Gestión de proyectos de IA

No es para quien quiere aprender IA, sino para quien tiene que entregarla: gestores y oficinas de proyectos, ingenieros y líderes técnicos recién ascendidos, y directores de producto o transformación digital que aprueban iniciativas y necesitan saber qué exigir.

Habilidades:

Metodología EMED, gestión de datos, gobernanza, marco ADRIAN

Nivel: Intermedio

Requisitos:

Haber gestionado algún proyecto. Cero programación requerida.

Malini Jain Runtasewee es gestora sénior de proyectos de nube y datos en Toptal y profesora en la IE University, la Escuela de Organización Industrial y la EIP International Business School, donde imparte clases de gestión de proyectos de datos y de IA. También es coautora de un libro sobre fundamentos de la IA publicado por ANAYA Multimedia. Cuenta con una amplia experiencia liderando la entrega de iniciativas de nube y datos en una diversa gama de industrias, trabajando con organizaciones de varios tamaños, desde startups hasta grandes empresas. Su experiencia internacional abarca Canadá, Estados Unidos y España, donde ha gestionado proyectos complejos que involucran plataformas de datos, soluciones de inteligencia artificial y programas de transformación digital. Su trabajo se centra en alinear los objetivos de negocio con la ejecución tecnológica, permitiendo a las organizaciones operativizar eficazmente las capacidades de datos y de IA de manera escalable y sostenible.

Adrián González Sánchez es director de producto de IA y búsqueda en Microsoft AI, director académico en la IE University y autor de múltiples libros e informes de O’Reilly y Packt. Ha trabajado previamente para varias empresas de IA en Europa y Norteamérica. Forma parte de varias iniciativas internacionales, entre ellas el Observatorio Español de Impacto Ético y Social de la IA (OdiseIA) y The Linux Foundation, así como del grupo de expertos para el sandbox de la Ley de IA de la UE con el Gobierno de España en Europa. Es formador en la École des Dirigeant(e)s de HEC Montréal y la Concordia University en Canadá, y ha lanzado múltiples cursos en línea con O’Reilly Media, LinkedIn Learning y The Linux Foundation. También colabora con 2U/GetSmarter como tutor para los cursos ejecutivos de IA de MIT Sloan. Sus áreas de experiencia incluyen el liderazgo y la gestión de proyectos de IA, la implementación de sistemas de IA responsables, la gobernanza y el cumplimiento normativo de datos y de IA, y la computación en la nube.

1. Introducción a la gestión de proyectos de IA

• Niveles de gestión de IA: Nivel 1, estrategia de IA; Nivel 2, gestión táctica; Nivel 3, gestión técnica.
• Desmitificando el rol del gestor de proyectos de IA: no existe una única forma de gestionar proyectos de IA; «gestionar proyectos de IA» e «IA para gestores de proyectos» no son lo mismo; las habilidades que esperan de ti las empresas orientadas a la IA; el éxito está en conocer las diferencias entre la gestión de proyectos «regular» y la de IA.
• Principales desafíos para los profesionales de la gestión de proyectos de IA.
• Cuaderno del capítulo 1.

2. Una inmersión profunda en la IA para gestores de proyectos

• Temas clave de la IA: evolución de las tecnologías, capacidades principales, tipos de aprendizaje y conceptos adicionales.
• Componentes básicos para sistemas de IA: Machine Learning, Deep Learning, Procesamiento de Lenguaje Natural e IA generativa.
• Cuaderno del capítulo 2.

3. El rol del gestor de proyectos de IA

• Gestión de proyectos y habilidades híbridas: conocimientos de IA y ciencia de datos, metodologías ágiles adaptadas a la IA, comunicación y colaboración, gestión de datos, toma de decisiones basada en datos, liderazgo y gestión del cambio.
• Responsabilidades clave: la propuesta de valor fundamental de un gestor de proyectos de IA y sus responsabilidades reales.
• Gestión de equipos de IA.
• Bonus track: marco ADRIAN para la contratación de gestores de proyectos de IA.
• Cuaderno del capítulo 3.

4. Enfoque aplicado a la gestión de proyectos de IA

• La metodología EMED para la gestión de proyectos de IA de extremo a extremo: Fase 1, exploración; Fase 2, movilización; Fase 3, ejecución; Fase 4, entrega.
• Metodologías útiles: cascada como enfoque fundamental, ágil como enfoque adaptativo y el enfoque híbrido recomendado.
• Cuaderno del capítulo 4.

5. Consideraciones de gestión de proyectos durante el ciclo de vida técnico de la IA

• La noción de un ciclo de vida de la IA: ciclos de vida técnicos y otros ciclos de vida.
• Consideraciones por etapa: ideación y definición del problema; recopilación y preparación de datos; desarrollo y experimentación de modelos; evaluación y validación; despliegue e integración; mantenimiento y fin del ciclo de vida.
• Ciclo de vida para el entrenamiento de modelos de IA generativa: preentrenamiento, posentrenamiento e inferencia.
• Cuaderno del capítulo 5.

6. Herramientas para la gestión de proyectos de IA

• La trifecta de herramientas: gestión de proyectos y tableros para el seguimiento del progreso, documentación y seguimiento para la gestión del conocimiento, y repositorios de código para alojamiento y despliegue.
• Herramientas impulsadas por IA para tu productividad: gestión de tareas aumentada, discusiones y recopilación de conocimiento, ideación y prototipado acelerados.
• La pila tecnológica para proyectos de IA: infraestructura, plataformas, suites de desarrollo y gobernanza y cumplimiento.
• Plantillas de herramientas y proveedores, lista de verificación general, y análisis y evaluación de herramientas.
• Cuaderno del capítulo 6.

7. Historias de innovación en proyectos de IA

• Aprendizajes y errores: aprovechamiento del poder de la misión y gestión del aspecto humano.
• Cómo lidiar con los impostores de IA: detección de señales de alerta y respeto a la profesión.
• El miedo al roadmap.
• Cuaderno del capítulo 7.

¿Necesito saber programar o entrenar modelos para aprovecharlo? No. El capítulo 2 es una inmersión en IA hecha para gestores: entiendes modelos y datos sin escribir una línea de código.

¿Me sirve si nunca he gestionado un proyecto de inteligencia artificial? Sí. Arrancas en el nivel 1, estrategia de IA, y avanzas con la metodología EMED, de la exploración a la entrega.

¿En qué se diferencia gestionar IA de gestionar un proyecto de software tradicional? Los datos llegan sucios, el modelo no garantiza resultado y el alcance se mueve. Gestionas incertidumbre, no tareas fijas.

¿Cubre tanto la IA tradicional como la IA generativa? Sí, las dos. Y la generativa lleva su propio ciclo: preentrenamiento, posentrenamiento e inferencia.

¿Funciona en una empresa pequeña o solo tiene sentido en corporativos grandes? En las dos. El marco es agnóstico de industria, y los autores lo aplicaron desde startups hasta grandes empresas.

¿Trae una metodología paso a paso o se queda en teoría? Paso a paso: EMED en cuatro fases, seis etapas del ciclo técnico y un cuaderno de trabajo al cierre de cada capítulo.

¿Puedo aplicarlo con equipos híbridos, remotos y repartidos en varios países? Sí. Comunicación, colaboración y gestión del cambio son habilidades centrales del rol, no un apéndice.

¿Qué hago cuando no hay datos suficientes ni con la calidad necesaria? La etapa 2 es recopilación y preparación de datos: aquí es una fase entera del proyecto, no un trámite previo.

¿Cómo estimo plazos y alcance si los resultados del modelo son inciertos? Con experimentación iterativa y el enfoque híbrido de cascada y ágil, no con un cronograma que ya nadie cree.

¿Cómo convenzo a la dirección de dar el salto del piloto a producción? La fase de entrega y la etapa de despliegue existen para eso: sacar el prototipo de la demo y ponerlo ante usuarios reales.

¿Qué herramientas necesito y cómo elijo entre tantas plataformas y proveedores? Con la trifecta de herramientas, la pila tecnológica y una lista de verificación para evaluar proveedores con criterio.

¿Aborda gobernanza, cumplimiento normativo e IA responsable? Sí, con capa propia dentro de la pila tecnológica. Es justo lo que separa al profesional serio del entusiasta.

¿Me sirve para prepararme y postularme a un puesto de gestor de proyectos de IA? Sí. El marco ADRIAN te enseña qué esperan de un gestor de proyectos de IA quienes contratan, y qué debes demostrar.

¿Incluye ejemplos del mundo real o son escenarios inventados? Reales. El capítulo 7 reúne historias de innovación con sus aprendizajes, sus errores y sus señales de alerta.

¿Se queda obsoleto con la velocidad a la que avanza la IA? No. Te llevas marcos de decisión, EMED y ADRIAN, y criterios para evaluar herramientas: eso sobrevive al modelo de moda.

¿Quiénes son los autores y por qué debería confiar en su criterio? Malini Jain Runtasewee, profesora en IE University, y Adrián González Sánchez, de Microsoft AI. Los publica O’Reilly.

¿Cuánto tardo en leerlo y en empezar a aplicarlo en mi proyecto actual? Cada capítulo cierra con su cuaderno, así que trabajas sobre tu proyecto real mientras avanzas, sin esperar la última página.