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.

Chapuza y perfeccionismo frente a eficacia óptima

Efectividad es la combinación idónea de eficiencia y eficacia, lo que Peter Drucker llamó «hacer bien las cosas correctas». La eficiencia tiene que ver con el uso de recursos para la consecución del resultado. La eficacia tiene que ver con la calidad del resultado. En la práctica, la efectividad máxima rara vez está asociada a una eficiencia o a una eficacia máximas. Por el contrario, la efectividad máxima suele ir asociada a una combinación de eficiencia y eficacia óptimas.

En este contexto, la «chapuza» es el resultado de maximizar la eficiencia en detrimento de la eficacia. Por su parte, el perfeccionismo supone maximizar la eficacia en detrimento de la eficiencia. En contraste con lo anterior, la efectividad conlleva optimizar tanto la eficiencia como la eficacia. Lo importante es entender que, cuando hablamos de efectividad, «máximo» y «óptimo» pueden, y suelen, ser distintos.

Muchas organizaciones continúan obsesionadas con maximizar la eficiencia y esto les plantea un serio problema a la hora de mejorar su efectividad. Esta obsesión procede de un pasado en el que la mayor parte del trabajo era manual. En ese contexto, tenía sentido que el foco de las organizaciones estuviera puesto en maximizar la eficiencia, es decir, en maximizar la productividad, bien produciendo más por el mismo coste, bien manteniendo la producción reduciendo los costes.

Pero en el trabajo del conocimiento la situación es muy distinta, hasta el punto de que una menor eficiencia puede incluso traducirse en un aumento de efectividad, al ser compensada por una mayor eficacia. Esto nunca puede suceder en el trabajo manual.

A pesar de que la mayor parte de las organizaciones actuales dejaron de trabajar hace décadas en esquemas de trabajo manual, su mentalidad sigue anclada a este viejo paradigma de la eficiencia máxima. Una consecuencia de lo anterior es que muchas organizaciones siguen operando a la búsqueda de la «eficacia mínima viable», es decir, aplicando la «ley del mínimo esfuerzo».

El paradigma de la «eficacia mínima viable» es un problema para las organizaciones porque antepone la maximización de la eficiencia a todo lo demás, lo que implica, entre otras cosas, abandonar de antemano la búsqueda de la «eficacia óptima», que es la que en realidad les permitiría mejorar su efectividad.

Un ejemplo de las consecuencias derivadas de esta visión estrecha de la realidad son los procesos de toma de decisiones, que suelen dejar mucho que desear. A menudo, la decisión que se toma es la «primera decisión viable», en lugar de continuar el proceso en busca de otras «decisiones viables» que puedan conducir a la «decisión óptima viable».

En muchas organizaciones se entiende – culturalmente hablando – que seguir trabajando en una decisión tiene sentido, únicamente, mientras las alternativas que van surgiendo no son viables, por cualquier motivo: son demasiado caras, llevan demasiado tiempo, conllevan demasiado riesgo, etc. En el momento en que aparece una posible decisión sin un «demasiado» junto a ella, se da por válida. La pregunta que habría que plantearse aquí es ¿cuál es la probabilidad de que la «primera decisión viable» sea siempre la «decisión óptima viable»?

Trabajar en el paradigma de la «eficacia mínima viable» lleva a las organizaciones a vivir asentadas en el reino de la «chapuza», es decir, a buscar por sistema soluciones para «salir del paso», ya que es este planteamiento lo que les permite alcanzar los resultados maximizando la eficiencia. Además de los efectos negativos evidentes en cuanto a calidad del resultado, este planteamiento supone una puñalada mortal a la hora de que las personas de la organización puedan ejercer y acrecentar su maestría, lo que contribuye a explicar por qué el trabajo postureo está cada vez más asentado en estas organizaciones.

Como alternativa a estas malas prácticas, las metodologías de efectividad más innovadoras plantean técnicas específicas para encontrar las «decisiones óptimas viables» y trabajar a partir de ellas. El resultado de aplicar estas técnicas probadas es transformar una reducción insignificante de eficiencia en una ganancia espectacular de eficacia y, por consiguiente, en un incremento sustancial de la efectividad.

En el extremo opuesto a la «chapuza» tenemos el otro gran enemigo de la eficacia: el perfeccionismo. En este caso, en lugar de operar a la búsqueda de la «eficacia mínima viable» se opera a la búsqueda de la «eficacia máxima posible», es decir, de la perfección del resultado. Si la «chapuza» supone el desprecio por la calidad, el perfeccionismo supone el desprecio por los recursos, lo que da lugar al despilfarro de los mismos.

El problema del perfeccionismo es que, una vez superado el punto de «eficacia óptima», se entra en zona de rendimientos decrecientes, es decir, las pérdidas de eficiencia dejan de ser compensadas por las ganancias de eficacia, lo que se traduce en una pérdida de efectividad neta. Además, cuanto más nos alejamos del punto de «eficacia óptima», mayor es la desproporción entre la pérdida de eficiencia y la ganancia de eficacia y, por tanto, mayor es la pérdida de efectividad total.

Pongamos un ejemplo. Imaginemos que para conseguir un resultado de una calidad «C» con una efectividad máxima necesito invertir una cantidad de recursos «R» durante un tiempo «T». Si opero en un paradigma de «eficiencia máxima», seguramente pueda reducir la cantidad de recursos «R» y el tiempo «T» empleado, pero ello irá en detrimento de la calidad del resultado «C», con lo que mi efectividad disminuirá. Cuanto más reduzca la cantidad de recursos «R» y el tiempo «T», más eficiente seré, pero mayor «chapuza» será el resultado, siendo también cada vez menor mi efectividad.

En el otro extremo, si opero en un paradigma de «eficacia máxima», seguramente pueda aumentar la calidad del resultado «C», pero ello irá en detrimento del consumo de recursos «R» y del tiempo empleado «T», con lo que mi efectividad también disminuirá. Cuanto más recursos «R» y tiempo «T» dedique a mejorar la calidad «C», más «perfecto» será el resultado, pero mayor será mi ineficiencia, siendo también cada vez menor mi efectividad.

En resumen, la paradoja a la que nos enfrentamos en el trabajo del conocimiento es que la forma de «maximizar» la efectividad es olvidarnos de «maximizar» la eficiencia y la eficacia. La clave para «maximizar» la efectividad es «optimizar» tanto la eficiencia como la eficacia, teniendo claro que sus valores óptimos van a ser, por lo general, inferiores a sus valores máximos.

Recordando a Drucker, «hacer bien las cosas» es distinto de «hacer las cosas de la forma más eficiente posible» y, del mismo modo, «hacer las cosas correctas» es distinto de «hacer las cosas perfectas». La «chapuza» y el perfeccionismo son – por igual – los dos grandes enemigos de la efectividad, porque la efectividad consiste en hacer las cosas de forma óptima en cuanto a consumo de recursos y calidad obtenida.

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