No deje que la generación de IA limite la creatividad de su 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 participaban en una tarea creativa de resolución de problemas obtuvieron beneficios modestos con la ayuda de la IA en su mayor parte, y algunos tuvieron un rendimiento inferior. No culpe a la tecnología, afirma Kian Gohar, director ejecutivo de la firma de desarrollo de liderazgo GeoLab y uno de los autores del estudio. Los conceptos erróneos más comunes sobre la IA generativa, la resolución de problemas y el proceso creativo hacen que los trabajadores y sus directivos utilicen las herramientas de forma inadecuada, lo que a veces los hace peor que si hubieran procedido sin la participación de la IA.

Gohar y su coinvestigador, Jeremy Utley, de la Universidad de Stanford, se asociaron con cuatro empresas: dos en Europa y dos en los Estados Unidos. Se pidió a hasta 60 empleados de cada empresa que trabajaran en equipos pequeños para resolver un problema empresarial al que se enfrentaba su empresa: cómo desarrollar los recursos de formación internos, por ejemplo, o cómo aumentar las ventas B2B de un producto en particular. En cada una de las firmas, algunos de los equipos (los del grupo de control) abordaron el problema sin la ayuda de la IA, mientras que otros (los del grupo experimental) recibieron una versión de código abierto de ChatGPT. Todos los equipos vieron una breve presentación sobre el problema que se les había encomendado y tenían hojas informativas con los detalles pertinentes.

Los equipos tenían 90 minutos para generar posibles soluciones, siguiendo la estructura prescrita por los investigadores. Los empleados primero trabajaron de forma individual y, después, compartieron sus ideas con sus compañeros de equipo durante una sesión de intercambio de ideas. Los equipos de los grupos experimentales podían utilizar ChatGPT durante las dos fases de ideación y se les animaba a entrenar la herramienta sobre el problema introduciendo material de las hojas de información. Al final del ejercicio, cada equipo presentó sus ideas.

El «propietario» de cada problema —la persona de cada organización responsable de implementar la solución final— juzgó las ideas y asignó calificaciones de A («muy convincente») a D («no vale la pena perseguirlas») sin saber cuáles habían surgido de las colaboraciones entre humanos y máquinas. Los resultados cambiaron las expectativas de los investigadores, afirma Gohar. Sus colegas y él habían asumido que los equipos que utilizaran ChatGPT generarían muchas más y mejores ideas que los demás. Pero esos equipos produjeron, de media, solo un 8% más de ideas que los equipos del grupo de control. Tienen un 7% menos de D, pero también tienen un 8% más de B («interesante pero necesita un desarrollo») y aproximadamente la misma proporción de C («necesita un desarrollo significativo»). Lo más sorprendente es que sacaron un 2% menos de A. «La IA generativa ayudó a los trabajadores a evitar ideas malas, pero también llevó a ideas más normales», afirma Gohar. Las encuestas realizadas antes y después del ejercicio mostraron que los equipos que utilizaban la IA adquirieron mucha más confianza en su capacidad de resolución de 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 de la generación en la resolución de problemas es real, afirma Gohar. Estos son algunos pasos para maximizarlo.

Sea preciso en cuanto al problema que quiere resolver.

Los grandes modelos lingüísticos en los que se basan los chatbots generativos de la IA están diseñados para dar respuestas «normales»; sus algoritmos se han entrenado para identificar la mayor probabilidad de palabras secuenciales. Si uno escribe: «Ladro como un…» y le pide al robot que complete la idea, es casi seguro que encontrará la palabra «perro». Pero si los equipos buscan soluciones listas para usar, las respuestas promedio no servirán de mucho.

Así que los directivos deberían enseñar a sus equipos a elaborar enunciados de problemas muy específicos, con el mayor detalle posible, antes de utilizar la herramienta. Por ejemplo, en lugar de preguntar: «¿Cómo podemos mejorar la satisfacción de los clientes?» los equipos podrían decir: «El recorrido de nuestros clientes implica los siguientes pasos… ¿Qué cambios en nuestra etapa de incorporación mejorarán la retención un 10%?» Gohar comenta: «La gente espera que la IA sea un oráculo: conéctelo y le dará la solución». Los equipos que adoptaron ese enfoque (simplemente expusieron el problema en términos generales y pidieron a ChatGPT que lo resolviera) obtuvieron resultados mediocres.

Tómese tiempo para una lluvia de ideas individual sin el bot.

Antes de que interactúen con la IA, dé a los miembros del equipo algo de tiempo (de 15 minutos a media hora, por ejemplo) para que propongan ideas de forma individual. Eso ayudará a garantizar que aborden la reunión del equipo y el despliegue de la IA sin verse afectados por el pensamiento grupal o por lo que sugiera la herramienta. Este paso es crucial para recopilar ideas diversas y creativas y para maximizar el número de ideas únicas que se presentan al grupo para su debate.

Entrene rigurosamente a la IA.

Los sistemas de IA de la generación carecen de la comprensión contextual que las personas adquieren con meses o años trabajando en sus organizaciones e industrias. Antes de integrar ChatGPT o una herramienta similar en el proceso de ideación, tiene que ayudarlo a ponerse al día. Introduzca todos los datos relacionados con su problema específico como pueda. Eso podría incluir la forma de pensar de un grupo de clientes, las iniciativas anteriores exitosas y fallidas y los puntos de referencia del sector.

Acérquese a la IA como un interlocutor continuo, no como un oráculo.

Los equipos del estudio desarrollaron mejores ideas cuando iban y venían con ChatGPT varias veces. «La mayoría de los problemas resuelven requieren una conversación», dice Gohar. «Mantendría una conversación con sus colegas para encontrar una solución mejor a un problema, y eso ocurre cuando uno de esos colegas es ChatGPT».

Muchos de los equipos del experimento se limitaron a aceptar la primera sugerencia que les ofreció ChatGPT. Gohar lo atribuye al efecto Einstellung: un sesgo cognitivo por el que las personas se inclinan por soluciones tempranas y conocidas en lugar de explorar las posibilidades de manera más amplia. Probablemente eso contribuyó al alto índice de ideas de grado B generadas por los equipos asistidos por la IA. No importa lo buena que parezca la sugerencia inicial de la herramienta, los equipos siempre deben hacer un seguimiento con más preguntas y más específicas, afirma Gohar. Hacerlo permite al modelo refinar sus respuestas y dar a los usuarios más soluciones entre las que elegir en última instancia. «Los equipos que sacaron A fueron los que mantuvieron conversaciones interactivas con el bot», enfatiza Gohar.

Haga que alguien ajeno al equipo facilite la decisión final.

Cuando el equipo se reúna para compartir posibles soluciones, designe a un miembro para que consolide las sugerencias. Luego pida a la IA que las analice para ver si se ajustan a sus objetivos, que haga críticas, cuestione las suposiciones y que sugiera más alternativas. Este paso también sirve como mecanismo de entrenamiento y mejorará el rendimiento futuro de la modelo. Puede resultar útil, dice Gohar, contratar a un facilitador externo (alguien sin perro a la caza, que idealmente conozca bien las ideas de la IA) para que guíe el proceso, ayude a priorizar las ideas y planificar los próximos pasos.

«Una lluvia de ideas con la IA generativa requiere replantearse el flujo de trabajo de creación y aprender nuevas habilidades», concluye Gohar. «Pero si lo aborda como una conversación estructurada y continua, puede acceder a una asombrosa capacidad para desarrollar ideas mejores y más creativas con mayor rapidez».

Acerca de la investigación: “ Evaluar el impacto práctico de la IA generativa en la ideación y la resolución de problemas en equipo», de Kian Gohar y Jeremy Utley (documento de trabajo)

«Cuanto más cuestione a la IA generativa, mejores serán sus respuestas»

Joe Riesberg es vicepresidente sénior y director de información de EMC Insurance, con sede en Iowa, una de las organizaciones que participó en la investigación. Hace poco habló con HBR sobre el experimento y lo que aprendió sobre las mejores prácticas para el uso de la IA generativa. A continuación figuran extractos editados de la conversación.

Kenny Johnson

¿Por qué se unió al experimento?

Cuando salió ChatGPT, en noviembre de 2022, estaba claro que la tecnología tendría enormes implicaciones para nuestro negocio. Empezamos a estudiarlo inmediatamente y, a principios de 2023, habíamos identificado cinco proyectos y casos de uso en los que creíamos que podría mejorar nuestro rendimiento. Así que cuando el equipo de investigación se puso en contacto con nosotros, vimos que era una oportunidad para resolver un verdadero desafío empresarial.

¿Cuál era el desafío?

Las relaciones de nuestros agentes con los clientes son cruciales y queríamos hacer una lluvia de ideas sobre formas de mejorarlas aún más. Hemos enviado a ChatGPT algunos documentos clave sobre nuestra empresa y sus servicios. Luego pedimos a nuestros agentes que encontraran la respuesta más creativa a esta pregunta: «¿Cómo podemos desarrollar nuevas formas de optimizar las interacciones para mejorar las relaciones con los agentes y, en última instancia, ofrecer un servicio de atención al cliente superior?»

¿Le sorprendieron los resultados?

¡Lo estaba! Cuando salí del trabajo ese día, pensé que la calidad, la cantidad y la profundidad de las respuestas que ChatGPT había dado a mis empleados del equipo experimental eran realmente poderosas, seguramente mejores que las respuestas solo para humanos. Resulta que me equivoqué.

¿Cómo es eso?

A mi equipo se le ocurrieron cuatro o cinco ideas, las introdujo en el sistema de IA y le pidió que las mejorara. Una vez que el sistema generó algunas respuestas, las aceptaron sin pedirle respuestas más matizadas o creativas; estaban tan seguros de que nos había dado los mejores resultados desde el principio. Pero el sistema había generado lo que pensaba que serían las soluciones «correctas» (las más lógicas disponibles con la información de la que disponía), mientras que a mis colegas se les había encomendado la tarea de encontrar las más creativas. Con demasiada frecuencia, los equipos asistidos por IA se limitaban a pegar las respuestas sensatas pero genéricas de ChatGPT en un documento de Word.

¿Qué lecciones aprendió del experimento?

Como habitantes del Medio Oeste, en EMC a veces somos demasiado amables. No siempre es natural decirle a un compañero de trabajo: «No fue una respuesta muy creativa. Deme unos mejores». Pero trabajar con ChatGPT requiere comentarios directos e implacables. Cuanto más cuestione a la IA generativa, mejores serán sus respuestas. Recurrir a ello después de la ronda inicial de lluvia de ideas puede ayudar a la gente a superar los obstáculos creativos. Y si son capaces de desafiar repetidamente a la IA para que mejore sus sugerencias, encontrarán un material increíble. Sin embargo, puede ser difícil aprender a encontrar esas respuestas; la gente necesita tiempo y práctica. Y la eficiencia inmediata de la tecnología probablemente no sea tan impresionante como la gente espera. Pero las mejoras de la iteración con ella (velocidad, productividad, creatividad) serán enormes a largo plazo.