Existe una idea bastante extendida dentro de las organizaciones: los datos representan la realidad.
A partir de ellos se elaboran informes, se construyen indicadores, se comparan resultados y se toman decisiones. Cuantos más datos tenemos, pensamos, mejor conocemos lo que está ocurriendo.
La realidad es algo más compleja.
Antes de que un dato aparezca en un sistema, alguien ha decidido qué observar, cómo nombrarlo, en qué categoría incluirlo y qué nivel de detalle conservar.
Cada base de datos contiene información.
También contiene decisiones.
Y esas decisiones determinan qué parte de la organización podemos ver.
Los datos no nacen ordenados
La realidad de una organización está formada por conversaciones, excepciones, relaciones, decisiones, movimientos, incidencias y formas de trabajar que rara vez encajan de manera natural en una tabla.
Para convertir esa realidad en datos necesitamos clasificarla.
Definimos tipos de cliente, categorías de incidencia, estados de proyecto, niveles de prioridad, causas de desviación o etapas de un proceso.
Esta clasificación resulta imprescindible.
Permite comparar, agrupar, automatizar y analizar.
Al mismo tiempo, introduce una determinada interpretación de la realidad.
Cuando una organización define cinco causas posibles para explicar un retraso, cualquier retraso tendrá que acabar dentro de una de ellas. Incluso cuando su origen sea más complejo, atraviese varias áreas o responda a una combinación de factores.
El sistema necesita una categoría.
La realidad, muchas veces, necesita una explicación.
Cada categoría crea una frontera
Clasificar significa establecer límites.
Un proyecto está dentro o fuera de alcance.
Una incidencia es crítica, alta, media o baja.
Un cliente pertenece a un segmento.
Una actividad genera valor o se considera administrativa.
Estas fronteras facilitan la gestión. También pueden ocultar información relevante.
Un indicador puede mostrar que las incidencias críticas han disminuido mientras crecen los pequeños problemas repetitivos que consumen tiempo cada semana.
Un sistema puede señalar que un proyecto se encuentra “en curso” aunque lleve meses avanzando con dificultades.
Una base de datos puede registrar la fecha de resolución de una petición sin reflejar las conversaciones, correcciones y esfuerzos necesarios para llegar hasta ella.
La categoría mantiene el orden.
El contexto explica lo que está sucediendo.
Cuando el orden sustituye al contexto, la organización corre el riesgo de gestionar una representación cada vez más distante de su funcionamiento real.
Las jerarquías invisibles de los datos
Toda clasificación establece también una jerarquía.
Aquello que dispone de una categoría propia adquiere visibilidad.
Aquello que se registra con detalle puede analizarse.
Aquello que aparece en un indicador suele recibir atención.
El resto queda en segundo plano.
Por eso, decidir qué datos se recogen también es decidir qué asuntos tendrán presencia en las conversaciones de gestión.
Las organizaciones suelen medir con precisión los resultados económicos, los plazos y los volúmenes de producción. Otros elementos, como la calidad de la coordinación, el esfuerzo necesario para corregir errores o el conocimiento que depende de una sola persona, aparecen con menor claridad.
Esto crea una diferencia importante entre lo que la organización conoce y lo que el sistema puede representar.
Con el tiempo, ambas realidades pueden llegar a confundirse.
Lo que aparece en el sistema se convierte en la versión oficial.
Lo que queda fuera depende de la memoria, la experiencia o la capacidad de algunas personas para explicarlo.
Los sistemas también enseñan a mirar
Una herramienta digital nunca es únicamente un lugar donde registrar información.
También transmite una forma de entender el trabajo.
Cuando un sistema obliga a seleccionar una prioridad, propone una definición de urgencia.
Cuando establece determinadas fases para un proyecto, propone una manera de comprender su avance.
Cuando agrupa las incidencias por departamento, puede reforzar una lectura funcional de problemas que quizá atraviesan toda la organización.
Las herramientas estructuran la información y, al hacerlo, orientan la atención.
Por esta razón, digitalizar un proceso exige algo más que trasladar formularios, campos y categorías desde una herramienta anterior.
Requiere preguntarse si la estructura que estamos digitalizando sigue representando adecuadamente la realidad.
En ocasiones, los sistemas antiguos conservan clasificaciones creadas para una organización que ya no existe: otra estructura, otro mercado, otros procesos o una forma diferente de distribuir responsabilidades.
La tecnología puede modernizar la interfaz mientras mantiene intacta una interpretación del pasado.
Cuando la inteligencia artificial aprende de nuestras categorías
Esta reflexión adquiere todavía más importancia con la inteligencia artificial.
Los modelos aprenden a partir de los datos disponibles. Identifican patrones dentro de la información que hemos recogido, organizado y etiquetado.
Si las categorías son incompletas, el modelo aprenderá desde esa simplificación.
Si determinadas situaciones apenas se registran, tendrán poca presencia en sus resultados.
Si los datos reflejan decisiones históricas, la inteligencia artificial encontrará patrones dentro de esas decisiones y podrá reproducirlos a una escala mucho mayor.
La inteligencia artificial amplía nuestra capacidad para procesar información.
También amplía las consecuencias de la forma en que hemos decidido estructurarla.
Por eso, preparar una organización para trabajar con IA empieza mucho antes de seleccionar un modelo o construir un asistente.
Empieza revisando cómo se generan los datos, quién define las categorías, qué excepciones quedan fuera y qué parte del conocimiento continúa sin registrarse.
La calidad de los datos implica precisión técnica.
También implica calidad interpretativa.
Mirar antes de medir
Antes de crear un nuevo indicador, conviene comprender qué pregunta queremos responder.
Antes de incorporar un campo a un formulario, conviene entender qué decisión permitirá tomar.
Antes de automatizar una clasificación, conviene observar cómo resuelven las personas los casos que se alejan de la norma.
Algunas preguntas pueden ayudar:
¿Qué situaciones relevantes quedan actualmente fuera de los sistemas?
¿Qué categorías utilizamos por costumbre?
¿Qué diferencias estamos agrupando bajo una misma etiqueta?
¿Quién decide qué se registra y con qué nivel de detalle?
¿Qué comportamientos provoca la forma en que medimos?
¿Qué explicaciones necesitamos recuperar fuera de los datos?
Estas preguntas acercan el diseño de sistemas a la realidad del trabajo.
También permiten que la tecnología se convierta en una herramienta para ampliar la comprensión, en lugar de limitarla.
Una organización también se construye a través de sus datos
Los datos suelen presentarse como el resultado de la actividad de una organización.
En cierta medida, también contribuyen a construirla.
Influyen en las conversaciones que se producen, en los problemas que reciben atención y en los criterios utilizados para distribuir recursos.
Aquello que medimos se vuelve visible.
Aquello que clasificamos puede gestionarse.
Aquello que queda fuera necesita encontrar otras formas de hacerse escuchar.
La madurez de una organización basada en datos no depende únicamente del volumen de información disponible.
Depende de su capacidad para cuestionar cómo esa información ha sido creada.
Trabajar con datos exige ordenar la realidad.
Trabajar bien con ellos exige recordar que cualquier orden representa una elección.
Y que, detrás de cada categoría, existe una forma concreta de mirar la organización.
