No se puede mejorar lo que no se puede ver: por qué el trabajo de conocimiento podría empeorar antes de mejorar

El trabajo del conocimiento oculta sus desperdicios tras las pantallas. Steve Pereira explica por qué la IA podría agravar el problema del trabajo invisible y por qué hacer visible el trabajo debe ser la prioridad.

Es probable que los sistemas invisibles del trabajo de conocimiento generen más ineficiencias y desorden que valor real

La filosofía Lean ha defendido constantemente la estandarización del trabajo, la contextualización de los esfuerzos locales dentro de un marco global y la visibilización de los problemas para empoderar a quienes están más cerca de la tarea a realizar mejoras. Estas necesidades existen tanto en el mundo físico (átomos) como en el digital (bits). A medida que aplicamos los principios Lean de manera más amplia y profunda al trabajo de conocimiento, hacer visible dicho trabajo se convierte en una necesidad básica.

Esta serie de dos partes explora cómo los entornos digitales crean con demasiada frecuencia una «caja negra» de trabajo invisible, alimentando un ciclo de gestión de crisis constantes y desperdicio de capacidad. La primera parte examina la división fundamental entre el trabajo visible y el invisible, identificando a los «ladrones de tiempo» que mantienen a los equipos en un estado de emergencia perpetua. Más allá de la visibilidad, la segunda parte pasa a la acción, detallando cómo establecer los modelos mentales compartidos, las métricas y los mecanismos de respuesta necesarios para transformar el desperdicio oculto en un flujo observable y gestionable. Para empezar, debemos cuestionar el statu quo de las barreras opacas que rodean al trabajo digital.

Imagine que entra en una obra de construcción como capataz y encuentra a todos los trabajadores parados, pegados a sus teléfonos. Sabría al instante que no se está construyendo nada. En el mundo físico, por lo general podemos ver cuándo el trabajo está estancado, presenta dificultades o está bloqueado. Una línea de montaje lo hace aún más evidente: si la línea se detiene, el progreso también. En cambio, si entra en la oficina de un equipo de desarrollo de software, verá a todos tecleando, pero eso no le indica si realmente se está avanzando en algo. El trabajo de conocimiento moderno y la transformación digital han aportado ventajas reales a la economía global, pero la visibilidad rara vez ha sido una de ellas. Debemos aplicar la visibilidad de forma deliberada, utilizando técnicas de visualización, medición y mapeo colaborativo para ver aquello que el propio trabajo ya no nos muestra.

La división básica: trabajo visible frente a trabajo invisible

Los avances más significativos en la optimización de flujos de trabajo se produjeron en entornos físicos. Toyota mapeó el flujo de materiales e información en la planta de producción; más tarde, Mike Rother y John Shook denominaron y popularizaron esta práctica como mapeo del flujo de valor en su obra Observar para crear valor.[1] En el ámbito de la fabricación, lo que una persona percibe es fácil de mostrar a los demás. Cuando alguien entra en la planta de una fábrica, los problemas tangibles se reconocen al instante: un derrame de productos químicos, una acumulación inusual de inventario o una máquina marcada con una señal roja que indica que está averiada. Ver a los trabajadores agrupados en una zona mientras otra permanece vacía revela inmediatamente un desequilibrio. Estas señales facilitan que el equipo coincida en lo que realmente está sucediendo, un paso previo necesario para poder solucionar el problema.

Por el contrario, el trabajo digital y el basado en el conocimiento son fundamentalmente invisibles. No hay nada que se traslade de un camión a una cinta transportadora para convertirse en un producto terminado; el trabajo reside tras pantallas y abstracciones. Dos compañeros pueden estar sentados con sus portátiles casi tocándose y, sin embargo, operar en universos totalmente distintos, ya que la información que consultan y consideran importante no se solapa ni se conecta claramente con un todo mayor.

Incluso en una fábrica, el kanban (una señal que desencadena una acción) surgió porque el flujo de materiales, por sí solo, resultaba demasiado disperso e irregular para ser percibido a simple vista. Resulta que no se nos da bien ver aquello que no estamos buscando. No podemos identificar lo que no tenemos un marco conceptual para nombrar. Taiichi Ohno (considerado el creador del Sistema de Producción Toyota) pasó horas observando la producción antes de lograr ver el desperdicio que tenía delante. A Toyota le llevó años adicionales transformar esa percepción en un método que otros pudieran aplicar de manera sistemática. El desperdicio resulta invisible cuando lo tienes delante de las narices pero careces de un marco para reconocerlo, tanto en la planta de una fábrica como en un flujo de trabajo digital.

Los peligros del trabajo invisible

Cuando el trabajo se compone de bits y carece de limitaciones físicas, surgen una serie de fallos específicos:

• Falta de modelos mentales unificados: Los equipos que trabajan con información fragmentada duplican tareas, se contradicen entre sí o crean productos erróneos. A falta de un mapa común que sirva de referencia, las suposiciones acaban cubriendo los vacíos.
  Optimización local desacertada: Acelerar una etapa sin tener visibilidad de todo el proceso desplaza la acumulación de trabajo hacia fases posteriores; allí pasa a ser responsabilidad de otra persona y no se refleja en las métricas de nadie. Sin una visión amplia de la cadena de valor o de la red de cadenas de valor, la tendencia natural es mejorar aquello que resulta más evidente a simple vista. Caemos víctimas del «efecto farola» (es decir, buscar donde es fácil detectar algo, aunque no sea lo correcto).
• Percepción de «caja negra»: Las partes interesadas ajenas a la ejecución no ven la complejidad, la deuda técnica ni la capacidad real; por tanto, asumen razonablemente que ninguna de ellas es significativa. En el ámbito del trabajo basado en el conocimiento, los mecanismos internos no son visibles, por lo que la atención se centra en los colaboradores visibles en lugar de en el sistema de trabajo invisible.
• Carga cognitiva excesiva y pérdida de contexto: Cada traspaso de tareas conlleva una pérdida de contexto, cuyo coste se manifiesta más tarde en forma de sobrecarga de coordinación y agotamiento. La carga de trabajo se convierte en un ejercicio constante de malabarismo y coordinación de una montaña intangible de información compleja; una situación que, con demasiada frecuencia, se acepta como el precio inevitable de operar en el entorno digital.
• Prioridades ignoradas y trabajo oculto: La deuda técnica y los aspectos de seguridad carecen de una cola de trabajo propia, por lo que se acumulan como maleza seca a la espera de una chispa que les prenda fuego. Sin una inversión deliberada o un registro para su seguimiento, la deuda se descontrola sin que suene ninguna alarma hasta que ya es demasiado tarde.

El círculo vicioso del trabajo invisible

El síntoma más evidente del trabajo invisible es la gestión reactiva de crisis (apagar incendios). Ante la falta de mediciones adecuadas y de flujos de trabajo visibles, las organizaciones caen en un círculo vicioso marcado por el trabajo no planificado. Las iniciativas de mejora nunca llegan a ponerse en marcha porque la jornada se consume atendiendo crisis. Muchos equipos tecnológicos y de trabajo basado en el conocimiento no funcionan como sistemas fluidos que afrontan problemas ocasionales, sino que operan en un estado de emergencia prácticamente permanente. Cuando una organización dedica toda su energía a apagar fuegos, carece de capacidad para dar un paso atrás y analizar dónde se originan dichos incendios o cómo se propagan.

En su obra Making Work Visible [2], Dominica DeGrandis identifica cinco «ladrones de tiempo» que merman la capacidad, obligan a cambiar constantemente de contexto y provocan el agotamiento de los equipos:

• Exceso de trabajo en curso (WIP): tareas iniciadas pero aún no finalizadas.
• Prioridades en conflicto: proyectos y tareas que compiten entre sí. Esta situación se agrava cuando nadie define qué es lo más importante.
• Dependencias desconocidas: requisitos o acciones previos necesarios para finalizar el trabajo de los que nadie tenía constancia.
• Trabajo no planificado: interrupciones que impiden completar una tarea.
• Trabajo descuidado: tareas parcialmente realizadas que permanecen paralizadas.

Si ponemos en marcha a los cinco «ladrones», estos crean un ciclo de reacción que alimenta un incendio creciente. El trabajo de conocimiento lleva décadas operando bajo este ciclo, sin la visibilidad necesaria para percibir su coste o saber cómo escapar de él.

1. La dirección presiona para acelerar las entregas. Los colaboradores protestan, pero carecen de datos convincentes para respaldar su postura.
2. El trabajo avanza a ciegas hasta que una dependencia oculta, una interrupción o una deuda técnica acumulada lo hace tropezar. A veces se elimina el obstáculo, pero lo más habitual es sortearlo generando más deuda.
3. El trabajo bloqueado se deja de lado en lugar de finalizarlo, y se inicia nuevo trabajo sobre él. El volumen de trabajo en curso (WIP) aumenta.
4. La carga de coordinación crece a la par que el WIP, la entrega se ralentiza y las prioridades se reorganizan para forzar el avance. Nada se elimina realmente ni se aparca de forma definitiva.
5. El trabajo bloqueado se resuelve o se cambia su prioridad. Cuando se retoma una tarea tras semanas de abandono, se ha perdido el contexto; bajo la presión de recuperar el tiempo perdido, se entrega precipitadamente.
6. El trabajo apresurado deriva en errores, retrabajo y más deuda. Estos problemas interrumpen la siguiente fase, ralentizan aún más la entrega y llevan a la dirección a presionar con más fuerza. Se vuelve al inicio del ciclo.

Cada vuelta de este ciclo de «ladrones del tiempo» aumenta el WIP, y el WIP es el ladrón que alimenta a los otros cuatro.

Hoy en día, la IA alimenta el fuego en lugar de combatirlo. Generar más trabajo en menos tiempo aumenta el WIP, y las otras cuatro condiciones empeoran a medida que este crece.

El WIP invisible atrae más trabajo

A nadie se le ocurriría encargar a un equipo de construcción que añada otro baño mientras se seca la pintura de una casa nueva, ni pedir a un mecánico que repare dos coches a la vez. Sin embargo, los equivalentes digitales ocurren constantemente y nadie se percata de ello.

Dos condiciones afectan de manera particular al trabajo de conocimiento, agravando esta situación:

1. Una implementación deficiente de los flujos de trabajo de proyectos, Scrum o Kanban ofrece una visión binaria del trabajo: o está en curso o no lo está. Rara vez se visualiza el trabajo como completado al 20% o al 80%. El trabajo se termina cuando se termina, y alcanzar la meta puede requerir una revelación repentina o simplemente la cantidad justa de intentos de prueba y error.
2. Dado que el trabajo es invisible, los colaboradores se sienten incentivados a aparentar estar ocupados, mientras que se desincentiva la reflexión cuidadosa, la resolución de problemas y la mitigación de riesgos. Se percibe que los problemas urgentes —independientemente de su magnitud— tienen la misma importancia y requieren la misma inmediatez, lo que deriva en interrupciones constantes y en una cultura de «heroísmo» para resolver crisis. A los colaboradores que tienen una visión clara de los riesgos y de la deuda técnica les cuesta comunicarse eficazmente con la dirección; esto provoca fallos que se habían previsto con mucha antelación y genera dinámicas similares a las del cuento de «Pedro y el lobo» o la fábula de «El cielo se está cayendo» (el síndrome de alarmismo constante).

Mientras no diseñemos flujos de trabajo y sistemas de medición que aborden directamente estas condiciones, existirán demasiadas formas en que estas puedan generar y alimentar el ciclo de los «ladrones de tiempo».

Indicadores insuficientes

Es habitual ver cómo se aborda la visibilidad mediante enfoques que no atacan la raíz de los problemas ocultos tras el trabajo invisible:

• Un enfoque que prioriza las herramientas —bajo la premisa de «crea un panel de control (o una malla de datos) y vendrán solos»— sin contar con mecanismos que vinculen la medición con el empirismo ni con guías de actuación;
• Métricas basadas en «mejores prácticas del sector», como las de DORA (DevOps Research and Assessment), pero sin una teoría de la medición que justifique su recopilación o uso;
• Un mapa que recopila detalles exhaustivos pero oculta lo esencial; y
• Un mapa claro que no impulsa la acción porque faltan factores clave —como la responsabilidad y la estrategia— o estos están desconectados.
  Para lograr una visibilidad efectiva es necesario contextualizar la información y ofrecer orientación sobre qué se puede ignorar sin riesgos, no solo sobre qué merece atención. La información debe priorizarse, categorizarse, compararse y vincularse a valores superiores y tendencias más amplias.

Por qué la visibilidad es más importante que nunca

La IA y la automatización hacen que el problema del trabajo invisible sea mucho más urgente. La IA genera código, texto y datos a un coste marginal casi nulo, pero no aporta nada a las fases posteriores de revisión, aprobación, integración y entrega.

Acelerar el ritmo antes de un cuello de botella genera inventario en lugar de resultados finales. En el ámbito del software, ese inventario se traduce en solicitudes pull sin revisar, funcionalidades sin probar y código que solo se ejecuta en un ordenador portátil. Se acumula igual que los palés, pero sin ocupar espacio físico, por lo que nadie pasa por delante y se pregunta qué hace ahí. DevOps ya se enfrentó a esta situación hace casi veinte años; ha pasado tiempo suficiente para que una nueva generación nativa de la IA deba volver a aprender estas lecciones.

Más recientemente, DORA fue una de las primeras iniciativas en impulsar la visibilidad del rendimiento en la entrega digital mediante sus cuatro métricas clave originales, centradas en el volumen de trabajo y la calidad. Hace poco se añadió una quinta métrica —la tasa de retrabajo en despliegues— para medir precisamente este tipo de fallo.

Sin modelos, mapas ni métricas integrados en un contexto conectado, trabajamos a ciegas

Acelerar la producción sin un flujo de trabajo visible satura los cuellos de botella ocultos y sepulta a los equipos bajo una montaña de trabajo no verificado. Los ingenieros ahora pueden programar soluciones mediante prompts —una práctica a veces llamada "vibe coding"—, generando software que no comprenden del todo y produciendo más desperdicio a mayor velocidad de lo que permitía cualquier herramienta anterior. Hacer visible el trabajo ya no es solo una buena práctica: es el requisito previo para adoptar la IA a gran escala de manera segura.

Una vez que realmente podemos «ver» y medir el flujo a través del flujo de valor —y de la red más amplia—, las personas de todos los niveles pueden actuar en beneficio del sistema en su conjunto, en lugar de centrarse únicamente en su entorno inmediato. Esto se aplica tanto si observamos cómo se desplazan los elementos de trabajo en un tablero kanban como si analizamos el «rastro digital» que dichos movimientos dejan en nuestras métricas.

En la segunda parte, compartiré los mecanismos más útiles que he encontrado para generar visibilidad, así como los desafíos que, una y otra vez, sabotean estos esfuerzos.

Artículo y gráficos desarrollados con la ayuda de IA.

[1] Mike Rother y John Shook, *Learning to See* (Lean Enterprise Institute, 1999).

[2] Dominica DeGrandis, *Making Work Visible* (IT Revolution Press, 2017).