Application of Artificial Intelligence in the personalization of requests to companies in Application Maintenance Services (AMS) projects: A decision support tool for IT project management

Abstract

Requirements elicitation during the onboarding phase of Application Maintenance Services projects is frequently challenged by ambiguity, incomplete information, and heterogeneous stakeholder perspectives. Current practices often rely on static questionnaires or informal discussions, which provide limited support for structured, transparent, and defensible decision making. In this context, there is a need for interaction models that can adapt to evolving understanding while supporting professional judgement. This research investigates how adaptive and explainable UX and UI techniques, leveraging AI, can be designed to improve requirements elicitation in AMS projects. Adopting a Design Science Research approach, the research resulted in the design and instantiation of an adaptive assessment artefact, the AMS Assessment Tool. The artefact structures elicitation as a diagnostic interaction across multiple assessment contexts and employs adaptive elicitation to prioritise follow up questions based on unresolved or decision critical information. Explainability is embedded at the interaction level through question and option level explanatory cues, enhancing transparency and interpretability without exposing underlying algorithmic complexity. The artefact was evaluated through a mixed approach combining a survey of AMS professionals and two iterations of expert interviews. The evaluation focused on interaction logic, usability, and perceived professional relevance. Findings indicate that the proposed approach aligns with current consulting practices and addresses key limitations of staticelicitation methods by supporting focused, transparent, and decision-oriented interactions. The research demonstrates that adaptive and explainable interaction design can enhance requirements elicitation in AMS onboarding by supporting structured sense making under uncertainty. The design knowledge contributed by this work is transferable to other consulting and project-based environments characterised by ambiguous and decision critical requirements.

A elicitação de requisitos durante a fase de integração de projetos de Application Maintenance Services é frequentemente dificultada por ambiguidade, informação incompleta e perspetivas heterogéneas dos stakeholders. As práticas atuais baseiam se muitas vezes em questionários estáticos ou em discussões informais, que oferecem suporte limitado a uma tomada de decisão estruturada, transparente e defensável. Neste contexto, existe a necessidade de modelos de interação que consigam adaptar se a uma compreensão progressiva de forma a apoiar a tomada de decisão. Esta investigação analisa de que forma técnicas adaptativas e explicáveis de UX e UI, recorrendo a Inteligência Artificial, podem ser concebidas para melhorar a elicitação de requisitos em projetos AMS. Adotando uma abordagem de Design Science Research, o estudo resultou no desenho e instância de um artefacto de avaliação adaptativo, a AMS Assessment Tool. O artefacto estrutura a elicitação como uma interação de diagnóstico através de múltiplos contextos de avaliação e utiliza elicitação adaptativa para priorizar questões de seguimento com base em informação não resolvida ou crítica para a decisão. A explicabilidade é incorporada ao nível da interação através de pistas explicativas ao nível das perguntas e das opções, reforçando a transparência e a interpretabilidade sem expor a complexidade algorítmica subjacente. O artefacto foi avaliado através de uma abordagem mista que combinou um inquérito a profissionais de AMS e duas iterações de entrevistas com especialistas. A avaliação centrou se na lógica de interação, na usabilidade e na relevância profissional percecionada. Os resultados indicam que a abordagem proposta está alinhada com as práticas atuais de consultoria e responde a limitações fundamentais dos métodos de elicitação estáticos, ao apoiar interações focadas, transparentes e orientadas para a decisão. A investigação demonstra que o design de interações adaptativas e explicáveis pode melhorar a elicitação de requisitos na integração de AMS, ao apoiar a construção estruturada de sentido em contextos de incerteza. O conhecimento de design gerado por este trabalho é transferível para outros ambientes de consultoria e projetos, caracterizados por requisitos ambíguos e críticos para a tomada de decisão.