Por Manuel Carmona
Durante décadas, la gestión de riesgos en proyectos ha estado anclada en un conjunto familiar de actividades y procesos: identificar amenazas y oportunidades, estimar su efecto en coste y plazo, elaborar modelos y ayudar a la dirección a navegar la incertidumbre con mayor claridad. Ha sido siempre una disciplina centrada en las personas, fuertemente dependiente del conocimiento técnico, el juicio profesional y la experiencia acumulada. Sin embargo, hoy estamos cruzando un umbral. La Inteligencia Artificial no solo está modificando las técnicas que utilizamos; está transformando los propios cimientos sobre los que se organiza el trabajo en los proyectos.
En mi reciente libro, Inteligencia Artificial y Análisis de Riesgos en Proyectos (Marcombo 2026) sostengo que esta transformación va mucho más allá de la automatización o las mejoras de productividad. La IA está convirtiéndose silenciosamente en el nuevo sistema operativo para la toma de decisiones en proyectos. Cambia la forma en que capturamos el conocimiento, en que modelamos la incertidumbre y en que las organizaciones aprenden con el tiempo. La visión tradicional —“la IA acelerará tu trabajo” o “la persona que use IA sustituirá a quien no la use”— solo alcanza a describir la superficie de lo que está ocurriendo. La velocidad es, de hecho, la parte menos interesante de esta historia. La IA no es solo un acelerador del esfuerzo humano; es una fuerza que reconfigura sistemas completos de trabajo.
Sangeet Paul Choudary lo expresa con gran claridad en su libro Reshuffle, donde describe la IA como un disruptor estructural y un agente de reconfiguración, más que como una herramienta de incremento de productividad. Las industrias están siendo reorganizadas desde sus cimientos. Los flujos de trabajo establecidos y diseñados en torno a las personas comienzan a disolverse, las jerarquías profesionales se aplanan y la lógica misma de la coordinación cambia. La experiencia que antes se acumulaba a lo largo de lentos aprendizajes ahora está disponible bajo demanda. El conocimiento tácito que solía permanecer encerrado en conversaciones, en la memoria individual o en hilos de correo olvidados se vuelve explícito y accesible. Los equipos aprenden más rápido porque la organización, en cierto modo, empieza a “recordar ”.
El ejemplo proveniente de la profesión legal, brillantemente explicado en el libro de Choudary, ilustra bien este fenómeno. Tradicionalmente, los abogados junior aprendían revisando contratos de forma manual. A través de este trabajo repetitivo y minucioso desarrollaban su sensibilidad, su capacidad de juicio y su intuición para anticipar riesgos legales. Hoy, los sistemas de IA escanean miles de documentos en segundos, identifican anomalías, recuerdan cómo se gestionaron y resolvieron cláusulas similares en negociaciones anteriores y proponen alternativas mejoradas. La pericia que antes requería años de práctica deliberada puede aflorar de inmediato. Este cambio no solo hace más rápidos a los abogados; redefine la estructura de los despachos, la forma en que forman a sus nuevos profesionales y el tipo de talento que necesitan.
El libro de Choudary ofrece muchos otros ejemplos igual de reveladores.
Un cambio similar está apareciendo ya en la gestión de proyectos. La disciplina se fundamenta en percepciones tácitas: la comprensión instintiva de dónde puede ser vulnerable un proyecto, el conocimiento no escrito de cómo pequeños retrasos se amplifican en un cronograma, las lecciones acumuladas de fracasos pasados, las opiniones de expertos. Tradicionalmente, ese conocimiento vivía en las personas o en documentos dispersos: desde el registro de riesgos hasta modificaciones contractuales, lecciones aprendidas o notas personales. La IA modifica por completo esta dinámica. Los sistemas pueden absorber ahora historiales de proyectos, informes de costes, planificaciones base, registros de cambios, correspondencia y datos no estructurados, convirtiendo información enterrada en inteligencia accionable.
Riesgos que antes dependían de la memoria o la intuición de alguien pueden detectarse automáticamente. Patrones invisibles al ojo humano —señales tempranas de desviación de costes, indicadores conductuales de desalineación entre interesados o correlaciones sutiles entre cambios de alcance y deriva del cronograma— pueden emerger de forma sistemática y temprana.
Esto no resta importancia al análisis cuantitativo ni a la simulación Monte Carlo; al contrario, los eleva. En lugar de pasar horas construyendo y manteniendo modelos, los equipos los supervisarán, cuestionarán sus supuestos y formularán preguntas más ambiciosas. El analista de riesgos deja de ser un constructor de hojas de cálculo para convertirse en un arquitecto de sistemas de decisión. A medida que los modelos se vuelvan más fáciles de generar e iterar mediante interfaces conversacionales, el foco se desplazará de la construcción mecánica a la interpretación analítica. El valor ya no residirá en la complejidad de la herramienta, sino en la claridad de las conclusiones que produzca.
Las consecuencias para las organizaciones que gestionan proyectos son profundas. Los flujos de trabajo cambian primero: se dedica menos tiempo a tareas administrativas, informes o actualizaciones manuales y más tiempo a analizar señales, estudiar escenarios y diseñar respuestas. La coordinación también evoluciona. Cuando la información es sintetizada de manera continua por sistemas de IA, los equipos se alinean más rápidamente en torno a una comprensión compartida de las amenazas y oportunidades. Esto reduce la necesidad de estructuras de gobernanza pesadas, reuniones repetitivas y capas de revisión. Equipos más pequeños y ágiles podrán producir el tipo de análisis que antes exigía un departamento completo.
La gestión de proyectos, en otras palabras, no escapará a la “reconfiguración” que ya está transformando los sectores basados en el conocimiento y la coordinación. Y en muchos aspectos, está especialmente expuesta. Los proyectos son complejos, dinámicos y ricos en información no estructurada. Generan el tipo de datos —narrativas, documentos, revisiones, compromisos, supuestos— que los sistemas de IA pueden comprender con enorme eficacia. La aparición de asistentes inteligentes capaces de leer especificaciones, analizar cronogramas, vigilar desviaciones y anticipar riesgos seguramente redefinirá las expectativas de calidad, velocidad y transparencia.
Estamos pasando de un mundo donde la gestión de riesgos es episódica —marcada por talleres, revisiones y reportes mensuales— a otro en el que es continua y adaptable. Los registros de riesgos dejarán de ser listas estáticas creadas al inicio del proyecto para convertirse en sistemas vivos que evolucionan en tiempo real. Los responsables de la toma de decisiones no se apoyarán en simulaciones como análisis puntuales, sino como representaciones actualizadas de la realidad del proyecto. Y las organizaciones empezarán a tratar los datos de riesgo como un activo estratégico, no como un requisito de cumplimiento.
Esta transformación no sustituirá el juicio humano. Lo amplificará. Pero también exigirá un cambio de mentalidad: pasar de recopilar información a darle forma, de documentar la incertidumbre a comprenderla, y de reaccionar ante las sorpresas a anticiparlas con una claridad sin precedentes.
El futuro de la gestión de riesgos en proyectos no será una hoja de cálculo más rápida. Será un ecosistema inteligente—impulsado por personas que entienden el riesgo y apoyado por máquinas que nunca dejan de aprender.
