El patrón dominante en la mayoría de las empresas es reactivo: se aprende cuando algo se rompe.
Un producto falla, un cliente se va, un proyecto se retrasa, y solo entonces se convoca una revisión, un "post mortem", un análisis de causa raíz.
El límite del aprendizaje por incidente
Este aprendizaje por incidente tiene un valor innegable, pero también una limitación estructural: solo captura lo que salió mal, y solo lo hace después de que el daño ya ocurrió.
Todo el conocimiento que podría extraerse de las miles de decisiones que salieron bien, o que salieron de manera simplemente distinta a lo esperado, se pierde sin dejar huella.
Aprender como función continua de la operación
La empresa cognitiva invierte esta lógica al tratar el aprendizaje no como una actividad extraordinaria reservada para las crisis, sino como una función continua incorporada en la operación misma.
Esto es posible, en gran medida, porque los sistemas de percepción, memoria y razonamiento que hemos descrito en artículos anteriores no solo sirven para informar decisiones futuras. También pueden observar sistemáticamente el resultado de las decisiones pasadas y comparar lo que se esperaba con lo que efectivamente ocurrió.
Esa comparación, hecha de forma constante y a pequeña escala, es la materia prima del aprendizaje continuo.
- 01
Decidir con una expectativa
Cada microdecisión parte de una predicción sobre lo que va a ocurrir.
- 02
Observar el resultado
La organización registra lo que efectivamente ocurrió, haya salido bien, mal o simplemente distinto.
- 03
Comparar lo esperado con lo ocurrido
La diferencia entre ambos es la materia prima del aprendizaje.
- 04
Refinar o cuestionar
La diferencia sirve para refinar el modelo, o bien para elevar las anomalías que el ajuste fino no logra explicar.
Precios dinámicos que aprenden en cada ajuste
Una empresa que ajusta sus precios dinámicamente puede, tras cada ajuste, observar cómo respondió la demanda, comparar esa respuesta con la que su modelo predijo, y usar la diferencia para refinar el modelo mismo.
Esto no requiere esperar a un trimestre malo para revisar la estrategia de precios. El aprendizaje ocurre en el mismo ciclo que la operación, a una escala tan fina que ningún comité humano podría replicarla con la misma frecuencia.
Lo mismo aplica a la atención al cliente, a la gestión de inventarios, a la asignación de recursos: cada microdecisión es, potencialmente, un experimento del cual se puede aprender algo, si la organización está diseñada para prestar atención.
Primera condición: preguntar por qué funcionó
Esta forma de aprendizaje continuo exige una condición que muchas empresas no cumplen: la voluntad de observar también lo que salió bien, no solo lo que salió mal.
Existe un sesgo natural, casi universal, hacia el análisis de fallos y el silencio sobre los éxitos, como si acertar no mereciera explicación.
“Un acierto sin comprensión es tan frágil como un error sin corrección.”
Si la empresa no entiende por qué algo funcionó, no puede repetirlo de manera confiable ni adaptarlo cuando las condiciones cambien. Aprender mientras se opera significa preguntar "por qué funcionó" con la misma disciplina con que se pregunta "por qué falló".
Segunda condición: canales cortos entre observación y decisión
El aprendizaje continuo requiere que el conocimiento generado en la operación regrese efectivamente a los lugares donde se toman decisiones, y no se quede atrapado en reportes que nadie revisa a tiempo.
De nada sirve que un sistema detecte un patrón sutil en el comportamiento de los clientes si esa señal tarda meses en llegar a quien podría actuar sobre ella.
La empresa cognitiva necesita, por tanto, no solo capacidad de observación, sino canales cortos y confiables entre la observación y la decisión siguiente, cerrando el ciclo que comenzamos a describir en el artículo anterior sobre la acción.
Ajuste fino y ruptura: dos tipos de aprendizaje
Conviene aquí distinguir entre dos tipos de aprendizaje que la empresa cognitiva debe cultivar simultáneamente.
Aprendizaje de ajuste fino
Refina lo que la organización ya sabe hacer: mejores predicciones, decisiones ligeramente más precisas, procesos ligeramente más eficientes. Puede automatizarse en buena medida.
Aprendizaje de ruptura
Cuestiona los supuestos mismos sobre los que opera la organización. Suele surgir de anomalías que no encajan en ningún modelo existente y exige atención humana deliberada.
El segundo tipo exige atención humana porque implica reconocer que el modelo mental de la organización, y no solo sus parámetros, puede estar equivocado.
El riesgo de refinar sin cuestionar
Un riesgo real de la automatización del aprendizaje es que optimice exclusivamente el primer tipo, refinando sin cesar lo que ya se sabe hacer, mientras permanece ciega a las señales que indicarían que el marco entero necesita revisión.
Una organización puede volverse extraordinariamente eficiente resolviendo el problema equivocado, si su aparato de aprendizaje continuo está calibrado solo para mejorar la ejecución y no para cuestionar las premisas.
La empresa cognitiva necesita, entonces, mecanismos explícitos para elevar las anomalías persistentes, esas que el ajuste fino no logra explicar, hacia el nivel donde alguien, humano, pueda preguntarse si el modelo del negocio necesita un cambio más profundo.
Organizaciones que aprenden alimentan la estrategia
El aprendizaje continuo, bien entendido, no reemplaza la reflexión estratégica. La alimenta con una materia prima mucho más rica y actualizada que la que ofrecían los ciclos de revisión anuales o trimestrales.
Una organización que aprende mientras opera no solo corrige más rápido sus errores pequeños: también detecta antes las señales débiles de un cambio mayor, porque está prestando atención de manera constante, no solo cuando algo se rompe lo suficientemente fuerte como para forzar la atención.
¿Quién coordina todo esto?
Esta capacidad de aprender de manera distribuida y continua plantea una pregunta que hasta ahora hemos dejado en segundo plano.
Si la percepción, la memoria, la decisión, la acción y el aprendizaje ocurren de manera simultánea en múltiples puntos de la organización, con humanos y sistemas trabajando codo a codo, ¿cómo se logra que el conjunto funcione como una organización coherente y no como un archipiélago de procesos inteligentes pero desconectados?
Esa es la pregunta que nos ocupará en lo que sigue.
En síntesis
- El aprendizaje por incidente solo captura lo que salió mal, y cuando el daño ya ocurrió.
- Comparar de forma constante lo esperado con lo ocurrido convierte cada microdecisión en un experimento.
- Hay que preguntar "por qué funcionó" con la misma disciplina que "por qué falló".
- Lo aprendido debe regresar por canales cortos a quien decide, no quedar atrapado en reportes.
- El ajuste fino puede automatizarse; el aprendizaje de ruptura exige atención humana deliberada.
- Las anomalías persistentes deben elevarse hasta donde alguien pueda cuestionar el modelo del negocio.
