Cómo crear claridad en la toma de decisiones durante la transformación con IA

Galen Low: Un diagrama RACI es una de esas cosas que la gente ama u odia, y en su mayoría la odia. No porque no sea útil, sino porque es demasiado fácil dejarse llevar documentando quién es responsable, quién tiene la autoridad, quién es consultado o quién está informado sobre cada aspecto de tu negocio, en lugar de simplemente hacer el trabajo. Pero a medida que las organizaciones avanzan en su proceso de transformación con IA y empiezan a reinventar las estructuras mismas en las que existe el trabajo, la claridad sobre los roles, las responsabilidades y la toma de decisiones se está volviendo un poco más importante.

Así que hoy he invitado a la persona que considero experta en el tema de la claridad en la toma de decisiones guiada por RACI y que, además, trabaja muy estrechamente con empresas y organismos gubernamentales en su transformación con IA. Juntos exploraremos si RACI puede utilizarse no solo como una herramienta para capturar cómo se toman las decisiones hoy, sino también como un lenguaje y una mentalidad para diseñar las organizaciones del futuro. Espero que disfruten del episodio.

Bienvenidos al pódcast del Director de Proyectos Digitales, el programa que ayuda a los líderes de entrega a trabajar de forma más inteligente, entregar con mayor fluidez y liderar a sus equipos con confianza en la era de la IA. Soy Galen y, cada semana, analizamos estrategias del mundo real, tendencias emergentes, marcos de trabajo probados y alguna que otra historia de guerra desde las líneas del frente de los proyectos.

Ya sea que estés dirigiendo enormes proyectos de transformación, coordinando flujos de trabajo con IA o simplemente intentando mantener el caos bajo control, estás en el lugar adecuado. Y si te ha gustado lo que has estado escuchando últimamente, considera seguirnos allí donde nos encuentres y quizá incluso dejarnos una reseña. Muy bien, entremos en materia.

Hoy hablamos de IA, toma de decisiones y de por qué la claridad sobre los roles y las responsabilidades es más importante que nunca. Me acompaña Cassie Solomon, amiga del pódcast, presidenta y directora ejecutiva de The New Group. Cassie es una autora galardonada y consultora empresarial experta en liderar cambios exitosos.

Ha ayudado a altos directivos a transformar sus operaciones en organizaciones como Twitter, Pandora, Bayer Pharmaceuticals, Penn Medicine, Geisinger Health Systems y ChristianaCare Health Systems. Además, enseña a ejecutivos en la Wharton School of Business, y su libro, Leading Successful Change: Eight Keys to Making Change Work, sigue siendo el manual que ayuda a muchos líderes a desenvolverse en el ritmo actual de la disrupción.

Pero para quienes han seguido este pódcast a lo largo de los años, Cassie es la persona indicada para hablar sobre el uso de RACI como herramienta y como lenguaje para aclarar roles, responsabilidades y toma de decisiones, de modo que las organizaciones puedan acelerar la velocidad de su transformación.

Cassie, muchas gracias por acompañarme hoy.

Cassie Solomon: Muchas gracias a ti, Galen, por invitarme. Siempre es muy divertido hablar contigo.

Galen Low: En primer lugar, quería plantearte una pregunta provocadora que a mis oyentes les encantaría escuchar y después espero que podamos convertirla en algunos consejos prácticos para evitar el caos de roles y responsabilidades de la IA en los proyectos y para la toma de decisiones organizativa en general.

Y quizá, para completar la conversación, podríamos mirar hacia el futuro de la toma de decisiones, el trabajo en equipo y las estructuras organizativas con la IA integrada, y qué tenemos que hacer bien hoy para que sea algo positivo, n-no algo negativo. ¿Qué te parece?

Cassie Solomon: Me parece estupendo.

Galen Low: Entonces empezaré con una pregunta un poco provocadora, porque en este momento prácticamente todas las organizaciones con las que hablo están intentando crear agentes de IA e incorporarlos a su modelo operativo, y se supone que estos agentes funcionarán con bastante autonomía relativa, lo que incluye específicamente tomar decisiones por sí mismos.

Y tú eres, en mi opinión, la experta en el uso de RACI como lenguaje para crear un entendimiento compartido sobre quién es responsable, quién tiene autoridad, quién es consultado y quién está informado respecto de las decisiones tomadas a lo largo del proceso de colaboración. Así que mi pregunta es esta: ¿sigue siendo relevante RACI en la era de la IA?

Cassie Solomon: Creo que sí.

Quiero agradecerte que hayas mencionado el libro, Leading Successful Change. Es una forma de describir un sistema. Una de las ocho palancas resulta ser la toma de decisiones, y una de las cosas que me encanta señalar cuando enseño ese modelo es que este es un aspecto de nuestra vida organizativa que permanece en gran medida invisible.

Puedo enseñarte mi plan de compensación, puedo enseñarte mi organigrama, puedo enseñarte mi tecnología, pero es muy difícil enseñarte cómo tomo decisiones, y aun así es una parte muy importante del sistema. Por eso es una perspectiva muy interesante desde la que observar la transformación con IA, porque estamos a punto de entrar en un tipo de cambio que, en mi opinión, transformará realmente nuestras prácticas de toma de decisiones, y ni siquiera sabemos hablar de ello la mitad del tiempo.

Galen Low: Me gusta que hayas mencionado la transformación por dos razones, especialmente la transformación con IA. A, estoy de acuerdo contigo. Estas no son cosas que siempre r- ya sabes, anotemos. En muchos sentidos son extraoficiales, invisibles y están documentadas de forma muy limitada, lo cual es bastante malo por dos motivos.

A, es malo para la IA porque si no la hemos entrenado con esa información, no la conoce y no puede encontrarla, no lo sabrá hasta que se lo digamos. Y el otro motivo es que sí, la transformación requiere esta claridad. Todo el mundo se mueve a gran velocidad. Intentan hacer las cosas rápido y seguir siendo competitivos, y este es el momento en que la toma de decisiones, los roles y las responsabilidades y, ya sabes, las cosas que están cambiando necesitan discutirse y después ponerse por escrito para que podamos seguir avanzando rápido y no quedarnos atascados en el purgatorio de las decisiones o en una ambigüedad enorme.

Es la forma en que hablamos de ello.

Cassie Solomon: Sí. En la prensa popular se suele hablar de la IA como si se tratara de reemplazar el trabajo de alguien. ¿Voy a sustituir a este trabajador porque ya no lo necesito? Y entonces aparece otra palabra: espera un momento, ¿qué pasa con el criterio? ¿Qué pasa con el criterio humano?

La palabra criterio se refiere en realidad a la experiencia y la autoridad, así que el criterio suele aparecer en el momento en que alguien dice: «Esa es una buena decisión», o «Esa es una mala decisión», o «Espera un momento, será mejor que tome yo esa decisión. Tengo 25 años de experiencia en...». Así que, e- integrado en esa palabra, criterio, creo que ya estamos...

Nos está señalando la dirección correcta. Nos está diciendo: «Mira aquí. Este es el territorio de la toma de decisiones».

Pero también quiero hablar del libro de Ajay Agrawal, Josh Gans y Avi Goldfarb, Power and Prediction. Se publicó en 2022, así que salió antes del lanzamiento de ChatGPT, pero nos orienta hacia una comprensión de la IA como motor de predicción y como una forma de tomar mejores decisiones.

Ahora mismo estamos un poco inundados de proyectos y conversaciones sobre IA... En 2025 hubo un estudio muy bueno que mostró que algo así como el 80 % de los proyectos de IA no están logrando mejoras de productividad. Fue un estudio del MIT. Y un estudio de McKinsey de 2026 básicamente dijo lo mismo.

Estos autores tienen un modelo que creo que empieza a ser muy útil para entender de qué tipo de proyecto de IA estamos hablando, y su marco es muy sencillo. Lo primero es una solución puntual, en la que tomas una sola cosa que antes hacían los humanos y ahora la hacemos con IA. Yo lo veo, en el ámbito individual, como cuando le pido a la IA que prepare mi menú semanal o que haga la investigación para mi trabajo.

Eso es algo muy positivo, pero es limitado. El segundo nivel se llama solución de aplicación, y es cuando cambias varias cosas al mismo tiempo; quizá ahí es donde nos estamos acercando ahora con los agentes de IA. El nivel máximo, el más alto, son las aplicaciones sistémicas, en las que das un paso atrás y preguntas: «¿Cómo puedo transformar todo el sistema utilizando esta tecnología?»

Y esas son mucho más difíciles de conseguir, y existen menos ejemplos de ellas. Pero su teoría, con la que estoy de acuerdo, es que ahí es donde veremos un impacto real en los resultados económicos si conseguimos llegar a la transformación total.

Galen Low: Me gusta mucho este marco porque nos lleva a pensar que no todos los proyectos de transformación con IA, ni todos los proyectos, ni todas las aplicaciones de IA son iguales.

Y, ya sabes, aunque sería fácil decir: «De acuerdo, ahora puedo sustituir esta herramienta por ChatGPT», o «Ahora puedo añadir un agente a este flujo de trabajo», existe otro nivel sobre el que quizá debamos pensar de forma diferente porque las implicaciones son mayores, los desafíos de diseño son mayores y el problema es mayor.

Y nos coloca en este territorio. Mientras lo explicabas, pensé: eso nos lleva a un territorio en el que ya no estamos aferrados al borde de la piscina. Realmente no tenemos una zona de confort a la que regresar. Estamos en territorio desconocido, en un espacio completamente nuevo, y tenemos que resolverlo no basándonos en lo que teníamos antes, sino en algo totalmente nuevo.

Cassie Solomon: Creo que si empezamos primero con soluciones puntuales, lo cual me parece lógico porque son las más sencillas de imaginar, eso nos lleva a pensar: «Ya no necesito una plantilla de 8.000 personas para hacer esa tarea». Es reemplazable. Pero esta semana estuve revisando una investigación muy interesante.

El año pasado, así que es bastante reciente, en el Reino Unido, alrededor del 30 % de las organizaciones que despidieron a personas porque iban a implementar IA terminan contratándolas de nuevo. Y después hubo un segundo estudio, realizado por otras personas, que básicamente decía: «Ah, por cierto, cuando las vuelves a contratar, son más caras la segunda vez».

Creo que, al ampliar nuestra forma de pensar y avanzar hacia las soluciones y la transformación, podemos empezar a plantearnos mejores preguntas. Si estos empleados ya no dedican tiempo a hacer esto, ¿qué otra cosa podrían hacer? El ejemplo clásico de antaño, que la mayoría recordamos, es cuando aparecieron los cajeros automáticos y la gente decía: «Dios mío, ya no habrá cajeros bancarios porque la máquina puede darnos dinero, y ese trabajo desaparecerá por completo».

Pero no resultó ser cierto. No fue el fin del trabajo completo. Simplemente decidieron: «Los cajeros siguen siendo importantes para nosotros porque pueden conversar con nuestros clientes. Hagamos más cosas con ellos». Se convirtieron en personas dedicadas en mayor medida al desarrollo empresarial. Y creo que ese es el tipo de pensamiento que nos ayudará a reducir algunas de las pesadillas que tenemos sobre la plantilla y sobre si la IA sustituirá todos los empleos.

La fabricación es un caso de estudio diferente, pero sigue siendo una buena- aspiración, creo.

Galen Low: Me gusta mucho la idea de que, en cierto modo, la solución puntual es lo que más miedo da porque parece simplemente un intercambio y piensas: «De acuerdo, ahora un robot hace mi trabajo». Me alegra que lo hayas relacionado con lo que hemos visto en la historia, en la historia reciente, sobre la disrupción y cómo puede desarrollarse.

Y me gusta ese giro hacia: de acuerdo, ¿qué pasa cuando empezamos a alejarnos y observar el sistema? Cuando miramos incluso el nivel de aplicación, dices: «Supongo que tenemos que despedir a todos los cajeros». Y después: «Espera, espera, espera. Necesitamos recuperarlos», porque cuando nos alejamos para observar el sistema pensamos: «Espera, todavía se puede crear valor dentro del sistema».

Solo tenemos que pensarlo de una forma completamente nueva, no utilizando nuestro modelo antiguo. Reaccionamos basándonos en lo que conocemos hoy, aunque la misión sea descubrir algo nuevo para mañana.

Cassie Solomon: Es una cuestión de mentalidad al cien por cien. Una de las cosas que me obsesionan, y de la que mis amigos se burlan, es la transición que vivió el mundo del motor de vapor al motor eléctrico, y tardó muchísimo tiempo, Gil.

Fue una transición de 20 o 25 años. Y una de las cosas que realmente frenó a la gente fue que les costaba mucho imaginar de qué era capaz la nueva tecnología. Las empresas que lo descubrieron triunfaron y prosperaron, y las que no lo hicieron acabaron quedándose atrás.

Y lo que más me intriga de ese ejemplo es que construían fábricas nuevas después de que el motor e- eléctrico ya se hubiera adoptado, pero las colocaban en la misma ubicación central en la que antes ponían el enorme motor de vapor, porque no podían imaginar una distribución diferente para la fábrica.

Así que gran parte de esto es una cuestión de mentalidad: qué podemos imaginar que sea diferente.

Galen Low: Me encanta, y creo que es- resulta relevante hoy. Es muy relevante hoy. Es como: de acuerdo, ¿dónde vamos a colocar el nuevo motor? En el mismo sitio donde siempre lo hemos colocado. Y creo que hay muchos paralelismos en cuanto a dónde se toman las decisiones.

De acuerdo, ¿dónde vamos a colocarlo en el nuevo modelo? Exactamente donde estaba antes. Probablemente sea nuestra mejor opción. No sabemos lo que no sabemos, y es muy humano decir: «Bueno, simplemente lo haremos como siempre lo hemos hecho», y eso debería estar bien. Hemos llegado hasta aquí haciéndolo así.

Y después a veces llega ese momento en el que piensas: «En realidad, no. Tenemos que pensar a lo grande. Ya no necesitamos que esté aquí».

Cassie Solomon: Gracias por devolver la conversación a la toma de decisiones, porque tengo un ejemplo muy bueno que vamos a citar en un artículo en el que estamos trabajando ahora mismo, de McKinsey, sobre una enorme empresa llamada Blackstone.

Entraron a transformar su trabajo jurídico y de cumplimiento normativo porque realmente anticipaban un crecimiento increíble del volumen, y habían estado procesándolo todo manualmente. No podían permitirse añadir un 25 % más de personal. Acudieron a McKinsey y dijeron: «Deberíamos poder hacer esto con IA».

Y McKinsey dijo: «Vaya, espera. No vamos a colocar esta tecnología encima de vuestro proceso antiguo, porque eso no os llevará muy lejos». Sería como los casos que vemos en los que la gente dice: «Usé IA, pero en realidad no cambió nada. No afectó a mis resultados». En cambio, McKinsey dijo: «¿Sabéis qué?

Tenéis todas estas capas de aprobación. Tenéis una forma de hacer este proceso que es muy engorrosa, y primero tenéis que limpiar ese proceso, agilizar la toma de decisiones y automatizar tanto como sea posible las decisiones basadas en reglas; después debéis crear una vía de escalamiento por si a alguien no le gusta lo que consigue la nueva automatización y, entonces, podéis colocar la IA encima».

Después de que f- limpiaran el proceso engorroso y adoptaran la IA, observaron ganancias de productividad increíbles, como un 30 % más de productividad. Las personas sénior ya no tenían que realizar varias revisiones. Quedaron liberadas para hacer otras cosas. Hubo muchos beneficios. Y ahora volvemos a mi amiga RACI.

¿Puedes utilizar RACI para diagramar el proceso que utilizas actualmente? ¿Puedes observar lo engorroso que es en términos de cuántas aprobaciones te obligas a atravesar y puedes agilizar todo eso antes de adoptar la tecnología?

Galen Low: Tormento es una palabra muy intensa, buena y adecuada para describir algunas de las cosas relacionadas con la toma de decisiones.

Creo que es interesante porque, en este mismo momento, estás lanzando un programa de certificación RACI, el primero del que tengo conocimiento. La idea es ayudar a las organizaciones empresariales a formar a personas de todos los niveles para armonizar la forma en que se toman las decisiones en toda su operación.

Pero quería preguntarte qué es algo fundamentalmente diferente en el uso de RACI en la era de la IA que los líderes empresariales y los profesionales de proyectos deben entender para evitar, en cierto modo, el motor de vapor en el mismo lugar o las mentalidades de la época anterior limitando el progreso en la nueva era.

Cassie Solomon: Qué buena pregunta. Volvamos a lo que comenzaste diciendo: el curso de certificación RACI está ahora mismo en fase beta. La primera edición real será en octubre y estamos buscando el título adecuado porque muchas personas dicen: «Bueno, este RACI es una herramienta muy sencilla.

¿Por qué necesitaría una certificación? Puedo conectarme, ver un par de vídeos de YouTube y listo». Y estoy completamente de acuerdo. La herramienta como tal es bastante sencilla, pero intentamos enseñarla como una habilidad o una capacidad, y tiene muchísimas aplicaciones para crear compromiso y equipos de alto rendimiento. A menudo me contactan empresas que dicen: «Dios mío, han vuelto los resultados de mi encuesta de compromiso de los empleados y la gente está muy frustrada con nuestros procesos de toma de decisiones.

No pueden hacer nada. ¿Puedes ayudarnos?». Y yo digo: «Sí, por supuesto que podemos ayudar». Pero una de las cosas que estamos incorporando al curso como habilidad es cómo dar un paso atrás y realizar algún tipo de auditoría de decisiones. Cómo observar tus prácticas de toma de decisiones y mapearlas, igual que si estuvieras mapeando un flujo de trabajo.

Solo que casi nunca mapeamos nuestros procesos de toma de decisiones. Ponemos mucho énfasis en qué estamos haciendo o en cómo lo estamos haciendo, pero muy poco en dónde reside el poder, dónde reside la autoridad y cómo la estamos utilizando en la organización. Así que primero tienes que ver cuál es tu situación actual, y esa es una capacidad RACI.

Después tienes que empezar a preguntar: ¿por qué es tan lento? Y el PMI nos dijo hace mucho tiempo que se supone que solo debes tener una A por proyecto. Bueno, me conoces: suelo discrepar y pensar que no es demasiado realista. De hecho, queremos trasladar las decisiones hacia abajo en la organización si queremos alcanzar velocidad.

Todos venimos de sistemas heredados que son bastante jerárquicos y bastante basados en el mando y el control. Si observas a tu alrededor, el mundo lleva un par de décadas migrando hacia organizaciones más planas, menos jerárquicas y menos basadas en el mando y el control, y esas organizaciones son más ágiles y rápidas.

Así que el primer paso es diagnosticar lo que tienes ahora mismo en términos de toma de decisiones. El segundo paso es retroceder y observarlo, y el tercero es rediseñarlo con la intención de empoderar a las personas para que las decisiones se acerquen más al extremo, creo que así lo dirían en el ámbito militar.

Galen Low: Me gusta mucho esa idea en términos de agilidad. Es curioso porque mencionaste al PMI, y estoy seguro de que en algún momento, en el modelo original de RACI, pensaron: «Una A, una persona responsable, será lo más eficiente». Y hoy nos damos cuenta de que, en realidad, eso es un cuello de botella.

Y muchas de las personas con las que hablamos se enfrentan a esto: tener una única persona que toma todas las decisiones no siempre es el mejor enfoque. Puede que esa persona no esté preparada o suficientemente informada para tomar la decisión. Y cuando no está claro quién es esa persona o cuando existe cualquier tipo de espera, todo se ralentiza.

Mientras tanto, hay muchos ejemplos en el mundo de equipos con más autonomía para tomar decisiones en los extremos, o más cerca de donde se está creando valor, y eso respalda esta idea de mayor agilidad. Y lo otro que me parece fascinante es que creo que tienes razón.

La gente dice: «¿Certificación RACI?». «¿Qué vas a hacer? ¿Enseñarme un acrónimo en cinco minutos, darme deberes y ya está?». Pero no es eso. En realidad, RACI es una herramienta, un marco y una mentalidad para que los equipos de alto rendimiento entiendan dónde se toman las decisiones.

Y el otro aspecto que creo que comentamos en la sala de espera o mientras preparábamos esto es la idea de RACI como herramienta de diseño. Ahora entendemos lo que tenemos, pero esto no consiste únicamente en documentar la situación actual.

Consiste en comprender, en el mundo nuevo, en este nuevo sistema de pensamiento, en este nuevo marco y en esta nueva era, dónde reside la autoridad. Quién puede tomar decisiones. Y después crear el sistema, ese cambio a nivel de sistema, esa transformación de nivel tres de tu modelo.

Cassie Solomon: Aunque quiero volver atrás porque una única persona que toma las decisiones funciona muy bien para las empresas emergentes, y normalmente no necesitan RACI.

No necesitan esa estructura. Dicen: «Soy el fundador. Yo tomo las decisiones. No soy un cuello de botella. Tenemos un equipo muy pequeño. Nos gusta reunirnos como se reúne un equipo ágil, recibo algunas consultas, todo el mundo lo tiene claro y avanzamos muy rápido». Pero cuando tienes éxito y la empresa empieza a crecer, es cuando una única persona que toma las decisiones empieza a ser realmente dolorosa, porque tienes un equipo fundador acostumbrado a intervenir en todas las decisiones, con toda esa historia y familiaridad entre ellos, y de repente añades 350 personas nuevas, muchas de las cuales llegan con una experiencia enorme.

Son excelentes. Y después llega el caos. Ese suele ser el punto en el que aparecen los problemas relacionados con los derechos de decisión y los puntos de dolor. El otro aspecto que creo que comentamos un poco en la sala de espera es la analogía con la distribución del motor eléctrico. Esos motores cada vez más pequeños y distribuidos por toda la fábrica son una buena metáfora de la forma en que estamos aplanando las organizaciones.

Pero la razón por la que las estamos aplanando es el acceso a la información. Es una señal muy interesante a la que prestar atención. El ejemplo que te mencionaba antes: ayer apareció un artículo en The New York Times sobre la transformación de la guerra entre Ucrania y Rusia a medida que han avanzado cada vez más hacia la guerra con drones, y hablaremos de cuándo empieza la máquina a tomar la decisión, porque eso es lo que todo el mundo se preguntará.

Pero ahora utilizan imágenes por satélite, que estamos consiguiendo llevar a las líneas del frente en Ucrania, para observar el terreno e identificar objetivos. La tecnología ha mejorado y el acceso ha mejorado. Ahora están llevando esa tecnología al terreno, al teléfono o al iPad de alguien. Si siguieran tomando las decisiones en el mando central, no aprovecharían el hecho de que la inteligencia está ahora disponible en el terreno, en los extremos, y por eso la toma de decisiones se ha trasladado allí.

Pero todavía no han llegado al punto en el que quieren que los drones tomen las decisiones. Siguen queriendo que haya una persona involucrada, y creo que eso es muy importante, al menos en este momento de nuestra evolución con la IA. Muchas de las decisiones más importantes en la atención clínica, por ejemplo, siguen incluyendo el criterio humano y la intervención humana.

Galen Low: Lo que dices es muy interesante porque no es solo la tecnología la que acerca la inteligencia a las personas que hacen el trabajo, crean valor o ejecutan la misión.

También existe una especie de confianza y, supongo, educación que la acompañan. Que alguien tenga la información o la inteligencia adecuadas para actuar no significa que tenga la formación o la visión del panorama general necesarias para tomar buenas decisiones.

¿Cómo se resuelve eso? Podemos tener un canal directo de información hacia nuestros equipos de proyecto o hacia las personas de primera línea de atención al cliente. Pero ¿qué les ayuda también a tomar buenas decisiones una vez que tienen esa información? ¿Y cómo pueden las organizaciones confiar en que proporcionar a las personas la información correcta realmente conducirá a mejores decisiones?

Cassie Solomon: Creamos un modelo de empoderamiento basado en años de consultoría RACI, porque siento que esa palabra y ese concepto son demasiado amplios y se mezclan con todo tipo de ideas normativas: «No quiero ser una persona que microgestiona. Quiero empoderar a mi equipo, así que tengo que apartarme de estas decisiones».

Ups, eso no está funcionando. Será mejor que vuelva a intervenir. Bueno, ahora he desanimado a todo el mundo y he desmoralizado el sistema entero. Pero uno de los ingredientes de nuestro modelo es la idea de habilidad, que procede de la investigación de Dreyfus de mediados de los años ochenta, que ahora parece de hace cien años.

Básicamente, Dreyfus y Dreyfus estudiaron cómo desarrollan habilidades los seres humanos. Al principio, si eres principiante, utilizas listas de comprobación detalladas, paso a paso. Voy a decirte exactamente qué hacer porque nunca lo has hecho antes, y tendrás que crecer paso a paso. Siempre digo que soy una cocinera con mucha experiencia y una pésima repostera, así que si voy a preparar algo de repostería tengo que volver a la receta unas quince veces.

Mi amiga Laurie es una repostera genial y lleva décadas haciéndolo. Yo le decía: «¿Qué estás haciendo?». Para ella todo era intuitivo. Y, a medida que adquieres experiencia, avanzas por el modelo de Dreyfus hasta que tu experiencia empieza a convertirse en criterio. Cuando llegas a la parte superior de su escala y eres una persona experta, ni siquiera puedes recordar la lista de comprobación.

Has interiorizado tanto todos esos pasos y lo que aprendiste inicialmente que, entre otras cosas, te conviertes en una pésima profesora para las personas nuevas, porque la mayoría de las veces dices: «Bueno, eso es de sentido común. ¿Por qué no lo sabes?». En aquel momento, a mediados de los años ochenta, dijeron que esto demostraba que los ordenadores nunca alcanzarían la inteligencia porque lo único que podían hacer era seguir reglas.

Ese era el estado del arte a mediados de los años ochenta. Después llegó el aprendizaje automático y, para sorpresa de todos, los ordenadores empezaron a enseñarse a sí mismos y a adquirir experiencia igual que los seres humanos. Ahora pueden conectar unas cosas con otras, salir de su entorno controlado y hackear Hugging Face, algo que nadie había previsto cuando Dreyfus escribía.

Pero el modelo sigue siendo muy útil porque, si tengo a alguien en primera línea, como decía el artículo de The New York Times, mantengo a la persona involucrada porque no quiero que soldados sin experiencia tomen esas decisiones por sí solos. Así que la pregunta es: ¿cuándo toma el dron la decisión por sí mismo?

Y es una pregunta muy interesante también para la medicina, porque siempre probamos nuestras IA clínicas frente a especialistas expertos, pero superan ampliamente a las personas más jóvenes. Así que, cuando preguntas por la confianza, si confiaría en una IA para tomar una decisión médica por mí o si confiaría en este médico, mi primera pregunta sería: ¿cuánta experiencia tiene ese médico?

Galen Low: Es interesante que menciones el aprendizaje automático porque, en cierto modo, hablamos de experiencia: te expones al trabajo y a la toma de decisiones, recibes apoyo al tomar decisiones y, a menudo, tienes la oportunidad de tomar una decisión equivocada muchas veces hasta entenderla. Tienes que iterar para adquirir esa experiencia.

Así que la experiencia no consiste simplemente en pasar años sentado y observando cosas. Se adquiere tomando decisiones y aprendiendo de ellas. El aprendizaje automático sucede evidentemente mucho más rápido. La forma en que se enseña a la IA a identificar un gato frente a un perro consiste en equivocarse muchas veces y descubrirlo.

Por lo tanto, podría decirse que adquieren más experiencia en la toma de decisiones a través de ese proceso. Pero estoy de acuerdo contigo en que se convierte casi más en una cuestión del nivel de comodidad humana. No quiero decir que la IA vaya a tomar siempre la decisión correcta, pero los seres humanos tampoco lo harán. ¿Con qué nos sentimos cómodos?

Y quizá ha llegado el momento de abordar esto. Tal vez deberíamos hacerlo, porque estoy pensando en RACI. Hablamos de ello en nuestra comunidad en términos de roles y responsabilidades, y empecé a pensar: «De acuerdo, hasta ahora hemos tenido herramientas. Tenemos software y plataformas. No aparecen en RACI porque no toman decisiones. No incluyo Photoshop en RACI. No incluyo Git en RACI. No incluyo Microsoft Word en RACI porque no toman decisiones. No tenemos que contabilizarlos. Y ahora eso es un poco diferente».

Quería conocer tu opinión. Cuando se trata de roles y responsabilidades del equipo, ¿debería tratarse a la IA como un miembro del equipo o como una herramienta?

Cassie Solomon: Bueno, ya sabes que voy a responder de una forma muy molesta y decir que ambas cosas, porque si estás en el nivel de la solución puntual, entonces es una herramienta. Necesito una respuesta. Necesito optimizar una sola cosa, así que utilizo la IA para hacerlo.

Piensa en cómo utilizan la IA los grandes bancos para detectar fraudes. Antes lo hacían personas. Ahora las máquinas recorren mil millones de transacciones y dicen: «Vaya, este es un patrón inusual. Cassie nunca ha comprado pizzas por valor de 800 dólares en Brooklyn porque sabemos que la mayoría de sus transacciones se realizan en Filadelfia, así que voy a enviarle un mensaje con todo esto».

No hay ninguna persona involucrada, ¿verdad? Le enviaré un mensaje diciendo: «¿Acabas de comprar pizzas por valor de 800 dólares en Brooklyn?». Y responderé: «Vaya. No, en realidad eso es un fraude». Para volver a RACI, ¿cuánto de la R, cuánto del trabajo en sí, puedo eliminar y automatizar? La A, que representa el criterio y las decisiones, es donde estamos conversando sobre si quiero colocar las decisiones dentro de la máquina como si fuera un miembro del equipo.

Pero en ese ejemplo de fraude, en realidad la decisión está dentro de la máquina. Se comunica con el cliente y dice: «Estoy verificándolo». Evidentemente, cuando introducimos estos algoritmos en nuestros sistemas bancarios de detección de fraudes, a veces identificamos a las personas equivocadas. Y después es muy difícil deshacerlo. No digo que sea perfecto.

Solo digo que ya tenemos ejemplos en los que el sistema de IA toma decisiones y no necesitamos que una persona intervenga. Pero si llegamos a asuntos más importantes como: «¿Debería trasplantarte un pulmón?» o «¿Debería disparar este dron?», creo que todavía necesitamos que intervenga una persona.

En ese caso, es más una herramienta y menos un compañero de equipo.

Galen Low: Sinceramente, me gusta porque creo que siempre ha sido así con RACI. Volviendo a un RACI rudimentario desde la perspectiva de un profesional de proyectos, decimos: «De acuerdo, este equipo no suele trabajar unido. Solo necesitamos algo de claridad sobre quién hace qué».

Y la pregunta que siempre recibo de las personas a las que enseño esto es: «¿Hasta qué nivel de profundidad hay que llegar?». Igual que con un registro de riesgos, podría incluir cualquier cosa. Hay billones de decisiones. Quizá exagero, pero se toman muchas decisiones dentro de un proyecto.

No podemos anotarlas todas. Y digo: «No lo hagas. Anota las que sean importantes y estén un poco borrosas o sean ambiguas». Por eso, en tu ejemplo de la detección de fraude con tarjeta de crédito, la mayoría de los equipos dirían: «Sí, construimos el sistema así».

No tengo que incluir quién notifica al cliente cuando detectamos un fraude y después poner la automatización o el flujo de trabajo de IA en la R. Es simplemente parte del sistema. No es tan diferente. Pero también me gusta que, cuando hablamos de transformación, antes Sugandha era la R y ahora es un agente, quizá valga la pena escribirlo para comunicar el cambio de responsabilidad: ahora podemos conversar sobre lo que hace Sugandha y sobre dónde es R o A en el sistema general, no solo en una parte concreta, sino en el sistema completo.

Me gusta como una forma de ver cómo se mueven las piezas del ajedrez, aunque dentro de diez meses quizá ya no importe. Pero documentar ese cambio nos permite conversar sobre qué está cambiando y asegurarnos de que todo el mundo está en la misma página, y quizá mantener esa conversación de: «Vaya, ¿no es un poco arriesgado?».

Acabamos de poner a nuestro agente, que construimos durante la noche mediante programación basada en indicaciones, a cargo del 80 % de nuestras operaciones de ingresos. Es como: de acuerdo, quizá valga la pena hablar de esto para determinar si está bien. Y si está bien, ¿quién es consultado o informado?

Y, lo que es más importante, ¿quién tiene autorización para tomar decisiones sobre ese trabajo? Las mentes inquisitivas quieren saberlo: en tu opinión, ¿puede la IA llegar a ocupar alguna vez la columna A de un RACI? ¿Puede tener autorización o ser responsable en esta etapa del desarrollo de la tecnología? Está tomando decisiones. ¿Es algo que deberíamos incluir?

Y supongo que la pregunta es por qué sí o por qué no.

Cassie Solomon: Creo que sí. Si piensas en la parte superior del diagrama RACI, ahí están todas las partes interesadas que van a participar, ¿verdad? Incluyendo cuántas partes interesadas tengo que consultar para no meterme en problemas y cuántas personas deben estar informadas, toda esa larga cola del RACI.

Sin duda, el agente de IA número uno debería formar parte de ese grupo para que puedas conversar sobre si le damos la primera A y escalamos si se cumplen las siguientes condiciones. Es una forma bastante poco arriesgada de definir su autoridad si se trata de una decisión sencilla.

Por ejemplo, creo que ahora mismo en Utah están probando un sistema de IA que puede renovar recetas sin un médico, y esto ha sido muy controvertido. Han discutido mucho sobre qué medicamentos son tan inofensivos que, si la IA se equivoca y renueva la receta, no será algo terrible para la persona.

Al mismo tiempo, los jóvenes de veintitantos años dicen: «¿Qué quieres decir con que tengo que ir al médico para conseguir una receta? Es la cosa más estúpida que he oído». Y yo digo: «Esperemos al experimento de Utah», que es muy controvertido y está recibiendo mucha oposición de la sociedad médica.

¿Es una decisión que queremos que tome la máquina? Lo que han hecho para perfeccionarlo es estrechar cada vez más el espacio de decisión. Bajo estas condiciones, para este tipo de persona, si ha tomado este medicamento tres veces en el pasado, entonces la IA puede decidir sin revisión.

Me encanta hacerlo visible de esa forma en un RACI para poder mantener esas conversaciones. Lo otro que dijiste y que me encantó, Galen, es que cuando conozco a personas que odian RACI, siempre es porque han participado en una sesión en la que tuvieron que hacer un RACI de mil líneas. Literalmente me han dicho: «Preferiría ver cómo se seca la pintura antes que participar en otra sesión de RACI así», y no los culpo.

Sin embargo, voy a tomar una dirección un poco diferente a la tuya, porque no creo que tengamos que aplicar RACI a todo el proceso. Algunas partes del proceso son bastante claras o intuitivas. Deberíamos aplicar RACI a los puntos de dolor. ¿Dónde no está claro el proceso? Y a veces digo: «Aplica RACI solo a las decisiones».

Si hay billones de decisiones, ese es otro problema que tendríamos que abordar, pero ¿qué pasaría si hiciéramos un RACI que observara una variedad de decisiones? Así que sí, la IA debería estar en ese diagrama, y eso te permite conversar sobre cuáles son los parámetros que queremos dar a esta herramienta para que tome las decisiones que creemos que puede tomar y reserve para los seres humanos las demás decisiones que queremos conservar.

Galen Low: En realidad es muy interesante porque en mi cabeza estoy pensando en el riesgo. ¿Cuál es el riesgo de recetar medicamentos sin que intervenga un médico? La respuesta es que depende, depende de con qué nos sintamos cómodos, y aquello con lo que nos sentimos cómodos tiene que ver con el impacto del riesgo.

Así que, en cierto modo, RACI se convierte en el documento de nuestra tolerancia al riesgo, y esa tolerancia está cambiando. Por eso necesitamos tener la mentalidad y el diálogo, porque a veces las cosas cambian bajo nuestros pies. Al principio dijiste que gran parte de esto sigue siendo invisible para los demás seres humanos, quizá no esté documentado, simplemente sabemos cómo funciona.

Sin duda es invisible para la IA, que dice: «Dime cómo tomas decisiones», y nosotros nos quedamos sin palabras.

Cassie Solomon: Y lo más doloroso del trabajo en equipos multifuncionales es que cada persona llega al equipo desde su propio departamento, y la mayoría de esos departamentos quieren conservar parte de su autoridad para tomar decisiones. ¿Cómo puede el equipo tomar una decisión si tengo que llevarlo todo de vuelta a mi jefe?

¿Cómo puedo empoderar a este equipo si no recibo la cantidad adecuada de revisión jurídica, de revisión de recursos de TI o de revisión de tolerancia al riesgo? Entonces esos equipos se quedan dando vueltas. No pueden tomar decisiones. No pueden avanzar. Generalmente alguien dice: «Necesitamos RACI». Pero ese es el problema que veo, porque si simplemente colocas la herramienta encima de ese caos, ayudará, pero a menudo ayudará haciendo que las personas reconozcan lo desordenado que está todo.

Pero lo que viene después es la habilidad RACI. Cómo gestiono eso. Cómo negocio un sistema más ágil que pueda avanzar.

Galen Low: Me preguntaba si podemos volver a la idea de RACI como herramienta de diseño para el cambio a nivel de sistema. Quizá podríamos recorrerlo paso a paso: ¿por dónde empieza alguien?

¿Cómo es RACI una herramienta que ayuda a impulsar el diálogo para capturar lo que está ocurriendo? ¿Cómo se ha utilizado para decidir cuál será lo nuevo? Y también, ¿cómo superamos la idea de que lo que descubrimos suele ser una cuestión de política de poder? Eso es lo que me gusta de tu modelo.

La A no significa responsable, sino autorizado. Cuando pienso en responsabilidad, pienso: ¿de quién será la culpa cuando algo salga mal? Autorizado significa quién puede tomar la decisión. Eso también es poder. Y, como has dicho, los grupos dentro de una organización van a querer conservar el poder. ¿Podemos recorrer un ejemplo sencillo de cómo diseñar con RACI?

Es más que un acrónimo. Es más que una matriz sobre una hoja de papel. Es una forma de dialogar y diseñar algo nuevo para no terminar con el motor eléctrico donde estaba el motor de vapor.

Cassie Solomon: Sí, podemos. Qué divertido. Tomé prestada una técnica muy interesante de un cliente y ahora la utilizamos: el flujo de trabajo está arriba y el diagrama RACI correspondiente al flujo está debajo.

Una de las cosas que se hacen evidentes es que existen muchísimos diagramas de flujos de trabajo en el mundo y están solos. No están poblados con personas, roles ni quién hace qué. Simplemente describen el qué. En mi clase beta de certificación la semana pasada, una de las participantes dijo: «No me gusta cómo funcionan las cosas en mi empresa ahora mismo.

Quiero utilizar RACI para rediseñar los roles. ¿Cómo puedo hacerlo?». Y respondimos: «Tenemos una plantilla para eso». Si lo piensas, puedes empezar diciendo: «Este es todo el trabajo que quiero que hagas. Esas son tus R. ¿Quiero que tomes alguna decisión?». Esa es una pregunta excelente. Si lo sé, puedo decir: «¿Qué tipos de decisiones van a estar integradas en tu rol?

¿Qué tipo de experiencia quiero que aportes a tu trabajo y a este proyecto? Ahí es donde te colocamos en la columna C». Y se fueron a rediseñar los roles de su empresa desde esa perspectiva: hay cierto trabajo que debe hacerse y normalmente está recogido en algún flujo de trabajo. Las personas no están planteando esa pregunta sobre las decisiones con suficiente frecuencia, y deberían hacerlo porque ahí es donde surgen todos los problemas.

Cuando pienso realmente en tu pregunta sobre cómo diseñar la transformación, tengo que volver al modelo del libro, porque considero que RACI combina un par de esas palancas: la toma de decisiones y las personas, que representan qué eres capaz de hacer, cuánto sabes, cuál es tu experiencia y todas esas piezas combinadas con la toma de decisiones.

Pero también está la tarea, que es tu flujo de trabajo. Está la tecnología. Está la forma en que organizas el trabajo. Es un momento fascinante, porque no sabemos qué aspecto tendrá este futuro y tenemos que reconocerlo para después observar realmente a nuestro alrededor y prestar atención a esas señales extrañas.

De acuerdo, puedo llevar la inteligencia a la primera línea y permitir que la decisión se tome al nivel de un soldado individual o de un médico individual. ¿Qué otras características tendrá? ¿De qué otra forma cambiará? No anticipamos el trabajo remoto. Hizo falta una pandemia mundial, pero ha sido un cambio muy profundo.

¿Cómo podemos imaginar de antemano ese tipo de cambios?

Galen Low: Me gusta que hayas pasado a las habilidades, capacidades y experiencia, porque creo que así es como muchas organizaciones aspiran al menos a rediseñar su estructura. Existe un diálogo sobre cómo los títulos de los puestos son probablemente uno de los peores descriptores de lo que hacen las personas en una organización.

Claro, los metemos en una casilla y decimos: «De acuerdo, todos los médicos con tantos años de experiencia son iguales». Así que son responsables de la decisión, frente a: de acuerdo, tenemos que descubrir qué hay que hacer, quién está cualificado para hacerlo y quién tiene las habilidades necesarias, en lugar de encerrarlos en un título.

Quizá sean R o A en todas estas cosas diferentes, y ese sea un rol nuevo. Puedo verlo funcionando muy bien en un equipo de proyecto en el que no tengamos necesariamente que pensar en una estructura organizativa permanente, pero también puedo verlo como un ejercicio útil para alcanzar claridad al responder a la pregunta que planteabas: cuando las soluciones puntuales parecen destinadas a sustituir a muchos seres humanos, ¿cómo podemos mantener ese diálogo sobre cómo cambian las responsabilidades de las personas en este nuevo modelo?

Puedo verlo... Me lo estoy imaginando, y me gusta ese flujo de trabajo con el RACI debajo. Me parece muy interesante porque, en un diagrama de flujo de trabajo, las decisiones son simplemente diamantes.

Cassie Solomon: Hay un caso muy bonito, así que tengo que mencionarlo. Quizá así podamos cerrar. IKEA sustituyó a muchos de sus empleados por chatbots, que respondían preguntas muy sencillas de los clientes.

Pero cuando dieron un paso atrás y analizaron las preguntas que recibían, descubrieron que muchas personas en realidad estaban pidiendo consejos de diseño, y el chatbot no podía ayudarles con eso. Tuvieron que volver a formar a 8.500 personas para que pudieran empezar a ofrecer consejos básicos de diseño, y ganaron muchísimo dinero.

Así que creo que debemos mantenernos abiertos a la posibilidad de que, si realmente estamos dispuestos a observar el sistema y hacer el trabajo de rediseño, la IA exponga dónde están las brechas. Tenemos más datos e inteligencia al alcance de la mano que en cualquier otro momento de toda la historia de la humanidad.

¿Qué vamos a hacer con ello? ¿Despedir a la gente? Eso es absurdo. Vamos a tomar toda esa inteligencia y esos datos y observar dónde están las brechas. Siempre digo a la gente: «Tranquilizaos, porque esta tecnología se comerá vuestro trabajo como un pequeño mordisqueador de Mario Brothers, empezando por abajo». Comámonos el trabajo rutinario con la tecnología de IA y utilicemos los datos que genere para enseñarnos, como aprendió IKEA, dónde está la brecha que podemos cubrir.

Galen Low: Me encanta. Y eso es lo que podemos ver a través de RACI, de una mentalidad RACI, de una mentalidad que nos permite entender cómo se toman las decisiones y dónde existen brechas mientras creamos algo completamente nuevo que nunca habíamos imaginado.

Cassie Solomon: Me encanta lo de completamente nuevo. Es muy bueno.

Galen Low: Hablando de algo completamente nuevo, ¿qué aspecto tiene el futuro para ti?

En términos de toma de decisiones, hemos hablado de organizaciones que pueden tener una única persona que toma decisiones en una determinada escala. Hemos hablado de un mando central que toma decisiones, lo que puede ser lento. Hemos hablado de trasladar las decisiones a los extremos para que los equipos y las organizaciones sean más ágiles, y hemos hablado de que la IA tome decisiones.

¿Cómo serán para ti la toma de decisiones y la colaboración dentro de dos o tres años?

Cassie Solomon: El objetivo de la certificación es decir que ya sabías hacer el trabajo RACI básico. Las exigencias para hablar de los roles y rediseñarlos han crecido de forma exponencial. Así que todos tenemos que convertirnos en auténticos ninjas de esta herramienta y permitir que nos ayude a iluminar esas partes invisibles de la organización que sabemos que nos están frenando o que representan una oportunidad para hacer algo realmente novedoso e innovador.

Si no podemos hablar el lenguaje de los roles como maestros, nos quedaremos estancados. No puedo predecir el futuro, pero puedo decirte que las señales de lo que se aproxima ya se están manifestando hoy. Y si podemos acostumbrar el oído a decir: «Eso parece un ejemplo de un desplazamiento de la toma de decisiones» o «Eso parece un ejemplo de cómo la toma de decisiones ha seguido a la información hasta un nuevo lugar», creo que podemos empezar a construir nuestra comprensión de cómo será lo completamente nuevo.

Galen Low: Me gusta mucho. Ahora tenemos una abundancia de información, pero también un lenguaje que nos ayuda a mantener el diálogo, los ninjas de la comprensión de la toma de decisiones y de cómo funcionan las cosas para que podamos tener realmente esa conversación.

Cassie Solomon: Es genial. Es un momento aterrador y fascinante para intentar diseñar el futuro con esta nueva tecnología increíble.

Galen Low: Fantástico. Cassie, esto ha sido increíble. Me encanta hablar contigo. He aprendido muchísimo. Gracias por volver al programa y compartir tus ideas. Para quienes quieran saber más sobre ti y sobre lo que haces con RACI y la certificación RACI, ¿adónde pueden dirigirse?

Cassie Solomon: RACI Solutions es el sitio web que construimos alrededor de nuestra práctica de consultoría RACI. Con el tiempo habrá algo en él sobre el curso de certificación. Estamos limitando los grupos a 20 personas porque realmente queremos fomentar el diálogo. Queremos que, en esta etapa de la certificación, las personas aprendan unas de otras.

Así que, si a alguien le interesa, me encantaría que se pusiera en contacto.

Galen Low: Perfecto. Incluiré también tu perfil en las notas del programa. Y Cassie, gracias de nuevo.

Cassie Solomon: Gracias, Galen.

Galen Low: Muy bien, amigos. Eso es todo por este episodio del pódcast del Director de Proyectos Digitales. Si disfrutaste de esta conversación, asegúrate de suscribirte allí donde nos estés escuchando.

Y si quieres aún más ideas tácticas, casos de estudio y guías prácticas, crea una cuenta gratuita con nosotros en thedigitalprojectmanager.com. Hasta la próxima, gracias por escucharnos