Pensar digitalmente: cuando la solución no está en la tecnología

Hay una escena de la película El código Enigma que siempre me ha parecido extraordinaria. La historia de Alan Turing y su participación en el descifrado de las comunicaciones alemanas durante la Segunda Guerra Mundial es, sin duda, uno de los grandes referentes de la computación moderna. Pero más allá de la tecnología que desarrollaron, hay una enseñanza que considero mucho más profunda: a veces, para resolver un problema complejo, lo primero que necesitamos es dejar de complicarlo.

En la película, Turing y su equipo trabajan incansablemente en una máquina capaz de descifrar los mensajes codificados por Enigma. El reto era enorme. Las combinaciones posibles hacían prácticamente imposible resolver el problema mediante métodos convencionales, y el tiempo jugaba en su contra. A pesar de los avances de aquella extraordinaria máquina, los resultados no llegaban como esperaban.

Hasta que aparece una pista que cambia su manera de abordar el problema.

En una conversación, Turing descubre que muchos de los mensajes alemanes terminaban con una expresión que se repetía constantemente: «Heil Hitler», el saludo utilizado por los nazis. También identifica que ciertos mensajes, como los reportes meteorológicos, seguían patrones bastante previsibles.

Lo interesante es lo que hace con ese descubrimiento.

Si ya conocían algunas de las palabras que debían aparecer en los mensajes, ¿por qué obligar a la máquina a buscar entre todas las combinaciones posibles, como si no supieran absolutamente nada?

En lugar de intentar descifrar cada mensaje partiendo de cero, podían utilizar esas palabras conocidas como pistas para descartar combinaciones incorrectas y reducir considerablemente las posibilidades que la máquina necesitaba analizar.

La película dramatiza este descubrimiento y simplifica el proceso histórico, que fue resultado del trabajo de numerosos especialistas durante años. Sin embargo, transmite una idea extraordinaria: no fue necesario hacer que la máquina trabajara más, sino encontrar la manera de que tuviera menos trabajo que hacer.

Ese pequeño cambio en la forma de abordar el problema permitió aprovechar mucho mejor la capacidad tecnológica que habían desarrollado.

Hace poco, durante una conversación con nuestro equipo de desarrollo de inteligencia artificial, recordé precisamente esa escena.

Estamos construyendo una plataforma que permitirá incorporar nuevas capacidades de IA a nuestra operación. Como sucede en cualquier proyecto de desarrollo, comenzaron a surgir preguntas relacionadas con su funcionamiento, la experiencia de los usuarios y los mecanismos de acceso.

En algún momento hablamos de las credenciales que utilizarían las personas para ingresar a la aplicación. Uno de los integrantes del equipo comentó que podríamos utilizar el correo electrónico empresarial. La propuesta era completamente razonable. Después de todo, es una práctica convencional y ampliamente utilizada.

Pero entonces hice una pregunta: ¿quiénes van a utilizar esta aplicación?

La respuesta era clara. Se trataba de una herramienta interna, diseñada exclusivamente para personas de nuestra organización.

Mi siguiente pregunta fue: si nadie externo va a utilizarla, ¿para qué necesitamos pedirle al usuario que escriba también el dominio de su correo electrónico?

La intención no era cuestionar la seguridad del acceso ni la conveniencia de utilizar nuestra identidad corporativa para autenticar a las personas. Eso sigue siendo indispensable. Lo que estábamos cuestionando era algo mucho más sencillo: la necesidad de pedirle al usuario información que el propio sistema ya conoce.

Si todos pertenecen a la misma organización, el dominio puede estar implícito. Podemos mantener los mismos controles de autenticación y seguridad sin obligar a las personas a escribir algo que no aporta información adicional.

Parece un detalle menor, y probablemente lo sea desde el punto de vista técnico. Pero justamente ahí está lo interesante. Muchas veces trasladamos a las aplicaciones prácticas que hemos utilizado durante años sin preguntarnos si realmente son necesarias para el contexto que estamos resolviendo.

No estábamos frente a un problema de programación. Estábamos frente a una oportunidad de simplificar.

Y entonces recordé a Turing.

La relación no estaba en la magnitud de los problemas, evidentemente muy distintos, sino en la forma de pensar. En ambos casos, conocer algo que ya era cierto permitía eliminar trabajo innecesario. ¿Por qué pedirle a la tecnología, o al usuario, que resuelva una y otra vez algo que ya sabemos?

Esta reflexión me llevó a recordar otra experiencia, ahora relacionada con un proyecto de visión por computadora.

En nuestra operación tenemos contenedores cuyas puertas deben permanecer cerradas bajo determinadas condiciones. Necesitábamos identificar cuándo alguna permanecía abierta durante demasiado tiempo, de manera que pudiéramos generar una notificación y fortalecer nuestros controles operativos.

La propuesta consistía en utilizar cámaras e inteligencia artificial para reconocer cuándo las puertas estaban abiertas y, a partir de esa detección, medir el tiempo transcurrido antes de emitir una alerta.

El planteamiento era correcto. Sin embargo, el responsable del proyecto enfrentaba dificultades para entrenar al modelo. Dependiendo de la posición de las puertas, las condiciones de iluminación y las imágenes disponibles, distinguir entre una puerta abierta y una cerrada no resultaba tan sencillo como parecía.

Podíamos seguir trabajando en el entrenamiento, incorporar más imágenes, ajustar parámetros y dedicar más tiempo a mejorar la precisión del modelo. Seguramente habríamos conseguido avances. Pero durante una conversación surgió otra pregunta: ¿y si, en lugar de exigirle a la IA que descubra algo difícil de identificar, hacemos que sea mucho más fácil reconocerlo?

La solución fue sorprendentemente sencilla.

Distinguir un color en la parte interior de las puertas, de manera que, cuando estuvieran abiertas, ese color quedara claramente visible para la cámara. Así, el modelo ya no tendría que interpretar únicamente la posición de la puerta, sino identificar una señal visual mucho más evidente.

No estábamos renunciando a la inteligencia artificial. Estábamos modificando ligeramente el entorno físico para facilitar su trabajo.

Por supuesto, el sistema todavía necesitaba identificar correctamente la señal, medir el tiempo y generar la notificación correspondiente. Pero habíamos reducido una parte importante de la complejidad desde el origen.

Y aquí es donde ambas experiencias se encuentran.

En el primer caso, aprovechamos información que ya conocíamos para evitar solicitarla innecesariamente. En el segundo, incorporamos información visual al entorno para que la tecnología pudiera reconocer con mayor facilidad lo que necesitábamos detectar.

En uno eliminamos algo que sobraba. En el otro agregamos algo que hacía falta.

Dos decisiones aparentemente opuestas, pero guiadas por el mismo principio: hacer únicamente lo necesario para alcanzar el propósito.

Porque simplificar no siempre significa quitar. A veces significa agregar algo que hace que todo lo demás sea más sencillo.

Y quizá ahí está una de las diferencias más importantes entre utilizar tecnología y pensar digitalmente: no se trata de exigirle más a las herramientas, sino de comprender mejor el problema para encontrar la manera más inteligente de resolverlo.

Creo que este es uno de los grandes retos que enfrentamos en la transformación digital, especialmente ahora que la inteligencia artificial está ampliando enormemente nuestras posibilidades.

Nos hemos acostumbrado a preguntar qué puede hacer la tecnología, qué tan avanzado es un modelo, cuántas funciones tiene una plataforma o qué tan sofisticada puede llegar a ser una solución. Y aunque todas estas preguntas tienen su lugar, con frecuencia dejamos para después una mucho más importante: ¿qué necesitamos realmente resolver?

La tecnología ha avanzado tanto que resulta tentador utilizar toda su capacidad, incluso cuando el problema no lo requiere. Podemos desarrollar algoritmos más complejos, incorporar nuevos componentes, automatizar más actividades y construir soluciones cada vez más elaboradas. Pero nada de eso garantiza que estemos generando más valor.

De hecho, en ocasiones sucede exactamente lo contrario. Terminamos construyendo sistemas que requieren más mantenimiento, más entrenamiento, más recursos y mayores esfuerzos de adopción, cuando una pequeña modificación al proceso o al entorno habría simplificado considerablemente el resultado.

Esto no significa que debamos evitar la complejidad a toda costa. Hay problemas que verdaderamente la requieren. Significa que debemos ser capaces de distinguir entre la complejidad necesaria y aquella que nosotros mismos estamos incorporando.

Y para lograrlo necesitamos algo que ninguna plataforma puede sustituir por completo: comprender el negocio, conocer su operación y tener la disposición de cuestionar nuestras propias decisiones.

Aquí cobra sentido algo en lo que he insistido durante años: la transformación digital no comienza ni termina en la tecnología. Es el resultado de conectar adecuadamente a las personas, los procesos y las herramientas que utilizamos.

Las personas aportan el conocimiento, la experiencia y la capacidad de cuestionar. Los procesos representan la manera en que hacemos las cosas y las oportunidades que tenemos para mejorarlas. La tecnología nos permite llevar esas mejoras a una escala, velocidad y precisión que antes no eran posibles.

Cuando olvidamos esta relación, corremos el riesgo de convertir la transformación digital en una carrera por incorporar herramientas, en lugar de una oportunidad para hacer mejor las cosas.

También creo que debemos revisar la manera en que estamos formando a nuestros equipos de desarrollo. Es natural que un especialista busque resolver un problema desde las herramientas que conoce. Quien programa piensa en código, quien trabaja con datos piensa en modelos y quien desarrolla inteligencia artificial piensa en entrenamiento, algoritmos y capacidades tecnológicas.

No hay nada incorrecto en ello. Es parte de su especialidad. Pero el verdadero salto ocurre cuando somos capaces de salir de ese marco y observar el problema desde una perspectiva más amplia.

A veces la mejor decisión tecnológica es cambiar una línea de código. Otras veces es modificar un proceso. Y en ocasiones puede ser tan simple como colocar un distintivo de color en una puerta.

Lo importante no es dónde encontramos la solución, sino que realmente resuelva lo que necesitamos.

Por eso, cada vez estoy más convencido de que pensar digitalmente no consiste en saber más de tecnología, sino en desarrollar una manera diferente de observar, cuestionar y resolver los problemas.

La inteligencia artificial nos está ofreciendo capacidades extraordinarias. Pero sería un error interpretar que, porque ahora podemos pedirle más a la tecnología, debemos dejar de hacer nuestra parte para simplificar lo que queremos conseguir.

Al contrario. Mientras más poderosa se vuelve la tecnología, mayor debería ser nuestra responsabilidad de comprender lo que le estamos pidiendo.

Volviendo a El código Enigma, lo que me resulta más interesante no es únicamente la capacidad de aquella máquina para procesar combinaciones. Es el momento en que el conocimiento humano permite orientar mejor esa capacidad.

Aquella expresión, «Heil Hitler», que parecía una simple formalidad repetida en las comunicaciones alemanas, se convirtió en una pista valiosa para reducir la complejidad del descifrado. Y eso me hace pensar en cuántas pistas similares tenemos hoy frente a nosotros, dentro de nuestras organizaciones, sin prestarles suficiente atención.

Quizá no necesitamos un algoritmo más poderoso, una nueva plataforma o un modelo de inteligencia artificial más avanzado. Quizá necesitamos observar mejor nuestra operación, cuestionar lo que hacemos por costumbre y reconocer aquello que ya sabemos, pero que no estamos aprovechando.

Y quizá esa sea una de las lecciones más importantes para quienes hoy estamos construyendo soluciones con inteligencia artificial.

No se trata de exigirle a la tecnología que resuelva toda la complejidad que ponemos frente a ella. Se trata de tener la inteligencia de reconocer qué parte de esa complejidad podemos eliminar nosotros mismos.

Porque pensar digitalmente no es hacer que la tecnología trabaje más.

Es aprender a pensar mejor para que la tecnología pueda hacer lo que verdaderamente importa.