Hay historias que el management ha contado tantas veces que casi hemos dejado de pensar en ellas. Xerox PARC anticipó tecnologías que acabarían siendo centrales en la informática personal. Toyota convirtió la sobreproducción en una forma de desperdicio. Bell Labs reunió durante décadas a científicos e ingenieros de disciplinas diferentes y se convirtió en uno de los grandes referentes de la innovación industrial. Hemos utilizado estos casos miles de veces para hablar de visión, eficiencia o colaboración. Quizá la inteligencia artificial nos permita descubrir ahora que también encerraban una advertencia sobre la abundancia. ¿Qué ocurre cuando una organización dispone de más posibilidades de las que es capaz de seleccionar, absorber o convertir en valor?

Durante buena parte de los últimos doscientos años el problema fue exactamente el contrario. Innovar era caro. Hacían falta conocimiento especializado, personas, capital y tiempo para transformar una intuición en algo capaz de enfrentarse al mercado. Por eso aprendimos a experimentar antes, construir prototipos, reducir incertidumbre y avanzar progresivamente antes de comprometer demasiados recursos. Buena parte del management moderno fue diseñado para un mundo en el que las posibilidades eran caras y, por tanto, escasas. Esa premisa empieza a tambalearse.

Un reciente artículo de Harvard Business Review habla ya de abundance entrepreneurship. Un emprendedor puede utilizar inteligencia artificial para investigar mercados, generar conceptos, programar, construir prototipos, diseñar campañas o coordinar agentes especializados a una velocidad extraordinaria. El cambio importante no consiste solamente en hacer más con menos. La abundancia no elimina la escasez; la desplaza desde nuestra capacidad para producir hacia nuestra capacidad para seleccionar. Steve Blank lo resume con una advertencia incómoda; la IA puede facilitar el descubrimiento de clientes, pero también hacer que las malas ideas avancen más deprisa.

La diferencia puede parecer pequeña, pero cambia profundamente la lógica de la innovación. Hasta ahora nos preocupaba generar suficientes alternativas; pronto podemos enfrentarnos al problema contrario. Una IA puede producir cien nombres, cincuenta diseños, veinte estrategias o diez modelos de negocio antes de terminar una reunión. Un segundo estudio, también en HBR, añade una paradoja: equipos utilizando modelos semejantes pueden terminar explorando direcciones también semejantes. Podemos multiplicar espectacularmente el número de ideas sin multiplicar en la misma proporción ni su originalidad ni nuestra capacidad para evaluarlas.

Aquí Toyota adquiere un significado inesperadamente actual. Una fábrica puede parecer extraordinariamente productiva mientras acumula productos que nadie necesita todavía. La IA puede generar una nueva forma de inventario, la sobreproducción cognitiva. Estrategias que nadie ha contrastado, prototipos que nadie ha pedido, innumerables alternativas compitiendo por una atención humana que continúa siendo limitada. Producir cada una cuesta cada vez menos; comprender cuál merece convertirse en realidad puede resultar cada vez más difícil.

Pero existe otra consecuencia menos evidente. Si producir posibilidades se vuelve casi instantáneo, la tentación será acelerar también todo lo que ocurre entre la idea y la decisión. Un estudio realizado durante un año en RTL Nederland observó cómo la IA permitía convertir rápidamente conceptos iniciales en propuestas visuales aparentemente terminadas, comprimiendo conversaciones y revisiones que antes involucraban a distintos especialistas. Cuando algo parece terminado demasiado pronto, podemos dejar de hacer preguntas que todavía necesitaban ser formuladas. Los investigadores denominan a este fenómeno process collapse.

Eso obliga a revisar una de las obsesiones más persistentes del management moderno, la de eliminar fricciones. Muchas reuniones, esperas y burocracias realmente destruyen valor y deberíamos alegrarnos de que desaparezcan. Pero una conversación entre especialistas introduce contradicción; un prototipo imperfecto obliga a preguntar; un piloto enfrenta una idea con la realidad; una discusión entre disciplinas puede evitar que una mala decisión avance demasiado deprisa. No toda fricción es desperdicio; algunas fricciones son mecanismos de aprendizaje, contraste y selección. Bell Labs quizá siga resultando interesante precisamente por recordarnos que el encuentro entre conocimientos diferentes no siempre produce la ruta más corta, pero puede producir una ruta que nadie había imaginado.

Para los líderes, esto cambia la pregunta. Ya no basta con saber dónde aplicar inteligencia artificial para ganar velocidad y productividad. Habrá que aprender también qué no producir, qué no acelerar y qué fricciones merece la pena conservar. Si generar alternativas se aproxima a coste cero, seleccionar adquiere más valor. Si las simulaciones son cada vez mejores, el contacto con clientes y contextos reales importa más. Y si la tecnología elimina pasos, convendrá distinguir cuáles eran burocracia y cuáles protegían a la organización de sus propias malas ideas.

Quizá por eso Xerox PARC, Toyota y Bell Labs continúan apareciendo décadas después en nuestras conversaciones sobre innovación. Xerox recuerda que disponer de posibilidades extraordinarias no garantiza convertirlas en valor; Toyota, que producir más no significa producir mejor; Bell Labs, que la eficiencia no siempre consiste en eliminar todo aquello que ralentiza un proceso. Durante dos siglos hemos construido organizaciones para vencer la escasez. La inteligencia artificial puede obligarnos ahora a aprender a gobernar la abundancia. Cuando hacer casi cualquier cosa resulte cada vez más fácil, la ventaja puede empezar en saber qué no hacer.

*** Paco Bree es profesor de Deusto Business School, Advantere School of Management y asesor de Innsomnia Business Accelerator.