Durante buena parte de nuestra historia hemos asociado el progreso con la capacidad de acceder a aquello que antes estaba fuera de nuestro alcance. Más recursos, más información, más conocimiento, más velocidad. La ventaja parecía pertenecer a quienes podían disponer de algo que los demás todavía no tenían.
No es difícil encontrar ese patrón cuando observamos cómo han evolucionado las organizaciones.
Hubo épocas en las que disponer de tierras, materias primas o capacidad industrial marcaba una diferencia enorme. Más tarde, cuando producir dejó de ser suficiente para competir, el conocimiento y la información adquirieron un protagonismo creciente. Las empresas empezaron a invertir en sistemas de información, investigación de mercados, consultoría, inteligencia de negocio y analítica porque comprendieron que conocer mejor lo que estaba ocurriendo permitía anticiparse y decidir con mayor precisión.
Durante décadas aceptamos casi sin cuestionarlo que más información debía conducir a mejores decisiones.
Y tenía sentido.
Cuando conseguir información era costoso, quien tenía acceso a ella poseía una ventaja real. Un directivo con experiencia acumulaba aprendizajes que otra persona tardaría años en adquirir. Un consultor había participado en situaciones que su cliente quizá nunca había vivido. Un equipo de analistas podía dedicar semanas a recopilar datos que para el resto de la organización resultaban prácticamente inaccesibles.
El conocimiento no era solo valioso por lo que permitía hacer. También lo era porque era difícil de obtener.
La Inteligencia Artificial está alterando precisamente esa relación.
Hoy, una persona puede sentarse frente a un ordenador y, en cuestión de segundos, acceder a una capacidad de síntesis, análisis y generación de alternativas que hace apenas unos años habría requerido horas de trabajo o la participación de varias personas. Puede pedir que se comparen diferentes estrategias, resumir un informe extenso, explorar escenarios, preparar una reunión, identificar riesgos o encontrar patrones dentro de una gran cantidad de información.
Nada de esto significa que la IA sea infalible. No lo es. Tampoco significa que el conocimiento experto haya dejado de importar. Sigue siendo esencial para detectar errores, evaluar supuestos, formular mejores preguntas y reconocer cuándo una respuesta aparentemente convincente no encaja con la realidad.
Pero sí está ocurriendo algo más profundo.
El acceso a buenas respuestas está dejando de ser escaso.
Y cuando cambia aquello que escasea, también cambia aquello que diferencia.
La ventaja competitiva siempre sigue a la escasez
Solemos hablar de ventaja competitiva como si fuera una cualidad permanente: tecnología, conocimiento, talento, información o capacidad de innovación. Pero quizá exista una forma más sencilla de entenderla.
La ventaja competitiva aparece allí donde existe algo valioso que resulta difícil de conseguir.
Mientras la información fue costosa, disponer de ella otorgaba poder. Cuando el acceso a determinada tecnología estaba limitado a unas pocas compañías, esa tecnología podía proteger una posición durante años. Cuando ciertas capacidades profesionales requerían décadas de experiencia, quienes las poseían tenían un valor extraordinario.
El patrón es sencillo: lo abundante puede ser útil, pero rara vez diferencia durante mucho tiempo.
Por eso uno de los efectos más interesantes de la Inteligencia Artificial no tiene que ver únicamente con aquello que permite hacer. Tiene que ver con aquello que está convirtiendo en abundante.
La información nunca había sido tan accesible. El coste de generar un primer análisis ha caído de manera radical. La capacidad de explorar alternativas, organizar argumentos o producir una primera aproximación a un problema complejo está llegando a millones de personas al mismo tiempo.
Esto plantea una pregunta incómoda para muchas organizaciones.
¿Qué ocurre cuando una capacidad que durante años consideramos diferencial empieza a estar disponible para todos?
Pensemos en una empresa que durante mucho tiempo se ha sentido especialmente sofisticada porque dispone de grandes cantidades de información sobre su mercado. Sus competidores necesitaban semanas para realizar determinados análisis; ella podía hacerlos en días. Esa velocidad representaba una ventaja.
Pero imaginemos que, progresivamente, todos los competidores pueden acceder a capacidades similares.
La ventaja no desaparece porque el análisis deje de ser útil. Desaparece porque deja de ser exclusivo.
Lo mismo puede ocurrir con muchas de las capacidades que hoy relacionamos con la Inteligencia Artificial. Aprender a utilizar estas herramientas será importante. Ignorarlas probablemente supondrá una desventaja. Sin embargo, resulta difícil imaginar que saber utilizarlas constituya por sí mismo una ventaja sostenible cuando todas las organizaciones están incorporando tecnologías semejantes.
Hace algunos años saber buscar bien en Internet podía diferenciar enormemente a un profesional. Hoy lo damos por hecho.
Es probable que algo parecido ocurra con buena parte del uso cotidiano de la Inteligencia Artificial.
La habilidad seguirá siendo necesaria, pero dejará progresivamente de ser excepcional.
Y esto nos obliga a mirar en otra dirección.
Si la IA hace que las respuestas sean cada vez más accesibles, ¿dónde se desplazará la escasez?
La información está dejando de ser el cuello de botella
Durante mucho tiempo asumimos que uno de los principales problemas de las organizaciones era la falta de información.
Por eso desarrollamos sistemas para capturarla.
Creamos cuadros de mando para visualizarla.
Contratamos analistas para interpretarla.
Diseñamos reuniones para compartirla.
Construimos procesos de reporting para asegurarnos de que llegaba a las personas adecuadas.
Sin embargo, cualquiera que haya participado durante años en organizaciones sabe que disponer de más información no garantiza necesariamente mejores decisiones.
A veces ocurre exactamente lo contrario.
Un comité de dirección puede disponer de cientos de indicadores y seguir sin ponerse de acuerdo sobre qué está ocurriendo realmente. Un equipo puede tener datos suficientes para detectar un problema y, aun así, evitar la conversación que permitiría abordarlo. Un responsable puede recibir un análisis impecable y tomar una mala decisión porque interpreta la situación desde una suposición equivocada.
El problema no siempre está en la falta de información.
Con frecuencia está en aquello que hacemos con ella.
Este matiz se vuelve mucho más importante cuando la Inteligencia Artificial multiplica nuestra capacidad para producir análisis. Si antes el reto consistía en encontrar respuestas, ahora podemos enfrentarnos al problema opuesto: disponer de demasiadas.
Ante una decisión relevante, una IA puede presentarnos cinco estrategias razonables, diez riesgos potenciales, tres escenarios alternativos y una larga lista de argumentos a favor y en contra de cada opción.
Eso puede ser extraordinariamente útil.
Pero alguien sigue teniendo que decidir qué significa todo aquello.
Alguien tiene que reconocer qué información resulta relevante en ese momento y cuál simplemente añade ruido. Alguien tiene que entender las particularidades de la organización, las personas afectadas, los compromisos anteriores, los límites que no aparecen en ningún documento y las consecuencias que cada alternativa puede provocar.
En otras palabras, la IA puede aumentar de forma extraordinaria nuestra capacidad para responder sin resolver necesariamente nuestra capacidad para comprender.
Y quizá ahí esté apareciendo la verdadera escasez de esta nueva etapa.
No la escasez de datos.
No la escasez de análisis.
Ni siquiera la escasez de respuestas.
La escasez de comprensión.
Saber más y comprender mejor no son la misma cosa
Durante mucho tiempo hemos utilizado conocimiento y comprensión casi como sinónimos. Sin embargo, son capacidades distintas.
Saber consiste en disponer de información sobre algo.
Comprender exige interpretar qué significa esa información dentro de una situación concreta.
Una persona puede conocer perfectamente los resultados de una encuesta de clima y no comprender qué está ocurriendo realmente dentro de su equipo. Puede conocer la evolución financiera de una compañía y no detectar que detrás de determinados resultados empieza a aparecer un problema cultural. Puede disponer de todos los datos sobre el rendimiento de una persona y no entender por qué alguien que funcionaba extraordinariamente bien hace seis meses ha empezado a desconectarse.
La diferencia está en el contexto.
Los datos pueden decirnos qué está ocurriendo. Comprender exige preguntarnos por qué ocurre, qué significa y qué consecuencias tendrá actuar de una determinada manera.
Esto explica por qué dos personas pueden observar exactamente la misma información y tomar decisiones completamente diferentes.
No necesariamente porque una de ellas sea más inteligente.
Ni porque disponga de datos adicionales.
A veces la diferencia está simplemente en que una de ellas ha conseguido construir una interpretación más completa de la situación.
Ha visto algo que la otra no estaba viendo.
Y esa capacidad adquiere un valor extraordinario cuando las respuestas están al alcance de todos.
La Inteligencia Artificial no está reduciendo el valor del conocimiento. Seguiremos necesitando profesionales que sepan de finanzas, estrategia, tecnología, medicina, derecho, psicología o cualquier otra disciplina.
Lo que está reduciendo es el valor diferencial de poseer determinado conocimiento cuando ese conocimiento puede consultarse de forma casi inmediata.
La distinción es importante.
Una organización seguirá necesitando conocimiento.
Pero cada vez será más difícil construir una ventaja duradera únicamente sobre la capacidad de acceder a él.
El verdadero valor empezará a desplazarse hacia la capacidad de interpretar aquello que sabemos.
Y eso abre una cuestión mucho más profunda que el debate habitual sobre si la Inteligencia Artificial sustituirá determinados puestos de trabajo.
Quizá la transformación más importante no sea que las máquinas estén aprendiendo a responder.
Quizá sea que, al hacerlo, nos están obligando a descubrir qué significa realmente comprender.
La respuesta nunca decide por nosotros
Existe una forma muy sencilla de comprobar hasta qué punto el verdadero impacto de la Inteligencia Artificial no está en su capacidad para generar respuestas, sino en nuestra capacidad para interpretarlas. Basta con imaginar una situación que, probablemente, dentro de muy poco será habitual en cualquier organización.
Dos directores generales afrontan un problema prácticamente idéntico. Durante los últimos meses sus empresas han visto reducirse los márgenes, la presión competitiva aumenta y los accionistas comienzan a exigir medidas que permitan recuperar la rentabilidad. Ambos deciden recurrir a una herramienta de Inteligencia Artificial para analizar la situación. Comparten información financiera, indicadores operativos, previsiones de mercado, datos de productividad e incluso describen con detalle la estructura de sus organizaciones.
La IA procesa toda esa información y devuelve un análisis sólido. Identifica áreas de ineficiencia, detecta oportunidades de simplificación, propone reorganizar determinadas unidades de negocio y plantea distintos escenarios para mejorar los resultados. En esencia, ambos reciben respuestas muy similares.
Sin embargo, las decisiones que terminan tomando son completamente diferentes.
El primero interpreta que el problema principal es económico y concluye que debe actuar con rapidez. Reduce plantilla, paraliza inversiones que no considera esenciales y concentra todos los esfuerzos en mejorar los resultados del siguiente trimestre. El segundo observa exactamente el mismo análisis, pero llega a una conclusión distinta. Considera que parte de la pérdida de rentabilidad tiene su origen en la forma en que la organización está colaborando y decide reorganizar equipos, revisar procesos e invertir en desarrollar a las personas antes de plantearse una reducción de plantilla.
Cinco años después, las trayectorias de ambas empresas son radicalmente distintas. La primera consiguió mejorar sus cifras a corto plazo, pero también perdió talento, deterioró la confianza interna y redujo considerablemente su capacidad para adaptarse a nuevos cambios. La segunda tardó más tiempo en recuperar la rentabilidad, aunque terminó construyendo una organización mucho más sólida, con equipos más comprometidos y una cultura capaz de sostener el crecimiento en el tiempo.
La cuestión interesante de este ejemplo no consiste en determinar cuál de las dos decisiones era la correcta. En la realidad, cualquiera de ellas podría haber sido la más adecuada dependiendo del contexto. Lo verdaderamente relevante es que la diferencia entre ambos resultados no estuvo en la Inteligencia Artificial. Tampoco en la calidad de los datos ni en la precisión del análisis.
La diferencia estuvo en la forma de comprender la realidad sobre la que esas respuestas iban a aplicarse.
Este matiz puede parecer pequeño, pero cambia completamente la conversación sobre el papel de la Inteligencia Artificial en las organizaciones. Con frecuencia discutimos si la IA terminará tomando decisiones por nosotros, cuando en realidad las decisiones importantes nunca han dependido únicamente de disponer de una buena respuesta. Siempre han dependido de la interpretación que hacemos de esa respuesta y del significado que le otorgamos dentro de una situación concreta.
En este punto conviene detenerse en una idea que rara vez recibe la atención que merece. Solemos afirmar que las decisiones deben basarse en los datos, como si los datos fueran capaces de explicar por sí mismos la realidad. Sin embargo, los datos únicamente describen lo que podemos observar; nunca contienen, por sí solos, el significado de aquello que está ocurriendo.
Un descenso de las ventas puede interpretarse como el fracaso de una estrategia comercial, pero también puede ser la consecuencia lógica de haber abandonado deliberadamente un segmento poco rentable. Un aumento de la rotación puede revelar un problema cultural o, por el contrario, ser el efecto esperado de una transformación que exige incorporar perfiles diferentes. Incluso una caída en los indicadores de compromiso puede esconder situaciones muy distintas: desde una pérdida de confianza en el liderazgo hasta el desgaste temporal que suele acompañar a cualquier proceso de cambio profundo.
Los números permanecen. Lo que cambia es la interpretación que construimos alrededor de ellos.
Por esa razón resulta tan peligroso pensar que la Inteligencia Artificial podrá sustituir completamente el juicio humano simplemente porque es capaz de analizar una cantidad de información muy superior a la que cualquier persona podría procesar. La IA identifica patrones con una velocidad extraordinaria, pero esos patrones siempre necesitan ser interpretados por alguien que conozca el contexto en el que aparecen.
Y el contexto rara vez cabe en una base de datos.
El contexto está formado por la historia que ha llevado a una organización hasta ese momento, por las conversaciones que nunca llegaron a producirse, por el grado de confianza entre las personas, por las expectativas que cada equipo deposita en sus líderes y por las emociones que condicionan la manera en que cualquier decisión será recibida. Son elementos difíciles de cuantificar, pero determinan profundamente el resultado de una decisión.
Amy Edmondson, profesora de Harvard Business School, lleva años investigando cómo la seguridad psicológica condiciona el rendimiento de los equipos. Sus estudios muestran que organizaciones con niveles similares de talento y recursos pueden obtener resultados muy diferentes dependiendo de la calidad de las conversaciones que mantienen sus miembros. No es una cuestión de disponer de más información, sino de crear un contexto en el que esa información pueda interpretarse y utilizarse de manera más inteligente.
Algo parecido ocurre con las investigaciones de Daniel Kahneman sobre el juicio y la toma de decisiones. Durante décadas mostró que las personas no decidimos únicamente a partir de los datos disponibles, sino a través de atajos mentales, experiencias previas, sesgos y marcos de interpretación que influyen constantemente en nuestra manera de comprender la realidad. La llegada de la Inteligencia Artificial no elimina esos mecanismos. En cierto modo, los hace todavía más relevantes, porque ahora disponemos de muchas más respuestas sobre las que proyectar nuestras propias interpretaciones.
Quizá ahí resida una de las paradojas más interesantes de esta nueva etapa. Durante años pensamos que el principal obstáculo para decidir era la falta de información. Hoy empezamos a descubrir que el verdadero desafío puede ser exactamente el contrario: disponer de tantas respuestas que terminemos confundiendo la precisión del análisis con la profundidad de la comprensión.
Una respuesta técnicamente impecable puede conducir a una mala decisión si se aplica sobre una interpretación incompleta de la realidad. Del mismo modo, una organización puede disponer de excelentes indicadores y seguir equivocándose porque aquello que condiciona realmente sus resultados no aparece reflejado en ningún cuadro de mando.
Las decisiones importantes rara vez fracasan porque falten respuestas.
Con mucha más frecuencia fracasan porque comprendemos solo una parte de la realidad sobre la que estamos decidiendo.
Y precisamente por eso la capacidad más valiosa de los próximos años quizá no sea obtener mejores respuestas de la Inteligencia Artificial, sino desarrollar una comprensión más profunda de aquello que esas respuestas significan para las personas, para la organización y para el futuro que estamos intentando construir.
Cuando comprender se convierte en la principal responsabilidad del liderazgo
Si aceptamos que el acceso a respuestas de calidad dejará de ser una fuente sostenible de ventaja competitiva, la siguiente pregunta surge casi de manera inevitable: ¿qué cambia entonces para quienes tienen la responsabilidad de decidir?
La respuesta va mucho más allá de incorporar nuevas herramientas tecnológicas o aprender a utilizar modelos de Inteligencia Artificial. En realidad, afecta a una de las ideas más profundas sobre las que hemos construido el liderazgo durante las últimas décadas.
Durante mucho tiempo hemos esperado que un buen líder fuera, ante todo, alguien capaz de aportar respuestas. La experiencia se asociaba con la capacidad de saber qué hacer, resolver problemas con rapidez y ofrecer certezas cuando el resto de la organización tenía dudas. En muchos entornos profesionales, el prestigio de un directivo se ha medido precisamente por la seguridad con la que respondía a las preguntas difíciles.
Sin embargo, ese modelo empieza a mostrar sus límites.
No porque la experiencia haya dejado de ser valiosa, sino porque el conocimiento ya no circula de la misma manera. Cuando cualquier profesional puede acceder en pocos segundos a análisis rigurosos, referencias especializadas o recomendaciones técnicamente sólidas, el valor diferencial del líder deja de estar en ser la persona que tiene la respuesta más rápida.
Su contribución empieza a desplazarse hacia otro lugar.
Cada vez resulta más evidente que las organizaciones no necesitan únicamente personas capaces de responder preguntas. Necesitan personas capaces de ayudar a comprender mejor los problemas sobre los que van a decidir.
Puede parecer un matiz menor, pero en realidad describe dos formas completamente distintas de ejercer el liderazgo.
Responder consiste en ofrecer una solución.
Comprender implica ampliar la mirada.
Quien responde intenta cerrar una conversación.
Quien ayuda a comprender suele abrir nuevas preguntas, incorporar perspectivas que todavía no estaban presentes y hacer visibles aspectos del problema que habían pasado desapercibidos.
Esa diferencia resulta especialmente importante en un momento en el que la mayoría de las decisiones relevantes ya no son problemas puramente técnicos.
Las organizaciones no suelen fracasar porque desconozcan las mejores prácticas de su sector. Existen estudios, metodologías, casos de éxito y una cantidad creciente de conocimiento disponible para prácticamente cualquier reto empresarial. Sin embargo, muchas transformaciones continúan fracasando porque la dificultad rara vez consiste en saber qué debería hacerse.
La verdadera dificultad consiste en conseguir que esa decisión tenga sentido dentro de una realidad concreta.
Un mismo cambio organizativo puede generar entusiasmo en una empresa y rechazo en otra. Una estrategia que funciona extraordinariamente bien en un determinado contexto puede producir el efecto contrario cuando cambian las personas, la cultura o el momento que atraviesa la organización.
Eso explica por qué copiar decisiones exitosas rara vez garantiza obtener los mismos resultados.
Las decisiones nunca viajan solas.
Siempre lo hacen acompañadas del contexto que les da significado.
Y comprender ese contexto es una tarea profundamente humana.
Por eso creo que uno de los grandes errores que podemos cometer durante los próximos años consiste en reducir el liderazgo a una cuestión de productividad o eficiencia. Es evidente que la Inteligencia Artificial permitirá trabajar más rápido y automatizar numerosas tareas. Sería absurdo ignorar ese potencial. Pero el verdadero impacto sobre el liderazgo no estará únicamente en hacer más cosas en menos tiempo.
Estará en liberar espacio para dedicar más tiempo a aquello que ninguna tecnología puede hacer por nosotros: interpretar, conversar, escuchar, conectar perspectivas diferentes y construir significado compartido.
En otras palabras, el liderazgo dejará de diferenciarse por la capacidad de producir respuestas y empezará a diferenciarse por la capacidad de generar comprensión.
Esa transformación también obliga a revisar la manera en que entendemos el desarrollo del talento dentro de las organizaciones.
Durante años hemos invertido enormes esfuerzos en transmitir conocimiento. Formamos a las personas para que aprendieran procedimientos, metodologías, herramientas o modelos de gestión. Todo ello seguirá siendo necesario, pero probablemente deje de ser suficiente.
El verdadero aprendizaje consistirá cada vez más en desarrollar criterio.
Y el criterio no se adquiere únicamente estudiando.
Se desarrolla enfrentándose a situaciones ambiguas, manteniendo conversaciones difíciles, contrastando perspectivas distintas y aprendiendo a integrar elementos que, en muchas ocasiones, parecen contradictorios.
No nace de memorizar respuestas.
Nace de aprender a interpretar la realidad.
Quizá por eso una de las competencias más importantes de los próximos años no sea hacer mejores preguntas a la Inteligencia Artificial, como tantas veces escuchamos, sino aprender a mantener mejores conversaciones entre personas.
Porque es en esas conversaciones donde aparecen los matices que ningún modelo puede conocer de antemano.
Es ahí donde se hacen visibles los temores que condicionan una decisión, las expectativas que nunca llegaron a expresarse o las oportunidades que permanecían ocultas porque nadie había conectado todavía determinadas ideas.
Las organizaciones que desarrollen esa capacidad colectiva para comprender antes de decidir construirán una ventaja difícil de copiar.
No porque dispongan de mejores algoritmos.
Sino porque habrán desarrollado algo mucho más complejo: la capacidad de interpretar la realidad de una forma más completa que sus competidores.
Después de muchos años reflexionando sobre esta transformación, en Guiding hemos llegado a una convicción que ha terminado convirtiéndose en el eje de nuestro trabajo.
Si la Inteligencia Artificial está cambiando radicalmente la forma en que accedemos a las respuestas, las organizaciones necesitan desarrollar con la misma intensidad su capacidad para comprender antes de decidir.
A esa capacidad la llamamos **Human Decision Intelligence**.
No se trata de una metodología para competir con la Inteligencia Artificial, ni de un intento de humanizar artificialmente la tecnología. Nace de una idea mucho más sencilla y, al mismo tiempo, mucho más exigente: ayudar a personas y organizaciones a integrar datos, contexto, emociones, experiencia y propósito para construir decisiones de mayor calidad.
Human Decision Intelligence parte de una convicción que ha recorrido silenciosamente todo este artículo.
Las mejores decisiones nunca son el resultado exclusivo de disponer de más información.
Son el resultado de comprender mejor la realidad sobre la que esa información actúa.
Los datos seguirán siendo imprescindibles.
La Inteligencia Artificial seguirá ampliando de forma extraordinaria nuestra capacidad para analizarlos.
Pero el criterio continuará siendo una responsabilidad humana.
Porque comprender no consiste únicamente en saber qué está ocurriendo.
Consiste en interpretar por qué ocurre, qué consecuencias tendrá cada alternativa y cuál de ellas resulta más coherente con el futuro que queremos construir.
Quizá esa sea la verdadera transformación que estamos empezando a vivir.
Durante décadas hemos desarrollado tecnologías capaces de responder cada vez mejor a nuestras preguntas.
Ahora necesitamos desarrollar personas capaces de comprender cada vez mejor aquello sobre lo que van a decidir.
En Guiding creemos que ese será uno de los grandes desafíos del liderazgo durante los próximos años.
Y también creemos que será una de las mayores ventajas competitivas de las organizaciones que sepan desarrollarla.
Porque la Inteligencia Artificial potenciará nuestras respuestas.
Pero seguirá siendo la claridad la que mejore nuestras decisiones.