Durante mucho tiempo, una parte importante de la ventaja competitiva de una organización estuvo relacionada con algo relativamente sencillo de entender: saber algo que los demás no sabían.
Tener acceso a mejor información, contar con especialistas difíciles de encontrar, disponer de sistemas capaces de analizar datos que otros no podían procesar, acumular experiencia en un sector o detectar antes una tendencia permitía tomar decisiones desde una posición diferente. El conocimiento nunca fue la única fuente de ventaja, pero durante décadas acceder a él, procesarlo y convertirlo en análisis requirió capacidades que no estaban al alcance de todos.
La Inteligencia Artificial está empezando a modificar esa lógica.
Hoy podemos analizar grandes cantidades de información, comparar escenarios, identificar patrones, resumir documentos, acceder a conocimiento especializado o generar alternativas ante un problema en una fracción del tiempo que necesitábamos hace apenas unos años. Y es razonable pensar que muchas de estas capacidades serán todavía más accesibles en el futuro.
Esto no significa que todas las empresas vayan a utilizar la IA de la misma manera, ni que la tecnología vaya a dejar de ser una fuente de diferenciación. Habrá organizaciones capaces de integrarla mejor, desarrollar soluciones propias o transformar profundamente sus procesos gracias a ella.
Pero hay una consecuencia menos evidente de esta transformación que merece nuestra atención: cuando una capacidad se vuelve accesible para muchos, cambia el lugar donde reside la diferencia.
La pregunta, entonces, deja de ser únicamente qué será capaz de hacer la Inteligencia Artificial. También necesitamos preguntarnos qué capacidades humanas aumentarán de valor precisamente porque ella existe.
Y una de ellas puede ser nuestra capacidad para comprender qué significa realmente aquello que tenemos delante.
Cuando una capacidad se democratiza, cambia dónde está el valor
No sería la primera vez que ocurre algo parecido.
La calculadora no hizo innecesarias las matemáticas, pero redujo el valor diferencial de realizar determinadas operaciones manualmente. Internet no eliminó la necesidad de conocimiento, pero transformó profundamente el valor de memorizar información que podía consultarse en segundos. En ambos casos, la tecnología no eliminó nuestras capacidades anteriores; desplazó el lugar donde resultaban más valiosas.
La Inteligencia Artificial puede provocar un movimiento similar.
Si analizar información, sintetizar documentos, generar hipótesis, explorar escenarios o producir una primera recomendación resulta cada vez más sencillo, esas capacidades seguirán siendo necesarias, pero progresivamente serán menos escasas. Y cuando algo deja de ser escaso, normalmente también pierde parte de su capacidad para diferenciarnos.
Por eso quizá estemos prestando demasiada atención a qué trabajos podrá realizar la IA y demasiado poca a una cuestión que puede resultar más relevante para líderes y organizaciones: qué tendremos que hacer mejor las personas cuando todos dispongamos de una capacidad de análisis extraordinaria a nuestro alcance.
Porque recibir una buena respuesta no elimina la necesidad de interpretarla. Y disponer de más inteligencia no significa necesariamente comprender mejor la realidad sobre la que debemos decidir.
Una buena respuesta no contiene necesariamente una buena decisión
Pensemos en una empresa cuyas ventas han caído durante tres trimestres consecutivos.
Los datos muestran un deterioro de los márgenes, determinados productos venden menos y algunos mercados empiezan a mostrar señales de desaceleración. Una herramienta de Inteligencia Artificial puede analizar rápidamente esa información, compararla con datos históricos, identificar patrones y proponer diferentes alternativas: reducir costes, revisar precios, concentrar recursos en los segmentos más rentables o ajustar determinadas inversiones.
Todas esas recomendaciones pueden estar bien fundamentadas. El problema es que ninguna contiene por sí sola la decisión.
Una organización podría interpretar la caída como un problema fundamentalmente de eficiencia y comenzar inmediatamente un programa de reducción de costes. Otra podría detenerse a estudiar con mayor profundidad el comportamiento de sus clientes y descubrir que la caída no responde principalmente a un problema de precio o eficiencia, sino a que las necesidades del mercado están cambiando y su propuesta de valor empieza a perder relevancia.
La información disponible podría ser prácticamente la misma y también podría serlo buena parte del análisis inicial. Lo que cambia es la interpretación que cada organización hace de aquello que está observando.
Y esa interpretación importa porque determina qué preguntas se formulan después, qué conversaciones se mantienen, qué hipótesis se cuestionan y qué decisiones terminan considerándose razonables.
En otras palabras, entre una buena respuesta y una buena decisión sigue existiendo un espacio que la tecnología no elimina: la necesidad de comprender qué importa realmente en esa situación.
A esa capacidad la llamamos Claridad Humana
A lo largo de los artículos anteriores de esta serie hemos ido acercándonos progresivamente a esta idea desde perspectivas diferentes. Hemos hablado de la diferencia entre disponer de información y comprender el contexto, de la información que también contienen nuestras emociones y de por qué tener claridad no significa alcanzar la certeza antes de decidir.
Todo ello apunta hacia una capacidad más amplia que merece tener un nombre.
En Guiding la llamamos Claridad Humana.
Claridad Humana es la capacidad de comprender qué importa realmente en una situación para actuar con criterio, incluso cuando sigue existiendo incertidumbre.
La segunda parte de esta definición es tan importante como la primera. Tener claridad no significa tenerlo todo claro, disponer de toda la información necesaria o saber exactamente qué ocurrirá después de decidir. Las decisiones relevantes rara vez nos ofrecen esas condiciones.
Significa haber comprendido suficientemente la situación como para reconocer qué es importante, diferenciar lo que sabemos de lo que estamos interpretando, observar qué puede estar condicionando nuestra mirada y decidir desde un criterio que podamos explicar y asumir.
Por eso la Claridad Humana tampoco pretende enfrentar intuición y datos, ni es inteligencia emocional con otro nombre, ni parte de la idea de que las personas somos mejores que la Inteligencia Artificial. Es, fundamentalmente, una capacidad de integración.
Información, contexto, emociones, experiencia, perspectivas y consecuencias forman parte de una misma realidad. El reto está en relacionarlas sin confundir unas con otras y comprender qué significado adquieren cuando tenemos que decidir.
Un dato puede contar dos historias completamente diferentes
Hay una investigación de Amy Edmondson que ilustra extraordinariamente bien este problema.
En los años noventa, cuando todavía era estudiante de doctorado, Edmondson participó en una investigación sobre equipos hospitalarios. Quería estudiar la relación entre el funcionamiento de los equipos y los errores relacionados con la administración de medicamentos. Su hipótesis parecía razonable: los equipos que trabajaban mejor deberían cometer menos errores.
Cuando analizó los resultados encontró exactamente lo contrario.
Los equipos mejor valorados, con mejores relaciones y liderazgo, parecían cometer más errores, no menos.
El resultado era desconcertante. Si uno se limitaba al indicador, la conclusión parecía inevitable: los equipos aparentemente mejores estaban funcionando peor.
Edmondson decidió profundizar en lo que estaba ocurriendo. Al hacerlo empezó a considerar una explicación diferente. Quizá aquellos equipos no estuvieran cometiendo más errores. Quizá simplemente los estaban comunicando más.
En las unidades donde existían relaciones más abiertas y los profesionales sentían que podían reconocer un error sin ser inmediatamente castigados, los problemas salían a la superficie. En otras unidades, donde admitir una equivocación tenía un mayor coste interpersonal, algunos errores podían permanecer ocultos. Observaciones y entrevistas posteriores reforzaron esa interpretación y aquella investigación terminó contribuyendo al desarrollo del concepto por el que Edmondson sería ampliamente conocida años después: la seguridad psicológica.
Lo interesante para nuestra reflexión no es únicamente la seguridad psicológica.
Es lo que ocurrió con el dato.
Más errores registrados podía significar que un equipo funcionaba peor. Pero también podía ser una señal de que una organización era más capaz de hacer visibles sus problemas.
El número era el mismo. La interpretación cambiaba completamente.
Y, con ella, también cambiaba la decisión que un responsable podía tomar.
Un directivo que interpretara literalmente el indicador podría intervenir sobre los equipos que aparentemente estaban cometiendo más errores. Otro que comprendiera el contexto podría preguntarse algo mucho más incómodo: si los equipos con cifras extraordinariamente bajas estaban realmente equivocándose menos o simplemente habían aprendido que era mejor no contar determinadas cosas.
La investigación posterior de Edmondson mostró precisamente la importancia que tiene para el aprendizaje organizativo que las personas puedan plantear dudas, pedir ayuda, reconocer errores o cuestionar una situación sin asumir un coste interpersonal excesivo.
Este caso contiene una lección que va mucho más allá de los hospitales: tener el dato correcto no garantiza haber comprendido lo que el dato significa.
El contexto no acompaña a los datos. Forma parte de su significado
Imaginemos ahora algo mucho más cotidiano en una empresa. El uso de uno de sus productos ha disminuido un 15 % durante los últimos seis meses.
Podemos introducir ese dato en una herramienta de Inteligencia Artificial y pedirle que formule hipótesis. Puede existir un problema con el producto, haber cambiado el comportamiento del cliente, haber aparecido un competidor o haber perdido relevancia alguna funcionalidad. La herramienta puede ayudarnos a explorar todas esas posibilidades con una velocidad y profundidad extraordinarias.
Pero existe incluso otra posibilidad: quizá una mejora reciente permita a los clientes conseguir el mismo resultado utilizando el producto con menor frecuencia.
En ese caso, aquello que inicialmente interpretábamos como una señal negativa podría estar mostrando algo completamente diferente.
El dato continúa siendo -15 %. Lo que cambia es nuestra comprensión de lo que está ocurriendo.
Por eso las organizaciones no toman realmente decisiones sobre datos. Toman decisiones sobre lo que creen que esos datos significan.
Esta distinción puede parecer pequeña, pero se vuelve especialmente importante en un entorno donde nuestra capacidad para producir análisis va a crecer enormemente. Una empresa puede disponer de excelentes sistemas de información y, sin embargo, interpretar mal lo que está ocurriendo. Puede contar con herramientas capaces de generar análisis sofisticados y continuar observando la realidad desde hipótesis que dejaron de ser válidas hace tiempo.
La Inteligencia Artificial puede ayudarnos precisamente a combatir parte de esas limitaciones, proponiendo interpretaciones alternativas o encontrando relaciones que nosotros no habíamos visto. Pero también puede introducir un riesgo nuevo: que confundamos la calidad de una respuesta con la calidad de nuestra comprensión.
Una explicación bien construida resulta convincente. Una recomendación apoyada por datos transmite seguridad. Cuanto más sofisticadas sean las respuestas que recibamos, más fácil puede resultar olvidar que cualquier análisis parte de unas preguntas, unos supuestos y un contexto.
Y por eso, paradójicamente, cuanto mejores sean nuestras herramientas para responder, más importante puede volverse nuestra capacidad para interpretar.
La Claridad Humana no es solo una capacidad individual
Hasta aquí podríamos pensar que estamos hablando fundamentalmente de una competencia personal: una persona capaz de reflexionar mejor, reconocer sus propias interpretaciones, comprender lo que siente, incorporar perspectivas diferentes y tomar decisiones más conscientes.
Pero quizá la consecuencia más interesante aparezca cuando llevamos esta idea al terreno de las organizaciones.
Porque las organizaciones también interpretan.
Lo hacen cuando intentan comprender por qué han caído las ventas, cuando evalúan el retraso de un proyecto, cuando analizan el desempeño de una persona, cuando reciben una reclamación de un cliente o cuando intentan decidir si una estrategia que funcionó durante años continúa teniendo sentido.
Y esas interpretaciones no existen únicamente dentro de la cabeza de un directivo. Se construyen colectivamente a través de reuniones, conversaciones, informes, relaciones y decisiones cotidianas.
Se construyen mediante las preguntas que hacemos, pero también mediante aquellas que hemos aprendido a no hacer. Mediante los datos que ponemos encima de la mesa, pero también mediante aquellos que preferimos ignorar. Mediante las opiniones que pueden expresarse con libertad y aquellas que alguien decide callar porque anticipa las consecuencias de hacerlo.
El trabajo de Edmondson resulta especialmente revelador en este punto. Sus investigaciones posteriores han mostrado cómo la seguridad psicológica facilita comportamientos de aprendizaje como pedir ayuda, experimentar, discutir errores o expresar dudas. Cuando hablar supone un riesgo demasiado elevado, una organización puede perder información que ya existe dentro de ella simplemente porque nadie está dispuesto a ponerla encima de la mesa.
Eso significa que la capacidad de comprender una situación no depende únicamente de la inteligencia individual de las personas que forman una organización.
Depende también de las condiciones que la organización crea para que esa inteligencia pueda aparecer en sus conversaciones.
Y ahí la Claridad Humana deja de ser solamente una capacidad personal para convertirse en una posible capacidad organizativa.
Si quisiéramos observar la Claridad Humana de una organización, ¿dónde miraríamos?
Probablemente no empezaríamos por sus dashboards ni por la cantidad de herramientas de Inteligencia Artificial que ha implantado.
Miraríamos algo mucho más cotidiano: sus conversaciones.
Observaríamos qué sucede cuando alguien cuestiona una hipótesis que todo el mundo parece aceptar, cómo reacciona un equipo cuando aparecen datos que contradicen una estrategia defendida durante meses o qué ocurre cuando una persona dice delante de su responsable que cree que se están equivocando.
También prestaríamos atención a algo menos evidente: la capacidad de cambiar de opinión. En muchas organizaciones defendemos intelectualmente la necesidad de aprender, pero culturalmente seguimos premiando la seguridad. Esperamos que los líderes tengan respuestas, que las presentaciones transmitan confianza y que las decisiones parezcan inevitables una vez tomadas. En ese entorno, reconocer que una hipótesis era equivocada puede sentirse como una pérdida de autoridad, cuando en realidad puede ser una de las mayores demostraciones de criterio.
Una organización con mayor Claridad Humana no sería, por tanto, aquella que duda menos, sino aquella que ha aprendido a utilizar mejor sus dudas.
Sería capaz de distinguir con mayor facilidad entre un hecho y la interpretación que está haciendo de ese hecho; permitiría cuestionar una hipótesis sin convertir ese cuestionamiento en un conflicto personal; podría incorporar información incómoda sin buscar inmediatamente quién tiene la culpa; y entendería que cambiar de opinión cuando cambia la realidad no debilita una decisión, sino que demuestra capacidad de aprendizaje.
También reconocería que las emociones forman parte de ese proceso. El miedo puede estar señalando un riesgo que no estamos atendiendo, pero también nuestra resistencia a perder algo. La frustración puede revelar un obstáculo que hemos normalizado. El entusiasmo puede movilizar a un equipo y, al mismo tiempo, hacernos ignorar señales que contradicen aquello que deseamos que ocurra.
La cuestión no consiste en permitir que esas emociones gobiernen nuestras decisiones, sino en evitar el error contrario: actuar como si no existieran.
Hay organizaciones que necesitan más información. Y otras que necesitan dejar de buscarla
Existe además un comportamiento que me parece especialmente revelador de esta capacidad.
Ante una decisión difícil, es razonable pedir más información. Queremos reducir riesgos, comprender mejor las alternativas y evitar errores que podrían haberse anticipado. En muchas situaciones, esa prudencia es exactamente lo que necesitamos.
Pero cualquiera que haya trabajado durante años en organizaciones conoce también otra escena.
Otro informe. Otra reunión. Otro análisis. Una nueva presentación. Alguien propone esperar hasta disponer de los datos del siguiente trimestre. Después aparece una nueva variable que conviene estudiar. Y varias semanas después seguimos diciendo que todavía no tenemos suficiente información para decidir.
Desde fuera, ambas situaciones pueden parecer idénticas. En las dos estamos buscando información.
Sin embargo, internamente son completamente diferentes.
En una estamos intentando comprender mejor. En la otra estamos utilizando el análisis para evitar la incomodidad de decidir.
Distinguir una situación de la otra requiere algo que ningún dashboard puede mostrarnos por sí solo. Requiere reconocer el contexto, las consecuencias que estamos intentando evitar, las emociones que aparecen alrededor de la decisión y el criterio desde el que queremos actuar.
Eso también es Claridad Humana.
La ventaja puede estar en lo que ocurre entre la respuesta y la decisión
Cuando hablamos de Inteligencia Artificial en las organizaciones solemos hablar de productividad, automatización, eficiencia o capacidad de análisis. Son dimensiones importantes y probablemente transformarán profundamente nuestra forma de trabajar.
Pero puede existir otra transformación menos visible.
Si muchas organizaciones pueden acceder a herramientas similares, obtener análisis comparables y generar respuestas cada vez mejores, parte de la diferencia puede desplazarse hacia aquello que ocurre después de recibir esas respuestas: las preguntas que hacemos, las hipótesis que cuestionamos, el contexto que incorporamos, las conversaciones que somos capaces de mantener y aquello que finalmente decidimos hacer.
Esto cambia también la manera de pensar el desarrollo de personas y organizaciones.
Durante años hemos invertido enormes cantidades de tiempo y recursos en transmitir conocimientos, metodologías, procesos y herramientas. Todo ello seguirá siendo necesario. Pero quizá tengamos que prestar mucha más atención a nuestra capacidad para interpretar la realidad antes de actuar sobre ella.
Porque cuanto más poderosa sea la tecnología que pongamos a nuestro alcance, mayores pueden ser también las consecuencias de utilizarla desde una interpretación equivocada.
Una capacidad que podemos desarrollar
Hay una razón por la que hablamos de Claridad Humana como una capacidad y no como una cualidad.
Una cualidad parece algo que una persona posee o no posee. Una capacidad puede desarrollarse.
Podemos aprender a separar mejor hechos de interpretaciones, detectar cuándo defendemos una hipótesis porque sigue siendo válida y cuándo lo hacemos simplemente porque es nuestra, reconocer qué emociones están condicionando nuestra mirada, incorporar perspectivas que contradicen la nuestra y mantener conversaciones difíciles antes de que los problemas se conviertan en evidentes.
Pero también podemos construir organizaciones donde todo eso resulte más fácil.
Podemos crear contextos donde cuestionar no sea peligroso, reconocer incertidumbre no se interprete como incompetencia y cambiar de opinión sea posible cuando cambia la realidad. Podemos conseguir que las conversaciones no sirvan únicamente para coordinar acciones o comunicar decisiones ya tomadas, sino también para comprender colectivamente qué está ocurriendo.
Quizá ahí se encuentre una de las dimensiones menos exploradas de la transformación que estamos viviendo.
La Inteligencia Artificial está aumentando extraordinariamente nuestra capacidad para acceder a conocimiento y producir respuestas. Pero la calidad de nuestras decisiones seguirá dependiendo, en buena medida, de nuestra capacidad para comprender la realidad sobre la que esas respuestas pretenden actuar.
En Guiding llevamos tiempo intentando comprender cómo desarrollar esa capacidad en personas y organizaciones. A ese trabajo lo hemos llamado Human Decision Intelligence.
Más adelante en esta serie entraremos en profundidad en lo que significa y en el marco que estamos construyendo alrededor de él. Por ahora, es suficiente con poner nombre a la capacidad que queremos desarrollar.
La próxima ventaja competitiva
Es difícil saber hasta dónde llegará la Inteligencia Artificial en los próximos años, pero parece razonable pensar que muchas capacidades que hoy nos sorprenden terminarán integrándose en nuestra forma cotidiana de trabajar. Tendremos acceso a más conocimiento, podremos analizar problemas con mayor profundidad y recibiremos respuestas cada vez mejores.
Eso no hará menos importantes a las personas, pero probablemente cambiará aquello que esperamos de ellas.
Quizá una parte creciente de nuestro valor ya no esté simplemente en saber más, analizar más rápido o producir mejores respuestas, sino en comprender qué significa aquello que sabemos, situarlo en su contexto, reconocer qué está influyendo en nuestra interpretación y decidir con criterio incluso cuando la realidad continúa siendo incierta.
A esa capacidad la llamamos Claridad Humana.
Y puede que, en un mundo donde la inteligencia sea cada vez más accesible, la diferencia no esté únicamente en cuánta inteligencia tengamos a nuestra disposición, sino en la claridad con la que seamos capaces de convertirla en decisiones.