No dejes que la IA generativa limite la creatividad de tu equipo

Nadie duda de la capacidad de ChatGPT para generar muchas ideas. Pero, ¿son buenas esas ideas? En un experimento reciente en el mundo real, los equipos que participaron en una tarea de resolución creativa de problemas vieron modestos beneficios de la asistencia de la IA en su mayoría, y algunos incluso tuvieron un desempeño inferior.

No culpes a la tecnología, dice Kian Gohar, CEO de la firma de desarrollo de liderazgo GeoLab y uno de los autores del estudio. Los conceptos erróneos comunes sobre la IA generativa, la resolución de problemas y el proceso creativo están haciendo que los trabajadores y sus gerentes usen las herramientas de manera incorrecta, a veces dejándolos peor que si hubieran procedido sin la ayuda de la IA.

Gohar y su co-investigador, Jeremy Utley de la Universidad de Stanford, se asociaron con cuatro empresas: dos en Europa y dos en Estados Unidos. Hasta 60 empleados en cada empresa fueron invitados a trabajar en pequeños equipos en un problema empresarial que enfrentaba su compañía: cómo desarrollar recursos de capacitación interna, por ejemplo, o cómo aumentar las ventas B2B de un producto en particular. En cada una de las empresas, algunos de los equipos (aquellos en el grupo de control) abordaron el problema sin ninguna ayuda de la IA, mientras que otros (aquellos en el grupo experimental) utilizaron una versión de código abierto de ChatGPT. Todos los equipos vieron una breve presentación sobre el problema que debían abordar y tenían hojas de información con detalles relevantes.

Los equipos tenían 90 minutos para generar soluciones potenciales, siguiendo una estructura prescrita por los investigadores. Los empleados trabajaron primero individualmente y luego compartieron sus ideas con sus compañeros durante una sesión de lluvia de ideas. Los equipos en los grupos experimentales pudieron usar ChatGPT durante ambas fases de ideación, y se les animó a entrenar la herramienta en el problema ingresando material de las hojas de información. Al final del ejercicio, cada equipo presentó sus ideas.

El “propietario” de cada problema—la persona en cada organización responsable de implementar la eventual solución—juzgó las ideas, asignando calificaciones desde A (“altamente convincente”) hasta D (“no vale la pena perseguir”) sin saber cuáles habían surgido de colaboraciones humano-máquina. Los resultados desafiaron las expectativas de los investigadores, dice Gohar. Él y sus colegas habían supuesto que los equipos que aprovecharan ChatGPT generarían muchas más y mejores ideas que los demás. Pero esos equipos produjeron, en promedio, solo un 8% más de ideas que los equipos en el grupo de control. Obtuvieron un 7% menos de D, pero también obtuvieron un 8% más de B (“interesante pero necesita desarrollo”) y aproximadamente la misma proporción de C (“necesita desarrollo significativo”). Lo más sorprendente fue que obtuvieron un 2% menos de A. “La IA generativa ayudó a los trabajadores a evitar ideas terribles, pero también condujo a más ideas promedio”, dice Gohar. Las encuestas realizadas antes y después del ejercicio mostraron que los equipos que usaron IA ganaron mucha más confianza en sus habilidades para resolver problemas que los demás—una diferencia del 21%. Pero las calificaciones que recibieron sugieren que gran parte de esa confianza estaba fuera de lugar.

Por supuesto, el potencial de la IA generativa en la resolución de problemas es real, dice Gohar. Aquí hay algunos pasos para maximizarlo.

Sé preciso sobre el problema que deseas resolver. Los modelos de lenguaje grande que sustentan los chatbots de IA generativa están diseñados para dar respuestas “promedio”; sus algoritmos han sido entrenados para identificar la mayor probabilidad de palabras secuenciales. Si uno escribe, “Ladro como un…” y le pide al bot que complete el pensamiento, casi seguramente ofrecerá la palabra “perro”. Pero si los equipos buscan soluciones innovadoras, las respuestas promedio serán de poco uso.

Por lo tanto, los gerentes deben enseñar a sus equipos a formular declaraciones de problemas muy específicas, incluyendo tantos detalles como sea posible, antes de interactuar con la herramienta. Por ejemplo, en lugar de preguntar, “¿Cómo podemos mejorar la satisfacción del cliente?”, los equipos podrían decir, “Nuestro viaje del cliente incluye los siguientes pasos… ¿Qué cambios en nuestro paso de incorporación mejorarán la retención en un 10%?” Gohar comenta, “La gente espera que la IA sea un oráculo: conéctala, y te dará tu solución.” Los equipos que adoptaron ese enfoque—simplemente planteando el problema en términos generales y pidiendo a ChatGPT que lo resolviera—obtuvieron resultados mediocres.

Dedica tiempo a la lluvia de ideas individual sin el bot. Antes de interactuar con la IA, da a los miembros del equipo un tiempo—de 15 minutos a media hora, digamos—para que individualmente propongan ideas. Eso ayudará a asegurar que aborden la reunión del equipo y el despliegue de la IA sin verse afectados por el pensamiento de grupo o por lo que sugiere la herramienta. Este paso es crucial para reunir ideas diversas y creativas y maximiza el número de ideas únicas que se llevan al grupo para su discusión.

Entrena rigurosamente a la IA. Los sistemas de IA generativa carecen del entendimiento contextual que las personas adquieren durante meses o años de trabajo en sus organizaciones e industrias. Antes de integrar ChatGPT o una herramienta similar en el proceso de ideación, necesitas ayudarla a ponerse al día. Ingresa tantos datos relacionados con tu problema específico como puedas. Eso podría incluir la forma de pensar de un grupo de clientes, éxitos anteriores y iniciativas fallidas, y puntos de referencia de la industria.

Aborda la IA como un compañero de conversación continuo, no como un oráculo. Los equipos en el estudio desarrollaron mejores ideas cuando interactuaron varias veces con ChatGPT. “La mayoría de la resolución de problemas requiere una conversación”, dice Gohar. “Tendrías una discusión con tus colegas para llegar a una mejor solución a un problema, y eso se mantiene cuando uno de esos colegas es ChatGPT.”

Muchos de los equipos en el experimento simplemente aceptaron la primera sugerencia que ofreció ChatGPT. Gohar atribuye esto al efecto Einstellung: un sesgo cognitivo por el cual las personas se inclinan hacia las soluciones tempranas y familiares en lugar de explorar las posibilidades de manera más expansiva. Eso probablemente contribuyó a la alta tasa de ideas de grado B generadas por los equipos asistidos por la IA. No importa cuán buena parezca la sugerencia inicial de la herramienta, los equipos siempre deben seguir con más preguntas y más específicas, dice Gohar. Hacerlo permite que el modelo refine sus respuestas y da a los usuarios más soluciones para elegir finalmente. “Los equipos que obtuvieron A fueron aquellos que tuvieron conversaciones interactivas con el bot”, enfatiza Gohar.

Haz que alguien externo al equipo facilite la decisión final. Cuando el equipo se reúna para compartir posibles soluciones, designa a un miembro para consolidar las sugerencias. Luego pide a la IA que las analice en busca de alineación con tus objetivos, ofrezca críticas, desafíe suposiciones y sugiera más alternativas. Este paso también sirve como un mecanismo de entrenamiento y mejorará el desempeño futuro del modelo. Puede ser útil, dice Gohar, contar con un facilitador externo—alguien que no tenga un interés personal en el resultado, que idealmente esté bien versado en la ideación con IA—para guiar el proceso, ayudar a priorizar ideas y planificar los próximos pasos.

Colaboración: Grupo Auge | HBR.

Sponsored by: BMW de México

Noticias Relacionadas

en_USEN