IBM, ISACA e o futuro do CMMI com Inteligência Artificial: o que muda para as empresas brasileiras?

A ISACA anunciou que a IBM será patrocinadora fundadora do CMMI AI Working Group, iniciativa que promete revolucionar a aplicação de Inteligência Artificial em modelos de maturidade como o CMMI.

O foco é integrar práticas emergentes ao ciclo de vida de software e processos corporativos, incluindo:

• Machine Learning (ML): aprendizado de máquina para previsões, classificações e reconhecimento de padrões.
• Deep Learning: ramo do ML baseado em redes neurais profundas para tarefas complexas como reconhecimento de voz, imagens e linguagem natural.
• IA Generativa: criação de conteúdo (texto, código, imagens) com base em padrões aprendidos.
• RPA (Automação Robótica de Processos): execução autônoma de tarefas repetitivas.

A proposta é integrar o CMMI com contextos de engenharia de software, DevSecOps, segurança da informação e análise de vulnerabilidades, tornando-o mais ágil e alinhado às demandas digitais.

O que muda com a chegada da Inteligência Artificial ao CMMI

Com o envolvimento direto da IBM e outras organizações líderes, o CMMI AI Working Group já apresenta pesquisas, protótipos e processos que servirão de base para futuras atualizações no modelo.

O objetivo é preparar o CMMI consiga medir, auditar e orientar o uso de tecnologias que impactam profundamente o ciclo de vida de sistemas e serviços.

Possíveis aplicações de IA nos domínios do CMMI

Com base nos domínios do CMMI, é possível prever cenários em que tecnologias como IA generativa, Machine Learning e RPA possam ser aplicadas no futuro. Esses exemplos não representam mudanças já incorporadas oficialmente, mas sim projeções alinhadas às tendências que o CMMI AI Working Group pode inspirar.

1. Engenharia de Produto e Solução Técnica (Engineering)

Technical Solution (TS), Product Integration (PI), Verification & Validation (VV)

• IA generativa pode sugerir soluções técnicas com base em requisitos anteriores;
• Machine Learning pode prever pontos de falha com base em métricas históricas;
• RPA (Automação Robótica de Processos) pode automatizar rotinas de testes e integração, liberando a equipe para tarefas mais críticas.

2. Gerência de Projetos (Project Management)

Planning (PLAN), Estimating (EST), Monitor and Control (MC)

• Machine Learning pode gerar estimativas com base no desempenho de projetos anteriores;
• IA generativa pode redigir rascunhos de cronogramas e WBS (Estrutura Analítica do Projeto) a partir de templates e dados históricos;
• RPA pode atualizar dashboard, indicadores e relatórios automaticamente.

3. Qualidade e Análise (Quality Management & Support)

Quality Assurance (QA), Measurement and Analysis (MA), Causal & Decision Analysis (CAR/DAR)

• ML pode detectar padrões de não conformidade antes que impactem o produto.
• RPA pode coletar e distribuir indicadores de performance.
• IA generativa pode auxiliar na análise de causas e recomendações com base em repositórios.

4. Gestão Organizacional e Processos (Organizational Management)

Organizational Performance (OPM), Process Definition (OPD), Process Performance (OPP)

• IA generativa redige versões preliminares de processos baseando-se em documentos internos
• ML analisa o desempenho de processos frente a metas estratégicas.
• RPA atualiza procedimentos, fluxos e repositórios com menor intervenção manual.

5. Gestão de Pessoas (People Management)

Workforce Empowerment (WFE), Capability Building (CBD), Work Environment (WE)

• ML pode cruzar desempenho, perfil e jornada do colaborador para apoiar decisões de alocação e capacitação.
• IA generativa pode criar conteúdos personalizados de treinamento com base em necessidades específicas.
• RPA pode aplicar trilhas de aprendizado, enviar lembretes e atualizar históricos de treinamento.

6. Gestão de Fornecedores (Supplier Management)

Supplier Agreement Management (SAM), Supplier Source Selection (SSS)

• IA generativa pode resumir grandes volumes de conteúdo e organiza bases de conhecimento;
• ML pode identificar padrões e correlações em dados não estruturados de múltiplas áreas;
• RPA pode sincronizar registros entre sistemas e mantém repositórios atualizados.

7. Segurança e Conformidade (Security and Compliance)

Governance and Implementation (SGI), Secure Solution Design (SSD)

• ML pode detectar padrões de comportamento anômalo em tempo real para prevenção de incidentes.
• RPA pode executar rotinas de backup, validações e testes de contingência.
• IA generativa pode auxiliar na criação de planos de resposta e documentação de políticas de segurança.

8. Trabalho Virtual e Físico (Physical & Virtual Work Environment)

Physical Environment Management (PEM), Virtual Work Environment (VWE)

• RPA pode gerenciar provisionamento e controle de acesso a ambientes remotos.
• ML pode identificar padrões de uso que afetam segurança e desempenho dos ambientes.
• IA generativa pode ajudar a elaborar políticas de home office, BYOD (Bring Your Own Device) e boas práticas.

O que está sendo feito lá fora pode, e deve, inspirar ações aqui… Mas as empresas brasileiras estão preparadas?

A resposta depende do setor. Organizações que já trabalham com CMMI (ou MPS.BR com alinhamento ao CMMI) têm vantagem, uma vez que seus times já compreendem os fundamentos de melhoria contínua, rastreabilidade e governança de processos.

No entanto, poucas empresas brasileiras discutem IA como um componente de melhoria de processos. O desafio está em incluir a IA como parte da estratégia e buscar consultoria especializada para garantir resultados sustentáveis.

Resultados comprovados do CMMI: o que os dados dizem

Estes números dizem respeito ao modelo atual, sem ainda considerar as futuras integrações com IA. O que se espera é que essas melhorias possam ser ainda mais acentuadas à medida que práticas inteligentes forem incorporadas ao ciclo de vida das soluções.

Os próximos passos para a sua empresa

• Buscar orientação técnica qualificada: é necessário garantir que a estrutura organizacional esteja madura, com processos bem definidos, medidos e controlados. Sem essa base, a automação corre o risco de amplificar ineficiências em vez de resolvê-las.
• Mapear onde a IA já está sendo usada (ou poderia ser): atendimento, testes automatizados, análise de dados, entre outros.
• Usar frameworks como CMMI para orientar decisões: é preciso avaliar a maturidade antes de escalar a automação
• Avaliar a maturidade antes de escalar a automação: frameworks como o CMMI ajudam a identificar riscos e orientar decisões.
• Acompanhar as entregas do AI Working Group: serão incorporadas progressivamente, e quem se atualiza primeiro tende a sair na frente.

Não é só sobre IA, o processo é a base de tudo

Como afirmou Simona Rollinson, COO da ISACA: “Melhorias consistentes e mensuráveis são exigência mínima em um ambiente de negócios global acelerado e conectado 24 horas por dia.”

O CMMI nunca foi um modelo para documentar por documentar. Ele existe para melhorar desempenho real, com menos risco, mais qualidade e mais entrega.

A introdução da IA não muda esse princípio, apenas amplia seu alcance. Se sua empresa está em busca de transformação, esse é o momento de garantir que a base esteja pronta. E agora, mais do que nunca, o processo precisa estar pronto para receber inovações.

Fontes:

• IBM Joins CMMI Institute’s AI Content Development Initiative
• CMMI Technical Report: Performance Results

Promove

A Promove é reconhecida por ter consultores de referência no Brasil e no mundo. Oferecemos serviços especializados de consultoria para fábricas de software, com foco na Implementação de Cultura Ágil, conformidade com normas ISO, LGPD, e modelos de qualidade CMMI e MPS.