Llegamos a ustedes gracias a:



Reportajes y análisis

La Inteligencia Artificial y la gestión de proyectos

Cómo la primera puede revolucionar a la segunda

[16/02/2018] Desde el desarrollo de software hasta la construcción, la logística y las finanzas, cada empresa tiene proyectos que necesitan planificación, administración y monitoreo. Pero las herramientas que usamos para hacer eso a menudo son complejas, están diseñadas para especialistas y no hacen tanto como podrían para advertir sobre posibles problemas. ¿Podrían los sistemas de soporte de decisión y automatización impulsados por la Inteligencia Artificial, IA, hacer que sus proyectos tengan más éxito al reducir costos y errores, analizar riesgos, hacer las cosas más eficientes o mantener las cosas a tiempo y dentro del presupuesto?

Aquí presentamos un vistazo temprano sobre cómo la inteligencia artificial, el aprendizaje automático y el análisis predictivo podrían afectar los resultados del proyecto en los años venideros.

Pensando en el riesgo

Administrar bien un proyecto requiere más que solo hacer un gran plan por adelantado y apegarse a él. Las interdependencias dentro de su proyecto y los cambios externos hacen que los resultados sean impredecibles. Las estimaciones y muchos pronósticos son, en el mejor de los casos, pura intuición; en el peor, conjeturas y movimientos manuales. Las técnicas de gestión modernas, como la entrega ágil y continua, apuntan a reducir la incertidumbre al trabajar de forma incremental, pero eso aún no garantiza la entrega final. La administración de cartera selecciona una combinación de proyectos que equilibran el riesgo y la recompensa (porque es difícil mantenerse competitivo si solo se juega de forma segura), pero eso significa evaluar el riesgo con precisión, lo cual es difícil.

"El riesgo en un proyecto siempre es probabilístico y la mente humana no es buena para hacer una gestión de probabilidad basada en el riesgo, especialmente cuando combinamos muchas probabilidades diferentes", señala el CEO de Aptage, John Heintz. Es fácil confirmar sus propias opiniones; "Recibí la respuesta que esperaba, y estoy de acuerdo conmigo mismo".

También somos propensos a lo que él llama "planificación basada en la esperanza".

"Es natural: Hasta cierto punto somos optimistas; todos vemos el camino positivo hacia adelante, la forma en que esto podría funcionar, y no tenemos pruebas para demostrar que no puede funcionar, por lo que esperamos que funcione de la manera que queremos", indica Heintz.

Aptage utiliza el aprendizaje automático para predecir los resultados de los proyectos utilizando los datos que ya tiene, como la fecha de inicio y finalización planificada de varias fases del proyecto (y, si los tiene, las estimaciones sobre los atrasos) para conocer la tasa de finalización del proyecto por parte del equipo, y predecir la probabilidad de entregarlo a tiempo. Las estimaciones son siempre inciertas, por lo que puede poner límites superiores e inferiores a la duración de las tareas (o el software puede modelarlo utilizando la proporción áurea). También debe incluir información sobre la fuente de los riesgos: "No culpe simplemente a la última persona que tiene el problema; averigüe qué está yendo mal", como anota Heintz.

Esa es la información que tendrá la mayoría de los equipos, sugiere. "Los equipos que no tienen un proceso tremendamente riguroso, aún pueden usar nuestra herramienta de inmediato. Si un equipo tiene un retraso acumulado en el que hay siete cosas escritas en una servilleta, aún podemos ayudarlo. Si un equipo tiene un análisis de mejor caso/peor caso y una estructura de desglose del trabajo para todo el proyecto, podemos dar aún más consejos", anota Heintz.

Aptage utiliza visualizaciones de confianza, viabilidad y según el riesgo aumente o disminuya con el tiempo para ayudarlo a cambiar entre lo que Heintz llama pensamiento rápido y lento. "Tuvimos que crear estos elementos visuales porque necesitamos conectarnos con la mente intuitiva y de pensamiento rápido para ayudar a las personas a ver las cosas de una manera que les permita tomar buenas decisiones intuitivas. Si el proyecto comienza a ponerse mucho más rojo, el cerebro del lagarto debería tener cierto temor. Tal vez todavía decidamos seguir adelante con ese proyecto, pero lo hemos pensado y nos hemos visto obligados a pensar sobre las cosas correctas. 'Eso podría herir, pero tenemos una red de seguridad; si tenemos que gastar un 20% más en este proyecto, todavía tendremos una buena probabilidad [de éxito]; tomemos el riesgo'".

Los algoritmos y modelos de los usos de Aptage se diseñaron para el desarrollo de software, pero también calzan para proyectos de construcción. La primera integración (más bien básica) es con Jira, y con el tiempo Heintz espera poner las visualizaciones dentro de las herramientas que los equipos de proyecto usan a diario, como Microsoft Project, planificación de la construcción Primavera, Trello o incluso mapas de ruta y KPI en Salesforce o Power BI. "Si pongo una tarea en Trello o ServiceNow, ¿cuándo podría esperar y con qué nivel de confianza es la estimación? Deme la fecha de confianza del 90%".

Generalmente, el objetivo es evitar llegar al final de un proyecto y sorprenderse. "Si supiera hoy que el proyecto tenía un riesgo del 60% de no hacerse bien y de hacerse bien, ¿qué haría de manera diferente? Le señalamos la fuente del riesgo y lo que podría hacer al respecto".

Aptage no solucionará los proyectos problemáticos, pero debería advertirle sobre ellos, anota Heintz. "Es la capacidad de colaborar y decirle 'Este es un proyecto de alto riesgo y lo estamos gestionando bien' frente a 'No sabemos cuál es el riesgo; solo vamos a prometer que se va a hacer y en el último momento podríamos decir que no".

Administracion de recursos

Algunas de las empresas de herramientas de inteligencia artificial ya están adoptando cosas, como el mantenimiento predictivo, que pueden ayudar a que los proyectos sean más eficientes y confiables, afirma Lance Olsen, director del equipo Cloud AI de Microsoft. "Una de las cosas más comunes que puede echar a perder un proyecto -en términos de su calendario y riesgo- es una falla imprevista en los sistemas en los que confía el proyecto".

En general, él cree que la IA será más útil al eliminar el riesgo en los proyectos, "ya sea la predicción para el proyecto inicial o eliminar el riesgo en la ejecución". Eso hará que los proyectos sean más eficientes: "Hay tanta incertidumbre y cómo lidiamos con eso ahora es la forma en que creamos buffers gigantes", señala.

La IA puede ayudar a rastrear el progreso y el rendimiento, especialmente si se tiene una visión amplia de la gestión de proyectos, sugiere Nadya Duke Boone, directora de gestión de productos para plataforma en New Relic, que recientemente agregó lo que denomina inteligencia aplicada a sus herramientas de monitoreo de rendimiento. "Se está llevando a cabo una gran cantidad de administración de proyectos donde no hay nadie que oficialmente tenga ese título o rol, y hay un nuevo conjunto de herramientas de administración de proyectos que no pensamos conscientemente de esa manera".

Con los proyectos incrementales, el éxito no siempre se determina al final de un proyecto; es más probable que se trate de KPI continuos en cuanto a calidad y confiabilidad. "Los clientes preguntan '¿Estamos en camino?' ¿están usando métricas como cuántas implementaciones puedo hacer? ¿Qué tan confiables son mis implementaciones? ¿Tengo errores de regresión? ¿Estoy actuando en el lugar correcto?", indica Boone. "La IA podría identificar tendencias de ralentización en ese flujo de datos que son significativos pero difíciles de ver, o fáciles de ignorar para los humanos, incluso si los ven".

New Relic Applied Intelligence incluye una herramienta llamada Radar que busca estos patrones y problemas, sugiere acciones y aprende de lo que los usuarios recogen. "Nos está ayudando a encontrar cosas como una desaceleración semanal; algo que va en la dirección equivocada, y que no lo hubiéramos atrapado porque el proyecto está muy enfocado en el día a día", indica.

La IA, sugiere Boone, podría ayudar a asegurarnos de prestar atención a las malas noticias. "He conocido casos en que las estadísticas han demostrado que las tendencias se dirigen hacia la dirección equivocada, pero es difícil que la gente lo reconozca".

También puede ayudar con la automatización, dándole a los gerentes de proyecto más tiempo para administrar realmente. "Una gran parte de la función de la IA en cualquier industria en este momento, es eliminar el trabajo que es tedioso y dejar que los humanos se concentren en la parte que las máquinas no hacen bien. Tanto trabajo en la gestión de proyectos no es una cuestión de números; se trata de si tenemos objetivos claros, todos se mueven en la misma dirección y se coordina su trabajo".

New Relic, por ejemplo, usa un chatbot para recordarle a los gerentes que administren horas capitalizables. Boone también especula que el análisis del lenguaje natural de cómo las personas expresan las actualizaciones de estado pueden ayudar a determinar qué tan seguros están del progreso.

"Reducir las tareas monótonas y lentas que no son necesariamente de gran valor, pero aparecen en todos los proyectos" no solo permite ahorrar tiempo, señala Olsen; también reduce los errores.

Rick McEachern, vicepresidente de negocios de desarrollo de Software AG, considera que la automatización de procesos robóticos (RPA, por sus siglas en inglés) se hace cargo de muchas de las tareas mundanas, repetitivas y de gran volumen de los gerentes de proyecto, como fusionar datos de diferentes sistemas para coordinar entregas y otra logística, y actualizar los sistemas de gestión de casos. "Hay mucho trabajo que se puede hacer en cuanto a la transferencia de datos, el traslado entre diferentes sistemas, el manejo de correos electrónicos masivos, informes y procesamiento de archivos y documentos", anota McEachern. "Los robots son geniales en ese tipo de actividad".

"Podría hacer que los robots revisen las diferentes actualizaciones y los informes de estado y datos, y alertar si se supone que un archivo debe estar aquí en una fecha determinada y no llegó", sugiere McEachern. "Si alguien no ha enviado su último estimado, puede usar un robot con el sistema de administración de casos para hacerles ping y decir: 'Falta dos días para el plazo y le enviaré un recordatorio por hora'. Y cuando cargan el nuevo horario, puedo invocar un robot para extraer los datos que me interesan y ponerlos en el cronograma del proyecto principal".

Prediciendo y experimentando

RPA también podría ser útil para la optimización y programación de recursos, si puede definir reglas comerciales o crear modelos de datos que puedan usar para evaluar e informar excepciones. Eso podría ser particularmente útil para el transporte y la logística, dijo; "Hay muchas optimizaciones diferentes en las que puede utilizar el aprendizaje automático, como el enrutamiento de menor costo para minimizar los costos de combustible o para optimizar las cargas".

"Puede usar el pronóstico como una forma de afinar la ejecución del proyecto y tener menos errores", anota Olsen, pero si realmente quiere usar la IA para mejorar proyectos, debe buscar formas de experimentar y mejorar. "Este tipo de prácticas van a ser lo que realmente diferenciará a las organizaciones en los próximos cinco años. Estos son sistemas de inteligencia y los CIOs deben diseñarlos para impulsar la tasa de experimentación".

"Parte de ese ciclo está diciendo, 'obtuvimos una precisión del 75% el mes pasado; ¿qué pasa con el otro 25%? Tal vez el clima es un pronosticador para nosotros; vamos a obtener un feed meteorológico y agregarlo al modelo y tal vez lleguemos al 80%". Mire su tasa de experimentación y su tasa de aprendizaje como una medida clave para el éxito en sus proyectos. ¿Cómo está siendo sistemático para aprender y conducir más experimentos?", anota Olsen.

Es tentador pensar que se podría usar el aprendizaje automático para hacer predicciones sobre qué proyectos tendrán éxito y cuáles fallarán, pero eso podría estar muy lejos, advierte.

"Vemos que las personas hoy en día se están enfocando en los componentes dentro del proyecto; los recursos y el progreso en contra de los recursos, o la salud o el rendimiento de los recursos. A medida que esto madure, un siguiente paso lógico es subir un nivel y ¿qué hay de todo el proyecto en sí mismo? ¿Cómo podemos hacerlo más eficiente? "Eso significará reunir información detallada sobre muchos proyectos, advierte.

"Para obtener predicciones sobre los proyectos, debe capturar datos sobre el proyecto en sí y alimentarlo con un modelo y decir cuáles fueron las anomalías o los rasgos comunes en el proyecto que lo hicieron exitoso", anota Olsen.

Boone también hace una advertencia sobre cuán precisas pueden ser las predicciones, señalando que algunas tareas de proyectos son más fáciles de estimar que otras porque son más repetitivas. Cuando trabajaba como gerente de proyectos, descubrió que los estimadores experimentados de ingeniería eléctrica eran muy precisos, y no solo por el tiempo que la industria de la construcción había tenido para acumular conocimiento.

"La diferencia entre el software de ingeniería y el de construcción es que no conocemos la unidad de trabajo; en ingeniería es un pie de conducto o un metro de hormigón, pero no tenemos eso en el software. Colocar asfalto es colocar asfalto sin importar dónde y cuándo lo haga, pero incluso agregar una columna a una base de datos puede ser muy diferente dependiendo de dónde se encuentre en el proyecto y quién lo esté haciendo", indica Boone.

Para proyectos grandes y complejos, con mucho personal, donde el objetivo final es algo repetible, como configurar un nuevo centro de datos o mover aplicaciones a una plataforma de contenedores, Boone cree que podría haber suficientes datos para el aprendizaje automático con el fin de identificar valores atípicos, anomalías o correlaciones. "Aquí hay tres correlaciones interesantes que hemos encontrado; es posible que desee profundizar en ellas. Eso es tratar a la IA como un socio del gerente de proyecto y permitirles aplicar su inteligencia emocional y de nivel humano".

Crédito foto principal: Geralt (CCO