USO DA INTELIGÊNCIA ARTIFICIAL NA OTIMIZAÇÃO DO GERENCIAMENTO DO PRODUCT BACKLOG EM PROJETOS ÁGEIS

Abstract

Este artigo propõe e avalia uma metodologia baseada em modelos de linguagem de larga escala (LLMs), com foco no aprimoramento da qualidade dos itens do Product Backlog em ambientes ágeis em escala. Diante dos desafios recorrentes na engenharia de requisitos ágil, como baixa padronização, ambiguidade e ausência de critérios objetivos, desenvolveu-se um framework técnico utilizando o modelo GPT-4o da OpenAI. A solução automatizada foi aplicada em uma indústria de óleo e gás, envolvendo times ágeis reais, com a finalidade de diagnosticar e melhorar, por meio de Inteligência Artificial generativa, a clareza, completude e testabilidade de artefatos como User Stories, Critérios de Aceitação, Definition of Ready e Definition of Done. A metodologia seguiu abordagem exploratória, combinando técnicas quantitativas e qualitativas, estruturadas em cinco etapas: levantamento bibliográfico, aplicação de questionário, coleta de dados, desenvolvimento da solução e análise de resultados. Os resultados demonstraram que o modelo foi capaz de oferecer diagnósticos objetivos e recomendações contextualizadas, contribuindo para o aumento da maturidade ágil e promovendo ganhos em padronização, alinhamento entre equipes e previsibilidade das entregas. Conclui-se que a integração de LLMs à governança ágil representa uma abordagem viável, escalável e com alto potencial de impacto organizacional.