Hay un uso de la inteligencia artificial que hacemos todo el tiempo: tenemos un problema, abrimos una herramienta y preguntamos qué podríamos hacer. En segundos aparecen diez alternativas, algunas bastante buenas. El problema es que tener más ideas no necesariamente significa estar resolviendo mejor el problema.

En el trabajo, la creatividad rara vez consiste en sentarnos frente a una hoja en blanco a inventar algo extraordinario. Aparece en situaciones mucho más cotidianas: un equipo que no participa en las reuniones, un proceso que está demorando demasiado, una persona nueva que no termina de integrarse, una propuesta para un cliente que no funciona o un programa de capacitación que tiene buena asistencia pero casi ninguna aplicación posterior.

En todos esos casos hay algo que no está funcionando como necesitamos y tenemos que encontrar otra manera de abordarlo. Eso también es creatividad. Y ahí la IA puede ser extraordinariamente útil, siempre que no le deleguemos demasiado rápido la definición del problema que estamos intentando resolver.

A veces estamos resolviendo el problema equivocado

Imaginemos que terminó una capacitación para líderes. Las evaluaciones fueron buenas, las personas dijeron que el contenido les resultó útil y, sin embargo, tres semanas después prácticamente nadie está utilizando las herramientas trabajadas.

Una reacción bastante habitual podría ser pensar que necesitamos hacer la capacitación más atractiva. Entonces abrimos ChatGPT y pedimos diez ideas innovadoras para mejorar un programa de liderazgo. En segundos aparecen propuestas de gamificación, microlearning, simulaciones, videos, casos, quizzes o aprendizaje social.

Todas pueden ser buenas ideas. Y todas pueden ser completamente irrelevantes.

Todavía no sabemos cuál es el problema. Quizás las personas entendieron perfectamente el contenido, pero sus líderes no les dan espacio para aplicarlo. Quizás la herramienta enseñada no encaja con el flujo real de trabajo. Quizás nadie recuerda utilizarla cuando aparece la situación adecuada. Quizás faltó práctica. O quizás el comportamiento que queremos desarrollar contradice la manera en que la organización evalúa el desempeño.

Por eso, cuando hablamos de creatividad aplicada al trabajo, generar soluciones no debería ser el primer paso. Primero necesitamos entender qué estamos tratando de resolver.

La IA es muy buena respondiendo preguntas. Por eso importa tanto qué pregunta le hacemos

Una herramienta generativa puede producir alternativas a una velocidad que nosotros difícilmente podamos igualar. Esa capacidad tiene mucho valor, especialmente cuando estamos bloqueados o necesitamos explorar caminos que no habíamos considerado.

Pero la calidad de esas alternativas depende del territorio que le damos para explorar. Si definimos mal el problema, podemos terminar obteniendo soluciones excelentes para algo que no necesitábamos resolver.

Por eso, frente a un problema laboral, mi primera interacción con IA no sería necesariamente “¿qué debería hacer?”. Empezaría por algo más parecido a: “Esta es la situación. Estos son los hechos que tengo. Estas son mis interpretaciones. Ayudame a identificar qué otras explicaciones podrían existir”.

En ese momento la IA todavía no está resolviendo. Está ayudándonos a ampliar la mirada sobre el problema. Y esa función me parece mucho más interesante.

Un ejemplo: “mi equipo no participa”

Supongamos que liderás un equipo y casi nadie habla durante las reuniones. Podrías concluir rápidamente que tu equipo tiene poca iniciativa y pedirle a una IA ideas para conseguir que las personas participen más.

Probablemente recibas dinámicas, rondas de participación, preguntas rompehielo o recomendaciones para mejorar la seguridad psicológica. Algunas incluso podrían funcionar. Pero antes habría que revisar algo más básico: “mi equipo tiene poca iniciativa” no es un hecho. Es una interpretación.

Los hechos podrían ser otros: en las últimas cuatro reuniones habló principalmente la misma persona, tres integrantes casi no intervinieron y, cuando se pidieron comentarios, nadie respondió inmediatamente.

A partir de ahí podemos explorar hipótesis distintas. Quizás las reuniones están demasiado estructuradas alrededor de actualizaciones. Quizás las decisiones llegan prácticamente tomadas. Tal vez algunas personas necesitan más tiempo para procesar antes de opinar o existen diferencias de jerarquía que condicionan la participación. Incluso podría suceder que el problema no sea la participación, sino que las personas no entienden para qué sirve participar.

Ahí aparece una primera contribución muy útil de la IA: ayudarnos a generar explicaciones alternativas antes de enamorarnos de nuestra primera interpretación.

Después sí: generar alternativas

Una vez que entendemos mejor el problema, la capacidad generativa de la IA se vuelve mucho más valiosa.

Volvamos al ejemplo. Supongamos que, después de observar lo que sucede y conversar con algunas personas, descubrimos que los temas de la reunión aparecen por primera vez cuando empieza la videollamada. El equipo tiene pocos segundos para procesar información y construir una opinión.

Ahora podemos pedir algo mucho más específico: “Dame distintas formas de rediseñar esta reunión para que las personas puedan pensar antes de participar. No quiero simplemente obligarlas a hablar”.

Las respuestas probablemente cambien. Podríamos enviar las preguntas de decisión con anticipación, pedir aportes asincrónicos antes de la reunión, comenzar leyendo opiniones ya escritas, separar las actualizaciones informativas de los espacios de discusión o incorporar unos minutos de reflexión individual antes de abrir el debate.

Ya no estamos haciendo una lluvia de ideas genérica. Estamos buscando alternativas para una causa concreta.

Pero hay otro riesgo: terminar todos con las mismas ideas

Acá aparece una paradoja interesante. La investigación muestra que la asistencia de IA puede mejorar la creatividad de producciones individuales, especialmente entre personas que inicialmente tienen más dificultades para generar ideas. Al mismo tiempo, esos resultados pueden volverse más similares entre sí.

En otras palabras, la herramienta puede ayudarnos individualmente y reducir la diversidad colectiva de respuestas.

En el trabajo esto importa mucho. Si todas las empresas preguntan cómo mejorar su onboarding y todas reciben variaciones de buddy programs, planes 30-60-90, microlearning, gamificación y preguntas frecuentes automatizadas, podemos terminar implementando buenas prácticas sin preguntarnos si realmente responden al problema particular de nuestra organización.

Por eso, una vez que la IA genera alternativas, conviene forzar un poco la diversidad. Podemos pedir soluciones que no impliquen crear contenido nuevo, opciones con presupuesto casi cero, alternativas que no agreguen reuniones o incluso pedirle a la herramienta que cuestione las propuestas que acaba de hacer.

También podemos preguntarle qué parte del problema podríamos estar formulando mal, qué alternativa sería poco habitual pero razonable o qué podría hacer que todas las opciones propuestas fracasaran.

La diferencia parece pequeña, pero cambia bastante el rol de la herramienta. Ya no la usamos solamente para responder, sino para desafiar la primera respuesta.

Creatividad no termina cuando aparece una idea

Supongamos que después de explorar distintas alternativas tenemos seis opciones posibles. Todavía no resolvimos nada. Ahora necesitamos decidir cuál tiene sentido para ese contexto.

Una solución puede sonar excelente y ser imposible de implementar. Otra puede ser técnicamente correcta y sumar una carga operativa absurda. Una tercera puede haber funcionado muy bien en otra empresa y fracasar en la nuestra.

Por eso creatividad en el trabajo necesita convivir con criterio. No alcanza con preguntar cuál es la idea más original. Tenemos que revisar qué problema resuelve exactamente, qué evidencia tenemos de que estamos atacando una causa relevante, qué recursos necesita, qué efectos secundarios podría generar y cómo sabríamos rápidamente si está funcionando.

La IA puede ayudarnos a analizar todas esas dimensiones. Pero la responsabilidad sobre la decisión sigue necesitando conocimiento del contexto. La herramienta puede saber muchísimo sobre organizaciones, liderazgo o procesos. Lo que no conoce automáticamente es esta organización, este equipo, estas personas y este momento, salvo aquello que nosotros podamos explicarle.

Un proceso simple para resolver problemas con IA

Cuando aparece un problema real de trabajo, me sirve pensar el proceso en siete movimientos.

Primero, separar hechos de interpretaciones. ¿Qué observamos realmente y qué estamos suponiendo sobre lo que significa?

Después, ampliar las posibles causas. En este punto la IA puede ayudarnos a generar hipótesis alternativas, no para decidir cuál es correcta sino para evitar quedarnos con la primera.

El tercer paso es buscar información. ¿Qué necesitaríamos saber para distinguir entre esas hipótesis? Quizás haya que revisar datos, observar un proceso, conversar con alguien o simplemente hacer una pregunta que todavía no hicimos.

Recién entonces tiene sentido generar alternativas. Ahí podemos usar la capacidad de la IA para abrir caminos distintos y no solamente producir variaciones de la misma idea.

Después conviene desafiar esas opciones: pedir riesgos, supuestos, puntos débiles y posibles consecuencias no deseadas.

El sexto paso es elegir una intervención pequeña. No siempre necesitamos diseñar una solución definitiva. Muchas veces podemos probar algo durante dos semanas y observar qué cambia.

Y finalmente revisar. ¿Qué pasó? ¿Qué aprendimos? ¿El problema estaba realmente donde pensábamos? Si la respuesta es no, volvemos al proceso con mejor información.

Eso es resolución creativa de problemas. No encontrar mágicamente “la idea correcta”, sino construir mejores respuestas a partir de una comprensión cada vez más precisa de la situación.

La IA no elimina la necesidad de creatividad. Cambia dónde la necesitamos

Si generar veinte alternativas cuesta cinco segundos, probablemente generar alternativas deje de ser la parte más difícil del proceso.

El valor empieza a moverse hacia otras preguntas. ¿Qué problema vale la pena resolver? ¿Qué estamos interpretando mal? ¿Qué información falta? ¿Qué alternativa tiene sentido acá? ¿Qué riesgo no estamos viendo? ¿Qué aprendimos de lo que probamos?

Y quizás esa sea una de las transformaciones más interesantes que trae la inteligencia artificial al trabajo.

La creatividad no desaparece porque una herramienta pueda generar ideas. Se desplaza desde producir opciones hacia hacer mejores preguntas, conectar contexto, desafiar supuestos y convertir posibilidades en decisiones que realmente resuelvan algo.

Porque una lista de diez ideas puede obtenerla cualquiera. Entender cuál es el problema que tenemos adelante sigue siendo un trabajo bastante más difícil.

Fuentes

Nos leemos,
Ceci Mansilla