Project Management Pitfalls and the Ambivalent Role of Artificial Intelligence: A Scoping Review of Bad Practices
Esta revisión de alcance amplía la lista conocida de malas prácticas de gestión de proyectos a veinte fallos sistémicos a través de cuatro grupos clave y sostiene que, si bien la inteligencia artificial ofrece potencial de mejora, su adopción acrítica corre el riesgo de exacerbar los problemas existentes, lo que requiere su integración como un complemento en lugar de un sustituto del juicio humano y la gobernanza sólidos.
Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo
Durante décadas, el mundo de la construcción de cosas ha dependido de un conjunto de reglas diseñadas para evitar que los esfuerzos complejos se desmoronen. Ya sea construyendo un puente, lanzando un satélite o implementando un nuevo software, los equipos siguen una disciplina llamada gestión de proyectos. Este campo se basa en la idea de que, si se planifica cuidadosamente, se asignan las personas adecuadas y se vigila el presupuesto, se tendrá éxito. Sin embargo, a pesar de la invención de software sofisticado y la formación de millones de profesionales, los proyectos siguen fracasando con una tasa obstinadamente alta. Se quedan sin dinero, no cumplen sus plazos o entregan un producto que nadie quería. Las razones de estos fracasos rara vez son la falta de herramientas o la falta de conocimiento; en cambio, suelen derivar de hábitos humanos profundamente arraigados. Tendemos a ser excesivamente optimistas sobre cuánto tardarán las cosas, nos cuesta decir "no" a nuevas peticiones y tratamos de hacer demasiadas cosas a la vez. Estos patrones son tan comunes que han sido estudiados durante años, formando un catálogo de errores que parecen imposibles de evitar.
Ahora, una nueva pregunta ha entrado en la conversación. A medida que la inteligencia artificial —sistemas informáticos que pueden aprender de los datos y hacer predicciones— se vuelve más poderosa, muchos esperan que finalmente solucione estos viejos problemas. La idea es que una máquina, libre del optimismo o la fatiga humana, podría calcular el cronograma perfecto, detectar riesgos ocultos y gestionar recursos sin errores. Pero una revisión reciente de la última investigación sugiere que la respuesta no es tan sencilla. La tecnología posee una promesa real, pero también conlleva el riesgo de empeorar nuestros errores más antiguos si no tenemos cuidado.
Un equipo de investigadores del Parque Tecnológico de Holguín y la Universidad de Holguín en Cuba se propuso investigar precisamente esta tensión. Realizaron una revisión de alcance de la literatura científica publicada entre 2021 y 2026 en cinco bases de datos específicas: Scopus, Web of Science, DOAJ, OpenAlex y Google Scholar, buscando estudios sobre por qué fallan los proyectos y cómo se está utilizando la inteligencia artificial para solucionarlos. También examinaron informes de profesionales de la industria que lidian con estos fracasos a diario. Su objetivo no era probar una sola teoría, sino mapear el panorama de veinte malas prácticas específicas que continúan azotando al campo. Organizaron estos errores en cuatro grupos principales: fallos en la planificación y en la estimación de tiempos; fallos en la gestión de personas y del alcance del trabajo; fallos en la forma en que los equipos se comunican y toman decisiones; y fallos en la ejecución real del trabajo.
Los investigadores descubrieron que estas veinte malas prácticas no son nuevas. Son los mismos patrones descritos en estudios más antiguos, lo que demuestra que la brecha entre lo que sabemos que debemos hacer y lo que realmente hacemos sigue siendo amplia. Uno de los errores más persistentes es la "falacia de la planificación", un hábito en el que las personas se convencen de que su proyecto será diferente y mejor que el de los demás, ignorando los datos históricos que sugieren lo contrario. Otro problema común es la incapacidad de decir "no" a los cambios en los requisitos, lo que conduce al "alcance no controlado" (scope creep), donde un proyecto crece lentamente más allá de sus límites originales hasta colapsar bajo su propio peso. La revisión también destacó la naturaleza destructiva de la multitarea, donde los miembros del equipo son arrastrados en demasiadas direcciones, provocando que se agoten y ralenticen el trabajo.
Cuando los investigadores analizaron cómo interactúa la inteligencia artificial con estos problemas, descubrieron una espada de doble filo. Por el lado positivo, la tecnología muestra un potencial genuino para mejorar tareas específicas. Por ejemplo, los modelos computacionales avanzados pueden analizar vastas cantidades de datos históricos para crear estimaciones más precisas de cuánto durará un proyecto, superando a menudo los métodos tradicionales. Estas herramientas también pueden rastrear recursos para asegurar que nadie esté sobrecargado de trabajo y pueden alertar automáticamente cuando un proyecto se desvía de su curso. En algunos casos, se ha demostrado que estos sistemas reducen los errores de predicción por un margen significativo, ofreciendo un nivel de precisión que los planificadores humanos luchan por igualar.
Sin embargo, la revisión advierte que simplemente encender una computadora no resuelve los problemas humanos subyacentes. Si los datos introducidos en un sistema de inteligencia artificial son defectuosos, sesgados o incompletos, la máquina simplemente repetirá esos errores, quizás incluso con más confianza que un humano. Los investigadores señalaron que si una empresa tiene un historial de subestimar costos, una inteligencia artificial entrenada con los datos pasados de esa empresa aprenderá también a subestimar los costos. Además, existe el riesgo de que los equipos dependan demasiado de estas herramientas, confiando en el resultado de la máquina sin cuestionarlo. Esto podría llevar a una situación en la que se tomen malas decisiones de forma más rápida y con más autoridad porque están respaldadas por una computadora. La revisión también señaló que muchos proyectos de inteligencia artificial misma no llegan a la implementación porque son demasiado complejos, resuelven el problema equivocado o carecen de explicaciones claras sobre cómo llegaron a sus conclusiones.
El hallazgo central del estudio es que estos fallos son fundamentalmente organizacionales y de comportamiento, no solo técnicos. Los problemas de optimismo, mala comunicación e incapacidad para priorizar están arraigados en la psicología humana y la cultura de la empresa. La inteligencia artificial es una herramienta poderosa, pero no es una varita mágica que pueda arreglar una cultura rota. Los investigadores argumentan que la tecnología debe utilizarse para apoyar el juicio humano, no para reemplazarlo. Puede encargarse del trabajo pesado de análisis de datos y reconocimiento de patrones, liberando a las personas para que se concentren en las cosas que las máquinas no pueden hacer: navegar relaciones políticas complejas, percibir la moral de un equipo y tomar las decisiones éticas difíciles que surgen a menudo en situaciones de alto riesgo.
En última instancia, el camino a seguir requiere un enfoque equilibrado. Las organizaciones que quieran tener éxito deben invertir en mejorar la calidad de sus datos y en capacitar a su gente para usar estas nuevas herramientas con sabiduría. Deben construir estructuras de gobernanza que aseguren que la inteligencia artificial sea transparente y que los humanos permanezcan en el proceso de decisión final. La revisión concluye que, si bien la tecnología puede ayudarnos a ver las trampas con mayor claridad, nos corresponde a nosotros evitarlas. Los proyectos más efectivos serán aquellos que combinen la velocidad y la precisión de la inteligencia artificial con la sabiduría, la empatía y el pensamiento crítico de líderes humanos experimentados.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.