El Poder del “¿Y si…?”

 𝗘𝗹 𝗽𝗼𝗱𝗲𝗿 𝗱𝗲𝗹 “¿𝗬 𝘀𝗶…?”

Esta semana, en una reunión de trabajo con un cliente potencial, la dinámica era un déjà vu corporativo: presentación predecible, acuerdos tibios, nadie saliéndose del libreto. Sin pensarlo mucho, quizás impulsado esa curiosidad innata que siempre he tenido, lancé un: “¿Y si en lugar de cerrar esto aquí invitamos a tu cliente a decidir con nosotros en vivo?”. Silencio. Pero sentí que esta vez era distinto. Fue un silencio que hacía espacio. Me di cuenta de que era un silencio que abría puertas.

Y es que, en medio de la rutina laboral, entre informes, entregables y reuniones, hay una pregunta que puede abrir grietas en la lógica establecida: “¿Y si…?”. Dos palabras que son una llave maestra. Porque donde el procedimiento dice "así se hace", el ¿y si...? dice "¿por qué no diferente?".

Vivimos ahogados en eficiencia. Se premia la repetición que funciona, el camino probado. Pero eso también construye ceguera. La costumbre se convierte en trinchera. Es ahí donde el “¿y si…?” funciona como un bisturí: corta la inercia, descompone lo obvio y deja al descubierto posibilidades que nadie ve porque todos están mirando igual.

En mi experiencia, pocas frases generan tanto silencio incómodo en una sala como un “¿y si…?” bien lanzado. Es una bomba chiquita que detona certezas. ¿Y si los clientes diseñaran el producto con nosotros? ¿Y si los lunes fueran sagrados para no tener reuniones? ¿Y si la competencia no fuera amenaza sino insumo?

Es el equivalente a ese colega o socio que, justo cuando crees que ya finalizaron un trabajo, cuando hay una versión final del producto, dice: “¿Y si probamos otro enfoque?”. Al principio irrita. Luego ilumina. Porque la mayoría de las soluciones memorables nacieron de un deslizamiento: alguien se salió del carril.

La analogía es simple: piensa en un escritorio de oficina. Siempre ordenado igual. Los lapiceros a la izquierda, el cuaderno al centro, la taza de café al borde derecho. Ahora, un día, alguien mueve todo de sitio. Y sin darte cuenta, te obliga a mirar de nuevo, a adaptarte, a reevaluar lo que dabas por sentado. Eso es el “¿y si…?”: reordenar el escritorio mental.

Hazlo costumbre. Una vez al día. Al revisar un proceso, al liderar una conversación, al evaluar una decisión. Pregunta: “¿Y si lo hiciéramos al revés? ¿Y si quitamos esto? ¿Y si lo hacemos más simple?”. No siempre cambiarás el mundo, pero entrenarás tu mirada para encontrar lo que otros pasan por alto.

El ‘¿y si…?’ es la primera contracción de una idea viva. No grita, no empuja, no impone. Susurra. Pero si la escuchas, puede partir tu mundo en antes y después.

La sobrecarga de la IA: Entre el hype, la desinformación y la infoxicación

 

Atención es todo lo que necesitas. Parece algo de sentido común y además algunos sabrán exactamente a qué me refiero con esa expresión. IA es la sigla del momento y con toda la razón. Era lo que estábamos esperando, algunos de nosotros incluso desde hace décadas.

Pero lo que está ocurriendo es arrollador. Si estás leyendo esto seguramente también estás siendo bombardeado vía redes sociales con titulares como:

“70 ChatGPT prompts para optimizar tu perfil de LinkedIn”

“7000+ cursos de IA GRATIS. ¡Accede ahora!”

“30+ Cheat Sheets definitivas para dominar la IA”

“37 ChatGPT prompts poderosos para ayudarte”

“28 prompts that can save you thousands of dollars”

“20 habilidades de aprendizaje con ChatGPT”

 “La IA no te reemplazará, pero quien sepa usarla SÍ”

También están las llamadas “Cheat Sheets”, infográficos con docenas o cientos de formas, conveniencias, modos, maneras, condiciones, conductas, procederes y tácticas para hacer las cosas con IA. Imágenes extremadamente complejas para el ser humano convencional. (Regresar a ver la portada).

Y no es ciencia ficción. Es nuestra realidad diaria en el mundo digital. La inteligencia artificial (que, a propósito, en español se escribe con minúsculas) está en boca de todos y, lo que es más preocupante, en las publicaciones de todos. ¡Los números son realmente descomunales!

No se trata de que la IA sea una moda pasajera. Es una revolución en marcha, una de las más impactantes de nuestra era, sino la más. Pero la forma en que se nos está vendiendo es, por decirlo de alguna manera, abrumadora. No es que haya 3 herramientas útiles para mejorar tu productividad, sino 50. No son 5 estrategias, sino 1000+. No se trata de aprender con calma, sino de devorar cantidades monumentales de información, como si el simple acto de consumir nos volviera expertos.

La Infodemia de la IA

La sobreexplotación del discurso sobre la IA tiene un efecto claro: genera ansiedad. La avalancha de información, consejos, cursos, prompts, plugins y "secretos" produce un efecto contrario al deseado. En vez de empoderarnos, nos paraliza.

Algunos amigos me han confesado que no pueden dormir debido a ello. Si eres un CEO o similar seguramente tu nivel de estrés haya sobrepasado máximos históricos. Muchos se sienten abrumados, incapaces de ponerse al día con la marea de supuestos conocimientos imprescindibles. La paradoja es evidente: el exceso de información produce desinformación. Con cada nueva "cheat sheet", con cada "curso definitivo", con cada "descubrimiento revolucionario", con cada nueva versión del chatbot de la semana, el usuario promedio queda atrapado en un círculo vicioso de aprendizaje sin aplicación real.

La falacia del experto instantáneo

El otro gran problema es la proliferación de "gurús de la IA". LinkedIn, X y mucho de la Internet que transitamos están plagadas de autoproclamados expertos quienes parecen haber descubierto el Santo Grial de la inteligencia artificial.

¿Han probado las herramientas que promocionan? ¿Han seguido alguno de los procesos que proclaman? ¿O simplemente están repitiendo lo que vieron en otro post viral? Yo no lo sé de cierto, lo supongo. La IA, como cualquier otra disciplina, requiere estudio, experimentación y un profundo conocimiento del contexto. No se trata de memorizar "los 42 prompts definitivos", sino de comprender cómo y por qué funcionan.

Cómo sobrevivir a la sobrecarga de IA

Ante este tsunami informativo propio de tabloides más que de ciencia e ingeniería, te quiero dar algunos consejos esenciales:

1.      Ve a tu ritmo: No intentes absorberlo todo en un día. La IA es una herramienta poderosa, pero su dominio requiere tiempo. Evita los cursos "exprés" que prometen convertirte en experto en "3 minutos al día".

2.      Acompáñate de verdaderos expertos: Busca mentores que hayan recorrido el camino antes que tú, que puedan guiarte con conocimiento real y no con humo digital.

3.      No te agobies: Siempre habrá alguien más adelante y alguien más atrás. Aprende de los primeros y ayuda a los segundos. La IA no es una competencia de velocidad; es una carrera de fondo.

4.      Filtra el contenido con criterio: En un entorno sobresaturado de información, aprender a discriminar fuentes confiables de aquellas que solo buscan generar clics y engagement es crucial. Pregúntate: ¿esta información proviene de una fuente académica o empresarial con respaldo? ¿El contenido tiene profundidad o solo repite lo que otros dicen?

5.      Evita el FOMO (miedo a quedarse atrás): La IA avanza rápido, sí, pero la presión por estar siempre actualizado puede ser contraproducente. Define tu propia cadencia de aprendizaje y enfócate en aquello que realmente aporte valor a tu crecimiento personal y profesional.

Llamado a la acción

El ritmo con el que se está propagando la información sobre IA es avasallador, intimidante, abusivo y, en muchos casos, irresponsable. Quizás nunca estemos a la vanguardia, pero la pregunta es: ¿realmente quieres estarlo?

Piensa en ello antes de dar clic en la próxima lista de "100 herramientas de IA que cambiarán tu vida". Quizás lo que realmente cambie tu vida sea aprender a priorizar lo que importa y avanzar con pasos firmes, en vez de correr sin rumbo en una maratón sin fin.

Sprints inteligentes: ¿cómo la IA potencia la toma de decisiones con Insights basados en datos?

Sprints inteligentes: ¿cómo la IA potencia la toma de decisiones con Insights basados en datos?

En el artículo anterior, “Más allá del sprint: ¿Por qué la IA está revolucionando la agilidad y poniendo el mundo empresarial de cabeza?” exploramos a grandes rasgos cómo es posible integrar la IA a nuestra práctica ágil tradicional. Hoy vamos a examinar con algo más de detalle cómo mejorar la toma de decisiones con información basada en datos.

Y es que, hoy por hoy, tomar decisiones informadas es más crítico que nunca. Los equipos ágiles avanzan gracias a iteraciones rápidas y a la mejora continua, pero para sobresalir realmente, necesitan algo más que intuiciones o corazonadas: requieren puntos de vista basados en datos. Los equipos pueden optimizar sus procesos de toma de decisiones aprovechando el poder de la Inteligencia Artificial (IA) para procesar enormes volúmenes de información, asegurándose de generar el mayor valor posible en cada sprint.

El papel fundamental de los datos en la toma de decisiones ágiles

Los equipos ágiles fundamentan todo su trabajo en el desarrollo iterativo y en la retroalimentación continua. Tradicionalmente, los equipos ágiles confiaban en revisiones periódicas, sesiones de retroalimentación con clientes y reuniones retrospectivas para orientar sus decisiones. Sin embargo, estos métodos, aunque valiosos, a menudo presentan retrasos inherentes y pueden pasar por alto cambios sutiles en el comportamiento de los usuarios. Con la explosión de datos digitales—desde clics y tiempos de sesión hasta el sentimiento en redes sociales y dinámicas del mercado—las organizaciones ahora disponen de herramientas que les permiten acceder a perspectivas en tiempo real capaces de influir drásticamente en la toma de decisiones.

La toma de decisiones basada en datos transforma la manera en que los equipos ágiles priorizan las historias de usuario y refinan su backlog de producto. Si además integran analítica con IA en sus procesos, los equipos pueden examinar muchos datos para detectar patrones y tendencias que de otro modo pasarían desapercibidos. Por ejemplo, una plataforma de comercio electrónico podría analizar los datos de navegación de sus usuarios para identificar en qué punto del proceso de compra se abandonan los carritos. En lugar de esperar a recibir retroalimentación anecdótica, el equipo ágil obtiene insights inmediatos y cuantificables que impulsan la planificación de un sprint cuyo objetivo sea resolver ese problema. Este enfoque minimiza el esfuerzo desperdiciado y garantiza que cada ciclo de desarrollo esté alineado con las verdaderas necesidades del usuario.

Además, los insights basados en datos permiten a los equipos predecir tendencias futuras en lugar de simplemente reaccionar a comportamientos pasados. En un entorno ágil, donde cada sprint es una oportunidad de aprendizaje, la capacidad de anticipar las necesidades de los clientes puede marcar la diferencia. Los algoritmos de IA pueden pronosticar tendencias al comparar las interacciones actuales de los usuarios con datos históricos, proporcionando una capa predictiva a la toma de decisiones. Esta capacidad predictiva no solo acelera el ciclo de desarrollo, sino que también reduce el riesgo de invertir en características que podrían no aportar el valor esperado. La integración de la IA convierte los datos en un activo estratégico, empoderando a los equipos ágiles para tomar decisiones oportunas y efectivas.

Cómo la IA transforma los datos en Insights accionables

En el núcleo de la toma de decisiones mejorada mediante IA se encuentra la habilidad de procesar y analizar datos a gran escala. Los sistemas modernos de IA utilizan algoritmos de aprendizaje automático para examinar vastos conjuntos de datos, identificando tendencias y anomalías que los analistas humanos podrían pasar por alto. Estos sistemas operan en tiempo real, actualizando continuamente sus modelos basándose en nuevos datos, lo que garantiza que los insights sean siempre actuales y relevantes. Para los equipos ágiles, esto significa que cada decisión—desde la planificación del sprint hasta la priorización de historias de usuario—puede respaldarse con datos concretos y actualizados.

Veamos un escenario en el que un equipo de desarrollo de software trabaja en una nueva funcionalidad para una aplicación móvil. Tradicionalmente, el equipo podría depender de retroalimentación esporádica de los usuarios o de unas pocas encuestas para evaluar el impacto de la funcionalidad. Sin embargo, al incorporar analíticas impulsadas por IA, el equipo puede monitorear continuamente las interacciones de los usuarios. Por ejemplo, el sistema de IA podría revelar que los usuarios abandonan la nueva funcionalidad poco después de iniciarla. Con ese insight, el equipo puede investigar más a fondo, identificar posibles problemas de usabilidad y ajustar su plan de desarrollo en el siguiente sprint. Esta respuesta rápida e informada por datos reduce el tiempo improductivo y mejora la calidad general del producto.

Más allá de los ajustes reactivos, la IA ofrece recomendaciones proactivas. Cuando analizan datos históricos y tendencias actuales, las herramientas de IA pueden predecir cuáles características o correcciones tendrán el mayor impacto en la satisfacción del usuario. Esto no solo mejora la calidad del producto final, sino que también optimiza el proceso de toma de decisiones. Los equipos ágiles ya no tienen que depender únicamente de evaluaciones subjetivas; en su lugar, pueden utilizar los insights generados por la IA para validar sus estrategias y priorizar iniciativas respaldadas por datos sólidos. El resultado es un proceso de desarrollo más eficiente, ágil y centrado en el cliente.

En el ámbito de los servicios financieros, por ejemplo, los equipos ágiles pueden utilizar la IA para mejorar la toma de decisiones en la gestión de riesgos y en la atención al cliente. Por ejemplo, un banco podría implementar un sistema basado en IA para analizar datos de transacciones y detectar actividades fraudulentas. Este sistema monitorea continuamente el comportamiento de los clientes y alerta en tiempo real ante anomalías. Cuando se detecta una actividad sospechosa, el equipo ágil puede movilizarse rápidamente para investigar y mitigar posibles riesgos. Esto no solo protege los activos del banco, sino que también refuerza la confianza del cliente. Además, la IA puede ofrecer una visión clara sobre los hábitos de gasto de los clientes, ayudando al banco a personalizar sus servicios y productos para satisfacer mejor las necesidades de sus usuarios.

Beneficios y desafíos de la toma de decisiones basada en datos

Beneficios

En primer lugar, mejora la velocidad y la precisión en la toma de decisiones. Los equipos ágiles pueden identificar y abordar rápidamente los problemas, asegurando que el producto evolucione conforme a las expectativas de los usuarios. Esto no solo eleva la calidad del producto final, sino que también acelera el tiempo de salida al mercado—una ventaja crítica en el panorama competitivo actual.

Además, las perspectivas basadas en datos fomentan una cultura de transparencia y responsabilidad. Cuando las decisiones se respaldan con datos concretos, resulta más fácil justificar cambios y asignaciones de recursos. Este enfoque objetivo minimiza los conflictos internos y alinea al equipo en torno a metas claras y medibles. La capacidad de predecir tendencias y anticipar las necesidades del cliente conduce a un proceso de desarrollo más proactivo, lo que proporciona a las empresas una ventaja estratégica frente a la competencia.

Desafíos

Uno de los principales obstáculos es la calidad de los datos. Para que la IA genere insights confiables, los datos subyacentes deben ser precisos, completos y estar libres de sesgos. Una mala calidad en los datos puede llevar a conclusiones erróneas y a esfuerzos mal direccionados, lo que en última instancia puede dañar tanto el producto como la reputación de la organización.

Otro desafío importante es el cambio cultural necesario para adoptar la toma de decisiones basada en datos. Los equipos ágiles acostumbrados a confiar en la intuición y en mecanismos tradicionales de retroalimentación pueden mostrar resistencia al cambio hacia un enfoque más analítico. Esta resistencia se puede superar mediante la educación y la capacitación, demostrando éxitos incrementales que pongan de relieve los beneficios de la integración de la IA. Además, las organizaciones deben invertir en la infraestructura y en las herramientas necesarias para recolectar, procesar y analizar datos de manera efectiva. Aunque esta inversión puede resultar significativa, los beneficios a largo plazo en términos de eficiencia e innovación suelen justificar los costos iniciales.

Tendencias futuras e implicaciones estratégicas

Apostamos por una integración aún más profunda de la IA con la agilidad, una en la que la IA no solo analiza datos, sino que también sugiere cambios estratégicos, predice variaciones del mercado e incluso automatiza partes del proceso de toma de decisiones. Por ejemplo, ya estamos explorando tecnologías emergentes de IA que nos permitan experimentar con la planificación autónoma de sprints, donde el sistema recomienda el conjunto óptimo de historias de usuario a abordar en función de datos en tiempo real y analíticas predictivas.

Desde un punto de vista estratégico, las organizaciones que inviertan en prácticas ágiles basadas en datos impulsadas por IA estarán mejor posicionadas para navegar en el maremágnum mercantil de hoy. Estas empresas podrán adaptarse rápidamente a las demandas cambiantes de los clientes, minimizar riesgos y aprovechar oportunidades que la competencia podría pasar por alto. La exitosa fusión de la IA y las prácticas ágiles se convertirá en un diferenciador crítico, sentando las bases para la próxima generación de transformación digital.

Además, a medida que las tecnologías de IA se vuelvan más sofisticadas, la colaboración entre la creatividad humana y la precisión de la máquina se profundizará. El papel de los equipos ágiles evolucionará hacia una integración en la que datos e intuición se combinen de manera armoniosa, llevando a un enfoque equilibrado que aproveche las fortalezas tanto del análisis humano como del automatizado. Esta relación simbiótica está destinada a redefinir la innovación y la eficiencia en múltiples industrias.

No, ya pasamos hace rato el punto de no retorno. No es posible avanzar en el camino que supone la agilidad sin el soporte de una herramienta tan poderosa como la inteligencia artificial. ¿Ya lo estás haciendo en tu equipo u organización?

Del caos a la sinfonía: Armoniza a tu equipo antes de que todo suene mal

Del caos a la sinfonía: Armoniza a tu equipo antes de que todo suene mal

Durante 37 años he trabajado con o acompañado a cientos de equipos y miles de personas y he tenido la oportunidad de crear con ellos productos asombrosos. Incluso he escrito y publicado libros en los últimos 15 años, una operación que siempre se logra colaborando en equipo. Es bastante satisfactorio cuando entregas al público algo en lo que has sido minucioso y le has dedicado buena parte de tus mejores momentos.

Pero también he estado allí cuando las cosas no han salido bien. No es solo tu desilusión, es la de todo un grupo de personas que se han desempeñado de la mejor manera posible para lograr un objetivo y no ha sido posible. He estudiado mucho este fenómeno de cuando las cosas no terminan bien para un equipo o para una empresa. Después de todo, las heridas físicas y hasta mentales causadas por estas caídas saltan a la vista.

Precisamente, una de las causas más frecuentes, casi endémicas, de tales decepciones es esta de la desalineación de los equipos. Y voy a empezar a explicarte de qué se trata con un ejemplo muy común. Es como cuando intento llevar a cabo un plan de salir a cenar con mi esposa y mi hija. Parece algo sencillo, ¿cierto? ¡No te apresures!

He estado en medio de ambas cuando una lleva soñando toda la semana con comida italiana mientras la otra quiere sushi porque es más digno de Instagram. Yo, en cambio, solo quiero un buen bistec porque he tenido una larga semana y necesito algo más sustancioso. En el debate emergen argumentos de que los ñoquis son un alimento reconfortante, pero hay un contraataque diciendo que el sushi es más ligero y saludable. Ni hablar de cuando trato de ser el pacificador sugiriendo un restaurante de carnes con opciones de sushi, porque te dicen: “¡Eso no cuenta como sushi de verdad!”.

Esto es esencialmente un desajuste de equipo en su forma más evidente. Todos compartimos el mismo objetivo general (cenar juntos), pero las diferentes perspectivas (comida reconfortante versus comida de moda versus comida saludable), objetivos específicos disímiles (satisfacer antojos versus comidas dignas de Instagram) y alcances discordantes (satisfacción inmediata versus experiencia culinaria) convierten todo en un caos.

¿Les suena familiar? Este tipo de desajustes ocurren todo el tiempo en los equipos y, si no se resuelven, pueden hacer que hasta las tareas más sencillas resulten agotadoras. Por suerte, al igual que en mi familia, un poco de empatía, alineación y compromiso pueden salvar el día y tal vez incluso llevar a descubrir el mejor restaurante de cocina fusión de la ciudad.

Tres formas de desalineación en los equipos

Mi historia de la cena malograda captura la esencia de los desajustes que a menudo vemos en los equipos: perspectivas diferentes, objetivos diferentes y alcances diferentes.

Diferentes perspectivas: el “elefante en la habitación”

Surgen diferentes perspectivas porque cada uno tiene su propio "enfoque" moldeado por experiencias, conocimientos y prejuicios personales. Esta es la clásica historia de los ciegos que describen un elefante: uno siente la trompa y dice que es una serpiente, otro agarra la pata y afirma que es un árbol, mientras que el que toca la cola piensa que es una cuerda. Todos tienen razón, pero no están alineados.

Este tipo de desalineación se caracteriza principalmente por:

·       Opiniones contradictorias a pesar de datos compartidos.

·       Desafíos para comprender “por qué” alguien lo ve de manera diferente.

·       Con frecuencia una fuente de frustración es: "¡¿Cómo es posible que no lo entiendan?!"

Es un hecho, las personas estamos programadas para interpretar las situaciones en función de nuestra experiencia y función. Un programador se centra en el código, mientras que alguien de mercadeo ve el impacto en el cliente. Ninguno de los dos está equivocado, pero ambos carecen de una visión completa. Es lo que alguna vez llamé “dicotomía peyorativa”. ¡Todavía recuerdo aquella reunión!

Diferentes objetivos: el tira y afloja

Se presentan distintos objetivos cuando los miembros del equipo priorizan diferentes resultados. ¿Recuerdan lo del sushi o la comida italiana? Es así. No se puede complacer a todo el mundo, a menos que se encuentren puntos en común. Los equipos se enfrentan al mismo tira y afloja cuando los individuos o los grupos tienen objetivos contrapuestos.

Lo que he visto que ocurre incluye:

·       Desacuerdos sobre lo que es "más importante".

·       Prioridades mal alineadas conducen a un desperdicio de energía.

·       La gente tira en direcciones opuestas, por ejemplo: “¡Necesitamos velocidad!” versus “¡Necesitamos calidad!”.

De primerísima mano sé que los objetivos están influenciados por los roles de los miembros del equipo, los incentivos y las definiciones individuales de éxito. Sin una visión compartida, las prioridades personales se imponen. He visto Product Owners presionando para que se lance un producto rápidamente, mientras que el equipo de desarrollo aboga por que se realicen más pruebas. Es el clásico debate de "rápido versus impecable".

Diferentes alcances: el efecto zoom

Los alcances definen cuán estrecha o amplia es nuestra perspectiva de una situación. He conocido personas que se obsesionan con los pequeños detalles mientras que otras los desestiman como si "no fueran gran cosa". De hecho, ahora que lo pienso, yo mismo he estado en ambos lados del disco. Los equipos experimentan esto cuando los individuos operan en diferentes "niveles de zoom": algunos piensan estratégicamente, otros tácticamente.

Eso es una desalineación del alcance. Si te has encontrado con algunas de estas escenas, también has estado allí:

·       Alcance limitado: "Vamos a solucionar este error".

·       Amplio alcance: "¿Cómo encaja esto en nuestro roadmap anual?"

·       Tensiones entre la corriente o dirección táctica y la estratégica del equipo o de la empresa.

El alcance también depende de las prioridades y la responsabilidad. Un desarrollador tiene la tarea de solucionar el problema de hoy, mientras que el CEO tiene en mente la participación de mercado del próximo año.

¿Y la solución?

Tengo que admitir que soy mejor resolviendo desajustes de equipos de trabajo que los emocionantes y románticos conflictos  familiares tipo sushi versus espagueti. Igual me divierto con estos y me hacen muy feliz.

Pero primero buscamos la causa raíz. ¿Qué tienen en común estos tipos de desalineación de equipos? En general, se deben a:

·    Brechas en la comunicación: con frecuencia, las suposiciones reemplazan las conversaciones reales.

·   Falta de contexto compartido: las responsabilidades y la experiencia de las personas determinan lo que consideran relevante.

·    Naturaleza humana: somos naturalmente centrados en nosotros mismos y se necesita esfuerzo para ver más allá de nuestra propia perspectiva. Esta es la raíz más compleja de todas.

Hay más orígenes, pero estos son los más comunes. En ocasiones, vas a necesitar acompañamiento para resolver estos trances, pero para ir del caos a la cohesión puedes empezar:

Creando un entendimiento compartido: incentiva a las personas a compartir sus perspectivas abiertamente. Ayuda a que todos vean el problema en su conjunto, no solo sus partes. Por ejemplo, en las reuniones, utiliza la regla “¿cuál es tu opinión?”, donde cada uno comparte su punto de vista antes de llegar a las conclusiones.

Alineándolos en torno a un objetivo común: facilita debates para identificar objetivos compartidos. Una "estrella del norte" sólida alinea las prioridades en pugna. Aquí, por ejemplo, los OKR (objetivos y resultados clave) juegan un papel fundamental para que los objetivos finalmente sean explícitos y visibles para todos.

Aclarando los alcances: aumenta y reduce la perspectiva entre todos. Analiza las prioridades inmediatas (logros a corto plazo) y cómo se relacionan con los objetivos más extensos (visión a largo plazo). Y,

Fomentando la empatía: adquiere el hábito de tener en cuenta las responsabilidades y las prioridades de los demás. Esto disminuye los juicios y fomenta la colaboración. Me ha ido bien con las dinámicas tipo “ponerse en los zapatos del otro” durante las retrospectivas o en cualquier otra sesión necesaria.

Aplico algunas de estas prácticas con mi esposa y mi hija cuando se trata de salir a divertirnos o decidir dónde cenar. En la historia que les compartí, después de un entretenido tira y afloja, ¡terminamos eligiendo comida de mar! Es algo que conecta con nuestras raíces y que siempre nos ayuda a encontrar un punto en común. Si esto es posible en mi familia—donde las decisiones a veces parecen un cónclave de las Naciones Unidas—créanme, también es posible alinear a tu equipo de trabajo.

Llamado a la acción

No es más por esta vez. Los desajustes son naturales, pero no insalvables. Fomenta la comunicación abierta, la alineación en torno a objetivos armónicos y el equilibrio de alcances. Con esto, los equipos pueden transformar la fricción en combustible. Ya sea que se trate de una sencilla cena familiar o de un proyecto de trabajo, la magia ocurre cuando todos reman en la misma dirección. Y, si todo lo demás falla, ¡siempre hay hamburguesas para cenar!

Planificación empírica de productos

 

Mi serie de artículos sobre los errores de los [nuevos] Scrum Masters despertó interés en algunos otros temas. La cuestión más recurrente que me llegó fue esta de la planificación empírica de productos. Es un descuido común. Lo decía en el primero de los tres artículos, mismo que encuentras aquí:

Siete errores comunes de los nuevos Scrum Masters al servicio de los Product Owners – Lucho Salazar

Pues bien, sobre este asunto ya escribí hace algunos años, así que para entenderlo mejor, empieza por aquí:

Nuestro Scrum empírico de todos los días - Gazafatonario IT

Específicamente, establecer una planificación empírica de productos para un entorno complejo significa tomar decisiones relacionadas con el producto basadas en datos, observaciones y evidencias reunidas a lo largo del proceso de desarrollo, en lugar de confiar en suposiciones, planes a largo plazo o predicciones. Y una advertencia en este apartado: hay que ser cuidadosos con ese “a lo largo del proceso de desarrollo”. En ocasiones no es bueno ir tan atrás.

En entornos complejos, donde las condiciones del mercado, las preferencias de los clientes y la tecnología cambian rápidamente, raya en lo imposible predecir con certeza qué le dará más valor al producto. Es allí donde aprovechamos el enfoque iterativo e incremental de Scrum para hacer planificación empírica de productos, recopilando retroalimentación con frecuencia y adaptándonos en función de lo que observamos y aprendemos.

Trataré de dilucidar al respecto.

Paso a los entornos complejos

Ya basta de Cynefin o de cualquier otro modelo que intente explicar los distintos entornos donde nos movemos. En la práctica, un entorno complejo se caracteriza por la gran cantidad de variables y factores desconocidos con las que los equipos lidian al intentar predecir de manera confiable el mejor curso de acción. Ejemplos de esto incluyen:

·       Tendencias de mercado cambiantes.

·       Necesidades inciertas de los clientes.

·       Evolución de la competencia o cambios regulatorios.

·       Avances tecnológicos rápidos.

En escenarios de esta clase, los planes a largo plazo basados en supuestos fijos no arrojan los resultados esperados. El éxito del producto depende de un aprendizaje constante vía experimentación, retroalimentación y adaptación.

Implicaciones de la planificación empírica de productos

La planificación empírica de productos requiere de transparencia, inspección y adaptación: los tres pilares de Scrum.

Transparencia: todos los involucrados en el desarrollo del producto tienen visibilidad sobre el progreso, los riesgos y el estado del trabajo. Esto requiere que los elementos del Product Backlog estén claros y actualizados, así como una comunicación continua.

El Product Backlog es compartido abiertamente y visible para todos los interesados. Alguien como el Product Owner lo actualiza regularmente en función de los últimos datos proporcionados por los usuarios, el mercado, regulaciones o descubrimientos técnicos. Ese 50 % del tiempo que el Product Owner no pasa con el equipo, lo debe transitar en el entorno del producto. Indaga. Profundiza. Se proyecta. Se anticipa, por ejemplo, a asuntos regulatorios por venir.

Inspección: todo el equipo, especialmente el Product Owner con ayuda del Scrum Master, inspecciona con regularidad el producto y el progreso hacia los objetivos. Recopilan retroalimentación con frecuencia a través de Sprints de corta duración, revisiones y pruebas.

Por ejemplo, al final de cada Sprint, el equipo Scrum revisa el trabajo completado y busca la retroalimentación del cliente. Además, inspeccionan métricas como el compromiso de los usuarios, los datos de rendimiento del producto en producción o las funcionalidades más usadas, entre otras.

Adaptación: en función de las observaciones durante las inspecciones, los equipos adecúan sus planes, prioridades y enfoques. En lugar de seguir una hoja de ruta fija, se ajustan para reflejar nuevos conocimientos. Es cuando la “magia” ocurre. Por ejemplo, si el Product Owner nota una disminución en el compromiso de los usuarios, con el equipo ajusta el Product Backlog, priorizando funciones que mejoren la experiencia del usuario en lugar de seguir el plan ya establecido.

Planificación empírica de productos en acción

En la planificación empírica de productos no creamos planes elaborados a largo plazo. En cambio, usamos un enfoque de onda continua, donde proyectamos en detalle para los dos o tres sprints siguientes a la vez que mantenemos el trabajo futuro flexible.

También hacemos planificación empírica cuando, en lugar de construir una funcionalidad basada en suposiciones sobre el comportamiento del usuario, lanzamos una versión básica después de uno o dos Sprints. A partir de allí, observamos cómo los usuarios interactúan con ella, aprendemos qué funciona y qué no y ajustamos los planes futuros.

Además, cuando adoptamos una mentalidad donde las funciones y mejoras son realmente experimentos, estamos haciendo planificación empírica de producto. Establecemos hipótesis, las probamos rápidamente y utilizamos los resultados para guiar nuestras próximas decisiones. Después de todo, de eso se trata el “ser” ágil: de experimentar.

Las cosas así, los beneficios no se hacen esperar. Mitigamos riesgos, porque evitamos perder tiempo y recursos en funciones que no aportan valor. Nos centramos en el cliente, ya que los ciclos frecuentes de retroalimentación aseguran que el producto esté en constante evolución para satisfacer sus necesidades. Y somos flexibles, esto es, respondemos rápidamente a cambios en el mercado o nuevas oportunidades.

La responsabilidad del Scrum Master en la planificación empírica de productos

No hay otra forma de decirlo: el Scrum Master debe asegurarse de que el Product Owner y el equipo en pleno adopten la planificación empírica de productos. Este es el quid de la cuestión.

·       Fomenta ciclos de planificación más cortos: promueve pequeños pasos incrementales en lugar de planes a largo plazo.

·       Facilita los ciclos de retroalimentación: se asegura de que las Sprint Reviews sean significativas y conduzcan a ideas accionables.

·       Enseña pensamiento adaptativo: ayuda al Product Owner y al equipo a centrarse en la toma de decisiones basada en evidencias, en lugar de planes rígidos basados en antojos o cábalas.

·       Impulsa la inspección y adaptación: facilita que el equipo e interesados inspeccionen el progreso con regularidad y adapten su enfoque según lo que aprenden.

Pensamiento final

Solo quiero enfatizar que el desempeño pasado no es garantía del desempeño actual y mucho menos de futuro. Son solo eso, predicciones, pronósticos, hipótesis en el mejor de los casos, unas fallarán, otras no.

Es un hecho, la cantidad de incertidumbre en un pronóstico aumenta a medida que miras hacia el futuro. Perentorio.

El TAO de la experimentación: del caos a la evolución organizacional

 

Una de las conversaciones más extensas que sostuve en el más reciente Ágiles Latinoamérica en Lima, Perú, trató sobre experimentar en las organizaciones, a raíz de una charla de Jorge Abad sobre Liderazgo Digital, donde él preguntaba a los asistentes sobre el número de experimentos en el último mes: solo 2 o 3 personas mencionaron que 1. Un número irrisorio por demás que deja mucho que desear para empresas que están en la senda de la transformación digital. Y, sin embargo, muchísimo más que el resto de las empresas representadas en la sesión, cuyo número de experimentos simplemente es un vacío cero.

Mi crítica no se hizo esperar a la salida. Les contaba a mis amigos peruanos cómo Booking.com realiza más de 1.000 pruebas rigurosas simultáneamente y, según estimaciones, más de 25.000 pruebas al año. En cualquier momento dado, millones de miles de millones de permutaciones de páginas de destino activas, lo que hace prácticamente improbable que dos clientes en la misma ubicación vean la misma versión. Este nivel de experimentación ha ayudado a transformar la empresa de una pequeña empresa emergente holandesa a la plataforma de alojamiento en línea más grande del mundo en menos de dos décadas.

Les prometí finalmente que iba a escribir más sobre ello y aquí estoy.

Y es que experimentar, en el sentido amplio del concepto, no es solo un método. Es un estilo de vida. En mi era ágil como coach ágil, me di cuenta de que cada organización, cada equipo y cada individuo poseen un universo de potencial. Pero para aprovecharlo, debemos fomentar una cultura de experimentación.

Primero hablemos de las razones por las cuales no experimentamos:

1. Experimentación vs. Miedo al Fracaso

Durante mis primeros años como coach ágil, me encontré con equipos tan paralizados por el miedo al fracaso que dudaban en probar algo nuevo. Estaban practicando Scrum, pero sentía que estaban "haciendo ágil" en lugar de "ser ágiles". A uno de ellos, en particular, les propuse un desafío: en cada retrospectiva, llevaríamos a cabo un experimento. ¿Los resultados? Asombrosos. Cuanto más experimentaban, más aprendían. Y con cada experimento, el miedo al fracaso disminuía. Al celebrar los fracasos tanto como los éxitos, transformamos ese miedo en combustible para el crecimiento.

2. Generación y Validación de Hipótesis

Trabajando con el sector financiero siempre me encuentro con vacilaciones, dado el alto nivel de aprehensión por la seguridad, la regulación y la gestión de riesgos, que son aspectos cruciales en esta industria. En una ocasión, un equipo estaba interesado en integrar una nueva funcionalidad, pero a su vez estaba inseguro sobre su recepción. En lugar de hacer suposiciones, generamos una hipótesis: "Creemos que, al agregar la Función X, podemos aumentar la participación de los usuarios en un 15 % durante el próximo trimestre". Lanzamos un producto mínimo viable (MVP) y lo probamos. Los resultados no fueron los que esperábamos, pero las percepciones que obtuvimos fueron invaluables. Este enfoque iterativo de generar y validar hipótesis se convirtió en el corazón de su desarrollo de producto.

3. Aprendiendo del Fracaso: la esencia del crecimiento

Una vez guie a una organización a través de una transformación ágil a gran escala. Enfrentamos desafíos en cada esquina, desde la resistencia al cambio hasta malentendidos sobre ágil. En lugar de ver estos como obstáculos, vimos cada desafío como un experimento. Con cada "fracaso", recopilamos datos, adaptamos nuestro enfoque y avanzamos con una comprensión aún mayor. Fue en estos momentos de adversidad donde ocurrió el crecimiento más profundo.

La esencia de la experimentación en las organizaciones

La experimentación es ese gen de una práctica deliberada de probar nuevas ideas, procesos o productos de manera controlada para determinar su viabilidad o valor. En general implica establecer hipótesis sobre los cambios que podrían lograr y luego probar esos cambios en un entorno real, a menudo a pequeña escala inicialmente, para validar o refutar esas hipótesis.

Si fomentas una cultura de Experimentación, tienes:

1.  Innovación: la experimentación fomenta la creatividad y las nuevas ideas, impulsando la innovación dentro de la organización.

2. Gestión de Riesgos: al probar cambios a menor escala, las organizaciones pueden evaluar resultados antes de una implementación a gran escala, reduciendo pérdidas potenciales.

3. Decisiones basadas en datos: la experimentación conduce a conclusiones basadas en evidencia, permitiendo una toma de decisiones más informada.

4. Adaptabilidad: las organizaciones que experimentan regularmente pueden adaptarse más rápidamente a las condiciones cambiantes del mercado o las necesidades del cliente.

5.  Mejora Continua: las pruebas y refinamientos regulares conducen a mejoras constantes en productos, servicios y procesos.

6.  Compromiso de los colaboradores: una cultura que valora la experimentación a menudo empodera a sus empleados, lo que lleva a un mayor compromiso y satisfacción.

Es un hecho, una mentalidad de "todo es una prueba" produce beneficios sorprendentemente grandes y competitivos, e incluso puede ayudar al desempeño de las acciones en el mercado. O si no preguntémosle a Google, Amazon, Nike, Amazon o al mismo Booking que ya mencioné.

Por el contrario, si no fomentas una cultura de experimentación, consigues:

1.     Estancamiento: las empresas podrían perderse ideas innovadoras o nuevos modelos de negocio que podrían impulsarlas por delante de la competencia.

2.    Oportunidades desaprovechadas: Sin experimentar, las empresas pueden pasar por alto posibles fuentes de ingresos o segmentos de clientes.

3.    Resiliencia reducida: las empresas que no experimentan y aprenden de esos experimentos podrían ser menos adaptables a interrupciones o cambios en el mercado.

4.  Dependencia de suposiciones: sin pruebas en el mundo real, las empresas basan las decisiones en suposiciones en lugar de datos, lo que puede llevar a costosos errores.

Pero, ojo, si no lo haces bien puedes caer en el lodo de:

1.  Parálisis por Análisis: demasiada experimentación sin objetivos claros puede llevar a indecisiones o retrasos en la implementación de productos/servicios.

2. Drenaje de recursos: la experimentación continua puede consumir recursos significativos, especialmente si no se hace de manera eficiente.

3.   Confusión potencial: si no se comunica bien, los cambios y pruebas frecuentes pueden confundir tanto a colaboradores como a clientes, principalmente a estos últimos.

4.   Miedo al fracaso: aunque una cultura de experimentación tiene como objetivo abrazar el fracaso como una oportunidad de aprendizaje, no todos los colaboradores o interesados pueden verlo de esa manera, lo que podría llevar a una reducción de la moral o confianza.

5.   Énfasis excesivo en resultados a corto plazo: existe el riesgo de que las empresas se concentren demasiado en los resultados de los experimentos a corto plazo en detrimento de los objetivos estratégicos a largo plazo.

Además de Booking, estas otras empresas lo hacen bien:

Google es conocido por su cultura de experimentación. Sin embargo, la tasa de éxito puede ser bastante baja. Por ejemplo, en Google y Bing, entre el 10 % y el 20 % de los experimentos controlados generan resultados positivos.

Amazon es otra empresa que depende en gran medida de la experimentación para la innovación y el crecimiento, pero no encontré una fuente confiable que me hablara de la tasa de éxito o fracaso de estos.

La unidad Bing de Microsoft ha descubierto que los experimentos en línea cambian las reglas del juego. Han ayudado a Bing a realizar docenas de mejoras mensuales, que en conjunto han aumentado los ingresos por búsqueda entre un 10 % y un 25 % al año.

Nike es otra empresa que realiza experimentos para impulsar la innovación. Tampoco pude encontrar la tasa de éxito exacta.

Para concluir,

Experimentar no se trata de acertar siempre. Se trata de crear un ambiente seguro para probar, aprender y crecer. Cuando cambiamos nuestra mentalidad de temer a los errores a valorarlos como oportunidades de aprendizaje, desbloqueamos un mundo de potencial.

La experimentación en las organizaciones es una espada de doble filo. Cuando se hace correctamente, puede llevar a la innovación, adaptabilidad y mejora continua. Pero, sin objetivos claros, comunicación y un equilibrio entre resultados a corto plazo y objetivos a largo plazo, también puede presentar desafíos. Es vital que las empresas encuentren el equilibrio adecuado y se aseguren de fomentar una cultura de experimentación que realmente las beneficie.

Y mientras preparo una segunda parte de este capítulo sobre experimentación, no dejes de contarnos en el foro cómo lo estás haciendo en tu empresa.

Algunas referencias

Building a Culture of Experimentation, by Stefan Thomke

https://hbr.org/2020/03/building-a-culture-of-experimentation

 

The Secret Behind Successful Corporate Transformations

by Paul A. Argenti, Jenifer Berman, Ryan Calsbeek, and Andrew Whitehouse

https://hbr.org/2021/09/the-secret-behind-successful-corporate-transformations

 

A Harvard Business School professor on how companies like Google and Amazon use experimentation to innovate, grow, and improve, by Stefan H. Thomke

https://www.businessinsider.com/harvard-business-professor-on-companies-using-experimentation-2020-2