Formar no es tarea fácil, es más bien algo complejo

A mí me obsesiona especialmente que el intercambio que se genera sea de utilidad. Intentar asegurar que lo que se comparte va a hacer una diferencia. Supongo que es un objetivo entre naive y presuntuoso, pero un reto que merece la pena trabajar.

¿Cómo lo abordamos nosotras?

Como siempre hacemos en todas nuestras investigaciones o resolución de problemas: buscamos un marco y vamos poco a poco resolviendo partes de la ecuación y minimizando, al menos, las principales incógnitas.

Lo que hemos aprendido, no sin fricción, es que para nosotras el primer paso requiere comprender cómo traducimos la petición de formación en unidades básicas:  empezamos por desconstruir (la petición) para volverla a construir.

¿Cómo lo hacemos?

Nos focalizamos en 3 sencillas preguntas. Lo que tenemos que entender es si la formación que vamos a abordar es una cuestión de:

  1. No saber
  2. Saber pero no saber cómo
  3. Saber, saber hacerlo pero no se aplica

¿Por qué nos parece mágico este enfoque?

Porque es sencillo, son preguntas fáciles de responder y nos permite hacer zoom sobre dónde debemos trabajar o combinar -qué pains debemos abordar y cuál es su pain reliever.

No saber implica trabajar en Saber +;

No saber cómo, en Saber Hacer; y

No se aplica, en Saber Ser.

Además, no es nuevo: tiene un fundamento sólido en la psicología del aprendizaje, marco que nos inspira.

Desde Gilbert Ryle (1949), con su distinción entre “knowing that” (saber qué) y “knowing how” (saber cómo), hasta las teorías de John Anderson (1982) sobre la adquisición del conocimiento declarativo (saber) y procedimental (saber hacer), la psicología cognitiva ha ido descomponiendo el aprendizaje para entender no solo qué sabemos, sino cómo lo aplicamos:  las conocidas habilidades o skills.

Sin embargo, hay una tercera dimensión, menos conocida y no menos relevante: el “saber ser”. Aquí se cruzan lo situacional y lo actitudinal. Inspirándonos en la noción de conocimiento tácito de Polanyi (1966) —aquello que usamos sin poder verbalizar del todo—, podemos entender también lo que bloquea la acción: falta de disposición, regulación emocional o conexión con el contexto. No basta con conocer ni con haber practicado: si no hay una actitud que permita aplicar con solidez, la competencia no se sostiene.

Estas tres palancas —saber, saber hacer, saber ser— forman nuestra estructura operativa. Pero falta un elemento clave para entender su integración…el modelo de competencia de McClelland (1973).

¿Por qué es importante? Porque  rompió con los modelos centrados en la inteligencia como único predictor de desempeño y propuso evaluar las competencias como entes observables: unidades integradas de conocimiento (saber +), habilidad (saber hacer) y disposición (saber ser).

Su gran aportación fue dejar de entender el conocimiento como algo estático para concebirlo como algo que se construye y se activa en contextos reales. El desarrollo del talento se aleja del reduccionismo centrado exclusivamente en la capacidad cognitiva (inteligencia), y nos lleva a una visión mucho más rica y funcional.

David Epstein, lo corrobora en Range (2019), desde otra perspectiva: en entornos complejos triunfan quienes han cultivado adaptabilidad, transferencia y criterio—habilidades imposibles de reducir a pura técnica. En otras palabras, la competencia florece sólo cuando saber, saber hacer y saber ser se alinean y la persona es capaz de situar su conocimiento en el momento y lugar adecuados.

Aplicando ingeniería del aprendizaje


A la hora de diseñar una intervención, siempre partimos de la misma matriz: Saber + | Saber Hacer | Saber Ser. Según el diagnóstico, activamos una, o una combinación de estas tres palancas que con los años hemos visto que se repiten:

    • Sensibilizar ? Saber + Crear awareness, alinear lenguaje y criterio. Caso típico: «El equipo aún no entiende la disciplina».
    • Capacitar ? Saber + Saber Hacer Profundizar en conocimiento y llevarlo a la práctica. Trabajamos una técnica, varias, o un paso crítico del journey.
    • Entrenar ? Saber Hacer + Saber Ser Automatizar la habilidad y sostenerla bajo presión. Ideal para equipos experimentados que quieren afinar, ganar ritmo o especializarse.

 

¿Y cómo lo llevamos a tierra?

Una vez que tenemos claro qué pieza activamos (Sensibilizar | Capacitar | Entrenar), elegimos cómo desplegarla. Usamos cuatro formatos modulables que combinan teoría + práctica siempre, pero con intensidades e interacciones adaptadas:

  • Sesión estructurada Dosis compacta de contenido y práctica en bloque. Perfecta para introducir conceptos clave o enseñar una técnica desde cero. Ejemplo: fundamentos de research en UX; Test de usuario….
  • Mentoring aplicado Visión experta y asesoramiento puntual. Para contrastar decisiones, pulir entregables o desbloquear un estudio en marcha. Ejemplo: feedback a un card sorting; ajuste express de un diseño de investigación; apoyo en análisis.
  • Acompañamiento guiado Seguimiento continuo sobre un proyecto real. Trabajamos “codo a codo”: ejecutamos, revisamos y corregimos en tiempo real. Ejemplo: lanzar un estudio cualitativo completo, supervisar análisis y síntesis final.
  • Alto impacto Entrenamiento intensivo en competencias y micro-competencias. Fragmentamos la destreza, entrenamos, afinamos detalles. Ejemplo: dominar la moderación de entrevistas; usar el silencio con intención….

 

Lo bueno, además escala en esta nueva era.

 Este marco, nacido del aprendizaje humano, también empieza a resultar útil cuando entrenamos sistemas no humanos.

Formar va de personas. Y por eso la psicología ofrece claves esenciales, pero ya no se limita solo a este ámbito, ahora además nos puede guiar en cómo pensamos, usamos y entrenamos inteligencia artificial.

Si bien no es lo mismo formar a una persona que entrenar un sistema, los marcos humanos nos siguen siendo útiles porque el aprendizaje de estos modelos parte, aún,  de nuestros propios paradigmas: aprendizaje por exposición, por refuerzo, por simulación…

Muchos de los procesos de entrenamiento y validación de IA reproducen  esquemas de adquisición de competencias propios del comportamiento humano. No deja de ser, en el fondo, una forma de entrenamiento funcional. Como decía McClelland, no se trata de medir conocimiento abstracto, sino de observar el desempeño en tareas clave, una premisa que sigue siendo un pilar, incluso en este nuevo contexto.

Modelos como  “saber +, saber hacer y saber ser“ nos han servido para pensar cómo descomponer competencias, capacidades, estructurar tareas o evaluar desempeño— ya sea en un equipo, un prototipo, un agente de IA o cualquier otro sistema que deba ejecutar con criterio y coherencia.

Por eso este marco nos sigue pareciendo un gamechanger: sirve para formar personas, colaborar con sistemas inteligentes y diseñar sus entrenamientos de manera óptima.

#UXResearch #BehaviouralResearch #ResearchTraining #aprendizaje #IA #ProResearchMatters