Descripción
La incertidumbre ya no es una excepción: es la norma
En un entorno donde los proyectos son cada vez más complejos, los riesgos se interrelacionan de forma impredecible y cada indecisión puede suponer millones en pérdidas, las organizaciones se enfrentan a un escenario más exigente que nunca. Los riesgos ya no solo comprometen los resultados: pueden poner en peligro la viabilidad de una empresa, con impactos decisivos e incluso catastróficos.
Gestionar los riesgos de manera superficial ya no es suficiente. Hoy resulta imprescindible anticiparlos, analizarlos, cuantificarlos y afrontarlos con un enfoque estratégico y riguroso.
Este libro ofrece una guía práctica y con visión de futuro para aplicar la simulación de Monte Carlo, herramientas cuantitativas y técnicas de inteligencia artificial en la gestión de riesgos y en la toma de decisiones.
A través de modelos cuantitativos, análisis estructurados y el apoyo de la IA generativa, aprenderás a transformar la incertidumbre y la amenaza en una ventaja competitiva para:
- Reforzar los planes financieros
- Aumentar la resiliencia organizativa
- Mejorar la calidad de las decisiones
Dirigido a profesionales de la gestión de proyectos, responsables de riesgos y estudiantes de ingeniería o negocios, combina rigor técnico con un enfoque claro, práctico y aplicable.
Además, incluye material descargable: plantillas de Excel listas para usar, ejemplos de prompts de IA y vídeos explicativos.
Si buscas ir más allá de la gestión tradicional de riesgos, este libro se convertirá en un recurso imprescindible para dominar la incertidumbre y tomar decisiones con mayor seguridad.
Índice
Contenido
Prólogo
Introducción – Una guía práctica para la gestión de riesgos en proyectos
CAPÍTULO 1. El entorno del análisis de riesgos en proyectos – Conceptos clave para una gestión eficaz
1.1. ¿Qué es un proyecto?
1.2. La incertidumbre en los proyectos – Gestión estratégica para mitigar riesgos y mejorar la planificación
1.3. Factores externos e imprevisibles – Adaptabilidad y resiliencia en la gestión de proyectos
CAPÍTULO 2. El papel clave de los directores de proyecto – Gestión de riesgos y liderazgo estratégico para el éxito
2.1. Perfil del director de proyecto – Liderazgo y visión para cumplir los objetivos del proyecto
2.2. El entorno de la gestión de riesgos en un proyecto: claves para una supervisión eficaz
2.3. Los actores clave en la gestión de riesgos: roles y responsabilidades
CAPÍTULO 3. El entorno de la gestión de riesgos en un proyecto: factores clave para una gestión efectiva
3.1. Herramientas y estrategias para la gestión de riesgos: claves para una gestión eficiente y proactiva
3.2. La importancia de la negociación en la gestión de riesgos: cómo asegurar recursos y acuerdos efectivos
3.3. Liderazgo y teoría de organizaciones: claves para la gestión de riesgos en entornos dinámicos
3.4. Aspectos clave en la comunicación: cómo garantizar un diálogo eficaz sobre riesgos
3.5. Integración de la gestión de riesgos en el proyecto: un enfoque proactivo desde el inicio
3.6. Clasificación de partes interesadas para la toma de decisiones: cómo optimizar su participación
3.7. Técnicas de debate, análisis y toma de decisiones: herramientas para optimizar el análisis de riesgos
3.8. Actitudes y tolerancias de riesgo de las partes interesadas: cómo influyen en la gestión del proyecto
CAPÍTULO 4. Estadística para el análisis de riesgos: fundamentos para una toma de decisiones basada en datos
4.1. Estadística descriptiva: cómo resumir y analizar datos de forma eficiente
4.2. Estadística inferencial: predicción y toma de decisiones basadas en datos
4.3. Estimaciones estadísticas: modelando la incertidumbre en proyectos
4.4. Aplicación de las estimaciones en la gestión de riesgos – Simulación de Monte Carlo
CAPÍTULO 5. Un esquema para gestionar los riesgos en proyectos
5.1. El proceso de planificación de riesgos: fundamentos para un proyecto resiliente y eficiente
5.2. El proceso de identificación de riesgos: claves para detectar amenazas y oportunidades tempranamente
5.3. La importancia de identificar oportunidades
5.4. El proceso de análisis cualitativo y cuantitativo de riesgos: priorización estratégica basada en probabilidad e impacto
5.5. Objetivos del análisis cuantitativo de riesgos
5.6. Limitaciones del análisis cualitativo y necesidad del análisis cuantitativo de riesgos
5.7. El proceso de planificación de respuestas a riesgos – Diseñando estrategias para actuar sobre los riesgos
5.8. El proceso de seguimiento, control y documentación de los riesgos
CAPÍTULO 6. Cómo crear un plan de riesgos
6.1. Elementos esenciales para la planificación de riesgos
6.2. Concepto general de riesgo
6.3. El presupuesto de contingencia y la reserva ejecutiva
6.4. Proceso de planificación de riesgos
6.5. El plan de gestión del proyecto
6.6. Consideraciones para el responsable de riesgos en la planificación del proyecto
6.7. Plan de gestión de los riesgos
CAPÍTULO 7. Identificación de los riesgos. Estrategias para detectar y anticipar posibles problemas en el proyecto
7.1. Clasificación de los riesgos en un proyecto
7.2. Estimaciones de duración demasiado optimistas: cómo evitar plazos irrealistas
7.3. Ejemplo ilustrativo: dependencias en la construcción de una vivienda
7.4. Riesgos en las contrataciones: estrategias para seleccionar y gestionar acuerdos de forma segura
7.5. Riesgos económicos: identificación y mitigación de amenazas financieras en el proyecto. Protección del presupuesto frente a inflación, fluctuaciones y costes inesperados
7.6. Identificación de riesgos en proyectos: claves para un análisis proactivo y eficiente
7.7. Estimaciones de costes y duración de actividades y tareas
7.8. Método PERT
7.9. Estimación de valores en la gestión de proyectos: la regla de Fermi
7.10. Integración de estimaciones aproximadas en la identificación de riesgos
7.11. Análisis de la situación actual del proyecto. Suposiciones y restricciones
7.12. Técnicas para la identificación y análisis de riesgos
7.13. Análisis FMEA – Failure Mode and Effects Analysis
7.14. Diagramas de influencia: visualización estratégica para la gestión de riesgos
7.15. Árbol de análisis de fallos (FTA): diagnóstico visual de riesgos y causas raíz
7.16. Listas de categorías de riesgos: organización y cobertura total de riesgos potenciales
7.17. Revisión de la lista de desglose de riesgos (RBS): enfoque jerárquico para identificar riesgos
7.18. Análisis de origen de riesgos (causa raíz): enfoque estructurado para resolver problemas
7.19. Análisis DAFO-SWOT: método estratégico para evaluar factores internos y externos
7.20. Dinámica de sistemas: herramienta para entender y gestionar sistemas complejos
7.21. Revisión de la lista de desglose de trabajo (LDT): visión estructurada del proyecto
7.22. Análisis de futuro: técnicas para identificar, anticipar y evaluar riesgos en proyectos
7.23. Análisis de campos de fuerza (force field analysis): herramienta para visualizar el cambio
7.24. Cuestionarios y entrevistas: herramientas clave para recabar información de riesgos
7.25. El registro de riesgos: la columna vertebral de la gestión de riesgos
CAPÍTULO 8. El proceso de análisis cuantitativo de riesgos. Cómo modelar escenarios y tomar decisiones informadas
8.1. Simulación de Monte Carlo y otras técnicas de análisis cuantitativo
8.2. Métodos de análisis cuantitativos de riesgo: herramientas clave para la toma de decisiones
8.3. Métodos de análisis de riesgos y decisión: simulación de Monte Carlo, árboles de decisión y análisis de sensibilidad (tornado)
8.4. Análisis probabilístico de VAN y TIR de un proyecto con simulación de Monte Carlo
8.5. Análisis probabilístico de coste y cronograma (CSRA): evaluación de incertidumbre en plazos y presupuestos
8.6. Gestión de riesgos con registro de riesgos probabilístico: modelado de impacto en costes y plazos con simulación de Monte Carlo
8.7. Análisis de sensibilidad con gráficos tornado: visualización del impacto de las variables en el resultado final
8.8. Interpretación del gráfico de tornado
CAPÍTULO 9. Optimización de decisiones con árboles de decisión, análisis EMV y Bowtie
9.1. Elementos clave del análisis EMV con árboles de decisión
9.2. Ejemplo de decisión para licitación (bidding): modelo básico de árbol de decisión
9.3. Análisis de causas, riesgos y consecuencias en proyectos con el método Bowtie: gestión estratégica de riesgos críticos
CAPÍTULO 10. Ejemplo de evaluación económica de proyectos con simulación Monte Carlo
10.1. Riesgo en la selección de proyectos
10.2. Qué es una distribución de probabilidad
10.3. Análisis cuantitativo en la práctica
10.4. Las distribuciones PERT y triangular
10.5. Dos propuestas de proyectos: análisis de VAN
10.6. Evaluación del riesgo financiero con Excel y simulación Monte Carlo
10.7. Distribuciones de salida y tablas estadísticas de resultados
CAPÍTULO 11. La llegada de la inteligencia artificial a la gestión de riesgos: transformando la toma de decisiones
11.1. IA y LLM – Modelos de lenguaje extenso
11.2. Redes neuronales e inferencia estadística
11.3. La inteligencia artificial en la gestión de riesgos. Cómo los modelos de lenguaje mejoran la toma de decisiones
11.4. Implementación de IA en la gestión de riesgos: recomendaciones y desafíos
11.5. Estrategias avanzadas para la creación de prompts con IA: cómo mejorar la interacción con modelos de lenguaje
11.6. Enfoque por etapas en la creación de prompts: planificación, refinamiento y optimización
11.7. La IA como herramienta estratégica para optimizar el trabajo
11.8. Construcción de prompts avanzados: técnicas para obtener buenos resultados
11.9. La necesidad de la validación humana en las respuestas de IA
11.10. Innovaciones en los modelos de IA
Bibliografía
Valoraciones
No hay valoraciones aún.