Durante los últimos 20 años, se han propuesto distintas aplicaciones de IA estrecha para predecir el éxito de los proyectos, principalmente aplicando modelos de regresión para estimar horas de esfuerzo, duraciones y costes. Estas aplicaciones no se han extendido debido a la insuficiente cantidad de datos para entrenar los algoritmos.

Con el cambio de paradigma en la Economía de Proyectos, el éxito de un proyecto ya no se reduce a cumplir los objetivos de alcance, tiempo, coste, calidad, etc., sino que cada día es más importante la entrega de valor. Según el estándar de gestión de proyectos del PMI, en gestión de proyectos, el valor se define como “La importancia o utilidad de un resultado del proyecto. Los interesados perciben el valor de formas distintas. Los clientes pueden definir el valor como la capacidad de usar funcionalidades específicas de un producto. Las organizaciones pueden centrarse en el valor de negocio conforme a indicadores financieros (VAN, TIR, etc.). Desde un punto de vista social, el valor se puede medir en términos de aportaciones a las personas, comunidades o al medio ambiente”.

La orientación al valor no es fácilmente practicable si se mantienen estructuras de gestión de proyectos centralizadas. Para alinearse en torno a la entrega de valor, cada vez más personas interesadas deben compartir grandes cantidades de datos técnicos (contratos, necesidades de recursos, órdenes de trabajo, especificaciones, diseños, pruebas, entregas, defectos, etc.) y datos de gestión (compras, pagos, fechas, asignaciones, dependencias, hitos, entregables, presupuestos, horas trabajadas, gastos, comentarios, solicitudes de cambios, auditorías, retroalimentaciones, encuestas, cuadros de mando, informes de seguimiento, pronósticos, riesgos, incidentes, supuestos, interesados, lecciones aprendidas, etc.).

Al haber cada día más proyectos en los que las decisiones han de tomarse rápidamente, a partir de la involucración descentralizada de un gran número de personas que participan activamente, generando, compartiendo o accediendo a mucha información, desde cualquier dispositivo, en cualquier lugar, en cualquier momento, podemos prever que asistiremos a una especie de “socialización” de la gestión de proyectos, que traerá como consecuencia una proliferación natural de datos relacionados con los proyectos, llegando al nivel requerido por las aplicaciones de IA.

Un claro ejemplo de gestión deficiente que podría haberse evitado con orientación al valor y socialización, es el caso del proyecto del tranvía de Parla. En el año 2004, el Ayuntamiento de Parla, un municipio de la comunidad de Madrid, aprobó el proyecto del tranvía, para entrar en funcionamiento en septiembre de 2006, con un presupuesto inicial de €93,5 millones.

  • Crisis de 2007: Presupuesto adicional de €27,5 millones. El tranvía comienza a funcionar con 9 meses de retraso.
  • Crisis de 2009: Se amplía el proyecto con un sobrecoste de €90 millones.
  • Crisis de 2011: El tranvía suspende el servicio por impago a la empresa de mantenimiento. Finalmente, se negocia un calendario de pagos.
  • Crisis de 2015: Se admite que el proyecto del tranvía de Parla tendrá un sobrecoste de €256 millones.

Imaginemos que los ciudadanos de Parla que lo hubieran solicitado tuviesen acceso en línea a los informes de estado del proyecto desde que se aprobó en 2004, pudieran solicitar cambios, enviar comentarios, etc. ¿Se habrían producido las mismas crisis?

No se espera que las aplicaciones de IA sustituyan al project manager. Es previsible que tomen la forma de funcionalidades específicas dentro de herramientas PPM (Project Portfolio Management). Aunque la tecnología necesaria está disponible hoy día, el caso de negocio para la incorporación de funciones IA en PPM se activará cuando las administraciones públicas exijan la gestión profesional de proyectos de alto impacto, con gran número de usuarios, o en programas con gran número de proyectos de alta criticidad, como es el caso de NextGenerationEU.

Analicemos otro caso. Un proyecto extraordinariamente complejo e innovador, que ha supuesto un gran avance científico, pero a costa de un gran fracaso de gestión. Se trata del telescopio espacial James Webb.

El proyecto para poner en órbita el telescopio espacial James Webb incrementó su presupuesto desde $1.600 millones hasta $10.000 millones, experimentando graves crisis por gestión deficiente que estuvieron a punto de provocar su cancelación. En la siguiente figura pueden observarse las sucesivas fechas de finalización y estimaciones presupuesto a lo largo de los 20 años que ha durado el proyecto:

El sobrecoste final de más de $9.000 millones y el retraso final de más de 12 años no es atribuible exclusivamente a problemas derivados de la gran innovación científica que ha supuesto este proyecto. Aparte de los factores técnicos y factores externos (entre ellos, la pandemia), sin duda han tenido mucho peso los factores de gestión, en un proyecto en que han colaborado 3 agencias (NASA, Agencia Espacial Europea y la Agencia Espacial Canadiense) y ha tenido picos de más de 5000 team members trabajando al mismo tiempo desde 17 países, con gran cantidad de trabajo externalizado en contratistas.

Quizá la única opción para gestionar con éxito un megaproyecto como este deba basarse en descomponer en proyectos orientados al valor, emplear profesionales para dirigirlos, y apoyarse en tecnología de IA.

Gestionar con éxito un megaproyecto: descomponer en proyectos orientados al valor, emplear profesionales para dirigirlos, y no menos importante, apoyarse en tecnología de IA.

Demos un salto en el tiempo. Asumamos que en 2030 ya existen herramientas PPM integrando funcionalidades de IA estrecha. La NASA asume de nuevo el liderazgo de otro proyecto, repitiendo el consorcio anterior, para poner en órbita un nuevo telescopio. Fecha de lanzamiento prevista en 2035, presupuesto estimado $1bn.

Todos los equipos de dirección comparten el mismo sistema de información PPM:

  • Los miles de proyectos se agrupan en 3 business units: NASA, ESA, CSA. La mayoría de los proyectos (predictivos y adaptativos) se agrupan en programas y portafolios compartidos entre las 3 organizaciones.
  • Las organizaciones contratistas también usan el mismo sistema PPM para gestionar sus proyectos, programas y portafolios.
  • Hay un project manager profesional, orientado a la entrega de valor, responsable de cada proyecto, un program manager responsable de cada programa y un portfolio manager responsable de cada portfolio.
  • A lo largo de los 5 años que dura el proyecto, unas 10.000 personas acceden con el rol de project team member, y unas 100.000 usan el rol de interesado (directivos del consorcio y las subcontratas, astrónomos, periodistas, congresistas, ciudadanos, etc.).
  • Los team members imputan horas y gastos, pero también comunican desde su móvil comentarios, posibles riesgos, etc. Usan herramientas colaborativas para gestionar sus tareas y comunicaciones.
  • Los interesados pueden ver información de seguimiento, también pueden comunicar comentarios al project manager, solicitar cambios, dar retroalimentación sobre partes del proyecto o sobre los miembros del equipo, etc.

Imaginemos cómo sería la gestión (apoyada por sistemas de IA) de uno de los miles de proyectos dentro del megaproyecto:

  1. Un bot conversacional permite iniciar nuevos proyectos, aún en fase de aprobación. Hace las preguntas adecuadas para configurar los datos de esta nueva iniciativa, dependencias con otros proyectos, personas con acceso, etc. Una utilidad de IA calcula la prioridad del proyecto dentro de la unidad de negocio, del programa o del portafolio.
  2. Program managers y porftolio managers usan las recomendaciones de la IA para aprobar conjuntos de proyectos optimizando el valor agregado.
  3. Una IA recomienda el project manager más capacitado y disponible para dirigir el proyecto. Su trabajo de planificación es muy efectivo: La IA propone requisitos, paquetes de trabajo, entregables, fechas, team members, recursos materiales, costes, etc. A partir de la información de proyectos similares, la IA inicializa registros de interesados, riesgos, supuestos, etc. La IA también preconfigura las herramientas software para el trabajo del equipo, teniendo en cuenta los niveles de seguridad.
  4. La IA fomenta que el equipo de gestión del proyecto registre los datos de desempeño del trabajo a medida que los eventos van ocurriendo. También va actualizando las lecciones aprendidas y otra información relevante para la gestión del conocimiento.
  5. La evaluación del estado del proyecto es responsabilidad del equipo de gestión del proyecto. La IA optimiza la elaboración de los informes de estado. El project manager dialoga con un bot para evaluar el desempeño y decidir acciones preventivas y correctoras.
  6. Los interesados conocen la situación del proyecto en tiempo real. Pueden aportar comentarios, retroalimentación sobre partes del proyecto y sobre team members, y solicitar cambios fácilmente. La IA optimiza la comunicación con los interesados. Se asegura de que ciertas comunicaciones críticas se reciben en tiempo y forma por las personas adecuadas, ahorrando comunicaciones innecesarias.
  7. La IA mide continuamente la entrega de valor a partir del grado de satisfacción de los interesados con el proyecto, en qué medida el proyecto cumple sus expectativas, etc.
  8. La IA es capaz de evaluar la involucración de los interesados (desconocedor, reticente, neutral, partidario, líder) y propone alternativas al project manager para optimizar la involucración.
  9. También es de gran ayuda para la monitorización y el control de los riesgos, cambios, replanificación de recursos, etc.
  10. La IA también sirve como mentor del project manager. Con el historial de desempeño en otros proyectos, puede evaluar áreas de mejora y dar seguimiento al cumplimiento de objetivos en la carrera profesional.
  11. En las relaciones con los contratistas, la IA vigila que se cumplen las obligaciones contractuales de cada una de las partes.

Si elevamos la perspectiva de gestión al ámbito de programas, portafolios o unidades de negocio, la IA es de gran ayuda para el tratamiento estadístico, generación de informes, conformidad y cumplimiento, etc. Es capaz de responder a preguntas del tipo: ¿Qué probabilidad hay de que un proyecto concreto termine en fecha? ¿Cuál es el valor de este entregable? ¿Qué proyectos deberían replanificarse? ¿Qué equipos deberían reestructurarse? ¿Qué contratos deberían cancelarse?

En resumen, podemos decir que la automatización de la gestión de los proyectos es necesaria para conseguir la orientación al valor, la socialización de muchos interesados y la efectividad de los algoritmos. La tecnología (en forma de herramientas PPM, Inteligencia Artificial estrecha y Blockchain), será una ayuda para los profesionales, pero no les sustituirá.

En el siguiente esquema pueden apreciarse algunas de buenas prácticas aconsejables para aumentar las probabilidades de éxito en la gestión de empresas con muchos proyectos, o bien para gestionar proyectos grandes y complejos:

Leer este artículo en inglés