Hay un momento especialmente peligroso cuando empezamos a aprender algo nuevo.
No es cuando no sabemos.
Es un poco después.
Cuando ya conocemos algunos conceptos, entendemos parte del lenguaje y empezamos a reconocer patrones.
Entonces aparece una sensación muy convincente:
«Ya lo entiendo.»
Y quizá todavía no.
Cuando lo complejo parece sencillo
Existe un fenómeno conocido como efecto Dunning-Kruger que, simplificando mucho, explica cómo nuestra capacidad para evaluar lo que sabemos también depende del conocimiento que tenemos sobre un tema.
Cuando sabemos poco, no sólo desconocemos muchas cosas.
También desconocemos la dimensión de lo que desconocemos.
Por eso algunos problemas parecen extraordinariamente sencillos cuando los observamos desde lejos.
Un proceso parece fácil de automatizar.
Un sistema parece sencillo de sustituir.
Una organización parece fácil de reorganizar.
Una estrategia parece evidente.
Hasta que empezamos a entrar en los detalles.
El conocimiento introduce matices
A medida que profundizamos aparecen cosas que inicialmente no veíamos.
Excepciones.
Dependencias.
Decisiones históricas.
Restricciones técnicas.
Intereses diferentes.
Información incompleta.
Personas que trabajan alrededor de procesos que el procedimiento oficial no refleja.
Entonces empiezan a aparecer palabras como: depende.
Y curiosamente, desde fuera, alguien que dice «depende» puede parecer menos seguro que quien propone inmediatamente una solución.
Pero muchas veces ocurre exactamente lo contrario.
La duda puede ser una señal de que alguien ha empezado a comprender la complejidad real del problema.
En transformación ocurre constantemente
Esto resulta especialmente visible en los proyectos de transformación.
Desde fuera, muchas soluciones parecen evidentes.
Hay demasiados sistemas.
«Unifiquémoslos.»
El proceso tarda demasiado.
«Automaticémoslo.»
Las áreas trabajan de forma diferente.
«Estandaricemos.»
Tenemos mucha información dispersa.
«Pongamos inteligencia artificial.»
Cada una de esas decisiones puede tener sentido.
Pero ninguna debería comenzar por la solución.
Porque detrás de una diferencia entre dos procesos puede existir una necesidad real.
Detrás de una tarea manual puede haber una decisión que todavía no hemos entendido.
Detrás de varios sistemas puede existir una arquitectura histórica que responde a negocios distintos.
Y detrás de muchos problemas aparentemente tecnológicos suele haber problemas de proceso, gobierno o decisión.
La realidad rara vez cabe en la primera explicación.
La inteligencia artificial está acelerando este fenómeno
Con la IA estamos viviendo algo parecido a gran escala.
En muy poco tiempo hemos aprendido nuevos términos, nuevas herramientas y nuevas posibilidades.
Agentes.
Modelos.
Automatización.
RAG.
Prompts.
Y cuanto más accesible resulta la tecnología, más fácil es experimentar con ella.
Eso es positivo.
Pero también tiene un riesgo.
Confundir la facilidad para utilizar una herramienta con la comprensión del problema que queremos resolver.
Crear un asistente puede ser sencillo.
Conseguir que sea útil, fiable, integrado en los procesos y sostenible dentro de una organización ya es otra cuestión.
La dificultad no siempre está en construir la solución.
Muchas veces está en entender suficientemente bien el contexto.
Las organizaciones también pueden creer que ya saben
El efecto no tiene por qué observarse solamente en individuos.
También podemos verlo como una metáfora del aprendizaje organizativo.
Una organización descubre una tecnología y atraviesa una primera etapa de entusiasmo.
Las posibilidades parecen enormes.
Después aparecen los primeros pilotos.
Luego las integraciones.
Los datos.
La seguridad.
Los procesos.
La adopción.
El mantenimiento.
El gobierno.
Y aquello que inicialmente parecía una cuestión de tecnología empieza a convertirse en una conversación sobre cómo funciona realmente la organización.
No significa que la tecnología tenga menos potencial.
Significa que hemos aprendido lo suficiente para empezar a comprender dónde está la dificultad.
Y eso es progreso.
La experiencia no elimina la incertidumbre
A veces asociamos experiencia con certeza.
Pero quizá una de las características de la experiencia sea precisamente saber dónde no conviene ser demasiado categórico.
Las personas que han trabajado durante años en transformación suelen reconocer algunas señales.
Saben que una demo no es una implantación.
Que un proceso dibujado no siempre es el proceso real.
Que una herramienta no garantiza adopción.
Que un dato disponible no necesariamente es un dato fiable.
Que una buena idea puede fracasar si no encuentra el momento, el contexto o las personas adecuadas.
No porque sean pesimistas.
Porque ya han visto suficientes excepciones.
Pensamiento crítico no significa complicarlo todo
También existe el riesgo contrario.
Utilizar la complejidad como excusa para no decidir.
Pensamiento crítico no significa cuestionarlo absolutamente todo.
Ni convertir cada decisión en un análisis infinito.
Significa algo bastante más práctico: saber cuándo hemos entendido suficiente para decidir y cuándo todavía estamos simplificando demasiado.
Esa diferencia no siempre es evidente.
Pero probablemente sea una de las capacidades más importantes en entornos de transformación.
Quizá deberíamos desconfiar un poco de las respuestas demasiado rápidas
No porque necesariamente sean incorrectas.
Sino porque los problemas organizativos rara vez son tan limpios como parecen en una presentación.
Cuando una solución resulta demasiado evidente, puede ser útil hacerse algunas preguntas.
¿Qué no estamos viendo todavía?
¿Para quién funciona esta solución?
¿Qué excepciones estamos ignorando?
¿Qué parte del problema estamos simplificando?
¿Qué ocurrirá fuera del perímetro que estamos analizando?
No para detener la decisión.
Para mejorarla.
Porque aprender no consiste únicamente en acumular respuestas.
También consiste en descubrir nuevas preguntas.
Y quizá ahí esté una de las señales más interesantes de que realmente estamos comprendiendo algo: cuando dejamos de necesitar que todo parezca sencillo.
