Esta perspectiva también aparece en la reflexión de Mario H. Trentim sobre el papel de una PMO moderna: la oficina debe conectar el trabajo de los proyectos con las prioridades del negocio y ayudar a las personas a tomar mejores decisiones.

Qué debe hacer una oficina de gestión de proyectos

Las funciones de una PMO dependen del contexto de la empresa. Algunas oficinas ofrecen metodologías, plantillas, capacitación y asesoría a los equipos. Otras también establecen estándares, verifican el cumplimiento de la gobernanza o administran directamente algunos proyectos. La publicación del PMI sobre la evolución y los tipos de PMO describe modelos con distintos niveles de apoyo y control: de una oficina consultiva a una que dirige proyectos de manera directa.

No existe un modelo único que funcione para todas las empresas. Una PMO empresarial que define estándares para toda la organización puede tener necesidades diferentes de una oficina que apoya a una sola área o programa. La estructura debe responder a los objetivos, el grado de regulación, la cultura y la capacidad de ejecución de la empresa. El valor de una PMO estratégica depende de que su mandato sea claro y de que sus servicios respondan a lo que los equipos y los líderes realmente necesitan.

Al evaluar los tipos de PMO, conviene preguntar qué decisiones debe facilitar la oficina y qué problemas debe ayudar a resolver. ¿La empresa necesita más consistencia en sus procesos?, ¿mejor visibilidad de los riesgos?, ¿ayuda para priorizar iniciativas?, ¿o una conexión más clara entre la estrategia y la ejecución? La respuesta permite definir qué funciones debe asumir la PMO y qué servicios puede ofrecer sin añadir controles que no ayuden a los proyectos.

Mide el valor, no solo el avance

Muchas oficinas de gestión de proyectos monitorean el porcentaje completado, los hitos del cronograma, el presupuesto utilizado y la cantidad de actividades atrasadas. Esa información sigue siendo importante, pero muestra principalmente cómo avanza el trabajo. Por sí sola, no responde si la iniciativa sigue siendo relevante, si el resultado esperado todavía tiene sentido o si los beneficios planeados están llegando a los clientes, los equipos y la empresa.

Pensemos en un proyecto para implementar un nuevo sistema. El cronograma puede estar dentro de lo previsto y el presupuesto bajo control, pero quizá los equipos no estén adoptando la solución o esta no esté reduciendo el tiempo de atención como se había prometido. Una PMO orientada al valor monitorea la entrega y también pregunta qué cambio debería producir el proyecto, cómo se observará ese cambio y quién necesita percibir el beneficio.

La IA puede apoyar este trabajo al reunir señales que normalmente están separadas: avance, costos, riesgos, dependencias, cambios en el alcance e indicadores del resultado esperado. Con esos datos, la PMO puede detectar a tiempo cuándo la ejecución parece ir bien, pero el beneficio está en riesgo; por ejemplo, porque la adopción es baja, una dependencia importante no avanzó o cambió una premisa del negocio. El análisis puede indicar dónde investigar; las personas deben validar el contexto y decidir qué hacer.

En la práctica, esto significa que la PMO debe definir las medidas de éxito junto con los patrocinadores y las áreas que recibirán los resultados. Según el tipo de iniciativa, el valor puede reflejarse en una reducción de costos, un aumento de ingresos, un ciclo más corto, una mejor experiencia del cliente, una disminución del riesgo o la creación de una capacidad estratégica. La medida debe definirse antes del dashboard: primero se decide qué importa y después se eligen los datos que ayudarán a monitorear el resultado.

La guía del PMI para las oficinas de gestión de proyectos aborda la alineación con los objetivos de la organización, la demostración de valor y la mejora continua como aspectos importantes para la evolución de una PMO. Esto permite cambiar la conversación de “¿cuántos proyectos están a tiempo?” a “¿qué resultados estamos ayudando a lograr?”.

Empieza aplicando IA al trabajo repetitivo

Una forma práctica de aplicar IA en la gestión de proyectos es empezar por las actividades que consumen tiempo de manera recurrente y siguen un patrón claro. Reunir actualizaciones de distintos proyectos, preparar un primer borrador del reporte ejecutivo, resumir los acuerdos de una reunión, organizar los riesgos registrados en texto libre y señalar información faltante son tareas que pueden recibir apoyo de la automatización o de la IA.

Este tipo de aplicación permite que la PMO pruebe la calidad de los datos, entienda cómo trabajan los equipos y descubra dónde la automatización realmente reduce el esfuerzo. Por ejemplo, si cada gerente de proyecto registra los riesgos de una manera distinta, un modelo puede ayudar a organizar las descripciones en campos comunes. El equipo todavía necesita comprobar que cada riesgo se haya interpretado correctamente, pero puede dedicar menos tiempo a estandarizar manualmente los registros.

Empezar con una tarea bien delimitada también facilita evaluar si la iniciativa funciona. La PMO puede comparar cuánto tiempo llevaba antes esa actividad, cuántas correcciones se necesitan después de automatizarla y si los profesionales ahora dedican más tiempo al análisis y a conversar con los equipos. Si la herramienta solo genera más contenido que revisar, sin mejorar la calidad ni reducir el esfuerzo, conviene replantear el caso de uso.

La IA debe apoyar el análisis de los datos y la preparación de recomendaciones, pero las personas conservan la responsabilidad de decidir. El estándar del PMI sobre inteligencia artificial para portafolios, programas y proyectos incluye prácticas de revisión humana, gobernanza, gestión de riesgos y consideraciones legales y éticas.

Prepara la gobernanza y a las personas antes de escalar

Automatizar una actividad en un proyecto piloto es diferente de utilizar IA en decisiones que afectan prioridades, presupuesto, capacidad de los equipos o evaluación del desempeño. Antes de ampliar el uso, la empresa necesita acordar qué datos se pueden usar, quién tendrá acceso, cómo se verificarán las recomendaciones y qué decisiones siempre requieren revisión humana. Las reglas no tienen que empezar como un manual extenso, pero sí deben ser lo suficientemente claras para que los equipos sepan cómo actuar.

Una gobernanza práctica puede empezar con preguntas concretas: ¿de qué sistemas provienen los datos?, ¿quién es responsable de su calidad?, ¿qué información no se puede compartir con herramientas externas?, ¿cómo se registrará una recomendación generada por IA?, ¿quién puede aprobar un cambio de prioridad o presupuesto? En proyectos con información sensible, también hay que considerar la privacidad, la propiedad intelectual, las obligaciones contractuales y las políticas internas de la organización.

Las personas deben participar desde la selección de los casos de uso. Los gerentes de proyecto, los equipos, los patrocinadores y las áreas de soporte conocen detalles que no siempre aparecen en los registros: por qué una dependencia está detenida, por qué cambió una estimación o por qué una entrega dejó de ser prioritaria. Si la IA se presenta como un mecanismo para vigilar a las personas o evaluarlas automáticamente, la confianza puede disminuir y los datos pueden dejar de reflejar el trabajo real.

Por eso, la PMO debe explicar el propósito de cada aplicación, orientar a las personas para interpretar sus resultados y crear una forma sencilla de cuestionar una respuesta incorrecta. El estándar de IA del PMI destaca la revisión humana y la adaptación de las prácticas al contexto de cada organización. Implementar la herramienta es solo una parte del trabajo; también hay que preparar a las personas, los procesos y las responsabilidades que darán sentido a su uso.

Aplica criterios distintos según el tipo de trabajo

Una empresa puede tener proyectos regulatorios, mejoras operativas, desarrollo de productos, iniciativas de innovación y programas de transformación. Aplicar los mismos criterios y el mismo ritmo de gobernanza a todos puede generar distorsiones. Una iniciativa con alcance conocido y requisitos de cumplimiento puede necesitar controles detallados; un experimento de innovación puede requerir ciclos cortos de aprendizaje y criterios para decidir si conviene continuar.

La PMO puede definir criterios de evaluación según el tipo de trabajo y mantener, al mismo tiempo, la conexión con la estrategia. Para una iniciativa operativa, puede tener sentido monitorear costos, cronograma, calidad y reducción de fallas. En un proyecto de innovación, la etapa inicial podría evaluarse por las hipótesis probadas, la evidencia obtenida y el costo del aprendizaje. Si la solución demuestra potencial, la empresa puede evaluar su escalabilidad, adopción y retorno esperado.

La IA puede ayudar a aplicar esos criterios de manera consistente, organizar la evidencia, comparar iniciativas similares y llamar la atención sobre premisas que hayan cambiado. También puede apoyar la gestión del portafolio de proyectos —o de la cartera de proyectos, como suele decirse en España— al mostrar conflictos por recursos, concentración de riesgos o iniciativas que siguen consumiendo capacidad sin demostrar avances en los resultados esperados. La recomendación no debe sustituir el criterio del comité: debe hacer más visible la información que sustenta la conversación.

Cómo poner en marcha una PMO con IA en tu empresa

El primer paso es entender cómo funciona hoy la oficina de gestión de proyectos y qué espera la empresa de ella. Habla con patrocinadores, líderes de área y equipos para identificar qué decisiones toman demasiado tiempo, qué reportes requieren trabajo manual, dónde los datos son confiables y qué resultados deben producir los proyectos. Este diagnóstico evita elegir una herramienta antes de saber qué problema necesita resolver la PMO.

Después, elige un caso de uso pequeño, frecuente y relevante para la toma de decisiones. Puede ser consolidar las actualizaciones de los proyectos, identificar riesgos que llevan tiempo sin respuesta o señalar iniciativas cuyos beneficios están en riesgo. Define cómo evaluarás el piloto: tiempo ahorrado, calidad de la información, anticipación para detectar problemas o mejora en la toma de decisiones. El indicador debe representar un beneficio para la PMO y para quienes dependen de su trabajo.

Luego, verifica si los datos necesarios están disponibles y tienen suficiente calidad. Si las fechas no se actualizan o cada proyecto registra los riesgos de manera diferente, la IA puede generar respuestas convincentes a partir de información inconsistente. El piloto también debe incluir responsables de validar los resultados, límites de uso y un proceso para corregir errores. Con esa experiencia, la PMO puede ajustar el modelo de gobernanza antes de llevar la aplicación a otras áreas.

Este enfoque gradual sigue las orientaciones del PMI para que las PMO alineen su trabajo con los objetivos de la organización, demuestren valor y mejoren continuamente. Una PMO inteligente no necesita empezar con una plataforma compleja ni automatizar todos los procesos; puede empezar por una necesidad real y aprender de la experiencia.

El papel de Saint Jude en esta evolución

En empresas que ya trabajan con Jira, Azure DevOps, ClickUp, Monday.com o Asana, desarrollar inteligencia para la PMO no tiene por qué significar reemplazar esas herramientas. El reto suele ser interpretar en conjunto los datos que ya registran y conectarlos con preguntas de gestión: ¿qué proyectos se están alejando de su comportamiento histórico?, ¿dónde hay riesgos recurrentes?, ¿qué señales justifican una conversación antes de la próxima reunión ejecutiva?

Saint Jude AI funciona como una capa de Project Intelligence para apoyar el análisis de los datos de los proyectos. Para una PMO, este tipo de análisis puede ayudar a ampliar la visibilidad sobre riesgos, dependencias, capacidad y previsibilidad, mientras el equipo conserva la responsabilidad de validar el contexto y decidir las acciones. El valor no está en generar más alertas, sino en encontrar las señales que merecen atención y conectarlas con las decisiones del portafolio.

Si tu empresa está considerando usar IA en la oficina de gestión de proyectos, empieza por identificar una decisión que hoy dependa de consolidar datos manualmente o de consultar información dispersa. A partir de ahí, será más fácil evaluar qué datos se necesitan, qué personas deben participar y cómo sabrás si la solución está ayudando a la PMO a generar valor.

¿Qué decisión de tu PMO te gustaría tomar con mayor claridad a partir de los datos que tu empresa ya tiene?

¡Hasta pronto!

Erik Scaranello