado pela definição de conteúdos delimitados por stakeholder, enquanto a falta de padronização é resolvida pela Matriz de Comunicação. A dificuldade em alcançar todos os stakeholders, por sua vez, é endereçada pela classificação sistemática das partes interessadas. Essa convergência reforça que os instrumentos desenvolvidos com o apoio da IA generativa respondem a necessidades reais e percebidas pelos profissionais da área, validando a relevância da intervenção proposta.

Em relação à frequência de falhas de comunicação, 40% dos respondentes afirmaram que elas ocorrem “Frequentemente” e outros 40% que acontecem “Às vezes”, totalizando 80% que enfrentam falhas com alguma regularidade. Apenas 10% relataram falhas “Raramente” e 10% “Nunca”. Quanto ao uso do Plano de Gestão da Comunicação, somente 20% afirmaram utilizá-lo “Sim, sempre”, enquanto 20% o utilizam “Raramente”. Preocupantemente, 40% “Não utilizam” e 20% “Não sabia que existia” tal documento, evidenciando uma baixa formalização e conhecimento sobre essa ferramenta essencial.

O dado de que 80% dos respondentes enfrentam falhas de comunicação com alguma regularidade, combinado com o fato de que apenas 20% utilizam um Plano de Gestão da Comunicação formalizado, revela uma lacuna expressiva entre a percepção do problema e a adoção de instrumentos para seu tratamento. Essa lacuna é análoga à identificada pelo PMI (2014) em escala ampla e por Cyganczuk et al. (2018) no contexto de gerentes de projeto brasileiros. O achado de que 20% dos respondentes desconheciam a existência do documento é particularmente relevante, sugerindo que a ausência de formalização da comunicação em projetos não é apenas uma escolha consciente, mas frequentemente um reflexo do desconhecimento das ferramentas disponíveis.

No que tange ao uso de ferramentas de IA generativa em contexto profissional, 50% dos respondentes afirmaram utilizá-las “regularmente”, e 30% já as utilizaram “algumas vezes”, totalizando 80% com alguma experiência. Apenas 10% testaram, mas não usam no trabalho, e 10% não conhecem as ferramentas. As ferramentas mais adotadas foram ChatGPT (60%) e Microsoft Copilot (60%), seguidas por Gemini (40%), Claude (10%) e Notebook LM (10%). As atividades de comunicação mais apoiadas pela IA foram a “Elaboração de e-mails e informes” (70%), “Adaptação de linguagem por público” (50%) e “Síntese de documentos extensos” (40%), seguidas por “Elaboração de atas de reunião” (30%) e “Criação de relatórios de status” (20%).

Os dados revelam que 80% dos respondentes já utilizam IA em contexto profissional, com o ChatGPT e o Microsoft Copilot sendo as ferramentas mais adotadas, o que confere aderência ao teste prático realizado nesta pesquisa. As três atividades mais indicadas para uso da IA — elaboração de e-mails, adaptação de linguagem e síntese de documentos — correspondem exatamente às funções previstas nas diretrizes de uso da IA generativa incorporadas ao Plano de Gestão da Comunicação elaborado. Isso demonstra uma clara sinergia entre as capacidades da IA e as necessidades práticas dos profissionais, validando o potencial da tecnologia para otimizar essas tarefas.

A avaliação dos resultados obtidos com o uso de IA em comunicação foi predominantemente positiva, com 50% classificando-os como “Bom” (atendeu ao que precisava com pequenos ajustes) e 30% como “Regular” (precisei revisar e adaptar bastante). Nenhum respondente avaliou o resultado como “Ruim”. Contudo, 90% identificaram ao menos um risco relevante. Os riscos percebidos incluíram “Resultados imprecisos ou incorretos gerados pela IA” (30%), “Restrições organizacionais — política interna e segurança de dados” (30%), “Perda da interação humana na comunicação” (20%) e “Dependência excessiva da tecnologia” (20%). Apenas 10% não veem riscos significativos.

Esses riscos percebidos pelos profissionais são coerentes com os desafios de implementação da IA identificados por Verrel e Julkovski (2024), que destacam aspectos como segurança de dados e resistência cultural. Também se alinham às recomendações do IBGC (2025) sobre a necessidade de políticas organizacionais claras para o uso seguro e estratégico da IA. As condições consideradas mais importantes para a incorporação bem-sucedida da IA ao Plano de Gestão da Comunicação foram o “Treinamento da equipe para uso das ferramentas” (70%), a “Definição clara de quais tarefas serão apoiadas por IA” (50%), a “Validação humana dos conteúdos gerados pela IA” (40%) e a “Política organizacional que autorize e regule o uso” (40%). A “Escolha de ferramentas adequadas ao contexto do projeto” e a “Integração das ferramentas de IA com os sistemas já utilizados” foram citadas por 30% dos respondentes cada.

O treinamento da equipe foi apontado como a condição mais importante por 70% dos respondentes, um resultado que converge com o alerta do IBGC (2025) sobre a urgência da capacitação em IA no Brasil. A necessidade de definição clara do escopo de uso e de validação humana, indicadas por 50% e 40% respectivamente, reforça a perspectiva de Verrel e Julkovski (2024) de que os maiores desafios de implementação da IA nas organizações não são tecnológicos, mas predominantemente humanos e culturais. Por fim, 100% dos respondentes afirmaram estar dispostos a adotar ou ampliar o uso de IA na comunicação de seus projetos, sendo 50% de forma definitiva e 50% condicionada a aspectos como custo, segurança e treinamento adequado.

Em síntese, os resultados das três frentes desta pesquisa convergem para a conclusão de que as falhas de comunicação em projetos são recorrentes e amplamente reconhecidas, sendo passíveis de mitigação por meio da adoção de instrumentos estruturados de gestão. A inteligência artificial generativa demonstrou uma capacidade real de apoiar a construção desses instrumentos de forma ágil e coerente com as boas práticas da área, contribuindo para a padronização e adaptação da linguagem. Contudo, suas limitações se concentram em atividades que exigem julgamento estratégico, conhecimento contextual profundo e responsabilidade institucional, demandando validação humana. Embora os achados sejam exploratórios e baseados em uma amostra reduzida, eles indicam um caminho promissor para a otimização da comunicação em projetos, ressaltando a importância de estudos futuros com maior abrangência para confirmar essas tendências.

4. Conclusão

A presente pesquisa objetivou analisar a contribuição da inteligência artificial generativa na elaboração do Plano de Gestão da Comunicação e da Matriz de Stakeholders, bem como avaliar sua viabilidade prática e a aceitação dos profissionais da área. Verificou-se que falhas de comunicação são recorrentes em projetos, com baixa formalização de planos de gestão, e que a IA generativa demonstrou capacidade de apoiar a estruturação inicial, a padronização de formatos e a adaptação da linguagem em ambos os instrumentos. Observou-se que a ferramenta é eficaz para tarefas operacionais, mas suas limitações se manifestaram em atividades que exigem julgamento estratégico, conhecimento contextual aprofundado e responsabilidade institucional. Os profissionais da área, em sua maioria, já utilizam IA em contexto profissional e manifestaram alta disposição para sua adoção, condicionada a aspectos como treinamento e políticas organizacionais claras.

A principal contribuição do estudo reside na demonstração de que a IA generativa representa uma ferramenta promissora para otimizar a gestão da comunicação em projetos, ao reduzir o tempo de elaboração de instrumentos estruturados e padronizar comunicados. Contudo, sua incorporação eficaz não prescinde de planejamento, governança e capacitação humana. É importante ressaltar que, devido ao caráter exploratório do levantamento e à amostra reduzida, os achados devem ser interpretados com cautela. Sugere-se a realização de estudos futuros com amostras mais amplas e diversificadas, a aplicação dos instrumentos em projetos reais e a avaliação longitudinal dos resultados obtidos com o uso da IA generativa ao longo do ciclo de vida de projetos de diferentes portes e setores, a fim de confirmar as tendências identificadas.

Referências Bibliográficas

Cyganczuk, S.V.; et al. 2018. Problemas de comunicação em projetos: percepção de gerentes de projeto. GEPROS: Gestão da Produção, Operações e Sistemas 13(3): 1-18. 22 maio 2026.

Gil, A.C. 2002. Como Elaborar Projetos de Pesquisa. 4.ed. Atlas, São Paulo, SP, Brasil.

Instituto Brasileiro de Governança Corporativa [IBGC]. 2025. Inteligência Artificial e Governança Corporativa: urgência da capacitação no Brasil. IBGC, São Paulo, SP, Brasil. Disponível em: <https://www.ibgc.org.br>. 20 maio 2026.

Project Management Institute [PMI]. 2014. Pulse of the Profession: The High Cost of Low Performance — The Essential Role of Communications. PMI, Newtown Square, PA, EUA. Disponível em: <https://www.pmi.org/-/media/pmi/documents/public/pdf/learning/thought-leadership/pulse/the-essential-role-of-communications.pdf>. 22 maio 2026.

Project Management Institute [PMI]. 2021. Um Guia do Conhecimento em Gerenciamento de Projetos. 7.ed. Project Management Institute, Newtown Square, PA, EUA.

Vanzolini, 2024 [Referência completa não encontrada no documento original]

Verrel, A.; Julkovski, D. 2024. O impacto da inteligência artificial na gestão de projetos: aplicações, benefícios e desafios. South American Development Society Journal 10-30. Disponível em:<https://doi.org/10.24325/issn.2446-5763.v10i30p1-23>.22 maio 2026.

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