Mantenerse Humano en la Era de la IA: Lo que los Líderes Tecnológicos Necesitan Preservar

Ahora, estaba pensando el otro día, no sé cuándo fue la primera vez que usé IA. No recuerdo el prompt. Ni siquiera recuerdo particularmente haber tenido este, aha, este es el momento del futuro. Soy coanfitrión de un podcast llamado Compressed FM. Volví y miré, y el episodio 130, que se emitió el 12 de abril de 2023, hicimos nuestro primer episodio de IA llamado Chat GPT y AI, reacciones iniciales. Es gracioso volver y escucharlo. Pasamos parte del episodio explicando la diferencia entre OpenAI y Chat GPT y qué es 3.7 turbo versus el formato GPT. Y me hace reír ahora porque estos términos son de conocimiento común, y casi parecen obvios. Pero desde que grabamos el episodio 130, ahora parece que hablamos de IA casi todas las semanas.

Mi punto es que para algo que se ha vuelto tan ubicuo, tuvo un comienzo modesto, pero se apoderó, y se apoderó rápidamente. Como la mayoría de la gente, creo que mi caso de uso favorito es pedirle que haga una tarea que realmente no quiero hacer. Y muchas de esas pequeñas tareas insignificantes, la IA se ha vuelto tan buena. Puede hacer mucho de ese trabajo tan bien, si no mejor que yo. Definitivamente puede hacerlo más rápido.

Así que hace dos semanas, Raycast anunció su extensión GitHub Copilot. Lo instalé rápidamente y lancé varias tareas de mi lista de pendientes. Pude pedirle que hiciera cinco cosas diferentes, todas en paralelo en mi familia, y me senté a cenar. Ese es un poco el sueño, ¿verdad? Bueno, al menos alguna forma del sueño de todos modos. De alguna manera, ha convertido a los desarrolladores en una mercancía. Definitivamente ha hecho que cosas como construir aplicaciones web sean más fáciles, democratizando todo el proceso. ¿Sabías que solo hay un 0.2 o 0.5 por ciento, eso es medio por ciento, 1 por ciento de la población mundial que puede programar.

Eso es alrededor de 20 millones de personas. Pero si miras algunos de estos servicios de IA como Repl.it, están reportando 34 millones de usuarios. Por supuesto, probablemente haya algo de superposición aquí de personas que pueden programar y personas que usan Repl.it, o siendo honestos, Gemini dice que esos 20 millones son programadores profesionales. Pero el punto es que Repl.it tiene números más grandes. El grupo se está ampliando y más personas pueden programar ahora que nunca antes. La IA lo hace más accesible y los números solo van a seguir tendiendo en esa dirección.

Así que si más personas pueden programar, si más robots pueden hacer lo que hacemos, ¿qué nos hace tan especiales? Y siento que ese es el tipo de miedo que todos enfrentan ahora mismo. Es esta extraña paradoja. Por un lado, la IA está haciendo que el código en sí mismo sea más mercantilizado. La escritura real de funciones, la elaboración de algoritmos, incluso la refactorización compleja, todo se vuelve literalmente fácil de apuntar y hacer clic. Pero por otro lado, y esta es una paradoja, nuestras decisiones técnicas se están volviendo más complejas, no menos.

Así que piénsalo. Cuando solo podías elegir entre tecnologías que tu equipo ya conocía, las decisiones eran más simples. Cuando implementar una característica significaba semanas de codificación cuidadosa. Pensabas dos veces sobre el aumento del alcance. Cuando la depuración requería un conocimiento profundo del sistema, construías equipos en torno a la experiencia. Pero ahora, ahora la IA puede ayudar a tu equipo a adoptar casi cualquier tecnología. Ahora las características se pueden construir en horas en lugar de semanas. Y ahora depurar a menudo significa pedirle a la IA que interprete los registros de errores. La pregunta ya no es qué tecnología deberíamos usar. La pregunta es, ¿qué tipo de equipo queremos ser? Y la IA no puede responder eso por nosotros. Creo que la respuesta es más simple de lo que pensamos. Nuestro valor ya no está en el código que escribimos. Está en comprender las complejidades humanas que la IA pasa por alto por completo. Cosas como la dinámica del equipo, la alineación de valores y cómo tomamos decisiones como cultura. Estas no son habilidades blandas. Estas son las habilidades más difíciles. Porque resulta que, aunque la IA es increíblemente buena generando código, es terrible leyendo la sala. Así que déjame darte un ejemplo de lo que quiero decir. Y seré honesto. Este me llevó un tiempo descifrar.

Así que estaba liderando un equipo y tenía a este desarrollador junior. Chico inteligente, buenas habilidades técnicas, gran comunicación. Pero parecía necesitar mucha orientación. Cada tarea venía a mí con preguntas. ¿Cómo debería abordar esto? ¿Qué piensas de esta solución? ¿Puedes revisar esto? Y admitiré que me estaba frustrando un poco.

Seguía pensando, ¿por qué no puede simplemente tomar una tarea y seguir adelante? ¿Por qué no muestra más iniciativa? Quiero que tenga autonomía, que se apropie. Así que intenté darle más espacio, más independencia. Y pensé que lo estaba ayudando a crecer. Pero en lugar de prosperar, parecía luchar aún más. La calidad de su trabajo estaba bien. Y honestamente, nuestra relación laboral se sentía tensa a veces.

Durante meses, pensé que esto era un problema de rendimiento. Tal vez una brecha de habilidades. Tal vez no estaba listo para más responsabilidad. Y estaba viendo esto a través de una lente de liderazgo puramente técnico. ¿Cómo obtengo un mejor rendimiento de este desarrollador? Ahora, imagina si hubiera pedido ayuda a la IA con esta situación. ¿Cómo hago para que un desarrollador junior sea más independiente? Probablemente habría recibido algunos buenos consejos. Establecer expectativas claras. Proporcionar retroalimentación estructurada. Crear planes de crecimiento. Tal vez incluso técnicas específicas para construir confianza y autonomía. Todo consejo de liderazgo técnicamente sólido, pero habría pasado por alto el problema central por completo.

La IA puede sugerir técnicas de gestión, pero no puede leer las dinámicas subyacentes. No entiende que lo que parece un problema de rendimiento podría ser en realidad una desalineación de valores. La IA puede generar marcos de liderazgo, pero no puede navegar por las personalidades individuales. No sabe que algunas personas prosperan con independencia mientras que otras hacen su mejor trabajo a través de la colaboración.

La IA puede optimizar procesos, pero no puede alinear valores humanos. No tiene concepto del hecho de que tanto la autonomía como el trabajo en equipo son valiosos. Simplemente no siempre se llevan bien. Porque esto es lo que finalmente descubrí. Esto no era un problema de liderazgo técnico en absoluto. Yo valoraba la independencia y la autonomía. Él valoraba la colaboración y el trabajo en equipo. Ambos son grandes valores hasta que se enfrentan.

Estaba tratando de resolver un problema de complejidad humana con soluciones de liderazgo técnico. Y no estaba funcionando porque estaba resolviendo el problema equivocado. Esto es lo que quiero decir con la capa de complejidad humana. Cada desafío de liderazgo que enfrentamos se filtra a través de perspectivas humanas y valores siempre. Algunas personas en nuestros equipos valoran la independencia. Quieren resolverlo por sí mismos, ser dueños de sus propias soluciones, demostrar que pueden manejarlo. Y otros valoran la colaboración. Quieren trabajar juntos, recibir aportes y asegurarse de que están en el camino correcto.

Algunos priorizan la velocidad y la acción decisiva. Otros priorizan la minuciosidad y hacerlo bien. Ninguna de estas cosas está mal, simplemente son diferentes. Pero cuando chocan, lo que parece un problema técnico o de rendimiento es en realidad un problema de valores humanos. Esta es la capa de complejidad que la IA pasa por alto por completo. Y aquí es donde nosotros, como líderes tecnológicos, añadimos un valor insustituible.

No solo gestionamos tareas y entregables, navegamos esas dinámicas humanas que hacen o deshacen nuestros equipos. Así que durante mucho tiempo, pensé que todo este asunto humano era solo palabrería, algo de lo que las empresas hablaban porque suena bien. Quiero decir, ¿a quién no le gusta una buena declaración de misión y valores de la empresa? Pero luego intenté algo de lo que en realidad era un poco escéptico, para ser honesto, ni siquiera estoy seguro de qué me provocó hacer esto.

Pero a riesgo de sonar como un artículo de BuzzFeed, cambió todo. Así que estaba leyendo este libro, Engineering Leadership for the Rest of Us por Sarah Drossner. Es un gran libro. No puedo recomendarlo lo suficiente. Hay muchos consejos prácticos. Uno de los primeros capítulos trata sobre los valores. Y seré honesto, puse los ojos en blanco. Valores del equipo.

Por supuesto, todos los equipos del mundo quieren innovar con excelencia. Somos ingenieros. Resolvemos problemas. Escribimos código. Lanzamos características. ¿Realmente necesitamos sentarnos en círculo y hablar sobre cómo nos sentimos acerca del trabajo en equipo? Pero bueno, aquí estoy leyendo este libro de liderazgo en ingeniería de Sarah Drossner, a quien he respetado desde la distancia durante años. Y ella está hablando sobre valores.

Así que aquí hay una cita del libro. Ella escribió, Trabajar para entender los valores no es una solución mágica para resolver todos los problemas, pero nos ofrece un sentido más profundo de por dónde empezar al construir comprensión y confianza dentro de un grupo. Desentrañar los valores de una persona con ellos también puede ayudarnos a entender qué los impulsa y motiva. Y el núcleo de trabajar juntos es la comprensión mutua. Me encanta eso. El núcleo de trabajar juntos es la comprensión mutua.

Así que pensé, ¿qué tengo que perder? En el peor de los casos, perdemos una hora y confirmamos que esto de los valores es, de hecho, palabrería corporativa. Así que en una retrospectiva del equipo, decidí hablar sobre nuestros valores. Lo mantuve simple. Teníamos valores de la empresa con los que todos en mi equipo estaban familiarizados, pero también tenemos valores individuales. Así que en el libro, Sarah tiene una lista de unos 40 valores para comenzar. Usé su lista y le pedí a todos en mi equipo que pusieran sus iniciales junto a los valores con los que se identificaban. ¿Y por qué? Danos algo de contexto. ¿Qué te motiva y te hace más efectivo y satisfecho en tu trabajo?

Y luego revisamos cada valor y comentamos sobre aquellos junto a los cuales pusimos nuestras iniciales. Fue fascinante. Algunas personas hablaron sobre la forma en que fueron criados o las adversidades que habían experimentado. Y luego llegamos a mi desarrollador junior. Habló sobre cuánto valoraba la colaboración, cómo se sentía más seguro cuando podía resolver problemas con otros. Podía escuchar sus ideas y obtener aportes y validación en el camino. Y ahí fue cuando me di cuenta. No se trataba de que él fuera necesitado o careciera de independencia.

Dirigí mi propia empresa durante siete años. Me sentía más efectivo cuando podía tomar algo y seguir adelante con ello. Podía resolverlo por mi cuenta, demostrar que se puede confiar en mí y manejarlo. Él valoraba la colaboración y el trabajo en equipo. Somos mejores juntos. Ambos son grandes valores. Ambos conducen a buenos resultados. Pero en nuestro caso, estaban completamente en desacuerdo entre sí y con cómo intentábamos trabajar juntos.

Piensa en los conflictos que has tenido en tus propios equipos. Piensa en cosas que podrías haber pensado que eran desacuerdos técnicos o choques de personalidad. Tal vez en la revisión de código, tuviste a alguien que prefiere comentarios mínimos de alto nivel. LGTM looks good to me. Pero otro miembro de tu equipo dejará comentarios detallados línea por línea. Es fácil interpretar a esta persona como perezosa y a esta persona como quisquillosa. Pero, ¿y si en realidad se trata de valores?

Una persona valora la confianza y la autonomía. Asumen que sabes lo que estás haciendo, looks good to me. La otra valora la minuciosidad, la precisión y el intercambio de conocimientos. Quieren ayudarte a crecer y detectar posibles problemas. Tal vez esto se manifieste en el enfoque de tu propio equipo hacia nuevas características. Una persona quiere desarrollar rápidamente una solución, ver si funciona y luego iterar. Pero otro miembro del equipo quiere dedicar más tiempo al principio entendiendo los requisitos y planificando la arquitectura. Es fácil acusar a la primera persona de ser imprudente y a la segunda persona de estar pensando demasiado. En ambos escenarios, ninguna persona está equivocada.

Simplemente tienen diferentes valores sobre cómo abordar la incertidumbre y el riesgo. Y esto es lo que fue tan poderoso sobre esta realización. Es simplemente todo, desde el juicio hasta la comprensión. En lugar de pensar, ¿por qué no pueden simplemente? Comencé a pensar, oh, valoran esto. Entonces, por supuesto, van a abordarlo de esta manera. En lugar de ver resistencia o personalidades difíciles, comencé a ver personas tratando de trabajar de maneras que se alineaban con sus valores. Es como una persona daltónica poniéndose gafas de colores por primera vez. De repente, se dan cuenta de su matiz y matices y todas estas interacciones que parecen frustrantes o confusas de repente tienen perfecto sentido.

Una vez que comienzas a ver este patrón, te das cuenta de que hemos estado teniendo las conversaciones equivocadas. Seguimos debatiendo el enfoque técnico correcto cuando deberíamos estar hablando sobre lo que valoramos como equipo. Así que comencé a cambiar cómo abordo las decisiones técnicas en lugar de solo hacer las preguntas tradicionales. ¿Qué es lo más eficiente? ¿Qué es lo más mantenible? ¿Qué escala mejor? Comencé a hacer diferentes preguntas. Primero, ¿qué dice esta elección sobre lo que valoramos? Segundo, ¿cómo apoya esto el crecimiento de los diferentes miembros del equipo? Tercero, ¿qué tipo de cultura de equipo refuerza esto? Estas no son preguntas que la IA pueda responder por nosotros. Requieren entender a los humanos en nuestro equipo, sus valores, sus caminos de crecimiento, sus estilos de trabajo.

Permítanme darles otro ejemplo concreto de cómo esto se desarrolló recientemente. Así que soy parte del equipo central de Redwood JS, y enfrentamos una decisión arquitectónica significativa. Recientemente, nos alejamos de GraphQL y reconstruimos todo el framework sobre CloudFlare Services, inicialmente aprovechando D1 para nuestra capa de base de datos. Ahora, me encanta absolutamente D1. Es rápido, es simple, se integra maravillosamente con el resto del ecosistema de CloudFlare. Pero descubrimos que había preocupaciones sobre D1 y el cumplimiento de GDPR. Hay una especie de ubicaciones de almacenamiento de datos poco claras y potencialmente transferencias de datos transfronterizas. Ahora, para ser claros, CloudFlare está abordando estas preocupaciones. Y parte de la carga recae en cómo los desarrolladores configuran e implementan sus soluciones. Pero aquí es donde entran en juego los valores. Como autores del framework, podríamos haber dicho, esto es un problema de configuración. Los desarrolladores pueden manejar el cumplimiento de GDPR por sí mismos. Y eso habría sido técnicamente correcto. Pero mi equipo, muchos de los cuales están basados en Sudáfrica, valoran la inclusividad. Priorizan a los usuarios con conexiones a internet lentas, presupuestos más pequeños, y, sí, desarrolladores que necesitan cumplir con regulaciones estrictas de datos sin convertirse en expertos legales. Así que hicimos lo que parecía un gran cambio arquitectónico.

Cambiamos a bases de datos SQLite ejecutándose en objetos duraderos, donde puedes procesar datos estrictamente dentro de regiones geográficas específicas. ¿Fue esto más complejo? No necesariamente, pero ¿nos ralentizó a corto plazo? Sí, tuvimos que proporcionar una solución alternativa para una característica que ya estaba funcionando. Entonces, desde un punto de vista de eficiencia técnica pura, podría no haber sido la elección óptima. Pero cuando entiendes el porqué detrás del cambio, lo que valoramos y lo que priorizamos, pone todo en una perspectiva diferente. No solo estábamos tomando una decisión técnica, estábamos tomando una decisión sobre qué tipo de framework queríamos construir, y qué tipo de comunidad queríamos servir.

¿Y sabes qué? Cuando comienzas a entender cómo estos cambios se alinean con nuestros valores de inclusividad y accesibilidad global, es difícil resistirse. Es fácil obtener aceptación porque la gente entiende cómo la decisión apoya el tipo de proyecto que estamos tratando de construir. Y esto es lo que quiero decir sobre decisiones técnicas centradas en el ser humano. Y este es exactamente el tipo de pensamiento que se vuelve más valioso, no menos, a medida que la IA se hace cargo de más de nuestras tareas de codificación.

Entonces, ¿cómo haces esto realmente en tu equipo? Permíteme explicar lo que funciona, o al menos lo que funcionó para mí. Primero, simplemente mantenlo simple. Literalmente, solo mencioné los valores en nuestra retrospectiva de equipo. No hubo un gran anuncio, ni una masterclass formal, solo, oye, he estado pensando en cómo podemos trabajar mejor juntos, y quiero intentar algo. Usé la lista de Sara Dressner de su libro. Hay alrededor de 40 valores diferentes como responsabilidad, autonomía, colaboración, diversión, crecimiento y preparación. Puedes encontrar listas similares en línea, estoy seguro, o tal vez esta es la pregunta que puedes hacerle a ChatGPT.

Honestamente, solo haz una lluvia de ideas sobre algunos que parezcan relevantes para tu equipo. Luego dale a todos la lista y pídeles que pongan sus iniciales junto a tres o cuatro valores que realmente resuenen con ellos. No lo que piensan que deberían valorar, sino lo que realmente los motiva y los hace sentir más efectivos. Y, sí, probablemente se sienta incómodo al principio, y probablemente alguien haga una broma sobre la construcción de equipos corporativos. Eso es normal, pero simplemente acéptalo.

Di, sí, sé que esto se siente un poco sentimental, pero hazme caso. Cuando la gente comparta, escucha las historias detrás de sus elecciones. Las mejores ideas surgen cuando alguien dice, Elegí esto porque, y luego te cuentan sobre un momento en que ese valor realmente importó para ellos. Además, solo observa las grandes brechas en los valores, especialmente entre tú y las personas con las que trabajas de cerca. Si alguien valora la planificación detallada y tú valoras la iteración rápida, eso no es malo, pero necesitas saberlo.

Una vez que entiendas los valores de tu equipo, puedes comenzar a aplicarlos en todas partes. En revisiones de código, en lugar de solo decir, esto podría ser más limpio, podrías decir, Sé que valoras enviar cosas rápidamente y esto funciona muy bien, pero estoy pensando en la mantenibilidad futura. ¿Estarías abierto a un pequeño refactor? En decisiones de arquitectura, cuando estés haciendo esos registros, comienza a incluir una sección sobre la alineación de valores.