¿Estás Rastreadando los Métricas Equivocadas? Cómo la IA Puede Reducir el Riesgo en la Entrega

Lee la transcripción:

Estamos probando la transcripción automatizada de nuestros pódcast mediante un programa de software. Por favor, disculpa las posibles erratas, ya que el bot no es 100% preciso.

Galen Low: ¿Cómo puede una organización o un equipo saber si están midiendo las métricas correctas y qué pueden hacer si descubren que han estado midiendo lo incorrecto todo el tiempo?

Lior Gerson: Necesitas medir aquello que te ayude a llegar a donde quieres ir. Todo lo demás es ruido.

Galen Low: Guíanos a través de un ejemplo, ya sea de una métrica equivocada y del proceso de cambio hacia la métrica correcta.

Lior Gerson: Uno de nuestros clientes quería mejorar la previsión de lo que iban a entregar cada trimestre. Tomó nuestra plataforma y la automatizó; le llevó un día. Ahora, cuando quiere, tiene eso delante: ¿qué voy a entregar este mes?

¿Crees que llegará un momento en que un agente de IA se convierta en director de proyectos o reemplace totalmente al director de proyectos?

Galen Low: Creo que, según la definición que algunos tienen de lo que hace un director de proyectos, sí.

Bienvenido al pódcast de The Digital Project Manager: el programa que ayuda a 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 reales, nuevas herramientas, marcos probados y alguna que otra anécdota de las líneas del frente de los proyectos.

Ya sea que estés al mando de grandes transformaciones, gestionando flujos de trabajo de IA o simplemente intentando mantener el caos bajo control, este es tu sitio. Vamos allá.

Hoy hablaremos de cómo las formas tradicionales de medir el éxito de proyectos están siendo cuestionadas, y por qué las herramientas para la gestión de KPIs potenciadas por IA podrían ser tu única oportunidad de mantenerte al día con la creciente lista de variables que pueden definir el éxito o fracaso de tus proyectos.

Me acompaña Lior Gerson, cofundador y CEO de TargetBoard.ai. Lior comenzó su carrera en mySupermarket, el mayor sitio de comparación de precios del Reino Unido, que atendía a decenas de millones de usuarios al mes. Allí fue responsable de proyectos multimillonarios, colaborando con gigantes como Walmart, WPP y Dentzu.

Después fundó Vroom.com como CTO, un concesionario de coches online que salió a bolsa por 2.500 millones de dólares. Luego, lideró producto en Placer.ai, unicornio de analítica de ubicaciones que procesa petabytes de datos. Y por supuesto, ahora dirige TargetBoard, una herramienta de gestión de KPIs basada en IA.

Lior, muchas gracias por acompañarnos hoy.

Lior Gerson: Gracias, Galen, un placer estar aquí.

Galen Low: Me entusiasma hablar contigo, porque eres alguien muy sumergido en el mundo de los KPIs y la toma de decisiones basadas en datos hacia el éxito. Sinceramente, espero que esta conversación nos lleve a lugares que ni había planeado, pero aquí tienes el plan que dibujé para hoy. Para empezar, quería abordar una gran pregunta candente, la pregunta que todos quieren saber.

Pero después, me gustaría alejarnos un poco y hablar de tres cosas. Primero, de los desajustes culturales en torno a los KPIs y cómo trasladar las métricas entre distintos niveles de una organización. Luego me gustaría hablar de cómo están cambiando los KPIs de proyectos y hacia dónde crees que van. Por último, quizá podamos centrarnos en formas prácticas para que empresas y equipos de proyecto empiecen a aprovechar el seguimiento de KPIs mejorado con IA y cómo esto podría afectar a sus flujos de trabajo para bien o para mal.

¿Qué te parece?

Lior Gerson: Me parece bien. Va a ser una conversación fascinante.

Galen Low: Genial, a mí también. Bien. Aquí va la pregunta candente. Últimamente se habla mucho de que muchos proyectos, incluso empresas enteras, podrían estar midiendo y rastreando lo incorrecto.

En proyectos, he visto muchos debates que cuestionan desde el antiguo Triángulo de Hierro (alcance, cronograma y presupuesto), hasta métricas ágiles como la velocidad. Y a nivel organizacional, he visto que se critica lo de siempre: ingresos por FTE, margen bruto, utilización. Lo que se habla en el mundo de gestión de proyectos es que los líderes de proyectos no solo deberían medir la salud del proyecto, sino también el impacto del proyecto.

Entonces, mi pregunta es: ¿cómo una organización o un equipo puede saber si está siguiendo las métricas correctas? ¿Y qué pueden hacer si se dan cuenta de que han estado midiendo lo equivocado?

Lior Gerson: Buena pregunta. La iniciativa de proyecto debe estar alineada con la estrategia del negocio, con la estrategia de producto.

Dondequiera que la empresa quiera ir. Pero cuando lo pones en la caja de la gestión de proyectos, realmente lo que quieres lograr es llegar a los hitos a tiempo, dentro de presupuesto, con la menor fricción y con la mayor precisión y previsibilidad posible. Así que la magia está en medir las métricas que te lleven a ese estado.

Puede ser cualquier cosa: qué tan rápido se mueven las tareas, dónde están los bloqueos, días de vacaciones, cómo usa la gente la IA ... Puedes medir lo que quieras, mientras te acerque a tu objetivo. Si no mides eso, estás midiendo lo incorrecto.

Galen Low: Me gusta ese enfoque porque solemos gravitar hacia lo que "hay que" medir. Incluso lo dije: ¿cuál es la métrica correcta? Y tú dices: Lo que te ayude a avanzar es lo correcto, aunque sea distinto a lo de otro equipo o empresa. Debe estar alineado con la misión.

Lior Gerson: Tienes que medir lo que te ayude a llegar a donde quieres. Todo lo demás es ruido.

Galen Low: Justo. Para quienes piensan, "No estamos midiendo bien, tenemos que empezar". ¿Cómo se define lo que hay que medir? ¿Hay alguna buena práctica o proceso?

Lior Gerson: Hay que entender el negocio, entender el proyecto. ¿Qué mueve la aguja? ¿Quiénes son los influenciadores? ¿Qué tendrá impacto?

¿Son las personas? ¿Recursos? ¿Complejidad? Analiza todo, identifica los componentes y cómo medir que realmente están ocurriendo y no se pierden entre las grietas. Hay muchas herramientas, los datos están por todos lados, no siempre actualizados. Dirás: la gente no actualiza el sistema, entonces, basura entra, basura sale. Y puede que pases tiempo sin resultados. Hay mil razones para que no funcione, pero debe funcionar, te corresponde hacerlo funcionar.

Galen Low: Tiene sentido. ¿Podrías poner un ejemplo de métrica incorrecta y cómo cambiaron a medir lo correcto? ¿O una métrica poco convencional de tus clientes, que empujó a los objetivos aunque fuera no tradicional medirla?

Lior Gerson: Hablo de un cliente nuestro, Versa. P. Son PTF de operaciones de producto, se llaman bu. Muy buen tipo, nos encanta trabajar con él. Quería mejorar cómo predecían sus entregas cada trimestre, plan frente a real, mejorar precisión y forecast.

Corrían muy rápido, las cosas cambiaban: prioridades, capacidades, movimientos de personas entre equipos... Se volvía muy complicado. Él desarrolló una fórmula que toma el desempeño previo de cada colaborador y equipo, y lo suma a la capacidad actual del equipo o grupo.

En vez de hacer todo eso en Excel, que lleva mucho tiempo, cruzando datos de vacaciones, tareas, prioridades ... estaba dispuesto a usar nuestra plataforma y lo automatizó.

Le llevó un día. Ahora lo tiene siempre frente a él. Si el CEO o CPO pide un cambio de prioridad, puede ver al instante qué cambia y cómo impacta iniciativas.

Me pareció brillante: usar datos, ponerlos en contexto y contar la historia necesaria.

Galen Low: Acabo de estar en una conferencia Agile. Hablando de velocidad, todos dicen que es un mal indicador de impacto. En equipos ágiles, debería haber equipo dedicado.

En la práctica, nunca sucede: la gente se va de vacaciones, los asignan a otros proyectos. Miras la velocidad y sube y baja, te vuelves loco tratando de planificar.

No es una buena métrica. Y muchos ni pensarían en una métrica agregada dinámica, ni sabrían cómo construirla. Pero tiene sentido, es casi como una dotación de recursos en tiempo real: este mes alguien estará fuera, prevemos bajón en algún indicador, el cálculo debe adaptarse, no centrarse solo en una métrica. De hecho, funciona como métrica global pero es agregada. Muy interesante.

Lior Gerson: Es interesante, pero piensa cómo los datos se transmiten en la empresa. Si alguien se va, tarda tiempo hasta que todos lo saben. El jefe se entera, pero para que la noticia llegue a quien debe replanificar, pueden pasar días o semanas que no recuperas.

Si pones más gente, puede que solo extiendas los plazos por la curva de aprendizaje. Mientras más rápido fluya la información, mayor impacto y efecto compuesto.

Galen Low: Es real. En nuestra comunidad, siempre se comenta: ojalá alguien me hubiera dicho que mi dev principal se va tres semanas. Y ese desfase, lo veo yo también: recibes la solicitud de vacaciones, entras al flujo, hay cuellos de botella, pasan días antes que todos sepan la fecha aprobada.

La información debería fluir.

Lior Gerson: Las vacaciones son fáciles. Piensa que trabajas remoto, en Zoom, y alguien se fue. ¿Quién falta? ¿Ha sido despedido? Nadie te avisa.

Galen Low: Sí, lo veo.

Lior Gerson: Dos semanas sin responder llamadas. Me pregunto: ¿qué pasa? "Ah, ya no está aquí".

Galen Low: Eso ocurre mucho en nuestra comunidad. Mucha producción, poca comunicación oficial. ¿Podrías a alto nivel contar cómo es esa integración?

Imagino abrir Excel, usar Zapier o Make, transformar datos, pegarlos, escribir fórmulas... ¿Eso hay que hacerlo en TargetBoard o la integración es más automática?

Automática quizá no sea la palabra, pero ¿requiere menos trabajo manual?

Lior Gerson: TargetBoard.ai funciona de forma muy diferente a otros sistemas. Nos conectamos a tu fuente de datos y construimos automáticamente todas las métricas y KPIs relevantes.

Luego usamos IA para generarlas. Da igual si analizas capacidad, velocidad, calidad, un proyecto o muchos, cómo trabajes. No necesitas cambiar tu forma de trabajar.

Automáticamente aprendemos tus sistemas, no importa si usas Monday, Jira, lo que sea. Tus métricas, reportes e insights se generan solos y luego los personalizas o con tu equipo.

Obtienes exactamente lo que quieres rastrear. Es sin esfuerzo: primer día funcionando y seguro de que los datos son correctos, sin preocuparte más de Excel. Y si sigues usando Excel como fuente, también nos conectamos y lo importamos. Pero ya no necesitas actualizar a mano, ni explicar cómo lo calculaste, qué representa. Todo se explica automáticamente en la plataforma. Cuando lo compartes con los directivos, tendrán las respuestas sobre el cómo, el origen, hacia dónde va y qué mueve la aguja. Así no estarás en la reunión y, ante la pregunta difícil, no tendrás que decir: "Déjame volver con la respuesta". Eso es lo peor. Ahora, todo está a un clic y ya la respuesta está disponible.

Galen Low: Me gusta también el componente de error humano. Yo hago seguimiento con hojas de cálculo. Una vez registré vistas de página y Google Analytics reportaba usuarios, así que teníamos un desfase creyendo medir lo mismo, pero diferentes fuentes. Yo la estaba liando. Pero me gusta que el sistema toma los datos directamente de la fuente de la verdad.

Y además, genera algunas métricas usando IA según los requisitos, así que recomienda qué deberías medir e integra todo, porque muchas veces no acordamos qué métrica de éxito elegir, en parte por no saber lo que es posible medir.

Jugamos con una baraja de cuatro cartas y elegimos entre las que hay, pero puede haber muchas más. Como decías antes.

Lior Gerson: Pasa mucho. Yo llegué a una empresa donde se reportaban cien mil visitas mensuales. Dije: ¿de dónde sale esto? Era producto y veía raro el dato. Resulta que el sitio solo recibía diez mil visitas reales; el 90% eran bots de automatización. Y el negocio ni sabía. Al saberlo, hay que explicarlo. El CMO debe aclarar que su CAC y reportes del año estaban inflados un 90%.

Galen Low: No es fácil comunicarlo. Me gustaría ampliar la pregunta, porque las métricas requieren traducción entre niveles y departamentos. Por ejemplo, un equipo Scrum mide CSAT, mientras la dirección mira recurrencia, retención, churn. ¿Puede TargetBoard ayudar a traducir KPIs a distintos niveles o esto no lo soluciona una herramienta sola?

Lior Gerson: Me gustaría retroceder en tu pregunta. Si piensas en métricas, tradicionalmente BI implica construir cada métrica, planificar cada una. Cada indicador tiene un costo de desarrollo.

Con programas tipo OKRs, es muy de arriba abajo. Te dicen exactamente qué medir y eso crea visión de túnel. Quizá hay cosas importantes que podrías medir, pero ni las reportas, ni tienes recursos.

Con TargetBoard, medimos todo y es muy simple elegir qué enfocar, incluso te recomendamos en qué centrarte. Configuras alertas, insights, notificaciones... Todo lo que te importa queda monitorizado.

Además, te ayudamos a explicar los datos: tenemos la función de "¿cómo explico este resultado?", ya sea hacia arriba o abajo, generada con IA, para explicar tu métrica a quien sea (manager, desarrollador, comercial), para que todos entiendan por qué es importante y el contexto.

Por ejemplo, muchos nos preguntan: ¿puedo renombrar mi métrica? No, porque alguien ya la usa y tiene un nombre. No puedes cambiárselo arbitrariamente. Si el nombre no representa el indicador, tampoco puedes darle ese nombre. Nuestras funciones te protegen: aseguran que mides lo que dices medir, lo explicas bien, y además entiendes el porqué.

Galen Low: Esa función es genial: he trabajado con muchos softwares de dashboarding; normalmente falla justo en esto. ¿Qué dice el dashboard? ¿Me lo puedes explicar? La narrativa de los datos es el vacío, porque no todos son buenos contándola. Me gusta que la IA ayude a enseñar la importancia, la fuente, qué indica una oscilación; puede hacerlo la herramienta o servir para que el dueño del indicador lo explique a alguien de otro departamento y conocimientos.

Así no se quedan todos mirando la cifra y diciendo: "Ha cambiado 45% semana a semana. Interesante. Seguimos".

Lior Gerson: Eso es lo que pasa.

Galen Low: Todos lo ven, se encogen de hombros, y siguen. Pero nadie supo explicar el significado real.

Lior Gerson: Nadie lee los reportes, salvo que busquen algo muy concreto. Los quieren saber que existen, que alguien los controla, pero rara vez los leen; es la excepción. Por cierto, cuando enviamos reportes, un agente IA los analiza y resume para el usuario de negocio.

Así que recibes el reporte y el resumen de lo importante.

Galen Low: Sí, que te lo resuma, me gusta que esté integrado. Cambio de tema, pero recuerdo que mencionaste que hay aspecto conversacional, no solo el resumen: por ejemplo, poder preguntar cuántos visitantes únicos tuve la semana pasada versus el año pasado, o que la IA explique una métrica ¿Es algo que ya tenéis o estáis desarrollando?

Lior Gerson: Muchos lo intentan. Lo que experimentas en GA4, igual pasa en Mixpanel, Tableau... El problema es que los LLMs son poco fiables con datos.

Van mejorando, pero si les das un CSV y les pides el open rate, no lo calcularán a menos que detalles cada columna.

Creemos haberlo resuelto. Lo hemos integrado y puedes hacer preguntas, recibir respuestas fiables: la IA chequea que no alucina con los datos y es fiable. Pensamos que será función clave, pues la gente quiere consumir datos de muchas maneras.

Tendrás dashboard, conversación y más; ambos enfoques se complementan bien. Como en retail hace 10 años con omnicanalidad. Así va el mundo de los datos.

Funciona bien, aunque no todos lo usan. Formular en texto la pregunta correcta no es tan sencillo, y requiere varios intentos para la respuesta que en dashboard se lograría en dos clics.

Galen Low: De hecho, puede que ni sea más corto hacerlo con IA.

Lior Gerson: ¿Cuántos tratos cerré el mes pasado? Pues, ahora me interesa solo una región. ¿Puedes filtrar, mostrarme...? Es mucho escribir y esperar, en la web solo son clics.

Galen Low: Los datos son diferentes, y lo he probado con timetracking y ChatGPT, y alucina o toma cosas mal; nosotros pensamos en tablas, pero los LLMs no tanto. Me gusta que tu IA no solo procese el reporte en ChatGPT: os habéis desarrollado vuestro sistema y verifica sus propios resultados. Así se comprueba antes de dar información importante sobre desempeño e impacto. Mejor verificar antes que improvisar.

Lior Gerson: La confianza lo es todo. Ese es el riesgo, por ejemplo, con servidores MCP: pides datos y no sabes qué hace la IA ni qué tan precisa será la respuesta. Nuestro servidor MCP verifica los datos de todas tus fuentes y asegura la precisión del resultado.

Galen Low: Efectivamente, el servidor MCP de contexto, protocolo y modelo es el respaldo, verifica todos los datos, los cruza, y te asegura precisión total.

Me gustaría hablar del futuro de las métricas. ¿Qué métricas poco convencionales ves aparecer, que podrían marcar el futuro de los KPIs? ¿Cuáles son tus predicciones de cómo se medirán los KPIs a 3, 5, 10 años?

Lior Gerson: A nivel micro veremos cada vez más KPIs sobre IA, ya sucede: ¿cuántos agentes corren, cuán eficaces son, qué aportan al negocio? A alto nivel, sobre el negocio, importa menos cómo se consigue el resultado. Si mides ARR, churn, plazos de entrega... los KPIs top apenas cambiarán: ese es el idioma del negocio.

Debajo del capó sí cambiará mucho. KPIs de segundo nivel como velocidad, calidad. Y al analizar más a fondo, desglosas: velocidad depende del trabajo de desarrollo, bloqueos, revisiones, cambios de alcance, AIs que funcionan o no, tiempos perdidos resolviendo IA. Esos detalles, lo que mueve la aguja tras bambalinas.

Galen Low: Me encanta esa estratificación. El modelo de negocio puede no cambiar arriba, el túnel del OKR se mantiene igual. Pero abajo puede cambiar mucho, y de ahí que, como decías al comenzar, mide aquello que te acerque a tu meta.

Si la meta es que más gente use IA para tomar mejores decisiones, mide eso a nivel bajo (ciclo, prompts...). Y lo de que la gente no sabe pedir lo que quiere vale para los datos también: fui mencionado en un post de LinkedIn por Jim Highsmith (coautor del Manifiesto Ágil) contando que en estos debates se habla ya del "índice de calidad de prompts", porque usar IA no garantiza eficiencia; puedes estar en círculos con el robot y solo aparecer como usuario, pero no aportar valor real.

No sé cómo medirlo, pero es cierto que los indicadores bajos cambiarán mucho, aunque los superiores sigan igual (crecimiento, ingresos...). Pero ¿no es complicado cada vez que cambias un indicador conectar la fuente, educar sobre el significado, integrar el nuevo reporte...? ¿Eso será una carga operativa de aquí en adelante para equipos y empresas? ¿Habrá que tener un experto de datos siempre listo para configurar cada nuevo indicador?

Lior Gerson: Así es hoy y lo ha sido por años. Cada departamento tiene su analista o equipo para mantener los KPIs funcionando, incluso no siendo métricas personalizadas: todos usan lo mismo, pero las grandes empresas adoran "replatformear", cambiar de sistema una y otra vez aunque el resultado sea igual.

Cada migración implica un megaproyecto de datos y actualizar todos los reportes, un ciclo de seguridad laboral. Parte de lo que hacemos es eliminar ese ciclo: puedes replatformear, tus métricas y reportes siguen ahí, y si hay que actualizarlas, el sistema avisa automáticamente a quien deba saberlo y gestiona el cambio automáticamente. El mundo está roto porque hay demasiados sistemas y datos que no se aprovechan.

Herramientas como TargetBoard harán mucho más fácil gestionar y explotar los datos, sin tanto intermediario. Muchas veces, los intermediarios ni entienden bien el negocio. Hablé con el Chief Strategy Officer de una gran compañía, me dijo: "Tengo 100 BI y analistas, pero cada pregunta tarda al menos seis meses en ser respondida, aunque la infraestructura existe; pasa por tanta gente que se pierde la intención".

Nosotros le dijimos: "Eso lo tienes hoy mismo con TargetBoard". Él respondió: "Sí, pero no puedo lograr que mi equipo BI acepte usarlo". Problema distinto, pero ves a dónde voy.

Galen Low: Correcto, lo he visto en banca, CX, departamentos acumulando datos "big data" y sin saber usarlos, ni cómo transformarlos en valor para el cliente; se quedan mirando los datos y acaban replatformeando otra vez.

Lior Gerson: Como mencionaste antes, las empresas miden costes: cloud, prompts de IA... toneladas de datos almacenados, con coste de almacenamiento y tracking, nadie sabe para qué. Las empresas son "acumuladoras" con sistemas que no explotan.

Galen Low: Siempre nos dijeron que guardar era barato, unos números, nada más. Pero ahora ya no lo es, y nos pensamos el coste por prompt y transacciones. Además, muchos llevamos acumulando por décadas sin hacer nada útil. Yo soy un acumulador nato, y el cloud me ha permitido almacenarlo todo, aunque no le saque provecho.

Lior Gerson: Quizá en 10 años te sirva.

Galen Low: Sí, totalmente. Tenía previsto preguntarte por TargetBoard como herramienta de KPIs potenciada con IA, pero ya lo has contado: sugerencias, resúmenes, etc. ¿Hay alguna otra función de IA de la que quieras hablar, o quieres contar por qué la IA es tan central en vuestra solución, de qué te sientes más orgulloso y hacia dónde va?

Lior Gerson: Es complicado, estoy orgulloso de muchas cosas. Aprovechamos la IA muy pronto para potenciar la experiencia que queremos crear.

Ser una empresa AI-first tiene ventajas y desventajas; diría que somos AI-second, aunque la IA está muy presente en todo lo que hacemos. Cada función desarrollada preguntamos, ¿cómo la IA la mejora? No cómo hacerlo con IA, sino qué queremos lograr y cómo la IA lo hace mejor que antes.

Por ejemplo, todas tus métricas, no importa el análisis, puedes crear notificaciones, alertas, automatizaciones... Si tienes un trato atascado, un bug en producción, un ticket de soporte urgente, creas una alerta y se notifica a quien corresponda. Pensar en qué alertas crear es una molestia; la gente no siempre piensa en las que necesita crear. Esta semana lanzamos que la IA, al ver una métrica, sugiere la automatización o alerta apropiada automáticamente. Incluso recomienda estrategias para mejorar la métrica, todo con un clic, antes era difícil sin IA. Ahora vamos más rápido que nunca.

Galen Low: Es justo y, sabiendo tu background, increíble. Es un buen uso, porque la IA está muy integrada en el mundo de los datos por volumen y por el machine learning. Y me encanta que tanto vosotros como los LLMs hagáis sugerencias de qué hacer después, así el usuario aprende, supera dudas y vacíos, y avanza aunque no esté seguro de los pasos. Es como un "Clippy" útil preguntándote si quieres una cabecera en tu carta. Así se supera el bloqueo o la duda. Una notificación hace mucho; y si además la IA la crea automáticamente, mejor: cada martes tendrás el aviso, si la métrica sale fuera de rango, etc.

Lior Gerson: Es una manera muy distinta de cómo era antes la ciencia de datos. Antes teníamos un equipo de científicos de datos afinando la optimización financiera, por ejemplo, en Gettacar, a qué prestamista enviar cada solicitud. Hoy, cada función se construye preguntando cómo la mejora la IA. No es sencillo, pero si lo haces bien, logras grandes resultados muy rápido.

Galen Low: Me encanta lo rápido que cambian las cosas. ¿Quieres hacerme alguna pregunta?

Lior Gerson: ¿Cuáles son las tendencias más impactantes que ves en la gestión de proyectos?

Galen Low: Buena pregunta. Creo que la principal es la que he mencionado al principio: los directores de proyectos ya no son solo los guardianes del triángulo de hierro. Ahora se espera que seamos más estratégicos, que sepamos y hagamos más; y ya hacíamos mucho. Ahora hay que convertirse en estratega de entrega de valor; hay que comprender mejor el negocio.

La cuestión es que antes no siempre medíamos el impacto. Liderábamos un proyecto, lo entregábamos, y nos íbamos al siguiente. El gran cambio de mentalidad es que ahora somos creadores de valor, incluso aunque el plan cambie por el camino, aunque cambie el alcance o haya que lidiar con personalidades difíciles. Es mucho más estratégico.

Se conecta con la IA: hoy permite eficiencia, más velocidad, eliminando tareas manuales. Muchos jefes de proyecto decían: no tengo tiempo para ser socio estratégico. Ahora, gracias a la IA, puedes dedicar más tiempo a reflexionar: ¿estoy haciendo lo correcto para la misión y el impacto? Ahí conecta con tu punto de medir las cosas que te ayudan a avanzar. Es la gran tendencia en mi mundo.

Lior Gerson: Muy bien. Otra pregunta: hablamos de IA y automatización, ¿crees que llegará el momento en que un agente IA reemplace totalmente al jefe de proyectos?

Galen Low: Creo que sí, según cómo se entienda el rol. Si solo es administración, informes, seguimiento, eso ya lo puede automatizar la IA. Pero las decisiones humanas seguirán estando; por ejemplo, en replatformings, riesgos… Hoy y por un tiempo serán conversaciones entre humanos, y por eso me gusta vuestra función de narrativa de datos: no es solo que la IA explique, sino dar poder a quien debe contar la historia y convencer o debatir, tomar decisiones, innovar, proponer cosas nuevas.

La IA puede ser innovadora, pero sigue funcionando como asistente; no decide sola, de momento. Eso está cambiando, pero por ahora es así.

Lior Gerson: Coincido. Eso es lo que distingue a un buen jefe de proyectos de uno malo. Hay quien dice que no hace falta; que gestione el proyecto quien sea, y luego no funciona, porque es una profesión.

Galen Low: Sí, me gusta eso: puede que no reemplace todos los jefes de proyecto, pero sí a los malos.

Lior Gerson: Eso vale para todo.

Galen Low: Lior, muchas gracias por tu tiempo. Ha sido un placer. Me encanta hablar contigo.

Antes de irte, ¿dónde puede la gente saber más de ti?

Lior Gerson: LinkedIn. Suelo responder a casi todos. Encantado de hablar con cualquiera.

Galen Low: Te felicito. Mi inbox de LinkedIn es un lío. Muchas gracias.

Lior Gerson: Hasta luego, Galen. Un placer.

Galen Low: Eso es todo por hoy en el pódcast de The Digital Project Manager. Si te ha gustado esta conversación, suscríbete donde sea que escuches. Si quieres más insights tácticos, casos de estudio y manuales, entra en thedigitalprojectmanager.com.

Hasta la próxima, gracias por escuchar.