Ciclo de Vida de Proyecto de IA – PMBOK®
Las fases del ciclo de vida de un proyecto de IA generalmente incluye 8 fases:
- Definición del problema y objetivos Se identifica el problema de negocio a resolver, se establecen objetivos claros y métricas de éxito, y se evalúa si la IA es la solución apropiada.
- Recopilación y preparación de datos Se recolectan los datos necesarios, se realiza limpieza, exploración y transformación de datos (ETL), y se evalúa la calidad y suficiencia de los mismos.
- Análisis exploratorio de datos (EDA) Se examinan patrones, tendencias, distribuciones y relaciones en los datos para entender mejor el problema y guiar el modelado.
- Ingeniería de características (Feature Engineering) Se seleccionan, crean y transforman las variables relevantes que alimentarán el modelo de IA.
- Selección y entrenamiento del modelo Se eligen algoritmos apropiados, se entrenan múltiples modelos, se ajustan hiperparámetros y se comparan resultados.
- Evaluación y validación Se prueba el modelo con datos no vistos, se verifican las métricas de rendimiento y se valida que cumple con los objetivos establecidos.
- Despliegue (Deployment) Se implementa el modelo en el entorno de producción, integrándolo con sistemas existentes.
- Monitoreo y mantenimiento Se supervisa continuamente el rendimiento del modelo, se detecta degradación (drift), y se realizan reentrenamientos periódicos para mantener la precisión.
Pero dichas fases enfocándolas con el Grupos de Procesos del PMBOK® quedarían de la siguiente manera:
INICIO
1.- Definición del problema y objetivos
8.- Evaluación de viabilidad del proyecto de IA
PLANIFICACIÓN
2.- Recopilación y preparación de datos (planificación de recursos de datos)
3.- Análisis exploratorio de datos (EDA)
4.- Ingeniería de características
5.- Selección del enfoque de modelado
EJECUCIÓN
5.- Selección y entrenamiento del modelo
6.- Evaluación y validación del modelo
7.- Despliegue (Deployment)
MONITOREO Y CONTROL
- Esta fase se ejecuta en paralelo durante todo el proyecto
- Incluye el seguimiento de métricas, cronograma, costos y calidad
- Post-despliegue: Monitoreo del modelo en producción
CIERRE
- Documentación final del proyecto
- Transferencia de conocimiento
- Evaluación de lecciones aprendidas
- Entrega formal del modelo en producción
Enfoque Integrado para la IA con el Estándar del PMI y el PMBOK® que es ideal para proyectos de IA.
- Reconoce la iteración inherente al desarrollo de modelos
- Enfatiza la medición continua (crucial para el performance de modelos)
- Gestiona la incertidumbre (característica fundamental de proyectos de IA)
- Se adapta al contexto (cada proyecto de IA es único)
Visita: Glosario de Términos Agile | ¡Se actualiza día con dia!
Síguenos en las Redes Sociales y ahora en todos los canales de Podcasts, para obtener actualizaciones periódicas y opiniones sobre lo que está sucediendo en el mundo de Project Manager, Agile, Big Data, Cloud, Scrum y mas…
Busca iPMOGuide en Facebook | X | LinkedIn | Pinterest | Podcast
Nos leemos pronto, ¡un abrazo!
