Quan les dades encara
A Dante’s Peak, el volcà comença a parlar molt abans d’entrar en erupció.Petits terratrèmols…
A Dante’s Peak, el volcà comença a parlar molt abans d’entrar en erupció.
Petits terratrèmols. Canvis en l’aigua. Animals morts. Vegetació afectada. Variacions de temperatura i, més endavant, un augment de l’activitat sísmica i dels gasos. Cap d’aquests senyals, per si sol, demostra que el volcà s’hagi de despertar.
Aquest és precisament el problema.
Són allò que en estratègia i prospectiva coneixem com a senyals febles: informació primerenca, incompleta i ambigua que pot anticipar un canvi rellevant, però el significat de la qual encara no és clar.
A les organitzacions apareixen constantment. Una mètrica que comença a comportar-se d’una manera estranya. Una petició inesperada d’un client. Un nou ús del producte. Diverses persones que, per separat, detecten el mateix problema. Una tecnologia aparentment perifèrica que comença a aparèixer cada vegada amb més freqüència.
Cada senyal pot tenir una explicació perfectament raonable. Pot ser una excepció, soroll o simplement quelcom sense importància. El problema sorgeix quan explicar-les per separat ens impedeix preguntar-nos si, juntes, comencen a explicar una altra història.
Perquè les grans transformacions poques vegades comencen amb una alerta inequívoca en un dashboard.
El canvi sol començar abans que tinguem una mètrica capaç d’anomenar-lo.
Veure dades no significa saber-les llegir
A Dante’s Peak, diverses persones poden observar els mateixos fenòmens i, tanmateix, no arribar a la mateixa conclusió. Les dades hi són. El que canvia és la manera d’interpretar-les.
Harry Dalton no disposa d’informació secreta. El que aporta és experiència, context i la capacitat de relacionar allò que està veient amb patrons que ja coneix. Una anomalia deixa de ser simplement una dada quan es pot connectar amb d’altres i adquirir significat.
Ho podríem representar així:
dada → context → patró → interpretació
Tanmateix, en moltes organitzacions continuem actuant com si el procés fos molt més curt:
dada → resposta
Construïm dashboards, analitzem el comportament dels usuaris, recollim feedback, fem recerca i, cada vegada més, utilitzem sistemes d’IA capaços de processar enormes quantitats d’informació. Tot això amplia la nostra capacitat d’observar. Però observar més no significa necessàriament entendre millor.
Un dashboard pot mostrar-nos que una mètrica ha caigut, però no per què. Una recerca pot detectar un comportament recurrent sense explicar encara què el provoca. Una IA pot trobar correlacions o resumir milers de respostes sense saber necessàriament quines haurien de canviar la nostra manera d’entendre el problema.
El valor apareix quan som capaços de situar aquestes dades en context, relacionar-les i construir una interpretació que puguem contrastar.
Perquè acumular informació pot ajudar-nos a veure més coses. Però més informació no produeix necessàriament més comprensió.
Quan diversos senyals comencen a explicar la mateixa història
Una anomalia pot ser soroll. Dues, també. Però arriba un moment en què senyals procedents de llocs diferents comencen a mostrar una certa coherència.
A Dante’s Peak, els terratrèmols, els canvis en l’aigua, la vegetació afectada o les emissions de gasos no són rellevants únicament perquè s’acumulin. Ho són perquè comencen a encaixar entre si. Allò que semblaven fenòmens independents comença a dibuixar un patró.
Aquí entra en joc el reconeixement de patrons (pattern recognition): la capacitat d’identificar relacions significatives entre elements que, observats de manera aïllada, podrien semblar inconnexos.
En una organització passa constantment. L’equip de producte detecta un canvi en el comportament dels usuaris. Vendes comença a sentir una objecció que abans gairebé no apareixia. Atenció al client rep preguntes noves. Una recerca qualitativa descobreix una expectativa que el producte no estava dissenyat per cobrir. Per separat, cada equip pot interpretar allò seu com un fenomen local.
La pregunta interessant apareix quan creuem aquestes observacions:
I si no són problemes diferents?
Una de les dificultats de les organitzacions és que els senyals solen aparèixer separats per departaments, eines i responsabilitats. Cada equip disposa d’una part de la realitat i té bones raons per analitzar-la des del seu propi context. Però els canvis importants no han de respectar necessàriament l’estructura del nostre organigrama.
Per això, reconèixer un patró no consisteix únicament a trobar similituds. També exigeix qüestionar les fronteres amb què hem organitzat la informació i preguntar-nos en quin moment hem de deixar d’explicar cada anomalia per separat.
Perquè, de vegades, entendre allò que està canviant comença quan descobrim que diversos senyals aparentment diferents estan explicant la mateixa història.
Harry Dalton podria estar equivocat
Fins aquí, resulta temptador pensar que Harry Dalton simplement està veient abans que els altres una cosa que acabarà sent evident. Nosaltres, a més, hi juguem amb avantatge: sabem que estem veient una pel·lícula anomenada Dante’s Peak. Esperem que el volcà entri en erupció.
Els personatges no tenen aquesta certesa.
Harry té motius per preocupar-se, però Paul Dreyfus, el seu superior, també té raons per demanar prudència. Una activitat volcànica anòmala no implica necessàriament que s’hagi de produir una erupció. I prendre una decisió com evacuar una població tampoc és innocu: té conseqüències econòmiques i socials, genera alarma i pot erosionar la confiança si finalment no passa res.
Aquest matís canvia força la lectura de la pel·lícula. El conflicte ja no és entre algú que té raó i algú que es nega a escoltar-lo, sinó entre dues maneres de gestionar una incertesa que encara no es pot resoldre.
Les organitzacions s’enfronten contínuament a decisions similars, encara que normalment sense cap volcà pel mig. Quan invertim en una tecnologia que encara no sabem si es consolidarà? Quan modifiquem un producte per un comportament emergent dels usuaris? Quan una caiguda sostinguda d’una mètrica deixa de ser una fluctuació i exigeix canviar d’estratègia?
Actuar massa aviat té un cost. Actuar massa tard també.
Per això, esperar a tenir totes les dades no sempre és l’opció més racional. De vegades, quan l’evidència és suficient per eliminar la incertesa, també ha desaparegut part de la nostra capacitat de resposta.
El repte és definir el nostre llindar de decisió: quina combinació d’evidència, risc i impacte justifica actuar encara que puguem estar equivocats.
Perquè el criteri no consisteix a tenir certesa. Consisteix a decidir quin nivell d’incertesa estem disposats a acceptar abans d’actuar.
El problema no és només interpretar. És aconseguir que una organització interpreti
Harry pot observar els senyals, relacionar-los i construir una hipòtesi. Però això no significa que l’organització hagi d’arribar automàticament a la mateixa conclusió.
Entre una interpretació individual i una decisió col·lectiva apareixen noves variables: jerarquies, responsabilitats, interessos econòmics, reputació, comunicació i, per descomptat, desacord entre especialistes. Ja no es tracta únicament de preguntar-se què diuen les dades, sinó de construir una lectura compartida del que està passant.
Aquí entra en joc el sensemaking organitzatiu: el procés mitjançant el qual una organització intenta donar sentit a una situació ambigua per poder decidir com respondre.
I això té una conseqüència important. Una bona organització no és aquella en què l’expert sempre guanya la discussió. Harry pot tenir experiència i detectar correctament un patró, però això no converteix automàticament la seva interpretació en l’única possible. Com hem vist, també podria estar equivocat.
El que és important és que hi hagi espai per posar les interpretacions a prova: contrastar hipòtesis, incorporar perspectives diferents, qüestionar les explicacions existents i determinar quines evidències noves podrien confirmar o debilitar cada lectura.
El problema apareix quan l’estructura fa just el contrari: quan un senyal es descarta perquè procedeix del departament equivocat, contradiu una decisió anterior, amenaça determinats interessos o simplement no encaixa amb la història que l’organització ja s’ha explicat sobre si mateixa.
En aquell moment, el risc no és la manca d’informació. És haver construït una organització incapaç de discutir què podria significar aquesta informació.
Perquè interpretar bé no hauria de dependre de trobar la persona que té raó, sinó de crear les condicions perquè una interpretació pugui ser examinada abans de ser acceptada o descartada.
Quan tothom hi està d’acord, ja és massa tard
Finalment, el volcà entra en erupció.
En aquell moment desapareix el desacord. Ja no hi ha senyals per interpretar, hipòtesis per contrastar ni llindars de decisió per discutir. Tothom observa la mateixa realitat i arriba a la mateixa conclusió.
La certesa és màxima.
El marge de decisió, en canvi, s’ha reduït dràsticament.
Aquesta és potser una de les paradoxes més interessants de Dante’s Peak: quan és més fàcil saber què està passant és també quan queden menys opcions per respondre.
A les organitzacions passa una cosa semblant. Quan una tecnologia ja ha transformat un sector, quan el comportament dels consumidors ha canviat de manera evident, quan un competidor ha consolidat un model nou o quan un problema cultural comença a reflectir-se en rotació, resultats i pèrdua de talent, aconseguir consens és molt més senzill.
Però aleshores ja no estem decidint si hem d’anticipar-nos al canvi. Estem intentant adaptar-nos-hi.
Això no significa que hàgim de reaccionar davant de cada senyal ni intentar predir constantment el futur. Significa acceptar que algunes de les decisions més importants s’hauran de prendre quan encara hi hagi desacord, informació incompleta i una possibilitat real d’equivocar-nos.
Perquè hi ha una relació incòmoda entre certesa i capacitat d’acció: com més gran és la certesa, més petit pot ser el nostre marge de decisió.
Esperar fins que tothom hi estigui d’acord pot resultar tranquil·litzador. El problema és que, aleshores, potser la realitat ja haurà decidit per nosaltres.
Conclusió
Dante’s Peak es va estrenar el 1997. Gairebé trenta anys després, alguns dels seus efectes especials han envellit i diverses de les seves llicències científiques resulten evidents. Tanmateix, el dilema que planteja continua sent sorprenentment actual.
Avui tenim accés a una quantitat d’informació que Harry Dalton difícilment hauria pogut imaginar. Dashboards en temps real, analítica avançada, recerca d’usuaris, models predictius i sistemes d’intel·ligència artificial capaços de trobar patrons entre enormes quantitats de dades.
I, tot i així, continuem enfrontant-nos a la mateixa pregunta:
Què significa realment allò que estem veient?
Potser per això el criteri continua sent tan important. No perquè ens permeti predir el futur ni eliminar la incertesa, sinó perquè ens ajuda a decidir què mereix atenció quan encara no tenim totes les respostes.
De vegades, el senyal més important ni tan sols és l’aparició d’alguna cosa inexplicable. És descobrir que l’explicació que utilitzàvem fins ara ja no explica prou bé allò que estem veient.
Aquí és on comença la feina difícil: observar, relacionar, interpretar, contrastar i decidir sabent que encara ens podem equivocar.
Perquè el valor del criteri existeix precisament abans de la certesa.
Quins senyals estem descartant avui perquè encara els podem explicar per separat?
Quan la realitat faci evident la resposta, potser ja no estarem interpretant senyals. Estarem gestionant conseqüències.
Comentaris