Lecciones aprendidas activadas: IA agentic como nuevo músculo de la PMO
Están en el PMBOK.
Aparecen en auditorías.
Se documentan al cierre.
Y luego… se archivan.
Carpetas compartidas.
Hojas Excel.
Formularios básicos con campos tipo ABC: agregar, modificar, eliminar.
Con el tiempo, ese conocimiento organizacional se convierte en un activo estático.
Valioso, pero subutilizado.
La pregunta es inevitable:
¿Qué pasaría si esas lecciones no fueran un repositorio muerto, sino un sistema activo de apoyo a decisiones?
La oportunidad: agentes de IA basados en experiencia real
La nueva generación de herramientas de IA agentic —capaces de operar sobre archivos, estructurar información y automatizar flujos repetibles— abre una posibilidad concreta:
Convertir años de documentación histórica en un sistema consultable, dinámico y contextual.
En lugar de revisar manualmente 10 o 15 proyectos pasados, un Project Manager podría:
- Consultar patrones de riesgo recurrentes.
- Detectar causas raíz frecuentes en cronogramas.
- Identificar stakeholders críticos en proyectos similares.
- Obtener alertas basadas en precedentes organizacionales.
No se trata de reemplazar criterio humano.
Se trata de amplificarlo.
MIT Sloan Management Review (Ramakrishnan, 2026) ha descrito cómo las herramientas agentic evolucionan desde simples chatbots hacia sistemas capaces de interactuar directamente con estructuras de información organizacional, permitiendo automatización y memoria contextual.
Ese “concepto de memoria” aplicado a la PMO es transformador.
De la intuición al indicador
Uno de los problemas clásicos en gestión de proyectos es la dependencia excesiva de memoria individual o intuición.
Pero si un agente puede:
- Clasificar lecciones por tipo de riesgo.
- Detectar recurrencias en desviaciones de costos.
- Analizar correlaciones entre stakeholders y conflictos.
- Generar métricas comparativas entre proyectos similares.
Entonces las decisiones dejan de ser anecdóticas y se vuelven más estructuradas.
McKinsey Global Institute ha señalado que la IA aplicada al trabajo de conocimiento tiene el potencial de aumentar significativamente la productividad y la calidad de decisiones en entornos complejos (McKinsey, AI and the Future of Work).
En el contexto de proyectos, esto significa menos sorpresas y mayor anticipación.
Gobernanza: el componente crítico
Sin embargo, convertir lecciones aprendidas en un sistema inteligente implica riesgos:
- Sesgos históricos (si los proyectos previos estaban mal gestionados).
- Datos incompletos o mal documentados.
- Sobreconfianza en recomendaciones automatizadas.
- Riesgos de privacidad o confidencialidad.
Organismos como la OECD y el World Economic Forum han enfatizado que la gobernanza de IA debe incorporar principios de transparencia, accountability y control humano significativo.
Un agente para PMO no puede ser una “caja negra”.
Debe:
- Permitir trazabilidad.
- Mostrar fuentes de datos.
- Mantener supervisión humana.
- Operar bajo políticas claras de uso.
Aquí es donde la disciplina de gestión de riesgos y gobierno TI se vuelve clave.
Más eficiencia no significa más explotación
Existe otro riesgo silencioso.
Cuando una organización mejora eficiencia con IA, puede caer en la tentación de simplemente aumentar carga operativa.
Pero el propósito de un sistema basado en lecciones aprendidas no es duplicar proyectos por PM.
Es:
- Reducir desgaste.
- Evitar repetir errores.
- Anticipar conflictos.
- Elevar calidad estratégica.
La ética en la adopción de IA organizacional implica proteger también el factor humano.
La productividad no debe convertirse en sobreexigencia.
El verdadero valor: activar el conocimiento acumulado
Las organizaciones acumulan experiencia durante años.
Pero experiencia archivada no es ventaja competitiva.
Experiencia activada, contextualizada y gobernada sí lo es.
Tal vez el siguiente salto en madurez de las PMO no esté en nuevas metodologías.
Tal vez esté en algo que siempre estuvo ahí:
Las lecciones aprendidas.
Solo que esta vez, vivas.
Referencias
- Ramakrishnan, R. (2026). AI Coding Tools for Knowledge Work: What Executives Need to Know. MIT Sloan Management Review.
- McKinsey Global Institute. AI and the Future of Work.
- OECD. Principles on Artificial Intelligence.
- World Economic Forum. AI Governance Framework.
- PMI. (2025). Pulse of the Profession 2025. Secciones: Performance Drivers; Ways of Working; Talent & Capabilities.
No hay comentarios:
Publicar un comentario