Optimiza la gestión de proyectos con IA

1. Introducción: IA aplicada a la gestión de proyectos

Primera aproximación al uso de la inteligencia artificial en la gestión de proyectos, identificando qué puede considerarse realmente IA y qué soluciones corresponden a automatizaciones convencionales.

• Mini-reto «IA vs. No IA»: análisis de diferentes herramientas y situaciones para distinguir entre inteligencia artificial, automatización y procesamiento tradicional de datos.
• Reflexión grupal: identificación de las principales barreras, dudas y oportunidades relacionadas con la adopción de la IA.
• Revisión de las expectativas y objetivos del curso.
• Detección inicial de posibles aplicaciones en los proyectos de los participantes.

2. ¿Para qué puede servir la IA en mis proyectos?

Exploración de las principales aplicaciones de la inteligencia artificial durante el ciclo de vida de un proyecto.

• Casos reales de uso: ejemplos de ahorro de tiempo y recursos en departamentos de TI, Recursos Humanos y Operaciones.
• Mapa de fases del proyecto: análisis de las distintas etapas e identificación de los puntos de dolor más frecuentes.
• Oportunidades de mejora: detección de tareas manuales, repetitivas o susceptibles de automatización.
• Benchmark de retorno de la inversión: evaluación del impacto en tiempo, costes y satisfacción del equipo.
• Selección de casos de uso con valor potencial para la organización.

3. Detectar problemas antes de que aparezcan

Introducción a la analítica predictiva y a su utilización para anticipar riesgos, retrasos y desviaciones en los proyectos.

• Principios de analítica predictiva: explicación accesible de cómo la IA utiliza datos históricos para generar estimaciones.
• Preparación del conjunto de datos: creación de un dataset mínimo en Google Sheets.
• Selección de las columnas y variables necesarias para analizar el riesgo de un proyecto.
• Laboratorio práctico: construcción de un modelo sencillo para identificar y clasificar riesgos.
• Interpretación de resultados y revisión de las predicciones generadas.
• Automatización: actualización periódica de la predicción y envío diario de alertas.

4. Copilotos que escriben y planifican por ti

Uso de asistentes de inteligencia artificial para generar documentación, estructurar proyectos y agilizar las tareas de planificación.

• Fundamentos de prompt engineering: definición del rol, el contexto, el objetivo, el formato y el estilo de la respuesta.
• Creación de instrucciones reutilizables para diferentes tareas de gestión.
• Generación de una WBS: descomposición automática del trabajo en actividades y entregables.
• Creación de cronogramas mediante IA y exportación de los resultados utilizando una plantilla CSV.
• Documentación automática: preparación de actas, acuerdos y resúmenes de reuniones.
• Integración de contenidos generados con Google Docs y Gmail.
• Revisión y validación humana de los resultados producidos por el copiloto.

5. Automatizar tareas repetitivas

Diseño de flujos de trabajo que conectan diferentes aplicaciones y utilizan inteligencia artificial para procesar información automáticamente.

• Introducción a los flujos de trabajo: funcionamiento de los nodos, desencadenadores y acciones.
• Configuración de credenciales y autenticación con los servicios de Google.
• Flujo práctico: captura de información desde un formulario y almacenamiento de los datos en Google Sheets.
• Procesamiento del contenido mediante ChatGPT.
• Envío automático del resultado a un canal de Slack.
• Buenas prácticas: versionado, trazabilidad, registros de ejecución y documentación.
• Gestión de errores, reintentos y situaciones excepcionales.

6. Uso responsable de la IA y gestión del cambio

Análisis de los riesgos asociados al uso de la inteligencia artificial y de las medidas necesarias para implantarla de manera responsable.

• Privacidad y protección de datos: identificación de información que no debe compartirse con determinadas herramientas.
• Sesgos: reconocimiento de resultados discriminatorios o poco representativos.
• AI Act: introducción a sus principios y obligaciones mediante ejemplos prácticos y lenguaje accesible.
• Checklist de cumplimiento: revisión de los principales controles antes de implantar una solución.
• Importancia de la supervisión y validación humana.
• Estrategia de adopción: selección de quick wins que permitan demostrar resultados tempranos.
• Preparación de un plan de comunicación y acompañamiento al cambio.

7. AI Readiness Canvas y priorización de iniciativas

Evaluación del nivel de preparación de la organización para desarrollar proyectos de inteligencia artificial y selección de las iniciativas con mayor potencial.

• Taller AI Readiness Canvas: evaluación de estrategia, datos, tecnología, procesos y personas.
• Identificación de capacidades existentes y dependencias críticas.
• Visualización de brechas: comparación entre la situación actual y el nivel de madurez deseado.
• Definición de acciones para reducir las brechas detectadas.
• Matriz Impacto-Esfuerzo: priorización de casos de uso según su valor, complejidad y viabilidad.
• Selección de iniciativas de corto, medio y largo plazo.
• Creación de una primera hoja de ruta para la adopción de la IA.

8. Mini-proyecto con IA: caso práctico

Aplicación de los conocimientos adquiridos mediante el diseño y desarrollo de una solución sencilla basada en inteligencia artificial.

• Formación de equipos: organización de los participantes y reparto inicial de responsabilidades.
• Elección del caso: selección de un problema concreto y definición del objetivo del proyecto.
• Identificación de usuarios, datos necesarios y resultados esperados.
• Desarrollo guiado: creación de un prototipo funcional o una demostración del flujo propuesto.
• Evaluación del impacto, el esfuerzo, los riesgos y la viabilidad de la solución.
• Presentación ejecutiva: exposición de cinco minutos ante un comité directivo simulado.
• Defensa de la propuesta y respuesta a preguntas.
• Feedback 360°: valoración del resultado por parte del equipo, los compañeros y el formador.