Gestión del cambio en la adopción de IA: por qué un sistema que funciona bien termina sin usarse

Gestionar el cambio en la adopción de IA es tomar las decisiones que hacen que un equipo siga usando un sistema automatizado cuando ya pasó el entusiasmo del principio. Hay una que pesa más que las otras y que casi nunca se piensa con cuidado. Es la de cuánto margen tiene una persona para desviarse de lo que el sistema le recomienda, cuánto puede corregirlo o directamente ignorarlo.

Se suele pensar que estos proyectos fracasan porque nunca llegan a arrancar, y no es el caso más frecuente. Lo habitual es un sistema que quedó instalado, que funciona bien y que tuvo su capacitación, pero que a los pocos meses nadie consulta. O se consulta nada más para hacer lo contrario de lo que sugiere. La empresa ya pagó por el sistema y sigue trabajando como antes de tenerlo.

La gestión del cambio de siempre no alcanza para esto

Las prácticas habituales trabajan sobre la resistencia a lo nuevo. John Kotter las ordenó en Leading Change (1996) después de observar más de cien organizaciones en pleno proceso de transformación, y desde entonces se las considera el estándar de la disciplina.

Con los sistemas automatizados aparece algo que ese marco no llega a cubrir. La gente deja de usar la herramienta aunque ya no le tema al cambio. Alguien puede entender el objetivo, estar de acuerdo con él y no sentir su puesto amenazado, y de todos modos terminar abandonando el sistema. Como el problema no viene de una confusión, explicarlo mejor no lo llega a resolver.

El abandono se dispara por un error puntual, no por un mal desempeño sostenido

Conviene mirarlo con un caso concreto. Una empresa instala una herramienta que, cada vez que se abre una vacante, recorre la base de colaboradores y propone quiénes de adentro podrían ocuparla.

Cualquier empresa absorbe el error humano sin mayor drama. Si un jefe propone a alguien para un puesto y esa persona termina sin dar la talla, la próxima vez lo vuelven a consultar. Cuando el que se equivoca es la herramienta, la reacción cambia. Basta con que una lista deje fuera a la persona que todo el mundo tenía en la cabeza para que el sistema quede marcado como poco confiable.

Berkeley Dietvorst, Joseph Simmons y Cade Massey midieron esa diferencia en cinco estudios publicados en el Journal of Experimental Psychology: General (2015). Cada participante hacía una serie de pronósticos y elegía si el premio en dinero se lo jugaba a su propia predicción o a la de un modelo matemático construido con datos históricos. Dos resultados importan.

• La confianza cayó de forma desigual. Entre quienes vieron equivocarse al modelo, la confianza en él bajó en cuatro estudios de cuatro. Entre quienes se vieron equivocarse a sí mismos, la confianza en su propio criterio bajó en uno solo de esos cuatro.
• Que el modelo acertara más no lo salvó. En las cinco pruebas pronosticó mejor que las personas, y con bastante diferencia, pero eso no evitó que lo dejaran de lado apenas lo vieron fallar.

Fueron experimentos con estudiantes y trabajadores de plataforma en tareas cortas, sin jefe ni riesgos reales, así que hay que tener cuidado al llevarlo a una operación. Aun así, el patrón señala algo que sirve para planificar. Hay un momento que decide si la herramienta se va a seguir usando o se va a quedar apagada, y es la primera vez que alguien la ve equivocarse. Casi ningún proyecto tiene ese momento identificado como algo que haya que gestionar.

Sin margen para corregir, la gente solo puede mostrar su desconfianza abandonando

Lo primero que se piensa es cerrar el sistema, es decir, que nadie pueda modificar lo que arroja. En el caso de la herramienta de candidatos internos, eso significaría que la lista que devuelve es la lista con la que se trabaja, sin agregados ni descartes.

Cuando no se puede tocar nada, quedan solo dos caminos. O se acepta cada resultado tal como viene, o se deja de usar la herramienta. Quien desconfía no tiene ninguna opción intermedia, y como todo el mundo sabe que el sistema se va a equivocar alguna vez, mucha gente termina eligiendo el segundo camino. En la práctica nadie anuncia esa decisión. La lista se sigue generando con cada vacante y deja de abrirse, y las conversaciones sobre quién puede ocupar el puesto vuelven a darse como se daban antes.

Un margen acotado agrega esa opción intermedia. En otro experimento de los mismos autores, publicado en Management Science (2018), los participantes hicieron una ronda de pronósticos, vieron cuánto habían acertado y después eligieron cómo seguir. Podían usar solo el modelo, usar solo su propio criterio o ajustar el resultado dentro de un margen. Más de ocho de cada diez siguieron usando el modelo de alguna forma, y la mayoría de ellos eligió la opción de ajustarlo.

El margen tiene un costo que hay que nombrar antes de concederlo

Cuando alguien cambia el resultado de un sistema que en esa tarea acierta más que él, lo que sale suele ser peor. El propio experimento sobre márgenes de ajuste lo muestra. Los participantes que usaron el modelo sin tocarlo rindieron mejor que los que lo ajustaron con libertad, y entre estos últimos el desempeño cayó en proporción a cuánto se habían apartado.

Ese costo se paga a cambio de algo concreto, porque la alternativa real no es el sistema funcionando solo, que es el escenario que la gente descarta, sino la persona decidiendo por su cuenta.

Todo el razonamiento se apoya en un supuesto que conviene revisar antes de aplicarlo, y es que el sistema acierte más que la persona en esa tarea puntual. Un jefe que saca de la lista a dos personas de su área, porque las conoce y le parece que todavía no están para el puesto, puede estar mejorando la propuesta o empeorándola. Comprobar cuál de las dos cosas ocurre es posible. Basta con tomar las últimas vacantes que se cubrieron internamente y revisar si el sistema habría propuesto a la persona que terminó quedándose, comparándolo con a quiénes había propuesto el equipo.

Los elementos comunes a cualquier implementación siguen siendo necesarios

Nada de lo anterior reemplaza el trabajo de fondo que pide cualquier proyecto de transformación, con su propósito claro, sus líderes comprometidos y sus incentivos en orden.

• Un propósito definido y comunicado: Un equipo que no sabe para qué se instaló el sistema no encuentra razones para sostenerlo cuando aparecen las primeras fricciones.
• Líderes que usen la herramienta: El jefe que aprueba el sistema y después nunca lo abre está comunicando su propia desconfianza, aunque diga lo contrario en las reuniones.
• Incentivos alineados con lo que se busca instalar: Si la herramienta existe para que se mire hacia adentro antes de salir al mercado, pero al jefe que cubre rápido con un candidato externo nadie le pregunta nada, revisar la lista se vuelve un trámite sin sentido.

Estos tres elementos preparan el terreno, y aun así ninguno sirve el día en que el sistema se equivoca por primera vez. Para ese momento hace falta haber decidido de antemano cuánto margen tiene la gente para corregirlo.

El criterio es el margen mínimo que sostenga el uso

Dar margen tiene dos efectos al mismo tiempo. Mantiene al equipo usando el sistema y empeora un poco cada resultado que se corrige. Como los dos van juntos, la pregunta ya no es si darlo, sino cuánto. Y conviene dar lo mínimo, porque ampliarlo agrega más correcciones que se alejan de lo que el sistema calculó, sin conseguir que la gente lo consulte más de lo que ya lo consultaba.

El experimento sobre márgenes de ajuste apunta en esa dirección. Los investigadores recortaron en un ochenta por ciento el margen que los participantes podían modificar, y la cantidad de gente que eligió usar el modelo se mantuvo prácticamente igual. Esa cifra sirve como señal de dirección y no como fórmula, aunque el criterio que se desprende sí se traslada.

• Conviene empezar con un margen pequeño: Funciona mejor definir qué se puede ajustar y hasta dónde, por ejemplo agregar o quitar hasta dos nombres con una justificación escrita, que dejar la lista abierta a que cada quien la rearme como le parezca.
• El indicador es el uso y no la satisfacción: Una encuesta de conformidad puede dar bien mientras la herramienta se usa cada vez menos. Si el uso baja, el margen quedó corto.
• Que el equipo pida más libertad no basta para dársela: Si el uso se mantiene estable, ampliar el margen hace perder precisión sin resolver nada, porque el equipo ya venía trabajando bien con el que tenía.

Conclusiones

En la mayoría de las empresas ese margen nunca se llega a decidir de antemano. Alguien se topa con un error, ahí mismo resuelve cuánto puede apartarse del sistema, y a partir de entonces cada persona del equipo trabaja como le parece. La empresa termina perdiendo precisión sin haber elegido nunca cuánta estaba dispuesta a ceder.

Gestionar el cambio en estos proyectos, entonces, incluye una decisión sobre el diseño del proceso y no solo el trabajo con las personas. Antes de instalar cualquier sistema, la pregunta no es cuánta libertad merece el equipo. Es cuánta imprecisión conviene aceptar para que ese sistema siga usándose cuando haya pasado el primer año.