Ricardo Vargas: project management en modo IA

Cómo la IA reescribe las reglas del éxito en proyectos_

En la última década, la gestión de proyectos se ha convertido en una “infraestructura” crítica de la llamada project economy. Según el “Global Project Management Talent Gap” del Project Management Institute (PMI), “el mundo podría necesitar hasta 30 millones más de profesionales de proyectos para 2035”. Como toda disciplina, el project management se ha visto afectado por la IA y pocas voces han contribuido tanto a acelerar este impacto como la de Ricardo Viana Vargas, pionero en la aplicación de la IA a la gestión de proyectos.

Vargas fue el primer presidente latinoamericano de PMI a nivel mundial y el responsable de la creación y dirección de Brightline Initiative, el think tank que impulsó la conversación global sobre cómo cerrar la brecha entre la estrategia y la ejecución. Especializado en la implementación de iniciativas globales innovadoras, proyectos de inversión y desarrollo de productos, durante su trayectoria ha dirigido docenas de proyectos en diferentes sectores y continentes, gestionando más de 20.000 millones de dólares en los últimos 27 años. Ingeniero brasileño, doctor en Ingeniería Civil y autor de 16 libros, Ricardo Vargas conduce con éxito “5 Minutes Podcast”, donde congrega a millones de oyentes de todo el mundo. También es coautor –junto con Antonio Nieto-Rodríguez–, del influyente artículo de Harvard Business Review “How AI Will Transform Project Management”.

En esta entrevista, Vargas analiza por qué la IA en gestión de proyectos “ya no es opcional”, qué distingue a las PMO que están realmente preparadas para operar en “modo IA” y cuáles son los errores más frecuentes en los planes de upskilling y reskilling. También alerta sobre riesgos poco visibles y traza una hoja de ruta pragmática para sectores altamente regulados, como banca y seguros.

EXECUTIVE EXCELLENCE: La publicación en 2023 de su artículo “How AI Will Transform Project Management” situó la IA en la gestión de proyectos en la agenda de los comités de dirección. ¿En qué punto se encuentra actualmente? ¿Está legitimada en los niveles directivos? ¿Dónde percibe todavía las principales barreras? 

RICARDO VARGAS: Cuando Antonio y yo publicamos ese artículo en HBR, la IA en la gestión de proyectos seguía en la periferia de las discusiones estratégicas. Hoy está sólidamente asentada en la alta dirección.

Nuestros últimas encuestas globales muestran que la familiaridad con la IA en la gestión de proyectos se ha duplicado y que el uso diario se ha convertido en una práctica habitual en muchos sectores. Las organizaciones no solo están experimentando, sino que están obteniendo un valor real, y muchas reportan reducciones significativas de costes y un retorno de la inversión medible, a menudo en el rango de las seis cifras. Los ejecutivos esperan ahora que las oficinas de gestión de proyectos (PMO) orquesten la transformación impulsada por IA, y no solo que supervisen los plazos y los presupuestos. En lugar de las limitaciones técnicas, las principales barreras son ahora culturales, éticas y organizativas

Las principales barreras también han cambiado. En lugar de limitaciones técnicas, los obstáculos son culturales, éticos y organizativos. Los mayores cuellos de botella incluyen la mala calidad de los datos, el miedo al cambio, la falta de claridad en la gobernanza y la brecha de capacidades entre los profesionales de proyectos. Otra amenaza emergente es el “agent washing”, cuando los proveedores exageran las capacidades y generan expectativas poco realistas.

La IA en gestión de proyectos está plenamente legitimada, pero es el grado de preparación organizativa el que determina ahora la velocidad de adopción.

E.E.: ¿Qué resultados de las últimas encuestas le han sorprendido más y qué deberían aprender de ellos los altos ejecutivos?

R.V.: Lo que más me ha sorprendido es la velocidad de la normalización. En solo dos años, las organizaciones pasaron de los experimentos a los estándares generalizados, y con beneficios financieros reales. Otra sorpresa fue el cambio drástico en las barreras. Como mencioné, ahora la resistencia cultural, la ética y la alineación del liderazgo emergen como los principales desafíos.

La IA en gestión de proyectos está plenamente legitimada, pero es el grado de preparación organizativa el que determina ahora la velocidad de adopción

Por eso creo que los ejecutivos podrían extraer tres lecciones de este escenario:

1. La IA en la gestión de proyectos ya no es opcional.
2. El liderazgo, la cultura y la gobernanza son ahora las verdaderas restricciones.
3. Los primeros adoptantes ya están obteniendo una ventaja cuantificable en el rendimiento.

En definitiva, las organizaciones que retrasen la adopción pronto se encontrarán rezagadas no solo tecnológicamente, sino también operativamente.

Nuevas skills del project manager en la era de la IA

E.E.: Para muchas empresas, el artículo de HBR también puso de relieve la necesidad de invertir seriamente en talento para proyectos. Antes hizo alusión a la brecha de capacidades entre los profesionales, ¿qué competencias y perfiles son más críticos en este momento? ¿Cómo pueden las organizaciones desarrollarlos a escala sin poner en riesgo las entregas en curso?

R.V.: Los gestores de proyectos que prosperan en la era de la IA combinan fortalezas tradicionales –gestión de stakeholders, comunicación, liderazgo– con nuevas competencias digitales. La alfabetización en datos, las habilidades de prompting, la capacidad de interpretar los resultados de la IA y una mentalidad más orientada al producto y al valor son cada vez más importantes.

También detecto algunos perfiles híbridos emergentes, como los gestores de proyectos habilitados en IA y los especialistas de datos de PMO, que curan (seleccionan y gestionan) los datos de proyectos, evalúan herramientas de IA y traducen los resultados en decisiones accionables. Hay algunos perfiles híbridos emergentes, como los gestores de proyectos habilitados en IA y los especialistas de datos de PMO

Desarrollar estas competencias a escala exige que el aprendizaje esté integrado en la propia entrega, en la ejecución. El enfoque más efectivo son los ciclos de aprendizaje cortos y prácticos, directamente vinculados a proyectos reales.

Las organizaciones deberían reservar una pequeña parte del tiempo de los gestores de proyectos (entre un 5 y un 10 %) para la experimentación. La creación de una academia interna de IA con campeones, coaching y manuales reutilizables permite a la organización “desarrollar músculo” sin ralentizar la entrega. El reconocimiento y la progresión profesional vinculados a la competencia en IA también aceleran el crecimiento de las capacidades.La creación de una academia interna de IA con campeones, coaching y manuales reutilizables permite a la organización “desarrollar músculo” sin ralentizar la entrega

E.E.: Según su experiencia, ¿cuáles son los errores más comunes que cometen las organizaciones al diseñar planes de upskilling y reskilling para los profesionales de proyectos?

R.V.: El mayor error es adoptar herramientas antes de definir el problema de negocio. Muchas organizaciones empiezan por la tecnología en lugar de por la claridad. Otro fallo frecuente es tratar el upskilling como un evento puntual, en lugar de como un proceso continuo respaldado por coaching y tiempo para practicar.

Cuando los mandos intermedios no se involucran, las iniciativas se estancan rápidamente

El "frozen middle", es decir, esos mandos intermedios que se resisten silenciosamente a la IA, también es una barrera destacable. Cuando este nivel no se involucra, las iniciativas se estancan rápidamente. Otro error crítico es ignorar la ética y la gobernanza. Enseñar a las personas a utilizar la IA sin enseñarles cuándo deben dejar de usarla puede acarrear riesgos graves.

Enseñar a las personas a utilizar la IA sin enseñarles cuándo deben dejar de usarla puede acarrear riesgos graves

PMO: de oficina de control a motor de transformación

E.E.: ¿Qué señales tempranas indican que una PMO está realmente preparada para operar en “modo IA”? Y, en sentido contrario, ¿qué comportamientos o patrones son claras señales de inmadurez?

R.V.: Una PMO preparada para la IA tiene una disciplina básica en materia de datos, un conjunto manejable de casos de uso priorizados y una mentalidad clara de “human-in-the-loop” (ser humano en el bucle). Los líderes describen la IA como un copiloto, no como un sustituto, y la PMO puede señalar pequeñas victorias reales: ahorro de tiempo en la elaboración de informes, mejora de la precisión de las previsiones o detección temprana de riesgos. También existe una gobernanza básica en torno al acceso a los datos, la supervisión de los modelos y el uso ético. 

La mayor señal de alerta es el deseo de una “IA que pueda hacerlo todo” sin ninguna inversión en limpieza de datos ni en procesos fundamentales

Las señales de alarma son igualmente reconocibles. Por ejemplo, si todo sigue estando en hojas de cálculo en silos, si los proyectos piloto nunca pasan de la fase de prueba de concepto, si la PMO se comporta como un policía del cumplimiento o si la ética se ignora por completo. Aun así, la mayor señal de alerta es el deseo de una “IA que pueda hacerlo todo” sin ninguna inversión en limpieza de datos ni en procesos fundamentales.

E.E.: A medida que las herramientas de IA asumen más trabajo rutinario, ¿qué tareas de la gestión de proyectos cree que deberían seguir firmemente en manos humanas, al menos en un futuro previsible?

R.V.: Incluso con los rápidos avances en IA agéntica, varios aspectos de la gestión de proyectos siguen siendo fundamentalmente humanos. La toma de decisiones estratégicas, la negociación con las partes interesadas, el juicio ético, el liderazgo en situaciones de crisis y la creación de una cultura de equipo requieren empatía, matices y responsabilidad moral que la IA no puede sustituir. La IA puede apoyar estas actividades con resúmenes, análisis de sentimiento y opciones de escenarios, pero la rendición de cuentas debe seguir recayendo en las personas. Hay acciones que requieren empatía, matices y responsabilidad moral que la IA no puede sustituir

El papel humano se vuelve aún más importante conforme se automatiza el trabajo “rutinario”, lo que permite a los directores de proyectos centrarse en un liderazgo de alto impacto.

E.E.: En la era de la IA agéntica, ¿cómo están evolucionando las herramientas especializadas de gestión de proyectos, por ejemplo, asistentes como PMOtto.ai? ¿Qué criterios deberían utilizar los responsables de la toma de decisiones para seleccionar y gobernar estas herramientas?

R.V.: Las herramientas especializadas están pasando de ser copilotos pasivos a agentes proactivos capaces de realizar flujos de trabajo de varios pasos: sintetizar datos de proyectos, actualizar cronogramas, analizar riesgos y resaltar problemas antes de que los humanos los detecten. Herramientas como PMOtto.ai muestran la dirección: una integración más profunda en los sistemas corporativos, una mejor comprensión del contexto y unas recomendaciones proactivas.

Seleccionar y controlar estas herramientas requiere, ante todo, claridad. Los decisores deberían garantizar una sólida adecuación a los casos de uso y una gobernanza robusta, que incluya la seguridad de los datos, la transparencia de las decisiones y una fácil capacidad de intervención humana. Deberían examinar la hoja de ruta del proveedor, su estabilidad financiera y el riesgo de vendor lock-in (dependencia del uso restringido o una tecnología, solución o servicio desarrollado por un proveedor). Las API abiertas y la interoperabilidad son esenciales. Es mejor contar con un pequeño número de casos de uso específicos con métricas claras que con una implementación amplia pero superficial de la herramienta.

E.E.: En sectores altamente regulados como la banca y los seguros, ¿cuál sería su hoja de ruta para introducir la IA en la PMO sin aumentar el riesgo operativo ni suscitar preocupación entre los supervisores y reguladores?

R.V.: En industrias reguladas, el éxito depende de un enfoque progresivo basado en el riesgo. Propongo empezar con tareas de la PMO de bajo riesgo y alto valor, como la generación automatizada de informes, el resumen de documentos o la búsqueda interna de conocimiento. Alinear las iniciativas de IA con las tres líneas de defensa existentes (PMO y responsables de negocio; riesgo y cumplimiento, y auditoría interna), de manera que los roles queden claros. En industrias reguladas, como banca y seguros, el éxito depende de un enfoque progresivo basado en el riesgo

Utilizar sandboxes (entornos de prueba) con datos sintéticos o anonimizados para probar los primeros casos de uso de forma segura; y vincular cada iniciativa de IA a los marcos existentes de riesgo de modelo, riesgo operacional y privacidad de datos. Pero, sobre todo, implicar a los supervisores desde el principio. Los reguladores valoran la transparencia, y proporcionar la documentación por adelantado ayuda a evitar fricciones innecesarias. La explicabilidad y la segregación de funciones deben seguir siendo principios innegociables. Los reguladores valoran la transparencia; proporcionar la documentación por adelantado ayuda a evitar fricciones innecesarias

Nuevas métricas y riesgos

E.E.: ¿Cómo ha cambiado la IA la forma de pensar sobre las métricas en la gestión de proyectos, desde la selección del portafolio hasta la obtención de beneficios? ¿Qué KPI tradicionales están perdiendo relevancia y qué nuevos indicadores importan más?

R.V.: La IA está empujando a las organizaciones a ir más allá de la definición clásica de éxito basada en “a tiempo, dentro del presupuesto y dentro del alcance”. Esos KPI siguen siendo relevantes, pero ya no son el foco principal. Lo que importa ahora es la realización de valor: los beneficios entregados, los costes evitados y las mejoras en el throughput (rendimiento entendido como cantidad de trabajo o datos que un sistema procesa y completa con éxito en un período de tiempo determinado) y la calidad.

La precisión de las previsiones se está convirtiendo en un indicador central a medida que la IA mejora la capacidad predictiva. La agilidad de la cartera también está cobrando importancia: la rapidez con la que la organización puede cambiar las inversiones cuando cambia la estrategia.La precisión de las previsiones se está convirtiendo en un indicador central a medida que la IA mejora la capacidad predictiva

Por último, las métricas de gobernanza de la IA, como los niveles de uso, las tasas de anulación (override) y los incidentes de IA, están pasando a formar parte de la medición del éxito de los proyectos.

E.E.: La IA también conlleva sesgos, alucinaciones y opacidad. En proyectos con gran impacto reputacional, ético o regulatorio, ¿qué controles y medidas de protección mínimas deberían existir? En su opinión, ¿qué riesgo relacionado con la IA subestiman más los altos directivos?

R.V.: Los proyectos de alto riesgo requieren controles sencillos pero sólidos: clasificación de los casos de uso por niveles de riesgo, validación humana para los resultados sensibles, protecciones robustas de acceso a los datos y supervisión periódica de los sesgos y de los modelos. Las organizaciones deberían mantener un registro de las herramientas de IA, las fuentes de datos y sus responsables, respaldado por un plan de respuesta a incidentes para errores relacionados con la IA.

La “sobreconfianza silenciosa” –cuando los equipos empiezan a confiar en los resultados de la IA sin cuestionar los supuestos, simplemente porque el resultado parece analítico y sofisticado– es el riesgo más subestimado

El riesgo más subestimado no son las alucinaciones, sino la “sobreconfianza silenciosa”. Los equipos pueden empezar a confiar en los resultados de la IA sin cuestionar los supuestos, simplemente porque el resultado parece analítico y sofisticado. Esta “ilusión de corrección” puede conducir a errores de juicio importantes. En segundo lugar, muy cerca, se encuentra el riesgo de fugas de datos a través de herramientas no aprobadas y del uso informal de la IA.

E.E.: Su conocimiento y experiencia sobre el terreno le permiten detectar con antelación lo que está por venir. De cara a 2026, ¿qué ideas o casos de uso cree que remodelarán más el papel del gestor de proyectos?

R.V.: Espero que varias innovaciones transformen profundamente el rol del gestor de proyectos. Los gemelos digitales permitirán simular en tiempo real las limitaciones de recursos, los cambios presupuestarios y los cambios regulatorios, convirtiendo a las PMO en centros de planificación estratégica más que en funciones de reporte.

Las simulaciones en tiempo real gracias a gemelos digitales acabarán convirtiendo a las PMO en centros de planificación estratégica 

La IA emocional hará posible la identificación temprana de los riesgos de comportamiento y cultura, mediante el análisis de patrones de comunicación y las señales de sentimiento. Los sistemas de riesgos nativos de la IA detectarán cuáles son los proyectos problemáticos semanas o meses antes que los métodos tradicionales. Y las métricas de sostenibilidad se capturarán automáticamente dentro de los flujos de trabajo de los proyectos, integrando el pensamiento ESG en la entrega diaria.

En general, el project manager de 2026 se convertirá en un coordinador de la inteligencia humana, digital y ética, un rol mucho más estratégico que el actual.

E.E.: En varios episodios de su podcast, advierte contra el “AI FOMO” y subraya que las iniciativas de IA han de estar guiadas por métricas robustas y evolutivas, no por el hype. Si estuviera asesorando a un Consejo de Administración sobre una gran inversión en IA, ¿qué tres o cuatro preguntas sobre métricas, ROI y gobernanza insistiría en que respondieran antes de aprobar el proyecto?

R.V.: Para evitar el “AI FOMO”, los Consejos necesitan disciplina. Yo siempre planteo cuatro preguntas:

1. ¿Qué problema concreto estamos resolviendo y cuáles son las bases de referencia actuales?
2. ¿Cómo vamos a medir el éxito en los próximos 12, 24 y 36 meses, y qué métricas son las más relevantes?
3. ¿En qué datos se apoyará la IA, quién es su propietario y qué estructuras de gobernanza existen?
4. Y, por último, ¿cómo cambiará esta inversión el trabajo diario, las funciones y las necesidades de capacidades en toda la PMO y en el negocio?

Si el Consejo puede responder con claridad a estas preguntas, la probabilidad de éxito a largo plazo aumenta drásticamente.