Curado por: Jorge Valdés Garciatorres, MDO, PST, PMP

No hay absolutamente nada malo con las máquinas;

lo que falla somos nosotros.

Las máquinas y la inteligencia artificial

hacen lo que les pedimos que hagan

Mo Gawdat

En las salas en las que he estado presente, donde se discute la adopción de inteligencia artificial, la conversación llega tarde. Los equipos ya usan asistentes para redactar minutas, estimar duraciones o resumir riesgos y la pregunta sobre cómo gobernar ese uso aparece cuando ya hay decisiones tomadas con criterios que nadie acordó.

El estándar que el PMI publicó en Junio ”The Standard for Artificial Intelligence in Portfolio, Program, and Project Management (PMI, 2026)” llega oportunamente: con el estándar, el PMI® está empezando a construir un lenguaje común para ordenar una práctica que venía ocurriendo sin marco en el tema de proyectos, aunque vale la pena decir que ISO cuenta con el ISO 42001 y la IAPP cuenta con su AIGP AI Governance Body of Knowledge que están disponibles hace algún tiempo

Desde la perspectiva del PMI^®, conviene leer esta publicación dentro de un patrón más amplio. El PMI no llegó a la inteligencia artificial de golpe. En 2024 lanzó PMI Infinity, un asistente conversacional anclado en sus propios estándares; sumó después la certificación Certified Professional in Managing AI (CPMAI) para quienes gestionan iniciativas de IA; y prepara para julio de 2026 un examen PMP renovado que refleja ese giro.

El nuevo estándar, probablemente el primero sobre IA aprobado por ANSI para la profesión,  es la pieza que faltaba: la capa normativa que da coherencia al resto. Visto así, el PMI^® hace una apuesta deliberada por ocupar el cruce entre dirección de proyectos e inteligencia artificial.

Vale reconocer la solidez de esa estrategia y, al mismo tiempo, notar que concentra en un solo actor el relato sobre cómo deberíamos pensar la IA en nuestra práctica.

El mayor acierto del documento es conceptual. Distingue dos formas de IA que solemos confundir: la IA como herramienta que asiste la dirección de proyectos y la IA como entregable, es decir, el sistema que el proyecto construye y luego debe sostener.

Esa separación evita discusiones estériles y ubica responsabilidades distintas. Sobre esa base, el estándar coloca al Human-in-the-Loop, la supervisión humana sobre las decisiones del modelo,  no como un freno burocrático, sino como el punto de partida del control y como fuente de valor. Es el lugar donde el contexto, la ética y el conocimiento institucional entran a una decisión que el modelo, por sí solo, no puede tomar.

El segundo acierto es más operativo. El estándar ofrece una taxonomía de riesgos propios de la IA, como sesgo algorítmico, alucinaciones, deriva del modelo, dependencia excesiva, fuga de datos;  que la mayoría de los registros de riesgo de proyecto probablemente aun no contempla.

A eso suma ocho principios, entre ellos calidad de datos y gobernanza, que recuerdan algo fácil de olvidar en el entusiasmo: un análisis hecho con IA no es más confiable que los datos que lo alimentan. Y tiene el cuidado de no presentarse como un sistema aislado; se apoya en marcos que ya conocemos, como el estándar de riesgos del PMI e ISO 31000, en lugar de pedirnos que empecemos de cero.

Las oportunidades aparecen, justamente, en el reverso de esas virtudes. El estándar es deliberadamente fundacional, y lo dice. Para quien dirige riesgos a diario, eso se traduce en abundancia de principios y escasez de métodos.

Define qué vigilar, pero deja en manos del practicante cómo integrarlo a los procesos que ya usa. La oportunidad para nuestra comunidad está ahí: convertir la taxonomía de riesgos de IA en categorías concretas dentro del registro de riesgos existente, y traducir el Human-in-the-Loop en disparadores de intervención y rutas de escalamiento que un equipo pueda seguir sin ambigüedad.

El marco invita a hacerlo; el trabajo fino sigue siendo nuestro. La distancia entre un principio bien enunciado y una práctica que un equipo ejecuta bajo presión es, casi siempre, donde se gana o se pierde la adopción.

Una segunda observación tiene que ver con el foco. Buena parte del documento mira la IA como iniciativa organizacional, algo que se prioriza en un portafolio y se gobierna a nivel de programa. Es valioso para quien diseña esa estrategia, pero el director de proyecto que solo quiere usar un “ayudante experto” con criterio encuentra menos guía concreta de la que esperaría.

El estándar describe con detalle el bosque y deja con menos precisión como manejar los  árboles que la mayoría tenemos enfrente cada mañana. Ahí hay espacio para complementarlo con prácticas más cercanas al trabajo cotidiano.

Vale la pena leer el estándar con los marcos que ya usamos. Desde Cynefin, la IA empuja muchos proyectos hacia el dominio complejo, donde la relación entre causa y efecto es emergente y solo se reconoce en retrospectiva; eso explica por qué la supervisión humana no es opcional y por qué el monitoreo continuo ocupa un lugar central en el documento.

Desde la lógica de las capacidades dinámicas, adoptar IA con responsabilidad no es comprar una herramienta, sino desarrollar la habilidad de detectar cambios, aprovecharlos y reconfigurar prácticas a medida que la tecnología evoluciona.

El estándar nombra esa necesidad con claridad; construir la capacidad sigue siendo tarea de cada organización, y ningún documento la sustituye. Leerlo así, en diálogo con marcos propios, lo vuelve más útil: deja de ser una referencia que se cita y se convierte en una lente para revisar cómo trabajamos.

Conviene, entonces, leer este estándar pues considero que es: un mapa bien trazado, no el territorio. Ordena el vocabulario, señala los riesgos correctos y pone el juicio humano en el centro de la decisión.

Lo que no hace, ni pretende hacer; es recorrer el camino por nosotros. La conversación que solía llegar tarde a la sala tiene ahora, al menos, un marco para empezar a tiempo. Y queda una pregunta que vas más allá que cualquiera de las que el estándar responde: ¿estamos dispuestos a tratar los riesgos de nuestras propias herramientas con la misma seriedad con que tratamos los del proyecto?

Referencias

• International Organization for Standardization. (2018). ISO 31000:2018: Risk management — Guidelines. ISO.
• Project Management Institute. (2026). The standard for artificial intelligence in portfolio, program, and project management. PMI.
• Snowden, D. J., & Boone, M. E. (2007). A leader’s framework for decision making. Harvard Business Review, 85(11), 68–76.
• Teece, D. J. (2007). Explicating dynamic capabilities: The nature and microfoundations of (sustainable) enterprise performance. Strategic Management Journal, 28(13), 1319–1350.

Comentarios

comentarios