De qué va la película en Dcycle

Alguien de Customer Success, o de ventas, escribe una pregunta en Slack: ¿cómo va este cliente? A los pocos segundos llega la respuesta, y no habla en puntuaciones. Dice que llevan seis semanas sin subir datos, que solo usan una parte de lo que contrataron y que quizá convenga llamarles antes de que la conversación de la renovación empiece con mal pie. Quien responde es Disicler, un agente que vive en nuestro backend y que no duerme nunca. Esa misma tarde ha revisado unas cuantas pull requests, ha redactado las notas de versión y ha propuesto un arreglo para una incidencia a la que el Response Team todavía no había llegado.

Podría contar esto como una historia sobre IA. Sería la versión menos interesante. De lo que quiero hablar es de por qué esto funciona en Dcycle cuando, en tantas empresas, las mismas herramientas producen poco más que una factura de licencias y una vaga sensación de decepción.

La paradoja, otra vez

En 1987 Robert Solow escribió una frase que ha envejecido mejor que casi todo lo que se ha escrito sobre tecnología:

«Se ve la era del ordenador por todas partes menos en las estadísticas de productividad.»

— Robert Solow, «We'd Better Watch Out», The New York Times Book Review (12 de julio de 1987)

Las oficinas estaban llenas de ordenadores y los números no se movían. Tardaron más de una década en hacerlo, y cuando lo hicieron no fue porque las máquinas hubieran mejorado. Las organizaciones habían aprendido, por fin, a trabajar de otra manera a su alrededor.

Erik Brynjolfsson y Andrew McAfee le dieron forma a ese retraso en The Second Machine Age: una curva J. La productividad cae mientras la organización se reordena, y solo después sube. Esa caída es el coste de aprender, y muchas empresas nunca salen de ella.

Estamos viviendo la misma escena con la IA. Todo el mundo tiene las herramientas. Muy pocos les han encontrado la gracia. Y la diferencia, como con los ordenadores de los ochenta, no está en la herramienta.

¿De qué va esta película?

Sidney Lumet dirigió más de cuarenta películas a lo largo de medio siglo, de Doce hombres sin piedad a Network. Ya al final de su carrera escribió Making Movies, uno de los libros menos pretenciosos que se han escrito sobre un oficio creativo. En él insiste en que, antes de elegir una lente, un actor o una localización, hay que responder a una pregunta: ¿de qué va esta película? Se refería a algo más hondo que el argumento: la razón por la que la película merece existir. La respuesta decide todo lo demás:

«De qué va la película determinará cómo se reparte, qué aspecto tendrá, cómo se montará, cómo será su música, cómo se mezclará, cómo serán los títulos y, con un buen estudio, cómo se estrenará. De qué va determinará cómo hay que hacerla.»

— Sidney Lumet, Making Movies (1995)

En Doce hombres sin piedad, una película sobre doce hombres encerrados en una habitación, Lumet decidió que la habitación tenía que irse cerrando sobre ellos. Empezó con lentes angulares y la cámara por encima de la altura de los ojos, y a medida que avanzaba la película pasó a lentes más largas y bajó la cámara, hasta que al final las paredes parecían echarse encima de los actores. Pocos espectadores lo notan. Todos lo sienten. La técnica estaba al servicio de una idea sobre la película, nunca al revés.

Lumet empezó en la televisión en directo de los cincuenta, cuando un error salía en antena sin reparación posible. Vivió el color, las lentes nuevas, las películas más sensibles, el montaje electrónico. A los ochenta y tres años rodó su último largometraje, Antes que el diablo sepa que has muerto, en digital de alta definición, sin nostalgia del celuloide. Cada herramienta nueva hizo mejores sus películas. Ninguna cambió la pregunta.

El desarrollo de producto funciona igual. Las herramientas cambian cada pocos años (y ahora cada pocos meses), pero los fundamentos que hacen un buen producto no son tecnológicos. Consisten en hablar con quienes usan lo que construyes, pensar antes de construir, escribir para entender, trabajar en equipos pequeños cerca del material e iterar con la humildad de quien sabe que se va a equivocar. La IA enriquece todo eso como el digital enriqueció las películas de Lumet. Donde esos fundamentos faltan, no tiene a qué agarrarse.

Hace un año

Sería deshonesto presentar Dcycle como una empresa que siempre estuvo preparada para este momento. Hace un año el equipo de producto estaba cansado. Casi toda su energía se iba en apagar fuegos, la plataforma crujía bajo el peso de promesas hechas más deprisa de lo que se podían cumplir y nadie tenía la calma necesaria para pensar en algo más allá de la siguiente incidencia.

Lo que vino después no fue un salto tecnológico. Fue una decisión sobre de qué iba la película. Elegimos dejar de crecer durante un tiempo para sujetar lo que teníamos: cuidar a quienes ya confiaban en nosotros, hacer el producto fiable, devolverle al equipo la capacidad de respirar. Nos pidió algo a todos los equipos: ventas tuvo que vender lo que podíamos sostener, customer success sujetó cada cuenta, operaciones y producto rehicieron los cimientos con la casa todavía habitada. Solo entonces tuvo sentido construir los cimientos de todo lo demás. Lo más revelador de aquella etapa es lo que pasó cuando terminó: volvimos a reorganizarnos, no porque la estructura anterior hubiera fallado, sino porque había cumplido su función. Un equipo que se ha pasado un año apagando fuegos merece oír que los apagó.

La IA llegó en medio de todo eso, y llegó en el momento justo. Llegó como aliada de unas personas que acababan de recordar cómo querían trabajar.

El amplificador

En 1962, cuando los ordenadores todavía llenaban habitaciones enteras, Douglas Engelbart expuso su propósito:

«Por "aumentar el intelecto humano" entendemos incrementar la capacidad de una persona para abordar una situación problemática compleja, alcanzar una comprensión que se ajuste a sus necesidades particulares y derivar soluciones a los problemas.»

— Douglas Engelbart, Augmenting Human Intellect: A Conceptual Framework (1962)

Nunca habló de sustituir a nadie. Y advirtió de algo que suele olvidarse: la capacidad no vive en la herramienta, sino en el sistema que forman la herramienta, el lenguaje, los métodos y la formación. Si solo cambias el artefacto, las ganancias son marginales.

Dos años antes, J.C.R. Licklider había imaginado una simbiosis en la que la máquina asumía el trabajo rutinario para que las personas pudieran dedicarse a fijar objetivos y a juzgar:

«La esperanza es que, en no muchos años, los cerebros humanos y las máquinas de computación estarán acoplados muy estrechamente, y que la asociación resultante pensará como ningún cerebro humano ha pensado nunca y procesará datos de una manera a la que no se acercan las máquinas de tratamiento de la información que conocemos hoy.»

— J.C.R. Licklider, «Man-Computer Symbiosis» (1960)

Toda la historia de internet puede contarse desde ahí: ARPANET, el ordenador personal, la web de Tim Berners-Lee. Cada una de esas cosas fue, en el fondo, un amplificador.

Un amplificador tiene una propiedad incómoda: amplifica lo que le conectes, ruido incluido. Una organización que no sabe de qué va su película producirá con IA más de la misma confusión, y más deprisa. Eso, sospecho, es lo que explica tanta decepción. No es que la tecnología no funcione. Es que funciona demasiado bien sobre algo que no funcionaba.

Prácticas viejas, instrumentos nuevos

Lo que más me emociona del último año en Dcycle es cómo la IA se ha colado en prácticas que ya eran nuestras y las ha mejorado sin volverlas irreconocibles.

Siempre hemos creído que el discovery es un hábito continuo y que cualquiera puede contribuir a él. Durante años eso significó una base de datos de señales que cualquiera en la empresa podía alimentar, desde una llamada de ventas, un ticket de soporte o una conversación en un evento, y que se acumulaban más deprisa de lo que nadie podía leerlas. Hace poco alguien releyó ochocientas de golpe, leyéndolas como evidencia de lo que le faltaba al producto y no como una lista de peticiones. De ahí salieron unas pocas capacidades profundas de las que colgaban cientos de quejas pequeñas. Es la misma idea de siempre (escuchar el trabajo que el cliente intenta sacar adelante, no la funcionalidad que pide), pero ahora podemos escuchar a una escala que antes era imposible sin perder el matiz.

Siempre hemos preferido pensar antes de escribir código. Antes de construir nada escribimos su historia: el problema que aborda, el apetito que estamos dispuestos a invertir, las madrigueras en las que no hay que meterse, lo que todavía no vamos a hacer. Cuando parte del trabajo lo hacen agentes, ese texto deja de ser un trámite y se convierte en la pieza más importante de todas. Escribir bien, que siempre fue una forma de pensar bien, es ahora también la forma de dirigir el trabajo. Y es lo que permite que marketing, ventas y customer success se preparen pronto, en lugar de descubrir lo que hemos construido el día que sale.

Disicler es quizá el ejemplo más completo. Nació en febrero como una pequeña herramienta que respondía preguntas sobre datos y ha ido creciendo capacidad a capacidad, cada una en su propio módulo, como si alguien hubiera releído el prólogo que Doug McIlroy firmó en 1978 para presentar Unix al mundo:

«Haz que cada programa haga una sola cosa bien. […] Usa herramientas antes que ayuda no cualificada para aligerar una tarea de programación, aunque tengas que desviarte para construirlas y esperes tirar algunas cuando hayas terminado de usarlas.»

— M. D. McIlroy, E. N. Pinson y B. A. Tague, «UNIX Time-Sharing System: Foreword», The Bell System Technical Journal (1978)

Hoy revisa código, escribe notas de versión, vigila la infraestructura y ayuda al Response Team. También aprende: cuando alguien aprueba una respuesta, la guarda; cuando se equivoca, registra el fallo y extrae una lección. Cuando cree que el problema está en su propio código, prepara un arreglo y lo propone, pero sus reglas le prohíben ponerlo en producción por su cuenta. Taiichi Ohno llamaba a algo muy parecido jidoka: automatización con un toque humano, la máquina que puede parar la línea y señalar el problema pero deja la decisión a una persona.

Y quizá el detalle que más me gusta: algunos de los mejores agentes de Dcycle no los ha construido ingeniería. Las personas de Customer Success se han hecho los suyos, cada una adaptada a su forma de trabajar, para preparar sus reuniones, redactar respuestas apoyadas en datos reales y avisarles cuando un cliente empieza a alejarse en silencio. Su guía dice que lo que funciona para una persona no tiene por qué funcionar para todas, y que es una plantilla para copiar, editar y mejorar.

No se quedó ahí. Ventas tiene su propio repositorio de automatizaciones, escrito por la gente de ventas: una lectura previa que prepara el kick-off de cada semana, un aviso diario a SDRs y partnerships cuando entra un nuevo lead cualificado, un resumen de los viernes sobre cómo se mueven los ingresos. Marketing ha construido una herramienta que une lo que invertimos en campañas con lo que de verdad pasa en el pipeline, y que incluso mide lo visibles que somos en las respuestas de los motores de IA. Operaciones trabaja con agentes que conocen las reglas de cada repositorio, y nuestras comprobaciones de seguridad se ejecutan en cada máquina de forma que cada persona ve primero sus propios resultados. Se extendió como se extienden los buenos hábitos: alguien le enseña a un compañero lo que ha construido, y el compañero hace su propia versión.

Todo esto es lo que Takeuchi y Nonaka describieron en 1986 cuando compararon el desarrollo de producto con el rugby:

«El enfoque de "carrera de relevos" en el desarrollo de producto […] puede chocar con los objetivos de máxima velocidad y flexibilidad. En su lugar, un enfoque holístico o de "rugby" (en el que un equipo intenta recorrer la distancia como una unidad, pasándose el balón de un lado a otro) puede servir mejor a las exigencias competitivas de hoy.»

— Hirotaka Takeuchi e Ikujiro Nonaka, «The New New Product Development Game», Harvard Business Review (1986)

Llevamos años diciendo que no creemos en roles rígidos y que quienes están más cerca del material deciden mejor. La IA lo ha hecho verdad de una forma que no habríamos conseguido por nuestra cuenta.

Una velocidad con destino

Lumet era famoso en la industria por algo menos glamuroso que sus películas: era rápido. Ensayaba con los actores durante semanas, casi como si fuera teatro, y luego rodaba en muy pocos días, a menudo por debajo del presupuesto. Su velocidad salía del oficio. Como ya había respondido de qué iba la película, no necesitaba descubrirlo en el rodaje.

Clint Eastwood tiene la misma fama, quizá más. En sus rodajes nadie grita «¡acción!». Muchas veces se queda con la primera o la segunda toma, suele terminar antes de plazo y por debajo del presupuesto, y lleva décadas trabajando con el mismo equipo pequeño. Los actores que llegan esperando repetir una escena veinte veces descubren que confía en la preparación, en el equipo y en ellos. La velocidad sale de esa confianza, y la confianza tardó años en construirse.

Lo que Eastwood protege en el rodaje no es un método. Es un clima. Quienes han trabajado con él describen un rodaje tranquilo, casi familiar, donde nadie levanta la voz y los equipos vuelven película tras película. La química va antes que el buen trabajo, y es lo que lo hace posible. Un equipo que disfruta trabajando junto perdona los errores, se atreve a enseñar una idea a medio hacer y pide ayuda sin miedo. Eso es lo que permite quedarse con la primera toma.

En Dcycle lo escribimos en nuestros principios mucho antes de que existiera ningún agente: queremos poner tanto esfuerzo en el trabajo duro como en unas buenas risas, y vemos lo que hacemos como una forma maravillosa de divertirnos y fomentar la creatividad. Hasta repartimos una vez al año nuestros propios antipremios, para celebrar nuestras meteduras de pata más memorables. Puede parecer un detalle sin relación con la IA. Creo que es lo contrario. Para divertirte con una herramienta nueva, primero tienes que divertirte con la gente que te rodea. De ahí salen la curiosidad para probarla, la confianza para enseñar lo que salió mal y la generosidad para compartir lo que salió bien. Las empresas que no le encuentran la gracia a la IA muchas veces la perdieron antes, en otro sitio.

La velocidad también nos ha llegado a nosotros, y probablemente es el cambio que más notan nuestros clientes, aunque nunca vean de dónde viene. La velocidad en Dcycle tiene un destino: alguien al otro lado, esperando.

Cuando un cliente avisa de que algo está roto, el Response Team (el grupo que, después de cada ciclo de producto, pasa una temporada atendiendo lo que vaya surgiendo) tiene ahora un aliado que revisa cada media hora las incidencias sin asignar y propone un primer arreglo, y otro que clasifica los errores de producción antes de que nadie haya abierto un ticket. El problema del cliente ya no espera en una cola.

Nada de esto duraría si fuera solo obligación. Linus Torvalds, que empezó Linux como afición de estudiante, lo dijo sin ninguna solemnidad:

«Hay tres cosas que dan sentido a la vida. Son los factores de motivación de todo lo que haces en tu vida, de cualquier cosa que hagas tú o cualquier ser vivo: la primera es la supervivencia, la segunda es el orden social y la tercera es el entretenimiento. […] Así que todo esto lleva a que, al final, estamos todos aquí para divertirnos.»

— Linus Torvalds, Just for Fun: The Story of an Accidental Revolutionary (2001)

Cuando un cliente tiene una necesidad, la distancia entre escucharla y responderla se ha acortado. Uno vino harto de perseguir a mano a sus compañeros para que las tareas avanzaran; poco después tenía notificaciones, recordatorios y un resumen diario. Es una cosa pequeña. Para la persona que tenía que perseguir a los demás, no lo es.

Cuando aparece una normativa que va a cambiar el año de nuestros clientes (envases, carbono en frontera, deforestación), podemos explorarla, prototipar y, junto a marketing y ventas, ponerles algo en las manos cuando todavía es una pregunta y no un plazo. Anticiparnos a las necesidades antes de que se conviertan en demanda era una aspiración. Se ha convertido en un hábito.

Y el tiempo que la IA devuelve a quienes cuidan de los clientes no se evapora en más tareas. Vuelve como atención: entrar a cada reunión, sea una primera demo o una renovación, sabiendo qué pasó en la anterior, darse cuenta de que un cliente se está alejando en silencio antes de que decida marcharse, tener una hora para pensar qué le ayudaría de verdad. Los clientes contentos se construyen con esa atención sostenida en el tiempo, mucho más que con funcionalidades.

Esa es la parte de la velocidad que me importa: hacer que el tiempo entre el problema de un cliente y su respuesta sea cada vez más corto, hasta que, los días buenos, la respuesta llegue antes de que haya terminado de preguntar.

Lo que sigue siendo nuestro

No todo brilla, y fingir lo contrario traicionaría el espíritu de todo esto. Cuando revisamos las señales que mencionaban la IA, más de la mitad describían fallos de lo que ya habíamos construido, no peticiones de algo nuevo. Un agente que responde mal erosiona la confianza más deprisa que una pantalla lenta. Por eso lo medimos, por eso lo probamos y por eso no le dejamos decidir solo allí donde las consecuencias son difíciles de revertir.

Hay también una tensión más sutil. Michael Caosun y Sinan Aral la llaman la trampa del aumento: la misma herramienta que te hace más productivo hoy puede dejarte menos capaz mañana si te quita la práctica con la que se mantiene el juicio. Un amplificador también puede atrofiar la mano que toca. No tengo una respuesta completa para ese riesgo, y desconfío de quien diga tenerla. Sí tengo una pista, y está en un pequeño detalle de los agentes de Customer Success: cada perfil de cliente tiene una sección de notas manuales que ningún agente puede tocar. Es un espacio modesto, casi doméstico. También es una declaración de principios sobre dónde vive el juicio.

Los créditos

La imagen que encabeza este texto muestra al equipo en nuestra última salida a la sierra, reunido sobre una cornisa de arenisca roja. La elegí a propósito. Esa roca se fue depositando capa sobre capa, y cada estrato descansa sobre los de debajo sin borrarlos. La práctica de producto funciona así: la iteración, los equipos pequeños, la escritura, escuchar al cliente y ahora la IA, la última capa, que se sostiene solo porque las demás están ahí.

También funciona como unos créditos finales. Al final de cada película salen los nombres, y quien se queda a leerlos descubre que detrás de cada escena hubo decenas de oficios. Los nuestros también serían largos: ventas abriendo cada conversación, marketing convirtiendo cada lanzamiento en una historia que merece la pena contar, customer success cuidando de cada cuenta, producto e ingeniería construyéndolo, operaciones sosteniendo todo el conjunto, y quienes se encargan de que, de vez en cuando, acabemos todos juntos en una montaña. Cada uno sabe de qué va la película y toma sus propias decisiones a su servicio. En el libro de Lumet, el director es sobre todo quien mantiene viva esa pregunta.

De lo que estoy orgulloso no es de que Dcycle use IA. Es de que, cuando llegó, encontró una empresa entera, no solo un equipo de producto, que sabía de qué iba su película. Cada herramienta nueva añadirá algo, como el sonido, el color y el digital añadieron algo al cine. Lo que decidirá si nos mejora o simplemente nos acelera seguirá siendo la misma pregunta, la que ninguna máquina puede responder por nosotros.