|
1. Project Management como sistema de decisión. De la planificación tradicional al control inteligente
- Estructuración profesional del proyecto en entornos complejos y cambiantes
- Planificación visual orientada a escenarios e identificación de dependencias y riesgos estructurales
- Gestión de recursos como variable estratégica y detección de cuellos de botella
- KPIs que importan: indicadores accionables para soportar decisiones
- Gestión de desviaciones en tiempo real: del control periódico al control continuo
- Redireccionamiento inteligente basado en datos y criterios para decidir con objetividad
- Decisiones clave del Project Manager que pueden beneficiarse de la IA
- Caso práctico: identificación de decisiones del caso propuesto y oportunidades de apoyo con IA. Detección de acciones que mejoren la capacidad predictiva y de optimización del proyecto
|
|
2. Fundamentos de la inteligencia artificial y aplicación en la empresa
- Introducción general a la IA, historia y evolución
- Principales conceptos y terminología
- Diferencias entre Machine Learning, Deep Learning y otras ramas
- Prompt Engineering y herramientas como ChatGPT, NotebookLM y Perplexity
- Modelos de IA y aplicaciones generales
- Entorno de trabajo con IA: herramientas, lenguajes y plataformas
- Casos de aplicación práctica
- Caso práctico: definición, entrenamiento y testeo de un modelo de Inteligencia Artificial
|
|
3. IA avanzada para la planificación y gestión de proyectos
- Optimización de la planificación: asignación de recursos, tiempo y tareas
- Uso de IA para estimar cronogramas de forma más precisa
- Asignación óptima de recursos mediante IA
- Previsión de plazos y costes con modelos de regresión y análisis predictivo
- Reprogramación automática de tareas ante cambios y retrasos
- Límites de la aplicación de la IA
- Caso práctico: definición, entrenamiento y testeo de un modelo de Inteligencia Artificial. Reprogramación de tareas mediante simulación de eventos que impactan en alcance, cronograma y presupuesto
|
|
4. Análisis predictivo y gestión de riegos con IA
- Identificación de riesgos mediante Machine Learning con datos históricos
- Modelos supervisados vs. no supervisados
- Árboles de decisión y redes neuronales para evaluación en tiempo real
- Análisis de escenarios y simulaciones de impacto
- Automatización con alertas y notificaciones ante riesgos potenciales
- Caso práctico: definición, entrenamiento y testeo de un modelo de Inteligencia Artificial
|
|
5. IA para el monitoreo y control del proyecto
- Definición de KPIs operacionales y estratégicos
- Diseño de dashboards interactivos con indicadores clave
- Monitoreo en tiempo real con dashboards inteligentes
- Detección temprana de desviaciones mediante patrones de comportamiento
- Alertas inteligentes e informes automatizados ante anomalías
- Actividades prácticas: creación de un dashboard inteligente con Power BI o Tableau integrando datos en tiempo real. Implementación de un sistema de alertas automáticas para detección de desviaciones en KPIs
|
