Cuando se habla de cómo la inteligencia artificial cambiará la forma de trabajar en disciplinas, ocurre siempre lo mismo. Algunas personas lo anuncian y predican como la panacea futura, mientras que otros son escépticos y temerosos de sus impactos en la sociedad, la cultura y nuestros puestos de trabajo.
Sin embargo, en un futuro cercano, no se debiera temer el impacto de la IA en la gestión de proyectos. Incluso podría llegar a ser el mejor miembro de tu equipo. La gestión de proyectos potenciada por inteligencia artificial será una mezcla de tecnología y metodología, que mejorará la administración de tareas cotidianas en los proyectos sin requerir aportes humanos. No solo automatizará tareas simples, sino que también desarrollará una comprensión del rendimiento del proyecto. La IA en gestión de proyectos puede usar esta comprensión para descubrir puntos de mejora, realizar tareas cada vez más complejas, hacer recomendaciones y tomar decisiones, a veces en formas que los humanos simplemente no podemos. A continuacion discutiremos algunos aspectos en los que la IA impactará en la disciplina de gestión de proyectos.
Pensando en el riesgo
Administrar bien un proyecto requiere más que simplemente hacer un gran plan por adelantado y apegarse a él. Las interdependencias dentro del mismo y los cambios externos hacen que los resultados sean impredecibles. Las estimaciones y muchos pronósticos son, en el mejor de los casos, intuitivos; en el peor de los casos, conjeturas al azar. Las técnicas de gestión modernas tienen como objetivo reducir la incertidumbre trabajando de forma incremental, pero eso aún no garantiza el resultado final. La administración de una cartera de proyectos implica una combinación de proyectos que equilibran el riesgo y la recompensa (ya que es difícil mantenerse competitivo si solo se juega de manera segura), pero eso significa evaluar el riesgo con precisión, lo cual es difícil.
“El riesgo en un proyecto siempre es probabilístico y la mente humana no es buena para hacer una gestión de probabilidad basada en el riesgo, especialmente cuando combinamos muchas probabilidades diferentes”, dice John Heintz – CEO de Aptage. Aptage utiliza el aprendizaje automático para predecir los resultados de los proyectos utilizando datos que ya tiene, como la fecha de inicio y la fecha de fin planificada de varias fases del proyecto, para conocer la tasa de cumplimiento del equipo y predecir la probabilidad de entregar a tiempo. Las estimaciones siempre son inciertas, por lo que se pueden establecer límites superiores e inferiores del tiempo de las tareas. También se debe incluir información sobre la fuente de riesgos: “No culpe a la última persona que tuvo el problema; averigua qué está yendo mal”, dice Heintz.
Los algoritmos y modelos que utiliza Aptage fueron diseñados para proyectos de desarrollo de software, pero también se ajustan a otros proyectos. La primera integración fue con Jira, y con el tiempo, Heintz espera poner las visualizaciones dentro de las herramientas que los equipos de proyecto usan a diario, como Microsoft Project, Trello, o incluso dashboard de KPI en Salesforce o Power BI.
“El objetivo es que al colocar una tarea en Trello pueda preguntar ¿cual seria una estimacion de tiempo con 90% de confiabilidad?”.
John Heintz – CEO de Aptage
En general, el objetivo es evitar llegar al final de un proyecto y sorprenderse. “Si supieras hoy que el proyecto tiene un riesgo del 60% de hacerse bien, ¿qué harías de manera diferente? Hay que señalar la fuente del riesgo y lo que podrías hacer al respecto”, dice Heintz.
Administracion de recursos
La inteligencia artificial ya puede ayudar a rastrear el progreso y el rendimiento, especialmente si tiene una visión amplia de lo que es la gestión de proyectos, sugiere Nadya Duke Boone, directora de gestión de productos en New Relic, que recientemente agregó lo que llama inteligencia aplicada a sus herramientas de monitoreo de rendimiento. “Se está llevando a cabo una gran cantidad de gestión de proyectos donde no hay nadie que tenga oficialmente ese título o función y hay un nuevo conjunto de herramientas de gestión de proyectos que no percibimos conscientemente de esa manera”.
Una de las cosas más comunes que pueden arruinar un proyecto en términos de su cronograma y riesgo es una falla imprevista en los sistemas de los que depende el proyecto.
Lance Olsen – Director del Microsoft Cloud AI Team
Rick McEachern, vicepresidente de desarrollo de negocios de Software AG, considera que la automatización de procesos robóticos (RPA) se hace cargo de muchas de las tareas mundanas, repetitivas y de gran volumen de la gestión de proyectos, como la fusión de datos de diferentes sistemas para coordinar entregas y actualización de sistemas de gestión de casos. “Hay un montón de trabajo que podría hacerse en cuanto a transferir datos, moverlos entre diferentes sistemas, manejar correos electrónicos masivos, hacer informes y procesamiento de archivos y documentos”, dice McEachern. “Los robots son excelentes en ese tipo de actividad”.
“Podrías tener robots mirando diferentes actualizaciones e informes de estado y haciendo alertas si se suponía que un archivo debía estar aquí en una fecha determinada y no llegó”, sugiere McEachern. “Si alguien no ha enviado su última estimación, puedes usar un robot con el sistema de administración de casos para decir: ‘Faltan dos días para la fecha límite y te enviaré un recordatorio por hora’. Y cuando cargan el nuevo cronograma, puedo invocar un robot para extraer los datos que me interesan y ponerlos en el cronograma del proyecto “.
Predecir y experimentar
“Si realmente quiere usar la inteligencia artificial para mejorar los proyectos, debe buscar formas de experimentar y mejorar. Este tipo de prácticas será lo que realmente diferenciará a las organizaciones en los próximos cinco años.” dice Olsen.
Si el mes pasado obtuvimos un 75% de precisión; ¿Qué pasa con el otro 25%? Quizás el clima sea un predictor para nosotros; entonces obtengamos un informe meteorológico y lo agreguemos al modelo y tal vez lleguemos al 80 por ciento. Mide tu tasa de experimentación y tu tasa de aprendizaje como una métrica clave para el éxito en los proyectos. ¿Qué estamos haciendo para ser más sistemático en el aprendizaje e impulsar más experimentos?, dice Olsen.
Es tentador pensar que se podría usar el aprendizaje automático para hacer pronósticos sobre qué proyectos tendrán éxito y cuales no, pero eso podría estar muy lejos.
Lance Olsen – Director del Microsoft Cloud AI Team
“Para obtener predicciones sobre los proyectos, se deben capturar datos sobre el proyecto en sí mismo e introducirlos en un modelo y decir cuáles fueron las anomalías o rasgos comunes en el proyecto que lo hicieron exitoso”, dice Olsen.
Boone también manifiesta su precaución sobre cuán precisas pueden ser las predicciones, señalando que algunas tareas del proyecto son más fáciles de estimar que otras porque son más repetitivas. Cuando trabajaba como gerente de proyectos, descubrió que los estimadores experimentados de ingeniería eléctrica eran muy precisos.
“La diferencia entre el software de ingeniería y construcción es que no conocemos la unidad de trabajo; en ingeniería algo es un metro de cable o un metro cuadrado de concreto, pero simplemente no tenemos eso en software. Colocar asfalto es colocar asfalto sin importar dónde y cuándo lo esté haciendo. Pero incluso agregar una columna a una base de datos puede ser muy diferente dependiendo de dónde se encuentre el proyecto y quién lo esté haciendo”, dice Boone.
Para proyectos grandes y complejos con una gran cantidad de personal donde el objetivo final es algo repetible, como establecer un nuevo centro de datos o mover aplicaciones a una plataforma de contenedores, Boone cree que podría haber suficientes datos para el aprendizaje automático para identificar valores atípicos, anomalías o correlaciones.
Conclusiones
Con nuevos metadatos, mejor idoneidad y calidad de los datos, así como una amplia comprensión de los diversos problemas en los proyectos, la gestión de proyectos potenciada por inteligencia artificial podrá brindar consejos significativos.
Imagine una IA que reasigne automáticamente las tareas en los próximos sprints para que su equipo llegue más rápido en función de su conocimiento de cuán buenas son las personas con diferentes tecnologías y diferentes áreas del sistema. Eso es significativo, poderoso y útil. Y no es tan descabellado en absoluto. Algoritmos de inteligencia artificial de esta capacidad se crearán a través de una combinación de desarrollo de software estándar, conocimiento experto sobre cómo se ejecutan los proyectos, así como una variedad de aprendizaje automático y matemáticas.
Sin embargo, no hay que preocuparse. No estamos hablando de una sustitución total del rol de la gestión de proyectos sino una mejor manera de gestionar proyectos y equipos.
¿Se imaginan recuperar horas en la semana que antes iban a tareas repetitivas? ¿Pasar tiempo siendo más creativo en lugar de administrativo? ¿Qué pasaría si pudieras evitar solo la mitad de esos problemas imprevistos que surgen en un proyecto?
La gestión de proyectos potenciada con IA tendrá un gran impacto en el rendimiento del equipo y el resultado de los proyectos. Los equipos que aprovechen la AI se moverán a la velocidad de la luz en comparación con los que no lo hagan. Y eso es algo por lo que estar emocionado, no asustado.
Fuentes,
How AI could revolutionize project management
3 ways AI will change project management for the better
