Experimentar siempre ha sido incómodo porque implica exponerse, pensar y proponer algo que incomoda, que descoloca o compromete. Es una apuesta a invertir tiempo, atención y recursos en algo que no necesariamente debe funcionar sino evolucionar. En organizaciones donde el error se penaliza y el acierto se da por sentado, la exposición que conlleva experimentar es un riesgo que la mayoría prefiere no correr. Más seguro es optimizar lo que ya existe, mejorar lo que ya funciona, proponer cambios incrementales que nadie va a cuestionar porque no amenazan lo que es ya norma.
Ahora con IA la cosa cambia bastante: si formulas las preguntas correctas y tienes un conjunto de agentes probando y validando hipótesis, puedes experimentar sin exponerte. El agente prueba, falla, descarta. Los resultados llegan filtrados a ti para validación. El riesgo personal se reduce porque la exposición al error se delega al sistema. Este conjunto de pasos debería, en teoría, liberar espacio creativo para experimentar con una frecuencia y una amplitud que antes no era posible o permisible. Pero creo que los profesionales y las organizaciones, no lo están aprovechando porque la aversión no es solo al fracaso, es a la incertidumbre de no saber qué va a pasar cuando pruebas algo que no tiene precedente.
Cuando fue la última vez que experimentaste, no que aprobaste que alguien más lo hiciera, sino que tú personalmente hicieras algo cuyo resultado era incierto y lo hicieras a propósito. La mayoría no tiene respuesta.
Scott Berkun, autor sobre innovación y creatividad, señala que las utilidades que los gerentes protegen con tanta aversión al riesgo vinieron de fundadores que hicieron el mayor experimento: crear una empresa desde cero sin saber si iba a funcionar. La organización que nació de un acto de experimentación, ahora con procesos, jerarquías y burocracias se convirtió en un sistema que impide experimentar.
Sinno experimentos, no se está poniendo en práctica nada nuevo. Solo se está repitiendo lo que ya produjo el primer éxito. Y un experimento no es una mejora controlada ni un ajuste menor; es hacer algo cuyo resultado no se conoce a propósito, porque es en esos resultados donde se captura el conocimiento que no se obtiene de ninguna otra forma.
Posterior a la segunda guerra mundial, el 98% de la Armada de Estados Unidos se oponía a la propulsión nuclear para submarinos. El Congreso tuvo que intervenir para no retirar al Almirante Hyman Rickover, quién estaba al frente del proyecto y quién venció las resistencias, no solo desarrollando la tecnología, sino operando hacia dentro de una institución hostil sin dejarse domesticar por ella: se saltó la burocracia cuando lo bloqueaba, formó a su propia gente porque los canales existentes no producían el perfil que necesitaba, modifico la cultura de los equipos que dirigía sin esperar a que la institución cambiara, y fue implacable en la mejora continua una vez que el primer reactor funcionó.
Lo que Rickover entendió y que creo que aplica hoy es que experimentar dentro de una estructura que no quiere que experimentes requiere un tipo de liderazgo que no se enseña, se adquiere: la capacidad de sostener una apuesta impopular el tiempo suficiente para que demuestre su valor, sin perder el apoyo mínimo necesario para que no te cancelen antes de llegar al resultado. Obstinación “estratégica” disfrazada de rebeldía.
Creo que una de las razones por las que la experimentación no se practica tanto como se pregona que sucede, es porque se confunde con hacer pruebas. Un experimento busca aprendizaje, acepta que el resultado puede ser que la hipótesis estaba equivocada. Pero cuando la mayoría «experimentan,» lo que hacen es diseñar la prueba para que confirme lo que ya decidieron. Eso no es experimentar. Es buscar permiso desde cualquier evidencia.
Un estudio con más de mil directivos de veinte industrias documentó siete mitos que sostienen esta confusión: que la experimentación siempre viene de la intuición, que las herramientas en línea la vuelven automática, que se necesitan hipótesis formales para empezar, que solo las empresas grandes pueden hacerlo a escala. Lo que encontraron es que la barrera principal no es técnica ni presupuestal. Es que los decisores no entienden que el valor reside en reconocer las hipótesis en las que se estaba equivocado.
Y aquí es donde veo que la experimentación con IA que produce los mejores resultados se presenta cuando la hacen las personas que conocen el problema de fondo, los expertos informales que entienden por qué un proceso falla, qué variable es la que realmente importa, qué significaría un resultado distinto en el contexto de la operación.
Sin esa fina y metódica comprensión, el agente puede correr mil simulaciones y producir resultados técnicamente impecables que no sirven para nada porque nadie supo qué preguntar ni cómo interpretar lo que devolvió.
Hasta ahora, lo que se ha documentado en organizaciones que están experimentando con IA y presentan resultados positivos son cuatro prácticas comunes: todas dependen de que la persona que experimenta entienda el contexto lo suficiente como para darle dirección al sistema. Prueban y fallan juntos -persona y agente-, combinan lo que el agente encuentra con lo que la persona sabe que significa, alinean los hallazgos con los procesos reales en lugar de tratarlos como ejercicio aislado, y construyen memoria organizacional para que lo aprendido no se quede en el equipo que experimentó, sino que permee hacia otros no directamente involucrados. Lo mismo que ya se sabía, solo que ahora los tiempos juegan a favor porque la tecnología logra que tomaba meses se concluye en horas.
#Cambio #Innovación #Estrategia