inteligencia-artificial-gestion-proyectos-2030

por Joyce Wells

inteligencia-artificial-gestion-proyectos-2030

En KMWorld Connect 2020, Art Murray, director ejecutivo de la consultora Applied Knowledge Sciences, Inc., reflexionó sobre la necesidad de combinar la inteligencia humana y de la máquina de manera que resulte en una identificación, prevención y resolución de problemas más eficiente y eficaz.

La presentación de Murray, titulada “¿Cómo lo perdimos? Detectar y responder a señales débiles en el nivel de trabajo”, fue parte de la sesión de IA en acción, en la que Allison Bushell, directora de análisis, y Fang Chen, consultor principal de análisis de Confirmit , también presentado.

Problemas comunes

Los problemas comunes con la gestión de proyectos complejos, dijo Murray, son que son

  • Orientado al espejo retrovisor (no mirando hacia adelante)
  • Las alertas a menudo se generan mucho más abajo de las causas / condiciones raíz
  • Los conocimientos clave sobre el estado del proyecto a nivel de actividad a menudo se pierden en el nivel de toma de decisiones ejecutivas
  • La complejidad de la organización del proyecto, las tareas y el flujo de trabajo contribuye a la confusión, la falta de comunicación y el error.  
  • El sistema tradicional de gestión del valor ganado (EVM) desconectado de la ingeniería de sistemas, lo que da como resultado poca o ninguna información sobre los modos de falla

Como parte de su charla sobre la inteligencia del proyecto, Murray usó las transcripciones que Boeing puso a disposición del público sobre su 737 MAX luego de dos accidentes fatales y la posterior puesta a tierra (desde entonces, la FAA lo aprobó para volar nuevamente).

Utilizando el discurso que rodea a la aeronave para un estudio de análisis de texto y sentimiento, Murray consideró qué software de análisis pudo identificar en las discusiones del proyecto frente a lo que descubrieron tres expertos. El objetivo fue identificar lecciones que puedan ser aplicables a otras situaciones con el fin de generar recomendaciones y soluciones para el uso de la analítica de texto.

Gestión de proyectos tradicional

Según Murray, la gestión de proyectos tradicional tiende a estar orientada al espejo retrovisor. Los grandes volúmenes de datos a menudo se filtran, se resumen y se demoran en el tiempo, con poca información sobre los muchos eventos pequeños a nivel de actividad que impactan colectivamente el rendimiento general.

Murray guió a los asistentes a través de elementos del análisis de texto asistido por máquina, discutiendo dónde estaban las señales de alerta.

La capacidad de marcar el tiempo de los comentarios es importante en el análisis, anotó. Si detecta señales con la suficiente antelación, puede realizar cambios más rápido y ahorrar tiempo y dinero, dijo Murray.

En los proyectos, la corrección de errores y la repetición de trabajos pueden alcanzar hasta el 80% o más del costo total del ciclo de vida de un sistema. Al combinar la inteligencia humana y de la máquina, las organizaciones pueden lograr una identificación, prevención y resolución de problemas más eficiente y eficaz.

Tan importante como ser capaz de captar las claves de las palabras en el texto es poder identificar la falta de palabras específicas que se mencionan, lo que también puede ser en sí mismo una señal de alerta. Si bien las máquinas permiten leer mucho más texto del que los humanos podrían cubrir, las máquinas también pueden perder el sarcasmo y las referencias externas que los humanos entenderían y captarían. Los humanos también son más hábiles para comprender la desalineación de los objetivos del equipo y la falta de acción.

Automatización con personas al corriente

En conclusión, dijo Murray:

La analítica de texto semánticamente rica es difícil de lograr

  • No se pueden poner de 3 a 5 décadas de intuición basada en la experiencia en una ontología de la noche a la mañana, pero
  • Casi siempre puede agregar algo a la base de conocimientos de la máquina cada vez que la usa

Las herramientas actuales aún no se escalan bien computacionalmente para grandes volúmenes de texto no estructurado.

Inteligencia-Artificial

Humanos

  • Poseer intuición, perspicacia y previsión.
  • Comprender los rasgos humanos básicos (prejuicios, emociones, etc.)

Máquinas

  • Puramente computacional
  • No entiendo el significado, propósito, intención, etc.
  • No puedo formular preguntas evocadoras

En última instancia, dijo Murray, lo que se necesita son análisis de texto automatizados y también análisis humanos para la toma de sentido, así como la gobernanza y la supervisión, para administrar los procesos.

Fuente: https://www.kmworld.com/Articles/News/News/Improving-project-management-with-AI-and-analytics-at-KMWorld-Connect-2020-144000.aspx

Deja una respuesta