En el post anterior comenzamos la definición del modelo propiamente dicho. Hasta ahora dijimos que debemos repensar la forma de trabajar debido a la mayor complejidad del trabajo que tenemos por delante. Una vez aceptado ese nivel de complejidad, dejamos de intentar optimizar el trabajo en términos de predictibilidad y rapidez para concentrarnos más en buscar aprendizaje y adaptabilidad.
Abusando un poco del concepto y con la impunidad que da la ignorancia, podemos pensar que así como para el día a día de nuestra existencia es necesaria una ética para poder determinar qué está bien y qué no, en el mundo de la organización del trabajo necesitamos algo similar. Con un poco de megalomanía me gustaría postular que una filosofía de la organización del trabajo debe contener una definición clara sobre qué está bien y qué no a la hora de llevar adelante una iniciativa. En términos propios de un mundo tan material como el laboral, qué consideramos éxito y qué no.
Presuntamente importados del mundo de la experiencia de usuario, los conceptos de output y outcome resultan fundamentales a la hora de definir criterios de éxito a nivel iniciativa. Por output vamos a entender el entregable, mientras que el outcome se refiere al impacto que tuvo ese entregable. Como un ejemplo burdo podríamos imaginar que el output de un equipo de desarrollo puede ser una versión nueva de un sitio de e-commerce y el outcome logrado podría ser un eventual incremento en las ventas.
El éxito en entornos de menor complejidad
A partir de estas definiciones postulemos cuáles podrían ser criterios de éxito lógicos, naturales, dependiendo del nivel de complejidad percibida. Si no se percibiera un nivel de complejidad tan alto seguramente se asumiría que es posible preveer, diseñar de antemano, la correlación entre output y outcome. Dado que es infinitamente más sencillo medir output que medir outcome, si asumo que existe una correlación predecible y estable entre ellos, lógicamente voy a preferir medir output. Resumiendo, si el nivel de complejidad percibido no es tan alto, seguramente definamos éxito en términos de output.
Recordemos que hasta ahora postulamos que si el nivel de complejidad percibido no es tan alto, se procurará optimizar el trabajo en términos de predictibilidad y rapidez/eficiencia. Siguiendo la misma lógica, el éxito en estos casos se medirá en esos términos. Dentro de aquel trabajo que se describe y administra bajo el marco del proyecto, en general se define al éxito como el cumplimiento de una promesa inicial: entregar el scope prometido en tiempo y forma. En este caso el éxito consiste en entregar exactamente el output prometido, es decir un éxito basado en la predictibilidad.
Cuando el trabajo es más constante o permanente, como en un proceso de manufactura o la prestación de un servicio de baja complejidad, el éxito suele medirse más bien por productividad: cuanto más output, mejor. En este caso tenemos un éxito basado en la rapidez/eficiencia.
El éxito en entornos de mayor complejidad
Cuando la complejidad se eleva, pasa a ser prácticamente suicida basar nuestro éxito en ser predecibles o eficientes. El desafío es entonces diseñar un criterio de éxito que premie el habernos basado en nuestras dos estrategias optimización: el aprendizaje y la adaptación. Propongo primero la siguiente definición básica: en un entorno de mayor complejidad la relación entre output y outcome solo es evaluable con evidencia de campo y es inestable a lo largo del tiempo. Como primer medida, a la hora de diseñar un método de trabajo, vamos a necesitar testear frecuentemente output para comprobar si genera o no outcome. Pero volvamos.
Para diseñar un criterio de éxito a nivel iniciativa para situaciones de mayor complejidad podemos empezar por lo obvio: aunque sea difícil, mediremos el outcome, intentando maximizarlo. Como no podemos asegurar la obtención de outcome, cuando no lo logremos queremos capitalizar ese error con aprendizaje. Es decir que también vamos a considerar un gran aprendizaje como parte del éxito de una iniciativa. Nunca olvidemos que si te das cuenta que tomaste el camino equivocado, la mejor decisión es girar y volver. Quién sabe cuánto dinero, tiempo y orgullo se tiró por la borda por continuar trabajando en iniciativas que debían haberse cancelado. Si una organización desea maximizar su aprendizaje, debe valorar festejando la cancelación temprana de una iniciativa que, como consecuencia de ese mismo aprendizaje, termina siendo no viable o incluso perjudicial.
Por último necesitamos incluir al bendito output en nuestra fórmula de evaluación del éxito de iniciativa. La intuición productivista nos empuja a tratar de maximizarlo. Pero si logramos resistir ese canto de sirena taylorista podemos concluir que el éxito estará dado, en verdad, por una minimización del output producido. Menos output implica menos costo, menos tiempo de aprendizaje, mejor time-to-market, un producto menos complejo que mantener y explicar y un menor apego emocional a lo ya construido si debemos cancelar la iniciativa en función de lo aprendido.
En definitiva, nuestra fórmula de evaluación de éxito de iniciativa sería la siguiente:
Les invito a reflexionar sobre cuán radical puede llegar a ser este cambio de criterio de éxito de iniciativa en sus organizaciones. Imaginen cuán ubicuos son hoy en día los criterios clásicos basados en predictibilidad y productividad de output: desde el control cotidiano de una oficina de proyectos hasta los KPIs/KRs diseminados a lo largo y a lo ancho de su organigrama, el output marca las reglas de juego. Y, aunque es tema para otra discusión, algunos creemos que la cultura sigue a la estructura. ¿Qué cultura estaremos creando y reforzando con criterios de éxito que castigan indirectamente el aprendizaje al valorar por sobre todas las cosas el cumplimiento de promesas?
El modelo hasta ahora
En términos genéricos, el disparador de una cierta estrategia organizativa lo da lo que podemos llamar el la complejidad del contexto. En función de esa complejidad se decidirá una estrategia de optimización. Esa estrategia, a su vez, define, como mínimo, un criterio de éxito de iniciativas.
En un escenario de complejidad relativamente baja, elegiríamos naturalmente optimizar ante todo predictibilidad y eficiencia/rapidez. Eso llevaría a definir como posibles criterios de éxito de iniciativas el cumplimiento de promesas de output o la maximización de ese output.
Por último, en un caso de mayor complejidad, sería conveniente optimizar ante todo aprendizaje y adaptabilidad. Eso conduciría a definir un criterio de éxito de iniciativas de maximización de outcome más aprendizaje y de minimización de output.
Vale aclarar que la representación en círculos concéntricos no me termina de convencer. En futuras entradas, además de seguir desarrollando el modelo, voy a empezar a probar con otras representaciones. Sus opiniones son, no solo bienvenidas, sino necesarias. Nos vemos en la próxima, ojalá en apenas unos días.
