Por qué lo mejor de tu trabajo con clientes no llega al siguiente equipo
Los equipos de consultoría y FDE desarrollan conocimiento valioso en cada proyecto. Por qué ese conocimiento suele quedarse en un solo proyecto y cómo convertirlo en mejores formas de trabajar en toda la firma.
Un equipo descubre un enfoque mejor durante un proyecto. Cambiar el orden de las preguntas revela antes el verdadero problema. Añadir una comprobación antes de una propuesta evita rehacer trabajo. Aclarar qué evidencia hace falta facilita revisar un resultado de IA.
El proyecto va bien. El cliente está satisfecho.
Mientras tanto, otro equipo de la misma empresa está abordando un problema parecido desde el principio.
Nadie ha fallado en la prestación del servicio. Sin embargo, la empresa está perdiendo una oportunidad de reutilizar algo valioso: el método y el criterio que el primer equipo dedicó tiempo a desarrollar.
Las personas están adquiriendo experiencia. ¿La empresa está mejorando su forma de trabajar?
Para las firmas de consultoría y de ingeniería desplegada junto al cliente, este es un reto a la hora de extender el buen trabajo. También es el problema que queremos ayudar a resolver con Epismo.
Los proyectos exitosos también pueden dejar el aprendizaje en manos de individuos
Los consultores adaptan su enfoque a la situación de cada cliente. Los forward-deployed engineers (FDE) resuelven restricciones técnicas y empresariales para construir sistemas útiles. Sus funciones difieren, pero ambos desarrollan conocimiento experto a través del trabajo con clientes.
El entregable final solo recoge una parte de esa experiencia.
Una presentación puede explicar la conclusión sin mostrar qué pregunta reveló el problema, por qué se descartó una alternativa o qué evidencia esperó el equipo antes de decidir.
Otro profesional necesita ese criterio para trabajar al mismo nivel. Si un colega experimentado debe explicarlo personalmente cada vez, el alcance de ese conocimiento sigue limitado por su disponibilidad.
OpenAI describe la ambición de su equipo de FDE de aprender del trabajo con clientes y ofrecer al siguiente un mejor punto de partida. Convertir lecciones en funciones de producto y mejorar una metodología de consultoría son mecanismos distintos, pero ambos permiten aprovechar un proyecto en el siguiente.
Además de completar el proyecto, las empresas tienen la oportunidad de decidir qué debería aportar a su método colectivo.
Hacer reutilizables los criterios que sustentan la decisión
Los trabajos anteriores, las wikis internas y las plantillas son recursos importantes. Su valor práctico aumenta cuando incluyen criterios que otra persona puede utilizar para decidir.
Pensemos en una instrucción para comprobar la rentabilidad de una oportunidad comercial. Cada profesional podría interpretarla de forma diferente.
¿El equipo ha estimado el soporte continuo además de los costes de desarrollo? ¿Qué supuestos podrían cambiar la estimación? Si aún no se sabe, ¿qué debe investigarse antes de decidir?
Explicitar estas preguntas permite que otro profesional revise el trabajo desde la misma perspectiva sin esperar al experto original. También ayuda a un agente de IA a entender qué investigar y qué evidencia conservar.
El conocimiento experto se convierte en un activo útil cuando otra persona lo utiliza para evaluar trabajo real.
APQC destaca la validación de las lecciones, su transformación en pautas aplicables y su uso en decisiones y procesos futuros. Las empresas necesitan conectar el registro de una lección con su aplicación.
La revisión en la práctica: dos ejemplos
En la revisión de una oportunidad con una gran empresa, Epismo señaló que faltaba evaluar los costes de desarrollo y soporte. El equipo investigó y rechazó una solicitud que, de otro modo, habría aceptado.
El valor estuvo en incorporar la evidencia que faltaba a la decisión. La revisión ayudó a identificar qué investigar; el equipo utilizó los resultados para decidir.
En otro ejemplo, un socio de consultoría aplicó criterios mejorados de revisión de oportunidades en proyectos de varios clientes. Un método mejor llegó más allá del proyecto y del profesional donde se había originado.
El primero muestra una revisión que respalda una decisión mejor informada. El segundo muestra criterios mejorados que llegan a proyectos de varios clientes.
Juntos señalan una oportunidad para la firma: ayudar a los equipos a aplicar criterios útiles al trabajo real y utilizar lo aprendido para fortalecer esos criterios.
Conectar la revisión del trabajo con la revisión del método
Un playbook en un documento indica al equipo qué comprobar. Conectado al trabajo real, ayuda a examinar la evidencia que respalda esas comprobaciones y lo que puede faltar en el propio método.
Un caso conserva propósito, evidencia, decisiones, resultados y próximos pasos para que las personas y la IA puedan comprender y continuar el mismo trabajo.
Un playbook hace reutilizable el enfoque de la firma: las preguntas importantes, las pautas y los resultados esperados que ayudan a un equipo a trabajar bien.
La revisión con IA examina el trabajo registrado con respecto a su propósito y las pautas asociadas. Ayuda a señalar carencias en la evidencia, contradicciones y cuestiones que conviene investigar. Los equipos pueden registrar sus hallazgos y volver a evaluar a medida que avanza el trabajo.
Lo que revela la revisión puede tener dos destinos. Si falta evidencia, corresponde hacer un seguimiento en este caso. Una carencia recurrente puede requerir cambiar el método compartido.
¿Se omitió una comprobación existente o faltaba una pregunta importante en el propio enfoque? Lo primero mejora este trabajo. Lo segundo puede mejorar la forma de trabajar de la firma.
La revisión con IA puede señalar posibles mejoras. El equipo decide qué lecciones merecen un cambio en el playbook, comprueba dónde se aplican y pone las pautas revisadas a disposición de sus colegas.
Revisar el trabajo. Después, utilizar lo que revela para revisar la forma de trabajar.
Los criterios compartidos dejan espacio para el juicio específico de cada cliente
Clientes diferentes necesitan respuestas diferentes. Los criterios compartidos proporcionan una base coherente para hacer preguntas y examinar evidencias, dejando espacio para adaptar el enfoque.
Un especialista puede contribuir mediante los proyectos que realiza y el método que utilizan sus colegas. Estos pueden perfeccionarlo con su propia experiencia. La información específica del cliente permanece dentro de su audiencia prevista; el aprendizaje generalizable puede orientar otros trabajos cuando esté permitido compartirlo.
El buen trabajo no debería depender por completo de qué experto esté asignado al proyecto. Los criterios que sustentan el buen trabajo deberían estar al alcance de todos los equipos, aplicarse a decisiones reales y mejorar con la experiencia.
La capa de calidad para el trabajo de personas e IA
Esa es la conexión entre conocimiento compartido y calidad: hacer accesibles los criterios del buen trabajo, utilizarlos para examinar evidencias reales y mejorarlos cuando la experiencia revele una carencia.
Este es el papel que queremos que desempeñe Epismo.
La capa de calidad para el trabajo de personas e IA.
Donde las personas y la IA colaboran, revisan y mejoran la forma de trabajar.
La colaboración proporciona contexto compartido. La revisión lleva el método a la decisión. La mejora traslada el aprendizaje validado al trabajo futuro. El equipo sigue siendo responsable de sus decisiones, con una base más sólida para tomarlas.
Una empresa debería poder fortalecerse a través del buen trabajo que ya realiza.
Estamos construyendo Epismo para ayudar a que ese aprendizaje forme parte del trabajo cotidiano.