Bulletproof Problem Solving

La única habilidad que lo cambia todo
Table of Contents Ocultar
  1. Para encontrar soluciones útiles, primero tienes que definir correctamente los problemas.
  2. Dividir los problemas en partes más pequeñas hace que sean más fáciles de resolver.
  3. La priorización consiste en evaluar tu influencia y el impacto potencial de las soluciones.
  4. Los procesos de trabajo igualitarios pueden ayudar a tu equipo a vencer los prejuicios individuales.
  5. Trata bien los datos y te recompensarán con ideas útiles.
  6. Trata bien los datos y te recompensarán con ideas útiles. Así es como funcionan los datos. Aunque los datos son vitales para resolver problemas, en realidad no pueden decirte nada por sí solos: tienes que hacerlos hablar. Hay formas buenas y malas de hacerlo, de ahí el viejo chiste de los estadísticos sobre los pobres analistas que torturan los datos hasta que les dicen lo que quieren oír. Ese enfoque seguro que te lleva por mal camino, pero ¿cuál es la alternativa? Es hora de hablar de heurística. El mensaje clave de este resumen es: Trata bien a los datos, y te recompensarán con ideas útiles. La palabra “heurística” procede del griego antiguo heuriskein, que significa “encontrar” . Como sugiere la etimología de la palabra, el propósito de una heurística es ayudarte a encontrar algo, concretamente una solución que encaje con los datos que tienes ante ti. Veamos con más detalle un par de ejemplos útiles. En primer lugar: La navaja de Occam. Esta herramienta lógica fue perfeccionada en el siglo XIV por un filósofo inglés llamado Guillermo de Ockham. Afirma que la solución más sencilla suele ser la correcta. Sea cual sea tu problema, lo mejor es que te decantes por la hipótesis que haga menos suposiciones. Toma un sencillo ejemplo matemático. Supongamos que tienes cuatro hipótesis, cada una de las cuales tiene un 80% de probabilidades de ser correcta. Haz números y verás que la probabilidad de que las cuatro sean correctas es de algo más del 40%. En cambio, si sólo haces dos suposiciones, es del 64%. En otras palabras, cuanto menos supongas, más probabilidades tendrás de acertar. Aquí tienes otra heurística: la Regla 80:20. Fue desarrollada por el economista italiano del siglo XX Vilfredo Pareto, por lo que también se conoce como análisis de Pareto. Afirma que el 80% de los resultados suelen estar determinados por el 20% de las causas. Por ejemplo, no es raro descubrir que el 20 por ciento de los compradores de un producto impulsan el 80 por ciento de las ventas. Para realizar un análisis de Pareto, tendrás que hacer una lista de tus problemas, que pueden ser quejas de los clientes, pedidos fallidos o productos dañados. A continuación, puntúa cada problema en función de la diferencia que supondría resolverlo. Ahora que has enumerado los problemas, identifica sus causas fundamentales, como la falta de formación, equipos averiados o procesos poco claros. Por último, agrupa los problemas según sus causas y suma las puntuaciones. Cuanto mayor sea la puntuación total, mayor será el impacto de la solución de este problema, o causa. Puedes encontrar muchos datos útiles en el mundo real si te tomas el tiempo de buscar.
  7. Por ejemplo, los gobiernos. Por ejemplo, los gobiernos. ¿Reducir impuestos impulsa la actividad económica? Lo ideal sería hacer un experimento para averiguarlo. ¿Cómo? Bueno, podrías elegir un grupo de control dentro de un determinado tramo de ingresos, dejar intactos sus tipos impositivos, recortar drásticamente los de todos los demás y ver qué ocurre. Pero este tipo de experimentación en el mundo real es éticamente dudosa y, en muchos casos, directamente ilegal. Este es sólo un ejemplo de cómo se puede impedir que una organización recopile datos. En otros contextos, las limitaciones presupuestarias tienen un efecto similar. Pero hay una forma de sortear estos obstáculos. El mensaje clave de este resumen es: Puedes encontrar muchos datos útiles en el mundo real si te tomas el tiempo de buscar. Toma nota de Evan Soltas y David Broockman, dos politólogos que querían averiguar si los votantes americanos discriminan a los candidatos de las minorías en las elecciones. No había forma de que pudieran crear un experimento propio para responder a esta pregunta, así que recurrieron a un experimento natural. Los experimentos naturales son experimentos realizados accidentalmente por el mundo que generan los datos que buscas. En el caso de Soltas y Broockman, se trataba de un procedimiento de votación utilizado por el Partido Republicano durante las primarias presidenciales en el estado de Illinois. En lugar de emitir votos en las urnas, el Partido Republicano votó en las primarias. En lugar de votar a candidatos como Trump o Romney, los votantes eligieron a los delegados que les representaban. Esto no es inusual en Estados Unidos, pero hay dos peculiaridades en Illinois. En primer lugar, los nombres de estos delegados -políticamente desconocidos y a menudo imposibles de buscar en Google- también aparecen en las papeletas. En segundo lugar, los votantes no tienen que votar por toda la lista de su candidato preferido: pueden marcar, por ejemplo, dos de los delegados de Trump, o dos de los de Romney, e ignorar a un tercer delegado. Esto significa que los votantes tienen una buena idea de la etnia de los delegados; José, por ejemplo, es más probable que sea latino, mientras que Tom y Dick son probablemente blancos. También significa que los votantes pueden elegir entre delegados con plataformas idénticas. Si los votantes discriminan de verdad, es lógico que los candidatos de minorías con nombres como José o Miguel reciban menos votos que los delegados con nombres como Tom y Dick, en relación con el número total de votos emitidos para candidatos como Trump o Romney. Este es un gran ejemplo de cómo los votantes pueden elegir a sus delegados. Este es un gran experimento natural porque proporciona a los investigadores la información que necesitan para empezar a responder a su pregunta. Todo lo que tienen que hacer es cribar los datos, una tarea que requiere muchos menos recursos que realizar un experimento propio. ¿La moraleja de esta historia? Si buscas lo suficiente, es probable que descubras que los datos de otra persona pueden responder a tu pregunta. Conclusiones

Para resolver un problema, primero tienes que plantearlo correctamente. Si lo haces, la solución estará clara.

Algunas personas lo hacen intuitivamente sin sudar, pero no hace falta ser un superdotado para ser un gran solucionador de problemas.

De hecho, los fundamentos son bastante sencillos, una vez que los conoces. Y eso es precisamente lo que aprenderás en este resumen.

Por el camino, también aprenderás

  • lo que los hábitos de cría del salmón salvaje pueden enseñarnos sobre el establecimiento de prioridades;
  • cómo determinar si un salmón se reproduce o no.
  • cómo saber si merece la pena instalar paneles solares en tu casa; y
  • dónde encontrar datos si quieres saber si tu casa tiene paneles solares; y
  • cómo saber si tu casa tiene paneles solares.
  • dónde encontrar datos si no tienes presupuesto para realizar tus propios experimentos.

Para encontrar soluciones útiles, primero tienes que definir correctamente los problemas.

Cuando te enfrentas a un problema, es fácil empezar a pensar inmediatamente en cómo vas a resolverlo. Te apresuras a recopilar datos, consultar a expertos y analizar lo que has encontrado. Pronto se te ocurren respuestas. Sólo hay un problema: te has saltado un paso vital.

La resolución de problemas sólo funciona si respondes a las preguntas correctas. Si no lo haces, tu trabajo carecerá de valor. Peor aún, podría ser incluso contraproducente.

Por eso es tan importante empezar el proceso de resolución de problemas dedicando un momento a pensar detenidamente en qué pregunta intentas responder.

Por eso es tan importante empezar el proceso de resolución de problemas dedicando un momento a pensar detenidamente en qué pregunta intentas responder.

El mensaje clave de este resumen es: Para encontrar soluciones útiles, primero tienes que definir correctamente los problemas.

No definir correctamente un problema puede tener consecuencias desastrosas. Tomemos como ejemplo la industria periodística.

Los periódicos dominaron las noticias locales hasta mediados de los 90. Entonces, de la nada, surgió un nuevo competidor: Internet.

Al principio, las publicaciones online como los blogs asustaron a los altos ejecutivos del sector, pero cuanto más analizaban el problema, más se relajaban. Puesto que los periódicos habían sobrevivido a la llegada de nuevas tecnologías como la radio y la TV, ¿por qué iba a ser diferente Internet? Y, de todos modos, ningún blog igualaría el tipo de contenido producido por los grandes y experimentados equipos editoriales que trabajan en las redacciones.

Por supuesto, las cosas no salieron así. ¿Cómo se equivocaron tanto? Pues porque no habían definido correctamente su problema.

Las plataformas online no necesitaban robar lectores, sólo necesitaban a la gente que pone anuncios en los periódicos. En otras palabras, los ejecutivos pensaban en la calidad de sus contenidos, pero el verdadero problema era la cantidad de ingresos generados por la publicidad. Cuando los anunciantes se trasladaron a Internet, cientos de periódicos empezaron a quebrar.

¿La clave para evitar esta trampa? Hacerse las preguntas adecuadas.

¿Quiénes son los responsables clave que determinan si mis soluciones se adoptan o se ignoran? ¿Qué aspecto tendrá el éxito y cómo sabré cuándo lo he logrado? Y lo que es más importante, ¿cómo evaluarán los responsables clave si mi enfoque funciona o fracasa? ¿Cuál es mi marco temporal? ¿Necesito una solución para el mes que viene o para dentro de una década? Y, por último, ¿hay alguna solución potencial fuera de los límites?

Estas preguntas no sólo te ayudarán a definir tu problema con mayor precisión, sino que también evitarán que pierdas el tiempo ideando grandes respuestas a las preguntas equivocadas.

Dividir los problemas en partes más pequeñas hace que sean más fáciles de resolver.

Hace unos años, el autor Robert McLean empezó a pensar en instalar paneles solares en su casa para reducir su huella de carbono. Viviendo en la soleada Australia, la energía solar parecía algo obvio.

¿Pero tenía sentido desde el punto de vista económico? Esta pregunta era más difícil de responder. En aquel momento, las subvenciones públicas a la energía sostenible estaban desapareciendo. Sin embargo, el precio de los paneles estaba bajando y había que tener en cuenta las tarifas de alimentación: el precio al que las compañías eléctricas compran el exceso de energía generada por cada casa.

Lo que McLean necesitaba era una herramienta para resolver este complicado problema.

El mensaje clave de este resumen es: Descomponer los problemas en partes más pequeñas hace que sean más fáciles de resolver.

En McKinsey, una importante empresa de consultoría de gestión, McLean aprendió a abordar los problemas utilizando árboles lógicos. He aquí cómo funciona esa herramienta.

El primer paso consiste en formular una hipótesis. En el caso de McLean, adoptó la forma de una simple afirmación: “Debería instalar paneles solares”. A continuación, pregúntate qué pruebas respaldarían esta hipótesis.

A McLean se le ocurrieron dos criterios. Si los paneles solares podían reducir su huella de carbono en un 10% y podía recuperar la inversión en diez años, instalarlos era una buena idea. Establecer criterios te indica qué tipo de datos necesitas reunir.

Pues tomemos esa reducción del 10 por ciento de CO2. Para calcular una posible reducción de tu huella de carbono, lo primero que necesitas saber es cuánto CO2 emites. Para simplificar, McLean buscó cuánto emite cada año un australiano medio y lo utilizó como referencia. A continuación, utilizó calculadoras de sitios web para calcular la cantidad de carbono que podría evitar cambiando a paneles solares. Descubrió que podría reducir su huella de carbono en más de un 20%.

¿Y los beneficios? McLean sumó el coste de los paneles y la instalación. Luego calculó cuánto ahorraría al año utilizando menos energía externa y vendiendo la sobrante, un análisis sencillo con las calculadoras online que ofrecen los instaladores solares. Los resultados mostraron que podría recuperar su inversión inicial en menos de una década. Con sólo un poco de investigación en Internet, McLean había resuelto su problema: debía instalar paneles solares.

Ésta es la belleza de los árboles lógicos. Cuando planteas tu hipótesis y los criterios necesarios para respaldarla, descubres qué tipo de datos pueden resolver tu problema.

La priorización consiste en evaluar tu influencia y el impacto potencial de las soluciones.

“La buena resolución de problemas tiene que ver tanto con lo que no haces como con lo que haces”

El salmón del Atlántico aún no está en peligro de extinción, pero las poblaciones de salmón salvaje han sido devastadas por la contaminación, la sobrepesca y la mala gestión.

El salmón del Atlántico aún no está en peligro de extinción, pero las poblaciones de salmón salvaje han sido devastadas por la contaminación, la sobrepesca y la mala gestión.

Hace un tiempo, el autor Charles Conn fue contratado por una organización benéfica que trabaja para evitar que esto le ocurra al salmón salvaje del Pacífico. Estos peces son enormemente importantes para el ecosistema de la selva tropical del Pacífico Norte. Les iba mejor que a sus homólogos del Atlántico, pero las previsiones a largo plazo no eran prometedoras.

El objetivo de la organización benéfica era aumentar el número de salmones salvajes del Pacífico, pero había muchas soluciones potenciales e incertidumbres sobre cómo utilizar mejor sus limitados recursos. Ahí es donde entró Conn. Estaba allí para abordar uno de los aspectos más importantes de la resolución de problemas: el establecimiento de prioridades.

El mensaje clave de este resumen es: La priorización consiste en evaluar tu influencia y el impacto potencial de las soluciones.

¿Cómo aumentar las poblaciones de peces salvajes? Hay muchas respuestas. Podrías mejorar las condiciones del océano o restaurar el hábitat dañado. La reducción de las cuotas pesqueras o el endurecimiento de la normativa sobre pesca deportiva podrían ayudar. Pero la verdadera cuestión es qué estrategia es la más rentable.

La mejor forma de priorizar las soluciones es observar la interacción de dos factores: la escala de su impactoy tu capacidad para influir en los resultados.

Empecemos por las soluciones de alto impacto y baja influencia. Mejorar las condiciones oceánicas sería estupendo para las poblaciones de salmón, pero requeriría el esfuerzo coordinado de múltiples estados y organizaciones internacionales. Dicho de otro modo, es muy eficaz, pero está fuera de tu alcance.

También hay soluciones de bajo impacto y baja influencia. Una organización benéfica no puede reducir el número de licencias de pesca deportiva que se conceden a menos que se pase décadas presionando a los políticos. Pero aunque lo hiciera, las pruebas sugieren que esta estrategia no es especialmente eficaz para aumentar las poblaciones de salmón salvaje.

Imagina, sin embargo, que el director de la organización benéfica fuera también el ministro encargado de expedir las licencias de pesca. Ahora tendrías mucha influencia, pero seguirías estando ante una solución de bajo impacto.

Esto nos lleva a las soluciones de alto impacto y gran influencia.

El salmón del Pacífico no sólo vive en el océano, sino que también viaja río arriba para desovar en ríos de agua dulce de Alaska, Columbia Británica y la península de Kamchatka. Esto dio una idea al equipo de Conn: ir al origen del problema y centrarse en mejorar las condiciones de los ríos de reproducción más importantes. ¿El resultado? Un proyecto manejable limitado a tres o cuatro ríos en los que los limitados recursos de la organización benéfica podían desplegarse con el máximo efecto.

Los procesos de trabajo igualitarios pueden ayudar a tu equipo a vencer los prejuicios individuales.

La resolución de problemas puede ser extremadamente compleja, pero no necesitas un título avanzado en análisis estadístico ni sofisticados modelos matemáticos para empezar. Lo que necesitas, sin embargo, es erradicar los sesgos.

Según los expertos, hay más de 100 errores cognitivos comunes que cualquiera de nosotros puede cometer. Por ejemplo, el prejuicio de confirmación, que es la tendencia a centrarnos en las pruebas que refuerzan nuestras creencias e ignorar la información que las contradice. También está la falacia del coste de la pérdida, que consiste en redoblar las pérdidas porque no queremos admitir que nos hemos equivocado. La lista continúa.

Entonces, ¿cuál es la mejor forma de evitar estos escollos? En una palabra, el trabajo en equipo.

El mensaje clave de este resumen es: Los procesos de trabajo igualitarios pueden ayudar a tu equipo a vencer los prejuicios individuales.

Toma nota de Philip Tetlock, el autor de Superprevisión. El libro se centra en el arte de hacer predicciones y arroja luz sobre el trabajo en equipo. Los datos de Tetlock muestran que los equipos bien organizados siempre superan a los individuos con más talento cuando se trata de predecir acontecimientos futuros. En algunos casos, incluso lo hacen mejor que los ordenadores capaces de procesar enormes cantidades de datos en bruto.

Pero, ¿qué significa “equipo”?

¿Pero qué significa aquí “bien organizado”? Tetlock afirma que los mejores equipos optimizan sus procesos de resolución de problemas para fomentar un ambiente igualitario en el que las propuestas de cada uno sean escuchadas con justicia.

Esta idea está profundamente arraigada en la cultura de los equipos.

Esta idea está profundamente arraigada en la cultura de la empresa de consultoría McKinsey, que tiene una política denominada obligación de disentir.

Esta política significa que no sólo se anima a los miembros más jóvenes del equipo a expresar sus desacuerdos con el personal superior, sino que se les obliga a expresar sus diferencias. Los superiores, por su parte, se comprometen a escuchar estas opiniones. ¿Por qué es esto tan importante? Bueno, McKinsey cree que la mala resolución de problemas suele ser fruto de una forma concreta de parcialidad: valorar las ideas no por su mérito, sino por el estatus de la persona que las propone. Por el contrario, cuando todo el mundo tiene voz, hay muchas más posibilidades de que el equipo actúe sobre la base de las mejores ideas.

Asignar a los miembros del equipo diez votos representados por notas adhesivas es una forma práctica de fomentar este tipo de apertura y evitar que los miembros veteranos del equipo dominen los debates. Coloca todas las propuestas en una pizarra y haz que todos los miembros de tu grupo de trabajo coloquen sus notas adhesivas junto a la idea que más les guste. Como ventaja añadida, puedes asegurarte de que los miembros más veteranos emitan su voto en último lugar y no influyan en el voto de los demás.

Trata bien los datos y te recompensarán con ideas útiles.

Recopilar datos es una cosa; utilizarlos para idear soluciones beneficiosas es otra.

Trata bien los datos y te recompensarán con ideas útiles.

Así es como funcionan los datos. Aunque los datos son vitales para resolver problemas, en realidad no pueden decirte nada por sí solos: tienes que hacerlos hablar.

Hay formas buenas y malas de hacerlo, de ahí el viejo chiste de los estadísticos sobre los pobres analistas que torturan los datos hasta que les dicen lo que quieren oír.

Ese enfoque seguro que te lleva por mal camino, pero ¿cuál es la alternativa? Es hora de hablar de heurística.

El mensaje clave de este resumen es: Trata bien a los datos, y te recompensarán con ideas útiles.

La palabra “heurística” procede del griego antiguo heuriskein, que significa “encontrar”

.

Como sugiere la etimología de la palabra, el propósito de una heurística es ayudarte a encontrar algo, concretamente una solución que encaje con los datos que tienes ante ti. Veamos con más detalle un par de ejemplos útiles.

En primer lugar: La navaja de Occam. Esta herramienta lógica fue perfeccionada en el siglo XIV por un filósofo inglés llamado Guillermo de Ockham. Afirma que la solución más sencilla suele ser la correcta. Sea cual sea tu problema, lo mejor es que te decantes por la hipótesis que haga menos suposiciones.

Toma un sencillo ejemplo matemático. Supongamos que tienes cuatro hipótesis, cada una de las cuales tiene un 80% de probabilidades de ser correcta. Haz números y verás que la probabilidad de que las cuatro sean correctas es de algo más del 40%. En cambio, si sólo haces dos suposiciones, es del 64%. En otras palabras, cuanto menos supongas, más probabilidades tendrás de acertar.

Aquí tienes otra heurística: la Regla 80:20. Fue desarrollada por el economista italiano del siglo XX Vilfredo Pareto, por lo que también se conoce como análisis de Pareto. Afirma que el 80% de los resultados suelen estar determinados por el 20% de las causas. Por ejemplo, no es raro descubrir que el 20 por ciento de los compradores de un producto impulsan el 80 por ciento de las ventas.

Para realizar un análisis de Pareto, tendrás que hacer una lista de tus problemas, que pueden ser quejas de los clientes, pedidos fallidos o productos dañados. A continuación, puntúa cada problema en función de la diferencia que supondría resolverlo. Ahora que has enumerado los problemas, identifica sus causas fundamentales, como la falta de formación, equipos averiados o procesos poco claros. Por último, agrupa los problemas según sus causas y suma las puntuaciones. Cuanto mayor sea la puntuación total, mayor será el impacto de la solución de este problema, o causa.

Puedes encontrar muchos datos útiles en el mundo real si te tomas el tiempo de buscar.

A menudo las organizaciones quieren comprender los efectos de sus políticas.

Por ejemplo, los gobiernos.

Por ejemplo, los gobiernos. ¿Reducir impuestos impulsa la actividad económica? Lo ideal sería hacer un experimento para averiguarlo. ¿Cómo? Bueno, podrías elegir un grupo de control dentro de un determinado tramo de ingresos, dejar intactos sus tipos impositivos, recortar drásticamente los de todos los demás y ver qué ocurre. Pero este tipo de experimentación en el mundo real es éticamente dudosa y, en muchos casos, directamente ilegal.

Este es sólo un ejemplo de cómo se puede impedir que una organización recopile datos. En otros contextos, las limitaciones presupuestarias tienen un efecto similar. Pero hay una forma de sortear estos obstáculos.

El mensaje clave de este resumen es: Puedes encontrar muchos datos útiles en el mundo real si te tomas el tiempo de buscar.

Toma nota de Evan Soltas y David Broockman, dos politólogos que querían averiguar si los votantes americanos discriminan a los candidatos de las minorías en las elecciones. No había forma de que pudieran crear un experimento propio para responder a esta pregunta, así que recurrieron a un experimento natural.

Los experimentos naturales son experimentos realizados accidentalmente por el mundo que generan los datos que buscas. En el caso de Soltas y Broockman, se trataba de un procedimiento de votación utilizado por el Partido Republicano durante las primarias presidenciales en el estado de Illinois.

En lugar de emitir votos en las urnas, el Partido Republicano votó en las primarias.

En lugar de votar a candidatos como Trump o Romney, los votantes eligieron a los delegados que les representaban. Esto no es inusual en Estados Unidos, pero hay dos peculiaridades en Illinois. En primer lugar, los nombres de estos delegados -políticamente desconocidos y a menudo imposibles de buscar en Google- también aparecen en las papeletas. En segundo lugar, los votantes no tienen que votar por toda la lista de su candidato preferido: pueden marcar, por ejemplo, dos de los delegados de Trump, o dos de los de Romney, e ignorar a un tercer delegado.

Esto significa que los votantes tienen una buena idea de la etnia de los delegados; José, por ejemplo, es más probable que sea latino, mientras que Tom y Dick son probablemente blancos. También significa que los votantes pueden elegir entre delegados con plataformas idénticas. Si los votantes discriminan de verdad, es lógico que los candidatos de minorías con nombres como José o Miguel reciban menos votos que los delegados con nombres como Tom y Dick, en relación con el número total de votos emitidos para candidatos como Trump o Romney.

Este es un gran ejemplo de cómo los votantes pueden elegir a sus delegados.

Este es un gran experimento natural porque proporciona a los investigadores la información que necesitan para empezar a responder a su pregunta. Todo lo que tienen que hacer es cribar los datos, una tarea que requiere muchos menos recursos que realizar un experimento propio.

¿La moraleja de esta historia? Si buscas lo suficiente, es probable que descubras que los datos de otra persona pueden responder a tu pregunta.

Conclusiones

El mensaje clave de estos resúmenes:

La resolución de problemas es una de las habilidades más importantes en el lugar de trabajo moderno. Entonces, ¿cómo se hace? La parte más importante del proceso es definir correctamente el problema. Una vez hecho esto, puedes empezar a dividirlo en partes más pequeñas y priorizar las soluciones. Aquí, querrás buscar resultados de alto impacto y gran influencia. Crear procesos de trabajo igualitarios hará que la resolución de problemas sea aún más eficaz, ya que te ayudará a evitar sesgos.

¿Tienes algún comentario?

¡Nos encantaría conocer tu opinión sobre nuestro contenido! Envíanos un correo electrónico a libros@pathmba.com con el asunto Solución de problemas a prueba de balas y comparte tu opinión

Qué leer a continuación: El Manual del Pensamiento Creativo de Chris Griffiths y Melina Costi

La solución de problemas a prueba de balas.

La resolución de problemas tiene dos aspectos: la lógica y la creatividad. En este resumen, nos hemos centrado en hacer bien la parte lógica de la ecuación. Vencer los prejuicios, priorizar las soluciones y encontrar el tipo adecuado de datos son vitales para este proceso. Pero, ¿qué hay de la creatividad?

Ese es el tema que abordan Chris Griffiths y Melina Costi en su amplia guía para poner en marcha y mantener el pensamiento creativo en el lugar de trabajo. ¿Quieres saber más? Consulta nuestro resumen de El Manual del Pensamiento Creativo!

Deja una respuesta
Related Posts