Expertos Revelan los Peores Casos de Uso de la IA en la Gestión de Proyectos
Pensamiento Crítico: Los planes de proyecto automatizados parecen completos, pero carecen de contexto esencial, lo que puede llevar a problemas durante el proyecto.
Necesidad de Revisión: Confiar en los resultados de la IA sin revisión humana puede acarrear errores y consecuencias significativas.
Chequeo de la Realidad: A la IA le cuesta realizar tareas fácticas como las hojas de tiempo, poniendo en riesgo la exactitud de los datos y la integridad de los registros del proyecto.
Interacción Humana: Utilizar IA para la gestión de partes interesadas puede debilitar la implicación genuina necesaria para una comunicación productiva.
Base de los Procesos: La IA no debe sustituir el establecimiento de procesos humanos fundamentalmente, ya que no puede definir flujos de trabajo efectivos.
La adopción de IA en la gestión de proyectos se ha acelerado rápidamente, y con ello, una ola de entusiasmo que no siempre resiste un análisis detallado. Las herramientas que prometen ahorrar tiempo, reducir la carga administrativa y revelar información valiosa se han convertido en elementos habituales en los flujos de trabajo de los gestores de proyectos; pero no todas las aplicaciones de estas herramientas están funcionando como los profesionales esperaban. De hecho, algunos casos de uso están causando silenciosamente más problemas de los que resuelven. Los expertos que trabajan en este campo diariamente han reconocido los patrones y son francos sobre las áreas en las que la IA está metiendo a la gestión de proyectos en problemas.
Generar planes de proyecto sin pensamiento crítico
Pocas aplicaciones de la IA en la gestión de proyectos son tan tentadoras — o tan problemáticas — como el plan de proyecto automatizado. Se introduce una declaración de trabajo, y se obtiene un cronograma. Suena a un logro en productividad, pero los profesionales con experiencia dicen que los resultados tienden a verse mejor de lo que realmente son, y que los gerentes de proyecto que los aceptan sin un análisis previo están preparando sus proyectos para futuras complicaciones.
Pam Butkowski, vicepresidenta sénior en Horizontal Digital, lo explica directamente: "Incluso si tienes una herramienta donde ingresas un SOW y le pides que cree un plan de proyecto para ti, te prometo que no está bien. Simplemente no lo va a estar. Es un gran punto de partida. Pero luego necesitamos usar nuestro pensamiento crítico". El plan puede estar estructurado, puede parecer completo — pero no tiene acceso a las dependencias reales, a la capacidad del equipo ni al contexto organizacional que hace que un cronograma sea realista.
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
Incluso si tienes una herramienta donde ingresas un SOW y le pides que cree un plan de proyecto para ti, te prometo que no está bien. Simplemente no lo va a estar.
Jeff Chamberlain, gerente de servicios de banda ancha y PMO en el Gobierno del Condado de Fredrick, ha llegado a una conclusión similar por experiencia: "Algunas personas lo abordan esperando que les genere planes de proyecto. Yo no he tenido grandes resultados creando buenos planes de proyecto con esto. Y generalmente terminas rehaciéndolos de todas formas". Cuando el retrabajo necesario para hacer utilizable un plan generado por IA se acerca al tiempo que habría tomado construirlo desde cero, el argumento de eficiencia desaparece.
Algunas personas lo abordan esperando que les genere planes de proyecto. Yo no he tenido grandes resultados creando buenos planes de proyecto con esto. Y generalmente terminas rehaciéndolos de todas formas.
Copiar y pegar resultados de IA sin revisión
Si existe un hábito que los profesionales señalan como el más peligrosamente inmediato, es este: aceptar los resultados de la IA como trabajo terminado. El atractivo es comprensible. El resultado se ve pulido, el lenguaje es seguro y la tentación de seguir adelante es real. Pero ese acabado puede enmascarar errores graves — y cuando nadie revisa el trabajo antes de que salga, las consecuencias pueden ser considerables.
Mike Clayton, director ejecutivo y fundador de OnlinePMCourses.com, ha observado esto en contextos de servicios profesionales con impactos financieros reales: "Hay personas que simplemente dicen, bueno, me han hecho una pregunta. Se la paso a ChatGPT y copio y pego la respuesta, y mi trabajo está hecho. Y nadie lo ha revisado o corregido." El problema no es el uso de IA — es que se omitió por completo el paso humano de revisar y corregir el resultado.
Hay personas que simplemente dicen: de acuerdo, me han hecho una pregunta. Se la haré a ChatGPT y copiaré y pegaré la respuesta, y mi trabajo está hecho.
Megan Cotterman, Gestora de Proyectos Fraccional y Consultora de Operaciones, lo experimentó en primera persona: "Estaba usando la IA para ayudarme con este proyecto de diseño instruccional... la IA realmente sí se confundió y tenía información incorrecta. Así que creo que es importante asegurarse de que los equipos entiendan que no es la solución definitiva... y no simplemente, sabes, copiar, pegar y enviarlo al cliente como si estuviera listo." Incluso cuando la IA se utiliza con intención, puede seguir produciendo información incorrecta, lo que significa que la revisión humana no es opcional; es el trabajo.
Uso de la IA para partes de horas y seguimiento fáctico
Existe una categoría de documentación de proyectos que depende totalmente de la realidad: lo que realmente ocurrió, quién hizo qué y cuándo. Las partes de horas forman parte de esa categoría. Y es justamente aquí, donde la precisión no es negociable, donde la IA menos puede ayudar.
Oliver F. Lehmann, Formador en Gestión de Proyectos en Oliver F. Lehmann Project Business Training, plantea el problema con gran claridad: "La IA no puede rellenar una parte de horas. Puede inventar una parte de horas, pero no puede rellenarla de verdad. Así que introduces fantasía en una documentación que debería ser real." La IA puede generar algo que parezca una parte de horas terminada — entradas plausibles, horas que suman — pero nada de eso refleja lo que realmente ocurrió. Incluir ese tipo de datos fabricados en el registro de un proyecto no ahorra tiempo; lo corrompe.
La IA no puede rellenar una parte de horas. Puede inventar una parte de horas, ¡pero no puede rellenarla de verdad!
Automatización de la gestión de interesados y la comunicación
La gestión de los interesados es una de las partes más humanas de cualquier proyecto, y por buenas razones. Las conversaciones que impulsan el progreso — las difíciles, las que requieren confianza y escucha atenta — dependen del compromiso humano genuino. Los intentos de automatizar o delegar ese compromiso a la IA tienden a socavar precisamente aquello que hace productivas esas conversaciones. Los interesados que navegan decisiones complejas o controvertidas no quieren un proceso de comunicación optimizado; quieren sentirse escuchados realmente por otra persona.
El problema se extiende también a la comunicación escrita diaria. Lehmann observa que "Muy a menudo veo que los jefes de proyecto usan la IA para escribir correos por ellos. Muchas veces el lenguaje es demasiado suave cuando es necesario ser un poco más directo. Lo suaviza todo demasiado." Cuando un proyecto requiere un mensaje directo y firme a un interesado, el lenguaje generado por IA tiende a limar los bordes, dejando muchas veces el problema real sin abordar.
Yonelly Gutierrez, Gerente Senior de Programas en Palo Alto Networks, nota esta cualidad en la comunicación escrita por IA: "A veces, con la redacción, pienso, 'suenas como un robot de IA. Por favor, habla normal.'" La rigidez característica del lenguaje generado por IA no es solo una cuestión estética; también indica al destinatario que el mensaje no fue escrito pensando específicamente en él o ella.
Implementar IA antes de establecer una base humana
Uno de los enfoques estructuralmente más defectuosos en la adopción de IA es implementarla antes de saber cómo debe funcionar realmente la tarea subyacente. Cuando las organizaciones omiten el paso de establecer un proceso funcional, liderado por personas, y van directamente a automatizarlo, no están acelerando el progreso: están acelerando la confusión.
Derek Fredrickson, Fundador y CEO de The COO Solution, observa este patrón frecuentemente: "A menudo intentan iniciar la IA como la solución antes de que un humano realmente lo haya hecho. Siempre creo que un humano debe hacer primero aquello que quieres que la IA automatice, en lugar de poner IA solo por poner IA." La IA es buena para escalar y sistematizar procesos que ya se comprenden. No tiene capacidad para definir cómo debe ser un buen proceso si nunca se ha realizado antes por una persona.
Siempre creo que una persona debe encargarse primero de aquello que quieres que la IA automatice, en lugar de implementar IA solo por implementar.
Informes impulsados por IA con datos sucios o sin un objetivo claro
La elaboración de informes automatizados es uno de los beneficios de la IA en la gestión de proyectos que se mencionan con mayor frecuencia. La promesa es real, pero conlleva condiciones que las organizaciones suelen pasar por alto. Si los datos subyacentes no son fiables, o si el objetivo del informe no está claramente definido, la IA no produce mejores informes. Produce informes con un formato confiado que no te dicen lo que realmente necesitas saber.
Emmanuels Magaya, fundador de Project Managers Africa, identifica ambos modos de fallo: "Si quieres que la IA automatice tus informes, lo que a menudo verás es que, si los datos no son correctos, tu informe no te dará lo que buscas. Y también necesitas saber qué estás buscando en el informe." Datos limpios y un objetivo claro y específico para los interesados son requisitos previos —no simplemente buenas prácticas— para que los informes asistidos por IA aporten valor.
Si quieres que la IA automatice tus informes, lo que a menudo verás es que, si los datos no son correctos, tu informe no te dará lo que buscas.
Añadiendo IA a procesos defectuosos
La IA es un multiplicador de fuerza. Precisamente por eso, aplicarla a un flujo de trabajo disfuncional resulta tan contraproducente: multiplica la disfunción. Las organizaciones que piensan que la IA arreglará un proceso roto, casi siempre empeoran ese proceso y hacen más difícil identificar los problemas.
Markus Kopko, entrenador principal de CPMAI, lo explica claramente: "Lanzar IA y soluciones de IA sobre procesos deficientes no mejora el proceso. Los resultados son incluso peores que si no cambiaras nada." La mejora de procesos debe ir primero. Implementar IA sobre un flujo de trabajo ineficiente o no examinado no revela los problemas subyacentes: los oculta bajo una salida más rápida y abundante.
Reemplazando el juicio humano en dinámicas y conflictos de equipo
Los datos pueden decirle mucho a un gestor de proyectos. Lo que no pueden decirle es si dos miembros del equipo han dejado de confiar entre sí, si la seguridad psicológica del equipo es inexistente, o si algo que parece un problema de programación en realidad es un conflicto más profundo. Esas cuestiones requieren presencia, observación y juicio humano —nada de esto lo puede aportar la IA.
Jeremiah Hammon, entrenador en liderazgo y gestión de proyectos en Project Revolution, marca el límite claramente: "Lo que no hará es ver los problemas reales. No nos dice que tenemos tres miembros del equipo con problemas personales o cuándo los temas de equipo necesitan resolución de conflictos. No hará eso." La textura interpersonal de un equipo —quién está teniendo dificultades, quién está desconectado, qué cosas no se están diciendo— es invisible para la IA. Y en muchos proyectos, esa textura es precisamente la que determina si el trabajo se lleva a cabo o no.
Lo que [la IA] no hará es ver los problemas reales. No nos dice que tenemos tres miembros del equipo con problemas personales o cuándo los temas de equipo necesitan resolución de conflictos. No hará eso.
El patrón detrás del problema
En todos estos casos de uso, hay un hilo conductor presente en los fracasos: se le pide a la IA que realice tareas para las cuales nunca fue diseñada, o se implementa de maneras que eliminan el juicio humano que habría detectado el problema. El problema no es la propia IA, sino la suposición de que, porque la IA puede generar un resultado, ese resultado es fiable, apropiado o suficiente. Los profesionales que están utilizando la IA de manera más eficaz no son aquellos con la lista más larga de aplicaciones. Son quienes tienen más claro hasta dónde llega la IA y dónde comienza el juicio humano, y quienes tratan ese límite no como una limitación, sino como un principio de diseño.
¿Quieres más ideas como estas? Crea una cuenta gratuita en DPM para conocer a más expertos como estos.
