La importancia de la administración de proyectos en la implementación de inteligencia artificial

April 20, 2026

Cuando una empresa decide implementar inteligencia artificial, lo primero que aparece en la conversación es la tecnología: qué plataforma usar, qué proveedor contratar, qué tan avanzado es el modelo. Lo que rara vez se discute en esa primera reunión es cómo se va a coordinar el proyecto, quién es responsable de qué y cómo se va a medir que los resultados sean los que el negocio necesita.

Ese es el punto donde la mayoría de los proyectos de inteligencia artificial empiezan a fallar. No por la tecnología, sino por la falta de estructura para gestionarla. Según el Project Management Institute, el 70% de los proyectos tecnológicos no logran sus objetivos originales, y las causas más frecuentes son: alcance mal definido, falta de patrocinio ejecutivo y ausencia de gestión del cambio organizacional (PMI Pulse of the Profession, 2023). En proyectos de inteligencia artificial, esas mismas causas se presentan con mayor frecuencia e impacto.

La administración de proyectos no es la parte burocrática de la implementación. Es la estructura que convierte una buena idea tecnológica en un resultado que el negocio puede usar, medir y escalar.

Definir bien el problema antes de buscar la solución

Uno de los errores más comunes en proyectos de inteligencia artificial es comenzar por la solución técnica antes de tener claro cuál es el problema de negocio que se quiere resolver. Parece obvio, pero ocurre con más frecuencia de lo que se piensa: el área de sistemas presenta una herramienta, la dirección aprueba el presupuesto y varios meses después el equipo descubre que la herramienta no responde a la necesidad real del área que la va a usar.

La administración de proyectos, bien aplicada, obliga a hacer esa conversación desde el inicio. El alcance del proyecto debe incluir qué problema se resuelve, para quién, con qué información disponible y qué resultado concreto se espera. Sin eso, no hay forma de saber si el proyecto fue exitoso cuando termine.

Este paso —que en metodología de proyectos se llama definición del alcance— es especialmente crítico en inteligencia artificial porque los modelos se ajustan y calibran en función de los objetivos que se les dan. Si esos objetivos están mal definidos desde el inicio, el modelo puede funcionar técnicamente bien y aun así no servir para lo que el negocio necesita (PMI, PMBOK® Guide, 2021).

La gestión de riesgos no es pesimismo, es planeación

Todos los proyectos tienen riesgos. Los proyectos de inteligencia artificial tienen algunos adicionales que no siempre se anticipan: datos históricos de mala calidad, integraciones complejas con los sistemas que ya existen en la empresa, cambios regulatorios relacionados con privacidad de la información, o simplemente que los usuarios finales no adopten la herramienta porque nadie los preparó para el cambio.

Gestionar riesgos no significa esperar que algo salga mal. Significa identificar con anticipación qué puede complicar el proyecto, asignar un responsable para cada riesgo y tener un plan de acción listo si ese riesgo se materializa. Un equipo que trabaja con esa mentalidad ejecuta con más confianza y reacciona mejor ante los imprevistos, porque ya los había pensado.

En la práctica, una sesión de gestión de riesgos al inicio del proyecto —de dos o tres horas con el equipo técnico y los responsables del negocio— puede evitar semanas de retrasos más adelante. Es una de las inversiones de tiempo con mayor retorno dentro de cualquier proyecto de tecnología (PMBOK® Guide, 2021).

El cambio tecnológico siempre impacta a las personas

Hay un aspecto de los proyectos de inteligencia artificial que se subestima con regularidad: el efecto que tiene en las personas que van a trabajar con la herramienta. Los sistemas no se resisten al cambio; las personas sí. Y eso no es una crítica: es una reacción natural cuando algo modifica la forma en que alguien realiza su trabajo.

En proyectos de inteligencia artificial esto se intensifica porque hay una preocupación legítima en muchos equipos: ¿este sistema va a reemplazar mi puesto? Si esa pregunta no se responde dentro del plan del proyecto, la herramienta puede estar lista técnicamente y aun así encontrar resistencia que impida su uso.

La gestión del cambio organizacional —que incluye comunicación oportuna, capacitación y acompañamiento durante las primeras semanas de operación— no es un complemento del proyecto. Es parte del proyecto. Según Kotter (Leading Change, 1996), los proyectos de transformación que no incluyen un plan de gestión del cambio tienen cuatro veces más probabilidades de no alcanzar los resultados esperados. En tecnología, y especialmente en inteligencia artificial, esa estadística se confirma constantemente.

Los indicadores de éxito deben definirse antes de empezar

Un proyecto de inteligencia artificial no termina cuando el modelo entra en producción en el Go-Live. Termina —o más bien, continúa su ciclo de mejora— cuando el negocio puede demostrar que los resultados obtenidos justifican la inversión realizada. Para eso, los indicadores de éxito deben estar definidos desde el inicio, no al final.

¿Qué se espera mejorar? ¿En cuánto tiempo? ¿Cómo se va a medir? Estas preguntas parecen sencillas, pero en la práctica muchos proyectos llegan a su fecha de cierre sin poder responderlas con claridad, porque nadie las estableció al principio.

La administración de proyectos proporciona las herramientas para hacer esa definición de forma ordenada y vinculada a los objetivos del negocio. Un tablero de indicadores bien construido desde el inicio del proyecto no solo sirve para rendir cuentas: sirve para que el equipo técnico, el área de negocio y la dirección hablen el mismo idioma durante toda la ejecución. Eso, en proyectos de inteligencia artificial, es lo que distingue a los que entregan valor real de los que quedan como pilotos que nadie volvió a usar.

En coaligent trabajamos bajo esta premisa: antes de construir cualquier solución de inteligencia artificial, definimos junto con el cliente los indicadores que van a demostrar que el proyecto valió la pena. Porque la mejor inteligencia artificial es la que el negocio puede medir.