PathMBA Vault

Emprendimiento

Tropezar con la brillantez

por Danny Hillis

En 1928, el científico escocés Alexander Fleming estudiaba las bacterias con el microscopio. Pero tenía un problema. Había aparecido un moho extraño en sus muestras, lo que había interrumpido su experimento. Entonces Fleming se dio cuenta de algo interesante: las bacterias no crecían cerca del misterioso moho. Por accidente, Fleming hizo uno de los grandes avances médicos de la historia: descubrió la penicilina.

En mi propia carrera como científico, inventor y gerente, he visto cómo la experiencia de Fleming se repite una y otra vez: una gran innovación no surge en el centro del campo de enfoque de la empresa sino en su periferia. En la década de 1970, por ejemplo, formé parte de un gran equipo en el MIT que trabajaba en inteligencia artificial. Pasamos incontables horas desarrollando software para el procesamiento y el razonamiento del lenguaje. Pero mientras nos esforzábamos por lograr nuestro objetivo, también hacíamos tonterías con el lateral. Teníamos una enorme cantidad de potencia informática a nuestra disposición y la utilizamos para crear un software básico para el intercambio de mensajes de texto con los colegas. También hemos hackeado algunos juegos de ordenador. Resultó que tanto el correo electrónico como los videojuegos se convirtieron en industrias multimillonarias (aunque no vimos su potencial comercial en ese momento). ¿E inteligencia artificial? Sigue siendo un problema de investigación.

Eso no quiere decir que nos hubiera ido mejor si los directores del laboratorio nos hubieran dado los ordenadores y nos hubieran dejado correr como locos. La mayoría de las innovaciones no son arbitrarias, simplemente se esconden en la masa de trabajo realizado en pos de algún otro objetivo. Cuando cofundé Thinking Machines a principios de la década de 1980, creíamos que el próximo gran premio del hardware serían los superordenadores con un procesamiento paralelo masivo, y ahí es donde centramos nuestra inversión y nuestra energía. Pero también tuvimos que desarrollar unidades de disco para esas máquinas, y lo hicimos creando lo que se denomina una matriz de discos paralelos. La matriz de discos no era el objetivo principal de nuestros esfuerzos de I+D, solo uno de los muchos subproductos.

Mientras trabajábamos en el procesamiento paralelo, aprendimos que podía aplicarse a una gama mucho más amplia de problemas informáticos de lo que pensábamos originalmente. Eso, lamentablemente, despertó el interés de los fabricantes de ordenadores centrales establecidos, que tenían la escala necesaria para producir y mantener superordenadores de manera más eficiente que una empresa pequeña como Thinking Machines. Pero las matrices de discos eran otra cosa: eran la clave para crear bases de datos muy grandes y eran un producto lo suficientemente simple como para que las empresas emergentes lo desarrollaran de forma eficaz. EMC y otras empresas que entonces eran pequeñas se centraron en las matrices de discos como tecnología principal para el almacenamiento de datos, mientras nosotros seguíamos desarrollando el procesamiento paralelo. Con el tiempo, recibimos importantes tasas de licencia para las matrices de discos, pero perdimos la oportunidad de liderar un sector.

Todo el mundo sabe que la innovación es arriesgada y es poco frecuente que llegue al destino esperado. Pero tal vez ese destino no sea tan importante. Tal vez a lo que debería prestar atención son los pequeños desvíos que toma en el camino: es por esas carreteras secundarias y desvíos donde normalmente se encuentra la verdadera recompensa. De hecho, tal vez el mayor riesgo de la innovación resida en ceñirse demasiado a sus planes.

Artículos Relacionados

Investigación: La IA generativa hace que la gente sea más productiva y esté menos motivada

Investigación: La IA generativa hace que la gente sea más productiva y esté menos motivada

Arreglar los chatbots requiere psicología, no tecnología

Arreglar los chatbots requiere psicología, no tecnología

Los chatbots dotados de IA se están convirtiendo en el nuevo estándar para la gestión de consultas, reclamaciones y devoluciones de productos, pero los clientes se alejan de las interacciones con los chatbots sintiéndose decepcionados. La mayoría de las empresas intentan solucionar este problema diseñando mejores modelos de IA en sus chatbots, pensando que si los modelos suenan lo suficientemente humanos, el problema acabará desapareciendo. Pero esta suposición es errónea. Esto se debe a que el problema de fondo no es tecnológico. Es psicológico: Hay que engatusar a la gente para que vea a los chatbots como un medio positivo de interacción. Los autores han analizado recientemente las últimas investigaciones sobre chatbots e interacciones IA-humanos, y en este artículo presentan seis acciones probadas que puede llevar a cabo al desplegar su chatbot de IA para impulsar la satisfacción, la percepción positiva de la marca y las ventas.

Investigación: ¿Está penalizando a sus mejores empleados por desconectar?

Investigación: ¿Está penalizando a sus mejores empleados por desconectar?

Para combatir el creciente desgaste del personal, muchas empresas han defendido programas de bienestar y han fomentado un enfoque renovado en el equilibrio entre la vida laboral y personal. Pero un nuevo estudio descubrió que incluso cuando los líderes reconocían que desvincularse del trabajo aumenta el bienestar de los empleados y mejora su rendimiento laboral, los directivos seguían penalizando a los empleados que adoptaban estos comportamientos cuando optaban a un ascenso o estaban siendo considerados para un nuevo puesto. Basándose en sus conclusiones, los investigadores ofrecen sugerencias para ayudar a las empresas a crear políticas y construir una cultura que proteja los límites de los trabajadores, evite el agotamiento y recompense el trabajo fuerte.