El camino menos transitado

El poema “The road not taken” de Robert Frost es sencillamente maravilloso.

Nos habla de la libertad de elección, de la incertidumbre y de la bondad de tomar el camino menos transitado. Tiene un marcado tono melancólico, porque reconoce que elegir es renunciar y que no es posible vivir todas las oportunidades que se presentan y que no se han tomado. El poema cuestiona la idea de que nuestras decisiones sean racionales, e incide en el hecho de que es imposible saber a ciencia cierta el resultado de nuestras acciones.

Two roads diverged in a yellow wood,

And sorry I could not travel both

And be one traveler, long I stood

And looked down one as far as I could

To where it bent in the undergrowth;

Then took the other, as just as fair,

And having perhaps the better claim,

Because it was grassy and wanted wear;

Though as for that the passing there

Had worn them really about the same,

And both that morning equally lay

In leaves no step had trodden black.

Oh, I kept the first for another day!

Yet knowing how way leads on to way,

I doubted if I should ever come back.

I shall be telling this with a sigh

Somewhere ages and ages hence:

Two roads diverged in a wood, and I—

I took the one less traveled by,

And that has made all the difference.

Pensaba el otro día en este poema al reflexionar sobre el valor que aporta la #IA en procesos creativos, en aquellas ocasiones donde precisamente se persigue caminar por territorios inciertos y caminos poco explorados.

He de reconocer que utilizo muy frecuentemente herramientas de IA para romper el “lienzo en blanco” y “calentar motores”. Es una forma muy efectiva de realizar “estiramientos” mentales y empezar a desperezar neuronas.

Sin embargo, creo que puedo contar con los dedos de una mano las veces que en el último año el uso de la #IA me ha sorprendido sugiriendo un camino radicalmente diferente al que ya transitaba. Si bien en los primeros meses se percibía cierta anarquía y locura en los resultados, los LLMs producen ahora en general resultados “muy aseaditos” pero poco inspiradores, y mi hipótesis es que lo hacen por dos motivos fundamentales:

  • Los grandes modelos de lenguaje no son sino mecanismos estadísticos que juegan con las piezas con las que han sido entrenados. Del mismo modo que un set de LEGO permite variaciones a partir únicamente de las piezas que lo componen, la IA en procesos creativos transita por caminos ya abonados, aplicando probabilidades sobre el conocimiento previamente generado. Y es que cuando se habla del peligro de los «sesgos» en la #IA, frecuentemente se centra el debate en los sesgos de género ó raza. Sin embargo, existen muchas otras derivadas de la limitación del corpus de conocimiento usado en el entrenamiento. En un divertido experimento, se trató de que una IA fuera capaz de desescalar un conflicto en una suerte de “Juegos de guerra”. Sin embargo, según el estudio, los LLM no se mostraron especialmente hábiles buscando consensos, porque la humanidad se ha dedicado a luchar, y no existe abundante literatura sobre cómo resolver rencillas.

  • La IA está optimizada para reducir la pérdida y no para maximizar la ganancia. De esta forma trata de reducir el riesgo y no “romper nada”. De hecho, es evidente que los principales modelos trabajan en el contexto de unos enormes “guardarraíles” que impiden abandonar una ruta que podría llevar a resultados que pudieran causar alarma social, incorrección política ó grandes dilemas morales.

De hecho, para introducir variabilidad y pensamiento lateral al proceso creativo, se necesita al humano. De otro modo, circularemos como esas interminables hileras de hormigas que discurren siguiendo el rastro de feromonas de las que les preceden.

Leía hace poco un estudio que indagaba en la paradoja de la exploración científica. Cuando un grupo numeroso de científicos comparte datos y metodología, aumenta su comprensión sobre el trabajo de sus colegas y su confianza sobre el mismo. Sin embargo, se generan “burbujas epistémicas” derivadas de un pensamiento grupal que penaliza sobremanera la exploración de territorios de conocimiento adyacentes. La IA trabaja de forma parecida, promoviendo una suerte de “endogamia creativa”.

Escuchaba hoy el podcast de Jaime Rodríguez de Santiago : «vivimos en la mediocridad» y no paraba de pensar que la tecnología y los algoritmos no han hecho sino promover “la media” y el encaje en una cierta distribución estadística, evitando las “colas”.

Sin embargo, para el desarrollo de procesos creativos, debemos apostar por ser “centauros” cabalgando a lomos de inteligencias artificiales y no autómatas sometidos a ellas. El día que nos demos cuenta de que esto no va de «sustituir por» IA sino de «acompañar con» IA, habremos avanzado muchísimo.

De momento, la capacidad de conectar ideas aparentemente no relacionadas, de crear categorías o conceptos no basados en nada anteriormente desarrollado, parece ser territorio intrínsecamente del hombre, ó como dice Javier G. Recuenco, “santuarios humanos”.

Disfrutemos del camino de la #IA, y abandonémonos al menos transitado.

Cómo comerse un elefante

Si alguna vez has tenido ocasión de participar en una dinámica de grupo en la que se pretenda resolver algún asunto complejo, habrás podido observar lo habitual que resulta caer en el “pensamiento grupal” en el momento en que un individuo asume el rol de líder y se lanza cuesta abajo y sin frenos en búsqueda de soluciones sin haberse parado a analizar el problema.

En el Marketing, resulta tentador caer en el mismo error, centrándonos en la cantidad de supuestos problemas que es capaz de resolver nuestro producto sin haber analizado en profundidad la necesidad que tiene un cliente. Se le atribuye a Henry Ford la frase: “Si le hubiera preguntado a la gente qué querían, me habrían dicho que un caballo más rápido”. Es decir, si no hubiéramos sido capaces de averiguar que lo que quería cubrir un potencial consumidor del Ford T era una necesidad de transporte y no comprarse un artilugio que ni siquiera podía imaginar, hoy podríamos ir todos montados en veloces corceles.

A menudo debo de defender a capa y espada la figura del Ingeniero trabajando en Marketing. La gente que no lo entiende debería leer la reflexión de Celso en el blog para comprender cuáles son las aptitudes que hacen esa formación tan valiosa cuando de lo que se trata es de resolver problemas, manejar portfolios de producto, modelizar nuevas formas de negocio. Y es que el Ingeniero está acostumbrado a trabajar continuamente en el análisis de problemas y sus causas raíces.

En los MBA se utiliza una metodología parecida para analizar casos de negocio complejos, y que Conor Neill explica estupendamente bien en su muy recomendable blog “Moving people to action”.

  1. Analizar: ¿cuál es el problema?
  2. Pensar: ¿qué alternativas existen?
  3. Discurrir: ¿qué criterios de valoración son relevantes?
  4. Medir: la efectividad de las diferentes alternativas con respecto a los criterios seleccionados
  5. Elegir: la mejor alternativa
  6. Definir: un plan de acción para ponerla en marcha

La próxima vez que te encuentres ante una decisión de Marketing complicada ¿cómo te piensas “comer el elefante”?

el principito

Qué hacer cuando no sabes qué hacer

«En cualquier momento de decisión lo mejor es hacer lo correcto, luego lo incorrecto, y lo peor es no hacer nada.»

Theodore Roosevelt (1858-1919), presidente estadounidense

Hubo un tiempo en el que tenía que despachar frecuentemente con un ejecutivo bastante poco amigo de la toma de decisiones. Cada vez que le llevaba un análisis me preguntaba “¿Estás 100% seguro de que tienes contempladas todas las causas de por qué estamos sufriendo esa caída?”. Por supuesto que era imposible garantizar ese nivel de seguridad que él pedía, y hubiera resultado infructuoso el haberle tratado de explicar la Ley de Pareto y el concepto del 80/20. Es decir, ese esfuerzo adicional que pedía en seguridad, no aportaba nada verdaderamente relevante a la toma de la decisión que se requería. Y si hubiera llegado a la máxima seguridad, hubiera sido tarde para la toma de esa decisión.

Sin embargo, me sorprende la extrema habilidad con la que mi hija Paula adquiere nuevo conocimiento por un mecanismo que incorpora muchísimo más riesgo. Prueba, error, prueba, error, prueba,… el método iterativo parece no acabar nunca hasta que en cierto punto, consigue lo que se había propuesto, adquiriendo así una nueva habilidad.

No sé en qué momento desarrollamos una extrema aversión al riesgo. Algún “darwinista” diría que en la Naturaleza el error no está permitido, porque el animalillo que lo comete cae en las fauces del depredador, perpetuándose el fenómeno de la supervivencia del mejor adaptado.

Lo cierto es que las empresas afortunadamente cuentan con mecanismos que amortiguan esos riesgos como pueden ser la diversificación de cartera, la “caja” que permite superar ciertos periodos sin ingresos, la diversificación de mercados,…

Por ese motivo me sorprendió muy gratamente el artículo de Paul B. Brown en Forbes: “What should you do when you don’t know what to do? Act first. Think later”. En él se propone que cada vez que te enfrentes a una situación en la que no sepas qué hacer, sigas una metodología muy parecida al mecanismo de aprendizaje de los bebés:

  1. Actúa
  2. Aprende / Ajusta (midiendo la desviación respecto al resultado esperado)
  3. Construye a partir de lo aprendido
  4. Vuelve a actuar

Puede resultar sorprendente, pero cada vez más en el mundo de la tecnología es el camino elegido (¿no son las versiones “beta” un ejemplo de eso mismo?) y en el mundo de las start-up seguir esa filosofía «lean« es prácticamente indispensable.

La próxima vez que no sepas qué hacer, recuerda qué hacías cuando aprendías mediante la experimentación en aquella época que no levantabas un palmo del suelo.