Podcast - IA al servicio de la inteligencia de los equipos.

Durante años, las empresas han intentado responder a una pregunta tan sencilla como compleja: ¿qué diferencia a un equipo que funciona excepcionalmente bien de otro que, con el mismo talento y los mismos recursos, obtiene peores resultados?

La respuesta suele estar en aspectos difíciles de medir. Hablamos de confianza, colaboración, seguridad psicológica, capacidad para gestionar riesgos, comunicación o liderazgo compartido.

Son elementos que influyen directamente en el rendimiento de los equipos, pero que tradicionalmente han permanecido en el terreno de lo intangible.

La irrupción de la inteligencia artificial está cambiando este escenario. Hoy es posible analizar conversaciones, identificar patrones de comportamiento y convertir señales que antes eran invisibles en información útil para la toma de decisiones.

Pero la verdadera cuestión no es tecnológica. La pregunta es: ¿puede la IA ayudarnos a comprender mejor cómo trabajan los equipos y cómo evolucionan?

Ese fue precisamente el punto de partida de una iniciativa impulsada por María Mira, Pepe González y Mauricio Contreras, cuyo objetivo era explorar cómo la IA podía utilizarse para medir comportamientos dentro de los equipos y aplicar ese conocimiento tanto a su evolución como a la gestión de riesgos.

Del valor de los intangibles a la inteligencia de los equipos

La idea surgió a partir de dos líneas de trabajo que avanzaban en paralelo. Por un lado, la investigación sobre los llamados intangibles organizativos y los Key Behavior Indicators (KBIs), indicadores orientados a medir comportamientos observables dentro de los equipos. Por otro lado, la exploración de conceptos como la antifragilidad y el uso de inteligencia artificial para detectar patrones que normalmente pasan desapercibidos.

La hipótesis era sencilla: si la IA ya era capaz de encontrar patrones complejos en grandes volúmenes de información, quizá también podría ayudar a identificar dinámicas de colaboración, señales tempranas de riesgo o comportamientos que favorecen el alto rendimiento.

Para validar esta idea se desarrolló un primer prototipo basado en el análisis de transcripciones de reuniones de equipo. El objetivo no era evaluar personas individualmente, sino comprender mejor cómo interactúan los equipos y qué comportamientos aparecen en su día a día.

Los resultados sorprendieron incluso a sus propios impulsores. Lo que inicialmente se planteó como un experimento permitió detectar patrones que hasta entonces dependían exclusivamente de la observación humana.

Cuando la IA ayuda a medir lo que no se ve

Uno de los principales desafíos de la gestión de equipos es que muchos de los factores que explican su rendimiento no aparecen en los indicadores tradicionales.

Es relativamente sencillo medir velocidad de entrega, defectos o cumplimiento de plazos. Mucho más difícil es medir si existe confianza suficiente para expresar dudas, si se comparten los riesgos con transparencia o si determinadas personas monopolizan las conversaciones.

A través del análisis de las transcripciones, el equipo comenzó a identificar señales relacionadas con estos comportamientos. El sistema era capaz de detectar patrones de interacción, cuantificarlos y representarlos posteriormente en cuadros de mando que facilitaban su interpretación.

La clave estaba en transformar conversaciones cotidianas en información accionable. No se trataba de vigilar a las personas, sino de entender mejor la dinámica colectiva de los equipos.

Como explica María Mira, el foco no estaba en individuos concretos, sino en el equipo como unidad de análisis. Todo el proceso se planteó desde una perspectiva anonimizada y orientada a comprender qué comportamientos contribuyen realmente a generar mejores resultados.

Del análisis de equipos a la gestión inteligente de riesgos

La iniciativa dio un paso más cuando se conectó con la evolución del framework Polaris, el modelo interno de Paradigma para describir cómo deben funcionar los equipos en los proyectos.

En su nueva versión, Polaris incorporó un enfoque basado en comportamientos observables distribuidos en diferentes dominios, desde la gestión de proyectos hasta la excelencia técnica o el desarrollo de equipos.

Fue entonces cuando surgió una segunda aplicación especialmente interesante: la gestión de riesgos.

Si era posible detectar comportamientos relacionados con la colaboración o la confianza, también podía analizarse cómo los equipos identifican, comunican y gestionan los riesgos de un proyecto.

Para ello se combinaron dos fuentes de información. Por un lado, las conversaciones de los equipos y, por otro, los registros de gestión donde se documentaban riesgos, impedimentos y planes de mitigación.

El resultado fue un modelo capaz de ofrecer una visión más rica de la salud del proyecto y de detectar señales que habitualmente pueden pasar desapercibidas.

Según las personas que participaron en el piloto, uno de los aspectos más valiosos fue precisamente la capacidad de la herramienta para poner de relieve riesgos que no siempre se capturan durante las reuniones o que pueden quedar ocultos en el día a día operativo.

Lo que aprendió el piloto

Tras analizar diferentes equipos y validar los resultados con responsables de proyecto y líderes de equipo, apareció una conclusión especialmente reveladora: la herramienta aportaba más valor del esperado y los usuarios querían ir más allá.

Los/as participantes destacaron la utilidad de disponer de información adicional para comprender mejor las dinámicas de los equipos y anticipar posibles problemas. Sin embargo, también surgieron aprendizajes importantes.

El primero es que las métricas, por sí solas, nunca son suficientes. Los datos necesitan contexto. Una determinada señal puede interpretarse de formas completamente distintas dependiendo de la situación del equipo.

Un incremento en las dudas expresadas durante una reunión podría parecer un síntoma de incertidumbre. Sin embargo, también podría indicar exactamente lo contrario: un entorno donde las personas se sienten seguras para plantear preguntas y compartir preocupaciones.

Por eso, una de las conclusiones más repetidas durante el piloto fue que la IA debe complementar al criterio humano, nunca sustituirlo.

El reto ético: medir sin deshumanizar

Cualquier iniciativa que implique analizar conversaciones genera inevitablemente preguntas relacionadas con la privacidad, la ética y el uso responsable de la información.

Este fue uno de los aspectos que el equipo abordó desde el inicio. De hecho, una de las primeras preocupaciones fue encontrar una forma de obtener información valiosa sin generar sensación de vigilancia ni alterar el comportamiento natural de los equipos.

Durante el piloto aparecieron cuestiones muy relevantes: cómo evitar que los datos se utilicen fuera de contexto, cómo garantizar una gobernanza adecuada de la información o cómo impedir que las métricas deshumanicen la realidad de los equipos.

Una persona puede intervenir poco en una reunión y, sin embargo, estar realizando un esfuerzo enorme para participar. Un equipo puede mostrar muchas dudas y, precisamente por eso, estar funcionando mejor que otros donde nadie se atreve a cuestionar nada.

La tecnología aporta visibilidad, pero la interpretación sigue siendo una responsabilidad humana.

Hacia una nueva generación de herramientas para equipos

Actualmente, el sistema trabaja sobre transcripciones y genera informes posteriores. Sin embargo, la visión de futuro va mucho más allá.

Los/as participantes imaginan escenarios donde sea posible disponer de paneles en tiempo real capaces de mostrar indicadores relacionados con colaboración, dominancia en las conversaciones, apertura a las dudas o gestión de riesgos mientras las reuniones están teniendo lugar.

Incluso se plantea la posibilidad de contar con asistentes inteligentes capaces de acompañar a líderes y equipos, proporcionando recomendaciones contextuales basadas en el análisis continuo de comportamientos y dinámicas de trabajo.

Pero, pese a todas las posibilidades tecnológicas, la reflexión final del episodio es clara: la complejidad sigue estando en las personas. La IA puede ayudarnos a detectar patrones, generar alertas o aportar nuevas perspectivas, pero los factores que determinan el éxito de un equipo siguen siendo profundamente humanos.