Propuesta de implementación de inteligencia artificial para la estimación de tiempos de entrega en proyectos de automatización en una empresa privada de Bucaramanga

Abstract

El presente trabajo aborda la implementación de herramientas de inteligencia artificial (IA) para mejorar la estimación de tiempos de entrega en proyectos de automatización dentro de una empresa privada en Bucaramanga. A través de una revisión de la literatura y un enfoque metodológico cuantitativo, se analiza la adopción de tecnologías emergentes en el sector energético colombiano, con especial énfasis en el uso de plataformas como Wrike, Asana y Microsoft Project, que ya integran IA en sus funcionalidades. Los resultados obtenidos revelan que, aunque la adopción de IA en la empresa objetivo es limitada, existe una disposición positiva hacia su implementación, ya que la mayoría de los encuestados reconocen su potencial para optimizar la planificación y prevenir retrasos en los proyectos. Técnicas avanzadas de machine learning como Random Forest y XGBoost también se destacan por su capacidad para mejorar la precisión en las estimaciones. A pesar de la aceptación general de la IA, se observa cierta incertidumbre sobre su fiabilidad, lo que sugiere la necesidad de una implementación gradual, acompañada de proyectos piloto y programas de capacitación para el personal. El estudio concluye que, si se superan estos desafíos, la IA puede proporcionar una ventaja competitiva significativa al mejorar la precisión en la estimación de tiempos y la asignación de recursos en los proyectos de automatización. Este trabajo sienta las bases para futuras investigaciones en el campo de la gestión de proyectos asistida por IA.This study addresses the implementation of artificial intelligence (AI) tools to improve the estimation of delivery times in automation projects within a private company in Bucaramanga. Through a literature review and a quantitative methodological approach, the adoption of emerging technologies in the Colombian energy sector is analyzed, with a special emphasis on platforms such as Wrike, Asana, and Microsoft Project, which already integrate AI in their functionalities. The results reveal that although AI adoption in the target company is limited, there is a positive disposition towards its implementation, as most respondents recognize its potential to optimize planning and prevent delays in projects. Advanced machine learning techniques, such as Random Forest and XGBoost, also stand out for their ability to enhance estimation accuracy. Despite the general acceptance of AI, there is some uncertainty about its reliability, suggesting the need for a gradual implementation, accompanied by pilot projects and training programs for staff. The study concludes that if these challenges are overcome, AI can provide a significant competitive advantage by improving the precision of time estimation and resource allocation in automation projects. This research lays the groundwork for future studies in AI-assisted project management.