E

n un nuevo libro, recurro a las herramientas de investigación en ciencias sociales para desarrollar lo que yo llamo la “escalera de la inferencia errónea”, que clasifica la desinformación en cuatro pasos en falso. Este marco puede resultar útil para líderes de todo tipo, que necesitan gestionar sus propias avalanchas informativas.

El primer paso en falso es que una afirmación no es un hecho, porque puede no ser exacta. ¿Con qué frecuencia aceptamos una declaración tal como se presenta porque nos gusta lo que dice? Por ejemplo, mi investigación destaca los beneficios del gobierno corporativo y el valor del capitalismo de partes interesadas. Por ello, cuando me encontré con un informe de una influyente ONG, que afirmaba que las empresas con altos estándares ambientales, sociales y de gobierno corporativo (ASG o ESG, por sus siglas en inglés) superan a sus homólogas, estaba ansioso por aceptar esta afirmación acríticamente. El estudio incluía notas a pie de página que sugerían que había evidencia que lo respaldaba, por lo que fue tentador pensar que esto era suficiente y seguir adelante.

Pero el primer paso para un pensamiento más inteligente es verificar los hechos. En este caso, seguí la nota a pie de página sólo para descubrir que la fuente subyacente decía lo contrario de lo que afirmaba el informe. La nota a pie de página llevaba a un artículo titulado «Donde los criterios ASG fallan», y cuyo subtítulo afirmaba que «A pesar de innumerables estudios, nunca ha habido evidencia concluyente de que las pantallas socialmente responsables proporcionen alfa». Una nota al final de una oración no significa que la nota realmente respalde la oración: la afirmación no es un hecho.

El segundo problema es que un hecho no es un dato, porque puede no ser representativo. Los estudios de casos son un método de enseñanza popular y poderoso. Pero los gurús suelen elegir el ejemplo que ilustra el punto de la manera más destacada posible, ya que hace que la historia sea más memorable.

Nos encanta aprender de las historias de éxito, pero nunca se puede identificar lo que impulsó el éxito, a menos que también se estudie el fracaso. El conjunto de datos debe incluir empresas con la fórmula secreta que fracasaron, así como aquellas que no la tenían y que tuvieron éxito. Si solo se presentan aquellas que siguieron la fórmula y ganaron el premio mayor, entonces se tiene una muestra seleccionada.

La tercera advertencia es que los datos no son evidencia, porque pueden no ser concluyentes. Los datos a gran escala pueden ser representativos, pero son sólo un primer paso, porque los datos no son más que un conjunto de hechos. La evidencia es un conjunto de hechos que nos permite llegar a una conclusión. Para ello, no sólo es necesario respaldar su teoría, sino también rechazar teorías rivales, del mismo modo que las pruebas en un juicio penal sólo son significativas si señalan a un sospechoso en particular.

Siempre pregúntese si existen otras teorías que sean consistentes con los datos que tiene ante usted, en lugar de aceptar de inmediato la explicación que desea que sea cierta.

El último punto a tener en cuenta es que la evidencia no es una prueba, porque puede no ser universal. Incluso si la evidencia respalda un resultado a la perfección, puede que sólo lo haga en el contexto en el que se recopiló, y que no lo haga en ningún otro.

Según uno de mis estudios, las empresas con un alto grado de satisfacción de sus empleados superan a sus homólogas en un 2.3% y un 3.8% anual en rentabilidad bursátil a largo plazo, lo que equivale a un aumento acumulado del 89% al 184%, incluso después de controlar otros factores que impulsan la rentabilidad. Otros análisis sugieren que es la satisfacción de los empleados la que genera un buen rendimiento, en lugar de que un buen rendimiento permita a una empresa invertir en la satisfacción de los empleados.

L

as organizaciones suelen instar a los empleados a denunciar los comportamientos abusivos, creyendo que hacerlo es clave para abordar la mala conducta. Pero nuestra investigación muestra que si una denuncia conduce a una acción correctiva no solo depende de qué se denuncia, sino también de quién lo hace.

En nuestro próximo artículo en Organization Science, analizamos miles de denuncias laborales, combinando datos de archivo de empleados del gobierno de Estados Unidos con cinco experimentos, para examinar cómo el género de quien denuncia influye en la acción correctiva. Descubrimos que las denuncias hechas por mujeres tienen menos probabilidades de ser tomadas en serio que las denuncias idénticas realizadas por hombres. Esta brecha es más amplia cuando las denuncias carecen de pruebas que las respalden, algo que nuestros datos muestran es especialmente común en los casos de abuso en el lugar de trabajo.

Para que los líderes puedan abordar los sesgos de género que afectan la manera en que se maneja la mala conducta, necesitan entender por qué ocurren. Analizamos nuestros datos para ofrecer ideas y recomendaciones a las empresas que les ayuden a construir sistemas equitativos en los que sus empleados puedan confiar.

Por qué las denuncias de las mujeres se descartan

Cuando una denuncia carece de pruebas claras, quienes toman decisiones tienden a recurrir a juicios sobre la credibilidad. Nuestra investigación muestra que las denuncias hechas por mujeres tienen significativamente menos probabilidades que las hechas por hombres de ser vistas como creíbles. Esto refleja los estereotipos arraigados que sostienen que las mujeres son más emocionales o menos objetivas que los hombres.

En un estudio, analizamos datos públicos disponibles de la Merit Principles Survey de 2016, una encuesta sistémica y a gran escala de trabajadores federales. En más de 2,000 empleados, nuestros datos revelaron que las denuncias realizadas por mujeres tenían menos probabilidades de resultar en una acción correctiva. Este efecto se mantuvo incluso después de tener en cuenta factores como el rango del empleado y el tipo de abuso.

Luego, realizamos una serie de experimentos en línea para replicar nuestro efecto en un entorno controlado. Reclutamos a adultos empleados y les pedimos que evaluaran diferentes denuncias de abuso. Usamos inteligencia artificial para crear grabaciones de voz idénticas que solo diferían en el género de quien denunciaba. Tal como encontramos anteriormente, los participantes tenían menos probabilidades de escalar las denuncias hechas por mujeres en comparación con las de los hombres, incluso cuando el presunto abuso era exactamente el mismo.

Sin embargo, en una de las condiciones, añadimos evidencia que lo corroboraba, como registros de chat. En este caso, descubrimos que las denuncias hechas por hombres y mujeres eran tratadas de la misma manera. Este patrón sugiere que, para cerrar esta brecha, es fundamental encontrar formas de garantizar que se investiguen las denuncias sin una corroboración inicial sólida.

Cómo pueden las organizaciones construir sistemas más justos

Muchas organizaciones ya cuentan con sistemas formales para denunciar las conductas indebidas, pero estos sistemas a menudo se quedan cortos en la práctica. Datos recientes sugieren que los empleados tienen más probabilidades de expresar sus preocupaciones a sus gerentes que a líneas directas de denuncia. Esto significa que los procesos informales a menudo determinan qué denuncias se abordan y cuáles se dejan de lado en silencio. De hecho, en muchas organizaciones, los gerentes tienen amplia discreción sobre si escalar una denuncia o no.

Incluso cuando los empleados utilizan herramientas formales, como líneas directas o plataformas en línea, las organizaciones pueden aplicarlas de manera inconsistente o sin el debido seguimiento. Mejorar estos procedimientos no se trata solo de agregar nuevas herramientas, sino de rediseñar el proceso para asegurar que cada denuncia reciba una evaluación justa. Es decir, para construir sistemas más justos, las organizaciones deberían limitar los juicios informales y asegurar que todas las denuncias se evalúen de forma consistente.

1. Separar a quienes evalúan las denuncias de quienes las reciben.

2. Estandarizar cómo se evalúan las denuncias.

3. Comprometerse a dar seguimiento a todas las denuncias.

4. Crear canales de denuncia alternativos y protegidos.

5. Brindar apoyo a quienes denuncian mediante herramientas de seguimiento.

L

os gerentes de producto (PM) de empresas tecnológicas que trabajan en funciones orientadas al consumidor se enfrentan a una serie de tareas desafiantes, pero cruciales: identificar el problema comercial que resolverá un producto, definir correctamente los requisitos del producto y elegir un diseño óptimo antes de entregar el proyecto a los ingenieros para su desarrollo. En cada paso del proceso, los PM deben asegurarse de que lo que se construya sirva tanto a los clientes como a la empresa.

Contrariamente a la idea errónea de que el equipo de productos está formado únicamente por el gerente de producto, el equipo está formado por varios miembros. En su libro Continuous Discovery Habits, Teresa Torres, coach de descubrimiento de productos, describe los roles de esta manera:

— Gerente de producto: El pensador estratégico que alinea las necesidades del cliente con los objetivos comerciales.

— Diseñador: El experto en experiencia de usuario que garantiza que el producto sea intuitivo y fácil de usar.

— Ingeniero de software: El experto técnico que aporta conocimientos sobre viabilidad e implementación.

Si bien este trío central forma el núcleo del equipo de productos, es importante tener en cuenta que su composición puede variar en función del tamaño de la empresa y la complejidad del producto. En algunas organizaciones, un PM también puede asumir responsabilidades de diseño, o puede haber un tecnólogo en diseño que desempeñe funciones tanto de diseño como de ingeniería. Además, dependiendo de la empresa u organización, los equipos de ingeniería o diseño pueden ser grandes, y más de un diseñador o ingeniero podría estar involucrado en el proyecto. Sin embargo, en la fase de ideación, es mejor que el gerente de producto identifique a los líderes de ingeniería y diseño relevantes, y los incluya en el trío central. A veces, dependiendo del producto u organización, puede ser necesario incluir funciones adicionales.

El desarrollo de productos es inherentemente interdisciplinario, y la colaboración temprana entre estos roles centrales puede mejorar significativamente el proceso de descubrimiento.

Para abordar estos desafíos y lograr el equilibrio adecuado, es fundamental redefinir qué constituye un equipo de productos y examinar las etapas clave del proceso de desarrollo de productos.

Involucrar a las personas adecuadas en el momento adecuado

Desglosemos el proceso de desarrollo de productos en cinco fases clave, examinando cómo involucrar eficazmente a las partes interesadas en cada punto:

1. Planteamiento del problema: Establecer las bases

Antes de involucrar a todo el trío central, los gerentes de proyecto deben tener claro el planteamiento del problema. Este primer paso crucial garantiza que el problema que se aborda es relevante para el negocio y merece el tiempo y los recursos del equipo de productos. Bijan Shahrokhi, fundador de Product Management Exercises, aconseja a los PM: «Siga siendo el oráculo en las primeras etapas de un proyecto (especialmente en las primeras partes de la ideación) antes de presentar sus requisitos frente a muchas personas».

En general, una buena idea para el gerente de proyecto en esta fase es realizar de forma independiente una investigación de alto nivel sobre los clientes y elaborar un documento con una descripción general del problema que contenga los detalles de cuál es exactamente el problema de la empresa, quién es el cliente objetivo, cuál es el problema asociado del cliente y el resultado deseado.

Una vez que tenga este documento, revíselo con la alta dirección y las partes interesadas clave para garantizar la alineación antes de pasar a la siguiente fase.

2. Definición de requisitos: Exploración colaborativa

Durante esta etapa, el trío central trabaja en conjunto para realizar entrevistas y estudios con clientes, identificar y priorizar las historias de usuario relevantes, redactar e iterar colaborativamente el documento de requisitos de producto (PRD, por sus siglas en inglés), crear y refinar maquetas de diseño, y evaluar la viabilidad técnica de manera continua. El objetivo de esta etapa es redactar requisitos de producto que mitiguen tres riesgos clave:

— Riesgo de deseabilidad: ¿Estamos creando características que los clientes realmente desean?

— Riesgo de usabilidad: ¿Los usuarios pueden encontrar fácilmente y usar de manera eficaz lo que estamos creando?

— Riesgo de viabilidad: ¿Es posible crear esto con los recursos de ingeniería asignados y la tecnología existente?

En este punto del proceso, los PM deben asegurarse de no trabajar demasiado de cerca con una función, excluyendo a otra. Si bien la colaboración temprana con el diseño y la ingeniería puede parecer costosa en términos de asignación de recursos, a largo plazo ahorra tiempo al prevenir problemas en las últimas fases que podrían descarrilar todo el proyecto.

3. Implementación: Mantener el compromiso

Esta es la fase en la que el trío central entrega oficialmente los requisitos al equipo de ingeniería más grande para su desarrollo. A medida que el proyecto avanza hacia la etapa de implementación, es fácil asumir que el equipo de ingeniería tomará las riendas mientras los gerentes de proyecto y los diseñadores dan un paso atrás. Sin embargo, mantener un compromiso constante es crucial para el éxito.

Durante esta etapa, los PM y los diseñadores deben asistir regularmente a revisiones de sprint o programar reuniones de sincronización ad hoc para abordar los problemas que surjan. Si es necesario, deben estar preparados para revisar los requisitos o los insumos de diseño. Dependiendo del producto, las partes interesadas del negocio también pueden participar.

Esta colaboración continua ayuda a reducir el riesgo de requisitos omitidos y minimiza el tiempo de respuesta en caso de que se necesiten revisiones.

4. Pruebas: Revisión final

Cuando el equipo de ingeniería declara que el producto está completo y ha pasado las pruebas unitarias, es tentador considerar que el trabajo está hecho. Pero, no es así.

Durante esta fase, el trío central debe reunirse para probar el producto en el entorno Gamma (de prueba) e involucrar a las partes interesadas internas de la empresa para realizar pruebas adicionales, si es posible y relevante. El objetivo aquí es buscar inconsistencias en la interfaz de usuario o validaciones omitidas que puedan afectar negativamente la experiencia del usuario, y proporcionar comentarios al equipo de ingeniería antes del lanzamiento final.

En esta revisión final pueden detectarse problemas sutiles adicionales que podrían haberse pasado por alto, garantizando un lanzamiento de producto de mayor calidad y manteniendo la confianza del cliente.

5. Lanzamiento: Coordinación del lanzamiento

La etapa de lanzamiento suele comenzar en paralelo con las pruebas. Como gerente de proyecto, normalmente tomará la iniciativa en la preparación de los materiales de lanzamiento al mercado, pero es importante mantener la colaboración con su trío central y otros equipos relevantes. Este trabajo incluirá la preparación de anuncios de lanzamiento y actualizaciones del centro de ayuda, la colaboración con los equipos internos de soporte o marketing y la revisión de todos los mensajes dirigidos al cliente.

Este enfoque colaborativo garantiza que el producto no solo sea técnicamente sólido, sino que también se presente de manera efectiva a su público objetivo.

Si bien no existe una solución única para el proceso de descubrimiento de productos, las directrices presentadas anteriormente ofrecen un marco para que los PM tecnológicos puedan navegar eficazmente por este complejo panorama. Al fomentar la colaboración temprana con los colegas de diseño e ingeniería y mantener una comunicación clara durante todo el proceso de desarrollo, estará mejor preparado para ofrecer productos que realmente resuenen con sus clientes e impulsen el éxito comercial.

L

os desafíos que enfrentan los líderes empresariales nunca han sido mayores. Las decisiones habituales son cada vez más complejas, dada la inflación, las tensiones comerciales y la incertidumbre política. Los problemas relacionados con el capital humano ahora incluyen la diversidad, la equidad y la inclusión, la salud mental y la mejora de las capacidades para la cuarta revolución industrial. Las cuestiones ambientales, sociales y de gobernanza ya no se pueden delegar a un departamento de responsabilidad social corporativa, sino que son responsabilidad de la alta dirección. La inteligencia artificial ofrece innumerables oportunidades, pero también múltiples amenazas.

Sin embargo, los ejecutivos tienen una herramienta para combatir estos desafíos: la información. Con solo hacer clic con el mouse o presionar un botón, pueden acceder a investigaciones de vanguardia sobre prácticamente cualquier tema. Con tanta información disponible, ¿cómo saber en qué confiar? Como han puesto de manifiesto controversias recientes, incluso las investigaciones publicadas en revistas de élite, revisadas por expertos, podrían basarse en datos manipulados. El sesgo de confirmación puede significar que lo que la gente comparte y, por lo tanto, lo que vemos en las noticias, es lo que quieren que sea verdad, en lugar de lo que es realmente cierto. Lo que los ejecutivos necesitan es una taxonomía simple de la desinformación para saber a qué prestar atención.

En un nuevo libro, me baso en las herramientas de investigación en ciencias sociales para desarrollar lo que yo llamo la “escalera de la inferencia errónea”, que clasifica la desinformación en cuatro pasos en falso. Este marco puede resultar útil para líderes de todo tipo, que necesitan gestionar sus propias avalanchas informativas.

El primer paso en falso es que una declaración no es un hecho, porque puede no ser exacta. ¿Con qué frecuencia aceptamos una declaración tal como se presenta porque nos gusta lo que dice? Por ejemplo, mi investigación destaca los beneficios del gobierno corporativo y el valor del capitalismo de partes interesadas. Por ello, cuando me encontré con un informe de una influyente ONG, que afirmaba que las empresas con altos estándares ambientales, sociales y de gobierno corporativo (ASG o ESG, por sus siglas en inglés) superan a sus homólogas, estaba ansioso por aceptar esta afirmación acríticamente. El estudio incluía notas a pie de página que sugerían que había evidencia que lo respaldaba, por lo que fue tentador pensar que esto era suficiente y seguir adelante.

Pero el primer paso para un pensamiento más inteligente es verificar los hechos. En este caso, seguí la nota a pie de página sólo para descubrir que la fuente subyacente decía lo contrario de lo que afirmaba el informe. La nota a pie de página llevaba a un artículo titulado «Donde los criterios ASG fallan», y cuyo subtítulo afirmaba que «A pesar de innumerables estudios, nunca ha habido evidencia concluyente de que las pantallas socialmente responsables proporcionen alfa». Una nota al final de una oración no significa que la nota realmente respalde la oración: la afirmación no es un hecho.

Otras inexactitudes surgen debido a errores de medición. Un artículo afirmaba que las empresas que invierten en ASG obtienen grandes beneficios. Pero al profundizar en el estudio, uno se da cuenta de que los autores nunca midieron realmente el nivel de ASG de una empresa, sino que simplemente se limitaron a preguntar a las empresas si pensaban que los ASG se habían vuelto más importantes, lo cual es muy diferente. Incluso si una declaración está vinculada a una avalancha de datos, estos pueden no medir realmente lo que se afirma en la declaración.

El segundo problema es que un hecho no es un dato, porque puede no ser representativo. Los estudios de casos son un método de enseñanza popular y poderoso. Pero los gurús suelen elegir el ejemplo que ilustra el punto de la manera más destacada posible, ya que hace que la historia sea más memorable. Una sola anécdota, o incluso un par de anécdotas, nos dicen poco, porque podrían estar seleccionadas a conveniencia. Son excepciones que no confirman la regla.

Nos encanta aprender de las historias de éxito, pero nunca se puede identificar lo que impulsó el éxito, a menos que también se estudie el fracaso. El conjunto de datos debe incluir empresas con la fórmula secreta que fracasaron, así como aquellas que no la tenían y que tuvieron éxito. Si solo se presentan aquellas que siguieron la fórmula y ganaron el premio mayor, entonces se tiene una muestra seleccionada.

La tercera advertencia es que los datos no son evidencia, porque pueden no ser concluyentes. Los datos a gran escala pueden ser representativos, pero son sólo un primer paso, porque los datos no son más que un conjunto de hechos. La evidencia es un conjunto de hechos que nos permite llegar a una conclusión. Para ello, no sólo es necesario respaldar su teoría, sino también rechazar teorías rivales, del mismo modo que las pruebas en un juicio penal sólo son significativas si señalan a un sospechoso en particular.

Pregúntese siempre si existen otras teorías que sean consistentes con los datos que tiene ante usted, en lugar de aceptar de inmediato la explicación que desea que sea cierta.

El último punto a tener en cuenta es que la evidencia no es una prueba, porque puede no ser universal. Incluso si la evidencia respalda un resultado a la perfección, puede que sólo lo haga en el contexto en el que se recopiló, y que no lo haga en ningún otro.

Según uno de mis estudios, las empresas con un alto grado de satisfacción de sus empleados superan a sus homólogas en un 2.3% y un 3.8% anual en rentabilidad bursátil a largo plazo, lo que equivale a un aumento acumulado del 89% al 184%, incluso después de controlar otros factores que impulsan la rentabilidad. Otros análisis sugieren que es la satisfacción de los empleados la que genera un buen rendimiento, en lugar de que un buen rendimiento permita a una empresa invertir en la satisfacción de los empleados.

Sin embargo, este estudio se limitó a los EE. UU. Con algunos coautores, amplié mi estudio original a 30 países. Descubrí que mis conclusiones originales solían mantenerse, pero no siempre. En países con regulaciones laborales estrictas, las empresas con un alto grado de satisfacción de sus empleados ya no superaban a las demás. Eso tiene sentido: la ley implica que sus competidores ya ofrecen un alto nivel de bienestar laboral, por lo que aquellos en la parte superior pueden estar más allá del punto de rendimientos decrecientes.

¿Cómo podemos poner en práctica la escalera de la inferencia errónea al encontrar información? Haciéndonos las siguientes preguntas:

1. Si vemos una declaración, ¿está respaldada por datos? Incluso si la afirmación está respaldada, ¿qué miden realmente los datos?

2. Si escuchamos un hecho, como una historia o anécdota, ¿es representativo o ha sido seleccionado a conveniencia? ¿El autor considera otras empresas con la fórmula secreta que fracasaron, así como aquellas que no la tenían y que tuvieron éxito?

3. Si nos dan datos a gran escala, ¿cuáles son las teorías rivales que son consistentes con los mismos datos? Un consejo práctico para identificar teorías rivales es imaginar que el estudio encontró el resultado opuesto (uno que no nos gusta) y pensar en cómo intentaríamos refutarlo.

4. Si encontramos evidencia sólida, ¿se aplica en el entorno que nos interesa? Un estudio que concluye que la capacitación de los empleados funciona en el ámbito tecnológico, no necesariamente significa que sea eficaz en la minería, donde la salud y la seguridad son primordiales y las normas tienen más valor.

Estos antídotos resaltan que comprender los datos no requiere pirotecnia estadística, sino sentido común, pensamiento crítico y una buena dosis de escepticismo.