La importancia de la planificación en proyectos de tecnologías de información: transformación digital, automatización e inteligencia artificial

 

Las tecnologías de información (TI) se han convertido en uno de los principales instrumentos mediante los cuales las organizaciones transforman sus procesos, desarrollan nuevos servicios, automatizan operaciones, integran información y responden a entornos caracterizados por una creciente velocidad de cambio. La implementación de sistemas de planificación de recursos empresariales (ERP), la migración hacia servicios en la nube, la automatización de procesos, el desarrollo de plataformas digitales y, más recientemente, la incorporación de inteligencia artificial (IA), representan inversiones que pueden modificar de manera profunda el funcionamiento de una organización.

Sin embargo, la adquisición o desarrollo de una tecnología no garantiza por sí mismo la obtención de resultados. Un proyecto puede alcanzar una implementación técnicamente funcional y, al mismo tiempo, incumplir sus objetivos estratégicos, exceder significativamente su presupuesto, experimentar retrasos, generar problemas operativos, presentar baja adopción por parte de los usuarios o no producir los beneficios que justificaron originalmente la inversión. Por esta razón, la gestión de proyectos tecnológicos debe analizarse como un fenómeno organizacional y estratégico, y no únicamente como una actividad técnica.

La planificación constituye uno de los mecanismos fundamentales para reducir esta brecha entre la inversión tecnológica y la generación efectiva de valor. Planificar implica transformar una necesidad o intención estratégica en un conjunto organizado de decisiones relacionadas con alcance, requisitos, recursos, cronograma, riesgos, arquitectura, datos, personas, proveedores, pruebas, seguridad, continuidad, gobernanza y beneficios esperados. En este sentido, la planificación no debe confundirse con la elaboración estática de un cronograma o un documento inicial; constituye un proceso de toma de decisiones que acompaña al proyecto durante todo su ciclo de vida.

La evidencia empírica respalda esta relación. Dvir, Raz y Shenhar (2003), al estudiar proyectos de investigación y desarrollo, encontraron relaciones entre el éxito y componentes como la definición de requisitos funcionales, las especificaciones técnicas y los procesos de gestión. Zwikael y Globerson (2006), por su parte, identificaron procesos de planificación relacionados con mejores resultados, entre ellos la definición de actividades, el desarrollo del cronograma, la planificación organizacional, la asignación de recursos humanos y las comunicaciones.

Una revisión de la literatura presentada por Serrador (2013) encontró igualmente una relación significativa entre planificación y éxito. A partir de los estudios disponibles, la planificación explicaba aproximadamente un tercio de la variación observada tanto en la eficiencia del proyecto como en su éxito general. Estos resultados son especialmente relevantes porque evidencian que planificar no constituye únicamente una práctica administrativa convencional, sino un factor asociado empíricamente con el desempeño de los proyectos.

El problema adquiere mayor importancia en el contexto actual. Los proyectos tecnológicos contemporáneos ya no se limitan al desarrollo tradicional de software. Incluyen transformación digital, automatización robótica de procesos, plataformas de datos, computación en la nube, ciberseguridad, Internet de las cosas e inteligencia artificial generativa, entre otras tecnologías. Estas iniciativas aumentan las interdependencias entre tecnología, procesos, personas, información y estrategia, haciendo que una deficiencia de planificación pueda propagarse hacia múltiples áreas de la organización.

El presente artículo analiza la importancia de la planificación en los proyectos de tecnologías de información, considerando particularmente proyectos informáticos, transformación digital, automatización, ERP e implementación de inteligencia artificial. Se examina evidencia académica sobre desviaciones y fracaso de proyectos, investigaciones de firmas internacionales de consultoría —incluidas Deloitte, PwC, KPMG y EY— y el caso costarricense de implementación del ERP-SAP de la Caja Costarricense de Seguro Social (CCSS). Finalmente, se discuten los componentes que deberían integrar una planificación tecnológica contemporánea orientada no solamente al cumplimiento de tiempo, costo y alcance, sino a la generación sostenible de valor.

Desarrollo

1. La planificación como fundamento de los proyectos de TI

La planificación de un proyecto puede entenderse como el proceso mediante el cual sus objetivos se convierten en decisiones, actividades, responsabilidades, recursos, controles y resultados verificables. En un proyecto tecnológico, este proceso adquiere características particulares debido a la complejidad de las interacciones entre sistemas, datos, procesos organizacionales y usuarios.

Tradicionalmente, el éxito de un proyecto se ha relacionado con la denominada triple restricción: tiempo, costo y alcance. Sin embargo, esta perspectiva resulta insuficiente para evaluar proyectos tecnológicos contemporáneos. Serrador y Turner (2015) demostraron que la eficiencia en la gestión del proyecto y el éxito general se encuentran relacionados, pero no son equivalentes. Un proyecto puede terminar dentro del presupuesto y cronograma establecidos y no producir los beneficios esperados.

El Project Management Institute (PMI, 2024) amplía esta perspectiva al vincular el éxito con la generación de valor que justifique el esfuerzo y los recursos invertidos. Desde esta concepción, un proyecto tecnológico debería evaluarse al menos desde cinco dimensiones: cumplimiento del cronograma, control de costos, cumplimiento técnico y funcional, adopción y continuidad operacional, y realización de beneficios.

La planificación debe, por tanto, comenzar antes de seleccionar una tecnología. La primera pregunta no debería ser qué plataforma adquirir, sino qué problema organizacional debe resolverse, qué capacidad se pretende desarrollar y qué resultado debe cambiar como consecuencia de la inversión.

Esto supone establecer un caso de negocio, identificar beneficios, determinar una línea base, definir indicadores, analizar alternativas y comprender las consecuencias de no ejecutar el proyecto. Posteriormente deben incorporarse alcance, requisitos, arquitectura, integraciones, recursos, cronograma, adquisiciones, riesgos, datos, seguridad, pruebas, transición, capacitación y gestión del cambio.

Esta concepción permite distinguir entre planificar tecnología y planificar una transformación mediante tecnología. La primera se concentra en componentes técnicos; la segunda considera las condiciones organizacionales necesarias para que esos componentes generen resultados.

2. La magnitud del riesgo en los proyectos tecnológicos

No existe evidencia rigurosa que permita afirmar que un porcentaje único y universal de los proyectos de TI fracasa. Las cifras dependen de la definición utilizada: algunos estudios consideran fracaso el sobrecosto; otros, los atrasos, el incumplimiento de alcance, el abandono del proyecto, la baja adopción o la incapacidad de generar beneficios.

Esta diferencia metodológica es importante. Afirmaciones ampliamente difundidas como que “70 % de las transformaciones digitales fracasan” simplifican un fenómeno mucho más complejo y frecuentemente carecen de una definición homogénea del término fracaso.

La evidencia disponible demuestra, no obstante, que los proyectos tecnológicos presentan riesgos importantes. Flyvbjerg y Budzier (2011), utilizando una muestra de 1.471 proyectos de TI, encontraron un sobrecosto promedio del 27 %. Más relevante todavía fue la existencia de proyectos extremos: aproximadamente uno de cada seis podía clasificarse como un caso de alto impacto, con un sobrecosto promedio cercano al 200 % y atrasos de aproximadamente 70 %.

Posteriormente, Flyvbjerg et al. (2022) analizaron 5.392 proyectos de TI y encontraron que los sobrecostos no siguen una distribución normal, sino una distribución de cola gruesa. Esto significa que, aunque numerosos proyectos pueden experimentar desviaciones relativamente pequeñas, existe una minoría capaz de sufrir desviaciones extraordinariamente elevadas.

Este comportamiento tiene implicaciones directas para la planificación. Si los responsables presupuestan únicamente a partir de promedios y escenarios ideales, pueden subestimar considerablemente la exposición real. La planificación debería incorporar escenarios, reservas, análisis de proyectos comparables y mecanismos que reduzcan el tamaño y las interdependencias de las iniciativas.

En proyectos del sector público, Budzier y Flyvbjerg (2013) estudiaron 1.355 proyectos tecnológicos y encontraron un atraso promedio del 24 %. El 18 % de los proyectos excedió su presupuesto en más de 25 %. Además, determinadas categorías mostraron una presencia significativa de resultados atípicos, especialmente proyectos relacionados con gestión de datos.

Otra investigación ampliamente citada fue realizada por McKinsey en colaboración con la Universidad de Oxford. Bloch, Blumberg y Laartz (2012) reportaron que grandes proyectos de TI presentaban, en promedio, sobrecostos de 45 %, atrasos de 7 % y entregaban 56 % menos valor del originalmente previsto. Un 17 % de los proyectos estudiados experimentó desviaciones tan severas que podía amenazar la propia continuidad de la organización.

Estas cifras deben interpretarse con cautela debido a la antigüedad de algunos estudios, las características de las muestras y las diferencias en las definiciones utilizadas. No obstante, convergen en una conclusión relevante: los proyectos tecnológicos poseen una exposición significativa a desviaciones y una pequeña proporción de proyectos puede producir consecuencias extraordinariamente graves.

3. ¿Cómo convierte una mala planificación un proyecto tecnológico en un problema organizacional?

3.1. Falta de alineamiento estratégico

Uno de los primeros errores consiste en iniciar el proyecto desde la tecnología en lugar de partir de la estrategia y del problema organizacional. Cuando una organización decide “implementar un ERP”, “migrar a la nube” o “incorporar inteligencia artificial” sin establecer claramente qué resultado pretende obtener, la tecnología puede convertirse en un objetivo en sí misma.

Deloitte encontró, mediante el análisis de información pública de 4.651 empresas, que la combinación entre una estrategia digital claramente articulada y una tecnología alineada con ella se asociaba con aproximadamente el doble de impacto sobre la valoración empresarial que la mera comunicación de una estrategia digital (Kearns-Manolatos et al., 2023). Aunque se trata de una relación observacional y no de una demostración causal, refuerza la importancia de vincular las decisiones tecnológicas con objetivos empresariales concretos.

3.2. Requisitos y alcance insuficientemente definidos

Los requisitos constituyen el puente entre la necesidad organizacional y la solución tecnológica. Una definición deficiente puede producir retrabajo, cambios tardíos, conflictos contractuales y soluciones que funcionan técnicamente pero no responden adecuadamente a las necesidades de los usuarios.

El problema se intensifica en sistemas altamente integrados. En un ERP, por ejemplo, los módulos financieros, compras, inventarios, recursos humanos, activos, presupuesto, interfaces y datos maestros forman parte de una red interdependiente. Un error aparentemente localizado puede propagarse hacia otras funciones.

Dvir et al. (2003) identificaron precisamente la definición de requisitos funcionales y especificaciones técnicas entre los componentes de planificación asociados con el éxito. Por tanto, planificar requisitos no significa impedir cualquier modificación posterior, sino garantizar trazabilidad entre necesidades, requisitos, configuración, pruebas y criterios de aceptación.

3.3. Estimaciones excesivamente optimistas

Otra fuente frecuente de problemas es la estimación construida desde el escenario deseado. Los equipos pueden subestimar integración, migración de datos, pruebas, capacitación, estabilización, soporte y contingencias.

La evidencia sobre la distribución de cola gruesa de los proyectos tecnológicos (Flyvbjerg et al., 2022) cuestiona este enfoque. Una planificación más robusta debería incorporar una perspectiva externa mediante proyectos comparables, escenarios alternativos y reservas explícitas.

La duración también representa un factor relevante. Budzier y Flyvbjerg (2013) encontraron que cada año adicional de duración se asociaba con aproximadamente 4,2 puntos porcentuales adicionales de riesgo promedio de costo. Los megaproyectos prolongados acumulan cambios tecnológicos, organizacionales y regulatorios, además de incrementar dependencias.

Una estrategia posible consiste en reducir el tamaño de las apuestas: dividir grandes programas en etapas, módulos o productos que puedan generar evidencia temprana y permitir correcciones antes de comprometer toda la organización.

3.4. Gobernanza deficiente

La gobernanza determina quién posee autoridad para decidir, aceptar riesgos, modificar alcance, aprobar entregables y, especialmente, detener una implementación cuando las condiciones no son adecuadas.

Una planificación tecnológica robusta debería responder anticipadamente preguntas como: ¿quién representa al negocio?, ¿quién aprueba una salida en producción?, ¿quién acepta un riesgo crítico?, ¿qué evidencia se necesita para avanzar?, ¿quién puede ordenar una pausa?, ¿qué sucede cuando el criterio técnico contradice una fecha contractual o administrativa?

KPMG (2024) identifica entre los factores capaces de obstaculizar transformaciones digitales la gobernanza y coordinación ineficaces, las dificultades para acordar prioridades y la insuficiencia del apoyo de los interesados. La planificación debe, por consiguiente, establecer derechos de decisión y mecanismos de escalamiento antes de que aparezca una crisis.

4. Planificación, metodologías y probabilidad de éxito

La planificación no garantiza el éxito, pero la evidencia muestra una asociación consistente entre prácticas estructuradas de gestión y mejores resultados.

Una investigación histórica de PwC (2007), realizada en 213 organizaciones de 26 países, encontró que más del 60 % de las razones de fracaso mencionadas por los participantes correspondían a factores internos. Las estimaciones deficientes y plazos incumplidos, cambios de alcance y recursos insuficientes representaban conjuntamente aproximadamente la mitad de las razones identificadas.

Entre las organizaciones que no disponían de una metodología documentada, 53 % de los proyectos se ubicaba en el grupo de menor desempeño. Las organizaciones que utilizaban metodologías de gestión en al menos el 75 % de sus proyectos presentaban menores tasas de fracaso (PwC, 2007).

Estos resultados no deben interpretarse como evidencia de que seguir mecánicamente una metodología garantiza resultados. El valor se encuentra en las disciplinas que la metodología introduce: definición de alcance, asignación de responsabilidades, identificación de riesgos, gestión de cambios, seguimiento y aprendizaje.

Una investigación posterior de PwC y PMI (2024) encontró que las oficinas de transformación de mayor madurez poseían una función formal para conectar proyectos, valor y objetivos estratégicos en el 73 % de los casos, frente al 50 % de las demás organizaciones. Asimismo, el 75 % de las organizaciones de mayor madurez reportó que la alta dirección consideraba a estas oficinas socios estratégicos, frente al 27 % del resto.

KPMG (2024), mediante una investigación con 2.450 ejecutivos de 26 países, encontró igualmente diferencias entre organizaciones líderes y las demás. Los líderes evaluaban continuamente el valor y resultados de sus inversiones tecnológicas en el 83 % de los casos, y eran más propensos a evaluar estratégicamente el alineamiento de su cartera con los objetivos de largo plazo.

La lección no consiste, por tanto, en producir más documentación, sino en mejorar la calidad y continuidad de las decisiones.

5. La planificación en proyectos de transformación digital

La transformación digital representa un desafío superior a la implementación aislada de una aplicación. Supone modificar la manera en que una organización genera valor mediante la combinación de estrategia, procesos, datos, tecnología y capacidades humanas.

Desde esta perspectiva, un programa de transformación digital requiere una planificación integrada. No basta con elaborar cronogramas independientes para cada iniciativa. Debe existir una arquitectura global que determine dependencias y prioridades.

La planificación debería comenzar identificando resultados estratégicos y posteriormente determinar qué procesos necesitan transformación, qué capacidades digitales son necesarias, qué tecnologías las habilitan y qué iniciativas deben ejecutarse.

Esto permite construir una cadena lógica:

estrategia → capacidades → procesos → datos → tecnología → proyectos → resultados → beneficios.

KPMG (2024) señala precisamente la importancia de vincular las inversiones con valor, fortalecer las bases de datos y ajustar continuamente las estrategias digitales. Entre las organizaciones tecnológicas de mejor desempeño, 80 % realizaba auditorías rutinarias de higiene de datos, mientras que las demás organizaciones eran considerablemente menos propensas a incorporar esta práctica.

Una transformación digital mal planificada puede producir fragmentación tecnológica: múltiples proyectos individuales exitosos que, en conjunto, generan sistemas incompatibles, duplicidad de datos, costos crecientes y mayor complejidad.

Por ello, la planificación debe realizarse también a nivel de portafolio. La organización necesita determinar qué iniciativas deben comenzar primero, cuáles dependen de otras, cuáles pueden compartir plataformas y cuáles deberían eliminarse porque no generan suficiente valor.

6. Planificación de la automatización

La automatización promete reducir tiempos, errores y costos, pero también puede acelerar procesos deficientes. Automatizar una actividad innecesaria no elimina el desperdicio; simplemente lo ejecuta más rápidamente.

Por esta razón, la planificación de proyectos de automatización debería comenzar mediante el análisis del proceso. Es necesario identificar actividades sin valor agregado, excepciones, controles, datos requeridos, responsables y puntos de decisión antes de seleccionar la tecnología.

Los indicadores de éxito tampoco deberían concentrarse exclusivamente en el número de robots, flujos o tareas automatizadas. El verdadero resultado debe medirse mediante variables organizacionales: reducción del tiempo de ciclo, disminución de errores, costo por transacción, productividad, calidad, cumplimiento, experiencia del usuario o reducción del riesgo.

La automatización introduce además riesgos de continuidad. Cuando procesos anteriormente ejecutados por personas dependen de una plataforma, cualquier interrupción puede detener operaciones completas. La planificación debe contemplar monitoreo, recuperación, intervención manual, segregación de funciones y continuidad operacional.

7. La planificación de proyectos de inteligencia artificial

La inteligencia artificial introduce características que hacen todavía más importante la planificación. A diferencia de muchos sistemas tradicionales, el comportamiento de un modelo puede ser probabilístico, depender de datos cambiantes y producir resultados cuya calidad no puede garantizarse únicamente mediante reglas determinísticas.

Por esta razón, implementar IA no consiste simplemente en seleccionar un modelo o contratar una plataforma. Deben planificarse el problema, los datos, la integración, los riesgos, la supervisión humana, la seguridad, los costos, los indicadores y los mecanismos de evaluación continua.

La rápida adopción de IA generativa evidencia esta diferencia entre utilizar una tecnología y obtener valor de ella. McKinsey & Company (2025) reportó que 71 % de los encuestados señalaba que sus organizaciones utilizaban regularmente IA generativa en al menos una función. Sin embargo, más del 80 % no observaba todavía un impacto tangible sobre el EBIT empresarial atribuible a la IA generativa. Solo 17 % atribuía a esta tecnología un impacto equivalente o superior al 5 % del EBIT.

Un elemento especialmente relevante fue el rediseño del trabajo. Apenas 21 % de las organizaciones había rediseñado fundamentalmente algunos flujos de trabajo, pero esta práctica presentó la relación más fuerte con el impacto financiero entre los atributos analizados por McKinsey & Company (2025). La existencia de KPI claramente definidos y, en organizaciones grandes, una hoja de ruta explícita también se relacionaron con mejores resultados.

Estos hallazgos muestran que adoptar IA no equivale a transformar mediante IA.

Deloitte (2024), en un estudio con 2.770 líderes involucrados directamente en iniciativas de IA generativa, encontró una dificultad similar para avanzar desde experimentación hacia producción. El 68 % indicó que como máximo 30 % de sus experimentos había llegado a producción completa, mientras que solamente 5 % había conseguido escalar al menos 70 % de sus pilotos.

No debe interpretarse este resultado como que “68 % de los proyectos de IA fracasa”, ya que el indicador mide el grado de escalamiento de experimentos en organizaciones que se encontraban todavía en una etapa relativamente temprana de adopción. Sin embargo, evidencia la dificultad de convertir pilotos en capacidades operativas.

Entre los obstáculos reportados se encontraban problemas para medir impacto, dificultades relacionadas con datos y barreras de gobernanza (Deloitte, 2024). Esto demuestra que muchos de los obstáculos de la IA no corresponden exclusivamente al algoritmo, sino a las condiciones organizacionales necesarias para utilizarlo.

El fenómeno resulta especialmente visible en el sector público. EY (2025) estima, a partir de su experiencia internacional, que solamente entre 20 % y 25 % de las pruebas de concepto de IA gubernamental avanzan hacia implementaciones más amplias. La firma identifica como obstáculos la subestimación de costos, dificultades de integración, preparación operacional insuficiente y resistencia organizacional.

Por ello, EY propone una hoja de ruta disciplinada que permita avanzar desde la identificación del problema y la experimentación hasta la institucionalización de la gobernanza. La IA no debe plantearse únicamente como una actualización tecnológica, sino como una estrategia de modernización organizacional.

Un proyecto de IA debería, como mínimo, definir anticipadamente:

1. problema y caso de uso;

2. línea base e indicadores de valor;

3. disponibilidad, propiedad y calidad de los datos;

4. riesgos de privacidad, seguridad, sesgo y cumplimiento;

5. criterios para evaluar la calidad de las respuestas;

6. supervisión humana;

7. integración con procesos y sistemas;

8. costos de implementación y operación;

9. competencias y capacitación;

10. criterios para escalar, modificar o abandonar el proyecto.

La experimentación no representa ausencia de planificación. Por el contrario, cuanto mayor sea la incertidumbre, mayor importancia adquiere planificar cómo se aprenderá de esa incertidumbre.

8. Planificación adaptativa y metodologías ágiles

La importancia de la planificación no implica que todos los proyectos deban gestionarse mediante enfoques predictivos tradicionales. Esta distinción resulta especialmente importante en desarrollo de software, productos digitales e inteligencia artificial.

Los enfoques ágiles no eliminan la planificación; modifican su horizonte y frecuencia. La visión, los objetivos estratégicos, las restricciones, los principales riesgos, la arquitectura mínima y los criterios de éxito pueden establecerse tempranamente, mientras que el detalle de la solución evoluciona mediante iteraciones.

Existe, por tanto, una diferencia entre planificación adaptativa y ausencia de planificación.

En contextos de elevada incertidumbre, intentar predecir exhaustivamente cada actividad durante varios años puede generar una falsa sensación de control. Sin embargo, iniciar sin dirección estratégica, criterios de decisión, responsables, métricas o límites de riesgo genera el problema opuesto.

La planificación moderna debe combinar estabilidad y adaptación. La estrategia, el propósito y determinados límites de riesgo pueden mantenerse relativamente estables, mientras que alcance, prioridades y solución evolucionan con la evidencia obtenida.

9. El factor humano y la gestión del cambio

Los proyectos tecnológicos modifican la manera en que las personas trabajan. Por ello, su planificación debe incorporar la dimensión humana desde el inicio y no únicamente durante las semanas anteriores a la puesta en producción.

EY (2022), en sus estudios sobre transformación, encontró diferencias entre organizaciones con transformaciones exitosas y aquellas de bajo desempeño. El 48 % de las primeras había invertido en las tecnologías adecuadas para materializar su visión, frente al 33 % de las transformaciones de bajo desempeño. Asimismo, 49 % de las organizaciones exitosas disponía de las habilidades y mentalidad digitales necesarias, frente a 35 % de las de menor desempeño.

La gestión del cambio debe analizar quiénes serán afectados, cómo cambiarán sus responsabilidades, qué competencias necesitarán, qué resistencias pueden aparecer y qué soporte requerirán después de la implementación.

La capacitación constituye únicamente una parte de este proceso. Una persona puede conocer técnicamente una plataforma y, sin embargo, no comprender un nuevo proceso, sus responsabilidades o las consecuencias de determinada acción.

Por ello, la planificación debería incorporar métricas de adopción además de indicadores técnicos. Un sistema disponible al 99,9 % pero utilizado incorrectamente por sus usuarios no puede considerarse plenamente exitoso.

10. Datos, pruebas y continuidad operacional

Los datos constituyen uno de los componentes más críticos y frecuentemente subestimados de los proyectos tecnológicos.

La migración desde sistemas heredados exige analizar calidad, duplicados, formatos, reglas de negocio, responsables, históricos, reconciliación y trazabilidad. En un ERP, una deficiencia de datos puede afectar inventarios, contabilidad, compras o pagos. En inteligencia artificial, puede producir resultados incorrectos, sesgados o irrelevantes.

Las pruebas deben planificarse igualmente como un proceso integral. No basta con comprobar que cada módulo funciona individualmente. Los proyectos críticos requieren pruebas extremo a extremo que reproduzcan escenarios reales, excepciones, integraciones, cargas, cierres financieros, seguridad y recuperación.

La salida en producción debe considerarse una decisión de riesgo. Antes de ejecutarla deberían existir criterios objetivos de preparación, responsables de aprobación, mecanismos de contingencia, procedimientos de reversión cuando sean técnicamente posibles y capacidad suficiente de soporte.

Esta dimensión resulta particularmente importante en organizaciones públicas, financieras, sanitarias y de infraestructura crítica, donde una falla tecnológica puede trasladarse directamente a la prestación de servicios esenciales.

11. La visión de las Big Four sobre la planificación tecnológica

Aunque Deloitte, PwC, KPMG y EY utilizan metodologías, muestras y conceptos diferentes, sus investigaciones presentan una convergencia considerable.

Deloitte enfatiza el alineamiento entre estrategia empresarial y tecnología. Sus investigaciones sobre transformación digital e IA muestran que la adopción tecnológica aislada es insuficiente cuando no existen datos adecuados, gobernanza, métricas y rediseño de procesos (Deloitte, 2024; Kearns-Manolatos et al., 2023).

PwC destaca el papel de las metodologías, gobernanza y oficinas de transformación. La evidencia presentada por PwC y PMI (2024) sugiere que las organizaciones de mayor madurez conectan proyectos con objetivos estratégicos y valor, en lugar de limitar la gestión a cronogramas y presupuestos.

KPMG enfatiza la evaluación continua del valor, la participación de los interesados, la gobernanza y las bases tecnológicas y de datos. Su Global Tech Report muestra que las organizaciones de alto desempeño son más propensas a vincular inversiones con prioridades empresariales y utilizar datos para ajustar su estrategia (KPMG, 2024).

EY destaca la preparación organizacional, capacidades humanas, planificación tecnológica y financiera y, más recientemente, la necesidad de hojas de ruta para llevar proyectos de IA desde pilotos hasta soluciones escalables (EY, 2022, 2025).

En conjunto, las cuatro firmas coinciden en cinco principios: alineamiento estratégico, gobernanza, preparación de personas y datos, medición del valor y capacidad de adaptación.

Estas fuentes deben interpretarse con cautela porque buena parte de sus investigaciones se basa en encuestas ejecutivas y asociaciones observacionales. Sin embargo, su convergencia con estudios académicos fortalece la hipótesis de que la planificación constituye una capacidad organizacional fundamental para la generación de valor mediante tecnología.

12. Costa Rica: el caso del ERP-SAP de la CCSS

La implementación del ERP-SAP de la Caja Costarricense de Seguro Social constituye uno de los casos costarricenses recientes más relevantes para analizar las consecuencias de las decisiones de planificación, gobernanza y transición en proyectos tecnológicos de gran escala.

El Plan de Innovación de la CCSS se creó en 2014 e incluía el proyecto central y 18 proyectos complementarios. El ERP debía sustituir 13 sistemas e integrarse con otros 15. El contrato de implementación fue suscrito en diciembre de 2019 y experimentó seis modificaciones, extendiéndose hasta febrero de 2026 (Contraloría General de la República [CGR], 2025).

La salida principal a producción ocurrió el 2 de junio de 2025. Sin embargo, previamente existían advertencias relacionadas con pruebas, proyectos complementarios, interfaces, participación de usuarios, capacitación y continuidad.

La Auditoría Interna de la CCSS había advertido desde abril de 2024 sobre condiciones relacionadas con las pruebas integrales de aceptación. Durante 2024 se documentaron además riesgos relacionados con interrupciones, contingencias, participación limitada de usuarios, interfaces pendientes y proyectos complementarios considerados críticos.

La situación resulta particularmente importante desde la perspectiva de planificación porque, según la CGR (2025), el asesor externo reportó en enero de 2025 un avance real de 73 % frente a un 92 % planificado. Al 30 de mayo, el avance informado era de 76 % frente a 83 %, mientras persistían interfaces relevantes incompletas o sin probar. La recomendación fue posponer la salida hasta alcanzar determinadas condiciones mínimas.

No obstante, el sistema entró en producción el 2 de junio de 2025.

La CGR (2025) concluyó posteriormente que la salida se produjo sin cumplir condiciones técnicas y operativas mínimas, pese a advertencias procedentes de diferentes instancias. El informe identificó problemas de gobernanza, control de cambios y rendición de cuentas y describió una crisis institucional activa.

Las consecuencias operacionales muestran por qué un proyecto de TI crítico no puede evaluarse exclusivamente desde la perspectiva del software. Para el 10 de junio se habían registrado 3.295 casos de servicio, cifra 1.947 % superior al promedio mensual previo. El 71,7 % estaba relacionado con desconocimiento de usuarios o modificaciones incorrectas de datos (CGR, 2025).

Al 25 de junio, las obligaciones con proveedores habían aumentado de aproximadamente US$13 millones a US$71 millones y existían alrededor de 217.000 boletas de incapacidad o licencia pendientes de pago. En una consulta realizada a 88 jefaturas de farmacia, 89 % indicó desconocer las existencias reales y 92 % reportó utilizar procedimientos manuales. Posteriormente, la CGR documentó US$124 millones en atrasos con proveedores durante agosto (CGR, 2025).

Estas cantidades representan situaciones registradas en momentos específicos y no deben interpretarse automáticamente como pérdidas financieras definitivas.

También resulta necesario incorporar la posición institucional. La CCSS argumentó que el ERP se encontraba atravesando una etapa de estabilización y que una parte de los problemas observados estaba relacionada con la calidad de los datos heredados y con el proceso de adopción, no necesariamente con una falla tecnológica intrínseca de SAP.

Durante 2026 la institución reportó avances en estabilización y cierre contable y extendió el proyecto hasta el 31 de agosto de 2026 para completar las etapas de transición y sostenibilidad. Por esta razón, académicamente resulta más preciso describir el caso como una implementación gravemente problemática y un fracaso de preparación, gobernanza y transición en su salida en vivo, en lugar de afirmar que SAP o el ERP constituyeron definitivamente un fracaso tecnológico.

La distinción es importante porque permite extraer lecciones de gestión sin convertir el análisis en una valoración simplista sobre una plataforma determinada.

Entre las principales lecciones se encuentran la necesidad de criterios objetivos para autorizar una salida en producción, independencia suficiente para evaluar la preparación, autoridad explícita para detener el despliegue, pruebas integrales, preparación de usuarios, calidad de datos, contingencia, trazabilidad de decisiones y protección de la continuidad operacional.

El caso demuestra además que más tiempo dedicado a un proyecto no equivale necesariamente a mejor planificación. Un proyecto puede prolongarse durante años y conservar riesgos críticos sin resolver. La calidad de la planificación depende de la capacidad para identificar riesgos, convertirlos en decisiones y verificar objetivamente su tratamiento.

13. Componentes de una planificación tecnológica integral

A partir de la evidencia revisada, puede proponerse que la planificación contemporánea de proyectos tecnológicos considere al menos diez dimensiones integradas.

Valor y estrategia. Debe definirse el problema, los beneficiarios, línea base, resultados, beneficios esperados, costo total y relación con la estrategia organizacional.

Alcance y arquitectura. Deben establecerse procesos, requisitos, datos, integraciones, sistemas heredados, restricciones y criterios de aceptación.

Gobernanza. Es necesario definir patrocinadores, responsables de negocio y tecnología, derechos de decisión, escalamiento y autoridad para detener o modificar el proyecto.

Riesgos y supuestos. La planificación debe hacer explícitas las incertidumbres, dependencias, riesgos tecnológicos, operativos, financieros, de ciberseguridad, privacidad y cumplimiento.

Datos. Deben determinarse propiedad, calidad, migración, acceso, retención, reconciliación y trazabilidad.

Personas y cambio. La organización necesita identificar interesados, competencias, necesidades de capacitación, comunicación, soporte y métricas de adopción.

Entrega incremental. Siempre que resulte posible, deben utilizarse etapas, pilotos representativos y criterios objetivos para continuar, modificar o detener.

Pruebas y continuidad. Deben contemplarse pruebas extremo a extremo, desempeño, seguridad, contingencia, recuperación y estabilización.

Medición. Los indicadores deben incorporar dimensiones técnicas, financieras, operativas, humanas, estratégicas y de riesgo.

Beneficios y aprendizaje. El proyecto no debería finalizar simplemente con la entrega tecnológica. Deben evaluarse los beneficios obtenidos, documentarse aprendizajes y corregirse o eliminarse soluciones que no produzcan valor.

Discusión

La evidencia revisada permite afirmar que la planificación desempeña un papel fundamental en los proyectos tecnológicos, pero también obliga a cuestionar algunas simplificaciones frecuentes en el discurso sobre éxito y fracaso.

La primera corresponde a la búsqueda de una tasa universal de fracaso. Un proyecto cancelado, un proyecto que excede su presupuesto, un piloto de IA que no escala y una transformación digital que no alcanza el retorno esperado representan fenómenos distintos. Mezclar estos indicadores produce cifras llamativas, pero metodológicamente débiles.

Por ello, resulta preferible afirmar que los proyectos tecnológicos presentan una exposición considerable a desviaciones y que determinadas prácticas de planificación se encuentran asociadas consistentemente con mejores resultados.

La segunda simplificación consiste en suponer que planificar significa intentar predecir completamente el futuro. Esta interpretación resulta especialmente problemática en proyectos de software, innovación e inteligencia artificial.

La planificación moderna debe ser adaptativa. Debe establecer dirección, objetivos, responsables, arquitectura, límites de riesgo y mecanismos de medición, pero permitir que determinadas decisiones evolucionen a partir del aprendizaje.

Esta característica adquiere especial importancia con la IA. Los datos recientes muestran una diferencia considerable entre adopción, experimentación, escalamiento y generación de valor. Que una organización utilice IA generativa no significa que haya transformado sus procesos ni que esté obteniendo retorno financiero.

La evidencia de McKinsey & Company (2025), Deloitte (2024) y EY (2025) apunta hacia un mismo problema: el verdadero desafío se encuentra en pasar del experimento a la capacidad organizacional. Para ello son necesarios rediseño de procesos, datos adecuados, integración, gobernanza, indicadores, capacidades humanas y una hoja de ruta.

Una tercera consideración corresponde a la causalidad. Las organizaciones que planifican mejor probablemente poseen también mejor liderazgo, mayores recursos, experiencia y madurez organizacional. Por ello, no puede afirmarse que un cronograma, metodología o PMO cause automáticamente el éxito.

Sin embargo, existe una explicación causal razonable para muchos mecanismos identificados: requisitos claros reducen ambigüedad y retrabajo; mejores estimaciones disminuyen expectativas irreales; gobernanza clara facilita decisiones; gestión de riesgos permite anticipar amenazas; datos adecuados reducen errores; pruebas integrales protegen la operación; gestión del cambio favorece adopción; y los indicadores permiten detectar tempranamente cuando una iniciativa no genera valor.

El caso de la CCSS resulta especialmente ilustrativo porque permite observar estos mecanismos dentro del contexto costarricense. La controversia no se limita al funcionamiento técnico del ERP. El problema central desde la perspectiva de gestión fue la relación entre advertencias, condiciones de preparación, decisión de salida y consecuencias operativas.

En sistemas críticos, la planificación debe reconocer que el riesgo tecnológico puede convertirse rápidamente en riesgo organizacional. Un problema de inventario puede convertirse en un problema de abastecimiento; un problema de integración puede retrasar pagos; una deficiencia en datos puede afectar estados financieros; y una capacitación insuficiente puede multiplicar errores en miles de transacciones.

Esta situación implica una responsabilidad particularmente importante para el sector público. Cuando una empresa privada experimenta una implementación tecnológica deficiente, las consecuencias recaen principalmente sobre la propia organización y sus interesados. Cuando ocurre en una institución pública encargada de servicios esenciales, los efectos pueden alcanzar directamente a la ciudadanía.

Por ello, la planificación de proyectos tecnológicos públicos debería incorporar mecanismos especialmente rigurosos de gobernanza, transparencia, auditoría, continuidad y rendición de cuentas. Las fechas políticas, contractuales o administrativas no deberían sustituir criterios técnicos objetivos de preparación.

Finalmente, la evidencia permite reinterpretar la planificación como una capacidad organizacional y no simplemente como una fase del proyecto. En ambientes digitales caracterizados por cambio constante, planificar significa crear un sistema mediante el cual la organización pueda decidir, medir, aprender y corregir.

Desde esta perspectiva, el mejor plan no es necesariamente aquel que predice exactamente lo que ocurrirá durante los próximos tres años. Es aquel que permite reconocer rápidamente cuando la realidad se aparta de los supuestos originales y establece previamente quién debe decidir, con qué información y bajo qué criterios.

Conclusiones

La planificación constituye uno de los principales factores asociados con el desempeño de los proyectos de tecnologías de información. La evidencia académica y profesional revisada demuestra que requisitos, estimaciones, gobernanza, gestión de riesgos, participación de usuarios, datos, pruebas, cambio organizacional y medición de beneficios no representan actividades administrativas accesorias, sino condiciones que reducen incertidumbre y mejoran la capacidad de las organizaciones para convertir inversiones tecnológicas en resultados.

No existe una tasa universal y científicamente defendible de fracaso aplicable a todos los proyectos tecnológicos. Los porcentajes varían según sector, tamaño, periodo y definición de éxito. Sin embargo, estudios con miles de proyectos demuestran la existencia de sobrecostos, atrasos y casos extremos capaces de producir consecuencias organizacionales severas. La planificación debe considerar esta distribución del riesgo y no limitarse a escenarios promedio.

La transformación digital amplía todavía más el alcance de la planificación. Una transformación no consiste en instalar herramientas digitales, sino en modificar capacidades, procesos y modelos operativos. Por esta razón, los proyectos deben vincularse con la estrategia y gestionarse como un portafolio integrado de iniciativas, dependencias y beneficios.

La automatización exige analizar y mejorar los procesos antes de digitalizarlos. Automatizar un proceso ineficiente puede acelerar el desperdicio en lugar de eliminarlo. Los indicadores deben medir resultados organizacionales y no únicamente cantidad de tecnologías implementadas.

La inteligencia artificial introduce una nueva dimensión de incertidumbre. La evidencia reciente demuestra una brecha significativa entre experimentación, escalamiento y generación de valor. La planificación de IA debe incorporar selección de casos de uso, datos, evaluación, seguridad, gobernanza, supervisión humana, integración, rediseño del trabajo, indicadores y criterios explícitos para escalar o detener iniciativas.

Las investigaciones de Deloitte, PwC, KPMG y EY convergen en una visión común: las organizaciones tecnológicamente más maduras conectan sus inversiones con la estrategia, establecen gobernanza, preparan personas y datos, miden continuamente el valor y modifican sus decisiones conforme aparece nueva evidencia.

El caso del ERP-SAP de la CCSS constituye una referencia particularmente importante para Costa Rica. Los hallazgos de la Contraloría muestran que la salida en producción se realizó en un contexto en el que persistían advertencias y condiciones técnicas y operativas pendientes, generándose afectaciones significativas en procesos institucionales. Sin embargo, dado que el sistema continuó posteriormente en estabilización y la CCSS reportó avances durante 2026, resulta metodológicamente más apropiado caracterizar el episodio como una implementación gravemente problemática y un fracaso de preparación, gobernanza y transición en su salida en vivo, en lugar de declarar definitivamente un fracaso tecnológico de la plataforma.

La principal conclusión es, finalmente, que planificar no significa adivinar el futuro. Tampoco significa producir grandes cantidades de documentación ni mantener inalterable un plan inicial. Planificar significa hacer explícitos los objetivos, supuestos, responsabilidades, dependencias y riesgos; establecer criterios para tomar decisiones; preparar a las personas y los procesos; proteger la continuidad; medir resultados y crear mecanismos que permitan corregir oportunamente.

En una época caracterizada por transformación digital, automatización e inteligencia artificial, esta capacidad se vuelve todavía más importante. A medida que la tecnología adquiere mayor influencia sobre las operaciones y decisiones organizacionales, una falla tecnológica deja de ser exclusivamente un problema informático y puede convertirse rápidamente en un problema financiero, operativo, estratégico, reputacional o incluso social.

Por esta razón, la planificación de proyectos de TI debe entenderse como una disciplina estratégica de gestión del cambio y generación de valor. La tecnología puede habilitar la transformación, pero es la planificación la que crea las condiciones para que esa transformación pueda realizarse de manera controlada, sostenible y orientada a resultados.

Referencias

• Bloch, M., Blumberg, S., & Laartz, J. (2012). Delivering large-scale IT projects on time, on budget, and on value. McKinsey & Company.
• Budzier, A., & Flyvbjerg, B. (2013). Overspend? Late? Failure? What the data say about IT project risk in the public sector. arXiv. https://doi.org/10.48550/arXiv.1304.4525
• Caja Costarricense de Seguro Social. (2025). ERP-SAP muestra avances y enfrenta retos propios de la transición. CCSS.
• Caja Costarricense de Seguro Social. (2026). CCSS avanza hacia la transición y sostenibilidad del ERP-SAP. CCSS.
• Caja Costarricense de Seguro Social, Auditoría Interna. (2024a). Oficio de advertencia del entregable E-37 Pruebas integrales de aceptación ejecutadas Ciclo II (AD-AFINPE-0024-2024).
• Caja Costarricense de Seguro Social, Auditoría Interna. (2024b). Oficio de asesoría sobre riesgos determinados por las gerencias institucionales (AS-AFINPE-0075-2024).
• Caja Costarricense de Seguro Social, Auditoría Interna. (2024c). Oficio de advertencia sobre proyectos complementarios críticos del ERP (AD-AFINPE-0112-2024).
• Contraloría General de la República. (2025). Oficio DFOE-BIS-0647(22055)-2025: Situación de la implementación del ERP en la CCSS.
• Deloitte. (2024). The state of generative AI in the enterprise: Now decides next. Deloitte.
• Dvir, D., Raz, T., & Shenhar, A. J. (2003). An empirical analysis of the relationship between project planning and project success. International Journal of Project Management, 21(2), 89–95. https://doi.org/10.1016/S0263-7863(02)00012-1
• EY. (2022). How do you harness the power of people to double transformation success? Ernst & Young.
• EY. (2025). How a five-step roadmap helps governments succeed with AI. Ernst & Young.
• Flyvbjerg, B., & Budzier, A. (2011). Why your IT project may be riskier than you think. Harvard Business Review, 89(9), 23–25.
• Flyvbjerg, B., Budzier, A., Lee, J. S., Keil, M., Lunn, D., & Bester, D. W. (2022). The empirical reality of IT project cost overruns: Discovering a power-law distribution. Journal of Management Information Systems, 39(3), 607–639. https://doi.org/10.1080/07421222.2022.2096544
• Kearns-Manolatos, D., Smith, K., Bottke, P., & Dost, S. (2023). Unleashing value from digital transformation: Paths and pitfalls. Deloitte Insights.
• KPMG. (2024). KPMG global tech report 2024: Beyond the hype: Balancing speed, security and value. KPMG International.
• Lowe, A., Rajaram, R., & Heier, H. (2024). How can rethinking your cloud strategy help you reshape your business? EY.
• McKinsey & Company. (2025). The state of AI: How organizations are rewiring to capture value. McKinsey & Company.
• Organisation for Economic Co-operation and Development. (2025). Governing with artificial intelligence. OECD Publishing. https://doi.org/10.1787/795de142-en
• Project Management Institute. (2024). Maximizing project success. PMI.
• PwC. (2007). Insights and trends: Current programme and project management practices. PricewaterhouseCoopers.
• PwC, & Project Management Institute. (2024). Transformation and project management survey: Transformation offices—Enablers of exceptional value delivery. PwC.
• Serrador, P. (2013). The importance of the planning phase to project success. PMI Global Congress Proceedings. Project Management Institute.
• Serrador, P., & Turner, R. (2015). The relationship between project success and project efficiency. Project Management Journal, 46(1), 30–39. https://doi.org/10.1002/pmj.21468
• Zwikael, O., & Globerson, S. (2006). Benchmarking of project planning and success in selected industries. Benchmarking: An International Journal, 13(6), 688–700. https://doi.org/10.1108/14635770610709059