Aquellas personas que se ocupan de gestionar proyectos y que adoptan de manera temprana («Trailblazers») «IA Generativa», obtienen beneficios cuantificables en productividad, resolución de problemas y efectividad sobre aquellas personas que son más cautelosos («Explorers»).
La aplicación de la IA Generativa a lo largo del ciclo de vida del proyecto y el potencial que ofrece la automatización de tareas, aumenta nuestras capacidades. Sin embargo, además de los beneficios visibles y tangibles que se están produciendo, no hay que dejar de lado los riesgos inherentes (precisión, sesgo, seguridad, privacidad, ética, costos) y la naturaleza de todo este gran paradigma en un campo tecnológico de rápida evolución como es la IA Generativa, donde semanalmente tenemos novedades.
Lograr beneficios en la gestión de los proyectos reside fundamentalmente en pensar, definir, implementar, controlar y actualizar un enfoque estratégico, basado en el valor, respaldado por un fuerte apoyo organizacional (gobernanza, cultura, capacitación) y una gestión adecuada de los riesgos. En este punto me detengo un instante y reflexiono acerca de las prácticas de security testing que debemos pensar en aplicar también, además de otras prácticas recomendadas en lo que refiere al aseguramiento y control de la calidad.
Aplicaciones clave a lo largo del ciclo de vida del proyecto
La IA Generativa permite su aplicación en diversas fases y áreas de conocimiento de la gestión de proyectos :
Planificación e Iniciación:
- Generación de documentación inicial: Redacción de borradores de actas de constitución del proyecto (project charters), estructuras de desglose del trabajo (WBS), planes de gestión de riesgos iniciales y otros documentos de planificación.
- Establecimiento de líneas base: Creación de modelos iniciales basados en datos para la planificación de cronogramas, estimación de costos, evaluación de riesgos y recomendaciones de asignación de recursos.
Ejecución:
- Automatización de tareas rutinarias: Resumen de actas de reunión, generación de informes de estado, redacción de correos electrónicos de seguimiento y otras tareas administrativas.
- Creación de contenido: Generación de materiales de comunicación para stakeholders, documentación técnica, contenido de marketing para el proyecto.
- Asistencia en desarrollo: Para proyectos de software, herramientas como GitHub Copilot pueden ayudar a los desarrolladores a escribir código más rápido y con menos errores, agilizando tareas de codificación, como así también a los testers automatizadores.
- Formación y desarrollo: Creación de materiales de capacitación personalizados o videos explicativos utilizando herramientas para tales efectos, especialmente útil para equipos remotos.
Monitoreo y Control:
- Análisis de datos: Análisis de datos históricos del proyecto para identificar patrones, predecir posibles retrasos o sobrecostos y optimizar cronogramas.
- Gestión de riesgos: Mejora de la identificación, análisis y seguimiento de riesgos, proporcionando insights predictivos.
- Informes y visualización: Generación automatizada de informes de progreso y visualización de datos para facilitar la comprensión del estado del proyecto.
Cierre:
- Generación de informes finales: Ayuda en la creación de informes de cierre del proyecto y resúmenes de lecciones aprendidas.
Aplicaciones transversales:
- Mejora de la Colaboración: Facilitación de la comunicación y coordinación dentro del equipo.
- Fomento de la Creatividad: Generación de ideas para la resolución de problemas complejos y brainstorming.
- Soporte a la Decisión: Proporcionar análisis rápidos y escenarios hipotéticos para ayudar a los gestores de proyectos a tomar decisiones informadas.
- Gestión del Conocimiento: Organización y resumen de grandes volúmenes de información del proyecto, haciéndola más accesible.
Comparación de perfiles de adoptantes de IA Generativa en gestión de proyectos
La siguiente tabla resume las diferencias clave entre los perfiles de adoptantes identificados por el PMI, ilustrando la «ventaja» observada en los adoptantes tempranos y de alto nivel:
Riesgos Clave de la Adopción de IA Generativa en Gestión de Proyectos y Estrategias de Mitigación
Algunos aspectos a destacar
- Validación de la FMA temprana: Los «Trailblazers» (uso de GenAI >51% de proyectos) reportan beneficios significativamente mayores (productividad +35%, resolución problemas +43%, efectividad +42%) que los «Explorers» (uso 1-15%). FMA es el acrónimo de Ventaja del Primer Mover (proveniente del inglés First-Mover Advantage). Se refiere a la ventaja competitiva que una organización o individuo puede obtener al ser uno de los primeros en adoptar una nueva tecnología (como la IA Generativa en este caso), entrar en un nuevo mercado o lanzar un nuevo tipo de producto/servicio.
- Aplicaciones amplias: La IA Generativa puede impactar en todas las fases de la Gestión de Proyectos, desde la generación de documentos iniciales y estimaciones, hasta la automatización de informes, análisis predictivo de riesgos y creación de contenido. Su potencial va más allá de tareas rutinarias, abarcando funciones complejas como planificación estratégica y presupuestación.
- Cierta fragilidad de la FMA en IA Generativa: Dada la rápida evolución tecnológica, cualquier ventaja por ser el primero es probablemente frágil. («free-rider effect», «second-mover advantage»).
- Importancia crítica del apoyo organizacional: El factor diferenciador clave entre «Trailblazers» y «Explorers» no es solo la habilidad individual, sino al conjunto de condiciones, estructuras, procesos y apoyo activo que una organización pone en marcha para facilitar, capacitar y empoderar a quienes se ocupan de gestionar proyectos, para que puedan adoptar y utilizar de manera efectiva y exitosa una nueva tecnología o capacidad, como es la Inteligencia Artificial Generativa (GenAI). Los Trailblazers tienen 10 veces más probabilidades de trabajar en organizaciones con planificación estratégica, gobernanza y métricas claras para IA Generativa.
- Desafío del ROI: Medir el retorno de la inversión de la IA Generativa es complejo. Los beneficios (eficiencia, innovación, calidad) a menudo son intangibles o se materializan a largo plazo, mientras que los costos (tecnología, talento, integración, capacitación) son inmediatos y altos. Existe una gran tensión en todo ésto, por un lado: existe una gran presión e impulso para invertir fuertemente en IA Generativa debido a su potencial percibido, las expectativas del mercado y el miedo a perder competitividad. Por otro lado: Hay una exigencia simultánea y muy fuerte por parte de la misma organización (líderes, finanzas) de demostrar un Retorno de la Inversión (ROI) claro, rápido y cuantificable para justificar dichos gastos, utilizando a menudo métricas financieras tradicionales. Aquí es donde habrá que «reinventarse».
- Riesgos provenientes de diferentes áreas: La adopción de IA Generativa conlleva riesgos técnicos (alucinaciones, sesgos), de seguridad (privacidad, vulnerabilidades, PI), éticos (opacidad, accountability, equidad) y organizacionales (costos, integración, gestión del cambio) que deben gestionarse holísticamente. La complejidad y la amplitud de los problemas potenciales, implica que para gestionar la adopción de IA Generativa no basta con enfocarse en un solo aspecto (como la tecnología), sino que se requiere de este tipo de visión (holística) que abarque todas estas dimensiones diferentes pero interconectadas. Recordemos que la expresión «visión holística» (del griego «holos», que significa «todo» o «entero») se refiere a una manera de ver y comprender una situación, un problema o un sistema considerándolo como un todo integrado, en lugar de simplemente analizar sus componentes de forma separada o aislada. Aquí me detengo por un instante, ya que no puedo dejar de pensar en todo lo referido con el aseguramiento y el control de la calidad, y reflexiono sobre el contenido del libro «Holistic Testing: Weave Quality into your product» de Janet Gregory y Lisa Crispin que estoy leyendo.
- Necesidad de Upskilling y supervisión humana: Se requiere una inversión significativa en capacitar a los PMs en ingeniería de prompts, evaluación crítica de resultados de IA y uso ético. La supervisión humana («human-in-the-loop») es fundamental para validar resultados, aplicar juicio y garantizar la responsabilidad.
- Evolución del rol del PM: La IA Generativa no reemplaza al PM, sino que le ofrece la posibilidad que su rol cobre mayor valor, permitiendo que pueda potenciar su conocimiento técnico, automatizando tareas rutinarias y liberando tiempo para la supervisión estratégica, el pensamiento crítico, la gestión de stakeholders y la colaboración humano-IA.
Recomendaciones para futuras aplicaciones
- Análisis de ROI específicos por Caso de Uso: Investigar y cuantificar el ROI (incluyendo beneficios tangibles e intangibles) para aplicaciones específicas de IA Generativa en la gestión de proyectos para mejorar la toma de decisiones.
- Investigación sobre mitigación efectiva de riesgos: Profundizar en las prácticas de ser más efectivos para lograr implementar estrategias técnicas y de gobernanza dirigidas a mitigar riesgos específicos como las alucinaciones o los sesgos en el contexto de la gestión de proyectos impulsadas con IA Generativa.
- Impacto en la dinámica de equipos: Explorar cómo la integración de herramientas como la IA Generativa afecta la colaboración, la comunicación, la confianza y la dinámica de poder dentro de los equipos de proyecto. ¿Cómo facilitar una colaboración humano-IA efectiva?
- Desarrollo de marcos de gobernanza específicos para IA Generativa en gestión de proyectos: Crear y validar marcos de gobernanza detallados que las organizaciones puedan adaptar para gestionar el uso ético, seguro y eficaz de IA Generativa en sus prácticas de gestión de proyectos.
- Exploración de modelos de adopción alternativos: Investigar la viabilidad y efectividad de estrategias de seguimiento rápido o enfoques híbridos, especialmente para organizaciones con recursos limitados o alta aversión al riesgo, es decir aquellas organizaciones que son muy cautelosas, que evitan las «apuestas» arriesgadas, y que priorizan la estabilidad.
- Desarrollo de métricas de madurez: Crear un modelo de madurez para la adopción de IA Generativa en gestión de proyectos que permita a las organizaciones evaluar su estado actual e identificar pasos para avanzar hacia niveles superiores de integración y valor.
👉🏿Fuente de inspiración: First Movers’ Advantage: The Immediate Benefits of Adopting Generative AI For Project Management Project Management Institute
