Un equipo detecta que la productividad ha caído un 15%. La respuesta inmediata: implementar una nueva herramienta de seguimiento de tareas. Tres meses después, la productividad sigue igual. La herramienta funciona perfectamente. El problema era otro.
Los empleados habían perdido claridad sobre las prioridades tras un cambio de dirección. No era un problema de herramientas. Era un problema de sentido.
Esta confusión entre síntoma y causa es la trampa más frecuente en organizaciones. Y la IA, por potente que sea, no te protege de ella.
Problemas complicados vs. problemas complejos
Un problema complicado tiene solución técnica. Requiere expertise, pero una vez que la encuentras, funciona de forma predecible.
Un problema complejo es otra cosa. Múltiples variables interdependientes, información incompleta, actores con intereses contradictorios, ninguna solución obvia. Transformar una cultura organizacional. Integrar IA en equipos resistentes. Rediseñar un modelo de negocio en un mercado que muta cada trimestre.
Los complicados se resuelven con conocimiento. Los complejos se navegan con método, criterio y tolerancia a la incertidumbre.
Lo que la IA hace bien (y lo que no)
La IA es extraordinaria analizando datos, identificando correlaciones y simulando escenarios. En la fase analítica de un problema complejo, es una aliada formidable.
Pero no puede definir cuál es el problema real. No puede distinguir el síntoma de la causa cuando la causa está enterrada en dinámicas humanas, contexto político o supuestos que nadie cuestiona. No puede gestionar a los actores implicados ni sus resistencias. Y no puede decidir qué solución es éticamente aceptable cuando todas tienen costes.
La resolución de problemas complejos es la competencia que orquesta todas las demás. Requiere pensamiento crítico para analizar, creatividad para generar opciones, juicio ético para evaluar consecuencias, empatía para entender cómo cada actor experimenta el problema, y toma de decisiones para actuar con información incompleta.
El método que funciona
Los profesionales que resuelven problemas complejos comparten un patrón. No se lanzan a solucionar. Primero invierten tiempo en definir correctamente el problema. Preguntan «por qué» de forma recursiva hasta llegar a la causa raíz. Mapean el sistema completo antes de intervenir en una parte.
Después experimentan a pequeña escala. Pilotos controlados, observación de efectos emergentes, ajuste antes de escalar.
Y aceptan que en problemas complejos, la primera solución casi nunca es la definitiva. Es un punto de partida para aprender del sistema.