Diseñar Para Lo Que Pasa Después
La IA abarató lo que se entrega. Lo que importa sigue ocurriendo en otro lado: en una persona, más tarde, muchas veces lejos de cualquier pantalla.
Pensemos en un resumen. Una reunión de una hora termina y, antes de que alguien se levante de la silla, ya hay un documento con los puntos principales, las decisiones y los próximos pasos. Está bien escrito, es preciso, llega a todos los que estuvieron y a los que no. Si alguien quisiera mostrar que la herramienta funciona, ese documento sería la prueba. Ahora pensemos en la semana siguiente. ¿Alguien lo leyó entero? ¿Alguien cambió lo que iba a hacer por algo que decía? ¿La decisión que registraba se tomó de verdad, o quedó escrita y nada más? Eso no lo sabe la herramienta, y casi nunca lo sabe nadie.
La distinción entre output y outcome, entre lo que se produce y lo que cambia, no es nueva. Hace años que circula en equipos de producto, con libros, talleres y métricas. No quiero volver sobre eso. Me interesa otra cosa, que creo que esa discusión dejó afuera: qué pasa en el camino que va de uno al otro. Porque un output no se vuelve outcome solo. Se vuelve outcome en alguien. Y ese pasaje, que siempre fue difícil de ver, se volvió todavía más invisible ahora que producir parece no costar nada.
Lo que parece gratis
Digo “parece” a propósito. Es común escuchar que la inteligencia artificial volvió gratis el output, y no es así. Cada respuesta se paga en tokens, y detrás de los tokens hay chips, electricidad, agua y centros de datos que alguien construye y alguien financia. Christopher Butler lo señaló hace poco: la pregunta de fondo no es tanto quién es dueño de los modelos como quién controla esos insumos físicos. El costo existe. Lo que cambió es cuánto de ese costo llega a sentir quien usa la herramienta.
Takuma Kakehi tiene una frase que me sirve para pensarlo: el precio es una interfaz. Decide cuánto del costo de la máquina se te deja sentir. Un plan de suscripción, un límite de uso, una tarifa por token: cada una de esas formas es una decisión de diseño sobre qué percibimos y qué no. Y casi todas están diseñadas para que el costo de producir un párrafo más se sienta como nada.
Hay un detalle en esto que me parece revelador. La unidad con la que se cobra la IA es el token, es decir, una medida de lo producido. Pagamos por output. No hay, todavía, una forma establecida de pagar por lo que ese output cambió, y los intentos de cobrar por “trabajo realizado” son justamente la industria tanteando cómo cobrar un resultado que no sabe medir. La economía de estas herramientas ya está organizada alrededor de lo visible.
Y el costo que no aparece en la factura no desaparece: se muda. Rudy Faile lo dijo de una manera muy simple. Escribir tres páginas ya no cuesta nada, pero leerlas cuesta lo mismo que siempre. Lo que se abarató es producir. Leer, entender, evaluar, decidir qué hacer con lo producido: eso sigue costando, y ese costo lo paga quien recibe. El output barato no eliminó el trabajo. Lo trasladó a la parte del camino que nadie está mirando.
Medir lo que se ve
En las empresas que adoptan IA se repite una idea que suena impecable: el valor de estas herramientas no se mide en licencias ni en cantidad de uso, sino en lo que mueven. Pero cuando llega el momento de mostrar evidencia, lo que suele aparecer es actividad: horas ahorradas según la propia herramienta, prototipos hechos en una tarde, cantidad de ejecuciones. Se declara el outcome y se exhibe el output.
No lo digo como crítica, porque no creo que sea mala fe. Es lo que pasa cuando lo único disponible para mostrar es lo que se produjo. Durante mucho tiempo, producir era caro, y por eso el output servía como una prueba razonable de que algo iba a pasar. Si alguien había invertido dos semanas en un documento, probablemente ese documento importaba. Ahora que el documento sale en dos minutos, esa inferencia se rompe, pero la costumbre de medir lo producido sigue en pie. La medida se quedó pegada a lo que se ve.
Hay un caso que muestra el problema llevado al límite. Hinge, la aplicación de citas, se presenta desde hace años como una app diseñada para ser borrada: su éxito es que la gente encuentre a alguien y deje de usarla. Su directora escribió hace poco que miden el éxito por citas en persona de calidad y no por tiempo en la app. Más allá de cuánto de eso se cumpla, el planteo deja algo a la vista. Si el resultado ocurre cuando la persona se va, todo lo que se puede medir dentro del producto mide, en el mejor de los casos, otra cosa. El uso no es una aproximación imperfecta al outcome: puede ser su contrario.
El recorrido del resultado
Lo que Hinge muestra de forma extrema pasa, en menor medida, casi siempre. El output vive en un momento de un recorrido. El outcome ocurre a lo largo de todo el recorrido, y buena parte de ese recorrido no es digital.
Volvamos al resumen de la reunión. Entre el documento y una decisión que realmente cambió algo hay una serie de momentos: alguien lo lee en el teléfono mientras va a otra reunión, lo comenta en un pasillo, lo trae a una conversación con su equipo, discute con alguien que no estaba de acuerdo, cambia de opinión o no. Algunos de esos momentos dejan rastro digital. La mayoría no. Y es en esos momentos, más que en el documento, donde el output se transforma o se pierde.
A ese camino lo llamo, de manera provisoria, el recorrido del resultado. Es lo que un journey map intenta dibujar, con una diferencia: no sigue al usuario a través del producto, sino al output a través de la vida de las personas que lo reciben.
Hay un concepto de la teoría de las organizaciones que ayuda a pensar qué pasa ahí. En 1990, Wesley Cohen y Daniel Levinthal propusieron la idea de capacidad de absorción: la habilidad de reconocer el valor de información nueva, asimilarla y aplicarla. Lo importante de su planteo es que esa capacidad depende sobre todo de lo que ya se sabe. El aprendizaje es acumulativo: se absorbe mejor lo que se puede conectar con algo previo. Ellos hablaban de empresas, pero aclaraban que la capacidad de una organización depende de la de sus miembros, y que no es simplemente la suma de ellas.
Leído desde acá, el concepto dice algo incómodo. Un output solo se vuelve outcome si alguien tiene la capacidad de absorberlo. Producir más no aumenta esa capacidad. Puede incluso saturarla. Hay una distinción útil, que circula entre quienes acompañan estas adopciones, entre un juguete, algo que funciona mientras estás en la sala para mostrarlo, y una herramienta, algo que otra persona usa cuando vos no estás. La diferencia entre los dos no está en el objeto. Está en si el recorrido lo lleva a alguna parte.
Y lo que no llega a ninguna parte se acumula. Los prototipos que funcionan y nadie usa, los documentos que nadie retoma, los análisis que respondieron preguntas que nadie hizo. En la teoría de las restricciones eso tiene un nombre: inventario. Cuando se mejora un paso que no es el cuello de botella, el sistema no produce más, solo acumula más trabajo esperando. Un output que nadie absorbe no es valor. Es inventario.
La trampa de digitalizar el después
La respuesta obvia a todo esto sería medir el outcome. Seguir el recorrido, registrar qué pasó después, convertir el después en datos. Y en parte hay que hacerlo: sin algún registro, no hay forma de aprender nada sobre lo que funciona. Necesitamos digitalizar los resultados del camino para poder verlos.
Pero acá aparece una trampa. Cuando digitalizamos el outcome, lo convertimos en un registro. Y un registro es, otra vez, un output: algo producido, visible, contable, que se puede optimizar. La métrica del después se vuelve un nuevo producto. Es la vieja ley de Goodhart, que dice que cuando una medida se convierte en objetivo deja de ser una buena medida, pero con una vuelta más. No es solo que la gente empiece a manipular la métrica. Es que el acto mismo de traer el después a la pantalla lo devuelve al terreno de lo que se ve, y ahí vuelve a pasar lo mismo.
Hinge mide citas de calidad, pero la calidad de una cita no vive en ningún dato: vive en dos personas sentadas en un bar. Cualquier número que la represente es, en el fondo, otra proxy de medición. No digo que no haya que buscarlo. Digo que conviene saber que ese número nunca va a ser la cosa.
Involucrarse en lo que no se ve
Entonces, ¿qué le queda a quien diseña? Si el outcome ocurre en un recorrido que mezcla lo digital y lo presencial, si se transforma en personas y en momentos a los que no tiene acceso, y si cualquier intento de capturarlo lo vuelve a convertir en output, parecería que la responsabilidad se vuelve imposible.
Creo que no. Pero cambia de forma. Ya no se trata de controlar el resultado, sino de participar en él de otra manera. Donde no llega el dato, la herramienta de diseño es la imaginación: pensar en la persona después de la pantalla, en lo que se lleva, en lo que olvida, en el momento en que tiene que actuar con lo que recibió. Esa imaginación no reemplaza a la investigación. La hace necesaria.
Hay algunas formas concretas de ese involucrarse. Diseñar los pasajes: qué se lleva alguien del momento digital al presencial, qué puede recordar, qué tiene a mano cuando tiene que decidir. Ir al recorrido: estar donde ocurre lo que no se digitaliza, observar una reunión, acompañar una decisión, mirar qué pasa con lo que entregamos cuando ya no está en nuestras manos. Y diseñar la vuelta: que algo del outcome regrese al diseño, no como una métrica que reemplaza a la cosa, sino como un relato, un caso, un aviso que nos obligue a revisar lo que hicimos.
Ninguna de estas prácticas es nueva. Lo nuevo es que el output barato las volvió más necesarias, porque cuanto más fácil es producir, más fácil es confundir lo producido con lo logrado.
El diseñador es responsable de un recorrido que nunca va a poder ver entero, y en el que sin embargo tiene que encontrar cómo involucrarse, creativamente. Quizás esa sea la pregunta que vale la pena llevarse a cada proyecto: no qué entregamos, sino qué tiene que pasar en la cabeza y en la vida de alguien para que lo que entregamos sirva, y qué hicimos nosotros para que eso pase.