Laboratorio de Pensamiento Estratégico.
Espacio de experimentación para desarrollar formas de pensar y trabajar con inteligencia artificial, y convertir lo aprendido en criterios, métodos y herramientas reutilizables.
Durante bastante tiempo mi relación con la inteligencia artificial fue parecida a la de muchas personas que comenzaron a explorar estas herramientas: preguntar, probar, corregir y volver a preguntar.
Mientras más complejos se volvían los problemas que intentaba abordar —investigación, análisis de organizaciones, datos, escritura o diseño de soluciones—, más importante resultaba organizar el trabajo alrededor de esas conversaciones. Necesitaba saber qué antecedentes estaba utilizando, qué decisiones había tomado y cómo revisar aquello que obtenía.
El Laboratorio de Pensamiento Estratégico nace de esa experiencia. Su propósito es desarrollar y poner a prueba formas de trabajar con IA, procurando que lo aprendido pueda convertirse en criterios, procedimientos y herramientas reutilizables.
Lo estratégico aparece en las preguntas que orientan ese trabajo: para qué hacemos algo, qué alternativas tenemos, qué consecuencias debemos considerar y cómo sabremos si el resultado sirve para el propósito que lo originó.
Explorar y aprender a cerrar una versión
Una parte importante de los requisitos de un trabajo se vuelve visible después de observar un primer resultado. Al intentar utilizarlo aparecen restricciones que no habíamos considerado, preguntas mejor formuladas o diferencias entre lo que pedimos y lo que necesitábamos.
Ese proceso de ensayo y revisión puede ayudarnos a comprender el problema. Pero también puede mantenernos indefinidamente corrigiendo respuestas sin decidir cuándo una versión está lista para usarse.
De ahí surgió una regla de trabajo del laboratorio: explorar para comprender; explicitar requisitos y criterios de revisión para producir una versión que pueda utilizarse.
Cerrar una versión permite examinar si responde al propósito acordado, registrar sus límites y distinguir los cambios necesarios de las nuevas preguntas que conviene explorar después. El aprendizaje puede continuar sin que todo el trabajo permanezca abierto al mismo tiempo.
De las conversaciones a un sistema de trabajo
Cuando se acumulan conversaciones, también pueden dispersarse fuentes, decisiones, versiones y asuntos pendientes. Un intercambio contiene una buena investigación; otro, un cambio de criterio; un tercero, una versión posterior del mismo documento.
Retomar una conversación y reconstruir el estado de un proyecto son tareas diferentes. Para la segunda necesito registros explícitos: qué documento está vigente, qué decisión cambió, qué fuente respalda una afirmación y qué falta resolver.
En la presentación inicial del laboratorio lo resumí así: la memoria ayuda a continuar; el registro permite gobernar.
La regla me sirve para recordar que los antecedentes importantes deben poder revisarse fuera del intercambio que los produjo. Cada espacio de trabajo necesita un propósito, un alcance y alguna manera de conservar sus fuentes, decisiones y versiones.
Me interesa desarrollar esa continuidad sin convertir cada proyecto en una estructura difícil de mantener. El registro tiene que ayudar a retomar el trabajo y reconocer sus cambios.
Revisar lo que una respuesta permite sostener
Una respuesta convincente puede contener errores. También puede reunir antecedentes correctos y construir con ellos un argumento débil, o presentar una conclusión razonable sin justificar suficientemente la acción que recomienda.
Para revisar los productos elaborados con apoyo de IA, utilizo cuatro miradas relacionadas:
- Evidencia: qué respalda las afirmaciones, de dónde provienen los antecedentes y qué se ha podido comprobar.
- Razonamiento: si la conclusión se sostiene en esos antecedentes, qué supuestos utiliza y qué otras interpretaciones son posibles.
- Decisión: si la acción propuesta responde al propósito, qué alternativas existen y qué consecuencias conviene considerar.
- Incertidumbre: qué desconocemos, qué límites tiene el análisis y qué podría cambiar nuestra interpretación.
Esta revisión examina las razones que presenta el resultado; no supone que podamos observar por completo cómo el sistema llegó a producirlo. Tampoco garantiza una decisión correcta. Me ayuda a separar preguntas que una respuesta fluida puede hacer parecer resueltas.
Quisiera poner a prueba esta forma de revisión en trabajos diferentes y registrar tanto lo que permite detectar como aquello que deja fuera.
Qué significa aprender una capacidad
La aparición de una herramienta nueva invita a explorar lo que puede hacer. En el laboratorio intento acompañar esa curiosidad con otra pregunta: ¿qué capacidad puedo desarrollar trabajando con ella y cómo reconoceré que puedo volver a utilizarla?
Comprender una explicación es un comienzo. Después hace falta intentar aplicarla, observar las dificultades y revisar si el resultado responde a una necesidad real.
Por eso, procuro que cada exploración deje una aplicación concreta y algún aprendizaje que pueda conservarse: un criterio de revisión, una plantilla, un procedimiento o una herramienta. Su utilidad dependerá de que podamos reconocer cuándo sirve, qué necesita para funcionar y cuáles son sus límites.
Un resultado reutilizable también debe poder cambiar cuando la experiencia muestre que algo falta.
Las siguientes exploraciones
Las skills, las automatizaciones y los agentes siguen siendo líneas por explorar dentro del laboratorio.
Una pregunta será cuándo un procedimiento merece convertirse en una skill y cuándo basta con una instrucción o una pauta de trabajo. La revisión crítica de productos es un posible experimento, todavía pendiente de desarrollar y evaluar.
Otra línea será examinar qué tareas tiene sentido automatizar, qué condiciones requieren y cómo comprobar que podemos detectar y corregir errores. En el caso de agentes capaces de ejecutar acciones, también habrá que definir permisos, límites y situaciones que requieren intervención.
Finalmente, queda por probar la transferencia a otros proyectos: si estas prácticas ayudan a retomar problemas con menos reconstrucción de contexto, mayor claridad sobre las fuentes y mejor seguimiento de decisiones. Esa utilidad deberá observarse en el trabajo, no darse por conseguida porque la propuesta resulte convincente.
Su relación con los otros proyectos
El Laboratorio, Organizaciones que aprenden y AMPLIA comparten preguntas sobre comprensión, decisiones y aprendizaje, pero trabajan sobre problemas diferentes.
Organizaciones que aprenden reúne la reflexión sobre capacidades organizacionales y su relación con los datos y la IA. AMPLIA desarrolla un modelo para comprender organizaciones y orientar intervenciones. El Laboratorio explora las formas de trabajo con las que investigo, analizo y construyo parte de esos desarrollos.
Un procedimiento probado aquí podría aportar después a una revisión de evidencia o a la documentación de un diagnóstico en AMPLIA. Esa relación exige comprobar su utilidad en el nuevo contexto; una experiencia favorable en el laboratorio no demuestra que funcionará de la misma manera en una organización.
Un método que se construye con la práctica
El laboratorio está activo y sigue en construcción. Las reglas descritas recogen aprendizajes de mi forma de trabajar; las líneas siguientes todavía necesitan experimentos y revisión.
Me interesa conservar esa diferencia entre una intuición, una práctica que empieza a servir y una capacidad que podemos utilizar con cierta consistencia. Documentar lo que no funciona será parte de ese trabajo.
La pregunta que mantiene abierto el laboratorio es cómo convertir la facilidad para producir respuestas en una capacidad más cuidadosa para investigar, decidir y hacer algo con lo que comprendemos.
Proyectos relacionados
Dante Aguirre · Presentación del proyecto · Octubre de 2026