Innovación y Gerencia. Revista cientíca arbitrada
Vol XII. Edición Especial Nº1. Junio 2026, pp. 43 - 52
UJGH ISSN: 3005-5172
Depósito legal: ZU2023000012
DEL PROJECT MANAGER AL AI MANAGER:
TRANSFORMACIÓN DE LOS
ROLES GERENCIALES EN LA ERA DIGITAL
Jonnathan López Hurtado
Doctorante en Estudios en Desarrollo y Territorio. Doctorando en Administración
de Negocios por la Universidad de Chile. Magíster en Gestión de Organizaciones y
Administrador de Empresas por la Universidad Central de Bogotá, Colombia. Corpo-
ración Universitaria Minuto de Dios – UNIMINUTO. Bogotá, Colombia.
Correo Electrónico: jonnathan.lopez@uniminuto.edu.co
ORCID: https://orcid.org/0000-0001-7244-8478
RESUMEN: La inteligencia articial está transformando la gestión de proyectos y re-
deniendo el papel del liderazgo organizacional. Este artículo analiza la transición
del Project Manager tradicional hacia el AI Manager, gura que integra competencias
técnicas, cognitivas y éticas para la toma de decisiones en entornos digitalizados. A
partir de un enfoque cualitativo-interpretativo, sustentado en revisión documental y
análisis hermenéutico, se propone un modelo basado en competencias que articula
la analítica de datos, el pensamiento sistémico y la responsabilidad ética. Los resul-
tados evidencian que el liderazgo digital requiere gobernanza algorítmica, aprendi-
zaje continuo y una cultura organizacional basada en la transparencia y el propósito.
Se concluye que el AI Manager representa un nuevo paradigma de dirección: un lide-
razgo híbrido que combina inteligencia técnica con sensibilidad humana, orientado
al desarrollo sostenible y la equidad en América Latina.
PALABRAS CLAVE: Inteligencia Articial; Gestión de Proyectos; Liderazgo Digital; Gober-
nanza Algorítmica; Ética Organizacional; América Latina.
Introducción
En la última década, la inteligencia articial (IA) ha dejado de
ser una promesa tecnológica para convertirse en una realidad que
redene los modelos de gestión, los procesos organizacionales y
las dinámicas de liderazgo en todos los sectores. Su capacidad para
analizar grandes volúmenes de datos, identicar patrones y antici-
par escenarios ha transformado la naturaleza misma del trabajo ge-
rencial (Davenport & Ronanki, 2018). En este nuevo contexto, la gu-
ra tradicional del Project Manager (que durante años representó el
eje de coordinación entre recursos, tiempos y objetivos) se enfrenta
al desafío de liderar proyectos mediados por sistemas inteligentes
que aprenden, predicen y recomiendan acciones en tiempo real.
La literatura reciente muestra que las organizaciones que lo-
gran integrar IA en su gestión alcanzan niveles superiores de ecien-
cia y adaptabilidad (Brynjolfsson & McAfee, 2017; Davenport, 2023).
Sin embargo, esta incorporación no es únicamente técnica: implica
una transformación cognitiva y cultural que recongura el sentido
mismo del liderazgo. El gerente de proyectos contemporáneo ya no
actúa solo como planicador o controlador, sino como un intérprete
de información algorítmica capaz de traducir resultados complejos
en decisiones estratégicas coherentes con los valores y propósitos
institucionales. Así surge la gura del AI Manager, un nuevo tipo de
líder que combina pensamiento analítico, criterio ético y sensibili-
dad organizacional.
FROM PROJECT MANAGER TO AI MANAGER: TRANSFORMING MANAGERIAL RO-
LES IN THE DIGITAL ERA
ABSTRACT: Articial intelligence is reshaping project management and redening organiza-
tional leadership. This article examines the transition from the traditional Project Manager
to the emerging AI Manager, a professional prole that combines technical, cognitive, and
ethical competences for decision-making in digital environments. Based on a qualitati-
ve–interpretive approach supported by documentary review and hermeneutic analysis, a
competency model is proposed that integrates data analytics, systems thinking, and ethical
responsibility. Findings show that digital leadership requires algorithmic governance, con-
tinuous learning, and an organizational culture grounded in transparency and purpose. It
is concluded that the AI Manager embodies a new managerial paradigm: a hybrid form of
leadership that merges technical intelligence with human sensitivity, aimed at sustainable
development and social equity in Latin America.
KEYWORDS: Articial Intelligence; Project Management; Digital Leadership; Algorithmic Go-
vernance; Organizational Ethics; Latin America.
DO PROJECT MANAGER AO AI MANAGER: TRANSFORMAÇÃO DOS PAPÉIS GEREN-
CIAIS NA ERA DIGITAL
RESUMO: A inteligência articial está transformando a gestão de projetos e redenindo o
papel da liderança organizacional. Este artigo analisa a transição do Project Manager tradi-
cional para o AI Manager, gura que integra competências técnicas, cognitivas e éticas para
a tomada de decisões em ambientes digitalizados. A partir de uma abordagem qualitati-
vo-interpretativa, sustentada em revisão documental e análise hermenêutica, propõe-se
um modelo baseado em competências que articula a analítica de dados, o pensamento sis-
têmico e a responsabilidade ética. Os resultados evidenciam que a liderança digital requer
governança algorítmica, aprendizagem contínua e uma cultura organizacional fundada na
transparência e no propósito. Conclui-se que o AI Manager representa um novo paradigma
de direção: uma liderança híbrida que combina inteligência técnica com sensibilidade hu-
mana, voltada para o desenvolvimento sustentável e a equidade na América Latina.
PALAVRAS-CHAVE: Inteligência Articial; Gestão de Projetos; Liderança Digital; Governança Algo-
rítmica; Ética Organizacional; América Latina.
DU PROJECT MANAGER À L’AI MANAGER : TRANSFORMATION DES RÔLES DE DIREC-
TION À L’ÈRE NUMÉRIQUE
RÉSUMÉ: L’intelligence articielle transforme la gestion de projet et redénit le rôle du
leadership organisationnel. Cet article analyse la transition du Project Manager traditionnel
vers l’AI Manager, une gure qui intègre des compétences techniques, cognitives et éthi-
ques pour la prise de décision dans des environnements numérisés. Selon une approche
qualitative et interprétative, appuyée sur une revue documentaire et une analyse hermé-
neutique, l’étude propose un modèle fondé sur les compétences qui articule l’analyse de
données, la pensée systémique et la responsabilité éthique. Les résultats montrent que le
leadership numérique exige une gouvernance algorithmique, un apprentissage continu et
une culture organisationnelle basée sur la transparence et le sens del’engagement. En con-
clusion, l’AI Manager représente un nouveau paradigme de direction : un leadership hybride
qui associe l’intelligence technique à la sensibilité humaine, orienté vers le développement
durable et l’équité en Amérique latine.
MOTS-CLÉS: Intelligence articielle ; Gestion de projet ; Leadership numérique ; Gouvernan-
ce algorithmique ; Éthique organisationnelle ; Amérique latine.
Recibido: 09-02-2026. Aceptado: 13-03-2026 43
Recibido: 09-02-2026. Aceptado: 13-03-2026 44
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
En palabras de Schwab (2019), vivimos en una era de
convergencia entre lo físico, lo digital y lo biológico, donde
las fronteras entre la tecnología y la gestión humana se
vuelven difusas. En este entorno, el AI Manager representa
una respuesta adaptativa a la complejidad: un profesional
que entiende que los algoritmos no sustituyen la decisión
humana, sino que la amplican cuando se gobiernan con
responsabilidad. Desde la perspectiva del Project Mana-
gement Institute (PMI, 2021), esta evolución supone pasar
de una gestión centrada en la ejecución hacia una gestión
basada en el conocimiento, la anticipación y el aprendizaje
organizacional continuo.
En América Latina, esta transformación adquiere ma-
tices particulares. La región enfrenta una combinación de
desafíos estructurales y oportunidades emergentes. Por
un lado, la infraestructura tecnológica desigual y la limi-
tada disponibilidad de talento especializado dicultan la
adopción sistemática de la IA en las organizaciones (CEPAL,
2025). Por otro, sectores como la agroindustria, la educa-
ción, la salud y la logística están incorporando herramien-
tas inteligentes para mejorar la productividad, reducir
costos y fortalecer la sostenibilidad. Estas experiencias
evidencian que la IA no solo puede aumentar la eciencia,
sino también democratizar la toma de decisiones y abrir
nuevas rutas de desarrollo regional, siempre que su imple-
mentación esté guiada por principios de equidad y ética
digital (CAF, 2022; BID, 2023).
A pesar de estos avances, persiste una brecha en la
literatura y en la práctica profesional: aún no se ha descri-
to de manera suciente cómo evoluciona el rol del Project
Manager frente a la inteligencia articial, ni qué competen-
cias especícas caracterizan al AI Manager. Si bien abundan
los estudios sobre digitalización y automatización, pocos
abordan la transformación del liderazgo desde una mira-
da integral que combine lo técnico, lo cognitivo y lo ético
(Westerman, Bonnet & McAfee, 2021). Esta laguna teórica y
práctica justica el presente trabajo, cuyo propósito es exa-
minar el tránsito entre ambas guras y proponer un modelo
basado en competencias que permita comprender cómo se
congura el liderazgo en proyectos mediados por IA.
El objetivo general del presente artículo es analizar la
transformación del Project Manager hacia el AI Manager en
el contexto de la era digital, identicando las competen-
cias emergentes y los desafíos éticos asociados a la toma
de decisiones aumentada. Así mismo, los objetivos espe-
cícos son cuatro: (i) reconocer las capacidades técnicas y
cognitivas que denen al nuevo perl gerencial; (ii) descri-
bir cómo la IA recongura los procesos de planeación, con-
trol y evaluación de proyectos; (iii) explorar las implicacio-
nes éticas y organizacionales de la automatización en la
gestión; y (iv) reexionar sobre los retos y oportunidades
de esta transición en el contexto latinoamericano.
El artículo se organiza en cinco apartados. En primer
lugar, se presenta la fundamentación teórica, donde se
examinan las principales aportaciones sobre liderazgo
algorítmico, gestión cognitiva y gobernanza de datos. En
segundo lugar, se explica la metodología cualitativa in-
terpretativa utilizada para la revisión y análisis de la li-
teratura. En la tercera sección se exponen los resultados,
que incluyen un modelo basado en competencias del AI
Manager y una caracterización de las nuevas prácticas de
gestión. La cuarta sección desarrolla la discusión, en la
que se interpretan los hallazgos a la luz de marcos inter-
nacionales y regionales, como el AI Act europeo (European
Commission, 2024) y el Articial Intelligence Risk Manage-
ment Framework del NIST (2023). Finalmente, se presentan
las conclusiones, donde se proponen lineamientos forma-
tivos y estratégicos para fortalecer el liderazgo digital en
América Latina.
Fundamentación teórica
El campo de la gestión de proyectos ha experimenta-
do transformaciones profundas que desbordan los marcos
tradicionales de dirección, control y planeación. Durante
décadas, el Project Management Institute (PMI) ha esta-
blecido los estándares de referencia a través de su Guide
to the Project Management Body of Knowledge (PMBOK),
donde la gura del Project Manager se concibe como un
líder técnico encargado de garantizar el cumplimiento de
objetivos denidos en tiempo, costo y alcance (PMI, 2021).
No obstante, la globalización digital, la expansión de los
ujos de datos y la incorporación de tecnologías inteligen-
tes han modicado de manera sustantiva la lógica sobre la
cual se ejerce la gerencia. La creciente complejidad de los
proyectos exige decisiones informadas por evidencia, apo-
yadas en sistemas de analítica avanzada y con capacidad
para adaptarse a entornos inciertos.
En este contexto, la inteligencia articial (IA) no se
presenta únicamente como un conjunto de herramien-
tas tecnológicas, sino como un paradigma cognitivo que
redene las formas de pensar, coordinar y decidir en las
organizaciones. Tal como sostienen Davenport y Ronanki
(2018), la IA no sustituye el liderazgo humano, sino que lo
amplica, extendiendo las capacidades analíticas y estra-
tégicas del gerente mediante el aprendizaje automático, la
automatización cognitiva y la interpretación predictiva de
datos. Brynjolfsson y McAfee (2017) arman que la ventaja
competitiva contemporánea ya no depende exclusivamen-
te del capital o de la experiencia, sino de la capacidad de
las empresas para integrar máquinas inteligentes en sus
procesos de toma de decisiones.
La incorporación de IA a la gestión de proyectos ha
generado el surgimiento del AI Manager, un perl que con-
juga habilidades técnicas, pensamiento crítico y discerni-
miento ético. Este nuevo tipo de gerente no solo interpreta
Recibido: 09-02-2026. Aceptado: 13-03-2026
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
45
los resultados generados por sistemas de IA, sino que los
traduce en decisiones estratégicas coherentes con los
objetivos organizacionales. Hughes (2025) describe esta
gura como un mediador entre el conocimiento algorít-
mico y el conocimiento organizacional, responsable de
garantizar que los modelos de IA produzcan valor y que
sus recomendaciones sean interpretadas bajo criterios de
conabilidad, equidad y transparencia.
De esta manera, el AI Manager actúa en el marco de
lo que Schwab (2019) denomina la Cuarta Revolución In-
dustrial, caracterizada por la convergencia entre lo físico,
lo digital y lo biológico. Las organizaciones se transforman
en sistemas sociotécnicos interdependientes, donde los
algoritmos asumen funciones predictivas, prescriptivas y
decisionales. Esto demanda un liderazgo que entienda el
rol del dato como recurso estratégico y el valor del cono-
cimiento como bien común. Así, la gestión de proyectos
evoluciona hacia una gestión cognitiva, donde la inteli-
gencia humana y la inteligencia articial colaboran en la
resolución de problemas complejos.
En este nuevo escenario, el liderazgo algorítmico se
consolida como una dimensión central de la práctica ge-
rencial. Según la Organización Internacional del Trabajo
(OIT, 2019), el algorithmic management implica la delega-
ción de decisiones (como la asignación de tareas, la evalua-
ción del desempeño o la optimización de rutas) a sistemas
automatizados que aprenden a partir del comportamiento
de los usuarios. Si bien esta tendencia promete eciencia
y objetividad, también plantea riesgos asociados con la
opacidad de los algoritmos y la pérdida de autonomía de
los trabajadores. Por ello, el líder contemporáneo debe de-
sarrollar competencias éticas y reexivas para supervisar,
auditar y validar las decisiones algorítmicas, garantizando
su coherencia con los valores institucionales.
El pensamiento de Etkin y Schvarstein (2020) aporta
una mirada complementaria desde la teoría organiza-
cional latinoamericana. Los autores sostienen que toda
organización es un sistema vivo que integra dimensiones
técnicas, simbólicas y humanas, y que la gestión requie-
re reconocer el conicto, la incertidumbre y la diversidad
como elementos constitutivos del cambio. Esta visión re-
sulta crucial para el AI Manager, quien no solo debe domi-
nar el lenguaje técnico de la IA, sino también comprender
los procesos subjetivos que emergen de su aplicación. La
gestión inteligente no consiste únicamente en automatizar
decisiones, sino en preservar la deliberación, la interpre-
tación y el juicio ético dentro de los entornos digitalizados.
En el ámbito de la dirección de proyectos, la noción
de PMO cognitiva representa un paso signicativo hacia la
institucionalización del liderazgo digital. Kerzner (2019) ha-
bía anticipado que la madurez de la gestión organizacional
dependería de su capacidad para aprender de los datos y
retroalimentar sus procesos de manera continua. En esta
línea, el PMI (2025) propone la idea de una cognitive Project
Management Ofce, entendida como una estructura capaz
de integrar analítica predictiva, aprendizaje automático y
automatización en la planicación y el control de portafo-
lios. Estas ocinas ya no operan como centros burocráticos
de supervisión, sino como espacios de inteligencia colec-
tiva que permiten anticipar riesgos, redistribuir recursos y
evaluar el desempeño en tiempo real.
A su vez, el liderazgo digital exige una alfabetización
tecnológica que no se limite a la adopción de herramien-
tas, sino que incorpore competencias analíticas, éticas y
comunicativas. Westerman, Bonnet y McAfee (2021) sostie-
nen que los líderes digitales más exitosos son aquellos ca-
paces de combinar pensamiento estratégico, comprensión
tecnológica y sensibilidad humana. Este enfoque coincide
con la visión de Davenport (2023), quien plantea la ne-
cesidad de pasar del liderazgo basado en la intuición al
liderazgo aumentado, apoyado en datos pero gobernado
por principios éticos.
En el contexto latinoamericano, la construcción de
capacidades para la gestión inteligente enfrenta un con-
junto particular de desafíos. De acuerdo con el Índice
Latinoamericano de Inteligencia Articial (ILIA) publicado
por la CEPAL (2025), la región avanza de manera desigual
en la adopción de políticas y estrategias de IA. Aunque
países como Chile, Brasil, México y Colombia han desarro-
llado marcos nacionales y estrategias de talento digital,
persisten brechas signicativas en infraestructura, inte-
roperabilidad y nanciamiento para la innovación. Estas
limitaciones evidencian la necesidad de formar líderes
que comprendan la IA no solo como tecnología, sino como
fenómeno socioeconómico y ético, capaz de transformar
los territorios y generar valor público.
Los organismos multilaterales también han enfati-
zado la relevancia de construir una gobernanza regional
de la inteligencia articial. La CAF (2022) destaca la im-
portancia de establecer lineamientos éticos y técnicos
que orienten el uso de la IA en el sector público, mientras
que el BID (2023) propone marcos de cooperación regional
que promuevan estándares comunes de transparencia y
evaluación. Estos esfuerzos se alinean con las directrices
internacionales del AI Act de la Unión Europea (European
Commission, 2024) y el Articial Intelligence Risk Manage-
ment Framework del NIST (2023), los cuales recomiendan
una aproximación basada en riesgos, la supervisión huma-
na continua y la rendición de cuentas en todas las fases
del ciclo de vida de los sistemas inteligentes.
Métodos
El presente estudio se desarrolló bajo un enfoque
cualitativo – interpretativo, sustentado en la revisión siste-
mática de literatura y el análisis hermenéutico de fuentes
académicas, normativas y técnicas relacionadas con la in-
teligencia articial y la gestión de proyectos. Esta orienta-
ción metodológica permitió comprender la transformación
Recibido: 09-02-2026. Aceptado: 13-03-2026 46
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
del rol del Project Manager hacia el AI Manager no solo
como un fenómeno tecnológico, sino como un proceso so-
cio-organizacional que involucra dimensiones cognitivas,
éticas y culturales.
La investigación no buscó establecer relaciones cau-
sales o medir efectos estadísticos, sino comprender signi-
cados, patrones discursivos y marcos conceptuales que
explican cómo la inteligencia articial recongura las prác-
ticas gerenciales. Según Creswell y Poth (2018), los estu-
dios cualitativos resultan apropiados cuando el fenómeno
analizado implica interpretación, contexto y construcción
de sentido. En esa línea, el presente trabajo asumió que la
transformación del liderazgo en entornos digitales debe
analizarse a partir de la comprensión de narrativas, prin-
cipios y modelos emergentes más que desde indicadores
cuantitativos aislados.
Diseño metodológico
Se optó por un diseño exploratorio y descriptivo,
adecuado para temas recientes y en consolidación (Flick,
2018). Este tipo de diseño permite examinar fenómenos
en proceso de desarrollo y generar proposiciones teóricas
iniciales. En particular, la revisión documental se organizó
en tres fases: (i) recolección de fuentes primarias y secun-
darias, (ii) análisis categorial temático y (iii) síntesis inter-
pretativa de hallazgos.
Durante la primera fase se realizó una búsqueda
sistemática de documentos en bases de datos académi-
cas reconocidas —Scopus, Web of Science, ScienceDirect
y RedALyC—, así como en repositorios institucionales de
organismos multilaterales (CEPAL, BID, CAF, OCDE, NIST, PMI
y Unión Europea). Se consideraron artículos publicados
entre 2018 y 2025, período en el cual se consolidaron los
principales avances sobre inteligencia articial aplicada a
la gestión y liderazgo digital.
Los criterios de inclusión fueron:
- Pertinencia temática (estudios sobre IA, liderazgo,
gestión de proyectos o transformación digital).
- Actualidad (publicaciones en los últimos siete
años).
- Validez académica (artículos revisados por pares o
documentos técnicos de organismos reconocidos).
- Aplicabilidad regional (fuentes con enfoque o da-
tos de América Latina).
A su vez, se excluyeron textos de carácter divulgati-
vo, informes sin respaldo metodológico y publicaciones
comerciales sin revisión editorial. Este ltro permitió
construir un corpus analítico sólido, compuesto por 45 do-
cumentos seleccionados tras una primera revisión de 132
referencias identicadas.
Procedimiento de análisis
El tratamiento de la información se apoyó en los prin-
cipios del análisis de contenido cualitativo, combinando
procedimientos de codicación abierta y categorización
axial (Bardin, 2013). Esta metodología permitió identicar
los núcleos conceptuales que estructuran el fenómeno de
estudio. Se construyeron tres categorías principales:
- Competencias del AI Manager: conocimientos téc-
nicos, analíticos, cognitivos y éticos requeridos para la
toma de decisiones híbrida.
- Reconguración de procesos de gestión: transfor-
mación de la planeación, ejecución, control y aprendizaje
organizacional en contextos mediados por IA.
- Gobernanza y ética algorítmica: marcos normati-
vos, principios de responsabilidad y supervisión humana
en el uso de IA para la gestión de proyectos.
La información fue analizada mediante una lectura
iterativa, en la que se contrastaron conceptos teóricos con
hallazgos empíricos y normativos. Este proceso permitió
triangular las perspectivas académicas, institucionales y
organizacionales, asegurando una interpretación equili-
brada y contextualizada (Yin, 2018).
Enfoque hermenéutico
El componente interpretativo se basó en la tradición
hermenéutica crítica, que entiende el análisis como un
proceso de diálogo entre el texto y el contexto (Gadamer,
2001). En este sentido, cada fuente fue leída no solo desde
su contenido explícito, sino también desde las condiciones
históricas, culturales y tecnológicas que la sustentan. Este
enfoque resultó pertinente, dado que el liderazgo digital y
el uso de IA en la gestión no son meras prácticas técnicas,
sino expresiones de paradigmas epistémicos en disputa.
El investigador adoptó una posición reexiva, asu-
miendo que su propia experiencia docente y consultiva
en gestión y liderazgo inuye en la interpretación. Esta
autorreexión permitió mantener una distancia crítica y
reconocer las tensiones entre los discursos tecnológicos
globales y las realidades organizacionales latinoameri-
canas, caracterizadas por desigualdades estructurales y
heterogeneidad institucional.
Recibido: 09-02-2026. Aceptado: 13-03-2026
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
47
Validez y conabilidad
Siguiendo los criterios de Lincoln y Guba (1985), la va-
lidez cualitativa se garantizó mediante estrategias de cre-
dibilidad, transferibilidad, dependencia y conrmabilidad.
• La credibilidad se aseguró a través de la triangula-
ción de fuentes académicas, técnicas y normativas.
• La transferibilidad se logró al describir detallada-
mente el contexto regional y las condiciones organizacio-
nales que enmarcan el fenómeno.
• La dependencia se fortaleció mediante la trazabi-
lidad del proceso analítico y la documentación de decisio-
nes metodológicas.
• La conrmabilidad se garantizó con la utilización
de fuentes vericables y la revisión cruzada de conceptos
entre diferentes autores y organismos.
Consideraciones éticas
Dado que el estudio no implicó interacción con per-
sonas ni recolección de datos sensibles, no requirió apro-
bación de un comité ético formal. No obstante, se observó
el principio de integridad cientíca recomendado por la
American Psychological Association (APA, 2020), aseguran-
do la correcta citación de las fuentes, la transparencia en
la interpretación de resultados y el respeto por la autoría
intelectual.
Asimismo, se adoptó una perspectiva de ética de la
investigación responsable, coherente con las directrices
de la UNESCO (2021) sobre el uso ético de la inteligencia
articial, que promueven la equidad, la transparencia y el
benecio social en la producción y aplicación del conoci-
miento.
Resultados
Los hallazgos de la investigación evidencian un cam-
bio estructural en la concepción y práctica de la gestión
de proyectos en la era digital. Este cambio se materializa
en la aparición del AI Manager, un rol que integra la visión
estratégica del liderazgo tradicional con las competencias
técnicas y éticas que demanda la inteligencia articial. A
partir del análisis documental, se identicaron tres gran-
des resultados: (i) la conguración de un modelo basado
en competencias integral del AI Manager, (ii) la recongu-
ración de los procesos de planeación, ejecución y control
de proyectos mediada por IA, y (iii) la emergencia de mar-
cos de gobernanza y ética algorítmica como pilares de la
sostenibilidad gerencial.
Modelo basado en competencias del AI Manager
El primer hallazgo relevante fue la consolidación de
un modelo basado en competencias tripartito, que sinte-
tiza las capacidades necesarias para ejercer liderazgo en
contextos donde las decisiones se apoyan en sistemas
inteligentes. Este modelo se compone de tres dimensiones
interdependientes: técnica, cognitiva y ética, las cuales no
operan de manera jerárquica sino complementaria, dando
lugar a un perl híbrido entre la analítica y la gestión.
Dimensión técnica
La dimensión técnica se reere al dominio funcional
de las herramientas, lenguajes y metodologías que per-
miten incorporar la inteligencia articial a la gestión de
proyectos. Incluye conocimientos sobre analítica de datos,
automatización de ujos de trabajo, integración de plata-
formas digitales y comprensión básica de los principios
del aprendizaje automático (machine learning).
Según el Project Management Institute (PMI, 2025), la
madurez de los proyectos en entornos digitales depende
directamente de la alfabetización tecnológica de sus líde-
res. Un AI Manager competente debe ser capaz de interpre-
tar visualizaciones de datos, comprender los límites de los
modelos predictivos, evaluar su conabilidad y dialogar
con especialistas en analítica o ciencia de datos. Esto no
implica que deba programar, sino que debe traducir las
necesidades de gestión en requisitos algorítmicos y com-
prender los resultados de modo que sean útiles para la
toma de decisiones.
Asimismo, Davenport (2023) subraya que el liderazgo
en entornos inteligentes requiere familiaridad con concep-
tos como entrenamiento de modelos, validación cruzada,
métricas de error y sesgo de datos. La competencia técni-
ca, por tanto, no se limita a saber usar una herramienta,
sino a entender el ciclo de vida del dato, desde su captura
hasta su interpretación.
Dimensión cognitiva
La segunda dimensión es de naturaleza cognitiva
y alude a la capacidad de pensar de manera sistémica,
adaptativa y probabilística. En este nivel, el AI Manager
se distingue por su habilidad para interpretar la incerti-
dumbre, evaluar escenarios y generar sentido a partir de
información incompleta.
El pensamiento sistémico es esencial, pues los pro-
yectos actuales se desarrollan en ecosistemas interco-
nectados donde pequeñas variaciones en un componente
pueden generar impactos signicativos en otros. Wester-
Recibido: 09-02-2026. Aceptado: 13-03-2026 48
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
man, Bonnet y McAfee (2021) arman que los líderes di-
gitales deben articular visión estratégica y pensamiento
analítico para anticipar patrones emergentes y responder
con agilidad.
Además, el AI Manager incorpora una comprensión de
la probabilidad y el riesgo, entendiendo que los modelos
predictivos no ofrecen certezas, sino estimaciones sujetas
a error. En consecuencia, su función no es aceptar ciega-
mente la recomendación de un algoritmo, sino ponderar
su validez en función del contexto, las metas instituciona-
les y las implicaciones sociales.
Este tipo de liderazgo cognitivo se sustenta también
en la capacidad de aprendizaje continuo. En un entorno
donde los algoritmos se actualizan constantemente, la ob-
solescencia del conocimiento técnico es rápida; por ello, el
AI Manager debe mantener una actitud de aprendizaje per-
manente, revisando fuentes, participando en comunidades
digitales y promoviendo la transferencia de conocimiento
dentro de su organización (Brynjolfsson & McAfee, 2017).
Dimensión ética
La tercera dimensión del modelo basado en compe-
tencias corresponde al campo ético y valórico, que en el
contexto de la inteligencia articial se vuelve indispensa-
ble. El liderazgo digital no puede limitarse a la eciencia;
debe estar guiado por principios de transparencia, equi-
dad, responsabilidad y explicabilidad.
El Articial Intelligence Risk Management Framework
(NIST, 2023) plantea que todo sistema inteligente debe
operar bajo cuatro pilares: gobernanza, validación, gestión
del riesgo y supervisión humana. El AI Manager, desde su
posición, se convierte en el garante de estos principios,
asegurando que la automatización no reproduzca sesgos o
genere efectos discriminatorios.
De igual modo, la Comisión Europea (2024), a través
del AI Act, establece que los sistemas de alto riesgo deben
contar con mecanismos de auditoría y control humano
signicativo. Esto implica que el AI Manager tiene la res-
ponsabilidad de articular políticas de revisión y meca-
nismos de trazabilidad que aseguren que las decisiones
algorítmicas puedan ser comprendidas, cuestionadas y, si
es necesario, corregidas.
En el plano organizacional, la ética se traduce en prác-
ticas concretas: documentar los supuestos de los modelos,
comunicar los márgenes de error, preservar la privacidad
de los datos y garantizar que las decisiones se tomen con
base en valores compartidos. En palabras de Etkin y Sch-
varstein (2020), el liderazgo contemporáneo debe enten-
der que la racionalidad técnica nunca puede sustituir la
deliberación moral, y que la autoridad se legitima tanto
por la competencia como por la conciencia.
En conjunto, estas tres dimensiones —técnica, cog-
nitiva y ética— conguran un perl profesional complejo,
adaptable y humanista. El AI Manager emerge así como una
gura capaz de equilibrar la potencia de los algoritmos con
la sensibilidad humana, construyendo una gestión más in-
teligente, transparente y justa.
Reconguración de los procesos de gestión de
proyectos
El segundo hallazgo está relacionado con la transfor-
mación funcional de los procesos de planeación, ejecución
y control en los proyectos gestionados con apoyo de in-
teligencia articial. Esta reconguración no reemplaza los
fundamentos de la gerencia clásica, sino que los amplica
a través de un ciclo de retroalimentación constante entre
datos, algoritmos y decisiones humanas.
Planeación aumentada por IA
En la etapa de planeación, la inteligencia articial
actúa como herramienta de anticipación y simulación. Me-
diante el análisis de datos históricos, los modelos predic-
tivos permiten estimar plazos, costos y riesgos con mayor
precisión (Kerzner, 2019). Estos sistemas generan múltiples
escenarios y sugieren combinaciones óptimas de recursos,
lo que facilita la toma de decisiones informadas desde el
inicio del proyecto.
El AI Manager utiliza estas capacidades para construir
planes adaptativos, que se ajustan dinámicamente según
el comportamiento real del entorno. De esta manera, la
planicación deja de ser un documento estático para con-
vertirse en un proceso vivo, sustentado en datos que se
actualizan en tiempo real.
Ejecución inteligente y coordinación híbrida
Durante la ejecución, la IA desempeña un papel de
asistente cognitivo, apoyando la coordinación de equipos,
la gestión de comunicaciones y la priorización de tareas.
Los sistemas integrados de gestión de proyectos (como
los que incorporan analítica predictiva y aprendizaje au-
tomático) pueden detectar retrasos, cuellos de botella o
sobreasignaciones antes de que se conviertan en proble-
mas críticos.
Davenport (2023) señala que el mayor potencial de la
IA no radica en sustituir la acción humana, sino en liberar
al gerente de tareas operativas para permitirle concentrar-
se en el análisis estratégico y en la toma de decisiones
complejas. Así, el AI Manager actúa como mediador entre
los equipos humanos y las plataformas digitales, garanti-
Recibido: 09-02-2026. Aceptado: 13-03-2026
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
49
zando que la colaboración se mantenga uida, inclusiva y
orientada a resultados.
Control y aprendizaje organizacional
En la fase de control, la IA posibilita un seguimiento
continuo y multidimensional del desempeño del proyecto.
A diferencia de los informes tradicionales, que entregan
una visión retrospectiva, las herramientas basadas en IA
generan tableros predictivos capaces de anticipar desvia-
ciones y recomendar acciones correctivas.
Este tipo de control inteligente fortalece la cultura del
aprendizaje organizacional. Cada iteración del proyecto
produce nuevos datos que alimentan los modelos, gene-
rando un ciclo de mejora permanente. Según el Project
Management Institute (PMI, 2025), la incorporación de IA a
la gestión de proyectos convierte a la PMO en un espacio
de inteligencia adaptativa, donde los errores se interpre-
tan como oportunidades de aprendizaje más que como
fallas a sancionar.
En consecuencia, la función del AI Manager se orienta
a traducir datos en conocimiento y conocimiento en ac-
ción, promoviendo la innovación sostenida dentro de las
organizaciones.
Gobernanza y ética algorítmica en la gestión de
proyectos
El tercer hallazgo muestra que el avance de la inteli-
gencia articial en los procesos gerenciales exige la con-
solidación de marcos de gobernanza, regulación y ética
digital. La gestión de proyectos se convierte en un espacio
de deliberación sobre la legitimidad, la transparencia y la
justicia de las decisiones automatizadas.
El AI Manager desempeña aquí un rol de curador de la
decisión algorítmica, asegurando que la tecnología opere
bajo criterios de responsabilidad y respeto a los derechos
humanos. De acuerdo con la CEPAL (2025) y la CAF (2022),
América Latina debe avanzar hacia políticas que integren
innovación y protección, evitando tanto la tecnofobia
como el uso indiscriminado de la automatización.
En este marco, la gobernanza algorítmica implica la
denición de roles (propietario del modelo, custodio del
dato, auditor de impacto), la adopción de protocolos de
revisión y la creación de mecanismos de transparencia ac-
tiva. El AI Manager se convierte en el nexo entre las áreas
técnicas, la dirección estratégica y los órganos de control,
actuando como garante de la coherencia ética y la conan-
za institucional.
Más allá del cumplimiento normativo, la gobernanza
de la IA supone una cultura organizacional responsable.
Como plantea Schwab (2019), el liderazgo del futuro debe
combinar capacidad técnica con visión moral, orientando
la innovación hacia el bien común. Esta perspectiva coin-
cide con la de Etkin y Schvarstein (2020), quienes advierten
que las organizaciones solo son sostenibles cuando logran
integrar eciencia y sentido, técnica y humanidad.
A partir de lo indicado, los resultados demuestran
que el tránsito del Project Manager al AI Manager no se
limita a la incorporación de nuevas herramientas digita-
les, sino que constituye una transformación profunda del
pensamiento gerencial. El liderazgo del siglo XXI se dene
por la capacidad de combinar inteligencia técnica, pensa-
miento reexivo y ética deliberativa en la construcción de
decisiones colectivas mediadas por algoritmos.
Discusión
Los resultados presentados conrman que la transi-
ción del Project Manager hacia el AI Manager no represen-
ta un simple cambio instrumental, sino una transforma-
ción estructural en la lógica del liderazgo organizacional
contemporáneo. Se pasa de un modelo centrado en la
planeación racional y el control jerárquico a un paradig-
ma de inteligencia aumentada, donde la tecnología y la
deliberación humana coexisten en la toma de decisiones.
Este hallazgo se corresponde con la tesis de Brynjolfsson y
McAfee (2017), quienes sostienen que la ventaja competiti-
va en la era digital no proviene del reemplazo humano por
la máquina, sino de la complementariedad entre ambas
inteligencias.
Desde una perspectiva teórica, los resultados permi-
ten reinterpretar la gestión de proyectos como un sistema
sociotécnico, en el que las capacidades humanas (creati-
vidad, intuición, juicio ético) interactúan con las capacida-
des algorítmicas de análisis y predicción. Esta articulación
exige un liderazgo reexivo, capaz de gobernar la automa-
tización sin perder el control sobre su orientación nal.
Davenport (2023) advierte que los sistemas inteligentes
deben ser supervisados por líderes que comprendan sus
límites y los riesgos de sesgo o sobreajuste, lo que coinci-
de con el principio de human-in-the-loop promovido por
el NIST (2023) y por la Comisión Europea en el AI Act (2024).
En este sentido, el AI Manager emerge como gura
mediadora entre la eciencia técnica y la legitimidad so-
cial. Su papel no consiste únicamente en dirigir equipos,
sino en traducir algoritmos en decisiones comprensibles
y moralmente justicadas. Etkin y Schvarstein (2020) sos-
tienen que el ejercicio de la gestión no puede reducirse
a la ejecución de técnicas, sino que requiere preservar el
espacio de la deliberación, donde se construye el sentido
colectivo de la acción. Esta perspectiva humanista adquie-
Recibido: 09-02-2026. Aceptado: 13-03-2026 50
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
re especial relevancia en la era de la inteligencia articial,
donde los modelos tienden a homogeneizar la informa-
ción y reducir la complejidad a métricas cuantitativas.
La discusión sobre el liderazgo algorítmico, abordada
por la OIT (2019), aporta otro elemento sustantivo: el riesgo
de que la delegación excesiva en sistemas automatizados
derive en un “liderazgo invisible”, donde las decisiones
carecen de autoría clara. En las organizaciones latinoa-
mericanas, donde la conanza interpersonal sigue siendo
un componente central de la cultura laboral, este riesgo
es particularmente sensible. Por ello, el AI Manager debe
ejercer una autoridad visible, explicativa y empática, capaz
de reconstruir la conanza mediante la transparencia y la
rendición de cuentas.
Los resultados también evidencian que la ética orga-
nizacional se convierte en el principal eje articulador del
liderazgo digital. Las decisiones mediadas por IA requieren
ser auditables, comprensibles y justicables. El AI Mana-
ger encarna la función de garante ético, responsable de
establecer protocolos de revisión, trazabilidad y valida-
ción de modelos. En este aspecto, los marcos normativos
recientes —como el AI Act (European Commission, 2024) y
el Articial Intelligence Risk Management Framework del
NIST (2023)— coinciden en la necesidad de incorporar una
supervisión humana signicativa en los procesos automa-
tizados. Sin embargo, en América Latina, como advierte la
CEPAL (2025), la implementación de estos principios en-
frenta barreras de infraestructura, recursos y capacidades
institucionales, lo que requiere políticas de formación y
cooperación regional.
El tránsito hacia el liderazgo digital plantea, además,
implicaciones epistemológicas. Los datos y los algoritmos
no son neutrales; representan determinadas concepciones
del mundo y modos de conocerlo. De ahí que el AI Ma-
nager deba desarrollar una competencia hermenéutica,
entendida como la capacidad de interpretar críticamente
los resultados algorítmicos a la luz de su contexto social y
organizacional. Como sugiere Gadamer (2001), toda com-
prensión implica un diálogo entre la tradición y la nove-
dad. En ese sentido, el gerente no debe limitarse a leer los
datos, sino a interpretarlos desde una ética de la pruden-
cia, consciente de que toda decisión técnica es también
una decisión moral.
Los hallazgos de este estudio también dialogan con
las teorías contemporáneas del liderazgo digital. Wester-
man, Bonnet y McAfee (2021) argumentan que los líderes
exitosos en entornos digitales no se denen por su domi-
nio de la tecnología, sino por su capacidad para construir
sentido compartido en medio de la disrupción. En esta
línea, el AI Manager no es un tecnócrata, sino un traduc-
tor de inteligencias, capaz de armonizar la racionalidad
algorítmica con las emociones, valores y expectativas de
los equipos humanos. Esta función es crucial para evitar
el tecnocentrismo y sostener una gestión inclusiva y par-
ticipativa.
En el plano práctico, los resultados implican repensar
la estructura de las ocinas de gestión de proyectos. La
PMO cognitiva, como plantea el PMI (2025), debe evolucio-
nar hacia un modelo de gobernanza integral que incorpo-
re gestión de datos, evaluación de impacto algorítmico y
análisis ético de riesgos. No se trata de crear burocracia
adicional, sino de institucionalizar una cultura de respon-
sabilidad digital. En este sentido, el liderazgo del AI Mana-
ger no solo se mide por indicadores de desempeño, sino
por su capacidad de construir conanza, transparencia y
valor social a partir del uso responsable de la tecnología.
En América Latina, la discusión adquiere matices
especícos. Las brechas digitales y las desigualdades
estructurales imponen límites a la adopción de tecnolo-
gías avanzadas (BID, 2023). No obstante, la región posee
un potencial singular para liderar modelos de innovación
inclusiva, basados en el principio de “IA con propósito
público” (CEPAL, 2025). En sectores como la educación, la
agroindustria y la logística, la aplicación de inteligencia ar-
ticial ha demostrado mejoras en eciencia y trazabilidad,
pero también ha abierto debates sobre soberanía de da-
tos, empleo y sostenibilidad (CAF, 2022). En este contexto,
el AI Manager latinoamericano enfrenta una tarea doble:
promover la adopción tecnológica y proteger los valores
sociales, garantizando que la innovación sirva al desarro-
llo humano y no lo subordine.
Desde una lectura crítica, la transición hacia el AI
Manager también revela tensiones estructurales entre el
discurso de la innovación y la realidad institucional. La
brecha entre los marcos normativos globales —como los
de la Unión Europea o el NIST— y las capacidades de im-
plementación locales podría reproducir desigualdades en
la gobernanza tecnológica. Por ello, los resultados sugie-
ren que el desarrollo de liderazgos digitales en América
Latina debe estar acompañado por políticas públicas de
alfabetización algorítmica, inversión en infraestructura de
datos y fortalecimiento de la cooperación intersectorial
(CAF, 2022; BID, 2023).
Por último, la discusión permite formular una re-
exión más amplia sobre el sentido del liderazgo en la
era de la inteligencia articial. La adopción tecnológica,
por sí sola, no garantiza innovación ni desarrollo. Lo que
diferencia a una organización digitalmente madura es
su capacidad para convertir la información en sabiduría
y la eciencia en justicia organizacional. En palabras de
Schwab (2019), el reto del siglo XXI consiste en “poner la
tecnología al servicio de la humanidad”. Bajo esta premisa,
el AI Manager no es solo un gestor del cambio, sino un
arquitecto de signicados, un puente entre la razón algo-
rítmica y la razón ética.
Recibido: 09-02-2026. Aceptado: 13-03-2026
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
51
Conclusiones
El tránsito del Project Manager al AI Manager repre-
senta una de las transformaciones más signicativas en la
historia reciente de la gestión de proyectos. Los resultados
del estudio muestran que esta evolución no se limita a la
adopción de herramientas digitales, sino que implica una
redenición profunda del liderazgo, donde la inteligencia
articial se convierte en un aliado cognitivo y estratégico.
La gura del AI Manager sintetiza un nuevo tipo de compe-
tencia profesional que integra tres dimensiones insepara-
bles: técnica, cognitiva y ética. Este perl no sustituye al
gerente tradicional, sino que lo expande, otorgándole una
capacidad ampliada para comprender, interpretar y gober-
nar sistemas inteligentes en entornos complejos.
Desde la perspectiva teórica, la investigación con-
rma que la gestión de proyectos en la era digital debe
concebirse como un proceso sociotécnico y adaptativo,
sustentado en la colaboración entre humanos y algorit-
mos. El liderazgo efectivo ya no depende únicamente del
conocimiento experto o de la experiencia acumulada,
sino de la habilidad para traducir datos en decisiones con
sentido, para transformar información en sabiduría y para
mantener el juicio moral frente a la automatización. Como
señalan Brynjolfsson y McAfee (2017), la verdadera ventaja
competitiva del siglo XXI reside en la integración inteligen-
te entre la capacidad humana de razonar y la capacidad
algorítmica de procesar.
En términos prácticos, el estudio permite armar que
las organizaciones que aspiren a evolucionar hacia estruc-
turas de gestión inteligentes deberán desarrollar una al-
fabetización digital integral. Esto implica fortalecer la for-
mación de sus líderes en analítica de datos, pensamiento
sistémico y ética aplicada, así como crear mecanismos ins-
titucionales de gobernanza algorítmica que garanticen la
transparencia y la rendición de cuentas. En esta dirección,
el AI Manager se congura como un nuevo eje articulador
entre la estrategia corporativa, la gestión de información y
el control ético de la tecnología.
A nivel organizacional, los hallazgos sugieren que la
implementación de inteligencia articial en la gestión de
proyectos debe ir acompañada de una transformación cul-
tural. No basta con incorporar software o plataformas pre-
dictivas; es necesario construir una cultura de conanza
y aprendizaje continuo, donde el error se entienda como
oportunidad de mejora y los datos se conciban como bien
común. Este enfoque promueve la creación de ocinas de
proyectos cognitivas (PMO inteligentes), capaces de anti-
cipar riesgos, redistribuir recursos y evaluar impactos en
tiempo real. El Project Management Institute (2025) coin-
cide en que la incorporación de IA debe orientarse hacia
la mejora del juicio profesional y la toma de decisiones
basadas en evidencia, no hacia la sustitución del liderazgo
humano.
En el plano ético, la investigación rearma la urgencia
de consolidar marcos normativos y formativos que orien-
ten el uso responsable de la inteligencia articial. Tanto el
AI Act de la Unión Europea (European Commission, 2024)
como el Articial Intelligence Risk Management Framework
del NIST (2023) destacan la necesidad de mantener una
supervisión humana signicativa y de garantizar la expli-
cabilidad de los sistemas de IA. En América Latina, esta
orientación adquiere especial relevancia, dada la hetero-
geneidad institucional y la desigualdad en capacidades
tecnológicas. La CEPAL (2025) y la CAF (2022) coinciden
en que el desafío regional no es solo técnico, sino social:
asegurar que la inteligencia articial se utilice para reducir
brechas y no para ampliarlas.
En consecuencia, la formación del AI Manager latinoa-
mericano debe contemplar una dimensión ética y contex-
tual, capaz de armonizar la innovación con la justicia so-
cial. La tecnología debe ponerse al servicio de la equidad,
la sostenibilidad y el bienestar colectivo. Este enfoque se
alinea con la visión de Schwab (2019), quien plantea que
el verdadero reto de la Cuarta Revolución Industrial no
consiste en dominar la tecnología, sino en humanizar su
propósito. Por ello, el liderazgo del futuro deberá ser tanto
digital como empático, tanto analítico como prudente.
En términos de proyección, el estudio sugiere que los
próximos pasos de investigación deberían profundizar en
la evaluación empírica del desempeño del AI Manager, me-
diante estudios de caso en sectores estratégicos de Amé-
rica Latina, como la educación, la agroindustria, la energía
y la salud. También se requiere avanzar en la construcción
de indicadores de madurez ética y algorítmica que permi-
tan medir la capacidad institucional para integrar la IA de
forma responsable.
Finalmente, la transición hacia el AI Manager invita a
repensar el sentido mismo de la gestión en el siglo XXI. La
inteligencia articial no debe concebirse como sustituto de
la racionalidad humana, sino como extensión de su poten-
cial reexivo y creativo. El desafío radica en lograr un equi-
librio entre eciencia y humanidad, entre velocidad y senti-
do, entre predicción y prudencia. El gerente del futuro será
aquel que sepa gobernar la complejidad con criterio ético,
traduciendo los algoritmos en decisiones sabias y orientan-
do la tecnología hacia el desarrollo humano sostenible.
Referencias Bibliográcas
American Psychological Association (APA). (2020). Publica-
tion Manual of the American Psychological Associa-
tion (7th ed.). American Psychological Association.
Banco Interamericano de Desarrollo (BID). (2023). ILIA:
un índice sobre el estado de la inteligencia arti-
cial en América Latina y el Caribe. https://blogs.
Recibido: 09-02-2026. Aceptado: 13-03-2026 52
Innovación y Gerencia Vol XII. Edición Especial Nº1. 2026
iadb.org/innovacion/es/ilia-un-indice-sobre-el-es-
tado-de-la-inteligencia-artificial-en-america-lati-
na-y-el-caribe/
Bardin, L. (2013). Análisis de contenido. Akal.
Brynjolfsson, E., & McAfee, A. (2017). Machine, Platform,
Crowd: Harnessing Our Digital Future. W. W. Norton &
Company.
CAF – Banco de Desarrollo de América Latina. (2022). Con-
ceptos fundamentales y uso responsable de la inteli-
gencia articial en el sector público. https://scioteca.
caf.com/handle/123456789/1893
Comisión Económica para América Latina y el Caribe (CE-
PAL). (2025). Índice Latinoamericano de Inteligencia
Articial (ILIA 2025). https://www.cepal.org/es/publi-
caciones/82514
Creswell, J. W., & Poth, C. N. (2018). Qualitative Inquiry and
Research Design: Choosing Among Five Approaches
(4th ed.). SAGE Publications.
Davenport, T. H. (2023). All-in on AI: How Smart Companies
Win Big with Articial Intelligence. Harvard Business
Review Press.
Davenport, T. H., & Ronanki, R. (2018). Articial Intelligen-
ce for the Real World. Harvard Business Review, 96(1),
108–116.
Etkin, J., & Schvarstein, L. (2020). Identidad de las organiza-
ciones: Invariancia y cambio. Paidós.
European Commission. (2024). Regulation (EU) 2024/1689
of the European Parliament and of the Council of 13
June 2024 laying down harmonised rules on Articial
Intelligence (AI Act). Ofcial Journal of the European
Union. https://eur-lex.europa.eu/eli/reg/2024/1689/
oj/eng
Flick, U. (2018). An Introduction to Qualitative Research
(6th ed.). SAGE Publications.
Gadamer, H.-G. (2001). Verdad y método. Sígueme.
Hughes, L. (2025). Impact of Articial Intelligence on Pro-
ject Management. Journal of Project Management. El-
sevier.
Kerzner, H. (2019). Using the Project Management Maturi-
ty Model: Strategic Planning for Project Management.
Wiley.
Lincoln, Y. S., & Guba, E. G. (1985). Naturalistic Inquiry. SAGE
Publications.
National Institute of Standards and Technology (NIST).
(2023). Articial Intelligence Risk Management Fra-
mework (AI RMF 1.0). https://nvlpubs.nist.gov/nis-
tpubs/ai/nist.ai.100-1.pdf
Organización Internacional del Trabajo (OIT). (2019). The
Algorithmic Management of Work. International La-
bour Ofce.
Project Management Institute (PMI). (2021). A Guide to the
Project Management Body of Knowledge (PMBOK®
Guide) – Seventh Edition. PMI.
Project Management Institute (PMI). (2025). Articial Intelli-
gence in Project Management (Digital Guide). https://
www.pmi.org/learning/ai-in-project-management
Schwab, K. (2019). Shaping the Fourth Industrial Revolu-
tion. World Economic Forum.
UNESCO. (2021). Recommendation on the Ethics of Articial
Intelligence. https://unesdoc.unesco.org/ark:/48223/
pf0000380455
Westerman, G., Bonnet, D., & McAfee, A. (2021). Leading
Digital: Turning Technology into Business Transformation.
Harvard Business Review Press.
Yin, R. K. (2018). Case Study Research and Applica-
tions: Design and Methods (6th ed.). SAGE Publications.
