Tus agentes de IA cometerán los mismos errores que una persona recién contratada

Recientemente probé a utilizar la IA para crear recursos publicitarios para una empresa. El experimento fue un éxito, así que me puse a formar al nuevo especialista de marketing de la empresa para que pudiera hacerlo.

Se lo mostré y se lo expliqué, y él intentó reproducirlo, pero seguía cometiendo los mismos errores. Pasaron los días sin resultados y yo no podía estar sentado a su lado todo el día.

De hecho, hice exactamente lo que suelo desaconsejar. Decidí que, como se me daba bien este trabajo, bastaba con mostrarle el proceso a la persona nueva y que adquiriría mis habilidades simplemente observándome. 

Esta creencia es un error común, porque ser capaz de hacer algo por uno mismo y ser capaz de transmitir la lógica detrás de tus decisiones a otra persona son dos cosas diferentes. Ya había intentado combinarlas y no había funcionado

Cuando amplié mi empresa, STEP IT Academy, una red mundial de formación en TI, formé personalmente a los directores de las sucursales. La formación duró unos tres meses y, durante ese tiempo, no pude llevar a cabo mi propio trabajo. Una vez que extrajimos y estructuramos los conocimientos de los expertos para que la formación dejara de depender de mí o de otras personas, la formación de los directores se redujo a dos semanas y, en lugar de abrir 2–3 sucursales nuevas al año, pudimos abrir decenas.

El problema de la transferencia de conocimientos también complica ahora la integración de la IA en los procesos de trabajo. Un agente de IA puede acceder a las instrucciones y a los datos corporativos, pero no a la lógica con la que un especialista experimentado toma decisiones eficaces. Por tanto, un agente de IA cometerá los mismos errores que una persona nueva sin experiencia.

A continuación, explicaré por qué ocurre esto y cómo convertir los conocimientos de tus mejores empleados en un activo de la empresa. 

A tu base de conocimientos le falta la parte más importante

Cuando llevas años haciendo algo, tus acciones se vuelven automáticas y resulta sorprendentemente difícil responder a la pregunta «¿cómo haces eso?»

Esto se denomina conocimiento tácito: una persona sabe más de lo que puede explicar. Y esto ocurre con muchos profesionales en su campo.

Por eso, el consejo de «poner a una persona nueva junto a tu mejor empleado» no siempre funciona. El experto se ve apartado de su propio trabajo mientras intenta explicar el procedimiento, a menudo sin cubrirlo todo. La persona nueva no adquiere los conocimientos necesarios: algunas cosas se le explicaron sobre la marcha, otras las dedujo por sí misma, tuvo que preguntar por algunas y hubo otros aspectos que no se le ocurrieron, por lo que acabó cometiendo un error.

Como resultado, ambos pierden tiempo y no se consigue el resultado deseado.

Las normas y las instrucciones corporativas establecen un proceso estándar: qué abrir, dónde hacer clic y a quién enviar un documento. Pero rara vez explican por qué un especialista experimentado sigue este proceso en una situación y, en otra, se da cuenta inmediatamente de que debe apartarse de él.

No es necesario que el experto explique esto a los demás una y otra vez. En su lugar, estructura la lógica que hay detrás de sus decisiones para que su presencia deje de ser necesaria. 

Deja que hable el experto

Escribir las cosas es una habilidad en sí misma y requiere mucho más tiempo de lo que parece. Es mejor realizar una entrevista y dejar que el experto hable.

Envía las preguntas con antelación para que la persona tenga tiempo de recordar ejemplos prácticos. Si la empresa opera en distintos sectores, no le pidas que comente cada uno: no acabaríais nunca. Debes identificar 2–3 factores desencadenantes clave que influyen en las acciones de un empleado. Por ejemplo, podrían ser el tipo de mercado (B2B o B2C) o la duración del ciclo de venta (corto o largo).

Graba la conversación. La IA puede transcribirla y elaborar una estructura preliminar, pero el experto debe revisarla y añadir o corregir lo necesario.

La IA organiza bien lo que se ha dicho, pero no puede garantizar que el experto haya cubierto todos los puntos clave. El resultado de la entrevista depende, ante todo, de las preguntas. Si se pregunta «Cuéntame cómo trabajas», la persona responderá en términos generales. Entonces, ¿qué deberías preguntar? 

Pregunta por acciones concretas

Llevo muchos años participando en el desarrollo de programas de formación para empleados y he observado que los especialistas casi siempre describen su trabajo en términos abstractos: «analizar», «evaluar», «averiguar». Pero esas palabras no revelan exactamente qué hay que hacer. 

Por eso conviene detenerse en cada una y preguntar: «¿Qué haces exactamente? ¿Cuál es el primer paso? ¿Dónde buscas la información?»

Supongamos que un especialista dice: «Primero, hay que evaluar el rendimiento del departamento de ventas».

Pregunta: «¿Qué haces exactamente para conseguirlo?». Y resultará que abre las tareas de los responsables en el CRM y comprueba la proporción de tareas atrasadas. Si más de la mitad están atrasadas, para él es una señal de que el trabajo del departamento está desorganizado. Este tipo de lógica se puede transmitir después a otra persona.

Cuando un trabajo implica una amplia variedad de tareas, uno de los errores más comunes es intentar describir de inmediato todos los escenarios posibles. En una empresa compleja, puede haber cientos de ellos.

Empieza mirándolo al revés: pregunta qué permanece constante independientemente del cliente, el proyecto o el mercado. Esto te ayuda a identificar la esencia del proceso. Para un empleado nuevo, esta es la base desde la que comienza su trabajo y, para un sistema de Inteligencia Artificial (IA), es un conjunto de reglas que no cambian con el contexto.

Examina los casos extremos, no solo el proceso ideal

Pregunta a un experto qué reglas sigue en su trabajo y mencionará dos o tres que resultan evidentes. El resto las sigue sin darse cuenta, y es precisamente en ellas donde reside su experiencia.

Estas reglas surgirán si analizas distintos casos prácticos. Pide al experto que recuerde un proyecto en el que todo saliera especialmente bien y una situación en la que las cosas estuvieran a punto de venirse abajo.

En el primer caso, pregunta qué decisión o acción tomada al principio tuvo el mayor impacto en el éxito. En el segundo, pregunta qué salió mal y qué hizo exactamente el experto para resolver la situación.

En una ocasión, un miembro de mi equipo me contó que, durante una reunión general, un becario criticó duramente el trabajo de alguien del lado del cliente. Esa persona se bloqueó y el proyecto se paralizó. Un especialista sénior tuvo que intervenir, habló en privado con el interlocutor y le explicó que nadie tenía previsto cambiar su forma de trabajar. Al contrario, querían ayudarle a alcanzar el resultado por sí mismo.

Esto conduce directamente a dos reglas: no critiques el trabajo de alguien en público y asegúrate de que tu trabajo beneficie principalmente a quienes se ven afectados en su área de responsabilidad.

Precisamente estos casos extremos también son valiosos para la IA. La documentación estándar suele describir el camino habitual, pero la verdadera experiencia sale a la luz cuando faltan datos y el proceso estándar no consigue ofrecer el resultado esperado. Estos escenarios pueden convertirse en casos extremos y ejemplos con los que posteriormente se prueba el sistema de IA.

Define cómo debería ser el resultado

Imagina que has entrevistado al principal experto de la empresa. Las herramientas de IA te han ayudado a organizar la información en una estructura clara y ahora tienes una guía detallada, paso a paso, para cada empleado nuevo. ¿Cómo puedes saber si realmente la ha dominado?

Lo primero que se nos ocurre es un examen. Y esa es la peor opción: muestra lo que la persona ha memorizado, no lo que realmente sabe hacer. Es mejor que la persona recién incorporada complete una tarea del mundo real. Debes definir desde el principio cómo debería ser el resultado: una hoja de cálculo completada, un documento terminado, una pantalla configurada en el CRM o una grabación de una conversación con un cliente.

Y para definir los criterios de calidad, pregunta a un experto. Imagina que una persona recién incorporada te ha entregado su trabajo, pero no tienes tiempo para leerlo entero. ¿Qué único detalle observarías para saber si realmente lo ha entendido o simplemente ha copiado una plantilla?

Puedes ir aún más lejos. Pregunta a un experto qué error típico comete una persona recién incorporada e incorpóralo a un escenario de formación. Comprueba si el empleado detecta el problema y elige el curso de acción correcto.

El mismo principio debe aplicarse a un agente de IA. Proporciónale casos del mundo real, especialmente aquellos en los que el escenario estándar no funciona, y compara su solución con la que habría elegido un especialista con experiencia.

Si el agente adoptó un enfoque diferente, eso no significa necesariamente que el modelo no sea lo bastante bueno. Es posible que durante la entrevista no identificaras una excepción o regla importante. En ese caso, es necesario actualizar la base de conocimientos y repetir la prueba. 

Qué se consigue con esto

El conocimiento experto debe formalizarse para que la experiencia deje de estar vinculada a una sola persona. Una vez hecho esto, la incorporación ya no dependerá de que el mejor especialista esté disponible: cada nueva incorporación recibe la misma lógica operativa, en lugar de lo que el experto consiga recordar entre una tarea y otra. 

El mismo conjunto de conocimientos expertos puede funcionar en dos direcciones: para las personas y para los sistemas de IA. Puedes proporcionarles reglas para la toma de decisiones, ejemplos, excepciones y escenarios, que después pueden utilizarse para evaluar su rendimiento.