Detalhes do Documento

Requirement collection in enterprise software projects suffers from a persistent sensing gap in which stakeholder needs remain latent or miscommunicated until late project stages, generating rework and cost overruns. Despite generative AI tools capable of producing provisional solution artefacts rapidly, systematic integration into Sprint 0 workflows remains limited. This study investigates how integrating AI-generated proof-of-concepts (PoCs) accelerates enterprise software projects within a single-case design at a specialized custom development department of SAP SE, grounded in Resource-Based Theory and Dynamic Capabilities (DC). An exploratory sequential mixed-methods design combined 23 semi-structured expert interviews with an internal survey of 94 respondents. Qualitative findings identified artefact drafting and tangibility-driven stakeholder elicitation as the primary acceleration mechanisms. Quantitative results supported a partial mediation pattern in which experimental integration predicted adoption intention through Perceived Efficiency Gains. Organizational readiness moderated this pathway, with cultural permission and protected experimentation time as binding structural enablers. Technical proficiency operated as an entry threshold. AI-generated PoCs compress the sensing loop at the artefact level, while the coordination layer remains structurally unchanged. Wide adoption requires transformation routines not yet institutionalized, constituting a seizing-to-transforming gap in DC terms. The thesis grounds Generative Sensing as an empirical DC microfoundation and identifies protected experimentation time, compliance legitimacy, and workflow compatibility as actionable preconditions for scaling.

A coleta de requisitos em projetos de software empresarial é constantemente prejudicada pelo sensing gap, no qual as necessidades das partes interessadas permanecem latentes ou mal comunicadas até fases avançadas, gerando retrabalho e custos excessivos. Ferramentas de IA generativa são capazes de produzir artefatos provisórios com rapidez, mas sua integração sistemática no Sprint 0 permanece limitada. Este estudo investiga como a integração de provas de conceito (PoCs) geradas por IA acelera projetos de software empresarial em um design de caso único em um departamento de desenvolvimento custda SAP, fundamentado na Resource-Based Theory e nas Dynamic Capabilities (DC). Um design de métodos mistos sequencial exploratório combinou 23 entrevistas semiestruturadas com especialistas e uma pesquisa interna com 94 respondentes. Os achados qualitativos identificaram a elaboração de artefatos e a elicitação orientada pela tangibilidade como principais mecanismos de aceleração. Os resultados quantitativos sustentaram uma mediação parcial, na qual a integração experimentada previu a intenção de adoção por meio do ganho percebido de eficiência. A prontidão organizacional moderou essa relação, com a permissão cultural e o tempo reservado para experimentação como habilitadores estruturais determinantes. A proficiência técnica operou como limiar de entrada. As PoCs comprimem o sensing loop no nível do artefato, mas a camada de coordenação permanece inalterada, configurando uma lacuna de captura-para-transformação nas DC. A tese fundamenta a Generative Sensing como microfundamentação empírica das DC e identifica tempo reservado para experimentação, legitimidade de conformidade e compatibilidade com fluxos de trabalho como precondições acionáveis para a escalabilidade.