Ayuda a los empleados a mejorar con la IA, no nada más a ser más rápidos

From HBR.org

Imagina que estás al inicio de tu carrera y tu jefe te pide que redactes un correo electrónico complicado dirigido a un cliente importante para explicarle por qué se ha retrasado el proyecto en el que está trabajando tu equipo.

Hace unos años, lo habrías redactado tú mismo. Hoy, abres una herramienta de IA y obtienes tres (o más) versiones refinadas en segundos.

Las tres parecen válidas. Ninguna parece ser exactamente la correcta.

Esta tarea aparentemente sencilla requiere una evaluación de qué es lo que este cliente en particular necesita escuchar, al mismo tiempo que se sopese cómo el mensaje afecta al proyecto, la credibilidad del equipo y la relación en general.

Las personas involucradas en el proyecto tal vez sepan todas estas cosas, pero el modelo de IA no. La capacidad de hacer estas distinciones --evaluar, orientar, contextualizar y elegir-- es una habilidad que no desarrollarás al darle instrucciones a la IA. Solo se puede desarrollar escribiendo borradores malos y aprendiendo qué estaba mal en ellos a través de los comentarios de los colegas o las reacciones de los clientes.

¿Qué tiene de diferente la experiencia en la era de la IA?

La razón por la que este desafío va más allá del rediseño del flujo de trabajo tiene que ver con algo fundamental sobre cómo los profesionales desarrollan siempre su maestría y cómo la IA afecta a ese proceso.

Durante décadas, los investigadores han documentado un patrón constante: los profesionales pasan de aplicar reglas de manera consciente a actuar según su intuición.

La IA revierte parcialmente la dirección que tradicionalmente toma la maestría. En lugar de pasar de reglas explícitas a una intuición tácita, los profesionales que utilizan la IA deben moverse en la dirección opuesta: hacer que el juicio tácito sea explícito, al menos parcialmente, porque la máquina no puede acceder a algo que no has expresado. La IA tiene un conocimiento enorme y cero contexto. Sabe todo lo que se ha publicado. No sabe nada sobre la política de un cliente en particular, el cambio reciente en un mercado específico o las inquietudes de un accionista importante determinado.

Para colaborar de manera efectiva con la IA y ejercer esta nueva habilidad híbrida, tienes que expresar cosas que a veces no se dicen: cómo se visualiza lo que está bien, qué suposiciones hay que cuestionar, qué contexto importa y por qué y así sucesivamente.

La buena noticia es que esto no supone el fin del oficio profesional. Es una manera diferente de desarrollarlo y potencialmente, una más rápida e incluso más gratificante. Dirigir la IA puede revelar brechas en tu propio pensamiento que no sabías que existían.

Un nuevo modelo de desarrollo

Entonces, ¿cómo se desarrolla realmente esta habilidad?

Hemos desarrollado un proceso de cuatro pasos para sistematizar esto. Aplica a cualquier tarea en la que intervenga la IA y en donde tu criterio sea relevante. Al haberlo puesto a prueba en nuestro despacho de consultoría, hemos visto cómo puede ser una manera eficaz de afinar la forma en que las personas evalúan los resultados de la IA y detectan errores que antes habrían pasado por alto. También ayuda a crear un juicio más rápido al hacer que el proceso de razonamiento sea deliberado en lugar de intuitivo.

Paso 1. Establece un punto de vista inicial, para que tengas una base sobre la cual evaluar los resultados de la IA.

Antes de abrir cualquier herramienta de IA, haz dos cosas. Primero, define el alcance de la tarea: ¿Qué pregunta específica estás respondiendo? ¿Quién es el público? ¿Qué harán con el resultado? ¿Qué haría que el resultado fuera muy útil en lugar de simplemente competente?

Segundo, forma una opinión preliminar: con base en lo que ya sabes, ¿cómo crees que se ve la respuesta o al menos la forma que podría tener la respuesta? El objetivo es dedicar tiempo a desarrollar tu propia posición inicial sobre la tarea. No debe ser una respuesta completa, sino más bien una hipótesis que puedas comparar más adelante con el resultado de la IA.

En un mundo impulsado por la IA, este paso se sentirá como un obstáculo. Pero es así como debe ser. Sin tu propio punto de vista, no tienes una base para evaluar la opinión de la IA.

Paso 2. Colabora con la IA de múltiples maneras.

La mayoría de las personas interactúan con la IA de manera básica: le piden que genere un resultado. Si bien esto es importante, la generación es donde la IA es más fuerte y tu propio juicio es menos visible. Cuatro modos adicionales obligan a que el razonamiento salga a la luz, tanto el tuyo como el de la IA. Para cada uno, da instrucciones a la IA para que lleve el resultado más allá, después evalúa el resultado comparándolo con lo que tú sabes y la IA no.

Con esto en mente, toma las siguientes medidas, empezando con la generación:

Generar: Produce el resultado en sí, pero pide amplitud.

Crítica: Pon a prueba lo que se produjo.

Comparar: Haz evidente las ventajas y desventajas entre las alternativas.

Simular: Pon a prueba los resultados comparándolos con lo que ya sabes sobre las partes reales interesadas y cómo los resultados podrían no lograr el objetivo deseado.

Desafío: Prueba lo que el resultado no puede saber.

Paso 3. Analiza las diferencias entre tu visión inicial (del Paso 1) y el resultado de la IA.

No todas las diferencias serán relevantes; a veces, la IA tendrá una perspectiva mejor que la tuya, otras veces será al revés. El objetivo es identificar qué diferencias reflejan las limitaciones de la IA y cuáles reflejan las tuyas propias.

Paso 4. Entrega el resultado con una explicación de cómo tú y la IA llegaron a él.

Esta es una diferencia clave en la era de la IA: el "entregable" no es solo el resultado de la tarea en sí; también es una breve explicación de cómo llegaste a él, incluyendo el criterio aplicado.

El resultado de la tarea debe dirigirse al destinatario previsto: el cliente, el ejecutivo, quienquiera que haya encargado el trabajo. Tanto el resultado de la tarea como la explicación de cómo lo obtuviste deben compartirse con tu gerente o jefe de equipo para brindarle una referencia concreta que le permita orientarte.

Este "rastro de razonamiento" debe reflejar dos cosas. Primero, lo que la IA generó inicialmente, el punto de partida. Segundo, qué cambiaste y por qué, para hacer visible tu criterio. Termina con una frase que resuma lo que los investigadores han denominado la "frontera irregular" --el límite entre lo que la IA maneja bien y lo que no-- para un área en específico: "En este tipo de tarea, la IA se desempeña bien en x, pero tiene dificultades con y".

Con el tiempo, estas observaciones se acumularán y se convertirán en tu propio juicio profesional calibrado: saber exactamente en qué aspectos confiar en la IA y en cuáles debes analizar con mayor cuidado en tu área de especialidad.

Hacer que el juicio sea enseñable

Esta práctica funciona en todos los niveles de una organización. La diferencia está en lo que las personas de distintos niveles aportan a la evaluación de la brecha. Los profesionales con más experiencia podrían detectar más cosas al principio porque han visto más. Las brechas de los profesionales junior son más amplias, ya que la diferencia entre su juicio y el resultado de la IA será inicialmente mayor.

Cuando probamos esta práctica en nuestra empresa, la observación más interesante provino de una consultora que nunca había trabajado sin IA. Los pasos ya se sentían naturales para su forma de trabajar, pero hacer que cada uno fuera deliberado cambió lo que ella detectaba. Esta práctica tiene sentido para quienes ya utilizan bien la IA, pero hace que el proceso sea consciente y, por lo tanto, enseñable.

Para los gerentes, el aspecto más poderoso de este método es exigir el rastro del razonamiento. Cuando tu equipo envíe un entregable, pregunta qué generó la IA, qué modificaron y por qué. Ese único requisito hace que el juicio sea visible y se pueda orientar.

Las organizaciones que incorporen esto a su modelo de desarrollo bien podrían desarrollar el juicio profesional más rápido de lo que el aprendizaje tradicional jamás permitió. Las empresas que reconozcan esto --y rediseñen el aprendizaje en torno a la articulación, la evaluación y la reflexión-- tendrán una ventaja que se multiplicará. Para el profesional individual, la recompensa es una comprensión más profunda de su propio oficio de la que el antiguo modelo de aprendizaje permitía ver.