Mente gemela PM

PMI-CPMAI

Certified Professional in Managing AI

Quien dirige iniciativas que usan o entregan inteligencia artificial, con foco en datos, riesgos y supervisión humana.

El examen

Formato del examen por confirmar en pmi.org (revisado: 2026-10).

Manuales

0/46

Conceptos con el enfoque del PMI-CPMAI

Ordenados por cuánto pesan en este examen.

●●● Riesgo e incertidumbre

Un riesgo es un hecho incierto que, si pasa, afecta los objetivos para bien (oportunidad) o para mal (amenaza). Se identifica, se analiza su probabilidad e impacto, se planifica una respuesta y se le asigna un dueño.

En el PMI-CPMAI: Riesgos propios de la IA (sesgo, deriva del modelo, privacidad) y supervisión humana como respuesta.

Dónde estudiarlo: Guía de riesgos (2024), 4. Risk Management Life Cycle, p. 33-62; Guía PMBOK (8.ª), 2.7 Dominio de los riesgos, p. 100-111; Estándar de IA, 3.5 Riesgos de la IA, p. 124-135; Estándar de IA, 2.2 Principio de riesgo, p. 42-44

●●● Gobernanza

Las reglas, roles y comités que deciden quién aprueba qué y con qué información. Da el marco para escalar problemas y tomar decisiones de inversión.

En el PMI-CPMAI: Gobernanza y cumplimiento del uso de IA: roles, políticas y auditoría.

Dónde estudiarlo: Guía PMBOK (8.ª), 2.1 Dominio de la gobernanza, p. 10-39; Estándar PM (8.ª), 1.3.2 Gobernanza organizacional y del proyecto, p. 8-9; Estándar de IA, 2.3 Gobernanza y cumplimiento, p. 44-52; Estándar de portafolios (4.ª), 4. Portfolio governance, p. 43-50; Estándar de programas (5.ª), 3.6 Governance framework, p. 109-128

●●● Calidad incorporada

La calidad se construye en el proceso, no se inspecciona al final. Se mide por criterios de aceptación, definición de terminado y adecuación al uso, con mejora continua.

En el PMI-CPMAI: Calidad y confiabilidad de modelos de IA en el tiempo.

Dónde estudiarlo: Guía de ágil (2.ª), 5.2.8-5.2.9 Incrementos y prácticas de ejecución, p. 76-78; Estándar PM (8.ª), 3.5 Incorporar la calidad, p. 47-50; Guía PMBOK (8.ª), 2.1.6.5 Aseguramiento de la calidad, p. 24-25; Estándar de IA, 3.3 Calidad y confiabilidad, p. 97-112

●●● Humano en el proceso (HITL)

Las decisiones importantes que propone una IA pasan por revisión de una persona antes de aplicarse. Protege contra salidas sesgadas o equivocadas y suma criterio, contexto y ética que el modelo no tiene.

En el PMI-CPMAI: Concepto central: dónde poner la revisión humana y cómo documentarla.

Dónde estudiarlo: Estándar de IA, 1.6.3 Humano en el proceso, p. 33-34; Estándar de IA, 3.5.3 Supervisión humana, p. 130; Estándar de IA, 6.2.1 HITL, p. 251; Guía de proyectos de IA (2025), Capa de IA responsable, p. 15

●●● Calidad de los datos para IA

Una IA es tan buena como los datos con los que trabaja. Hay que asegurar que sean completos, representativos, actuales y bien gobernados, y revisar que no arrastren sesgos.

En el PMI-CPMAI: Buena parte de las fallas de proyectos de IA viene de los datos.

Dónde estudiarlo: Estándar de IA, 2.8 Principio de calidad de los datos, p. 67-70; Estándar de IA, 4.3.2 Recopilación y preparación de datos, p. 142-144; Liderar la transformación con IA (2025), Data-related challenges, p. 16-18

●●● Ciclo de vida de la IA

Siete fases: inicio y planificación, recopilación y preparación de datos, desarrollo del modelo, despliegue, monitoreo y evaluación, optimización e iteración, y fin de vida. Se cruza con el ciclo del proyecto o programa que lo contiene.

En el PMI-CPMAI: Saber qué se hace y qué se controla en cada fase.

Dónde estudiarlo: Estándar de IA, 4.2-4.3 Fases del ciclo de la IA, p. 139-149; Estándar de IA, 4.8 Cruce con portafolios, programas y proyectos, p. 162-166; Guía de proyectos de IA (2025), Las seis fases de PMI-CPMAI, p. 16-17

●●● Ética y marco legal de la IA

Usar IA de forma transparente, justa y explicable, cumpliendo leyes de datos y de propiedad intelectual, con responsables claros y auditorías. Un comité de ética puede supervisar los casos sensibles.

En el PMI-CPMAI: Sesgo, explicabilidad, privacidad y responsabilidad legal.

Dónde estudiarlo: Estándar de IA, 1.6.1-1.6.2 Riesgos éticos y legales, p. 31-33; Estándar de IA, 7. Consideraciones éticas y legales, p. 265-285; Guía PMBOK (8.ª), X3.3 Uso responsable, p. 261-266; Liderar la transformación con IA (2025), Data protection and ethical guidelines, p. 43-45

●●● Ciclo de adopción de IA en la organización

Adoptar IA a escala se trata como un proyecto con cinco etapas que siguen a los grupos de procesos: explorar y definir la estrategia, planificar y diseñar, hacer un piloto e implementar, evaluar y optimizar, y escalar e institucionalizar. En cada etapa la PMO, quienes dirigen proyectos y la oficina de transformación (TMO) tienen un papel distinto.

En el PMI-CPMAI: Qué hace cada rol en cada etapa y qué desafíos (datos, personas, tecnología, negocio) aparecen.

Dónde estudiarlo: Liderar la transformación con IA (2025), Understanding the AI adoption life cycle, p. 12-16; Liderar la transformación con IA (2025), The role of project professionals, p. 37-45

●●● Medir el éxito y el retorno de la IA

El éxito se mide con criterios de aceptación definidos antes (desempeño del modelo, operación, impacto en el negocio, ética y cumplimiento, adopción) y con distintas formas de retorno: financiero, eficiencia, experiencia del cliente, estratégico, reducción de riesgo y costo total de propiedad. Las expectativas iniciales conviene ponerlas en mejorar el trabajo, no en reemplazar personas.

En el PMI-CPMAI: Definir métricas de aceptación y elegir la forma de retorno adecuada.

Dónde estudiarlo: Liderar la transformación con IA (2025), Measuring and communicating success, p. 52-56; Liderar la transformación con IA (2025), Appendices A-B: acceptance criteria and ROI, p. 60-64; Estándar de IA, 6. Marco de referencia para usar IA, p. 247-263

●●● Las seis fases de PMI-CPMAI

Comprensión del negocio, comprensión de los datos, preparación de los datos, desarrollo del modelo, evaluación del modelo y operacionalización. Son iterativas: no se avanza con preguntas sin responder, se empieza por un alcance chico (producto mínimo viable) y cada vuelta en operación alimenta la siguiente iteración.

En el PMI-CPMAI: Es el núcleo del examen: qué se hace, qué se entrega y cuándo se pasa de fase.

Dónde estudiarlo: Guía de proyectos de IA (2025), Las seis fases y las iteraciones, p. 16-50; Guía de proyectos de IA (2025), Apéndice A. Entregables por fase, p. 77-78

●●● Los siete patrones de la IA

Interacción conversacional, reconocimiento, análisis predictivo y apoyo a decisiones, sistemas orientados a metas, hiperpersonalización, sistemas autónomos y patrones y anomalías. Identificar el patrón ayuda a estimar datos, riesgos y alcance; muchos proyectos combinan varios.

En el PMI-CPMAI: Reconocer el patrón a partir de un caso y priorizar en proyectos multipatrón.

Dónde estudiarlo: Guía de proyectos de IA (2025), Los siete patrones de la IA, p. 6-11; Guía de proyectos de IA (2025), Mapeo de necesidades a patrones, p. 19

●●● IA confiable (cinco capas)

La confianza se diseña desde el inicio en cinco capas: ética (equidad y sesgos), responsable (rendición de cuentas, supervisión humana, escalamiento y registros), transparente (fuentes y lógica documentadas), gobernada (políticas, auditorías y riesgos) y explicable (decisiones que los interesados pueden interpretar).

En el PMI-CPMAI: Asociar cada práctica con su capa y con la fase en que se aplica.

Dónde estudiarlo: Guía de proyectos de IA (2025), Marco de referencia de la IA confiable, p. 15-16; Guía de proyectos de IA (2025), IA confiable por fase y escenarios de riesgo, p. 55-65

●●● Interesados (stakeholders)

Toda persona o grupo que afecta o se ve afectado por el trabajo. Se identifican temprano, se entiende qué les importa y se decide cómo involucrarlos, y eso se revisa durante todo el ciclo.

En el PMI-CPMAI: Gestionar expectativas sobre lo que la IA puede y no puede hacer.

Dónde estudiarlo: Guía PMBOK (8.ª), 2.5 Dominio de los interesados, p. 72-84; Estándar PM (8.ª), 2.5 Roles, p. 30-38; Estándar de IA, 3.1 Expectativas sobre la IA, p. 74-86; Guía de análisis de negocios (2017), 5. Stakeholder engagement, p. 109-151

●●● Beneficios y valor de negocio

Un proyecto se justifica por el valor que deja, no por terminar a tiempo. Los beneficios se definen en el caso de negocio, se miden y a veces se concretan después del cierre.

En el PMI-CPMAI: Caso de negocio de la IA: retorno, mejora de decisiones y escalabilidad.

Dónde estudiarlo: Estándar PM (8.ª), 2.1 Creación de valor, p. 15-20; Estándar PM (8.ª), 3.4 Centrarse en el valor, p. 45-46; Estándar de IA, 2.1 Principio de valor estratégico, p. 39-41; Estándar de programas (5.ª), 3.4 Benefits management, p. 80-96

●●● Adaptación (tailoring)

Ajustar enfoque, procesos y nivel de formalidad a la organización y al proyecto, en vez de aplicar todo por igual. Se elige un punto de partida, se ajusta y se sigue mejorando con lo aprendido.

En el PMI-CPMAI: Adaptar cada fase del ciclo de vida de la IA.

Dónde estudiarlo: Guía de ágil (2.ª), 3.12 Factores de adaptación, p. 39-41; Guía PMBOK (8.ª), 3. Adaptación, p. 113-123; Estándar de IA, 4. Ciclo de vida y adaptación, p. 137-175

●●● Oficina de gestión de la transformación (TMO)

Alinea las iniciativas con la estrategia de transformación: identifica y prioriza casos de uso, evalúa si la organización está preparada (datos, infraestructura, habilidades, cultura, gobernanza), conduce el cambio y la capacitación y comunica los resultados. La PMO asegura la ejecución; la TMO, el rumbo.

En el PMI-CPMAI: Priorización de casos de uso y evaluación de preparación para la IA.

Dónde estudiarlo: Liderar la transformación con IA (2025), The transformation management office, p. 5; Liderar la transformación con IA (2025), The role of TMOs in AI adoption, p. 46-52

●●● Automatización, agentes e IA agéntica

Lo que separa a la IA de la automatización son las tres P: percepción, predicción y planificación. Un agente combina esas capacidades para actuar en una tarea; la IA agéntica coordina agentes en flujos de trabajo autónomos, lo que exige más supervisión, límites claros y monitoreo.

En el PMI-CPMAI: Decidir si un caso es automatización o IA y cómo cambia cada fase con agentes.

Dónde estudiarlo: Guía de proyectos de IA (2025), Automatización y agentes de IA, p. 11-15; Guía de proyectos de IA (2025), PMI-CPMAI para IA agéntica, p. 72-77

●●● Dominios de desempeño

Siete grupos de actividades que se dan en todo proyecto, sin importar el enfoque: gobernanza, alcance, cronograma, finanzas, interesados, recursos y riesgos. En la octava edición cada uno contiene sus procesos (40 en total).

En el PMI-CPMAI: El estándar de IA define sus propios cinco dominios sobre esta base.

Dónde estudiarlo: Guía PMBOK (8.ª), 2. Dominios de desempeño, p. 7-111

Pasos hacia el examen

0/11