Cómo la IA puede ayudarte a tomar mejores decisiones sobre proyectos

Galen Low: En cierto modo, los proyectos no son más que una colección de decisiones. De hecho, las decisiones son una parte fundamental de lo que impulsa los proyectos hacia delante. Pero ¿cómo podemos esperar que los seres humanos tomen buenas decisiones cuando los proyectos avanzan a toda velocidad y hay una cantidad abrumadora de información y datos que evaluar? Sin duda, la IA puede ayudar, pero no siempre tiene el contexto, y hacerla responsable de las decisiones no es una opción.

Mientras tanto, a veces las decisiones rápidas basadas en el instinto terminan siendo las mejores. Entonces, ¿cuál es el equilibrio adecuado entre la toma de decisiones basada en datos y asistida por IA, y simplemente hablarlo? ¿Dónde aparecen los rendimientos decrecientes y, lo que es más importante, cómo tomamos realmente las decisiones? Para profundizar en esto, he invitado a una especialista en IA y gestión del conocimiento cuya trayectoria incluye desde la psicología y la estimación empresarial hasta el emprendimiento y cargos de gestión de producto en empresas de la lista Fortune 50 como Meta y ExxonMobil.

Juntos, recorreremos algunos ejemplos concretos de cómo la IA puede respaldar una toma de decisiones de calidad, cómo la trazabilidad puede ayudar a los seres humanos a tomar mejores decisiones, cómo cambia la responsabilidad cuando interviene la IA y qué ocurre con el papel del director de proyectos si la IA facilita las decisiones que antes pasaban por nuestras manos.

Espero que disfrutes del episodio.

Bienvenidos al pódcast de Digital Project Manager, el programa que ayuda a los líderes de entrega a trabajar de forma más inteligente, entregar con mayor fluidez y dirigir 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 primeras líneas de los proyectos.

Tanto si diriges enormes proyectos de transformación, gestionas flujos de trabajo con IA o simplemente intentas mantener el caos bajo control, estás en el lugar adecuado. Ah, y si últimamente te ha gustado lo que has estado escuchando, considera seguirnos en la plataforma donde nos escuches o veas, y quizá incluso dejarnos una reseña. Muy bien, entremos en materia.

Hoy hablamos de la toma de decisiones respaldada por IA y de por qué la calidad de las decisiones podría ser lo que determine el éxito o el fracaso de un proyecto o iniciativa. Analizaremos cómo las decisiones desconectadas crean riesgos, cómo los líderes de proyectos pueden mejorar la calidad de las decisiones en equipos complejos y cómo la IA puede ayudarnos a tomar mejores decisiones, y viceversa.

Hoy me acompaña Cali Collins, cofundadora y directora de producto de Optimality. Cali es una líder de producto con experiencia, cuya carrera ha abarcado la infraestructura de IA, los sistemas de conocimiento, la transformación empresarial y la ejecución de proyectos de capital a gran escala. Antes de cofundar Optimality, dirigió el desarrollo de productos en organizaciones como Meta y ExxonMobil, lo que le proporciona una perspectiva única sobre cómo se toman —o no se toman— las decisiones tanto en entornos tecnológicos de rápido movimiento como en complejas empresas de la lista Fortune 50.

Actualmente, desde Optimality, defiende el valor de contar con una plataforma de infraestructura de decisiones nativa de IA que ayude a las organizaciones a estructurar, optimizar y escalar la toma de decisiones en una era de datos abrumadores y prioridades contrapuestas.

Cali, gracias por acompañarme hoy.

Cali Collins: Por supuesto. Muchas gracias por invitarme.

Galen Low: Me entusiasma tenerte aquí. Voy a empezar con una pregunta un poco provocadora, y voy a entrar en materia. Muchas organizaciones tienen muy poca estructura o disciplina en torno a cómo se toman las decisiones, y a veces las decisiones importantes se toman en una cadena de correos electrónicos o verbalmente en un campo de golf.

Y, en su mayoría, los equipos están demasiado ocupados reaccionando a esas decisiones como para detenerse a pensar: «¿Es una decisión bien fundamentada?». Simplemente siguen adelante. Así que mi pregunta es la siguiente: dado que nosotros, como seres humanos, realmente no podemos explicarnos unos a otros cómo se toman las decisiones y por qué, ¿no es un poco ilusorio pensar que la IA puede mejorar de repente la toma de decisiones organizativa?

Cali Collins: Quiero decir, sí, absolutamente. Creo que gran parte se reduce a los sesgos. Si me preguntas por qué tomé una decisión, quizá lo que te diga no sea en realidad la razón por la que la tomé de esa manera. Todos tenemos nuestras propias perspectivas. Tú tienes tu perspectiva sobre cómo escucharías que repito esa decisión, y creo que también hablábamos un poco de esto durante la preparación.

Todo lo que haces es una decisión. No puedes documentarlo todo mientras lo haces. Tomé la decisión de conectarme a esta llamada. ¿Voy a escribirlo después? Porque tengo que tomar una decisión sobre cuándo voy a anotar la decisión que acabo de tomar. Nuestras vidas son una serie de decisiones, y contar con algo como la IA que las capture automáticamente mientras las tomas, sin que tengas que documentarlas conscientemente, es precisamente lo que nos ayudará.

Galen Low: Me gusta mucho esa idea porque empiezas hablando del sesgo, y yo soy alguien que cree que el sesgo puede ser bueno y malo. Tenemos sesgos inconscientes que sin duda nos frenan como especie, pero también existe el sesgo de conocer lo que conocemos. Y sí, hablamos mucho de tomar decisiones por instinto y de si eso es bueno o malo, pero, fundamentalmente, muchas veces una decisión es algo así como: «De acuerdo», especialmente en los niveles de los responsables de tomar decisiones, aunque también para cualquier otra persona. Sería agotador tener que explicar cada pequeño detalle, pero el proceso está ocurriendo.

Creo que muy pocas decisiones... En realidad, mientras lo digo, pienso que una proporción importante de las decisiones se toma con cierta lógica detrás, aunque la gente no muestre su razonamiento. Claro. Seguro que quienes nos escuchan están pensando: «Sí, pero ¿qué hay de aquella decisión rápida en la que todo salió mal?»

Sin duda, eso también ocurre. Pero creo que lo pasamos por alto porque, primero, no tenemos tiempo para reconstruirlo todo y explicar cada detalle. Tenemos que confiar en que quienes toman las decisiones tomarán buenas decisiones. Y también hay muchos factores que intervienen, y eso no es necesariamente lo peor del mundo.

Cali Collins: Es absolutamente cierto. Hay estudios científicos sobre qué parte del cerebro utilizas para tomar distintos tipos de decisiones. Es una parte diferente del cerebro la que toma esas decisiones rápidas y precipitadas basadas en el instinto, frente a las decisiones a las que dedicas tiempo para reflexionar. Es interesante.

Galen Low: Me gusta mucho. Y quizá sea un buen punto para profundizar, porque me interesan esos dos modos de tomar decisiones. Por un lado, podría decirse que existe una especie de respuesta de lucha o huida; no sé si esas son las palabras correctas, pero la urgencia de tomar una decisión rápida puede saltarse toda la lógica y los fundamentos que tenemos.

Y luego está esa idea de volver a un estado de calma, ¿verdad? Tomar una decisión informada evaluando y analizando. En cierto modo, disponer de la información nos devuelve a ese nivel y evita que tomemos decisiones impulsivas, porque sabemos que podemos tomarnos nuestro tiempo.

Tenemos información disponible que puede llegar rápidamente, y podemos tomar una decisión de manera informada. Quizá debería ampliar aún más la perspectiva, porque lo que me gusta de tu experiencia es que vienes del mundo del producto. Eres una especialista en producto con una gran experiencia, que ha dado un giro considerable: has pasado de trabajar para organizaciones como Meta y ExxonMobil a crear, básicamente, un sistema operativo de decisiones nativo de IA.

Espero estar describiéndolo bien.

Cali Collins: Sí.

Galen Low: Así que pensé en preguntarte: ¿por qué las decisiones? ¿Dónde has visto que una mala toma de decisiones haga descarrilar un proyecto o un plan estratégico, y cuáles son algunas de las causas subyacentes que te impulsaron a diseñar una solución para ese problema?

Cali Collins: Todo lo que haces implica decisiones. Es un problema que afecta a toda la humanidad, y quería hacer algo que realmente influyera en nuestra forma de trabajar en el día a día y generara un gran impacto. Como empezabas a señalar, están esas decisiones basadas en datos en las que reflexionas, y luego están las decisiones rápidas e inmediatas.

Y mencionaste la seguridad, y empecé a pensar en ella de otra manera porque, al venir del mundo de los proyectos, pienso en la seguridad de salud, seguridad y medio ambiente: si alguien está a punto de resultar herido.

Galen Low: Exacto.

Cali Collins: Hay decisiones en las que, si ves una actividad insegura, tienes que intervenir y actuar. Pero hay otras decisiones en las que debes dar un paso atrás, analizarlas y reflexionar un poco más.

Y, simplemente, al comprender y estar dentro de ese mundo... Trabajé muchos años en estimación. Empecé en estimación. Siempre tuve también una vertiente de producto, pero la estimación era mi trabajo diario. Eso me permitió estar en contacto con muchos altos ejecutivos y líderes. Participaba en la mesa de negociación cuando hablábamos de estos asuntos y comprendía qué intervenía en esas grandes decisiones.

Veía a esos ejecutivos y la gente los colocaba en un pedestal, preguntándoles: «¿Qué opinas? ¿Qué deberíamos hacer?». Cuando tuve la oportunidad de sentarme a solas con algunos de ellos, les pregunté: «¿Cómo saben cuál es la decisión correcta? ¿Se basa todo en los datos que tienen? ¿Cuándo se alcanza el punto de rendimiento decreciente o el punto de retorno?» Y hasta ellos respondían: «¿Sabes qué? Te contaré un secreto. La mitad del tiempo no lo sé. Simplemente me dejo llevar». Decían: «Estoy en esta posición porque he llegado hasta aquí tomando muy buenas decisiones». Pero, al mismo tiempo, la gente espera eso de ellos y no siempre tienen el conocimiento y los datos necesarios para tomar la decisión correcta.

Y pensé: si pudiera ayudar a estas personas que toman decisiones enormes —si gastamos miles de millones de dólares en esto o en aquello—, decisiones de una importancia enorme, ¿cómo podría ayudarles a entender dónde está ese punto de rendimiento decreciente?

¿Hasta dónde te llevan los datos? ¿Y cómo se los proporcionamos rápidamente para que puedan tomar esas decisiones rápidas y apoyarse en sus instintos, pero contando al mismo tiempo con datos sobre las decisiones?

Galen Low: Me encanta ese momento de vulnerabilidad. Es lógico pensar que a muchos nos ocurre algo parecido: «No lo sé; estoy bajo presión para tomar una decisión. He tomado buenas decisiones antes. No tengo ninguna garantía de tomar siempre la decisión correcta, pero mi probabilidad, mi promedio de aciertos, es bastante bueno, y por eso he llegado a este puesto. Pero no lo sé. A veces simplemente improviso». Y me encanta la idea de que no tiene por qué ser así.

No es que tu calidad de decisión sea ya deficiente, pero ¿podríamos tener un mejor promedio de aciertos? Sigo utilizando esa expresión porque ahora mismo estoy pensando en el béisbol. Pero, ¿podríamos aumentar la probabilidad de tomar la decisión correcta? Y, sinceramente, incluso está esa ansiedad de pensar: «Vaya, estoy en esta posición».

Quizá haya un poco del síndrome del impostor, pero sin duda hay presión. A veces hablamos de miles de millones de dólares, y piensas: «No lo sé. Tengo que tomar una decisión y debo apoyarme en lo que sé. Pero también puedo respaldarla con otros datos que informen mi decisión». Creo que esa es la belleza de la IA ahora mismo: su capacidad para reunir grandes cantidades de información y datos y destilarlos según nuestras necesidades.

Y quizá sea una buena transición, porque me encanta la idea de Optimality. ¿Podrías contarnos un poco qué hace Optimality, cómo ayuda y, quizá, algunos casos de uso que eliminen parte del riesgo de la toma de decisiones o, al menos, lo minimicen?

Cali Collins: Por supuesto.

Llevamos unos dos años y medio trabajando en Optimality, así que ha ido transformándose y creciendo hasta convertirse en lo que es hoy. El núcleo siempre fue mejorar la toma de decisiones, y después evolucionó hacia optimizarla, que es precisamente de donde viene el nombre Optimality. Existe una teoría matemática de la optimización relacionada con ese punto de rendimiento decreciente.

¿Cuál es la decisión óptima que debería tomarse? Hemos adoptado plenamente esa idea en nuestro trabajo. La premisa es que Optimality se apoya en un grafo de contexto. Cuando colaboras en Optimality, utilizas el sistema para entender en qué deberías trabajar hoy y qué hiciste ayer.

Pero es mucho más grande que eso. Incluye el contenido real y los entregables que produces. Incluye todas las decisiones en las que estás trabajando. Hoy mismo, hace unas horas, lanzamos un nuevo asistente de decisiones. Si tienes que tomar una decisión compleja, puedes entrar y el asistente te guía paso a paso por el proceso.

Mientras avanzas por el asistente, tienes Opti Chat a tu lado y puedes preguntarle: «Estoy dudando entre esto y aquello. ¿Qué opinas, Opti?». Te ayuda a estructurar la cuestión. Después llegas al siguiente paso: «¿Cuáles son las incertidumbres relacionadas con la decisión que intento tomar? ¿Dónde interviene mi sesgo personal? ¿Cuándo tomamos antes una decisión similar y cómo resultó?». Siempre tienes el poder de Opti disponible para conversar y comprender el contexto: cuándo has trabajado antes en esa decisión.

Estás incorporando al sistema la inteligencia organizativa y de ejecución de tu organización. El sistema absorbe constantemente toda esa información en el cerebro de Opti para volverse más inteligente y ofrecerte mejores perspectivas cuando necesites decidir entre A y B, o descubrir si existe una opción C que ni siquiera habías considerado.

Galen Low: Me encanta. Incluso volviendo al principio, me gusta lo nerd que es realmente el nombre. No se trata solo de optimizar la toma de decisiones; existe una teoría matemática sobre el punto en el que se alcanzan los rendimientos decrecientes. Me parece genial. Y, sí, durante la preparación me enseñaste la idea del grafo de contexto como una especie de red neuronal para algunas de las herramientas de IA que utilizamos.

Creo que utilizaste la expresión «contexto de decisión», y ahora empiezo a entenderla: algo como Opti absorbe toda esta información a lo largo del camino. No es: «Tenemos que tomar una decisión. ¿Puedes recopilar todo y preguntar a estas personas?». No hay que reunir después consejos para un responsable de tomar decisiones, algo que podría tardar días. La información ya está ahí.

Me pregunto, incluso al margen de la IA, qué significa realmente el contexto de decisión en un entorno de proyectos. ¿Qué les falta a veces a los equipos en su proceso de toma de decisiones que esto ayuda a respaldar?

Cali Collins: Creo que el cerebro humano es excelente para ciertas cosas, pero también tiene limitaciones. No puedes estar en todas las reuniones recopilando todos los datos de los que habla la gente. Imagina que pudieras tener un delegado presente en esas otras reuniones, absorbiendo también esa información.

Ahí es donde interviene la IA. Pero, desde el lado humano, nos basamos en la colaboración y la comunicación. Eso fue una parte importante de lo que me llevó a Meta, porque allí intentaban construir una plataforma de colaboración para el mundo. La gente entra para compartir y formar parte de una comunidad. Es una parte muy importante de ser humano, aunque ahora resulte extraño decirlo en este mundo de IA frente a humanidad.

Como persona, mi poder consiste en reunirme con otras personas, intercambiar ideas con ellas y hacer crecer y cambiar mis pensamientos a partir de lo que me cuentan. Por eso hay que mantener a las personas dentro del proceso de toma de decisiones. Todos hemos tenido nuestras propias experiencias y necesitamos colaborar para llegar realmente a la mejor decisión posible.

Galen Low: Me gusta esa interacción. La idea no es que los seres humanos seamos malos tomando decisiones porque no podemos absorber toda esta información y predecimos muy mal el futuro. Aunque todo eso pueda ser cierto, se trata de la interacción entre el hecho de que somos criaturas que dialogan, tenemos emociones y tomamos decisiones basadas en ellas, y que disponemos de tecnología —hoy específicamente de IA— capaz de hacer lo que nuestro cerebro no puede.

Puede reunir todas las conversaciones que se han mantenido y destilarlas para que no tengamos que sentarnos delante de alguien y decir: «¿Recuerdas aquella reunión de quince minutos que tuvimos un martes de diciembre y en la que dijiste exactamente estas palabras?». No tenemos esa capacidad ni la cultura necesaria para hacerlo.

Me gusta la idea de que la IA asesora e informa, pero no sustituye la conversación sobre cómo vamos a tomar la decisión. Hay mucho valor en la colaboración humana: hablarlo para poder tomar una buena decisión.

Y también respaldarla con cosas que nuestro cerebro simplemente no puede hacer.

Cali Collins: Exactamente. Yo hablo con Opti todo el tiempo. En una empresa emergente, al ser un equipo pequeño, hay momentos en los que resulta útil hablarlo también con la IA y dejar que intercambie ideas contigo.

Y sabe en qué estás trabajando porque Opti se basa en un grafo de contexto. Sabe qué haces tú y qué hace cada persona de tu equipo.

Galen Low: Quizá podamos profundizar en eso, porque creo que para muchas personas de mi comunidad la IA ya está aquí. Digámoslo así: la IA ya está aquí. Y, en cierto modo, parece algo impuesto, ¿verdad?

Es como si no tuviéramos elección sobre su uso. También existe ese aspecto de Gran Hermano, porque la naturaleza de la tecnología implica que cuanto más contexto tiene y más sabe, mejor puede hacer su trabajo, ayudarnos y satisfacer nuestras necesidades. Pero quienes nos escuchan podrían pensar: «Dios mío, da mucho miedo que Opti esté escuchándolo todo y absorbiéndolo todo». ¿Es esto orwelliano?

En el contexto de las decisiones y los grafos de contexto, ¿podemos elegir qué compartimos con la IA para que nos asesore mejor? ¿Es una cuestión de todo o nada? Y si no lo es, ¿qué deberíamos compartir con la IA, aunque no tenga acceso completo a cada tecla que pulsamos y a cada conversación que mantenemos frente al ordenador?

¿Cuáles son las cosas adecuadas que debemos proporcionar a la IA para que nos ayude?

Cali Collins: Cuando empezamos a construir Optimality, conectamos mediante API mis correos electrónicos y mis conversaciones. Empezamos así, pero pronto nos dimos cuenta de que, si queríamos escalarlo, podía resultar preocupante y que la gente quería tener más control sobre lo que compartía.

Esto también se relaciona con la gobernanza de la IA. No necesariamente quieres que la IA tome tu información, tome decisiones y envíe correos por ti. Si le das acceso al gestor de contraseñas, a tus correos y a tu cuenta bancaria, acabas de abrir una enorme caja de problemas.

Y si se filtra un secreto en ese correo, la persona que inició el agente y dijo «sí, puedes hacerlo» es responsable. Desde el punto de vista legal y de gobernanza, tú respondes por ello, incluso si nunca viste el correo antes de que se enviara. Por eso es muy importante entenderlo y mantener el control sobre lo que le das y lo que le permites hacer.

Por eso configuramos el sistema para que puedas elegir: «Al terminar esta reunión, quiero incluir esta transcripción» o «no quiero incluirla». Puedes elegir si quieres incorporar una conversación de correo electrónico o no. Eso te permite tener más control sobre la información útil que le proporcionas. Cuando una IA se entrena únicamente con la basura de internet, no sabe qué es bueno y qué no.

Si puedes mantenerla limpia dándole solo información de calidad, también ayudarás a aumentar su capacidad. Además, mantenemos siempre a una persona dentro del proceso. Optimality puede generar documentos, redactar correos, actualizar estados y hacer todas esas cosas, pero al final sigue habiendo una persona que dice: «Eso es lo que quiero que haga».

Eso es algo que hacemos de forma diferente a muchas empresas que prometen: «Puedo construirte un equipo de marketing completo que funcione por su cuenta, publique en tus redes sociales y se haga cargo de todo ese trabajo».

Nosotros creemos que debe existir una colaboración entre las personas y la IA: trabajar juntos para lograr buenos resultados. Si quieres trabajar en marketing, te pones tu sombrero de marketing y tienes a tu lado un asistente de marketing experto que te guía, pero sigues siendo tú quien toma las decisiones.

Galen Low: Me encanta, y creo que a muchos de mis oyentes también les gustará. De nuevo, se trata de la interacción entre la tecnología y nuestra humanidad. Quiero volver más adelante a la idea de seleccionar lo que compartes con el grafo de contexto, porque me parece muy interesante en relación con la forma en que los seres humanos tomamos decisiones.

Pero antes quizá podamos profundizar en el caso de uso que acabas de plantear. ¿Cómo puede la IA, cómo puede Optimality, ayudarnos a tomar mejores decisiones? Me gusta la idea de pensar en nuestro marketing y tener un compañero de reflexión con el que podamos conversar. ¿Podemos analizar paso a paso cómo funciona todo? En tu caso, Optimality trabaja en segundo plano, recopila información y, después, nosotros decimos: «Necesitamos desarrollar una campaña o preparar la publicación semanal de LinkedIn». ¿Cómo es esa interacción y cómo mejora el proceso frente a no tener IA detrás?

Cali Collins: Uno de los casos de uso en los que estamos avanzando es un sistema operativo empresarial que funciona sobre Optimality. Puedes pensar en Optimality como una plataforma que permite distintos casos de uso, algo parecido a Excel. En Excel puedes hacer todo tipo de cosas, pero no te dice que tengas que utilizar las fórmulas para crear una hoja presupuestaria.

La plataforma permite esa capacidad. Tenemos más estructura que Excel, pero también permitimos muchos casos de uso diferentes. Uno de los más interesantes en el que estamos trabajando es un sistema operativo empresarial. Esto te permitirá entrar en Optimality, hablar sobre tus objetivos y explicar qué quieres hacer. El sistema tomará esa información, la documentará, creará una estrategia y te preguntará: «¿Es esto lo que quieres hacer?». Puedes conversar con Opti y ajustar la propuesta.

Después, trazará tu plan para alcanzar tus objetivos. Todo se realiza automáticamente con IA, aunque puedes modificarlo como quieras. Te ayuda a estructurar la creación de una empresa. Crear una empresa es solo un caso de uso; también puedes utilizarlo para construir una refinería. Por ejemplo, Chevron es uno de nuestros clientes.

A medida que avanzas por los distintos pasos, algunos te preguntarán: «¿Quieres que Opti te ayude con tu plan de marketing? ¿Quieres que te ayude a desarrollar contenido? ¿Quieres que haga todas estas cosas que pueden hacer los agentes?». Puedes trabajar codo con codo con la IA y hacerlo accesible.

Hay muchas personas que gestionan pequeñas y medianas empresas o piensan en iniciar actividades paralelas. Tienen curiosidad por la IA, pero no saben por dónde empezar. Queremos facilitarles el proceso sin que tengan que abrir Claude, intentar averiguar cómo ejecutar agentes y consumir una gran cantidad de tokens. Soy una usuaria habitual de Claude, me encanta y lo utilizo todos los días, pero lleva tiempo llegar a ese punto y, para la mayoría de las personas, no resulta especialmente accesible.

Ese es solo uno de los casos de uso en los que estamos trabajando.

Galen Low: Es fantástico. Y, antes que nada, gracias por explicarlo. Al principio iba a decir: «Aquí es donde Cali dirá: “Sin ánimo de criticar la programación por intuición”». Pero creo que has dado en el clavo. Las barreras de entrada para crear una empresa son mucho menores, aunque también existe esa exageración de que puedes programar por intuición un producto y una plataforma completos en un día.

No, no puedes. Pero probablemente sea mucho más fácil que antes. Hay un punto intermedio. Estoy pensando en lo que dijiste sobre Excel como herramienta muy general. Optimality pone parte de todo esto sobre raíles: si Claude fuera Excel, Optimality sería una herramienta más especializada y mejor adaptada a una tarea concreta que un chatbot general.

Algunas personas podrían decir: «Cali, yo puedo hacer eso. Ya lo hago en Claude. Claude me ayuda con mi marketing; simplemente le pregunto cosas». Pero parece que en Optimality el trabajo realmente se lleva a cabo. No es solo una plataforma para optimizar decisiones, sino también una plataforma de trabajo y colaboración.

Cali Collins: Es absolutamente una plataforma de colaboración. Ahí es donde se ve el valor real. Después de que una persona que intenta crear una empresa y no sabe qué hacer consiga estructurarla, el siguiente gran ámbito son las pequeñas empresas que crecen hasta el punto en que ya no sabes exactamente qué está haciendo cada persona.

Si incorporas esas señales al sistema mientras las personas colaboran, puedes decir: «Esta persona trabaja en esta área y estas otras personas hacen esto». Al mismo tiempo, mientras avanzas, construyes tu grafo de contexto. ¿Cuál es la visión de tu empresa? ¿Cuál es su misión? ¿Cuáles son sus principios?

Todo eso pasa a formar parte del cerebro de Opti. Así, cuando hace sugerencias sobre una estrategia de marketing y te ofrece distintas opciones, se basa en lo que tú le has contado. Sabe qué es importante y valioso para ti. ¿Estás creando una floristería y quieres convertirte en la floristería más grande del mundo, monopolizar el mercado y hacerte con todas las floristerías? ¿O tu pasión es ser la mejor floristería de tu pequeña localidad porque tienes un nicho y te apasiona?

El contexto ayuda a plantear correctamente la situación. Sí, puedes pedirle a Claude: «Créame un plan de marketing», y te dará algo genérico. Pero no entiende todos los elementos y partes móviles de lo que ocurre dentro de tu sistema y de tu ecosistema.

Galen Low: Me gusta mucho lo que comentas sobre cómo, a medida que crece una empresa, a veces disminuye la visibilidad. Tradicionalmente empezamos de forma improvisada y después pensamos: «Dios mío, ahora tengo 15 o 50 empleados. Necesitamos... No sé qué está pasando. Ni siquiera sé el segundo nombre de algunos».

También debemos preguntarnos si nuestros procesos siguen funcionando y si las personas continúan haciendo las cosas correctamente, alineadas con nuestros valores y nuestra misión.

Quería volver a mi postura de abogado del diablo sobre qué decidimos entregar a la IA —y quizá también a las personas— para ayudarnos a tomar decisiones. Pensamos que estamos seleccionando la información de una forma que ayuda a la gente a decidir. Por ejemplo, ¿necesita alguien saber que tuve cita con el dentista el viernes pasado? Quizá no necesito dar acceso completo a mi calendario.

Históricamente, he estado en reuniones donde se tomaban decisiones con la idea de que no había que mostrar a todo el mundo el panorama completo: se ocultaba información y se dejaban cosas fuera. Muchas decisiones se toman así porque no hemos compartido determinados datos.

Por otro lado, si no damos a la IA todo el contexto, ¿no estamos limitando sus capacidades? Parece existir un punto de equilibrio entre darle demasiada información —incluidos matices humanos que podrían confundirla— y manipularla para que produzca un resultado concreto al no compartir cierta información.

¿Cómo evitamos que las personas abusen de la IA para inclinar las decisiones en una dirección determinada? ¿Y hay decisiones que necesitan matices humanos, algo más que un grafo de contexto, y que deberíamos liderar de una manera más humana en lugar de abordar siempre cada decisión de la misma forma?

Cali Collins: En cuanto a qué información proporcionas a la IA, el sistema no sabe priorizar por sí solo qué es importante y qué no. Si vuelcas absolutamente todo y no aclaras que una transcripción corresponde a un líder sénior, ni indicas que lo dicho en esa conversación debe prevalecer sobre otras informaciones, tendrás problemas.

Debes establecer límites y no darle absolutamente todo, porque no sabe qué es importante para cada persona a menos que le proporciones esa información. En cuanto a las decisiones humanas, queremos que la persona tome la decisión final.

¿Podemos tomar mejores decisiones si disponemos de los datos que necesitamos? Sí, también necesitamos eso. Cuando estaba en ExxonMobil, construía un centro de excelencia para la gestión del conocimiento y una plataforma nativa de IA para gestionar el conocimiento y los aprendizajes. Un caso de uso importante era el de un director de producto o de proyectos de construcción que decía: «He participado en cinco proyectos. Cada vez que hemos hecho esto, ha fracasado. No deberíamos hacerlo».

Quizá esos cinco proyectos sean literalmente las únicas ocasiones en que ese caso ha fallado, mientras que en todas las demás funcionó. Tal vez este sea el 2 %. ¿Se debe a esa persona? Es posible. Y esa persona también participa en este proyecto. Es algo en lo que la IA puede ayudar.

La IA puede eliminar parte del sesgo, pero la conciencia personal de esa persona —«esto no parece funcionar»— también contiene información. Conoce una razón que los demás desconocen. No puedes decir simplemente: «Ese fue el 2 %, descartémoslo; tu opinión no importa».

El hecho de que sea el 2 % permite que el grupo tome una decisión mejor fundamentada de lo que podría hacerlo normalmente.

Galen Low: Me gusta porque no se trata de decir: «Tú tienes razón y tú estás equivocado». Aquí hay algo que aprender. Podemos evitar tomar decisiones muy generalizadas basadas en un tamaño de muestra de uno o en cinco personas de una única fuente.

Pero también hay información y conocimiento que debemos considerar. Si algo ocurrió cinco veces, tiene que haber algo que analizar. Lo interesante de este caso de uso es que puede aplicarse antes y después de la decisión. Podemos decir: «Tenemos que tomar esta decisión; recopilemos toda la información posible». O podemos hablarlo como seres humanos y después verificar los hechos y aplicar pensamiento crítico para mejorar la calidad de la decisión.

También nos ayuda a no limitarnos a escuchar las voces más fuertes de la sala, algo que ocurre con frecuencia cuando nadie quiere enfrentarse al director de proyectos sénior que lo ha visto todo y que discutirá con cualquiera que plantee una objeción.

La decisión puede quedar sin cuestionar, y eso puede desencadenar años de decisiones deficientes cuando hay mucho en juego. Has trabajado en proyectos de gran riesgo, visibilidad, presupuestos elevados y personalidades fuertes. Esto parece una forma de moderar un poco esa dinámica.

Es, de nuevo, la interacción entre las personas y la tecnología. Ya no tenemos que depender únicamente de oradores carismáticos que nos convenzan de algo, sea sensato o no; podemos aplicar pensamiento crítico.

Cali Collins: Exactamente. Algunas personas son mejores tomando decisiones precipitadas. Hay quienes destacan en ello y quienes son muy malos y necesitan tiempo para pensar, reflexionar y plasmarlo todo en una pizarra. No todos tomamos decisiones de la misma forma ni somos igual de buenos en ello. Esto puede ayudar a equilibrar un poco el terreno.

También puede hacerte consciente de que quizá no eres bueno tomando decisiones rápidas y deberías dar un paso atrás y reflexionar un poco más.

Galen Low: He abordado todo esto desde un ángulo tecnológico y ni siquiera pensé en preguntarlo: mientras construías este producto, ¿qué has aprendido sobre la toma de decisiones humana?

Me gusta la idea de que algunas personas son buenas tomando decisiones rápidas, otras son malas y algunas probablemente son malas pero creen que son buenas. Centrémonos en los líderes de proyectos. A veces tenemos la responsabilidad poco atractiva de no tomar siempre las decisiones, sino de facilitarlas. Queremos decisiones de alta calidad, pero también oportunas.

Tratamos con personalidades fuertes, partes interesadas y patrocinadores ejecutivos. ¿Qué hábitos o tácticas prácticas pueden desarrollar los líderes de proyectos para mejorar la forma en que las personas implicadas toman buenas decisiones sin sacrificar la velocidad? ¿Cómo saber si una persona que tomó una decisión rápida está tomando realmente una mala decisión?

Cali Collins: Hay varios aspectos. Yo estudié Psicología en la universidad.

Galen Low: No lo sabía.

Cali Collins: Por eso quizá encuentres un poco de esa perspectiva aquí.

También soy adicta a los libros de autoayuda, aunque ahora principalmente en audiolibro. Me encantan los pódcast y cualquier contenido que hable de la mente humana, de por qué pensamos y de por qué hacemos las cosas como las hacemos. Después estudié gestión de la construcción y obtuve una segunda licenciatura, porque no podía hacer gran cosa con la primera.

Eso me ayudó a comprender, desde la perspectiva de la construcción, todas las decisiones que toma la gente y por qué las toma. Después también hice un MBA, así que pude triangular entre todos estos ámbitos.

Para saber si estás tomando decisiones positivas o negativas, tienes que capturar el conocimiento: cuál fue el resultado y por qué tomaste la decisión mientras la estabas tomando. Así la IA puede volver atrás y reflexionar sobre ella, porque las personas no suelen tomarse el tiempo de hacerlo, especialmente si el resultado fue malo.

Otro ámbito que estamos estudiando es la procedencia de la IA: cuál es el linaje de los datos y cómo se desplazan. En Meta construí una plataforma de linaje de IA para mapear todos los datos de entrenamiento de sus modelos de IA. Incorporamos parte de esa capacidad en Optimality.

Si creas un documento, como un plan de marketing, puedes abrirlo y comprobar: «Este párrafo procede de estas transcripciones. Este otro procede de lo que esta persona me dijo aquí». La IA no solo sabe qué debe decir, sino que también muestra de dónde procede la información. No quiere ser una caja negra.

Esto puede resultar incómodo, porque si incluyó algo que tú decidiste y no funcionó, ahora sabe que fuiste tú quien tomó esa decisión. Pero las personas no podemos mejorar si tomamos malas decisiones una y otra vez sin ser conscientes de qué las causó o de que tomamos malas decisiones en un ámbito concreto.

Necesitamos cambiar para mejorar. Hace falta ser vulnerable y comprender cómo podemos mejorar, y eso ayudará a todo el mundo. Creo que la IA también puede sacar a la luz parte de esa información, aunque resulte incómodo.

Galen Low: Te había preguntado cómo puede la IA ayudarnos a tomar mejores decisiones y pensaba: «Datos. Tiene que ser mediante datos». Pero ese planteamiento de darnos la oportunidad de hacer retrospectivas sobre las decisiones que tomamos, de contar con trazabilidad y de utilizarla para reflexionar y mejorar me parece mucho más interesante.

No estamos diciendo que la IA acabará tomando mejores decisiones que los seres humanos y que estos ya no tendrán que decidir. De hecho, podría decirse que la decisión humana es cada vez más importante. A menudo pensamos que los grandes líderes son simplemente personas que toman buenas decisiones, pero, como hablamos al principio, muchos sienten que están improvisando y quizá tengan una buena tasa de éxito.

Cali Collins: Intuición.

Galen Low: Sí, su intuición. Aunque sean muy conscientes de todas las decisiones que toman, esto se convierte en una vía para mejorar. También mencionaste antes la seguridad física y la necesidad de hacer retrospectivas y rastrear lo ocurrido. No se trata de utilizar el grafo de contexto para culpar a alguien, sino de mejorar la forma en que todos tomamos decisiones. No he conocido a ningún ser humano que siempre tome buenas decisiones o que entienda siempre por qué las toma.

Cali Collins: Sí.

Galen Low: Quería volver a la gobernanza y la responsabilidad, porque es un tema importante. Ahora mismo, como mencionaste, la persona será responsable de una decisión buena o mala, aunque la IA haya accionado el proceso. Pero la IA toma decisiones constantemente. Todos somos responsables de tomar decisiones; no es algo reservado a un determinado nivel de personas ni de tecnología.

¿Qué límites debemos establecer para que la IA no cometa errores absurdos, pero también para reforzar el buen comportamiento y crear una situación en la que la IA mejore al tomar decisiones? ¿Podría llegar un momento en que hayamos mejorado la IA hasta el punto de que sea suficientemente buena para tomar decisiones y responder por ellas? Si ese futuro es posible, ¿cómo sería?

Cali Collins: Hay mucha comunicación e investigación en este ámbito.

Si pensamos en los grandes modelos lingüísticos, la IA es una serie de decisiones. Decide cuál será la siguiente palabra basándose en cuál es probablemente la mejor palabra siguiente. Eso es todo: toma una serie de decisiones según aquello para lo que fue entrenada.

Puedes empezar pidiéndole que redacte correos y quizá no lo haga muy bien, pero con el tiempo puede mejorar la redacción o las respuestas a los mensajes directos de las redes sociales de tu empresa. En Meta me mostraron un sistema que podía enviar respuestas a mensajes directos de personas que escribían a la empresa. Algunas respuestas redactadas no eran buenas, pero yo podía editarlas y entrenar el sistema para que mejorara.

Probablemente lo permitiría para determinadas tareas de bajo riesgo. Si vendes camisetas y alguien pregunta por correo si tienes un diseño en una talla concreta, la IA puede consultarlo y responder. Pero puede que no quieras que responda a otro tipo de correo. Hay que comprender cuáles son los límites adecuados.

También se investiga si la IA alcanzará un techo en cuanto al nivel de decisiones que puede tomar. Nuestra filosofía es mantener a la persona dentro del proceso y ceder gradualmente a la IA las tareas de bajo riesgo.

No quiero transferir mi responsabilidad legal ni mi deber fiduciario a Optimality, que podría acceder a mis correos, responder a otras personas y filtrar algo que perjudicara a la empresa. No es un riesgo que esté dispuesta a asumir.

Mantendré mi participación y dejaré que la IA haga otras cosas para ayudarme a optimizar mi día.

Galen Low: Es curioso porque tenemos ejemplos fuera del contexto de la IA, como el dispositivo médico que proporciona un diagnóstico dentro de un determinado margen de tolerancia. No dice: «Parece que tienes un cáncer en fase cuatro». Pero, dentro de cierto nivel, puede hacer una evaluación. Me pareció interesante lo que comentaste sobre si el desarrollador del software sería responsable.

En algunos casos, la empresa del dispositivo médico asume la responsabilidad por el diagnóstico. En otros contextos probablemente no sea así. Por ahora volvemos a la persona dentro del proceso.

También hay situaciones como la formación de coordinadores de proyectos júnior. Podemos darles comentarios y escenarios seguros para fallar, donde el margen de tolerancia sea elevado: responder un correo sobre una talla de camiseta, una fecha límite o la claridad de un entregable. Aunque la respuesta no sea perfecta, no se estrella ningún avión. Puede mejorar una y otra vez.

Pero hay cosas que no debería hacer, como prometer una nueva fecha sin consultarme. Existen niveles de responsabilidad. Yo sería responsable de que un coordinador júnior prometiera algo a un cliente o patrocinador sin consultar, y sería un momento de formación, pero al final la responsabilidad recaería sobre mí.

Cali Collins: Me gusta esa comparación. Puedes pensar en la IA como en un becario: eres responsable de las acciones de ese becario según lo que le hayas indicado que haga.

La IA no puede ser responsable porque no tiene sentido de la responsabilidad. No puedes despedirla ni degradarla porque haya tomado una mala decisión. Pero otro ámbito interesante es utilizar la IA para comprobar el cumplimiento contractual.

Puedes entrenarla con tus requisitos contractuales y especificaciones y decirle: «Observa lo que hago y avísame si potencialmente podría estar incumpliendo el contrato». No lo hace por ti; supervisa el proceso para mantenerte a salvo, ayudarte a cumplir y mantenerte dentro del marco de gobernanza.

Galen Low: Es una aplicación muy interesante. Me encanta la idea de proporcionar comentarios para que estos modelos mejoren y sean más capaces. Quizá todavía no lleguen al punto de ser responsables, porque no puedes despedirlos ni ponerlos en un plan de mejora del rendimiento.

Pero sí hay momentos de aprendizaje. También podemos aprovechar lo que hacen mejor: yo no puedo mantener todos nuestros acuerdos de nivel de servicio en la cabeza al mismo tiempo, pero una herramienta sí puede.

Para terminar, hablemos del futuro. La tecnología de IA mejora cada vez más a la hora de reunir información y decidir qué es importante. Quizá incluso tenga su propio momento de síndrome del impostor cuando se pregunta cuál será la palabra correcta. En cualquier caso, su impacto sobre la forma en que se toman las decisiones, tanto en el trabajo diario como en las grandes decisiones ejecutivas, es enorme.

Hablamos del papel del director de proyectos como facilitador de la toma de decisiones, de la gestión de riesgos y de la identificación de estos factores. Tú tienes experiencia en proyectos, productos, empresas y entornos tecnológicos. ¿Qué ocurre con el papel del director de proyectos si la IA mejora a la hora de detectar riesgos, identificar dependencias y recomendar decisiones? ¿Qué impacto tendrá en los roles que desempeñamos como seres humanos?

Cali Collins: Será aún más importante. El papel del director de proyectos será mucho más importante. Mi experiencia está relacionada con la estimación y los controles de proyectos. Mi trabajo consistía en reunir los datos y entregárselos al director sénior para que tomara decisiones.

Ese embudo se va a condensar. No significa que vayamos a eliminar a las personas de controles de proyectos, sino que tendrán mejores funciones: no tendrán que perseguir a todo el mundo preguntando «¿Has terminado esto hoy?», sino que podrán dedicar su tiempo a actividades que no sean aburridas y repetitivas.

Podrán analizar los datos, utilizar su experiencia, mejorar las cosas y entregárselas al director de producto. En el sector, especialmente en el software, antes solía haber entre ocho y diez desarrolladores por cada director de producto. Esa proporción está disminuyendo porque los desarrolladores son más eficientes. Se necesita más producto y más gestión de proyectos, porque esas personas son quienes orientan la dirección y guían las decisiones.

Al recibir muchos más datos, mucho más rápido y con mejor información, se necesita más gente capaz de tomar grandes decisiones a partir de esa información.

Yo misma me he sentido desbordada en producto porque mis desarrolladores son cada vez más rápidos. Ahora me dicen: «¿Quieres programar por intuición tus ideas y dárnoslas para que las convirtamos en código real?». Y yo respondo: «Claro». También estoy aprendiendo a hacerlo.

Esto reduce la barrera de entrada para crear cosas propias, pero hace que el papel de producto, de proyectos y de cualquier persona que tome decisiones estratégicas sea mucho más valioso.

Galen Low: Me parece maravilloso. Sinceramente, no esperaba una respuesta tan optimista, pero creo que tienes razón. La velocidad del trabajo está aumentando y, a veces, menos personas consiguen hacer más cosas. Sin embargo, hay funciones como producto, proyectos y otras que lideran, orientan y facilitan la toma de decisiones.

Si el trabajo ocurre más rápido, quizá necesitemos más personas en esos roles. También me gusta que no hayas dicho que los datos pasan directamente de la IA al responsable de tomar decisiones. Sigue siendo necesario comprenderlos, analizarlos y evaluarlos. Y, como dijiste antes, seguimos tomando decisiones hablando.

Algunos podrían considerarlo un defecto humano, pero es nuestra forma de ser. No queremos que una máquina nos diga cómo tomar una decisión. Queremos un elemento humano, un elemento persuasivo, una comprobación y una conversación que nos permita sentir confianza en que hemos llegado a una buena decisión.

Y, una vez más, la IA potencia todo eso.

Cali Collins: Sí, absolutamente.

Galen Low: Cali, ha sido muy divertido. Gracias por dedicarme tu tiempo hoy. ¿Dónde puede la gente saber más sobre ti y sobre Optimality?

Cali Collins: Estamos en LinkedIn y yo también estoy en LinkedIn. El sitio web es optimalitypro.com. Ahora puedes registrarte directamente para obtener una prueba gratuita de Optimality durante 14 días o consultar lo que estamos haciendo.

Mantenemos el sitio actualizado y, a medida que desarrollemos más casos de uso verticales, incorporaremos la documentación de apoyo correspondiente. Puedes consultarla mientras más personas construyen sobre la plataforma de Optimality. La dirección es optimalitypro.com.

Galen Low: Genial. Incluiré los enlaces en las notas del programa, tanto a tu perfil como al sitio de Optimality. Gracias de nuevo por participar. Tu trayectoria es muy interesante; ni siquiera conocía la parte de Psicología. Ha sido muy entretenido y esclarecedor. Las decisiones hacen girar el mundo.

Ahora tenemos la IA en la mezcla, pero las personas seguimos estando presentes. Qué momento tan extraordinario para estar vivos.

Cali Collins: Exactamente. Es un momento emocionante.

Galen Low: Muchas gracias, Cali.

Cali Collins: Gracias.

Galen Low: Muy bien, amigos. Eso es todo por el episodio de hoy del pódcast de Digital Project Manager. Si disfrutaste de esta conversación, asegúrate de suscribirte en la plataforma donde nos escuches. Y si quieres aún más ideas prácticas, estudios de caso y guías de trabajo, crea una cuenta gratuita con nosotros en thedigitalprojectmanager.com. Hasta la próxima. Gracias por escucharnos.