Cómo saber si tu equipo está listo para la IA en software de gestión de proyectos

Galen Low: Cuando las organizaciones buscan software de gestión de proyectos con funciones de IA, ¿realmente tienen una idea de lo que quieren obtener de ellas, o la mayoría de estos compradores simplemente siguen el mandato de implementar cosas de IA?

Olivia Montgomery: Definitivamente estamos liderando con un poco más del FOMO competitivo que experimentan los ejecutivos. Hay mucho marketing; los proveedores, sin duda, están corriendo para subirse a la ola de la IA.

Galen Low: ¿Qué debe estar en su lugar antes de que un equipo u organización pueda beneficiarse realmente de las funciones de IA en el software de gestión de proyectos? ¿Cuáles son, en tu opinión, las piezas fundamentales que ayudan a los equipos y organizaciones a acelerar el retorno de inversión de la IA?

Olivia Montgomery: Hay dos consideraciones bastante grandes que creo que las empresas de todo tipo y tamaño, de todas las industrias y niveles de madurez deben tener en cuenta. Su preparación técnica y su preparación cultural.

Galen Low: Bienvenidos al pódcast de The Digital Project Manager, el programa que ayuda a los líderes de entrega a trabajar de forma más inteligente, entregar más rápido y liderar mejor en la era de la IA. Soy Galen, y cada semana profundizamos en estrategias del mundo real, nuevas herramientas, marcos probados y la ocasional historia de guerra desde la primera línea de los proyectos. Ya sea que lideres grandes transformaciones, gestiones flujos de trabajo de IA o simplemente intentes controlar el caos, este es tu lugar. Empecemos.

Hoy hablamos sobre la creciente demanda de funciones potenciadas por IA dentro del software de gestión de proyectos, qué buscan los usuarios en esas funciones y qué necesitan tener en su lugar las empresas y equipos de distintos tamaños para conseguir sus objetivos. Hoy me acompaña nuevamente en el estudio virtual Olivia Montgomery, Analista Principal Asociada de Gestión de Proyectos en Capterra.

Olivia es exlíder de PMO, profesional en gestión de proyectos, una ponente prolífica y la mejor clase de geek cuando se trata de análisis respaldado por investigación en gestión de proyectos, estrategias tecnológicas y el lado humano del liderazgo. Además, acaba de publicar su último informe de investigación, la Encuesta sobre Tendencias en Software de Gestión de Proyectos 2025 de Capterra, que revela un cambio en cómo las empresas seleccionan y usan las herramientas de gestión de proyectos. De eso hablaremos en profundidad hoy.

Olivia, gracias por volver al estudio y acompañarme hoy.

Olivia Montgomery: Gracias por invitarme. Estoy muy emocionada de estar aquí. Tenemos temas candentes que tocar.

Galen Low: Sí, hoy va a estar bueno. Para quienes escuchan el pódcast desde hace tiempo, Olivia es la favorita del público. Estábamos en la sala verde hablando de lingüística y nos dimos cuenta de que, de hecho, lingüística, humanidades, LLMs e IA, todo encaja.

Vamos a recorrer muchos caminos diferentes. Tiendo a irme por la tangente y espero que hoy pase lo mismo, pero por si acaso, aquí está mi hoja de ruta para hoy. Para empezar, quería sacarme de encima una gran pregunta candente. Esa pregunta incómoda y súper relevante que todos quieren que les respondan.

Y luego quiero ampliar el enfoque y hablar de tres cosas. Primero, quiero hablar de lo que se necesita para que las organizaciones realmente puedan aprovechar las funciones de IA en el software de gestión de proyectos. Después, quiero profundizar en cómo se ven esas funciones en la práctica y cómo medir si funcionan realmente o cómo se usan.

Y por último, podemos debatir sobre el impacto —a corto y largo plazo— de algunas funciones de IA en el software de gestión de proyectos y en la forma en que colaboramos, y cómo eso influirá en el trabajo basado en proyectos.

Olivia Montgomery: Estoy lista. ¡Vamos allá!

Galen Low: Comencemos entonces con la gran pregunta.

En tu reciente informe, mencionas que el 55 % de los compradores de software de gestión de proyectos ahora priorizan las funciones de IA. Probablemente eso no sorprenda a la mayoría de quienes nos escuchan, dada la presión empresarial de hacer más usando la IA, pero cuando las organizaciones buscan software de PM con IA...

¿Realmente saben lo que quieren obtener o la mayoría simplemente cumple el mandato de hacer “cosas de IA”?

Olivia Montgomery: Hay de todo. Definitivamente lideramos más por ese FOMO competitivo que experimentan los ejecutivos. Hay mucho marketing y los proveedores están apurados por subir a la ola de IA, porque existe este hype y demanda, pero avanzamos lentamente hacia una intención más estratégica.

Con la IA, el “brillo inicial” ya se está apagando un poco. Ahora empezamos a ver mejor lo que estas herramientas pueden y no pueden hacer, cómo las usan los equipos, cuándo, por qué y dónde, y llegamos a las preguntas más difíciles. Todavía está muy impulsado por ese FOMO competitivo, lo que claramente obedece, no sé si lo habrás escuchado, a que la inversión en infraestructura, hardware, software y centros de datos para IA en EE. UU. superó al gasto de los consumidores.

Por primera vez en la historia, el crecimiento de USD y GBP viene de la inversión en IA. De las empresas, no del consumidor final. Eso ya lo dice todo sobre el rumbo de la conversación. Estas inversiones además tienen campañas de marketing multimillonarias detrás. Y lo que vemos es que esto impulsa el FOMO competitivo, y hay muchos ejecutivos y líderes entusiasmados.

Escuchan sobre tecnología que funciona fantásticamente y la quieren, por supuesto. Ahora que la estamos usando, nos damos cuenta de que el marketing no siempre refleja las capacidades técnicas reales. Y esas capacidades técnicas tampoco siempre coinciden con los conocimientos, formación y disposición de los equipos.

Así es que hay una desconexión en la que todos estamos involucrados, y seguro que quienes nos escuchan también sienten cierta presión al respecto.

Galen Low: Me pareció interesante que mencionaras el aspecto económico. No lo había pensado así. Cuando hablas de ese nivel de inversión, donde incluso supera el gasto de los consumidores en términos de generación de ingresos para las economías, imagina la presión que tienen estas empresas, invierten en infraestructura, gastan... Recuerdo que nos enseñaron que el almacenamiento en la nube es barato.

Sí. Pero no cuando se trata de petabytes de datos. Hay una presión que se transmite y, si eres del área de marketing de software, te saludo en realidad, porque hay mucha presión por vender tantas licencias como sea posible, ya que la inversión es enorme y aún no se recupera.

Ahora mismo no son empresas rentables; están en fase de inversión. Hay presión por salir y hasta buscar casos de uso, porque estamos en ese punto donde no hemos partido del caso de uso. Fue como: “Esto puede revolucionarlo todo. ¡Genial! Salgamos a buscar clavos para el martillo”. Es una visión interesante. No era lo que esperaba que dijeras, pero esa presión de arriba hacia abajo termina en un “yo también debo sentir esa presión competitiva para adquirir software de gestión de proyectos mejorado por IA”.

Es como comprar un teléfono que no tenga fax en 1992. Es obvio: necesito mi dispositivo multifuncional de última generación, aunque no mande faxes, porque todos los demás lo tienen. Pero me gusta que ahora estemos en ese momento donde se trata de descubrir para qué sirve.

No pasa nada si ya compraste algún software con IA, porque eso nos ayudará a descubrir para qué sirve. Pero hace falta mentalidad de experimentación, no de “botón mágico”: instalo y todo listo.

Olivia Montgomery: Exactamente, estamos empezando a ver eso también.

Me sentí muy orgullosa de que, en la encuesta, la seguridad saliera como prioridad número uno para los compradores de software de gestión de proyectos, eso me emociona. Normalmente es la funcionalidad —tiene sentido—, pero ver la seguridad liderando la lista por primera vez es fantástico.

Eso me indica que los equipos toman conciencia de que cualquier tipo de IA que uses aumenta tu superficie de exposición a ataques, sobre todo si usas LLM externos. Hay una gran diferencia entre funciones de IA integradas en tu sistema actual —que aportan sugerencias, autocompletado o ayudan a crear flujos de trabajo— y el hecho de que empleados usen LLM externos para, por ejemplo, sintetizar actas de reuniones. Así que celebro y valoro que nuestra comunidad ponga la seguridad como prioridad.

Galen Low: Eso también habla, creo, del ritmo de maduración, ¿no? Hemos sido lentos en los últimos 20 años para preocuparnos por lo importante, y escuchar eso me da esperanza: privacidad y seguridad de datos, ¡por fin se toman en serio cuando aún es temprano! Es importante, también porque influye en cómo usamos estas herramientas: nunca me preocupaba por la privacidad de mis datos en el autocorrector... es decir, solo revela que no sé escribir en pantalla táctil. Pero cuando pongo datos de proyectos, información de clientes, informes, ahí ya importa mucho. Además, es un “freno” necesario: ahora es el momento, antes de avanzar demasiado rápido, lanzando datos por todos lados y luego lamentándonos. Es clave. Y también hay un componente de competencia: no quiero compartir mi información con todo el mundo. Crear LLM propietarios, etc. Es muy interesante que la privacidad esté tan arriba en la lista de prioridades.

Olivia Montgomery: ¡Qué bueno! Estoy muy orgullosa.

Galen Low: Es un tema fundamental. Y quisiera ampliarlo: no toda organización está lista para simplemente despertarse un día y decir, “vamos a comprar software de gestión de proyectos con todas las funciones de IA que queremos”. A veces primero se necesita algo más. Así que te pregunto, ¿qué hay que tener listo para realmente beneficiarse de funciones de IA en gestión de proyectos? ¿Cuáles son las bases que aceleran el retorno?

Olivia Montgomery: Totalmente. Es importante tomarse un momento para preguntarse: “¿estamos listos?” Sí, estoy lista para comprar, sí, la empresa quiere IA y lograr todos los beneficios posibles, pero ¿cuándo realmente estamos listos? Hay dos consideraciones muy grandes que todas las empresas —de cualquier tipo, tamaño, industria o madurez— deben analizar:

Preparación técnica y preparación cultural.

Primero, la preparación técnica: ¿tienes suficientes datos limpios y estructurados? La IA —ya sea aprendizaje automático para análisis predictivo o LLMs para generar informes, sintetizar datos, etc.— necesita cantidades enormes de datos de alta calidad para darte resultados útiles. Hay que revisar: ¿tenemos los datos? ¿Dónde están? ¿Son de calidad? ¿Listos para compartir? ¿Nos darán buenos insights? Revisar las herramientas existentes antes de instalar una IA, porque podrías duplicar funciones. Una auditoría de herramientas también puede destapar “IT fantasma”: empleados que usan herramientas fuera del control oficial. Hay que hacer una auditoría completa del entorno TI para asegurar claridad sobre qué apps se usan y dónde. Y tener gobernanza lista: antes de darle estas herramientas a la gente, asegúrate de que saben qué reciben, para qué sirve y cómo/no utilizarla. Políticas claras sobre qué información se puede compartir, cómo hacerlo con seguridad. Idealmente, configuras todo desde el backend: la gestión del conocimiento, de documentos y de tareas está segura; pueden usarlo tranquilos. Ese es el caso ideal, pero muchas empresas no están ahí. Al menos hay que empoderar al personal con políticas y directrices claras.

Preparación cultural: el equipo TI puede estar listo, todo seguro y probado, pero... ¿la gente puede realmente usarlo? ¿Saben qué hacer? ¿Se sienten cómodos? ¿Quieren usarlo? La preparación cultural es el otro pilar. Hay que ser claro con los equipos sobre lo que reciben, para qué y cómo deben usarse. Puedes hacer pilotos para probar nuevas herramientas, pero no esperes documentar todo al milímetro; hay mucha ambigüedad y el avance es rápido, así que habrá marchas, contramarchas, ajustes. Aíslalo en proyectos o ambientes de menor riesgo; si lo haces así, tendrás más éxito que lanzando las herramientas sin más. Porque la reacción, de lo contrario, será de sorpresa y frustración, y no tendrás el aumento de productividad esperado.

Evita los mandatos impositivos de “IA o nada”. Todo esto se logra actuando con intención y probando antes en ambientes controlados. Es vital que las empresas consideren tanto la preparación técnica como la cultural.

Galen Low: Me gustó que incluyeras el IT fantasma en la evaluación de software. Cuando preparábamos esto, hablábamos de diferencias entre pymes y empresas grandes: muchas grandes empresas deberían tener buena gobernanza, pero ni ellas saben que gente usa ChatGPT personal o herramientas accesibles en la web sin que TI lo sepa. Me gusta tu enfoque de hacer evaluaciones sin castigar, solo para saber lo que pasa y construir un plan a partir de ahí. Es bueno que la gente experimente, pero hay que poner límites: no para frenar, sino para canalizar y evitar “granitos de arena” que impiden el beneficio a nivel general. Eso va atado a la preparación cultural: crear expectativas en ambos sentidos. Lo que dijiste y que me resonó es: ¿la gente sabe qué hacer al llegar a trabajar? Muchas organizaciones asumen y juzgan a quienes no usan las herramientas, y las tasas de adopción suelen ser planas tras el anuncio. La clave es gestión del cambio, educación y conversación; junto a la preparación técnica, eso determinará si se usará realmente.

Olivia Montgomery: Totalmente. No hay que cohibir al equipo, sino que se sientan empoderados y resolviendo problemas. La cultura de tu empresa debería definir si enciendes nuevas funciones, identificas “power users” dispuestos a experimentar mientras formalizas políticas, y después lo llevas al resto del equipo. Así unes a todo el mundo por la curiosidad e innovación. Sin enfoque punitivo: cualquier indicio de estigma negativo hará que la gente oculte cosas o deje de plantear problemas. Y eso hará que todo se estanque. Nuestra encuesta muestra que la adopción es el principal reto; suele deberse a falta de claridad y conversación bidireccional o multidireccional. Todos deberían compartir ideas y experiencias. Esto es nuevo y cada empresa lo aprovechará de forma diferente. Con IA, impacta a todos los departamentos y a todas las industrias a la vez. No solo, por ejemplo, a asistentes ejecutivos o project managers, sino también a ingenieros. Todos pueden mejorar su trabajo con IA. Eso nunca había pasado, salvo cuando todo se volvió digital. Por eso, cuanta más claridad sobre el uso seguro y eficaz, y menos enfoque sancionador, mejor será la adopción.

Galen Low: Me gusta esa idea: es tan novedoso que debe ser un diálogo, esa es la base de la preparación cultural. Y porque también empecé el pódcast sugiriendo que igual muchos compran software sin saber qué quieren; quizás caen en el hype o sienten que deben decirle a la gente lo que debe hacer con él, cuando quizás el enfoque debería ser: proporciona límites, pero anima a experimentar y compartir. Es un paso a paso. Sería irrealista transformar tu negocio entero de la noche a la mañana, solo por la IA. El diálogo y las expectativas deben ser la base.

Olivia Montgomery: Exactamente. Y cuanto más avanzada tu preparación técnica, mejor relación tendrás con los proveedores y el equipo TI para asegurar la gestión de datos y la seguridad. Así puedes lanzar las funciones por departamento, por project manager o por portafolio, según el tamaño de tu empresa. Puedes activar todo, asegurarlo y luego ayudar a los equipos con la preparación cultural para favorecer la adopción.

Galen Low: Me ha gustado mucho. Quisiera sacar otro punto de lo que dijiste: hemos hablado de seguridad y gobernanza de datos, de los distintos tamaños de empresa... ¿Cómo varían esos requisitos según el tamaño de la organización? ¿Las pequeñas y ágiles tienen ventaja sobre las grandes y cautas?

Olivia Montgomery: Mi respuesta favorita: ¡depende! Hay ventajas y desventajas en ambos extremos. Las empresas grandes suelen tener más datos, históricos y mejor manejo de datos, y suelen tener mejor política de higiene de datos. Por lo general tienen más claro su ecosistema de herramientas y su uso. Ese es el fundamento para una adopción eficaz de la IA. Pero las pymes, aunque tengan menos datos o políticas menos maduras, pueden cambiar de herramienta mucho más rápido que, por ejemplo, un banco. Pueden probar tecnologías nuevas, adoptar rápido y mejorar su preparación técnica y la calidad de sus datos. Por tanto, no solo la IA es para grandes o pequeñas; es útil en todo tipo de empresas, pero los desafíos serán distintos según el tamaño y madurez.

Galen Low: ¿Tienes alguna experiencia o historia de gente con la que hayas hablado para el informe o la industria?

Olivia Montgomery: ¿Quieres mis secretos de la industria?

Galen Low: Anda, cuéntanos.

Olivia Montgomery: Claro que sí. Las empresas que —sea cual sea su tamaño, industria o cultura— se aseguran de estar preparadas y comunican claramente sus expectativas, estableciendo límites claros, son las más exitosas. Las que solo dicen: “haz IA”, revisan a diario si entraste, monitorizan el uso, le exigen a tus managers reportes, eso sucede; tengo amigos y familia que reciben ese tipo de mandatos. Hay líderes que, lamentablemente, usan enfoques punitivos: “acabo de comprar esto y cada día quiero el 95% logueado mínimo 10 minutos”. Cada quien con su métrica. Y así miden el ROI solo a base de uso. Ninguna empresa, que yo sepa, está lista para eso. Estamos en la fase de asegurar la seguridad y ayudar a usarlo eficazmente. Después se puede auditar el uso, pero más como métrica de adopción que de ROI directamente.

Galen Low: Es una distinción clave: usar los datos para guiar y tomar decisiones, no para castigar o vigilar. El ejemplo de registro de horas me viene a la cabeza; pasa mucho en agencias y consultoras. Algunos lo ven como: “¿registraste suficientes horas? ¿Eres valioso?”, en vez de preguntarse cómo usamos el tiempo y si lo gastamos en lo correcto y, si no, qué hacer al respecto. Es curioso: muchas veces terminamos usando métricas rígidas para intentar mejorar, pero a veces resultan contraproducentes; aunque el objetivo sea bueno (explorar y aprender a usar las herramientas), si se convierte en “castigo si no entras”, perdemos la oportunidad.

Olivia Montgomery: Absolutamente.

Galen Low: Se ve la importancia tanto de la preparación cultural como la técnica para avanzar.

Olivia Montgomery: Totalmente. Sobre el seguimiento de horas, podríamos hacer un episodio entero. Como trabajador del conocimiento, ¿cómo registrarlo? No solo es el trabajo delante de la pantalla: muchas ideas surgen paseando, cuando se está procesando información, el momento “eureka”... Y cuando finalmente te sientas, el trabajo es de más calidad y más rápido. Solo tendemos a contabilizar lo que pasa frente al computador. ¿Y cómo medir ese otro tiempo, tan valioso? Las órdenes de volver a la oficina a veces son rígidas y limitan ese valor. Esperemos que la IA ayude a capturar esto en las herramientas de gestión de proyectos. Uno de los usos donde veo más impacto de la IA es la asignación de recursos.

Hay más automatización con IA; muchas funciones en realidad son automatizaciones avanzadas que existen hace tiempo (if-then en CRMs de los 90), pero ahora aceleradas. Es decir, al armar el plan de proyecto, decidir qué recursos asignar: quién tiene vacaciones, qué habilidades tiene cada uno, a quién quieres capacitar incluso si tarda más, quién puede entregar rápido, etc. La IA y el aprendizaje automático han mejorado mucho estas capacidades. Incluso hay herramientas que consideran el “tiempo blando”, es decir, asignar tareas menos cognitivas antes de las vacaciones, y tareas de mayor concentración al regreso, para optimizar el rendimiento humano. Algunas herramientas ya consideran períodos de trabajo profundo e individual y luego tareas más colaborativas, en función de la naturaleza del proyecto. Eso es difícil de coordinar para un project manager, pero la IA está ayudando y es emocionante porque muchas veces los cronogramas fallan por no tomar en cuenta esos factores humanos. No somos máquinas: una máquina puede hacer tareas hasta fallar, pero no queremos eso en personas. Así, el cronograma y el trabajo asignados reflejan mejor la realidad y capacidades. Estoy entusiasmada con estos avances.

Galen Low: Me encanta el ejemplo de la asignación de recursos porque es un aspecto muy humano. Es un claro ejemplo de cómo las máquinas nos ayudan a reconocer nuestra humanidad al trabajar. Durante mucho tiempo intentamos mecanizar a las personas, con uniformidad, horarios y métricas fáciles, porque no dábamos abasto para gestionar estilos de trabajo y “tiempo blando”. Ahora la IA puede cuestionar no solo nuestras suposiciones sobre el trabajo, sino los errores conceptuales que construimos. Es un gran reto, pero a la vez ilusionante. Y conecta los temas: datos, cultura, casos de uso, qué hacer cada día con estas herramientas que van transformando la noción misma del trabajo. Muy buen ejemplo.

Y esto nos lleva a hablar del futuro. Al preparar este episodio, hablamos sobre cómo la IA nivela el terreno de juego: hace que la tecnología y los negocios sean más inclusivos y accesibles. ¿Cuáles serán los impactos a corto y largo plazo de funciones como “vibe coding” o flujos automatizados en la forma de trabajar?

Olivia Montgomery: Súper emocionante. A corto plazo, lo que ya vemos con ChatGPT y los LLMs: ahora los project managers y quienes no son técnicos pueden hablar con las computadoras de forma que éstas entiendan, y con menos fricción. Es impresionante: mis padres pueden interactuar con un LLM y lograr cosas que antes no podían, porque antes había que ser muy preciso y escribir código exacto, y ahora toleran frases incompletas y errores ortográficos. La combinación de NLP y los LLM entrenados en lenguaje natural humano permiten esto. Un PM sin conocimientos técnicos puede pedirle a la herramienta: “toma el Proyecto A y haz una EDT hasta fin de año, gracias” y la IA responde “aquí tienes”. Obviamente hay que revisar el resultado, sabemos que los LLMs cometen errores y hay que corregirlos, pero el simple hecho de poder dialogar con una máquina y obtener resultados útiles es fascinante. También facilita ampliar la tendencia no-code o low-code, nunca había sido tan fácil y por tanto es muy útil.

Pero esto trae advertencias: al hablarle a la IA como a un compañero, vemos que se confía mucho en capacidades emergentes y no está claro que lo sean. Las LLMs están diseñadas para generar texto (o imágenes) imitando a humanos y predicen la siguiente palabra, pero no entienden realmente qué significa “resumir”. El significado de palabras como “desconectar” puede fragmentarse en tokens (des, con, ecar) y usarse fuera de contexto. Por ejemplo, un PM recopila estados de situación por voz, email y la herramienta, las sube a un LLM y espera que le ayude con el informe para el cliente. Suena genial, pero la IA puede transformar la información y eliminar matices emocionales, urgencia o incluso secciones enteras. Un audio de tu jefe diciendo que el contrato de proveedor está atascado en legal y hay frustración, puede resumirse por la IA en “el contrato está en fases finales”, sin transmitir la tensión. Tú puedes no escuchar el audio, confiar en el resumen y perder toda la urgencia del asunto, no compartirlo ni dar seguimiento. Sucede mucho. Los LLM suavizan el lenguaje, omiten emociones, pueden alucinar (inventar) datos. Incluso en sistemas propietarios y bien gestionados, estas alucinaciones siguen ocurriendo. Así que como PM hay que saber que esos riesgos están ahí. Los LLMs no saben siquiera qué significa “resumir”, solo intentan agradar.

Galen Low: No había pensado en cómo el resumen borra la carga emocional, y eso es fundamental. Las LLMs describen el lenguaje sin comprender, y son tan convincentes que parece que fueran humanas. Pero toman decisiones palabra a palabra, así que pueden perder contexto y emoción fácilmente. El rol del PM requiere detectar esos matices, canalizar emociones. Resumimos, sí, pero también transmitimos parte de esa emoción para ayudar al equipo o al cliente. Confiar en que el software nos resuma todo puede ser peligroso: la parte emocional puede desaparecer sin darnos cuenta. Es un gran desafío. Como bien dijiste, la IA generativa está en sus inicios y eso debe considerarse.

Olivia Montgomery: Justo. Una forma de compensarlo es, por ejemplo, usar la IA para primeras versiones, nunca para entregas finales. Si cuentas con software muy bien entrenado y reglas adicionales, puedes reducir el riesgo, pero siguen siendo un “black box” y ni sus propios creadores saben por qué logran ciertas cosas. Así pues, confía más en las sugerencias inteligentes o para reducir el miedo a la “página en blanco”. Son geniales para borradores. Recuerda: que sea IA generativa, para generar primeros textos. Para lo demás, cuidado, porque son capacidades emergentes no comprobadas ni comprendidas. Pero tampoco tengas miedo: la ansiedad ante la página en blanco es peor que una alucinación de IA. Te permite avanzar. Solo hay que estar advertido (especialmente si tienes formación en lenguaje y lingüística), porque, aunque las uses todo el día y conozcas el lado técnico y humano, hay que asumir que no entendemos plenamente su funcionamiento. No confíes en ella para informes críticos. Mejor úsala como ayuda y prepárate para revisar y trabajar sobre los borradores que te dé. Recuerda que la IA suena convincente porque fue diseñada para eso, no porque realmente entienda o resuelva lo que pides.

Galen Low: Todo esto deja claro por qué la adopción es el mayor reto en tu informe: hay mandatos de “haz IA”, presión por todas partes, la gente no sabe qué se espera de ellos y su vocecilla interior les dice “delega todo a la IA, probablemente eso es lo que quieren de ti”. No siempre hay diálogo ni formación sobre en qué confiar y cómo usar la tecnología, qué sabemos o no de ella. Si miramos al futuro, más allá de la IA generativa, asoma la IA agentica, que empieza a llegar al software de gestión de proyectos. ¿Hacia dónde vamos y qué significa para el futuro?

Olivia Montgomery: Estoy muy entusiasmada con el futuro. El presente es algo caótico, el futuro promete más. IA agentica significa muchas cosas, depende de la empresa y del proveedor. Estamos lejos todavía: si te venden que ya tienen IA agentica completa, ten mucho ojo. El agente ideal podrá tomar decisiones y ejecutar tareas complejas, por ejemplo: “reserva mis vacaciones familiares a Grecia en octubre”, revisar calendarios, negociar alquiler de coche, buscar vuelos, organizar todo como un agente personal y luego entregar el paquete hecho. Es apasionante y ojalá lleguemos. Las tendencias de NLP y no-code permitirán construir flujos de trabajo automáticos, cada vez entre más sistemas (no solo el software de PM, sino también CRM, el email, el calendario, etc.).

El “vibe coding” es una novedad: usas lenguaje natural como prompt, y la máquina resuelve la lógica compleja necesaria. No es “vibe” de ambiente o de ánimo: es dar instrucciones informales, pero tras bastidores hay gran complejidad. Si alguna vez has reservado vacaciones familiares sabes lo difícil que puede ser. Aun siendo precisos sobre quiénes deben ir, la IA no puede confirmar si esos cuatro quieren realmente ir. Hay mucha cuerda aquí. Habrá facilidad al recibir el resultado rápido, pero cuando vivas el viaje… te puedes llevar sorpresas. Es como subirse a un taxi sin conductor: algo incierto.

El sesgo también será un problema: quizá la IA sabe que soy quien reserva los viajes y le da peso a mis preferencias (historia, arte, ferrocarriles), aunque el resto de la familia no quiera. Así pues, la clave será mantener la comunicación, desafiar los resultados, ser conscientes de los límites reales y mirar siempre con escepticismo los mensajes de marketing. El fulgor de la novedad está cediendo: sí, la IA cuenta buenas historias para mis hijos, pero el informe de estado del proyecto salió mal y quedé como si no conociera el proyecto por delegar demasiado. Hay que mantener el diálogo crítico permanentemente.

Galen Low: La IA agentica aún está lejos, aunque algunos digan que ya llegó, pero todos coinciden en que es temprano aún. Y más allá del avance de la tecnología, la clave está en cómo la entrenamos, le damos contexto y refinamos el arte de interactuar. Ahora cuesta confiarle decisiones sobre el significado de palabras, porque no entiende el matiz humano. Y pasar de eso a negociar precios en un sitio web es un gran salto; pero el potencial está allí. Así, el trabajo de aquí a 5 o 10 años será diferente: ahora es todo desorden, pero la IA va haciendo espacio para los matices humanos. Y, al final, la clave sigue siendo establecer límites claros, seguridad de datos, privacidad y también expectativas humanas: qué hacer y cómo apoyarnos mutuamente en este proceso. Es algo mayor que el propio software de gestión de proyectos. Empezamos hablando de software, pero el tema es reflejo del trabajo mismo y me ha encantado.

Olivia Montgomery: Creo que ser project manager requiere pensar de forma dinámica, tanto en lo general como en lo particular, y ser buenos conectando ideas: te enfrentas a un problema personal y lo aplicas al trabajo. No hay muchas profesiones así. Por eso espero que las PMs sepan apreciar que todo, desde la lingüística hasta la macroeconomía, se relaciona en el uso de estas herramientas. Al final, la idea es profundizar el entendimiento sobre por qué las herramientas actúan de tal manera, por qué a veces nos fallan y cómo podemos cuestionarlas para encontrar soluciones.

Galen Low: Las PMs destacan en eso. Increíble.

Olivia, gracias por compartir tu tiempo conmigo hoy. Disfruté mucho la charla. Siempre es un placer. Mencionaste al principio tu informe: la Encuesta sobre Tendencias en Software de Gestión de Proyectos 2025 de Capterra. ¿Dónde pueden consultarlo?

Olivia Montgomery: Por supuesto. Está publicado en capterra.com. También pueden seguirme en LinkedIn, Olivia Montgomery. Suelo publicar mis investigaciones y reflexiones regularmente allí. Así que pueden consultarlo.

Galen Low: Genial. Pondré los enlaces en las notas del episodio.

Y, de nuevo, Olivia, gracias, siempre es un placer.

Olivia Montgomery: Muchas gracias.

Galen Low: Eso es todo por el episodio de hoy de The Digital Project Manager podcast. Si te gustó esta conversación, suscríbete donde sea que nos escuches. Y si quieres más ideas prácticas, casos y manuales, entra en thedigitalprojectmanager.com.

Hasta la próxima, ¡gracias por escuchar!