|
1. Project Management com a sistema de decisió. De la planificació tradicional al control intel·ligent
- Estructuració professional del projecte en entorns complexos i canviants
- Planificació visual orientada a escenaris i identificació de dependències i riscos estructurals
- Gestió de recursos com a variable estratègica i detecció de colls d’ampolla
- KPIs que importen: indicadors accionables per suportar decisions
- Gestió de desviacions en temps real: del control periòdic al control continu
- Redireccionament intel·ligent basat en dades i criteris per decidir amb objectivitat
- Decisions clau del Project Manager que poden beneficiar-se de la IA
- Cas pràctic: identificació de decisions del cas proposat i oportunitats de suport amb IA. Detecció d’accions que millorin la capacitat predictiva i d’optimització del projecte
|
|
2. Fonaments de la intel·ligència artificial i aplicació a l’empresa
- Introducció general a la IA, història i evolució
- Principals conceptes i terminologia
- Diferències entre Machine Learning, Deep Learning i altres branques
- Prompt Engineering i eines com ChatGPT, NotebookLM i Perplexity
- Models d’IA i aplicacions generals
- Entorn de treball amb IA: eines, llenguatges i plataformes
- Casos d’aplicació pràctica
- Cas pràctic: definició, entrenament i testeig d’un model d’Intel·ligència Artificial
|
|
3. IA avançada per a la planificació i gestió de projectes
- Optimització de la planificació: assignació de recursos, temps i tasques
- Ús de la IA per estimar cronogrames de forma més precisa
- Assignació òptima de recursos mitjançant IA
- Previsió de terminis i costos amb models de regressió i anàlisi predictiva
- Reprogramació automàtica de tasques davant canvis i retards
- Límits de l’aplicació de la IA
- Cas pràctic: definició, entrenament i testatge d’un model d’Intel·ligència Artificial. Reprogramació de tasques mitjançant simulació d’esdeveniments que impacten en abast, cronograma i pressupost
|
|
4. Anàlisi predictiva i gestió de riscos amb IA
- Identificació de riscos mitjançant Machine Learning amb dades històriques
- Models supervisats vs. no supervisats
- Arbres de decisió i xarxes neuronals per a l’avaluació en temps real
- Anàlisi d’escenaris i simulacions d’impacte
- Automatització amb alertes i notificacions davant riscos potencials
- Cas pràctic: definició, entrenament i testeig d’un model d’Intel·ligència Artificial
|
|
5. IA per al monitoratge i control del projecte
- Definició de KPIs operacionals i estratègics
- Disseny de dashboards interactius amb indicadors clau
- Monitoratge en temps real amb dashboards intel·ligents
- Detecció primerenca de desviacions mitjançant patrons de comportament
- Alertes intel·ligents i informes automatitzats davant anomalies
- Activitats pràctiques: creació d’un dashboard intel·ligent amb Power BI o Tableau integrant dades en temps real. Implementació d’un sistema d’alertes automàtiques per a la detecció de desviacions en KPIs
|
