Arrancamos, hace poco, a relatar la búsqueda de un modelo de transformación hacia la agilidad profunda (quien a su vez será apenas un medio para lograr objetivos más genuinos y tangibles). Ahora, para poder hablar de cambio deberíamos acordar el destino. La agilidad, sobre todo a nivel corporativo, es cada vez más un significante vacío. La responsabilidad por tanta interpretación disímil y hasta contradictoria radica, al menos en parte, en la inexistencia de mejores modelos o descripciones de la filosofía que está detrás de las reglas y prácticas. Las reglas, las leyes, tienen una letra y un espíritu. En la agilidad adolecemos, creo, de buenas descripciones de ese espíritu.
El manifiesto ágil es brillante pero incompleto, en mi tal vez herética opinión. El corazón de la agilidad es interesante, pero demasiado basado en el cómo, en la implementación. Un cambio profundo es siempre un cambio difícil, doloroso. Y nadie atraviesa una experiencia difícil sin una buena razón. Una teoría, un modelo de cambio que tenga como objetivo lograr una mayor agilidad debe contener una explicación al más profundo nivel tanto sobre qué es la agilidad como sobre por qué debemos cambiar.
Por qué (dame una buena razón)
Un problema, un desafío, tiene un cierto nivel de complejidad. Distintos niveles de complejidad requieren, permiten, distintas estrategias a la hora de enfrentarlos. A mayor complejidad, mayor incertidumbre. La base sobre la que se basa cualquier filosofía de la agilidad será siempre una necesaria aceptación de la elevada complejidad del trabajo que tenemos por delante. Aceptar la complejidad redundará, necesariamente, en una creciente humildad intelectual. Su reverso cognitivo, la subestimación de la complejidad, será en muchísimos casos la causa más profunda que yace detrás de una implementación problemática de la agilidad.
Estrategia de optimización (¿Qué intento mejorar?)
Los que nos dedicamos a la agilidad lo hacemos, en definitiva, porque nos interesa que las personas trabajemos un poco mejor. Una ética de la optimización, digamos. Distintos niveles de complejidad requerirán estrategias de optimización diametralmente opuestas.
Ante un problema de menor complejidad buscaremos intuitivamente optimizar predictibilidad y rapidez. Conocemos el terreno (o al menos tenemos un mapa), el clima es agradable, el destino es claro. En cambio, si estamos ante un terreno desconocido, con un horizonte neblinoso y sin un destino del todo claro, optimizar por rapidez y predictibilidad sería no solo necio, sino incluso un poco suicida. Nadie en su sano juicio promete (y mucho menos acelera) a ciegas.
Ante un problema de mayor complejidad, de gran incertidumbre, nos conviene tratar de optimizar casi las ideas opuestas: aprendizaje y adaptabilidad.
Repaso
El modelo hasta ahora, al menos en esta primera y breve descripción:
El primer paso en la transformación consiste en aceptar la mayor complejidad del trabajo que tenemos por delante. A partir de la consecuente humildad intelectual, decidimos cambiar nuestra estrategia de optimización. Pasaremos a priorizar aprendizaje por sobre predictibilidad y adaptabilidad por sobre rapidez.
En el próximo texto vamos a seguir bajando, poco a poco, el nivel de abstracción. Seguramente aprovechemos la presencia de más conceptos para experimentar con distintas maneras de visualización. ¡Nos leemos!
