ai-pmo-platform

AI-PMO Platform es una plataforma de código abierto (GPL-3.0) que combina IA generativa e integración con herramientas externas para automatizar las tareas de PMO (oficina de gestión de proyectos). Funciona solo con CLI y, opcionalmente, permite usar una WebUI (compatible con PC y móvil). Funciones principales: - Generación y replanificación de WBS: crea borradores de WBS a partir del contenido de reuniones y propone planes de replanificación basados en predicciones de retraso (se registran como pendientes de aprobación y no se reflejan automáticamente en la WBS original) - Risk AI: identificación y evaluación de riesgos, predicción de retrasos y detección de deriva (con histéresis de umbral) - Task Engine: integra y prioriza tareas a partir de salidas de múltiples plantillas (determinista, sin uso de LLM). El registro se mantiene en SQLite (WAL) o PostgreSQL y admite separación por inquilino y proyecto - PMO AI Core: ejecuta automáticamente propuestas de responsables, aplicación de reglas de progreso, notificaciones de Slack y generación de briefings. Las decisiones son deterministas y todas se registran en un log de solo adición. La confirmación de responsables la realiza una persona y se puede escribir de vuelta al tracker (Jira, GitHub Projects, Plane, OpenProject, Azure DevOps) - Función de aprendizaje: corrige estadísticamente la capacidad efectiva por responsable y las etiquetas propensas a retrasos a partir de resultados completados (sin uso de LLM, con límites superior e inferior y número mínimo de muestras) - Project Digital Twin: se sincroniza diariamente desde Jira y puntúa de forma determinista la salud en 5 ejes (cronograma, recursos, riesgos, presupuesto y bloqueos); el LLM solo redacta observaciones y acciones recomendadas - Agentes especializados por rol: IA para desarrollo, pruebas, investigación, documentación y ventas. Las IA de desarrollo y pruebas solo crean comentarios en Jira (con aprobación en cada ocasión); las IA de investigación, documentación y ventas son de solo lectura y sus resultados llegan hasta borradores para revisión interna Integraciones: Teams, Jira, Jira Agile, GitHub Projects, Plane, OpenProject, Azure DevOps, Slack, PostgreSQL y almacenes vectoriales (a elegir entre Qdrant, pgvector, Chroma, Milvus y Weaviate) Proveedores de IA: OpenAI, Gemini, Groq, OpenRouter, Claude, Ollama, vLLM y LM Studio El DSL de plantillas está en formato YAML y define flujos de trabajo combinando pasos de tipo adapter/llm/agent/expression. Admite iteración (for_each/where), ejecución en paralelo (parallel) y llamadas simultáneas a múltiples proveedores de LLM (profiles). Los prompts se separan del YAML y el LLM se especifica mediante nombres de perfil lógicos. Los valores que se determinan contando (porcentaje de completitud, días restantes, etc.) no se hacen contar al LLM, sino que se calculan en el lado del adaptador. La evaluación de expresiones se limita a referencias de valores y comparaciones binarias, y por diseño seguro no se permite escribir SQL ni nombres de colecciones en las plantillas. Incluye plantillas por sector para construcción, marketing, manufactura, consultoría, legal, customer success, auditoría, educación superior, organizaciones sin ánimo de lucro, seguros y contratación pública. También implementa un uso autorreferencial: gestiona la WBS de desarrollo del propio proyecto y verifica mediante CI (aipmo wbs check) la existencia de evidencias de "completado" (archivos y frases). Requisitos de funcionamiento: Python 3.10+. La versión Docker requiere Docker Compose v2. Al usar un LLM local (Ollama) se recomiendan unos 20 GB libres y 16 GB o más de memoria. Con IA en la nube funciona con unos pocos cientos de MB.