AMPLIA: comprender antes de transformar.
Modelo en desarrollo para trabajar con organizaciones integrando estrategia, personas, datos, tecnología e IA, ampliando su capacidad para comprender, decidir, actuar y aprender.
Durante años he trabajado dentro de organizaciones intentando resolver problemas que, vistos desde fuera, parecían bastante simples: mejorar un proceso, ordenar una planificación, implementar un sistema, definir responsabilidades, construir indicadores o incorporar una nueva tecnología.
Desde dentro, casi nunca lo eran.
Con el tiempo comencé a observar un patrón. Muchos problemas organizacionales que aparecen como fallas aisladas —un procedimiento que no funciona, información que llega tarde, personas que no se coordinan, decisiones que se repiten o sistemas tecnológicos que nadie termina de utilizar— son, en realidad, manifestaciones de algo más profundo.
La organización no siempre logra verse a sí misma como sistema.
AMPLIA nace de esa observación.
No comenzó como una metodología ni como una aplicación. Comenzó como una pregunta bastante más sencilla:
¿Cómo podemos comprender mejor una organización antes de intentar transformarla?
De dónde nace
Mi experiencia profesional ha estado fuertemente vinculada a la gestión, los procesos y la transformación de organizaciones. Particularmente en el mundo público pude observar sistemas donde conviven normativas, personas, estructuras formales, prácticas informales, sistemas tecnológicos, datos, restricciones presupuestarias, decisiones políticas y necesidades ciudadanas.
Sobre el papel, muchas organizaciones están perfectamente diseñadas.
La realidad suele ser bastante más interesante.
Los procesos reales atraviesan unidades, conversaciones, planillas, correos, sistemas que no conversan entre sí, conocimiento acumulado por determinadas personas y una larga historia de decisiones anteriores.
Cuando intentamos intervenir sobre uno de esos elementos sin comprender el resto, aparecen soluciones parciales.
Digitalizamos un mal proceso.
Construimos indicadores que nadie utiliza.
Incorporamos tecnología sin modificar la forma de trabajar.
Producimos datos sin mejorar las decisiones.
O diseñamos grandes planes estratégicos que después viven tranquilamente dentro de un PDF.
AMPLIA comienza precisamente ahí: antes de la solución.
Las ideas que fueron convergiendo
AMPLIA no proviene de una única teoría. Es el resultado de varias líneas de pensamiento y de práctica que progresivamente comenzaron a encontrarse.
La primera es el pensamiento sistémico: entender que el desempeño de una organización no depende solamente de la calidad de cada una de sus partes, sino de las relaciones que existen entre ellas.
Una unidad puede funcionar muy bien y, aun así, el sistema completo funcionar mal.
La segunda proviene de la gestión basada en evidencia. Durante mucho tiempo las organizaciones han acumulado enormes cantidades de información sin necesariamente convertirla en conocimiento útil.
Ser data-driven no significa llenar una organización de dashboards. Significa construir la capacidad de transformar:
datos → evidencia → decisión → acción → resultado → aprendizaje → nuevos datos.
La tercera influencia proviene de la ingeniería de procesos y la mejora continua: observar cómo ocurre realmente el trabajo, dónde aparecen fricciones, qué decisiones se toman, qué información necesitan las personas y qué resultados produce finalmente el sistema.
Y durante los últimos años apareció una cuarta dimensión imposible de ignorar: la inteligencia artificial.
Pero aquí existe una distinción importante.
AMPLIA no parte preguntando dónde poner IA.
Parte preguntando cómo funciona la organización.
Solo después podemos preguntarnos dónde los datos, la automatización o la inteligencia artificial podrían aumentar sus capacidades.
La tecnología es una posibilidad. No una conclusión anticipada.
Qué es AMPLIA
Hoy entiendo AMPLIA como un modelo para comprender, diseñar y acompañar la evolución de sistemas organizacionales complejos.
Su propósito no es entregar una fotografía estática de una organización, sino construir una representación suficientemente clara de cómo funciona para poder intervenir sobre ella con evidencia.
En términos simples, busca conectar:
personas, procesos, decisiones, datos, tecnología, responsabilidades, evidencia y resultados.
La hipótesis que existe detrás es relativamente sencilla:
una organización puede evolucionar mejor cuando aumenta su capacidad de comprender lo que hace, por qué lo hace, qué resultados está produciendo y qué necesita modificar.
Desde esa perspectiva, AMPLIA es tanto un modelo de diagnóstico como una forma de organizar procesos de transformación.
El ciclo AMPLIA
El modelo se estructura actualmente en seis movimientos:
Alinear
Antes de diagnosticar es necesario saber qué estamos intentando resolver.
Alinear significa comprender el propósito, el problema, los actores involucrados, las restricciones existentes y los resultados que esperamos obtener.
Muchas iniciativas fracasan porque comienzan buscando soluciones antes de acordar cuál es realmente el problema.
Mapear
Después necesitamos observar cómo funciona realmente el sistema.
Procesos, actores, flujos de información, decisiones, datos disponibles, tecnologías utilizadas, dependencias, puntos de fricción y conocimiento informal.
No se trata solamente de documentar procedimientos.
Se trata de reconstruir el funcionamiento real de la organización.
Planificar
Con el sistema visible podemos decidir dónde intervenir.
Aquí aparecen prioridades, responsables, recursos, indicadores, riesgos y criterios que permitirán posteriormente saber si los cambios producen los resultados esperados.
Llevar a cabo
La transformación ocurre cuando las decisiones abandonan el documento y entran en la organización.
Implementar significa modificar procesos, desarrollar capacidades, introducir herramientas, ajustar responsabilidades o experimentar nuevas formas de trabajar.
Dependiendo del problema, esto puede incluir tecnología, automatización, analítica de datos o inteligencia artificial.
O puede no incluir ninguna de ellas.
Inspeccionar
Toda intervención necesita evidencia.
No basta con haber ejecutado una acción: debemos observar qué ocurrió después.
¿Qué cambió?
¿Funcionó?
¿Aparecieron efectos inesperados?
¿Mejoraron realmente los resultados?
La medición permite separar la intención del resultado.
Aprender
Aquí aparece uno de los elementos que considero más importantes del modelo.
Una organización no debería limitarse a resolver problemas. Debería aumentar progresivamente su capacidad para resolverlos.
Cada intervención genera conocimiento que puede convertirse en mejores procesos, mejores decisiones, nuevos estándares y nuevas capacidades organizacionales.
Por eso el ciclo no termina.
Vuelve a comenzar.
Alinear → Mapear → Planificar → Llevar a cabo → Inspeccionar → Aprender.
Y después, nuevamente, observar.
Evidencia antes que certeza
Otro principio de AMPLIA es distinguir claramente qué sabemos y qué creemos saber.
Durante un diagnóstico pueden convivir documentos oficiales, bases de datos, entrevistas, interpretaciones, hipótesis y decisiones.
No deberían tener el mismo peso.
Por eso parte del modelo consiste en mantener trazabilidad entre diferentes tipos de evidencia: hechos confirmados, antecedentes documentales, información verbal, hipótesis, interpretaciones, decisiones y asuntos pendientes de verificar.
Puede parecer una distinción menor.
No lo es.
En organizaciones complejas, muchas decisiones terminan construyéndose sobre afirmaciones que fueron repetidas tantas veces que finalmente adquirieron apariencia de hecho.
La trazabilidad permite volver a preguntar:
¿cómo sabemos esto?
La inteligencia artificial dentro de AMPLIA
La aparición de modelos de inteligencia artificial cambia significativamente lo que una organización puede hacer con este tipo de información.
Un sistema puede ayudar a analizar documentos, detectar contradicciones, relacionar procesos, revisar indicadores, encontrar patrones, registrar decisiones o identificar oportunidades de mejora.
Pero AMPLIA parte de una premisa deliberadamente prudente:
la inteligencia artificial debe ampliar la capacidad de pensamiento de una organización, no reemplazar su juicio.
La IA puede observar más información, encontrar relaciones difíciles de detectar y acelerar parte del trabajo analítico.
La decisión continúa siendo humana.
Y probablemente ese equilibrio —máquinas capaces de procesar una complejidad creciente y personas responsables de otorgarle sentido— será una de las grandes preguntas organizacionales de los próximos años.
De modelo a plataforma
AMPLIA está todavía en desarrollo.
Actualmente lo estoy utilizando como estructura para diagnosticar organizaciones, analizar procesos, diseñar intervenciones y documentar proyectos.
La siguiente etapa es convertir progresivamente esta lógica en herramientas digitales.
Imagino una plataforma capaz de ayudar a una organización a construir su propio mapa: procesos, personas, datos, capacidades, problemas, decisiones y oportunidades de transformación.
No un software que entregue mágicamente un diagnóstico.
Más bien un sistema que ayude a pensar mejor la organización.
Una plataforma que pueda incorporar progresivamente análisis de datos, inteligencia artificial y agentes especializados, pero que mantenga una idea fundamental:
la tecnología debe estar subordinada al propósito organizacional.
AMPLIA
El nombre apareció antes de que todo estuviera completamente definido.
Y quizás por eso sigue teniendo sentido.
Ampliar la capacidad de observar.
Ampliar la evidencia disponible.
Ampliar las posibilidades de acción.
Ampliar la capacidad de aprender.
No necesariamente hacer organizaciones más grandes ni organizaciones “aumentadas”.
Simplemente ayudarlas a comprenderse mejor para poder evolucionar deliberadamente.
Porque antes de transformar una organización quizá exista una tarea más elemental:
hacer visible el sistema que estamos intentando transformar.
Eso es, por ahora, AMPLIA.
Y también es apenas el comienzo.