Nuestros sitios
Ver edición digital Título de la edición actual
Comparte
Compartir

Cultura organizacional

Configure la inteligencia en su comunidad

La mejor característica de un equipo se basa en un marco de referencia para adaptar su enfoque de diseño frente a la complejidad de los desafíos de innovación.


Mit Sloan 08 Jul 2020
Configure la inteligencia en su comunidad

Al enfrentar una presión cada vez mayor para innovar, algunas empresas recurren al trabajo en equipo (crowdsourcing)[1] para buscar nuevas ideas. Sin embargo, muchos esfuerzos no logran cumplir con las expectativas o llegan a abandonarse. El sistema de envío de guiones de películas de Amazon, con esta temática, se cerró después de noatraer guiones con atractivo global. Quirky, una compañía emergente (startup) de invención de productos, se declaró en quiebra al intentar sin éxito obtener del crowdsourcing todo el proceso de desarrollo del producto.

Existe una idea errónea común de que solamente hay un enfoque para el crowdsourcing, pero pedirle a los equipos multitudinarios, que no estén bien preparados, que se hagan cargo de resolver problemas, puede conducir a muchas fallas. Nuestra investigación sugiere, en cambio, que existen múltiples enfoques para el trabajo en equipo que son apropiados para tareas de diferente alcance y complejidad. Nuestro marco de trabajo en equipo inteligente, enfocado en tres tipos distintos de crowdsourcing, brinda orientación a los líderes que desean enfrentar problemas comerciales y aumentar las oportunidades de innovación, a través del trabajo de grandes equipos.

Infraestructura de los equipos (o multitudes) inteligentes

Las tareas de crowdsourcing pueden organizarse a lo largo de un espectro de problemas de baja a alta complejidad, desde la simple descripción de una nueva idea de producto, basada en un número limitado de dominios de conocimiento hasta un prototipo de trabajo altamente complejo de un nuevo tipo de nave espacial que requiere integración en múltiples dominios de conocimiento. Crear conexiones entre individuos para aprender unos de o formar equipos puede permitir a las multitudes inteligentes enfrentarse a los problemas de mayor alcance y complejidad.

La mejor característica de un equipo, es que éste depende del alcance y la complejidad del problema que busca resolver. Nuestro marco de multitudes inteligentes propuso tres tipos distintos de crowdsourcing: buscar equipos, equipos conectados y equipos unidos, adecuados para diferentes tipos de problemas (ver “El marco de los equipos inteligentes”).

 Buscar equipoEquipo conectadoEquipo unido
PropósitoGenerar soluciones de alto valor a problemas nuevos mediante la experimentación independiente.Explorar problemas, relacionados, de forma colectiva, y permite aplicar el aprendizaje por medio de diferentes problemas.Afrontar problemas más grandes y altamente complejos, que son difíciles de dividir en secciones más pequeñas.
BeneficioGenerar muchas soluciones independientes a lo largo de experimentos independientes entre los que líderes pueden seleccionar el mejor. Fácil de configurar.Genera soluciones de alta calidad ante problemas más complejos, combinando y refinando distintos acercamientos entre aprendizaje y la reutilización.Genera soluciones holísticas para resolver problemas que combinan el esfuerzo de varias personas y aprovechan las sinergias para que la suma sea más que sus partes.
RetoNo hay eficiencia en el momento de resolver problemas similares; no hay una forma sistemática de construir sobre el trabajo de otros y mejorar el rendimiento. El aprendizaje individual puede ser lento.Exportación limitada. La gente reutiliza soluciones ya existentes.Posiblemente una exploración de soluciones menos diversa; los individuos deben compartir recompensas. Por lo tanto, puede ser difícil establecer y diseñar mecanismos de incentivos.
Mejor aplicado para…Encontrar soluciones existentes para problemas bien definidos con baja complejidad y alcance. Particularmente efectivo cuando no es obvio qué habilidades o enfoques técnicos conducirán a la mejor solución.Encontrar soluciones a problemas con un alcance y complejidad más allá de la simple descripción de una solución. Particularmente eficaz cuando las soluciones se benefician de la construcción de conocimiento a lo largo del tiempo y la reutilización de piezas desarrolladas por otros para resolver problemas de mayor alcance.Implementar soluciones de mayor alcance y complejidad (prueba de concepto, prototipo, algoritmos, etcétera) que requieren una combinación de múltiples dominios de conocimiento.
EjemplosInnoCentive, 99designs.Topcoder, Kaggle, Threadless, Local Motors.Netflix Prize, Ansari X Prize, flash teams.

Multitudes de búsqueda: definición de tareas y recompensas efectivas

Las multitudes de búsqueda son más efectivas para encontrar soluciones a problemas bien definidos con un alcance relativamente pequeño. El problema en sí puede ser bastante complejo; por ejemplo, estudiar el cambio climático, pero la respuesta que busca puede ser el simple buscador de una idea. Las multitudes de búsqueda desarrollan sus puntos fuertes cuando las mejores habilidades o enfoques técnicos para emplear en la resolución de problemas no son obvios. Las multitudes de búsqueda operan bajo la premisa de que la solución a un problema ya existe, probablemente en un dominio distante, aunque necesita ser descubierto al llegar a un grupo grande y diverso de personas. Algunas de las plataformas de crowdsourcing más conocidas se han basado en este enfoque.

Los desafíos de crowdsourcing de InnoCentive permiten a los “solucionadores” conectarse con personas que buscan nuevas ideas. La idea más adecuada surge a través del esfuerzo paralelo de muchos trabajadores. En este enfoque, el objetivo es facilitar la búsqueda de soluciones conectando a los buscadores con los solucionadores, en lugar de intentar mejorar lo que las personas ya saben.

Tres factores son críticos para el éxito cuando se usan multitudes de búsqueda. Primero, debe proporcionar una descripción clara de la tarea y establecer los incentivos correctos (monetarios y no monetarios) para las personas que desea atraer. En segundo lugar, debe hacer que el problema sea accesible a una audiencia lo más amplia posible, reformulando un problema biomédico como matemático. Tercero, debido a que no sabe quién tendrá la información relevante, necesita reclutar diversos solucionadores. Mantenga una mente abierta sobre a quién se dirige, anuncie ampliamente, ofrezca incentivos variados que puedan atraer a diversas personas y permita múltiples formas de compromiso; tal es el caso de envío de comentarios y calificaciones, así como ideas.

Equipos conectados: la promoción del aprendizaje en el crowdsourcing

Los equipos y multitudes conectados ayudan a encontrar soluciones a problemas complejos, que se basan en múltiples áreas de conocimiento. Los líderes pueden diseñar mecanismos que permitan y mejoren la interacción y el aprendizaje entre los miembros de una multitud; incluso sin una colaboración explícita entre los miembros de la multitud. Un método es hacer públicas las contribuciones anteriores para que sirvan de antecedente para el aprendizaje. Permitir a los solucionadores construir sobre la experiencia pasada y reutilizar las soluciones existentes puede permitirles afrontar problemas más grandes y más diversos. Las personas necesitan conectarse entre sí para compartir información, pero tenga en cuenta que facilitar el aprendizaje y desarrollar el conocimiento lleva tiempo.

Nuestra investigación sugiere que los líderes de equipos utilicen tres herramientas para fomentar el éxito en grandes equipos.[i] En primer lugar, ayude a la multitud a comprender lo que constituye un “buen” trabajo; señale formalmente qué ideas son las mejores, para que la los integrantes del equipo aprendan y eviten la repetición de malas ideas.

En segundo lugar, combine las preferencias de la organización con las preferencias del equipo al determinar las principales contribuciones. Los integrantes pueden proporcionar los conocimientos más valiosos para la innovación, si la empresa proporciona la debida orientación y los comentarios sobre aquello que sea adecuado para la línea de productos, además de ser factible para sus finanzas.

En tercer lugar, asegúrese de que los miembros del equipo reciban comentarios sobre su propio trabajo junto con comentarios a las contribuciones de alta calidad. Esta retroalimentación ayuda a los solucionadores a aprender qué hace una contribución de calidad, equipándolos para hacer otras de mayor calidad con el tiempo.

Equipos unidos: fomentar la colaboración directa en el crowdsourcing

Los equipos de multitudes pueden afrontar la implementación de soluciones como prototipos y software. Si los equipos están compuestos por miembros con conocimientos en una variedad de dominios, pueden llegar a ser más que el conjunto representado en cada uno de sus integrantes, cuestión que permite la mayor exploración de un área de innovación. Por ejemplo, compitiendo por el Premio de Netflix, de un millón de dólares, los equipos autoorganizados se enfrentaron con éxito a un desafío de algoritmos para mejorar el sistema de recomendación central de la plataforma. Los equipos también compitieron por el Premio Ansari X de 10 millones de dólares por completar el primer vuelo suborbital privado, por encima de los 100 kilómetros (generalmente reconocido como el límite del espacio exterior).

Nuestra investigación encontró que dos factores son importantes para los equipos exitosos: gran cantidad de actividades y diversos temas de discusión.[ii]

Primero, fomente explosiones de actividad. Descubrimos que los equipos que se comunicaban en ráfagas de alta actividad se desempeñaban mucho mejor que los equipos que intercambiaban un flujo continuo de mensajes. Los líderes pueden facilitar la “explosión” al fomentar periodos de trabajo independiente, al tiempo que proporcionan herramientas que permiten a los miembros del equipo ver cuándo otros están activos y colaboran periódicamente en tiempo real.

Segundo, promueva diversos temas de discusión. Los equipos de alto rendimiento tuvieron menos repeticiones de temas en su comunicación, recurriendo a un conjunto de tópicos más ecléctico. Esta dinámica de mayor diversidad de información de los mensajes intercambiados dentro de un equipo, fue impulsada por miembros con habilidades y experiencia avanzadas, y se correlacionó significativamente con el rendimiento del equipo. Los líderes pueden facilitar la discusión de temas variados creando equipos, donde sus miembros tengan diferentes experiencias de vida, capacitación técnica y antecedentes educativos.

Conclusión

El crowdsourcing puede ser una fuente inestimable de innovación cuando el equipo correcto de multitud enfrenta el problema correcto. Nuestro marco de multitudes inteligentes permite a los líderes hacer coincidir a su equipo con un problema de alcance y complejidad apropiados, y señala varios factores críticos de éxito para cada enfoque, mas emplear con éxito multitudes inteligentes para la innovación no siempre es fácil. Los líderes deben estar dispuestos a llevar a cabo experimentos continuos entre los integrantes de sus equipos, basándose en una variedad de modelos de multitudes mientras se esfuerzan por mejorar sus procesos de innovación. Aunque no existe una fórmula estándar para el nivel “correcto” de diversidad de participantes en multitudes de búsqueda o el equilibrio entre la evaluación de la empresa y los participantes conectados en un equipo, experimentar con este marco, como guía, puede liberar el poder de las multitudes inteligentes en su organización.

Versión en español: Armando Cintra Benítez

A partir de:

https://sloanreview.mit.edu/article/make-your-crowd-smart/

[1] Considerado también como el trabajo en equipo de una multitud, que a partir de lluvias de ideas proponen soluciones a los problemas que una compañía debe enfrentar. A lo largo de la traducción, para ofrecer una prosodia más dinámica usaremos los tres términos, en inglés, crowdsourcing, además de dos en español:  equipo y multitud. (Nota del traductor)


[i] C. Riedl and V.P. Seidel, “Learning From Mixed Signals in Online Innovation Communities,” Organization Science 29, no. 6 (November-December 2018): 1010-1032.

[ii] C. Riedl and A.W. Woolley, “Teams vs. Crowds: A Field Test of the Relative Contribution of Incentives, Member Ability, and Emergent Collaboration to Crowd-Based Problem Solving Performance,” Academy of Management Discoveries 3, no. 4 (December 2017): 382-403.