Framework para Tomada de Decisão Estratégica baseada em Requisitos de Negócios em Projetos de Software com Inteligência Artificial para Organizações Públicas

• Henrique P. P. Costa ITA
• Johnny Cardoso Marques ITA

DOI: https://doi.org/10.5753/sbqs_estendido.2025.15838

Resumo

Este artigo apresenta a pesquisa de mestrado em andamento que visa desenvolver um método para qualificar a tomada de decisão estratégica em projetos de inteligência artificial no setor público. A proposta se fundamenta na aplicação da engenharia de requisitos como abordagem estruturante para identificar os elementos essenciais que orientam a formulação e avaliação desses projetos. O método resultará em um framework denominado StrategIA, concebido para assegurar que soluções baseadas em IA estejam alinhadas aos objetivos institucionais e efetivamente gerem valor público. O vídeo complementar, que detalha os principais aspectos abordados neste artigo, está disponível para acesso através do seguinte link: https://youtu.be/zzCCwyJdD9U?si=H8gnqHHl9ixWBIGt

Referências

Alves, A. P. S., Kalinowski, M., Mendez, D., Villamizar, H., Azevedo, K., Escovedo, T., and Lopes, H. (2024). Industrial practices of requirements engineering for ml-enabled systems in brazil.

Campbell, C. (2010). The One-Page Project Manager for IT Projects: Communicate and Manage Any Project With A Single Sheet of Paper. Wiley.

Dolata, M. and Crowston, K. (2024). Making sense of ai systems development. IEEE Transactions on Software Engineering, 50(1):123–140.

Einhorn, F., Marnewick, C., and Meredith, J. (2019). Achieving strategic benefits from business it projects: The critical importance of using the business case across the entire project lifetime. International Journal of Project Management, 37(8):989–1002.

Gartner (2025). Gartner predicts over 40Accessed: 2025-08-02.

Gjorgjevikj, A., Mishev, K., Antovski, L., and Trajanov, D. (2023). Requirements engineering in machine learning projects. IEEE Access, 11:72186–72208.

Miles, M. B., Huberman, A. M., and Saldaña, J. (2014). Qualitative Data Analysis: A Methods Sourcebook. SAGE Publications, 3rd edition.

Moore, M. H. (2021). Creating public value: The core idea of strategic management in government. International Journal of Professional Business Review, 6(1):e219.

Njanka, S. Q., Sandula, G., and Colomo-Palacios, R. (2021). It-business alignment: A systematic literature review. Procedia Computer Science, 181:333–340. CENTERIS 2020 - International Conference on ENTERprise Information Systems / ProjMAN 2020 - International Conference on Project MANagement / HCist 2020 - International Conference on Health and Social Care Information Systems and Technologies 2020, CENTERIS/ProjMAN/HCist 2020.

Project Management Institute (2021). A Guide to the Project Management Body of Knowledge (PMBOK Guide). Project Management Institute, Newtown Square, PA, 7 edition.

Vasconcelos, E. S. and Santos, F. A. d. (2024). Inteligência artificial na gestão pública brasileira: desafios e oportunidades para a eficiência governamental. OBSERVATÓRIO DE LA ECONOMÍA LATINOAMERICANA, 22(6):e5017.

Vasconcelos, K. and Marques, J. (2023). Um mapeamento sistemático da literatura sobre o processo decisório de investimentos de tecnologias da informação em organizações públicas. In Anais do XI Workshop de Computação Aplicada em Governo Eletrônico, pages 25–36, Porto Alegre, RS, Brasil. SBC.

Vayyavur, R. (2024). Why ai projects fail: The importance of strategic alignment and systematic prioritization. International Journal of Research, 11:386–391.

Villamizar, H. and Kalinowski, M. (2024). Identifying concerns when specifying machine learning-enabled systems: A perspective-based approach. In Anais do XXIII Simpósio Brasileiro de Qualidade de Software, page 673–675, Porto Alegre, RS, Brasil. SBC.

Wirth, R. and Hipp, J. (2000). Crisp-dm: Towards a standard process model for data mining. In Proceedings of the 4th international conference on the practical applications of knowledge discovery and data mining, volume 1, pages 29–39. Manchester.