Desde el lanzamiento de ChatGPT en noviembre de 2022, términos como “inferencia,” “razonamiento” y “datos de entrenamiento” han permeado la conversación cotidiana, mostrando el profundo impacto de la IA en nuestras vidas. Estos conceptos, que antes se limitaban a laboratorios de ciencias de la computación y conferencias tecnológicas, ahora se discuten de manera casual en bares y metros.
Se ha escrito mucho—y se seguirá escribiendo—sobre cómo mejorar los agentes de IA y copilotos como tomadores de decisiones. Sin embargo, es fundamental recordar que, al menos a corto plazo, la IA está diseñada para complementar la toma de decisiones humana, no para reemplazarla. Por ejemplo, considera a una gerente de marketing de productos consultando su herramienta de IA para encontrar “¿Qué segmentos de clientes tienen el Net Promoter Score (NPS) más bajo?” Tras recibir la respuesta, podría hacer preguntas de seguimiento, como “¿Qué pasaría si segmentamos por geografía?” y usar esa información para refinar su estrategia promocional.
Mirando hacia el futuro, podríamos llegar a un punto donde un CEO instruya a una IA: “Diseña una estrategia de promociones basada en nuestros datos, mejores prácticas de la industria e información de nuestro último lanzamiento,” llevando a un plan que rivalice con el desempeño de un hábil gerente de marketing de productos. En un futuro aún más lejano, la IA podría identificar de manera autónoma la necesidad de una estrategia promocional e iniciar el proceso por sí misma, funcionando como un Director de Marketing (CMO) autónomo.
Por ahora, hasta que logremos la inteligencia artificial general (AGI), los humanos seguirán siendo una parte crucial de los procesos de toma de decisiones significativas. Mientras muchos especulan sobre el potencial de la IA para transformar nuestras vidas profesionales, es importante considerar lo que no cambiará pronto: el valor de una buena toma de decisiones humana. Imagina a tu equipo de inteligencia empresarial, apoyado por agentes de IA, colaborando en un nuevo análisis de estrategia promocional. ¿Cómo puedes aprovechar esos datos de manera efectiva? Aquí hay algunas estrategias probadas que recomiendo:
Antes de Revisar los Datos:
1. Establece Criterios Claros: Define criterios de aprobación antes de ver los datos. A menudo, las personas cambian sus objetivos, como decir, “Estamos tan cerca; creo que otro año de inversión dará resultados.” Esta tendencia puede llevar a la prolongación de proyectos inviables. Para contrarrestar esto, esboza criterios específicos de antemano (por ejemplo, “Procedemos si más del 80% de los encuestados están dispuestos a pagar $100 por este producto”) para mantener la objetividad al analizar los datos.
Durante la Revisión de Datos:
2. Documentación Individual: Antes de discutir los hallazgos, pide a todos los tomadores de decisiones que documenten sus pensamientos de manera independiente. Esto evita el pensamiento grupal, donde las opiniones dominantes pueden suprimir preocupaciones válidas. Al compartir las ideas por escrito después, facilitas una discusión integral que valora la diversidad de experiencias. Para una mayor comprensión, consulta los estudios de conformidad de Asch.
Al Tomar la Decisión:
3. Discute Juicios Mediadores: Comprende que cada decisión significativa se compone de decisiones más pequeñas. El científico cognitivo Daniel Kahneman enfatiza que estos aspectos menores, como comparaciones de costos y precisión esperada, influyen en la decisión general. Hazlos explícitos durante las discusiones para mejorar la calidad de la decisión.
4. Documenta la Razonamiento: Registra el razonamiento detrás de las decisiones—por ejemplo, “Anticipamos una reducción de costos del 20% y satisfacción del cliente estable en nueve meses”—para permitir una reevaluación honesta en futuras revisiones. Esto crea un ciclo de retroalimentación basado en datos que ayuda a clarificar qué estrategias funcionaron o no, diferenciando entre habilidad y suerte.
5. Establece Criterios de Cancelación: Similar a tus criterios de decisión inicial, identifica métricas que indiquen que un proyecto no está rindiendo lo suficiente como para continuar. Por ejemplo, “Si más del 50% de los usuarios solicitan hablar con un humano después de interactuar con nuestro chatbot durante más de un minuto, el proyecto debe ser reconsiderado.” Este análisis preventivo ayuda a mantener la honestidad intelectual y asegura evaluaciones imparciales de la viabilidad del proyecto.
Aunque este proceso pueda parecer intensivo en trabajo, estas prácticas rápidamente se convierten en una segunda naturaleza para tu equipo. El tiempo adicional invertido genera rendimientos significativos al garantizar que todas las ideas se expresen y que los riesgos se gestionen de manera efectiva, permitiendo aprender tanto de éxitos como de fracasos.
Mientras los humanos estén involucrados en decisiones basadas en datos junto a agentes de IA, dominar la interacción entre la percepción humana y el análisis generado por IA seguirá siendo vital, especialmente al navegar por sesgos cognitivos.