Preparaste el análisis. Tenés los datos, entendés el problema y hasta tenés una recomendación bastante clara. Armás la presentación, explicás todo y, cuando llegás al final, pasa algo bastante habitual: nadie parece estar en desacuerdo, pero tampoco queda claro qué decisión hay que tomar.

No necesariamente faltaba información. A veces había demasiada.

En el trabajo necesitamos explicar situaciones complejas todo el tiempo. Queremos conseguir presupuesto para un proyecto, proponer un cambio, mostrar por qué un proceso dejó de funcionar, presentar los resultados de una iniciativa o conseguir que un equipo entienda por qué necesita hacer algo diferente. Podemos tener toda la evidencia necesaria y aun así presentar cada dato como una pieza independiente, esperando que quienes nos escuchan hagan solos el trabajo de conectarlas.

Ahí es donde storytelling puede ser útil. No estoy hablando de empezar una presentación con “Había una vez” ni de agregar una anécdota emocional para hacerla más entretenida. Storytelling en el trabajo es organizar información de manera que otra persona pueda entender qué está pasando, por qué importa y qué necesita decidir o hacer después.

La IA puede ayudarnos muchísimo con ese trabajo. El riesgo aparece cuando también le entregamos la responsabilidad de decidir cuál es la historia.

Tener los datos no significa que el problema sea evidente

Imaginemos que estás presentando los resultados de un programa de capacitación. Tenés información sobre participación, finalización, evaluaciones, comentarios de quienes participaron y alguna evidencia sobre aplicación posterior.

Podrías mostrar cada indicador en una slide diferente. Primero inscripciones, después asistencia, después satisfacción, después comentarios y finalmente los datos de transferencia. Todo sería correcto, pero quienes escuchan todavía necesitarían descubrir qué significa ese conjunto.

Supongamos que la conclusión importante es que las personas completan el programa y lo evalúan bien, pero después tienen dificultades para aplicar lo aprendido en el trabajo. El problema que necesitamos discutir no es la participación ni la satisfacción. Es la distancia entre aprender algo y poder utilizarlo.

La historia empieza a aparecer cuando conectamos los datos alrededor de esa tensión: las personas están llegando al programa, lo completan y consideran que les resulta útil. Sin embargo, cuando volvemos a mirar unas semanas después, la aplicación es mucho menor de la que esperábamos. Esto sugiere que el principal problema ya no está en conseguir que las personas aprendan el contenido, sino en lo que sucede cuando intentan llevarlo al trabajo.

No inventamos nada ni eliminamos los datos. Simplemente dejamos de presentarlos como una colección de indicadores y empezamos a mostrar qué relación existe entre ellos.

La investigación sobre comprensión ayuda a entender por qué esta estructura importa. Un meta-análisis de más de 75 muestras y 33.000 participantes encontró que la información presentada en forma narrativa tendía a comprenderse y recordarse mejor que la información expositiva. Esto no significa que tengamos que transformar cada dashboard en una historia dramática. Significa que las personas procesamos mejor la información cuando podemos construir una secuencia coherente y entender cómo una cosa se relaciona con otra.

La primera pregunta no es “¿cuál es mi historia?”

Antes de pensar en storytelling, hay una pregunta bastante más práctica: ¿qué necesita poder entender o decidir esta persona después de escucharme?

Si no tenemos clara esa respuesta, es muy fácil terminar creando una presentación interesante que no lleva a ningún lugar.

Supongamos que querés conseguir aprobación para cambiar el onboarding de una empresa. Podrías contar muchas cosas: cómo funciona actualmente, qué dicen las personas nuevas, cuáles son las mejores prácticas, qué hacen otras empresas, qué tecnología podríamos incorporar y cuáles son las tendencias de onboarding.

Pero quizás la decisión que necesitás es mucho más concreta: aprobar dos semanas de trabajo para rediseñar el proceso.

Eso cambia completamente la manera de organizar la información. Necesitás mostrar cuál es el problema actual, qué consecuencias está generando, qué evidencia tenés de que vale la pena intervenir, qué proponés probar y qué necesitás de quienes están escuchando.

La historia no es un adorno alrededor de la propuesta. Es la estructura que permite comprender por qué esa propuesta existe.

La IA puede ayudarte a encontrar la estructura

Acá aparece un uso de IA que me resulta mucho más valioso que pedirle “escribime una historia convincente”. Podés darle los elementos que ya tenés y pedirle que te ayude a encontrar relaciones.

Por ejemplo: “Tengo estos seis hallazgos de una encuesta, tres métricas del programa y cuatro comentarios de participantes. No agregues información. Ayudame a identificar cuáles podrían formar parte del mismo problema y qué tensiones aparecen entre ellos”.

O: “Esta es mi recomendación. ¿Qué información necesita conocer una persona que no participó del proyecto para entender por qué llegamos a esta conclusión?”.

También podés pedirle que detecte saltos lógicos: “Revisá esta argumentación como si fueras una persona escéptica del comité ejecutivo. Indicame en qué puntos estoy afirmando algo que los datos todavía no demuestran”.

Ahí la herramienta está haciendo algo muy concreto: nos ayuda a construir y cuestionar la lógica de la historia. Eso es distinto de pedirle que invente una narrativa atractiva y después buscar datos para sostenerla.

Una estructura muy simple: situación, tensión, evidencia, decisión

No necesitamos convertir todas las comunicaciones del trabajo en una estructura cinematográfica de tres actos. Para muchas situaciones alcanza con cuatro preguntas.

¿Cuál es la situación?

¿Qué está ocurriendo ahora? ¿Qué necesita saber la otra persona para entender el contexto? No hace falta contar toda la historia del proyecto, solamente aquello que sea relevante para comprender el problema.

¿Dónde aparece la tensión?

¿Qué esperábamos que sucediera y qué está sucediendo en realidad? Muchas historias de trabajo empiezan exactamente ahí.

Esperábamos que más personas utilizaran una herramienta y no ocurrió. Estamos creciendo, pero nuestro proceso actual no escala. Tenemos más información que antes, pero las decisiones tardan más. El nuevo sistema redujo una parte del trabajo, pero creó otra carga que no habíamos previsto.

La tensión crea una pregunta que necesita respuesta.

¿Qué evidencia tenemos?

Este paso es particularmente importante porque storytelling no puede reemplazar al análisis. Si afirmamos que existe un problema, necesitamos mostrar cómo lo sabemos: datos, observaciones, ejemplos, feedback, resultados o cualquier otra evidencia relevante.

Una buena historia organiza esa evidencia. No la sustituye.

¿Qué necesitamos decidir?

Este es el punto que muchas presentaciones dejan implícito. Después de explicar el problema, ¿qué querés que ocurra?

¿Aprobar una prueba? ¿Cambiar una prioridad? ¿Asignar presupuesto? ¿Elegir entre dos alternativas? ¿Dejar de hacer algo? ¿Investigar mejor una hipótesis antes de actuar?

Si las personas tienen que adivinar qué necesitás de ellas, la historia todavía no terminó.

Un ejemplo: de dashboard a decisión

Imaginemos que tenés que presentar el desempeño de una nueva herramienta interna. Podrías mostrar primero cuántas cuentas fueron creadas, después usuarios activos, cantidad de sesiones, principales funcionalidades utilizadas y satisfacción. Cada métrica puede ser correcta, pero todavía no sabemos qué estamos tratando de entender.

Ahora supongamos que el problema real es que muchas personas probaron la herramienta durante las primeras semanas pero pocas la incorporaron a su trabajo habitual.

La estructura cambia. La situación es que el lanzamiento consiguió que una parte importante de la población objetivo probara la herramienta. La tensión es que el uso inicial no se está convirtiendo en uso recurrente. La evidencia muestra cuándo cae la utilización, qué funciones sí siguen usándose y qué dificultades aparecen en el feedback. Y la decisión podría ser que, antes de invertir en nuevas funcionalidades, queremos probar si el problema está en la integración con el flujo de trabajo actual.

Los mismos datos ahora cuentan algo. Y, sobre todo, permiten discutir una decisión.

La IA también puede ayudarte a adaptar la historia sin cambiar los hechos

La misma propuesta puede necesitar explicaciones distintas según quién esté escuchando. Una persona de Finanzas puede querer entender el costo y el impacto esperado. Alguien de Operaciones probablemente necesite saber qué cambia en el proceso. Una líder del área puede estar preocupada por la carga que tendrá su equipo.

Eso no significa contar historias diferentes hasta encontrar la que cada persona quiere escuchar. Significa mantener los mismos hechos y cambiar el nivel de contexto, el lenguaje y las preguntas que hacemos visibles.

La IA es particularmente útil para este ejercicio. Podés darle tu estructura y pedirle: “Explicame qué preguntas probablemente tendría alguien de Finanzas frente a esta propuesta”. Después: “Ahora revisala desde la perspectiva de una persona que va a implementar el cambio”.

O incluso: “¿Qué parte de mi explicación depende de conocimiento que yo tengo por haber trabajado seis meses en este proyecto pero que la audiencia probablemente no tenga?”. Ese último prompt puede ser especialmente útil. Cuando conocemos demasiado un tema, dejamos de notar todo lo que estamos dando por sentado.

Storytelling también puede hacernos tomar peores decisiones

Hay una razón por la que no me gusta presentar storytelling simplemente como una herramienta para “convencer”. Las historias son persuasivas. Y eso también puede ser un problema.

Una revisión sistemática sobre narrativa y toma de decisiones encontró que, en determinadas situaciones, la información narrativa podía influir más que la información estadística e incluso favorecer un procesamiento más heurístico. La evidencia no permite concluir que las historias siempre mejoren o siempre empeoren las decisiones; justamente muestra que la forma de presentar la información puede modificar cómo la evaluamos.

Investigaciones más recientes también muestran que el acto de contar una experiencia puede modificar qué partes recordamos y qué valor les asignamos.

En el trabajo esto importa muchísimo. Un caso concreto puede ser muy potente y, al mismo tiempo, completamente atípico. Una historia sobre una persona que tuvo una experiencia extraordinaria con un programa no demuestra que el programa funcione para todos. Una anécdota sobre un cliente frustrado no necesariamente significa que tengamos un problema generalizado.

La historia puede ayudar a comprender los datos. No debería utilizarse para escapar de ellos.

Qué no le delegaría a la IA

Si estamos usando IA para construir una comunicación importante, hay algunas cosas que no le delegaría.

No le pediría que invente ejemplos reales que nunca ocurrieron. No permitiría que agregue causas que no demostramos. No usaría testimonios sintéticos como si fueran comentarios de personas reales. Tampoco aceptaría automáticamente una estructura donde siempre haya un héroe, un villano y una solución clara, porque los problemas del trabajo rara vez son tan prolijos.

La IA tiene una tendencia muy útil para escribir y bastante peligrosa para analizar: puede completar los espacios vacíos con algo que suena perfectamente plausible.

Por eso puede ayudarnos a organizar la historia, pero los hechos necesitan seguir bajo nuestro control. Esto conecta con algo que ya trabajamos cuando hablamos de comunicación con IA: podemos delegar una parte importante de la forma sin delegar también el pensamiento que define qué queremos decir.

Una práctica para tu próxima presentación

La próxima vez que tengas que presentar un análisis, una propuesta o un problema, antes de abrir PowerPoint o pedirle a una IA que arme las slides, probá escribir cinco frases.

La situación actual es…

Esperábamos que… pero estamos viendo que…

Sabemos esto porque…

Si no hacemos nada, lo que podría pasar es…

La decisión que necesitamos tomar es…

Después sí abrí la IA. Pedile que encuentre agujeros en el razonamiento, que identifique información innecesaria, que adopte la perspectiva de una audiencia escéptica o que proponga diferentes formas de explicar la misma secuencia sin modificar los hechos. Y recién entonces pensá en slides, gráficos o palabras.

Porque el storytelling que más necesitamos en el trabajo no consiste en aprender a contar historias impresionantes. Consiste en hacer visible la lógica de un problema para que otras personas puedan entenderlo, discutirlo y tomar una mejor decisión.

Fuentes

Nos leemos,
Ceci Mansilla