Un proyecto con IA se gestiona de manera muy diferente a un proyecto tradicional, y los Project Managers y las organizaciones debemos comenzar a enfocar los proyectos con estrategias distintas a las que utilizábamos antes de la era de la IA.
Tomo como ejemplo el proyecto “Football AI” de Lenovo junto a FIFA, para el Mundial 2026.

1. Definición del valor de negocio
El proyecto no empezó diciendo “hagamos IA”, sino definiendo objetivos concretos:
– mejorar decisiones arbitrales,
– optimizar analytics,
– mejorar experiencia de fans,
– y soportar operaciones globales del Mundial.
Aquí el PM ya no solo gestiona requerimientos, sino valor esperado para el negocio.

2. Gestión de datos
«Football AI» procesa millones de eventos de partidos, video, tracking de jugadores y métricas avanzadas.
En IA, los datos pasan a ser el principal activo del proyecto.
Por eso gran parte de la gestión se enfoca en:
– calidad de datos,
– integración,
– gobierno,
– privacidad,
– y disponibilidad de información.

3. Fase experimental
En proyectos tradicionales se construye algo definido.
En IA se trabaja con hipótesis:
– ¿la IA mejorará la precisión del VAR?
– ¿los modelos detectarán correctamente movimientos y posiciones?
– ¿el análisis realmente aportará valor?
Aquí el proyecto se maneja mediante iteraciones, pruebas, entrenamiento y ajustes constantes.

4. Integración compleja
La IA no funciona sola.
Football AI debe integrarse con:
– cámaras,
– sensores,
– VAR,
– plataformas cloud,
– broadcasting,
. analytics,
– y operaciones FIFA en tiempo real.
Aquí aparecen disciplinas modernas como:
– MLOps,
– AI Ops,
– DevSecOps.

5. Gestión de precisión y riesgos
En software tradicional, un error normalmente es un bug.
En IA aparecen nuevos riesgos:
– sesgos,
– alucinaciones,
– errores predictivos,
– falta de explicabilidad,
– privacidad,
– y riesgos éticos.
El PM moderno debe gestionar precisión y confianza del modelo, no solo funcionalidades.

6. Gestión operacional en tiempo real
El Mundial 2026 manejará operaciones globales masivas.
Por eso el proyecto debe garantizar:
– escalabilidad,
– disponibilidad,
– resiliencia,
– baja latencia,
– y respuesta en tiempo real.
Aquí ya no se administra solo un sistema, sino inteligencia operando continuamente.

7. Monitoreo continuo
La diferencia más importante es que en IA el Go Live NO representa el final del proyecto.
Después de producción, los modelos deben:
– recalibrarse,
– seguir aprendiendo,
– ajustar precisión,
– monitorear comportamiento,
– y evolucionar continuamente.
La IA requiere mejora permanente.

Conclusión
Este es el nuevo enfoque que las organizaciones modernas deben comenzar a adoptar para liderar proyectos en la nueva era impulsada por IA.

Sobre «Football AI»:
https://lnkd.in/dD6tYZjY