Template de Orientação de Requisitos para Tomada de Decisão Estratégica em Projetos de Inteligência Artificial em Organizações Públicas

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

DOI: https://doi.org/10.5753/lasdigov.2025.9059

Resumo

O artigo apresenta a necessidade de um template para alinhar objetivos de negócio e requisitos de sistemas de IA em organizações públicas. Esse template, denominado StrategIA, visa facilitar a tomada de decisão estratégica e garantir que as soluções baseadas em inteligência artificial (IA) gerem valor para o setor público. O StrategIA é um modelo baseado em frameworks como PMBOK 7, PerspecML e CRISP-DM, para orientar projetos de IA na administração pública. Ele se estrutura em nove componentes principais: (i) Objetivo de Negócios; (ii) Contribuições ao Negócio; (iii) Entrega de Resultados; (iv) Indicadores de Sucesso; (v) Estrutura; (vi) Gestão de Investimentos; (vii) Gestão de Prazos; (viii) Gestão de Riscos; e (ix) Gestão de Comunicação. Cada componente é acompanhado de diretrizes estratégicas e perguntas orientadoras, que ajudam na análise e definição do projeto.

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.

Berryhill, J., Kok Heang, K., Clogher, R., and McBride, K. (2019). Hello, world: Artificial intelligence and its use in the public sector. OECD Working Papers on Public Governance 36, OECD Publishing, Paris.

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

da Silva, D. A., Basso, E. W., and Marques, J. C. (2024). Principais características para o uso responsável da ia. In Anais da 1ª Conferência Latino-Americana de Ética em Inteligência Artificial, pages 125–128, Porto Alegre, RS, Brasil. SBC.

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.

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

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.

Sommerville, I. (2019). Engenharia de software. Pearson.

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.

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.