La Directora de Gestión de Programas Tecnológicos afirma que la IA sin el contexto suficiente puede llevar a decisiones peligrosas
Descubre cómo una líder de programas tecnológicos utiliza la IA para reducir la carga de reportes, identificar riesgos de entrega y ayudar a los equipos a enfocarse en las decisiones en vez de la administración.
Anika Diachuk
Directora de Gestión de Programas Tecnológicos en ACV Auctions
Liderazgo centrado en las personas: Anika enfatiza que la adopción efectiva de la IA comienza empoderando a los equipos, no solo con tecnología.
Ganancias en eficiencia: Las herramientas de IA han simplificado tareas repetitivas, mejorando la eficiencia en los reportes y la visibilidad de la entrega entre equipos.
Prevenir la dependencia excesiva: La intervención humana es esencial para interpretar correctamente los resultados de la IA y asegurar que se mantenga el contexto del negocio.
Simplificar flujos de trabajo: La sobreingeniería puede obstaculizar la claridad; enfocarse en decisiones de alto valor facilita una adopción más rápida de las herramientas de IA.
La responsabilidad es clave: Tener clara la responsabilidad en la toma de decisiones mejora la integración de la IA, ayudando a las organizaciones a evitar confusiones y obtener mejores resultados.
Anika Diachuk es la Directora de Gestión de Programas Tecnológicos en ACV Auctions. Ha liderado múltiples equipos de entrega distribuidos globalmente y multifuncionales. Actualmente, se enfoca en lograr que la adopción de la IA sea no intrusiva, mientras hace que la entrega sea más efectiva.
Conversamos con Anika para descubrir cómo está implementando la IA en sus flujos de trabajo de entrega. Esto fue lo que nos dijo.
Liderazgo de IA centrado en las personas
Soy una canadiense de origen ucraniano que logra que las cosas sucedan. La mayoría de las personas asume que mi camino hacia la transformación impulsada por IA comenzó con la tecnología, pero en realidad empezó con las personas: reclutando talento, construyendo confianza entre equipos globales y aprendiendo cómo se comportan las organizaciones bajo presión.
Unlock for Free
Create a free account to finish this piece and join a community of forward-thinking leaders unlocking tools, playbooks, and insights for thriving in the age of AI.
Have an account? Log In
He liderado ahora múltiples equipos de entrega globales y multifuncionales que apoyan iniciativas de transformación operativa y mercado digital a escala empresarial. Los tamaños variaron desde seis personas hasta unos pocos miles. La mayoría de estas organizaciones avanzaron rápidamente — ejecutando entregas ágiles entre producto, ingeniería, operaciones y partes interesadas del negocio mientras gestionaban integraciones complejas, escalamiento veloz y trabajo de plataforma basado en datos para clientes de concesionarios automotrices, bancos, minoristas, organizaciones sin fines de lucro y empresas globales.
Dirigir la entrega en diferentes organizaciones me enseñó que la mayor barrera para la innovación rara vez es la tecnología en sí; es si las personas se sienten lo suficientemente empoderadas para cambiar la forma en que trabajan. Por eso, mi perspectiva sobre el liderazgo en IA es poco convencional: el futuro de la entrega no corresponderá a los líderes que automaticen más, sino a aquellos que puedan lograr que la IA se sienta profundamente humana, colaborativa y creativamente estimulante para los equipos que la usan cada día.
Cómo las herramientas de IA aumentan la eficiencia en el lugar de trabajo
En el último año, he reemplazado las tareas más repetitivas y predecibles del proceso de entrega, liberando tiempo para el trabajo verdaderamente importante, principalmente integrando resúmenes y priorizaciones impulsados por IA en los informes de estado, el seguimiento de dependencias y los procesos de comunicación con las partes interesadas.
Como resultado de la IA, he observado mejoras en la eficiencia de los informes, la visibilidad de la entrega y la identificación de riesgos entre equipos distribuidos, a la vez que se reduce el esfuerzo de coordinación manual y se incrementa la previsibilidad de la ejecución.
Como resultado de la IA, he observado mejoras en la eficiencia de los informes, la visibilidad de la entrega y la identificación de riesgos entre equipos distribuidos.
Pero aunque puedo confiar en la IA para agilizar actividades de entrega que demandan grandes volúmenes de datos, como la obtención de perspectivas de priorización, resúmenes de estatus, identificación de patrones de riesgo, seguimiento de dependencias e informes operativos, no puedo apoyarme en ella para todo.
Las decisiones que implican alineación con las partes interesadas, dinámica de equipo, cambios organizacionales, resolución de conflictos y compensaciones estratégicas siguen siendo, intencionadamente, lideradas por humanos. Porque el éxito en la entrega aún depende de la confianza, el contexto, la empatía y el juicio, cualidades que la IA no puede replicar completamente.
Por qué las salidas de la IA requieren intervención humana
De hecho, mi mayor reto ha sido evitar que los equipos dependan en exceso de los resultados automatizados sin aplicar el contexto del negocio. Para impedirlo, cuestioné sus entregas y destaqué la importancia de la experiencia práctica con el producto y el contexto comercial. Esa es la diferencia entre hacer un buen trabajo y uno excelente.
La intervención humana es crucial en la elaboración de las solicitudes y la interpretación. Se necesita una petición sólida y estructurada, con una correlación y causalidad correctas, además de un profundo entendimiento de los procesos y factores para interpretar los resultados.
Por ejemplo, una herramienta puede indicar que el entregable está en riesgo, pero la causa puede ser que el ingeniero tiene un hijo enfermo, por lo que hay que indagar más para entender la razón detrás de los datos y la persona detrás de la tarea.
Mi mayor desafío ha sido evitar que los equipos dependan excesivamente de los resultados automatizados sin aplicar el contexto empresarial. La intervención humana es crucial tanto para generar indicaciones como para interpretar.
Cómo el exceso de ingeniería perjudica los flujos de trabajo
En cuanto a herramientas, actualmente usamos Omni para paneles de control, Rovo en Jira para la gestión de ingeniería, y un chat interno con IA para actualizaciones y resúmenes del equipo.
Al principio, podríamos haber evitado sobrediseñar el flujo de trabajo agregando demasiadas señales y tableros. Esto generó más carga de interpretación que claridad. Un caso de uso más simple y enfocado—centrado en una o dos decisiones de alto valor—habría impulsado una adopción más rápida y menos escepticismo por parte de los equipos.
Por qué la IA fracasa al intentar mejorar la velocidad de decisión
La IA no entregó el impacto esperado de mejorar la alineación entre equipos y la velocidad de las decisiones simplemente añadiendo más perspectivas automatizadas y tableros.
Sí, la IA mejoró la visibilidad, pero no redujo la ambigüedad ni resolvió prioridades en conflicto—en algunos casos, incluso amplificó el ruido, con diferentes equipos interpretando los mismos resultados de forma distinta.
La IA mejoró la visibilidad, pero no redujo la ambigüedad ni resolvió prioridades en conflicto—en algunos casos, incluso amplificó el ruido.
Pongamos como ejemplo un panel de control. Cada equipo se centra en sus propios KPIs y necesidades de negocio, así que pueden solicitar a las herramientas que generen resultados alineados con sus objetivos clave. Construir cohesión en este caos es fundamental, dado el impacto en todos los equipos.
Por qué una mejor planificación no necesariamente conduce a mejores resultados
La IA me hizo abandonar la idea de que una mejor planificación automáticamente lleva a mejores resultados. Incluso los planes muy detallados se vuelven menos predictivos cuando la IA muestra el ritmo real del cambio y altera prioridades y volatilidad de dependencias en tiempo real.
Replanificar continuamente en función de señales en vivo, en lugar de buscar mayor certeza desde el inicio, mejoró los resultados. La entrega dejó de ser sobre acertar el plan y se transformó en adaptarlo con rapidez.
Nuestro flujo de trabajo de entrega potenciado por IA incorpora elementos de trabajo y actualizaciones del equipo, donde la IA agrupa temas, señala riesgos y resume el progreso de los equipos. Estos análisis alimentan una sesión de priorización liderada por humanos, donde las decisiones se convierten en planes de sprint. Durante la ejecución, la IA resalta constantemente desviaciones y problemas emergentes.
El efecto neto fue menos tiempo reportando y más tiempo resolviendo problemas de entrega.
Por qué la generación de informes de estado debe rediseñarse con IA
Un área que más líderes de entrega deberían rediseñar activamente es la elaboración de informes de estado y la gobernanza de la entrega—sigue siendo uno de los procesos más manuales, de bajo valor y propensos a distorsión en la mayoría de las organizaciones.
Estoy trabajando en reemplazar los típicos informes de estado y resúmenes manuales con un flujo de trabajo aumentado por IA que sintetiza de manera continua las actualizaciones de herramientas de entrega, detecta riesgos y genera resúmenes concisos “listos para la decisión” para los líderes. El cambio no fue solo en eficiencia—modificó la naturaleza de las conversaciones de gobernanza de “¿cuál es el estado?” a “¿qué decisiones necesitamos tomar ahora?”
El resultado fue menos tiempo dedicado a compilar actualizaciones y más tiempo resolviendo restricciones reales de entrega, con una escalada más rápida de riesgos verdaderos, pero solo después de que reforzamos la titularidad de las decisiones para evitar que los resultados de la IA se convirtieran en otra capa de interpretación.
Por qué la claridad en la asignación de responsabilidades es la verdadera clave con la IA
Aquí va mi consejo:
No confundas mayor producción de la IA con mejores decisiones; solo da a la gente más cosas sobre las que discrepar. La verdadera clave es la asignación clara de responsabilidades. La IA sugiere, los humanos deciden, sin dramas de comité.
Y recuerda esto: si la adopción parece lenta, generalmente no es por el modelo — son los humanos ignorándolo educadamente.
Sigue el tema
Puedes seguir el trabajo de Anika Diachuk en LinkedIn.
Pronto habrá más entrevistas con expertos en The Digital Project Manager.
