Gestión inteligente de proyectos: optimización de recursos del esfuerzo común

Una revolución industrial simboliza una serie de cambios radicales que influyen en la sociedad, en la gobernanza e identidad humana, impulsados por la inserción de nuevas tecnologías y nuevas maneras de hacer las cosas, con la idea de generar un aumento significativo de eficiencia y productividad. Hoy en día, estamos viviendo la que se conoce como la Cuarta Revolución Industrial, que comenzó en 2011 cuando se usó por primera vez el término de ‘Industria 4.0’ en la Feria de Hannover. Hasta el momento, ha sido una revolución que ha permeabilizado en casi todos los aspectos de nuestras vidas, y en industrias tan dispares como la sanitaria y la metalúrgica. En particular, este impacto está cambiando a las organizaciones que se lanzaron a dar los primeros pasos y a allanar el camino invirtiendo en innovación digital durante la última década.

Las cadenas de suministro y los procesos de fabricación habituales se están automatizando e interconectando con otras actividades dentro de la organización, a través del uso de sistemas ciber físicos (CPS), dispositivos IoT (Internet Of Things) y la computación en la nube, generando por el camino una gran cantidad de datos. Estos datos, que son el factor más determinante en el entorno de la Industria 4.0 [1], prometen dar respuesta a preguntas que antes no sabíamos responder y que además cada vez se hacen más complejas. Sin embargo, cada vez que realizamos el ejercicio de obtener conocimiento de dichos datos, entonces la velocidad, veracidad, variabilidad y variedad de estos se convierte en un problema que dificulta esta labor [2].

La COVID -19 vino a acelerar el proceso de asumir los cambios que la transformación tecnológica tenía dispuestos para nosotros, un ejemplo ha sido las teleconferencias o teletrabajo. El entorno ahora es totalmente distinto al que fue un año atrás, y ni qué hablar de hace un lustro. Es un entorno, si cabe, mucho más competitivo, donde la posibilidad de prever con mayor claridad escenarios futuros es cada vez menor. Ya no solo por la carencia de información o desinformación generalizada y tendencias engañosas sino también por la misma aparición de eventos casi impredecibles. Lo que deriva en que ya no solo la supervivencia de la empresa esté en juego, sino que también la adquisición de nuevos clientes y mercados, y la misma gestión de proyectos sea cada vez más arriesgada, compleja e imprecisa.

Lograr entender los cambios que se están produciendo es de vital importancia para todos nosotros. Un conocimiento detallado de los requisitos aptitudinales ayuda a rediseñar los programas de formación de las universidades y a su vez nos da luces sobre las nuevas competencias que deben tener los gestores de proyectos. No es solo cuestión de tener la información correcta, que también, sino de tener personas en el equipo con aptitudes de liderazgo capaces de generar seguridad, transmitir un mensaje claro y motivar a sus equipos de trabajo. Ya que en un mundo con más información de la que se puede llegar a digerir, la única ventaja que se tiene sobre la empresa con la que se compite y a lo único a lo que ella no puede acceder es su capital humano. La Industria 4.0, las distintas políticas económicas y muchas veces injustas entre países, los avances en la robótica y la continua investigación y generación de resultados a través de la Inteligencia Artificial (IA), no hace más sino generar desconcierto sobre la estabilidad de la fuerza de trabajo.

Por otro lado, hoy en día las organizaciones deben actuar más centradas en el cliente y acelerar sus procesos internos, debido a la creciente relevancia en la digitalización y a la nada despreciable presión de la competitividad internacional y velocidad del cambio que esto conlleva. Para lograrlo, es necesario establecer estrategias para cambiar su forma de trabajar, ajustando sus procesos, métodos y herramientas [3], lo que les permitirá que continúen siendo relevantes en el mercado.

Desde hace ya varios años, se está convirtiendo de vital importancia para las organizaciones lograr alinear su cartera de proyectos con los objetivos estratégicos, además de analizar los rendimientos obtenidos con el fin de maximizar el valor obtenido y equilibrar la priorización, asignación de recursos y valorar los riesgos a asumir en estos proyectos. Sin embargo, tanto el aumento en las incertidumbres que vivimos, como el replanteamiento de los objetivos, derivan en que las personas que deben tomar decisiones estratégicas sobre esta cartera de proyectos lo realicen en condiciones no aptas. Tan solo a través de la definición de criterios precisos de selección de proyectos, una organización puede conseguir alcanzar sus objetivos [4].

Pero no por definir estos criterios se obtiene automáticamente una reducción de la complejidad durante el ciclo de vida del proyecto. Aún tendrán en frente distintas fuentes de riesgo que influyen en su éxito [5]:

• Identificación inadecuada de los requisitos del cliente y los objetivos de la organización.
• Escasa capacidad de evaluación y reconocimiento de resultados por una inadecuada evaluación de objetivos.
• Asignación inapropiada de recursos al proyecto.
• Replanificación y reajuste de objetivos por la evaluación del mercado.
• Planificación incorrecta o falta de rigurosidad en la aplicación de procesos de gestión de proyectos, o inclusive, en algunos casos por la misma falta de procesos definidos.

Este escenario viene a demostrar la necesidad de replantear continuamente los procesos seguidos en la gestión de proyectos, la información necesaria para obtener una imagen clara de su evolución, una correcta evaluación del valor ganado y el cumplimiento paulatino de los objetivos. Dedicar esfuerzos a mejorar la capacidad de gestión de proyectos dirigidas a apoyar estrategias de cambio y reaseguramiento de la cartera de proyectos, llevarán a mejorar la gestión de las tareas realizadas durante las distintas fases del proyecto asegurando el rendimiento en términos de valor para los clientes, participación en el mercado y competitividad de la organización [6].

Una nueva tendencia en la mejora de gestión de proyectos basada en la obtención de datos y análisis con técnicas de IA, está llenando espacios cada vez más grandes en la investigación académica probando su valía y siendo incluida cada vez más en prácticas habituales de empresas (Apple, IBM, Facebook, Google o Amazon, entre muchas otras). Sin embargo, no se necesita tener ni el tamaño ni los recursos que estas empresas tienen para poder beneficiarse de esta nueva tendencia. La investigación científica ha venido demostrando que, sin muchos recursos, pero sí con una idea clara de qué se quiere lograr y un conocimiento justo de las técnicas, se pueden alcanzar grandes mejoras en la gestión.

Lo que se busca a través de la investigación en gestión de proyectos no es más que el desarrollo de un conjunto de conocimientos aplicables a futuros proyectos en la industria, la cultura y los continentes [7].

La aplicación de estas tecnologías mejorará enormemente la eficiencia en el trabajo y creará enormes beneficios económicos, trayendo a su vez oportunidades y desafíos. La Inteligencia Artificial (IA) fue descrita como ‘El diseño y la construcción de agentes inteligentes que reciben señales del medio ambiente y toman medidas que maximizan sus posibilidades de alcanzar con éxito sus objetivos’ [8]. De acuerdo con la investigación realizada por [9], la brecha entre la ambición y la ejecución es grande en la mayoría de las organizaciones. Casi el 85% cree que la IA permitirá a sus organizaciones obtener o al menos mantener una ventaja competitiva. Pero sólo un 20% de las organizaciones ha incorporado la IA en algunas ofertas o procesos y de ellas tan solo una de cada 20 empresas ha incorporado ampliamente la IA en ofertas o procesos.

Aun así, el estudio de la IA como fuente de ayuda para la gestión de los proyectos no es un tema novedoso. En 1971 [10] se realizó una investigación sobre el potencial de los gráficos interactivos basados en los datos obtenidos de la gestión del conocimiento, la aplicación de técnicas de IA para soportar la elección de objetivos, planeación, programación de tareas y control del ciclo de vida de los proyectos. Sin embargo, en aquel entonces, las principales limitaciones eran aquellas a las que hoy en día cualquiera de nosotros puede tener al alcance de las manos: datos, poder computacional, y lugares físicos o virtuales donde almacenarlos. Es por ello que, aunque no sea un concepto novedoso, es ahora cuando buscamos un impacto real de la IA en la gestión de proyectos.

Sin embargo, visto desde la perspectiva de la gestión de proyectos, ¿puede una máquina llegar a remplazar el proceso de toma de decisiones y resolución de problemas, que realizan los gestores de proyectos? La respuesta a esta pregunta no es un simple ‘sí’ pero tampoco es un ‘no’, es más bien un ‘cuándo’. Sin embargo, tanto la bibliografía sobre la gestión de proyectos como sobre la IA suscita graves preocupaciones por sus repercusiones en las decisiones y los resultados [11]. Aun así, hay un gran espectro dentro del cual la IA podría ayudar en nuestra labor de directores de proyectos:

1. Entender y adaptarse a cambios en las metas y restricciones desde el inicio del proyecto, y rastrearlos a lo largo del ciclo de vida del mismo.
2. Entender cuándo es mejor intervenir en un proyecto, a través de la identificación inmediata de medidas que podrían adoptarse (basado en datos históricos) y lograr reducir el tiempo de respuesta a problemas que se presenten.
3. Gestión de la cartera de proyectos basado en disponibilidad de recursos y nivel de conocimientos y tecnología necesarios, con el fin de optimizar el valor comercial del proyecto y mejorar la gestión de los recursos de la organización.
4. Optimización de calendarios para la asignación de tareas basado en la información de proyectos pasados, presentes y futuros de la organización.
5. Ayuda en la toma de decisiones a los directores de proyectos, basada en el análisis previo de toda la información disponible, disminuyendo las suposiciones e incertidumbres.
6. Maximizar el valor de las decisiones tomadas en la ejecución de los proyectos. No solo enfocados en el proyecto actual, sino en toda la cartera presente, pasada y futura de proyectos de la organización.

El insumo determinante para que estas ayudas se puedan llegar a materializar son los datos con los que alimentemos los sistemas. Para lograrlo, el punto de partida debe ser una clasificación organizada y consolidación de toda la propiedad intelectual de la gestión de proyectos.

Sin embargo, aún hay una gran brecha entre el deseo de implementar IA en la gestión de proyectos y llevarlo a cabo. Es cierto que el conocimiento en materias relevantes y la tecnología de punta son necesarios, pero no se debe dejar de lado un alineamiento de la cultura, la estructura y las formas de trabajo de la organización, lo que demanda una colaboración interdisciplinaria y una toma de decisiones ágil, experimental y adaptable, basada en datos [12].

Para lograr una implementación eficaz de IA en la gestión de proyectos se debe recorrer un largo camino que comprende etapas como [7]:

• Formulación de problemas: es necesario tener claro el objetivo y saber qué es lo que queremos solucionar.
• Formulación de soluciones a optimizar: la identificación de soluciones que se hayan tomado en el pasado y que puedan optimizarse.
• Estudios de factibilidad tecnológica y económica: no todas las organizaciones (sobre todo pymes y micropymes) cuentan con los recursos humanos, tecnológicos y económicos necesarios para siquiera considerar adoptar un proyecto de implementación de IA en alguno de sus procesos.
• Análisis estratégico sobre la criticidad de la IA: se deben responder preguntas como: ¿la promesa de la IA es representativa para mi organización?, ¿tengo conocimiento sobre experiencias de empresas cercanas o competidoras en este tipo de proyectos?, ¿qué le puede pasar a mi negocio si no implemento la IA en alguno de mis procesos?, ¿la afección en mis trabajadores será positiva o negativa? Valdría la pena tener en cuenta que la respuesta muchas veces puede no ser un simple Sí o No.
• Análisis financiero del calendario y presupuesto del proyecto: para realizar este análisis deben responderse preguntas tales como: ¿Puedo dedicar parte de mi presupuesto a este proyecto?, ¿en cuánto tiempo podría hacerlo?, ¿cuánto presupuesto podría asignar?, ¿por cuánto tiempo podría hacerlo?
• Normas para un proceso de selección de proyectos de IA: se trata de una de las etapas más complejas de todo el proyecto, ya que a lo largo de ella se debe definir cuáles serán los pasos a seguir y en qué actividades o procesos de la organización se podría llegar a desarrollar algún proyecto IA. Para llevar a cabo dicha planeación vendría bien contar con el conocimiento externo de personas que conozcan las distintas metodologías de gestión de proyectos y que además estén enteradas sobre los procesos de implementación de IA y en el mejor de los casos, hayan desarrollado proyectos parecidos.
• Ensayo, supervisión y evaluación de la IA a lo largo del ciclo de vida del proyecto: se debe controlar de cerca la evolución del proyecto para poder tomar acciones correctivas o preventivas a tiempo y lograr así alcanzar el éxito del proyecto.
• Integración de las partes interesadas en el proceso: como mencionábamos previamente, este es un proceso que puede llevar a cambiar la cultura y estrategia de la organización, por lo que conviene desde un inicio identificar e integrar a los stakeholders del proyecto.
• Desarrollo de planes operativos y creación de una organización de equipo y gestión del cambio que pueda adaptarse a la evolución que introducirá la IA: estos planes se desarrollarán basados en la identificación e integración de los stakeholders del proyecto y en la designación de planes y equipos de trabajo que ayuden a transmitir los cambios dentro de la organización.

El CFAA (Centro de Fabricación Avanzada Aeronáutica) es una organización basada en proyectos, en la que el éxito de los mismos tiene una gran relevancia y un papel determinante en las oportunidades presentes y futuras del Centro, ya que su éxito condicionará el poder participar o presentarse a convocatorias europeas, participar en clúster internacionales y especializados, o atraer a jóvenes y profesionales con talento.

Hasta la fecha se han realizado casi 300 proyectos con una tasa de éxito cercana al 75%, lo que permite que la empresa (o grupo de empresas) que lidera el proyecto estén empleando los resultados obtenidos. Este resultado se debe a la estrecha colaboración entre investigadores, técnicos, expertos de la Universidad, directores de proyecto y personal de la empresa, que colaboran estrechamente con el objetivo de prevenir la toma de caminos equivocados en cualquiera de las etapas del proyecto.

Desde su creación, el CFAA se ha comprometido a impulsar la actividad científica y a contribuir en diversas publicaciones científicas como revistas con diferentes índices de impacto, conferencias, capítulos de libros, etc. A partir de 2017, el impacto de la CFAA y sus grupos de fabricación se refleja en más de 140 publicaciones científicas (marzo de 2020) que han generado más de 840 citas. Además, del desarrollo de 12 tesis doctorales.

A pesar del buen estado del CFAA en cuanto a su producción científica, uso de recursos, colaboración con instituciones y participación en proyectos de cooperación a nivel europeo, varios de los objetivos generales establecidos y descritos en el Manual de Calidad del Centro, representan una dificultad intrínseca que conllevan los proyectos de I+D e innovación. Hasta la fecha, se están midiendo algunas cuantificaciones de las horas consumidas en los proyectos, el número de proyectos desarrollados y las horas dedicadas a utilizar los recursos del CFAA (Figura 1). Dejando espacio para un nuevo conjunto de Key Performance Indicators (KPIs) orientados a medir el rendimiento de las necesidades organizativas y de producción.

Algunos expertos incluso defienden que el I+D es similar a lo ocurrido en las operaciones militares, nada más empezar nada sale como lo esperado. El I+D posee esta naturaleza intrínseca, por definición cuando se investiga lo desconocido no se sabe lo que se va a encontrar. Por tanto, la gestión de proyectos de I+D es un reto en sí mismo y oportunidad de aplicación de ideas basadas en la intuición, deducción e inducción, lógica… es decir, la inteligencia artificial o humana.

Los proyectos de I+D e innovación no tienen en general objetivos definidos y no es posible la planificación de procesos y detalles en las fases iniciales de planeación, lo que hace que la gestión de dichos proyectos no sea una tarea fácil. Distintas investigaciones han concluido que existen muchos problemas en la gestión de los proyectos de I+D e innovación relacionados con la planificación, asignación de recursos y programación, ya que estos proyectos deben tener una planificación flexible para adaptarse a los nuevos métodos y cambios. Sin embargo, las políticas y procedimientos clásicos con sus metodologías para la gestión de proyectos carecen de esta flexibilidad necesaria para los proyectos actuales y futuros. Además, dejan de lado distintos aspectos vitales para las organizaciones de hoy en día, como el enfoque en el cumplimiento de KPIs, el uso de la gran cantidad de información disponible como herramienta de gestión y problemas propios en los distintos departamentos de I+D e innovación, debido a su ubicación dentro de los TRL. Ya que no es lo mismo gestionar un proyecto de I+D enfocado en el desarrollo de una idea (TRL 1 al 3), la validación en un laboratorio y prueba en un entorno relevante (TRL 4 y 5), la validación en entornos relevantes y más cercanos a las circunstancias y condiciones reales del cliente final (TRL 6 y 7), que su validación y aprobación final en la línea de montaje (TRL 8 y 9). La complejidad de estos proyectos forzará a las empresas a entender mejor cómo identificar, medir y reportar las distintas métricas.

Razón por la cual, el CFAA está desarrollando una metodología que pretende llenar ese limbo dentro de la investigación y ubicarse inicialmente, dentro de ese pequeño y convulso espacio que hay en los centros público-privados de transferencia de tecnología y conocimiento, con todas las ventajas y desventajas que eso conlleva. A continuación, ubicarse en un entorno general de I+D e innovación para la gestión de los proyectos tendiente a flexibilizar las prácticas tradicionales de la gestión de este tipo de proyectos, facilitar la toma de decisiones basada en el valor ganado, y la obtención de datos como insumo para la monitorización cercana al proyecto. Y, por último, ubicarse en la zona más crítica de la I+D como es la validación en un entorno real y la transferencia de la tecnología y los conocimientos adquiridos al cliente final. (TRL 6 y 7).

La labor conjunta entre gobiernos, empresas, trabajadores y personas del común es buscar la mejor manera de prepararnos para los cambios que no tardarán en llegar. Lo mismo para los procesos de gestión de proyectos.

Leonardo Sastoque Pinilla. Investigador del Centro de Fabricación Avanzada Aeronáutica. Doctorando en Ingeniería de proyectos enfocado en el uso de herramientas de Inteligencia Artificial a la gestión de proyectos 4.0, Máster en dirección de proyectos europeos e ingeniero aeronáutico. Está especializado en la gestión y desarrollo de proyectos de transformación digital e implementación de tecnologías 4.0. Cuenta con experiencia en ingeniería de procesos y proyectos, e implementación de sistemas de gestión.

Sara Sendino Mouliet. Investigadora en el Centro de Fabricación Avanzada Aeronáutica (CFAA). Doctoranda en Ingeniería de materiales y procesos sostenibles, Máster en ingeniería de materiales avanzados e ingeniera ambiental. Está especializada en tecnologías de lecho de polvo y caracterización del mismo para procesos de fabricación aditiva y metrología avanzada para garantizar la correcta caracterización superficial de las piezas fabricadas empleando esta tecnología.

Bibliografía

[1] M. Trstenjak y P. Cosic, ‘Process planning in Industry 4.0 environment’, Procedia Manuf., vol. 11, pp. 1744-1750, 2017.

[2] A. McAfee, E. Brynjolfsson, T. H. Davenport, D. J. Patil, y D. Barton, ‘Big data: the management revolution’, Harv. Bus. Rev., vol. 90, n.o 10, pp. 60-68, 2012.

[3] C. Burchardt y B. Maisch, ‘Digitalization needs a cultural change–examples of applying Agility and Open Innovation to drive the digital transformation’, Procedia CIRP, vol. 84, pp. 112-117, 2019.

[4] F. Costantino, G. Di Gravio, y F. Nonino, ‘Project selection in project portfolio management: An artificial neural network model based on critical success factors’, Int. J. Proj. Manag., vol. 33, n.o 8, pp. 1744–1754, 2015.

[5] E. Cagno, F. Caron, y M. Mancini, ‘A multi-dimensional analysis of major risks in complex projects’, Risk Manage., vol. 9, n.o 1, pp. 1-18, 2007.

[6] P. Elkington y C. Smallman, ‘Managing project risks: a case study from the utilities sector’, Int. J. Proj. Manag., vol. 20, n.o 1, pp. 49-57, 2002.

[7] V. A. Greiman, ‘Artificial Intelligence in Megaprojects: The Next Frontier’, en European Conference on Cyber Warfare and Security, 2020, pp. 621-628.

[8] J. S. Russel y P. Norvig, Artificial Intelligence A Modern Approach, 3. izdanje. New Jersey: Pearson Education, (dostupno na: https://readyforai. com/download …, 2010.

[9] S. Ransbotham, D. Kiron, P. Gerbert, y M. Reeves, ‘Reshaping business with artificial intelligence: Closing the gap between ambition and action’, MIT Sloan Manag. Rev., vol. 59, n.o 1, 2017.

[10] B. C. Paulson, Man-computer concepts for project management. Dept. of Civil Engineering, 1971.

[11] F. A. Raso, H. Hilligoss, V. Krishnamurthy, C. Bavitz, y L. Kim, ‘Artificial Intelligence & Human Rights: Opportunities & Risks’, Berkman Klein Cent. Res. Publ., n.o 2018-6, 2018.

[12] T. Fountaine, B. McCarthy, y T. Saleh, ‘Building the AI-powered organization’, Harv. Bus. Rev., vol. 97, n.o 4, pp. 62-73, 2019.