Problem Framing: un análisis con IA

¿Estamos solucionando los problemas reales? Sé que esta es una pregunta incómoda y contraria a la «supuesta necesidad» de buscar soluciones rápidas a través de la innovación. Antes de buscar soluciones inmediatas, debemos asegurarnos de que estamos abordando las necesidades reales, y no algún síntoma que aflora en la superficie.

El “problem framing” no sirve para «resolver problemas», pero es un paso previo necesario para asegurarse de que el problema al que estamos dedicando esfuerzos, es el correcto.

La tiranía del síntoma

El problema es que el paciente tiene fiebre. Me temo que no ¿verdad? La fiebre es el síntoma visible de la enfermedad subyacente.

A menudo, cuando abordamos un proceso de innovación, lo que vemos no es el problema real, sino un síntoma, una urgencia operativa o una petición mal formulada por alguno de los stakeholders.

Si aceptamos estas afirmaciones como verdades inamovibles, podemos caer en la trampa de generar innovaciones que luego estén en busca de un problema que solucionar.

Como bien señalaba Russell Ackoff, uno de los referentes del pensamiento sistémico » La resolución eficaz de problemas requiere encontrar la solución adecuada al problema adecuado. Fracasamos con más frecuencia por resolver el problema equivocado que por dar una solución incorrecta al problema correcto «

Uno de los cambios de mentalidad más difíciles es asumir que los problemas no son objetivos ni neutrales. Son constructos que dependen del contexto, de los sesgos del observador y de los supuestos que damos por válidos. Bajo esta premisa, el problema deja de ser un dato de partida para convertirse en un objeto de diseño. Al tratar el problema como algo que se «construye», podemos deconstruirlo, abordarlo desde distintas perspectivas  y considerar diferentes alternativas. Cuando hacemos esto, empezamos a comprender el problema en toda su extensión.

El proceso de Problem Framing

El Problem Framing nos permite pararnos y en vez de hacer la pregunta reactiva ¿qué hacemos?, preguntarnos ¿Qué está sucediendo realmente aquí? Para que el Problem Framing sea efectivo, debe ejecutarse con intención crítica a través de estas cinco etapas:

Contenido del artículo
Elaborado con ChatGPT

1. El «Draft» del problema

El primer paso es enunciar el problema tal cual se presenta, pero con una advertencia, y es que está prohibido incluir la solución en la definición. Si defines el problema como «falta de una plataforma de CRM», ya has limitado tu capacidad de indagación o de considerar otras alternativas.

2. Consideración sistémica y contextual

Ningún problema es un elemento aislado. Debemos «abrir el foco» para entender las fuerzas que lo sostienen, que pueden ser dinámicas de mercado, tendencias tecnológicas y, sobre todo, las restricciones del sistema. Muchos problemas se vuelven irresolubles porque intentamos abordarlos de forma aislada, ignorando que son el resultado de un ecosistema de causas conectadas.

3. Diferentes perspectivas

Este es el paso más disruptivo. Implica mirar el problema desde diferentes ángulos, que pueden ir desde el usuario, la organización, el técnicos,… Cuando cambiamos el foco, modificamos la percepción del problema, y por lo tanto de sus posibles soluciones.

4. Reformulación radical (Reframing)

Reformular no es cambiar las palabras, se trata de cambiar el marco mental. Es el momento en que pasamos de preguntar, por ejemplo, «¿Cómo hacemos que los clientes esperen menos en la cola?» a «¿Cómo hacemos que el tiempo de espera sea percibido como valioso?» Si la reformulación no altera drásticamente el abanico de soluciones posibles, entonces no hemos reformulado nada.

5. Selección

La última fase consiste en elegir la reformulación que mejor alinee tres ejes: impacto potencial, sentido estratégico y capacidad de ejecución. Innovar no es generar una lista infinita de preguntas, sino tener el coraje de elegir la pregunta adecuada sobre la cual apostar el futuro de la organización.

Problem Framing: un ejemplo con IA

Para estructurar este proceso, herramientas como el Problem Framing Canvas (del MITRE Innovation Toolkit) o los marcos de Double Diamond son fundamentales. No porque resuelvan la situación por arte de magia, sino porque fuerzan a los equipos a hacer explícitos sus supuestos y a sostener la incomodidad de la incertidumbre el tiempo suficiente para que surja la claridad.

Como comentábamos, una herramientas que podemos utilizar para analizar adecuadamente el problema es el Problem Framing Canvas de MITRE Innovation Toolkit. Como puedes ver, presenta una estructura donde nos ofrece un marco de análisis interno y externo del problema. Puedes descargar la herramienta aquí y conocer la dinámica para su aplicación. Esta herramienta nos permite abordar el análisis del problema respondiendo a una serie de preguntas que abre nuestras perspectivas sobre el mismo.

Ahora te dejo un prompt que he diseñado para ti para que puedas hacer un análisis de Problem Framing con IA. El ejercicio que vamos a hacer a continuación muestra las posibilidades de la IA en este ámbito pero no sustituye el trabajo de análisis reflexivo de los expertos, usuarios, o resto de stakeholders. De hecho, para que el análisis sea fiables, debemos incluir todo el contexto posible sobre el problema, desde las opiniones de los usuarios, stakeholders, investigaciones y análisis,….

Prompt 0. Actúa como un experto en problema framing. Para el problema de [describe aquí el problema] te voy a ir haciendo preguntas. No contestes hasta que no te las haga:

Prompt 1: Contexto y comprensión del problema: ¿Cuál es el problema principal que queremos resolver? ¿Qué evidencia tenemos de que este problema realmente existe? ¿Cómo y cuándo surgió este problema? ¿Por qué es importante resolver este problema ahora? ¿Qué impacto tiene este problema en las personas, las organizaciones o la sociedad?

Prompt 2. Stakeholders: ¿Quiénes están afectados por este problema (directa o indirectamente)? ¿Qué necesitan o esperan los diferentes actores involucrados?¿Qué perspectivas, intereses o prejuicios podrían influir en la manera en que se percibe el problema?

Prompt 3. Causas y raíces del problema: ¿Cuáles son las causas principales que han llevado a este problema? ¿Qué factores estructurales, culturales, tecnológicos o económicos están involucrados? ¿Qué datos o información necesitamos para entender mejor las causas del problema?

Prompt 4. Límite del problema: ¿Cuáles son los límites del problema? ¿Qué queda fuera de su alcance? ¿Es el problema parte de uno más grande o está relacionado con otros problemas? ¿Cómo sabemos si estamos enfocándonos en el problema correcto?

Prompt 5. Perspectivas alternativas: ¿Cómo definirían este problema otras personas o grupos con puntos de vista diferentes? Si miramos el problema desde otra perspectiva (económica, social, tecnológica), ¿cómo cambia? ¿Qué pasaría si ignoramos este problema? ¿Qué consecuencias habría?

Prompt 6. Priorización y enfoque: ¿Cómo sabremos si estamos avanzando hacia la resolución del problema? ¿Qué métricas o indicadores podemos usar para medir el progreso? ¿Cuál sería el mejor resultado al resolver este problema?

Prompt 7. Soluciones y oportunidades: ¿Qué soluciones o intentos de resolución se han probado previamente? ¿Qué aprendimos de ellos? ¿Qué restricciones o limitaciones debemos considerar al buscar soluciones? ¿Qué oportunidades o beneficios se podrían generar al resolver este problema?

Prompt 8. Ahora, con toda la información que has recopilado sobre el problema, redacta un resumen que defina la esencia del problema.

¿Quieres más contenidos de IA para innovación?

Suscríbete al blog en www.jvmanjon.com y accede a todos los contenidos disponibles. También puedes seguir mi perfil personal https://www.linkedin.com/in/jvmanjon/ donde puedes estar al día con mis publicaciones.


Descubre más desde García Manjón PhD: IA para Innovación

Suscríbete y recibe las últimas entradas en tu correo electrónico.