Un marco de 4 pasos para Project Manager – AI Partnership

Un marco de cuatro pasos para que los gerentes de proyectos utilicen la IA para mejorar su juicio profesional, no para reemplazarlo.

por David Barry

La gestión de proyectos está experimentando uno de sus cambios más significativos desde la llegada de las herramientas de colaboración digital. La inteligencia artificial (IA) promete cambiar la forma en que analizamos los datos, predecimos riesgos y usamos los recursos de manera más eficiente, pero los primeros en adoptarlos están descubriendo que el valor de la IA en la gestión de proyectos no proviene de la automatización, sino del aumento.

El desafío no es técnico, sino humano. Si bien la IA sobresale en el procesamiento de conjuntos de datos y la identificación de patrones, lucha con el contexto, la cultura y la compleja dinámica de las partes interesadas que determinan el éxito del proyecto. Mientras tanto, el juicio humano: nuestra capacidad para leer entre líneas, navegar por la política organizacional y tomar decisiones con información incompleta sigue siendo importante.

¿Cómo utilizan los gerentes de proyectos el poder analítico de la IA sin perder el juicio matizado que separa los proyectos exitosos de los fallidos? La respuesta está en crear una asociación dinámica basada en cuatro principios. Cada uno de estos principios amplifica las fortalezas del otro al tiempo que compensa sus limitaciones.

1. Gobernanza: la base estratégica

La integración exitosa de la IA comienza con estructuras de supervisión claras, dijo John Samuel, director de operaciones global de CGS, a Reworked. Sin gobernanza, incluso las herramientas de IA más sofisticadas no se alinean con los objetivos comerciales o los estándares éticos.

“Lo que se necesita primero es una política: las barreras que garantizan que los esfuerzos de IA se alineen con los valores y las obligaciones legales de su empresa. Piense en ello como su ‘constitución de IA'”, dijo Samuel. Su enfoque se centra en establecer comités de IA con autoridad a nivel de auditoría, grupos que evalúan iniciativas, cumplen con las regulaciones y se alinean con la estrategia comercial.

El enfoque de gobernanza de IA de Samuel establece la tecnología como un asesor, no como un tomador de decisiones. Considere cómo un GPS proporciona recomendaciones de navegación mientras el conductor mantiene el control del vehículo. Del mismo modo, la IA ofrece información mientras que los gerentes de proyectos mantienen la autoridad sobre las decisiones.

“La IA no es un atajo. Es un multiplicador de fuerza”, dijo Samuel. “El futuro no es que los humanos se adapten a la IA. Es la IA y los humanos evolucionando juntos”.

Si bien la gobernanza establece las barreras estratégicas, estos principios deben aplicarse en el trabajo diario de los proyectos. Aquí es donde entra en juego la ejecución, traduciendo la supervisión en decisiones de proyecto procesables.

2. Ejecución: traducir la estrategia de gobernanza de la IA en prácticas de gestión de proyectos

Traducir los principios de gobernanza en flujos de trabajo diarios de gestión de proyectos requiere capacidades mejoradas y pensamiento crítico, dijo Ethan Miller, vicepresidente de servicios de entrega de Hylaine.

El enfoque de ejecución de Miller cierra la brecha entre la política y la práctica. Cuando la gobernanza establece límites, la ejecución requiere que los gerentes de proyectos se involucren con los resultados de la IA, cuestionen las recomendaciones y se aseguren de que los conocimientos sean realistas.

“El pensamiento crítico y el escepticismo saludable ayudan a los PM a examinar los resultados de la IA y evitar actuar sobre resultados inexactos que podrían descarrilar proyectos”, explicó Miller. No se trata de desconfiar de la tecnología, se trata de aplicar el juicio para validar y refinar las sugerencias algorítmicas.

“Interpretar el significado de los datos empíricos ayuda a los gerentes de proyectos a comprender qué hay detrás de los conocimientos generados por IA y traducirlos en decisiones procesables”, señala Miller. Este enfoque de ejecución requiere tanto conocimientos técnicos como habilidades blandas mejoradas, creando un ciclo de retroalimentación que fortalece tanto la efectividad de la IA como el juicio profesional.

La ejecución aplica los resultados de la IA de manera cuidadosa, pero incluso la aplicación calificada se queda corta sin el contexto organizacional.

3. Cultura: Unir los datos y la realidad del lugar de trabajo

La interpretación cultural se vuelve importante cuando el análisis sofisticado se encuentra con la realidad organizacional desordenada, agregó Sara Gallagher del Grupo Persimmon. Incluso con una gobernanza sólida y una ejecución hábil, la IA falla sin comprender la dinámica organizacional, los flujos de trabajo informales y las realidades políticas.

“Sin un humano en el medio, los ejecutivos sabrán lo suficiente como para ser peligrosos”, advirtió Gallagher. “Recibirán ‘alertas de bandera roja’ automatizadas sin contexto, lo que provocará un simulacro de incendio”.

Las dimensiones culturales hacen que los gerentes de proyectos sean intérpretes confiables que traducen los conocimientos algorítmicos en tareas procesables y culturalmente relevantes. Los gerentes de proyectos efectivos están “apuntalando su reputación como asesores de confianza” mientras “ayudan a los líderes a hacer mejores preguntas antes de que se deslumbren con la próxima demostración de IA”, dijo.

También ayuda a que las recomendaciones de IA resuenen con las personas y el contexto, pero incluso el mejor juicio puede perderse sin procedimientos consistentes. El proceso institucionaliza estas prácticas.

4. Proceso: Institucionalización de la supervisión de la IA

La institucionalización de la supervisión a través de flujos de trabajo estructurados y el desarrollo sistemático de habilidades completa el marco, dijo Jason Abrams, director senior de gestión de programas de Rightpoint. Mientras que los otros pasos en el marco de gestión de proyectos de IA establecen principios y demuestran aplicación, el establecimiento del proceso crea mecanismos sostenibles que aseguran que las organizaciones sigan estas prácticas.

“Un mecanismo de gobernanza clave para garantizar que la IA siga siendo un asesor en lugar de un tomador de decisiones es la inclusión deliberada de una fase que llamamos ‘Sintetizar resultados de IA'”, explicó Abrams. Este no es solo un paso de revisión, sino un requisito para que los gerentes de proyecto interpreten, contextualicen y comuniquen información algorítmica antes de tomar medidas.

Su enfoque de procesos también enfatiza la capacitación sistemática en alfabetización de IA, incluida la ingeniería rápida, el cuestionamiento iterativo y el refinamiento de resultados. “La mejora de las habilidades de los gerentes de proyectos empoderará y permitirá una adopción efectiva”, dijo Abrams. Esto mantiene la tecnología como una herramienta con la que los profesionales se involucran en lugar de una caja negra que emite veredictos incuestionables.

“La capacidad de comunicar y educar claramente los resultados de nuestras herramientas de IA siempre requerirá un fuerte toque humano”, agregó Abrams, destacando cómo el proceso crea un sistema para traducir recomendaciones algorítmicas para diferentes partes interesadas.

Con los cuatro elementos en su lugar (gobernanza, ejecución, cultura y proceso), los gerentes de proyectos tienen un marco integral para el uso de la IA.

Cómo funciona el proceso de decisión

El mecanismo funciona como cuatro filtros:

1. Verificación de validez: ¿Esta recomendación se alinea con las limitaciones del proyecto y las necesidades de las partes interesadas?
2. Relevancia cultural: ¿Cómo aterrizará esto dentro de nuestra dinámica organizacional?
3. Alineación estratégica: ¿Encaja esto con nuestros objetivos más amplios y estándares éticos?
4. Integración sistemática: ¿Qué sucede cuando combinamos los conocimientos de IA con el conocimiento humano?

Al aplicar estos filtros, los gerentes de proyectos ajustan dinámicamente su dependencia de la IA en comparación con el juicio humano. El equilibrio cambia según el contexto, donde las decisiones de alto riesgo se inclinan hacia el juicio humano, mientras que el análisis de rutina se basa más en la IA. Los cuatro expertos coincidieron en que la clave es el compromiso activo: cada sugerencia de IA pasa por estos filtros de juicio humano antes de su implementación.

Problemas de implementación de IA que los gerentes de proyectos deben conocer

Los gerentes de proyectos pueden construir este marco sistemáticamente, dijeron los expertos. Si bien el marco proporciona orientación, la ejecución en el mundo real presenta desafíos. Reconocer los errores comunes ayuda a los gerentes de proyectos a aplicar estos elementos de manera efectiva. Incluyen:

• Dependencia excesiva de los resultados de la IA: Los equipos pueden dejar de cuestionar las recomendaciones algorítmicas, dijo Miller, especialmente cuando parecen precisas. Los gerentes deben exigir a los equipos que expliquen por qué aceptan sugerencias de IA, no solo cuáles son esas sugerencias.
• Teatro de Gobernanza: Los comités de IA pueden parecer impresionantes en el papel, pero carecen de autoridad real, dijo Samuel. Los comités necesitan influencia a nivel de auditoría para evitar la “decoración” en lugar de la protección.
• Ceguera cultural: La validación técnica por sí sola no es suficiente, agregó Gallager. Los conocimientos de IA deben adaptarse a la organización.
• Derivación de procesos: Omitir la fase de “sintetizar resultados de IA” socava la supervisión sistemática.
• Estancamiento del desarrollo de habilidades: El aprendizaje continuo es esencial; La alfabetización en IA es un proceso, no de una sola vez.

Cómo se ve el éxito

El marco de gobernanza de Samuel se centra en la calidad de las decisiones, comparando los resultados informados por la IA con los impulsados por humanos para que la precisión mejore y mantenga contentas a las partes interesadas.

Gallagher enfatizó el éxito cultural, midiendo cuánto confían las partes interesadas en las recomendaciones de IA a través de encuestas que revelan si el consejo se siente genuinamente relevante en lugar de superficialmente impresionante.

Mientras tanto, Miller analiza el estado de la ejecución mediante el seguimiento de la participación activa de los gerentes de proyectos con las herramientas de IA. La integración saludable aparece cuando los gerentes cuestionan, refinan y contextualizan las sugerencias del sistema en lugar de aceptarlas pasivamente.

La evolución de la asociación

Cuando se monitorea y refina, este marco da como resultado que la IA amplifique la experiencia humana en lugar de reemplazarla. Juntos, la gobernanza, la ejecución, la cultura y el proceso crean una asociación sostenible y de alto rendimiento entre la tecnología y el juicio profesional.

“El futuro es que la IA y los humanos evolucionen juntos”, dijo Samuel. Esta evolución requiere gerentes de proyectos que operen en las cuatro dimensiones, sirviendo como asesores estratégicos, profesionales calificados, intérpretes culturales y guardianes de procesos.

El resultado no es solo un mejor uso de las herramientas de IA, sino también asociaciones habilitadas por IA que mejoran tanto la capacidad tecnológica como el juicio profesional, por lo que los proyectos permanecen basados en profesionales humanos experimentados.

Nota del editor: ¿Qué otras consideraciones deben tener en cuenta los gerentes de proyectos al agregar IA a la mezcla?

• La IA puede mejorar la gestión de proyectos o causar caos. La elección es suya: la IA promete eliminar el trabajo pesado de la gestión de proyectos, pero solo con el enfoque correcto. Estrategias para incorporar herramientas de IA de manera efectiva y evitar el caos.
• Clavijas redondas y agujeros cuadrados: por qué la adopción de la IA requiere un enfoque en la cultura — El impacto de la IA no es inherente a la tecnología en sí, sino a cómo se implementa. ¿Será un medio para tomar atajos o un catalizador para el crecimiento y la innovación?
• Política en el lugar de trabajo vs. IA — No importa cuán sofisticadas sean sus herramientas de IA, no pueden superar las luchas de poder tóxicas, el favoritismo y la toma de decisiones sesgadas que impregnan las organizaciones.

Sobre el autor

David es un periodista con sede en Europa de 35 años que ha pasado los últimos 15 siguiendo el desarrollo de las tecnologías en el lugar de trabajo, desde los primeros días de la gestión de documentos, la gestión de contenido empresarial y los servicios de contenido. Ahora, con el desarrollo de nuevos modelos de trabajo remoto e híbrido, cubre la evolución de las tecnologías que permiten la colaboración, las comunicaciones y el trabajo, y recientemente ha dedicado mucho tiempo a explorar los alcances de la IA, la IA generativa y la IA general.

Fuente: https://www.vktr.com/collaboration-productivity/a-4-step-framework-for-project-manager-ai-partnership/