El ruido conceptual como motor del aprendizaje

Uno de los rasgos diferenciales de la red productiva OPTIMA LAB es nuestro compromiso con el aprendizaje. Esto significa que uno de los principales criterios que utilizamos para evaluar la calidad de nuestro trabajo es la cantidad y la calidad del aprendizaje que se ha producido en cada ponencia, curso, taller, reunión de coaching o jornada de consultoría que realizamos. Para nosotros, el aprendizaje es la medida de la efectividad de lo que hacemos, y por ese motivo investigamos constantemente todos los factores que lo afectan, tanto positiva como negativamente, a fin de mejorar cómo facilitarlo y potenciarlo.

Ya adelanto que carezco de evidencias científicas que avalen lo que hoy en concreto voy a compartir contigo en este post. Lo que cuento es simplemente resultado de mi propio proceso de aprendizaje a lo largo de las más de 3.500 horas de experiencia que llevo acumuladas como facilitador y formador en efectividad personal.

Mi punto de partida es muy simple: «si una persona cree que ya sabe algo, es incapaz de aprender nada nuevo sobre ello». En mi opinión, tener este principio en cuenta es absolutamente fundamental a la hora de diseñar cualquier cosa destinada a ser aprendida, tanto si es un manual de instrucciones, como si es una receta de cocina o una metodología.

En el caso concreto de la productividad personal, si alguna vez has intentado explicar a otra persona qué es GTD®, habrás sufrido un pequeño calvario con ciertos conceptos. ¿Por qué? Porque GTD® ignora este principio fundamental que acabo de comentar y además de usar un buen número de conceptos y expresiones comunes, los usa con un significado distinto de su significado común. Algunos de estos conceptos son «proyecto», «lista», «acción», «a la espera» o «algún día/tal vez».

Por ejemplo, todo el mundo en una organización ha oído en algún momento de su vida profesional la palabra «proyecto», por lo que ya cuenta con una imagen y un significado de ese concepto. Así, para la mayoría de la personas, un proyecto es algo en lo que generalmente interviene un número significativo de gente, suele contar con un presupuesto más o menos importante, es relativamente complejo y puede prolongarse durante un periodo bastante amplio de tiempo. Sin embargo, en GTD®, «un proyecto es cualquier resultado que requiere más de un paso y puede completarse en el plazo de un año».

Si aplicamos esta definición, «tareas» como hacerle una revisión al coche serían en realidad un «proyecto», ya que necesitas llamar para pedir cita, luego tienes que llevarlo al taller, esperar a que te avisen cuando esté terminado (o que te pasen un presupuesto si surge algo inesperado) y finalmente ir a recogerlo (para lo cual es posible que también necesites pedirle a alguien que te lleve). Cada uno de estos pasos es independiente del anterior y tiene lugar en momentos y circunstancias distintas, por lo que cada uno de ellos es una «acción». Por ejemplo, «llamar para pedir cita» es algo que puedes hacer en cualquier momento y lugar, siempre que tengas un teléfono a mano. Sin embargo, para poder «llevar el coche al taller» tienes que estar necesariamente en el mismo lugar en que esté el coche, sea en tu casa o en tu trabajo, y tienes que hacerlo en un momento concreto (el día y la hora en que te han dado cita). En GTD®, cada uno de estos pasos es una «acción», es decir, una «actividad física y visible que permite que algo avance» (en este caso la revisión de tu coche).

¿Cuál es el problema desde el punto de vista del aprendizaje? Que cuando una persona que ya conoce con anterioridad conceptos como «proyecto» o «acción» los escucha o lee por primera vez en relación con GTD®, ignora la explicación sobre su significado porque (cree que) ya lo conoce, es decir, es víctima del pensamiento supositorio. Y, en consecuencia, como realmente sigue sin saber el verdadero significado de estos conceptos, va a aplicar necesariamente mal la metodología. Para esa persona, seguirá siendo absurdo llamar «proyecto» a algo «tan fácil» como pasar la revisión del coche. Para ella, eso seguirá siendo una «tarea» o, casi peor, puede que pase a considerarlo una «acción».

Este mismo problema se replica una y otra vez a lo largo de la metodología. Así, para la mayoría de la gente una «lista» es una secuencia de tareas, generalmente con un formato de una o más columnas. Sin embargo, en GTD®, «lista» es cualquier recordatorio visible. De hecho, en GTD®, el calendario es una «lista» de las acciones que tienes que realizar en fechas y momentos concretos, junto a recordatorios de información que es relevante en fechas concretas. Sin embargo, poca gente llamaría «lista» a su calendario…

De forma análoga, para la mayoría de la gente, una lista «a la espera» contiene cosas que aún no van a hacer (porque están «a la espera» de decidir si hacer algo con ello o no). Estas cosas deberían estar en realidad en una lista «algún día/tal vez». Por el contrario, en GTD®, la «lista a la espera» contiene acciones que realizan otras personas (lo que mucha gente organiza en listas bajo el nombre de «pendientes»).

Del mismo modo, un tablero de Pinterest con imágenes de etiquetas de vinos que te gustaría probar o de carteles de películas que te gustaría ver es un ejemplo estupendo de una lista «algún día/tal vez», aunque para nada tenga aspecto de «lista».

Podría seguir poniendo ejemplos, pero creo que queda suficientemente claro.

En los cursos de formación GTD® oficial, todos estos conceptos se explican y trabajan en detalle con numerosos ejercicios y dinámicas, por lo que aseguramos su correcta comprensión.  El problema está – y hablo de mi propia experiencia – cuando te acercas a la metodología de forma independiente y autodidacta, creyéndote que has entendido lo que has leído y aplicándolo mal, hasta que te caes unas cuantas veces del carro y descubres que la realidad es muy distinta de lo que pensabas.

OPTIMA3® tiene en cuenta esta problemática y la he diseñado pensando desde el minuto cero en cómo facilitar al máximo su aprendizaje, también el autodidacta. Por eso, todos sus términos son:

  1. intencionalmente «raros» o «extraños», para asegurar que su significado sea desconocido o
  2. su significado coincide con el que la gente ya tiene sobre ese concepto o expresión

Por ejemplo, en lugar de «listas», en OPTIMA3® se usan «vistas». Si ya sabes lo que es una vista, comprobarás que el significado es el que ya conoces. Si no, tendrás que aprender necesariamente qué es una «vista», por lo que evitamos el riesgo de que «creas que ya lo sabes» y te quedes sin aprenderlo.

Otra diferencia es que todos los conceptos en OPTIMA3® son acrónimos de 3 letras (no, no es una coincidencia 😉 ). Así, las «acciones» dejan paso a las UPAs (Unidades Personales de Acción) y los «proyectos» a los RATs (Resultados Alcanzables Tachables) y a los RFTs (Resultados Finales Tachables). Por otra parte, no existe ninguna lista «calendario», sino una vista FOC (Fechas Objetivas Concretas) en la que únicamente hay UPAs con fecha objetiva. Tampoco existe una lista «a la espera», sino una vista LHO (Lo Hacen Otros). En cuanto a las posibilidades que se enfrían (aquí no se incuba, ya explicaré otro día por qué), están en las vistas ESN (Esta Semana No) y ETD (El Tiempo Dirá). Los contextos se combinan con el tiempo y la energía, incorporan el principio de máxima eficiencia y evolucionan a COEs (Circunstancias Óptimas de Ejecución), dentro de los cuales están los «COEs Matrioska», sobre los que también escribiré en su momento. Además, aparecen nuevas vistas específicas, como FRF (Fechas de Referencia Futura), DAO (Debo A Otros) o YCO (Yo Con Otros).

Por cierto, si sientes curiosidad sobre los nombres en la versión en inglés de la metodología, son: PAU (Personal Action Unit), SAR (Specific Achievable Result), SFR (Specific Final Result), SOD (Specific Objective Dates), OEC (Optimal Execution Circumstances), ODI (Others Do It), IOO (I Owe Others), IWO (I With Others), NTW (Not This Week), TWT (Time Will Tell) y FRD (Future Reference Dates).

Si todo lo anterior te parece un poco (o un mucho) «lioso» o «complicado», me alegro un montón, porque de eso precisamente se trata. Vas a tener que invertir tiempo en a) comprender y, b) memorizar todos esos acrónimos y sus respectivos significados. La buena noticia es que hemos eliminado el riesgo de que «creas» que ya sabes lo que significan y te quedes sin aprenderlo. Todos los acrónimos de OPTIMA3® parecen ruido porque son ruido. Son «ruido conceptual», totalmente intencional, porque la extrañeza es la fuente de la curiosidad, la curiosidad es la chispa del interés y el interés, junto a la voluntad de aprender, es el motor del aprendizaje.

Comunicación efectiva: Principio de Cooperación de Grice

Como ya se ha explicado por aquí, la materia prima del trabajo del conocimiento es el conocimiento y este se expresa en palabras. Sin embargo, a pesar de la importancia de las palabras, la mayoría de los profesionales del conocimiento desconoce el impacto que el mal uso de las palabras produce en tanto en su efectividad como en la de los demás.

Desde el punto de vista de la efectividad, la eficacia consiste en decidir las cosas correctas, entendiendo como correctas las opciones que aportan más valor y contribuyen de forma más significativa a los resultados en cada momento. Por su parte, la calidad de los procesos de toma de decisiones viene condicionada en gran medida por la calidad de la información que manejamos para decidir. Por tanto, el uso efectivo de las palabras es crítico, ya que las palabras transportan gran parte de la información que se utiliza en los procesos de toma de decisiones.

En mi experiencia, muchos de los problemas que encontramos en el campo de la efectividad se deben a malos hábitos de comunicación, es decir, a una comunicación poco o nada efectiva. Por eso, las metodologías de efectividad personal más recientes, como por ejemplo OPTIMA3, incluyen hábitos productivos relacionados específicamente con la comunicación efectiva.

En el libro que estoy leyendo actualmente, The Organized Mind, el escritor y neurocientífico Daniel Levitin aborda el problema de la sobrecarga de información, explicando el porqué de sus efectos y proponiendo soluciones. En uno de los capítulos del libro menciona a Paul Grice, un filósofo del lenguaje experto en pragmática, es decir, en cómo el contexto en el que tiene lugar la comunicación influye en la interpretación de su significado y a John Searle, otro filósofo del lenguaje especializado en la intencionalidad de la comunicación.

Grice en particular plantea una serie de condiciones para que nuestro interlocutor entienda lo que le estamos diciendo, una especie de requisitos que todos los participantes en cualquier conversación deben cumplir para que la conversación sea coherente. Estas condiciones se agrupan bajo el denominado Principio de Cooperación. Este principio se concreta en una serie de categorías, denominadas máximas de conversación, las cuales describen cómo ha de ser lo que se dice en una conversación, para que ésta sea más precisa y menos ambigua, es decir, para que la comunicación sea lo más efectiva posible. Las máximas son las siguientes:

  1. Máxima de cantidad. Guarda relación con la cantidad de información que se aporta a la conversación. Contempla dos aspectos:
    1. Que tu contribución sea tan informativa como es preciso, es decir, no aportar información de menos.
    2. Que tu contribución no sea más informativa de lo que es preciso, es decir, no aportar información de más.
  2. Máxima de calidad. Guarda relación con el rigor y la veracidad de la información que se transmite. Contempla dos aspectos:
    1. Evita decir nada que sepas que es falso, es decir, evita mentir deliberadamente.
    2. Evita decir nada sobre lo que no tengas evidencias suficientes, es decir, evita el pensamiento supositorio.
  3. Máxima de forma. Guarda relación con la manera en que te expresas. Contempla cuatro aspectos:
    1. Evita utilizar palabras cuyo significado pueda ser desconocido para la otra persona, es decir, comunica con la máxima sencillez posible.
    2. Evita la ambigüedad, es decir, asegúrate de que lo que dices es lo más concreto y menos interpretable posible.
    3. Sé breve, es decir, evita «enrollarte». Se puede aportar mucha información de calidad en pocas palabras y se pueden decir muchas cosas sin que aporten ninguna información de valor.
    4. Mantén un orden, es decir, que tu comunicación tenga una estructura coherente fácil de seguir por la otra persona.
  4. Máxima de relación o pertinencia, es decir, que la información que aportas sea útil y relevante para la conversación.

Vamos a ver algunos ejemplos.

Ejemplo 1: Si a preguntas como ¿qué tal el día en el trabajo? o ¿qué vas a hacer esta noche? se responde «mal» o «salir», nos encontraríamos ante un incumplimiento de la máxima 1.1, ya que las preguntas llevan implícitas la expectativa de una respuesta que incluya cierto nivel de detalle y la otra persona responde de manera claramente no-cooperativa desde el punto de vista de lo que es una comunicación efectiva. Lo mismo ocurriría si pides una carta de recomendación a tu antiguo jefe y te envía algo como «la profesionalidad de X durante los años que hemos trabajo juntos ha sido correcta y en su rendimiento ha estado en la media de la organización».

Ejemplo 2: Si preguntas a un compañero si sabe dónde está la grapadora y te responde algo así como «sí, está en la mesa pequeña junto a la impresora, en el mismo sitio en el que la dejaste la semana pasada y del que te he dicho que la quites varias veces», nos encontraríamos ante un incumplimiento de la máxima 1.2, ya que la respuesta incluye información adicional innecesaria, cuya intención es «regañar» a la otra persona por su comportamiento, lo que también es un comportamiento no-cooperativo.

Ejemplo 3: Si hoy es lunes y preguntas a alguien si sabe si ha venido a la oficina X y te responde «X siempre viene a la oficina los lunes», estaríamos ante un incumplimiento de la máxima 4, ya que esa información no responde a la pregunta y, por tanto, no aporta nada a la conversación. Ante una pregunta cerrada, lo único correcto es «sí/no/no sé».

Ejemplo 4: Si a la pregunta del Ejemplo 3 la otra persona responde «sí», porque cree que sí ha venido, pero no la ha visto en realidad, estaríamos ante un incumplimiento de la máxima 2.2, es decir, ante un ejemplo claro de pensamiento supositorio.

Como puedes comprobar, los incumplimientos de estas máximas son bastante frecuentes en el día a día, lo cual explica muchas de las ineficiencias, y también muchos de los conflictos interpersonales, que existen tanto en las organizaciones como en nuestro ámbito privado.

En OPTIMA LAB somos muy conscientes del impacto de la comunicación en la efectividad, y por eso utilizamos habitualmente lo que llamamos el «Modelo de Competencias de Comunicación Artesana», sobre el que escribiré con más detalle en otro momento. Este modelo de comunicación se basa a su vez en el Modelo OPTIMA3 de Comunicación Efectiva y es uno de los rasgos que nos caracteriza y distingue como facilitadores y formadores, razón por la que lo consideramos una parte esencial de nuestra proposición de valor.

Descubrir el Principio de Cooperación de Grice ha sido una agradable sorpresa ya que, curiosamente, todas las máximas anteriores están incluidas, junto a otras complementarias, en los dos modelos de comunicación anteriores. Esto es una excelente noticia, porque significa que muchas de las prácticas que aplicamos en OPTIMA LAB tienen, además de la validez empírica que nosotros mismos hemos comprobado, un fundamento teórico, lo cual supone otro aliciente más para seguir adelante haciendo camino.

Big Data: Su efectividad está en las personas

Últimamente hay mucho «hype» alrededor del «Big data», como si se tratara de algo realmente novedoso. Y lo cierto es que el «Big data» lleva ya bastantes años entre nosotros. Simplemente ha cambiado y ahora es distinto, pero sigue manteniendo su esencia original.

¿Por qué es tan importante el «Big data»? Muy sencillo. En el trabajo del conocimiento, tu efectividad depende en gran medida de la calidad de las decisiones que tomas. Por eso el «análisis y la toma de decisiones» está en la lista de las 10 competencias más críticas para 2020 identificadas por el último foro de Davos. Y la calidad de las decisiones que tomas se ve influida enormemente por la calidad y diversidad de la información que utilizas para tomarlas. Por desgracia, muchas decisiones en las grandes organizaciones se siguen tomando a partir de suposiciones, creencias, egos, luchas de poder internas, experiencias previas, pensamiento de grupo o la simple costumbre, en lugar de hacerlo a través de un proceso riguroso y contrastado.

Leía a Javier Ongay en este post para Sintetia que «en el recorrido de los datos a la sabiduría existen dos peldaños intermedios, que son la información y el conocimiento». Añadía Javier que el «Big data» tiene que ser «Useful data» y que esa utilidad va estrechamente ligada a la identificación de un propósito, es decir, a saber «para qué» quiero, necesito o tengo que usar ese «Big data». Suscribo por completo esa afirmación, que viene a poner de maniefiesto la necesidad imperiosa de abandonar el «hacer por hacer», tan instaurado en las organizaciones (su simplismo lo hace muy cómodo), y sustituirlo por el «hacer con sentido» (exige más trabajo pero genera más valor).

Personalmente, siempre he sido un convencido de la utilidad del «Big data», algo que ha estado muy presente en todas las posiciones que he ocupado en mi actividad profesional, y sigue estándolo a día de hoy.

Por ejemplo, hace más de veinte años, cuando trabajaba como Director de Logística en HP, pedí a mi manager que me autorizara la incorporación de una persona adicional a mi equipo para que desarrollara un área de «inteligencia empresarial» o «business intelligence», que era como se le llamaba entonces en aquel entorno internacional. La respuesta de mi manager fue una pregunta: «¿para qué necesitas a una persona de «inteligencia empresarial» en un departamento de logística?». Esta pregunta me hizo tomar conciencia, por primera vez, de que aquella necesidad, que para mí era evidente además de urgente, podría no serlo para todo el mundo. El caso es que conseguí la aprobación y un año después contábamos con una sencilla, ultra barata y, a la vez, potentísima estructura, que nos permitía conocer y entender mucho mejor nuestro «negocio», solucionar los problemas con rapidez y efectividad y, lo que es mejor, ser proactivos a la hora de detectar y resolver potenciales problemas futuros antes de que se produjeran.

Años después, ya en el sector de la biotecnología, pude comprobar en primera persona hasta qué punto el «Big data» va a formar parte inseparable de nuestro futuro. Cuando lanzamos la división de negocio de NGS (Next Generation Sequencing), uno de mis primeros retos fue liderar un proceso europeo de selección de un perfil nuevo y desconocido hasta el momento: una persona experta en bioinformática, es decir, una persona con un alto nivel de conocimientos de estadística, ciencias de la computación, química y bioquímica. ¿Por qué? Muy sencillo. El equipo que comercializábamos para secuenciación genética, el SOLiD, generaba entre 1,2 y 1,4 billones anglosajones de datos por proceso de secuenciación, el cual venía a durar de una a dos semanas. Esa cantidad ingente de datos, «Big data» puro, requería un tratamiento y análisis adecuado para poder convertirlo en información y luego en conocimiento. El proceso de selección se prolongó casi nueve meses (aún recuerdo el nombre del candidato que seleccionamos, un inglés con formación académica en bioquímica y estadística y con un gran dominio de bases de datos, adquirido de manera autodidacta). Desde entonces, tengo bastante claro que muchas de las profesiones del futuro serán hibridaciones de las actuales.

¿Y qué pasa con Recursos Humanos, un área en la que el potencial del «Big data» es indudable? Pues que tenemos un problema y es que, salvo contadas excepciones, que generalmente se encuentran en los departamentos de compensación y beneficios, un porcentaje importante de profesionales de Recursos Humanos se encuentra próximo al analfabetismo tecnológico en materia de «Big data». Durante años he sufrido numerosas y frustrantes experiencias a la hora de encontrar profesionales de esta función que dominaran Excel a un nivel aceptable (me refiero a saber explotar Excel como base de datos sobre la que hacer «data mining»), lo que nos lleva a plantearnos una vez más qué perfiles necesita esta función para salir de una vez de esa adolescencia eterna en la que lleva sumida desde hace años.

Digo que tenemos un problema porque, cuando no se entiende ni se sabe trabajar con él, el «Big data» se convierte en «Junk data», es decir, en «datos basura». Ves datos, pero realmente no sabes lo que ves. Y para poder entender y aprovechar el potencial del «Big data», un profesional de Recursos Humanos necesita saber lo que ve, algo prácticamente imposible si no se domina Excel, o los conceptos de bases de datos en general, y no se han adquirido unas nociones mínimas de estadística, psicología social y antropología social, por citar unas pocas, a lo que habría que añadir alguna de las competencias recomendadas por Davos, como por ejemplo el pensamiento crítico. Si estos requisitos faltan, los datos solo sirven de adorno.

Un ejemplo. Desde hace años, los departamentos de RRHH manejan volúmenes ingentes de información. ¿Quién la está usando y para qué? He visto entrevistas de salida de varios años olvidadas sin que nadie dedicara un segundo a analizarlas. ¿Para qué se hacen entonces? Con frecuencia he escuchado afirmaciones carentes de fundamento y, lo que es peor, he visto tomar e implementar decisiones a partir de esas afirmaciones carentes de fundamento, simplemente por no ir a los datos y averiguar la verdad.

El hecho es que RRHH no progresa adecuadamente en su nivel de influencia organizativa y una de las razones es que no sabe usar los datos. Y guste o no guste, «sin datos solo eres una opinión más», como solía repetir uno de mis managers.

El «Big data» es fantástico y sus posibilidades son enormes. Sin duda. Pero, para aprovecharlas, hacen falta unos perfiles profesionales con determinadas competencias que a día de hoy distan mucho de ser el estándar. Y hasta que esto no cambie, el «Big data» será simplemente otro «palabro» de moda más, con escaso valor. Porque, en realidad, y como ocurre con otras muchas cosas, el «Big data» por sí mismo sirve para poco. Su efectividad está en las personas.

Logo redca
sigue este blog en feedly
FacileThings

Categorías