¿Cuáles son Proyectos de IA y los que utilizan IA?

 

En frecuentes artículos, videos y posts que se cuelgan en el Internet y sus distintas redes sociales, he distinguido que el calificativo de “proyectos de Inteligencia Artificial” se aplica indistintamente a toda iniciativa en la cual se incluya algún incipiente caso de uso de IA hasta verdaderos y exclusivos proyectos donde el objetivo es un nuevo o actualizado modelo de IA. Posiblemente al lector le parezca que es simplemente un sutil juego de palabras, pero, en realidad esta “democratización” hace que el público en general y los profesionales del sector de proyectos en particular, no hagan una real diferencia entre hacer IA y utilizar la IA.

Así entonces, es pertinente iniciar con una diferenciación entre Proyectos de Inteligencia Artificial (en adelante PIA) versus Proyectos que utilizan Inteligencia Artificial (en adelante PuIA); de esta manera tendremos la capacidad acertada y sencilla para distinguir esfuerzos y responsabilidades para estos tipos de proyectos.

Al final de éste análisis, realizaré una reflexión actualizada sobre cuáles serían las habilidades y conocimientos que los Directores de Proyectos (Project Managers) de estos tipos de proyectos deberían presentar.

1.       Diferencias.

Las diferencias entre proyectos de Inteligencia Artificial (PIA) y proyectos que utilizan Inteligencia Artificial (PuIA) son significativas y se pueden entender mejor al analizar sus definiciones, objetivos, enfoques y resultados esperados.

Proyectos de Inteligencia Artificial (PIA)

Definición: Los proyectos de Inteligencia Artificial están centrados en el desarrollo, mejora y aplicación de tecnologías de IA. Estos proyectos buscan crear sistemas que puedan realizar tareas que normalmente requieren inteligencia humana. Ejemplo: Los proyectos de OpenAI, Google y Meta.

Características:

• Objetivo principal: Desarrollar nuevas capacidades de IA o mejorar las existentes.
• Enfoque: Investigación y desarrollo (I+D) en algoritmos, modelos de aprendizaje automático, redes neuronales, etc.
• Resultados esperados: Innovaciones en IA, nuevos algoritmos, mejoras en precisión y eficiencia de modelos de IA.
• Ejemplos: Creación de un nuevo modelo de procesamiento de lenguaje natural (NLP), desarrollo de un sistema avanzado de visión haciendo uso de aprendizaje profundo (DL).

Proyectos que utilizan Inteligencia Artificial (PuIA)

Definición: Los proyectos que utilizan Inteligencia Artificial hacen énfasis en aplicar tecnologías de IA para mejorar o mejorar procesos, productos o servicios existentes. Estos proyectos no se centran en desarrollar nuevas tecnologías de IA, sino en integrar y utilizar las herramientas y opciones ya existentes para resolver problemas específicos de una organización.

Características:

• Objetivo principal: Aplicar IA para optimizar procesos, mejorar productos o servicios que requieren solución en el entorno empresarial u organizacional.
• Enfoque: Implementación y adaptación de tecnologías de IA existentes a contextos específicos.
• Resultados esperados: Mejora en la eficiencia operativa, reducción de costos, aumento de la precisión en tareas específicas.
• Ejemplos: Implementación de un chatbot para servicio al cliente, uso de IA para análisis predictivo en el área de marketing.

Como se puede entender, los proyectos de Inteligencia Artificial (PIA) se enfocan en la creación y mejora de tecnologías de IA, mientras que los proyectos que utilizan Inteligencia Artificial (PuIA) aplican estas tecnologías para mejorar procesos y resolver problemas específicos. Ambos tipos de proyectos tiene sus propias realidades y contextos, pero es claro que al final son proyectos  y por tanto tienen similitudes y por cierto sus diferencias como ya se ha mencionado y que analizaremos a continuación.

 

2.       Similitudes

Aunque los proyectos de Inteligencia Artificial (PIA) y los proyectos que utilizan IA (PuIA) tienen diferencias claras en sus objetivos, enfoques y resultados esperados, también comparten varias similitudes importantes. Estas similitudes se pueden observar en varios aspectos del ciclo de vida del proyecto y en las competencias necesarias para llevarlos a cabo.

Similitudes:

• Uso de Datos:
• Ambos tipos de proyectos dependen en gran medida de datos para entrenar y validar modelos de IA o la precisión de sus resultados. Unos proyectos requerirán muchísimas cantidades de datos (especialmente los PIA) y otros, los requerirán en base a los casos de uso que se definan (PuIA).
• La calidad y cantidad de datos son cruciales para el éxito de ambos tipos de proyectos.
• Necesidad de Competencias técnicas:
• Requieren equipos multidisciplinarios con habilidades en ciencia de datos, aprendizaje automático, y programación. Resulta obvio que el volumen de estos equipos no necesariamente serán numerosos, pero, si dependerá del tamaño y alcance del proyecto. Asimismo, los PIA serán los que requerirán un equipo especialista dedicado exclusivamente, pero los PuIA podrán estar constituidos por parte de especialistas de la misma organización o con personal externo especializado.
• Conocimientos en herramientas y plataformas de IA como TensorFlow, PyTorch, y otros frameworks de Aprendizaje Automático (Machine Learning) son esenciales para los PIA. Para los PuIA podrían requerir, consultores  y técnicos que conozcan y tengan mayor experiencia en uso de las herramientas basadas en IA y que se acoplan al objetivo y alcance del proyecto.
• Metodologías de Desarrollo:
• Ambos tipos de proyectos utilizan generalmente metodologías ágiles y de desarrollo iterativo para gestionar la incertidumbre y la complejidad inherente a los proyectos de IA. Pero también harán uso de las metodologías tradicionales (predictivas) en algunas fases de la vida del proyecto. En última instancia un enfoque híbrido será lo más recomendable dependiendo del momento o la fase o el ciclo de vida del proyecto. Aquí es oportuno referir lo que el Project Management Institute (PMI) define como el “Way o Working” para gestionar el proyecto.
• La experimentación y la validación continua son prácticas comunes en ambos tipos de proyectos.
• Evaluación y Validación:
• Ambos tipos de proyectos necesitan procesos robustos de evaluación y validación para asegurar que los modelos de IA funcionen correctamente y cumplan con los requisitos establecidos.
• Utilizan métricas de rendimiento más específicos como es el caso de “Precisión, Recall y F1-score” para los PIA y, del tipo “Tasa de adopción de la IA” para los PuIA.
• Gestión de Riesgos:
• La gestión de riesgos es crítica en ambos tipos de proyectos debido a la naturaleza innovadora y a menudo impredecible de la IA.
• Identificación y mitigación de riesgos relacionados con la calidad de los datos, la interpretabilidad de los modelos y la seguridad de los sistemas de IA, son de consideración prioritaria.
• Ética y Regulación:
• Ambos tipos de proyectos deben considerar aspectos éticos y cumplir con regulaciones y normativas relacionadas con el uso de IA.
• La transparencia, la equidad y la privacidad son consideraciones importantes en el desarrollo y la implementación de soluciones de IA.

 

En resumen, las diferencias y similitudes de los proyectos tipo PIA y PuIA subrayan la importancia de identificarlos y por ende el tratarlos con un enfoque riguroso y bien estructurado en la gestión de proyectos por parte del Director a cargo.

 

3.       Habilidades y conocimientos del Director de Proyectos para Proyectos tipo PIA y PuIA.

Hemos dicho al inicio de análisis que tanto los PIA y PuIA son al final proyectos con su propia identidad y contexto, que requieren una gestión acertada por parte de los Directores de Proyecto, pero que va más allá de la experiencia y conocimientos tradicionales. Ya en mi libro Integrando la Inteligencia Artificial en la Gestión de Proyectos (Amazon, 2023) supe manifestar lo siguiente: “… cuales serían las nuevas habilidades y/o conocimientos que podrían constituir el nuevo perfil del Director de Proyectos y en consecuencia, estar preparado para enfrentar, adoptar y adaptar la Inteligencia Artificial en campo de los Proyectos, serían las siguientes: Conocimiento de Tecnologías de la Información,  Conocimiento General de la IA, Flexibilidad y Adaptación, Gestión del Cambio, Otras Habilidades Blandas….”. (pp 94-96)

Como una actualización a lo mencionado en el párrafo anterior he planteado entonces el siguiente cuadro de habilidades y conocimientos que estimo un Director de Proyectos debería presentar para garantizar una mejor gestión para estos tipos de proyectos.

Habilidades/Conocimientos	Proyectos de Inteligencia Artificial (PIA)	Proyectos que utilizan Inteligencia Artificial (PuIA)
Conocimiento técnico en IA	- Profundo conocimiento en algoritmos de IA, aprendizaje automático, redes neuronales, etc. - Capacidad para entender y evaluar modelos de IA.	- Conocimiento práctico de las tecnologías y herramientas relacionadas con la IA y su aplicación. - Capacidad para integrar y adaptar soluciones de IA existentes.
Gestión de Datos	- Habilidad para gestionar grandes volúmenes de datos y asegurar su calidad. - Conocimiento en técnicas de procesamiento y limpieza de datos.	- Capacidad para utilizar datos existentes de manera efectiva. - Conocimiento en la integración de datos de diversas fuentes.
Metodologías Ágiles	- Experiencia en metodologías ágiles y de desarrollo iterativo para manejar la incertidumbre en I+D. - Capacidad para gestionar ciclos de experimentación y validación continua.	- Aplicación de metodologías ágiles para la implementación rápida y eficiente de soluciones de IA. - Gestión de iteraciones para mejorar continuamente los procesos y productos.
Evaluación y Validación	- Conocimiento en métricas de rendimiento de modelos de IA (precisión, recall, F1-score, etc.). - Capacidad para diseñar y ejecutar pruebas rigurosas de validación de modelos.	- Habilidad para evaluar el impacto de la IA en procesos específicos de la organización. - Uso de métricas de negocio para validar la efectividad de la IA implementada.
Gestión de Riesgos	- Identificación y mitigación de riesgos técnicos y de investigación. - Gestión de la incertidumbre en el desarrollo de nuevas tecnologías de IA.	- Identificación de riesgos operativos y de implementación. - Mitigación de riesgos relacionados con la integración de IA en procesos existentes.
Aspectos Éticos y Regulatorios	- Conocimiento profundo de las implicaciones éticas del desarrollo de IA. - Cumplimiento de normativas y regulaciones específicas de IA.	- Consideración de aspectos éticos en la aplicación de IA. - Cumplimiento de regulaciones y normativas aplicables al uso de IA.
Habilidades de Comunicación	- Capacidad para comunicar conceptos técnicos complejos a stakeholders no técnicos. - Habilidad para liderar equipos multidisciplinarios en un entorno de I+D.	- Comunicación efectiva de los beneficios y limitaciones de la IA aplicada. - Habilidad para gestionar expectativas de stakeholders y usuarios finales.
Visión Estratégica	- Capacidad para alinear el desarrollo de IA con los objetivos estratégicos de la organización. - Identificación de oportunidades de innovación en IA.	- Habilidad para identificar áreas de negocio que pueden beneficiarse de la IA. - Alineación de proyectos de IA con la estrategia operativa y de negocio.

No es nada sencillo cualificar con estos requisitos, pero, ya dependerá del profesional que aspire a dirigir estos tipos de proyectos el prepararse y ganar experiencia progresivamente. Al final y como resumen diré que un director de Proyectos que gestiona proyectos PIA debería tener un conocimiento técnico de medio hacia alto en IA, habilidades avanzadas en gestión de datos, y una capacidad robusta para manejar la incertidumbre y los riesgos asociados con la investigación y desarrollo. Por otro lado, uno que gestiona proyectos PuIA debería ser competente en la integración y adaptación de tecnologías de IA existentes, tener habilidades para evaluar el impacto de la IA en procesos específicos, y ser capaz de comunicar efectivamente los beneficios y limitaciones de la IA a los stakeholders. Ambos roles requieren una sólida comprensión de metodologías ágiles, gestión de riesgos, y consideraciones éticas y regulatorias. Por supuesto lo dicho no es la última palabra, el director de proyectos deberá combinar conocimiento, experiencia, metodologías, herramientas, habilidades blandas y mucho más; de esta manera podrá mejorar considerablemente el éxito de su proyecto.

 

Cristóbal Morocho Moreno

PMP-DASM

Noviembre 2024