La IA en la gestión de proyectos: qué problemas resuelve

Anuncio

Carga de trabajo relacionada con la elaboración de informes, discontinuidades en los medios, señales de riesgo tardías: qué tareas les quitan hoy en día a los jefes de proyecto la IA y el procesamiento automatizado de documentos, y cuáles no.

La IA en la gestión de proyectos rara vez fracasará por la cuestión de si la tecnología funciona. Más bien fracasa porque nadie define qué problema debe resolver. Los jefes de proyecto dedican gran parte de su tiempo a tareas que no contribuyen al avance del proyecto: elaborar informes de situación, redactar actas, introducir cifras de ofertas, anexos y facturas en el plan y el presupuesto. Al mismo tiempo, aumentan las exigencias en materia de control y coordinación.

Los principales organismos normativos del sector han reaccionado ante ello en 2025 y 2026. El Project Management Institute (PMI) publicó en junio de 2026 su propia norma sobre IA en la gestión de carteras, programas y proyectos; PeopleCert, una guía práctica sobre IA aplicada a PRINCE2; y la GPM (Sociedad Alemana de Gestión de Proyectos), un estudio sobre la transformación de las funciones. Su conclusión común: la IA se encarga del trabajo de recopilación y diseño, mientras que la verificación y la toma de decisiones siguen recayendo en las personas. En este artículo se muestran los puntos críticos a los que esto afecta concretamente.

La complejidad es la norma, no la excepción

En Pulse of the Profession 2026 Según el estudio del PMI, en el que se encuestó a 2.023 expertos en proyectos y 511 directivos de 35 países, el 81 % afirma que los proyectos se han vuelto más complejos en los últimos años. El 97 % dirigió al menos un proyecto complejo el año pasado. Aproximadamente un tercio de los proyectos complejos (el 31 %) no alcanza plenamente los beneficios previstos inicialmente. Casi la mitad de los encuestados (el 48 %) señala ciclos más rápidos de tecnología y herramientas como impulsor.

Es llamativo cómo describe PMI las consecuencias: las escalaciones se alargan, las autorizaciones se quedan atascadas en niveles ocultos y la pregunta „¿Quién es el responsable?“ se convierte en una constante. Entre las consecuencias negativas de los proyectos complejos, el informe señala los retrasos en las decisiones de las partes interesadas, con un 34 %.

La perspectiva alemana complementa la Estudio de GPM „La gestión de proyectos en la era de la inteligencia artificial“ con 300 respuestas válidas de expertos en proyectos con una media de unos 18 años de experiencia profesional. Los encuestados valoran el aumento de la presión por el rendimiento —es decir, más trabajo en menos tiempo— con una puntuación media de 4,5. El estudio señala como obstáculos para el uso de la IA la fragmentación de la información de los proyectos y la insuficiente estructuración de los datos.

Problema 1: Los informes y los registros restan tiempo para la gestión

Los informes de situación, las actas de las reuniones y los documentos para la toma de decisiones siguen modelos fijos y se basan en información ya disponible. Es precisamente aquí donde los expertos en proyectos suelen recurrir con mayor frecuencia a la IA: tras Datos actuales del PMI de octubre de 2026 El 77 % los utiliza para la investigación, el análisis y la recopilación de información, y el 69 % para contenidos, documentación y resultados de proyectos. El estudio de GPM incluye expresamente la elaboración de actas, la síntesis de información sobre el estado de los proyectos y la redacción de informes entre las tareas que puede asumir la IA.

El éxito está en el diseño, no en la aprobación. Una IA puede redactar un informe preliminar a partir de los estados de los tickets, los hitos y las notas de las reuniones. Que un indicador esté en amarillo o en rojo, si se escala una desviación y cómo se presenta ante el cliente, sigue siendo una decisión del jefe de proyecto.

Problema 2: Discontinuidades entre los documentos del proyecto y el plan del proyecto

Una parte considerable de la gestión de proyectos depende de los documentos: las ofertas y las modificaciones determinan el presupuesto; los albaranes y los actas de recepción, el grado de finalización; y las facturas, el estado real de los costes. Si estos datos se introducen manualmente, se producen retrasos y errores de introducción. Las desviaciones no se detectan hasta el cierre mensual, en lugar de en el control de gestión continuo.

El procesamiento automatizado de documentos interviene precisamente en este cambio de formato. Según la Oficina Federal de Estadística, la minería de textos —el análisis automático de textos— es ya la aplicación de inteligencia artificial más extendida en las empresas alemanas: El 52 % de las empresas que utilizan la IA lo utilizan (año de referencia: 2025). El 27 % utiliza la IA para automatizar los procesos de trabajo o la toma de decisiones.

El proceso no se vuelve menos propenso a errores gracias únicamente a la máquina, sino gracias a la arquitectura de verificación. Los campos con baja fiabilidad de reconocimiento se remiten a una persona; los valores validados se incorporan al presupuesto y al informe de estado sin necesidad de volver a introducirlos manualmente, y cada corrección queda documentada. Proveedores como Konfuzio, en cuyo portal aparece este artículo, ven en ello una control manual y revisión posterior en el marco de un enfoque «Human-in-the-Loop». Se eliminan los errores de transmisión y los errores de lectura de la IA se hacen visibles, en lugar de pasar desapercibidos en el informe.

Es imprescindible contar con una base de datos limpia. El Guía práctica de PRINCE2 AI Por eso, PeopleCert recomienda empezar por los datos en lugar de por la tecnología. Entre las empresas alemanas que se han planteado utilizar la IA, pero que aún no la han implantado, destacan El 44 % tiene dificultades con la disponibilidad o la calidad de los datos y el 45 % la falta de compatibilidad con los sistemas existentes.

Problema 3: Los riesgos se detectan demasiado tarde

En proyectos complejos, los riesgos rara vez surgen en un solo paquete de trabajo, sino en los puntos de intersección: un proveedor que se retrasa, una modificación que ocupa capacidad, un hito del que dependen otros tres. La IA es capaz de detectar patrones y dependencias a través de datos de plazos, recursos y costes que se pierden en los informes individuales. Según el PMI, el 53 % de los expertos en proyectos ya utiliza la IA para identificar riesgos, oportunidades y problemas emergentes. El estudio de la GPM señala la detección temprana de riesgos, los escenarios y los conflictos de capacidad como ámbitos de aplicación típicos.

Sin embargo, una señal de riesgo no equivale a una evaluación de riesgos. Que una dependencia detectada sea crítica depende del contexto, que los datos no recogen: del margen de maniobra contractual, de las prioridades políticas y de la capacidad de resistencia de un equipo. El nuevo Norma del PMI para la IA Por ello, describe las prácticas de «Human-in-the-Loop» que utilizan los equipos para verificar los resultados de la IA, determinar si es necesario escalar el asunto y decidir cuándo aceptar o rechazar una recomendación.

Problema 4: La reducción de la carga de trabajo que acaba convirtiéndose en una intensificación del mismo

La IA ahorra tiempo, pero ese tiempo ganado se ocupa rápidamente. El estudio de la GPM advierte expresamente de que la IA puede aliviar la carga de trabajo y, al mismo tiempo, intensificarla, y recomienda tener en cuenta el bienestar de los equipos de proyecto a la hora de planificar. Esto coincide con la conclusión del PMI de que la carga de trabajo derivada de un proyecto complejo se traslada al siguiente.

En lo que respecta a la gestión, esto significa que quien implemente la IA debería determinar de antemano a qué se destinará la capacidad liberada, por ejemplo, a la coordinación con las partes interesadas, la planificación de escenarios o el control de calidad. De lo contrario, solo aumentará el número de proyectos por responsable de proyecto.

Donde la IA llega a sus límites: la toma de decisiones y la responsabilidad

Hay un punto en el que los organismos normativos coinciden: las decisiones, la validación y la responsabilidad siguen recayendo en las personas. Así lo formula la Guía de prácticas de IA de PRINCE2, y la norma del PMI consagra el «Human-in-the-Loop» como principio de trabajo. Esto queda confirmado empíricamente por un trabajo de máster que la GPM 2025 ha galardonado con el Premio Alemán de Estudios de Gestión de Proyectos. En su experimento sobre la priorización de proyectos, los grupos que que se basaban exclusivamente en los resultados y las decisiones de la IA, obtuvieron los peores resultados.

El marco jurídico también se basa en resultados contrastados. Desde la nueva redacción por parte de la Reglamento (UE) n.º 2026/1744, en vigor desde el 27 de julio de 2026, el artículo 4 del Reglamento sobre IA obliga a los proveedores y operadores de sistemas de IA a adoptar medidas para fomentar las competencias en materia de IA de su personal. No están obligados a garantizar un nivel concreto de competencias. Cuando exista un comité de empresa, este, de conformidad con Artículo 90 de la Ley de Organización Empresarial (BetrVG) informar sobre la planificación de los procesos de trabajo, incluido el uso de la inteligencia artificial. Si una herramienta de gestión de proyectos realiza un seguimiento del estado de avance del trabajo de cada persona, además, el derecho de participación, según Artículo 87, apartado 1, número 6, de la Ley de Organización Empresarial (BetrVG) puede verse afectado. Habrá que comprobar en cada caso concreto si esto es así.

El software por sí solo no basta para cubrir la brecha de competencias

El mayor obstáculo no es la tecnología. De las empresas alemanas que se han planteado utilizar la IA, pero que aún no la han utilizado, mencionan Un 72 % de lagunas de conocimiento, un 62 % de incertidumbre sobre las consecuencias legales y un 60 % de preocupaciones en materia de protección de datos (Destatis, año de referencia 2025). Ninguna herramienta elimina estas razones.

Por ello, las empresas necesitan jefes de proyecto capaces de gestionar proyectos digitales de forma metódica. Deben adaptar las tareas de tal manera que la IA pueda encargarse de ellas. Deben establecer pasos de verificación antes de que un resultado de la IA se incorpore a un informe, un presupuesto o una decisión. Y deben asumir la responsabilidad de la aprobación ante el cliente, el delegado de protección de datos y el comité de empresa. El estudio de la GPM describe este cambio como una transición de la recopilación al juicio: se requieren competencias en IA y datos, un análisis crítico de los resultados de la IA y capacidad de juicio. Las competencias clásicas de gestión de proyectos no pierden importancia; el 59 % de los encuestados se opone a esta suposición.

En cuanto a la formación continua, el estudio recomienda integrar la IA en aspectos ya existentes de la gestión de proyectos, como la planificación de plazos, el análisis de riesgos y la comunicación con las partes interesadas, en lugar de tratarla como un módulo adicional aislado. Este enfoque lo siguen programas de formación continua con una base metodológica sólida, como un Curso de formación para gestores de proyectos, que combina la gestión de proyectos clásica, ágil e híbrida, basada en marcos como PRINCE2, la Guía del PMBOK o la norma ISO 21502, con el uso contrastado de la IA en el día a día de los proyectos. En este sentido, lo decisivo no es tanto el conocimiento de las herramientas como la capacidad de traducir los resultados de la IA en una gestión de proyectos sólida.

La gestión de proyectos está pasando de la recopilación de datos a la toma de decisiones

La IA y el procesamiento automatizado de documentos resuelven problemas reales: acortan los ciclos de elaboración de informes, eliminan las discontinuidades entre los documentos y el plan del proyecto y permiten detectar antes las señales de riesgo. El trabajo en los proyectos gana en eficiencia y reduce los errores cuando el registro se automatiza y la verificación se organiza de forma sistemática. Los expertos en proyectos de la GPM encuestados prevén que, de aquí a 2030, la IA podrá asumir, de media, algo más de la mitad de las tareas de gestión actuales. El estudio deja claro que esto no supondrá que un número equivalente de jefes de proyecto se vuelva prescindible; lo que cambiará, sobre todo, es la estructura de las actividades.

Para las empresas, esto supone una doble tarea: crear la base de datos para la IA y formar al personal que compruebe y asuma la responsabilidad de sus resultados. Quien invierta únicamente en software, corre el riesgo de automatizar también los errores.