Framework VERA · Cómo decidir cuándo usar IA en un proyecto (con criterio profesional)

Los Project Managers senior están usando Inteligencia Artificial cada día en más tareas del oficio. Redactar Project Charters, estimar cronogramas, elaborar análisis de riesgos, preparar informes de estado, priorizar backlogs, comunicarse con stakeholders. La velocidad con la que la IA ha entrado en el día a día del oficio no tiene precedente en décadas.

El problema es que la mayoría de esa integración ocurre sin criterio. Se usa la IA porque está disponible, porque es rápida, porque otros la usan, no porque sea la herramienta correcta para la tarea concreta. Y en un proyecto profesional, usar la herramienta equivocada tiene consecuencias.

Este artículo presenta VERA, un framework propio que uso para tomar esa decisión antes de escribir cualquier prompt. Cuatro filtros aplicables en menos de un minuto que separan el uso profesional de la IA en un proyecto del uso amateur.

Por qué la habilidad crítica del PM con IA no es escribir prompts

En la mayoría de contenido formativo sobre IA para Project Managers se presenta el prompt engineering como la habilidad clave. Aprender a escribir buenos prompts. Estructurar el rol, el contexto, el output esperado. Iterar. Refinar.

Todo eso es útil. Pero es secundario a una decisión previa que casi nadie enseña: saber si la IA es la herramienta correcta para esta tarea específica del proyecto.

Escribir un prompt excelente sobre una decisión que no debería tomarse con IA no produce una mejor decisión. Produce una mala decisión mejor redactada. Un output bien estructurado con lenguaje seguro sobre un análisis mal fundamentado llega antes al Steering Committee, con mayor apariencia de rigor y con la misma falta de fundamento.

La habilidad crítica no es escribir prompts. Es tener un filtro de criterio profesional que se aplica antes de escribir el prompt.

Framework VERA · un filtro de criterio profesional antes del prompt

VERA es el acrónimo de cuatro filtros: Valor, Error, Reversibilidad y Autoría. Los aplico en este orden porque cada uno cierra una pregunta distinta sobre la conveniencia de usar IA en una tarea concreta. El filtro completo se puede aplicar en menos de un minuto una vez integrado.

V · Valor

¿La IA aporta valor real en esta tarea, o solo aporta velocidad aparente?

Muchas tareas del oficio se hacen más rápido con IA. Pero rapidez no es lo mismo que valor. El valor real ocurre cuando la IA reduce fricción sin degradar la calidad de la decisión, o cuando permite explorar más opciones de las que un humano habría considerado en el mismo tiempo. La velocidad aparente ocurre cuando la IA acelera un output sin mejorar (o incluso empeorando) la calidad del proceso subyacente.

La pregunta operativa: si hago esta tarea con IA en cinco minutos, ¿la calidad de mi trabajo profesional es igual, mejor o peor que si la hago en treinta minutos sin IA?

E · Error

¿Qué pasa si la IA se equivoca en esta tarea, y cuánto cuesta corregir el error una vez detectado?

Los modelos de lenguaje se equivocan de formas específicas: generan información plausible pero inexacta (alucinaciones), priorizan patrones frecuentes sobre datos específicos, y pueden aplicar sesgos sistemáticos que no son evidentes en el output. En algunas tareas del proyecto, un error tiene coste bajo y es fácilmente detectable. En otras, el error se propaga y cuesta caro corregirlo.

La pregunta operativa: si hoy la IA se equivoca en esta tarea y no lo detecto, ¿cuánto cuesta corregirlo cuando se descubra el error?

R · Reversibilidad

¿Es fácil deshacer el output de la IA si sale mal, o queda cristalizado en algo que ya no se puede deshacer?

Un borrador interno es altamente reversible: se puede revisar, corregir y reescribir sin consecuencias. Un email enviado al sponsor es menos reversible: la expectativa ya está creada. Un Project Charter firmado por el comité de dirección es prácticamente irreversible: modificarlo posteriormente tiene un coste institucional significativo. La reversibilidad determina qué tan crítico es que el output esté bien a la primera.

La pregunta operativa: una vez que este output salga de mis manos, ¿cuánto cuesta rectificar si sale mal?

A · Autoría

¿Queda claro quién firma y quién es responsable del output? ¿La IA es asistente, coautor o autor silencioso?

En un proyecto profesional, la autoría es responsabilidad. Un output sin autoría clara es un output sin responsabilidad clara. Y sin responsabilidad clara no hay decisión defendible ante el sponsor, ante el comité o ante la auditoría. Este filtro obliga a distinguir entre tareas donde la IA es asistente invisible (mejora tu trabajo, tú firmas), coautor declarado (aporta contenido sustantivo que reconoces), o autor silencioso (produce el output y tú te limitas a validarlo superficialmente).

La pregunta operativa: si mañana alguien cuestiona este output, ¿puedo defender que fui yo quien pensó, decidió y firmó?

Los tres semáforos que produce el framework

Aplicar VERA a una tarea concreta produce tres tipos de decisión:

Verde · usar IA sin reservas. La tarea tiene valor claro para la IA, el error es recuperable, el output es reversible en revisión, y la autoría del PM sobre la decisión final está clara. En estas tareas, no usar IA es una pérdida de productividad profesional sin contrapartida.

Amarillo · usar con supervisión cercana y validación humana. La tarea tiene valor pero el error tiene consecuencias reales, la reversibilidad es limitada, o la autoría implica responsabilidad institucional. En estas tareas se puede usar IA, pero con procesos explícitos de validación humana antes de que el output salga de tus manos.

Rojo · no usar IA en esta tarea, o usarla solo como inspiración inicial de la reflexión humana. La tarea es de decisión con consecuencias, poco reversible una vez comunicada, y la autoría implica responsabilidad personal del PM. En estas tareas, la IA no ahorra tiempo real: solo desplaza el momento en el que tienes que hacer el trabajo pensado.

Aplicación práctica · tres ejemplos del oficio

Los tres ejemplos siguientes muestran cómo el mismo profesional, aplicando el mismo framework al mismo tipo de tarea, obtiene decisiones distintas según los detalles concretos. VERA no es un catálogo estático de «usar» o «no usar» IA. Es un filtro de decisión que se aplica en cada caso.

Ejemplo 1 · Análisis de riesgos de un proyecto

El análisis de riesgos es una actividad central del oficio con varias tareas dominantes. Aplicando VERA a las tres tareas más frecuentes:

Brainstorm inicial de posibles riesgos. Verde en VERA. Alto valor exploratorio (la IA puede generar decenas de posibilidades que amplían el espacio de reflexión), error recuperable (revisas la lista completa antes de nada), altamente reversible (es un documento de trabajo interno), autoría clara del PM sobre la selección final. Usar IA aquí sin reservas.

Redacción del registro de riesgos ejecutivo que va al Steering Committee. Amarillo en VERA. Alto valor de productividad, pero el error tiene consecuencias reales (los sponsors toman decisiones sobre el registro), la reversibilidad es limitada (una vez presentado, cambiar el registro afecta la credibilidad), la autoría implica responsabilidad institucional. Usar IA con supervisión cercana y validación humana explícita antes del envío.

Decisión sobre qué riesgos escalar y cuáles cerrar sin llevar al comité. Rojo en VERA. Es una decisión de gestión con consecuencias, poco reversible una vez comunicada al equipo, y la autoría implica responsabilidad personal del PM. La IA puede aportar como inspiración inicial de reflexión, pero la decisión final se piensa sin delegarla.

Ejemplo 2 · Redacción del Business Case

El Business Case combina componentes con distinta naturaleza. Aplicando VERA a sus partes:

Redacción del análisis de contexto y del mercado. Verde en VERA. La IA sintetiza información de forma estructurada, el error es detectable con revisión, es reversible en el proceso de elaboración, la autoría del PM sobre la selección de contenido es clara.

Elaboración de la estimación económica preliminar. Amarillo en VERA. La IA puede producir estimaciones plausibles pero el error económico tiene consecuencias directas, la reversibilidad disminuye a medida que la estimación se comunica internamente, y la autoría implica responsabilidad financiera. Usar IA con validación humana experta antes de fijar cifras.

Recomendación final de aprobación o no aprobación del proyecto. Rojo en VERA. Es la decisión clave del Business Case, y su autoría implica responsabilidad institucional plena. La IA puede aportar como estructura de argumentación, pero la recomendación se firma con juicio profesional del PM.

Ejemplo 3 · Comunicación con stakeholders

La comunicación con stakeholders combina emails operativos, presentaciones ejecutivas y conversaciones críticas. Aplicando VERA:

Redacción de emails de seguimiento operativo con el equipo. Verde en VERA. Alto valor de productividad, error fácilmente rectificable, reversible en el proceso de revisión antes del envío, autoría clara del PM sobre el contenido enviado.

Preparación de una presentación al Steering Committee. Amarillo en VERA. Alto valor, pero el error tiene consecuencias sobre la percepción del sponsor, la reversibilidad es limitada una vez presentada, la autoría implica responsabilidad institucional. Usar IA con revisión detallada antes del envío final.

Conversación crítica con un stakeholder difícil sobre un cambio de alcance no aprobado. Rojo en VERA. Es una interacción humana no reversible, donde el matiz emocional y el juicio profesional en tiempo real son irremplazables. La IA puede ayudar a preparar el marco de la conversación, pero la conversación se tiene sin delegarla.

Cuándo NO aplicar VERA

Como todo framework, VERA tiene un rango de aplicación válido. No es útil aplicarlo en tareas triviales donde el análisis del filtro cuesta más tiempo que la tarea misma. Tampoco es sustituto del juicio profesional acumulado del PM: es un filtro de criterio que sistematiza la reflexión previa, no un sustituto de esa reflexión.

VERA es especialmente útil en tres situaciones: cuando el PM comienza a integrar IA en su oficio y necesita un marco de decisión sistemático, cuando se enfrenta a una tarea nueva donde no tiene intuición formada, y cuando lidera un equipo donde quiere establecer un lenguaje común sobre el uso profesional de IA.

Un PM experimentado que ya ha integrado los cuatro filtros como reflejo profesional puede prescindir del acrónimo. Pero la reflexión que sistematiza VERA sigue ocurriendo: solo que ya no necesita nombre explícito.

Cómo integrar VERA en el día a día del oficio

La integración del framework ocurre en tres fases naturales.

En la fase inicial, aplicar VERA de forma consciente y explícita en cada tarea nueva donde considere usar IA. Escribir literalmente las respuestas a las cuatro preguntas durante las primeras semanas ayuda a consolidar el reflejo. Es un ejercicio incómodo pero necesario para consolidar el criterio.

En la fase intermedia, aplicar VERA implícitamente como pausa breve antes de escribir el prompt. La reflexión ocurre en segundos, sin necesidad de escribirla. Se va formando una intuición sobre qué tareas del oficio son verdes, amarillas o rojas en el propio contexto profesional.

En la fase consolidada, VERA deja de ser un framework consciente y pasa a ser criterio profesional integrado. El PM ya no piensa «voy a aplicar VERA a esta tarea»: simplemente sabe qué tareas tolera con IA, cuáles requieren supervisión, y cuáles se hace sin delegar. En esta fase, VERA es útil como lenguaje común para explicar decisiones al equipo o al comité, más que como filtro personal.

VERA como parte de un lenguaje profesional más amplio

VERA es un framework táctico, aplicable a decisiones individuales sobre tareas concretas del oficio. Funciona en el nivel del profesional que aplica IA a su día a día. Pero el uso profesional de IA en Project Management ocurre también en otros dos niveles complementarios que requieren frameworks distintos.

El nivel técnico, sobre cómo construir prompts profesionalmente efectivos una vez que ya has decidido que la IA es la herramienta correcta. Y el nivel estratégico, sobre cómo liderar la adopción de IA en una organización completa, con roadmap, métricas de éxito y gestión del cambio adaptada a las particularidades de la tecnología.

En el curso IA Avanzada para Project Managers y PMOs de CEOLEVEL, Centro Oficial PMI Authorized Training Partner, VERA se integra con dos frameworks propios adicionales: PRO para el nivel técnico y ADOPTA para el nivel estratégico. Los tres frameworks se enseñan como capas complementarias del uso profesional de IA en el oficio, con casos aplicados, plantillas descargables y evaluación estructurada. El curso incluye además cobertura íntegra del nuevo estándar PMI sobre Inteligencia Artificial y del marco regulatorio europeo, con certificación oficial validada por Credly by Pearson.

Puedes ver el detalle completo del curso, el temario y las condiciones en la página del curso.