Palabras Clave en SEO Convencional y las Estructuras Semánticas en AEO

 

Diferencias Entre el Uso de Palabras Clave en SEO Convencional y las Estructuras Semánticas en AEO

1. Palabras Clave en SEO:

   • En el SEO tradicional, el objetivo es identificar y utilizar palabras clave específicas que los usuarios probablemente escribirán en sus búsquedas.
   • Estas palabras clave suelen ser términos cortos y generales, aunque las long-tail keywords (palabras clave de cola larga) también se han convertido en herramientas efectivas para captar consultas más específicas.
   • La densidad y la ubicación de las palabras clave en el contenido, junto con su relevancia, ayudan a mejorar el posicionamiento en los motores de búsqueda.

2. Estructuras Semánticas en AEO:

   • Con AEO, la importancia de entender la intención detrás de la búsqueda y el contexto de la misma aumenta considerablemente. En lugar de palabras clave individuales, el contenido optimizado para asistentes de voz se centra en responder a preguntas específicas y en comprender la intención detrás de la consulta.
   • Las estructuras semánticas son esenciales para que el contenido sea relevante y se ajuste a los patrones de búsqueda conversacionales. Esto significa construir el contenido de manera que responda directamente a preguntas como “¿qué?”, “¿cómo?”, y “¿por qué?”.
   • Los asistentes de voz buscan respuestas precisas, lo que significa que es útil incluir listas, tablas y estructuras de respuesta directa para facilitar que los algoritmos identifiquen las mejores respuestas.

Embeddings: El Puente Entre el Lenguaje y la Comprensión de las Máquinas

Los embeddings son vectores matemáticos que representan palabras o frases en un espacio multidimensional. Este concepto permite a las máquinas entender no solo las palabras individuales, sino también el contexto y la relación entre ellas. Los embeddings son especialmente útiles en AEO, ya que capturan el significado de las frases completas, incluso cuando no hay una coincidencia exacta de palabras.

Por ejemplo, si un usuario pregunta, “¿cuál es el mejor restaurante para cenar en Málaga?”, el asistente de voz utilizará embeddings para entender que “mejor restaurante” y “restaurante recomendado” están estrechamente relacionados. Los motores de búsqueda pueden encontrar resultados precisos y responder de forma más natural.

En lugar de limitarse a buscar palabras clave individuales, los embeddings permiten a los sistemas de IA comprender el contexto completo de la consulta, algo esencial para AEO. Esto se traduce en una mayor precisión en la entrega de respuestas y en una mejor experiencia para el usuario.

Implementando AEO: Buenas Prácticas

Para optimizar el contenido para los asistentes de voz, se deben seguir algunas estrategias clave:

• Responder Preguntas Específicas: Utilizar encabezados de preguntas como “¿Qué es…?” o “¿Cómo se hace…?” para que el contenido se alinee con las consultas típicas de los asistentes de voz.

• Enfoque en Fragmentos de Respuesta: Crear contenido que pueda ser fácilmente extraído como un “fragmento destacado” o featured snippet, ya que los asistentes de voz tienden a utilizar estos fragmentos para responder a las preguntas de los usuarios.

• Incorporar Lenguaje Natural: Usar un lenguaje conversacional y frases que reflejen la forma en que las personas realmente hablan.

• Estructuras Semánticas y Embeddings: Utilizar herramientas de análisis semántico para mejorar la relevancia del contenido y considerar la implementación de embeddings para mejorar la comprensión contextual.

La Importancia de la Información Confiable y Certificada en el Answer Engine Optimization (AEO)

En un mundo donde la inteligencia artificial y los asistentes de voz están redefiniendo la forma en que accedemos a la información, la credibilidad se ha convertido en el pilar fundamental para el Answer Engine Optimization (AEO). 

Las marcas ya no solo compiten por aparecer en los primeros resultados de búsqueda, sino por ser la respuesta confiable que las IA ofrecen a los usuarios.

¿Por Qué la Confiabilidad es Clave para el AEO?

Los motores de búsqueda y asistentes de voz impulsados por IA están diseñados para brindar la mejor y más precisa respuesta posible. Esto significa que priorizan fuentes que consideran confiables y autoritarias. Si una marca quiere ser seleccionada por estas IA para responder a las consultas de los usuarios, debe asegurar que su información es:

• Precisa: Datos correctos y actualizados.
• Verificable: Información que puede ser confirmada por fuentes independientes.
• Relevante: Contenido que responde directamente a las preguntas de los usuarios.

El Riesgo de la Desinformación y los Deepfakes

La propagación de información falsa puede tener consecuencias graves. El incidente del 22 de mayo de 2023, donde una imagen falsa de una explosión en el Pentágono causó una caída momentánea en el S&P 500, es un claro ejemplo. Este tipo de desinformación no solo afecta a los mercados financieros, sino que también erosiona la confianza en las fuentes de información.

Las IA buscan evitar este tipo de contenido y, por lo tanto, penalizan a las fuentes que no son confiables. Para las marcas, esto significa que compartir información dudosa puede afectar negativamente su posicionamiento en AEO.

La Certificación como Solución

Para fortalecer la confianza y garantizar la autenticidad, es esencial no solo proporcionar información confiable, sino también certificarla. La certificación agrega una capa adicional de credibilidad, demostrando que el contenido ha sido verificado y es auténtico.

Certificación de Imágenes con Blockchain

Una forma innovadora de lograr esta certificación es mediante el uso de blockchain para autenticar imágenes en el momento de su captura. Al hacerlo, se garantiza que las imágenes:

• No han sido manipuladas: Se certifica su estado original.
• Tienen un registro de tiempo y ubicación: Fecha, hora y coordenadas GPS verificables.
• Son seguras: La tecnología blockchain previene alteraciones posteriores.

Esta metodología no solo protege la integridad del contenido visual, sino que también mejora la confianza de las IA al seleccionar fuentes para proporcionar respuestas.

Beneficios de Proporcionar Información Certificada para el AEO

1. Mejora en el Posicionamiento: Las IA priorizan fuentes confiables. La certificación aumenta las posibilidades de ser seleccionado como la respuesta preferida.
2. Fortalecimiento de la Marca: La transparencia y autenticidad fortalecen la reputación de la marca ante los usuarios y socios.
3. Reducción de Riesgos: Evita las consecuencias negativas asociadas con la difusión de información falsa o manipulada.
4. Mayor Engagement: Los usuarios confían más y se comprometen con contenido que saben que es auténtico y verificado.

Cómo Implementar la Certificación en tu Estrategia de Contenido

• Utiliza Herramientas de Certificación: Adopta tecnologías que permitan certificar tu contenido, como nuestra solución de certificación de imágenes con blockchain.
• Sé Transparente: Muestra a tus usuarios que tu información está verificada y certificada.
• Actualiza Regularmente: Mantén tu contenido al día para asegurar su relevancia y precisión.
• Educa a tu Audiencia: Comparte la importancia de consumir y compartir información certificada.

Conclusión

En la era del Answer Engine Optimization, la confianza es el activo más valioso. Proporcionar información confiable y certificada no solo mejora tu posicionamiento ante las IA, sino que también fortalece la relación con tus clientes y la reputación de tu marca.

La inversión en autenticidad y certificación es una estrategia a largo plazo que rendirá frutos en un mundo cada vez más digitalizado y orientado a la IA.

---

Por todo esto he creado un proyecto con varios colegas. Se llama Elevenais.

¿Quieres asegurar que tu marca destaque por su confiabilidad y autenticidad en el mundo del AEO?

Descubre cómo nuestra solución de certificación de imágenes con blockchain puede impulsar tu estrategia y posicionarte como una fuente de información confiable con Elevenais

Cómo Mejorar tu AEO: La Clave Está en la Calidad de la Información

El avance de los motores de búsqueda y los asistentes de inteligencia artificial (IA) ha transformado la forma en que las personas acceden a la información. El concepto de Optimización para Motores de Respuesta (AEO, por sus siglas en inglés) está en auge, y la calidad de la información que ofreces en tu sitio web es uno de los factores más determinantes para mejorar tu posicionamiento.

La IA valora cada vez más la precisión, la relevancia y la claridad de los contenidos. Si tu objetivo es destacar entre las respuestas que proporcionan los asistentes de voz y otros sistemas de IA, necesitas centrarte en la calidad de la información que publicas.

1. La Precisión es Crucial

Los motores de IA buscan ofrecer respuestas correctas y útiles a las preguntas de los usuarios. La precisión de los datos que presentas en tu página es esencial. No solo debes asegurarte de que la información sea correcta, sino también de que provenga de fuentes confiables.

Consejo para mejorar la calidad:

Verifica tus datos con estudios recientes y fuentes confiables.

No te limites a copiar la información de otras páginas; aporta valor añadido con análisis propios o perspectivas únicas que refuercen la veracidad de tu contenido.

2. Información Actualizada y Relevante

En el mundo del AEO, la obsolescencia puede ser letal para tu posicionamiento. Si tu contenido está desactualizado, los asistentes de IA lo ignorarán en favor de fuentes más recientes y relevantes.

Consejo para mejorar la calidad:

Establece una rutina para revisar y actualizar tu contenido de manera periódica.

Si un tema cambia constantemente (como los avances tecnológicos o normativos), asegúrate de mantener tus artículos a la vanguardia de la información disponible.

3. Claridad y Concisión en las Respuestas

Una de las mayores demandas de los usuarios es obtener respuestas rápidas y fáciles de entender. Los asistentes de voz, por ejemplo, prefieren respuestas claras y concisas. Los textos largos y complejos pueden reducir tu probabilidad de ser seleccionado por los sistemas de IA.

Consejo para mejorar la calidad:

Simplifica tus explicaciones sin perder precisión. Piensa en cómo responderías si te hicieran la pregunta directamente en una conversación.

Usa frases cortas y estructuradas para mejorar la legibilidad.

4. Profundidad sin Perder el Foco

La calidad de la información no solo se mide por su extensión, sino también por su profundidad. Es importante encontrar el equilibrio adecuado entre profundizar en los temas y mantener la información relevante y fácil de entender.

Consejo para mejorar la calidad:

Asegúrate de cubrir el tema en su totalidad, respondiendo a las posibles preguntas adicionales que el lector o la IA puedan tener.

Usa listas o secciones claras para organizar la información, permitiendo a los usuarios y asistentes de IA encontrar rápidamente lo que buscan.

5. Aporta Valor Único

Una de las claves de la calidad es la originalidad. La IA detecta patrones de contenido duplicado o repetido, y si tu página no aporta nada nuevo, será descartada en favor de otras.

Consejo para mejorar la calidad:

Desarrolla contenido que ofrezca un enfoque original sobre el tema.

Realiza investigaciones propias o presenta opiniones expertas que no sean fáciles de encontrar en otros sitios.

6. Fuentes Autorizadas y Datos de Confianza

La confianza es un factor decisivo para la IA al seleccionar qué contenido mostrar. Si tu página demuestra que se basa en datos verificables y fuentes reconocidas, será mucho más probable que sea elegida como respuesta.

Consejo para mejorar la calidad:

Incluye citas y referencias a estudios, estadísticas y fuentes reconocidas. Esto no solo mejora la calidad de la información, sino que también aumenta la credibilidad de tu página.

Usa enlaces a artículos y sitios web autorizados para respaldar tus afirmaciones.

¿Por Qué Es Importante la Calidad de la Información para AEO?

Los sistemas de inteligencia artificial están diseñados para proporcionar la mejor respuesta posible a las consultas de los usuarios. Si tu contenido no cumple con los estándares de calidad, la IA simplemente lo omitirá. Un contenido de alta calidad es el pilar fundamental para mejorar tu AEO, porque garantiza que tanto la IA como los usuarios humanos confíen en tu sitio como una fuente confiable.

Resumen de Consejos para Mejorar la Calidad de la Información en tu AEO:

- Verifica y actualiza constantemente los datos que presentas.

- Ofrece respuestas claras y concisas a las preguntas de los usuarios.

- Cubre en profundidad los temas que tratas sin desviar el enfoque.

- Aporta un valor único y original que no esté duplicado en otros sitios.

- Utiliza fuentes autorizadas y confiables para aumentar la credibilidad de tu página.

Mejorar tu AEO se basa, en última instancia, en ofrecer la mejor información disponible. Si te centras en la calidad, estarás asegurando que tanto los usuarios como los sistemas de IA confíen en tu contenido y lo seleccionen como la mejor respuesta a sus consultas. 

A la vanguardia del SEO: Bienvenidos al AEO!

A la vanguardia del SEO: Bienvenidos al AEO! 🚀

El mundo del posicionamiento digital está cambiando rápidamente gracias a los asistentes virtuales como Siri, Alexa y GPTs. Es el momento de la Optimización para Motores de Respuesta o AEO (Answer Engine Optimization), y está en pleno auge. 🔥

¿Qué es AEO?

El AEO consiste en optimizar el contenido para que aparezca en las primeras respuestas de las inteligencias artificiales (IAs). Ya no basta con enfocarse solo en los motores de búsqueda tradicionales, ahora también es clave que nuestros contenidos sean comprensibles y fáciles de extraer por las IAs.

Consejos para mejorar tu AEO:

1️⃣ Preguntas y respuestas claras: Estructura tu contenido para responder directamente a las preguntas más frecuentes (FAQs).

2️⃣ Datos estructurados: Implementa esquemas de datos como los de Schema.org y asegúrate de que la información sea coherente en todos los repositorios digitales.

3️⃣ Adapta tu contenido al NLP (Natural Language Processing): Utiliza frases conversacionales que los usuarios podrían emplear en búsquedas por voz.

4️⃣ Contenido conciso y preciso: Las IAs buscan respuestas rápidas. Mantén tu contenido claro, enfocado y al grano.

5️⃣ Semántica y entidades: Optimiza en torno a conceptos y entidades, no solo palabras clave. Las IAs reconocen ideas y relaciones, no solo términos exactos.

Felicitaciones al Restaurante Jose Carlos García por su éxito en este nuevo panorama digital. 🌟

---

#AEO #SEO #InteligenciaArtificial #MarketingDigital #TransformacionDigital #IA #ContenidoDigital

¿Por qué las redes de neuronas funcionan tan bien? Computadores y cerebros

¿Y si toda la corteza cerebral no fuera más que una máquina de hacer predicciones? Con esta hipótesis, Jeff Hawkins, el inventor de la Palm, y Sandra Blakesle, graduada en ciencias políticas, escribieron en 2004 un interesante libro sobre inteligencia artificial: On Intelligence. 

El neo-cortex o corteza cerebral de los mamíferos, es una lámina que cubre los hemisterios cerebrales. Se encuentra plegada de un modo característico dando al cerebro humano el aspecto que conocemos. En toda su extensión conserva una estructura celular fija de 6 capas neuronales consecutivas conectadas entre sí y con otras zonas del cerebro.

Según los autores, la red recibiría la información del mundo exterior en forma de patrón de señales eléctricas. Con esta información realizaría una predicción de cuál sería la siguiente señal en el futuro, o lo que es lo mismo, de qué podría pasar a continuación en el mundo real. Los mamíferos usaríamos estas predicciones para ajustar nuestros comportamientos con mayores garantías de supervivencia.

Para crear sus predicciones este sistema usaría su “memoria” de experiencias previas que mantiene guardada en su propia estructura de conexiones. De hecho, sabemos que ésta es (de forma simplificada) el modo en que el cerebro guarda la memoria. Las neuronas refuerzan o destruyen conexiones, creando estructuras físicas que guardan la información de los recuerdos que tenemos y de las cosas que aprendemos.

Según esta explicación, la predicción que realiza el neo-cortex no sería más que un cálculo automático de su red neuronal ante una entrada de información del entorno. Se trata de una perspectiva muy propia de ingeniería y de hecho, para desarrollarla, los autores se basan en un conocido modelo de este campo: las máquinas de estado finito.

Hawkins siempre ha defendido que es necesario aprender cómo funciona el cerebro para crear sistemas inteligentes. Cuenta la leyenda que fue esta defensa a ultranza de la neurociencia como modelo de IA la que hizo que lo rechazaran cuando intentó entrar en el MIT.

Sinceramente, en su momento no fui capaz de decidir si el libro era una locura o una genialidad. La idea era plausible pero soy incapaz de analizar las matemáticas que hay debajo y tampoco soy un experto en procesamiento de señal en cerebro. Sin embargo, la simplicidad de la idea me marcó y quedó fuertemente grabada en mi red neuronal.

La cuestión es que mucho tiempo después, hace cosa de un año, un amigo me habló de un modelo de aprendizaje de máquina que estaba consiguiendo éxitos increíbles en el campo de la IA, el "deep learning", traducido como "aprendizaje profundo".

Simplificando un poco la cuestión, un sistema de aprendizaje profundo es una red neuronal artificial muy grande, con varias capas. La teoría de las redes neuronales está establecida desde hace unos años, pero ha sido la enorme mejora en la potencia de los procesadores actuales la que ha permitido aumentar su tamaño y propiciar su desarrollo.

Como me adelantó mi amigo, las redes de aprendizaje profundo han revolucionado por completo el campo de la inteligencia artificial. Todos los sistemas actuales, de reconocimiento de escritura, de caras, lenguaje natural e incluso Siri, están basados en este modelo. Además, estos sistemas han machacado a los humanos en todos los juegos conocidos, incluidos el último reducto que nos quedaba, el Go. Un juego de origen chino que dicen es el más difícil del mundo.

Uno de los campos en los que mejor se ha estudiado el funcionamiento del aprendizaje profundo ha sido en el reconocimiento facial. La estrategia es entrenar una red con imágenes etiquetadas de un grupo de personas con el objetivo de que sea capaz de reconocer a estas personas en nuevas imágenes.

Como el propio cerebro, las redes neuronales, guardan su conocimiento de forma distribuida en la red. Ante una nueva imagen, sólo se activan unas pocas neuronas de todas opciones las posibles. Si el patrón de activación coincide con el que se ocurrió con una persona determinada durante el aprendizaje, el sistema etiquetará la imagen con su nombre.

Estos patrones de activación de neuronas ocurren de forma secuencial en cada una de las capas del sistema. De hecho, podemos decir que cada capa guarda un tipo diferente de información. En la imagen de abajo puede comprobarse cómo cada una de las capas trabaja con un tipo de información diferente: color del pixel, formas simples, objetos y por fin caras.

Una imagen ya clásica de cómo procesa la información una red neuronal (fuente)

Sin embargo, a pesar de los increíbles resultados que hemos logrado con los sistemas de redes neuronales, tenemos que reconocer que nos falta mucho por conocer sobre ellos. De hecho, en realidad no tenemos ni idea de por qué funcionan tan bien ¿Cómo puede ser que esos sistemas sean útiles en ámbitos tan diferentes como el reconocimiento de caras, la lectura de leguaje natural o las predicciones económicas?

Respondiendo a esta cuestión, hace unos día se ha escrito un interesante artículo en arXiv (Why does deep and cheap learning work so well?. Henry W. Lin. 2016) que nos da algunas pistas. Según sus autores, la respuesta de está en la propia naturaleza de la realidad, el mundo que conocemos tiene ciertas características que facilitan el trabajo de las redes neuronales:

i) Resulta que las leyes físicas son bastante simples. Sé que parece una locura afirmar que la física, con todas esas fórmulas infernales, es simple. Pero digamos que podría ser peor. La mayor parte de las leyes físicas que conocemos tienen, en su representación más fundamental, ecuaciones con exponentes bajos, como máximo 4. Este hecho reduce enormemente el número de soluciones a explorar y el número de parámetros a ajustar, facilitando mucho el trabajo de la red. Es lo que los autores llaman "cheap learning" (aprendizaje barato).

ii) Además, en el mundo físico la información es normalemente independiente de procesos de rotación o traslación. Un gato es también un gato aunque le demos la vuelta o lo movamos 10 metros. Estas características también facilitan la aproximación de la red a procesos reales.

iii) Por último, la realidad, como las redes neuronales, está muy jerarquizada. Las moléculas forman células que forman organismos, planetas, sistemas solares, galaxias… los pixeles forman narices, ojos y bocas que forman caras… Cada una de las capas de la red neuronal funcionaría como una aproximación a cada uno de estos niveles jerárquicos, como hemos visto arriba.

    Parte del esquema del paper que resume el proceso de codificación de información

Resulta que, años después, por fin se confirma que aquel libro era más una genialidad que una locura y que Hawkins tenía bastante razón. Copiar el cerebro ha sido una buena estrategia para crear sistemas inteligentes, al menos si van para trabajar en el mundo en que vivimos. 

Millones de años de azar y selección han permitido a la evolución crear un sistema que "comprende" bien la realidad. Parece que el secreto de las redes neuronales no sólo está en cómo guardan la información aprendida, su propia arquitectura ofrece un modelo de datos que captura la esencia última de la realidad física.

    Actualización 2024: Imagen generada por inteligencia artificial

Es cierto que las redes neuronales artificiales son increíbles, pero para mi, lo más interesante de todo es lo que nos dice de nosotros mismos. Las razones del éxito del aprendizaje profundo explican también por qué nuestro cerebro nos ha proporcionado tal ventaja evolutiva. La clave ha sido aprender a predecir la realidad.

"Prediction is not just one of the things your brain does. It is the primary function of the neo-cortex, and the foundation of intelligence.*"

Jeff Hawkins

* Traducción: "La predicción no es sólo una de las cosas que hace el cerebro. Es la función principal de neocortex y el origen de la inteligencia."

El arroz con leche de mi abuela: Análisis de experiencia de usuario.

No sé si os lo he contado antes, pero mi abuela era una gran experta en experiencia de usuario. Su principal especialidad era el arroz con leche. Hacía el mejor arroz con leche del mundo, elegido de forma unánime por toda la familia.

El resultado de mi receta... extraído de
http://www.dessert.net/

Yo he intentado muchas veces replicar su plato pero me ha sido imposible. Lo he probado todo. He seguido su receta de forma obsesiva, he comprado la misma leche y la misma marca de arroz, he cronometrado los tiempos y calculado los pesos con la máxima exactitud. De hecho, puedo decir que consigo un resultado casi perfecto. Mi arroz con leche tiene un aspecto idéntico al de mi abuela, la misma textura cremosa y los mismos toques de caramelo. Pero cuando por fin me decido a probarlo... ¡¡no sabe igual!!

No fue hasta hace poco que, leyendo aquí y allá sobre psicología de consumo y experiencia de usuario, empecé a comprender algunos de los secretos que habían convertido el arroz con leche de mi abuela en un plato irrepetible. El artículo que me puso en la pista se titulaba algo así como "Evaluando el impacto de la vajilla y otras variables contextuales en la percepción multisensorial de sabor". Fue publicado en 2012 en la revista "Flavour" ("Sabor") ...  Ya sabéis, los científicos siempre se han caracterizado por un naming claro y conciso.

Cómo se crea una experiencia: integración multisensorial

En el artículo se analizaban cómo cuestiones aparentemente no relacionadas con el sabor, como el color del plato, el material de la cubertería o la ambientación del restaurante, podían afectar al sabor que los usuarios percibían en los alimentos. Corroboraron, por ejemplo, algo que casi todos hemos sentido de algún modo: Comer con una cuchara de plástico hacía que experiencia de la comida no fuese tan agradable (Liking) y hacía que los usuarios tuvieran la sensación de que la comida era de peor calidad (Quality).

Resulta que, a diferencia de lo que nos enseñaron en el colegio, en la percepción de sabor no sólo participan el sentido del gusto y el olfato. La experiencia completa de saborear una comida incluye sensaciones de muchas otras características del alimento, tales como color, textura, temperatura... ¡incluso el sonido que hace al morderse!*

Se trata de un fenómeno denominado integración multisensorial que es parte inseparable de nuestro proceso de percepción. Para crear la experiencia que nosotros percibimos, el cerebro integra todas las señales de las que dispone, construyendo una explicación coherente de lo que está ocurriendo. De este modo, dentro de procesado de información del sistema sensorial, cada sentido está ligado a los demás y la información que se percibe por un sentido afecta al resto.

El fenómeno es, si cabe, aún más complejo. Los estudios* muestran que nuestra percepción de sabor no sólo integra toda la información sensorial, también la que tenemos guardada en nuestra memoria... Nuestros conocimientos (¡y nuestros prejuicios!) sobre la marca, el lugar de origen, los ingredientes o el etiquetado, participan también en la creación de la experiencia y son capaces de modificar significativamente el sabor, la sensación, que percibimos.

Experiencia de usuario de abuela

Acababa de comprenderlo todo. Había conseguido replicar el plato de mi abuela pero ella, como la auténtica experta en experiencia de usuario que era, tenía algunos trucos que cambiaba completamente el sabor de su plato. A su receta de "arroz con leche de abuela" añadía, además de los clásicos leche, azucar, canela y limón... todo aquellos estímulos que lo convertían en algo irrepetible: el cariño, la calidez y los mimos de una abuela... Mi arroz con leche no me sabía igual que el que me hacía mi abuela por una sola razón: no lo había hecho ella, no me lo servía ella y no había nadie que me dejara repetir a escondidas de mi madre. Una experiencia irrepetible. ¡Un beso abuela!

Juanjo Valderrama

@jvaarq

* Puedes encontrar una buena revisión sobre factores que afectan al sabor aquí: "The impact of perceptual interactions on perceived flavor." y sobre marca y etiquetado aquí: "Sensory suggestiveness and labeling" o aquí "Fine as North Dakota wine: Sensory expectations and the intake of companion foods"

Festum de Autorganización: reglas y liderazgos en equipos autorganizados.

El verano pasado, los días 29-30 de agosto, organizamos la segunda edición de festum. Si no sabes lo que es, que será lo más normal, te cuento que se trata de una frikada de tamaño considerable en el que un grupo multidisciplinar de profesionales: psicólogos, informáticos, diseñadores, biólogos,... nos reunimos para discutir y aprender sobre un tema que nos resulte interesante. En este caso fue sobre procesos autorganizados, de ahí el nombre de esta edición: "festum de autorganización".

Durante estos días analizamos, experimentamos y discutimos sobre cómo funcionan los grupos de personas que se organizan de forma no centralizada, como ocurre no sólo el grupos asamblearios y asociaciones, también en equipos de desarrollo de software y equipos profesionales. Tras dos días, más de 20h de trabajo y 4 meses de decantación (he mejorado, en la primera edición tardé 8 meses) he filtrado las cuestiones que considero más interesantes:

1. La autorganización se aprende.

Al final de la actividad, durante la puesta en común, la mayor parte del grupo coincidió en que este modelo de organización no centralizada es mucho menos efectivo que el sistema clásico jerarquizado. Recuerdo haber escuchado lo mismo en conversaciones después de algunas reuniones de cooperativistas o de personas que asistían a asambleas del 15M o ... Por otro lado, en mi experiencia personal, por ejemplo en la Federación de Jóvenes Investigadores o en algunas consultoría de empresas, es que "una asamblea" puede ser tan ágil y efectiva como una reunión centralizada. ¿Qué diferencia había en los grupos que funcionaban? Sobre todo que tenían experiencia haciéndolo...

Llevamos toda la vida inmersos en sistemas centralizados en los que la coordinación está claramente establecida en una persona que marca los ritmos y toma decisiones: colegio, universidad, empresas... Incluso en una "estructura democrática" como la que vivimos, nuestra participación se reduce a una votación cada 2 años. Sería un milagro que la primera vez que intentáramos crear un proceso realmente participativo funcionara de forma espontánea.

Como equipo autorganizado ni siquiera fuimos capaces de acordar qué escribir en la pizarra de agradecimiento del restaurante. Un claro ejemplo de decisión a delegar y revisar :)

De hecho, tengo que reconocer en estas jornadas tenían truco... El modelo festum consiste en experimentar, discutir y equivocarse en un entorno en el que equivocarse sale gratis... de modo que, al menos por parte de gottraining, intentamos no facilitar el proceso. Hubiera sido relativamente fácil organizar un poco el sistema y agilizar la toma de decisiones con alguna de las herramientas que usamos normalmente. Estamos acostumbrados a hacerlo en situaciones mucho más complejas. Pero en ese caso no hubiera sido un festum, y menos un festum de autorganización.

Reunimos a un grupo de personas muy diferentes, sin jefes, sin coordinadores preestablecidos y con poca experiencia en trabajo en grupos autorganizados, con el objetivo de crear un proyecto artístico, científico o tecnológico sobre autorganización... Agitamos y esperamos a ver qué sucedía. El resultado fue, por supuesto, bastante desorganizado. Sin embargo es precisamente de esos errores, intentos, idas y venidas, de donde se sacan las conclusiones más interesantes.

2. Hay que definir las reglas de juego. 

Una de la confusiones más comunes con los sistemas autorganizados es confundir autorganización con la inexistencia de normas. Nada más lejos de la realidad. Por nuestra experiencia, el establecimiento de las reglas es una de las cuestiones clave en el desarrollo de dinámicas autorganizadas, ya que permiten a cada participante comprender lo que ocurre, prever el futuro y decidir. Además disminuye el número de "malos entendidos" que pueden derivar en conflictos.

En los sistemas autorganizados naturales los compormientos complejos emergen desde reglas simples que se aplican a todos sus componentes. Un modelo de bandada solo con 3 reglas simples.

En los sistemas autorganizados naturales los compormientos complejos emergen desde reglas simples que se aplican a todos sus componentes. Un modelo de bandada.

3. Enfocar en el objetivo, no en el sistema de reglas.

Aunque parezca contradictorio con el punto anterior, el establecimiento de reglas no puede convertirse en el objetivo mismo del grupo. El "para qué estamos aquí" es más importante que el "cómo vamos a funcionar". Necesitamos las mínimas reglas necesarias para poder empezar a trabajar, aunque sea de modo provisional.

Para comenzar a organizar una primera asamblea el coordinador, por ejemplo, puede proponer algo parecido a esto: "la persona que habla tiene 3 minutos para exponer su argumento y cada intervención terminará en todo caso con una propuesta concreta. Trabajaremos de este modo durante los primeros 45min y revisamos ¿Os parece?".

De este modo los participantes podrán entrar en el juego que se les plantea con un marco de reglas común pero con la tranquilidad de que, aunque el método tenga fallos, éstos se discutirán en poco tiempo.

4. Las reglas se aplican por igual a todo el grupo. 

La baja jerarquía está en la naturaleza misma de los procesos autorganizados, las reglas son las mismas para todos, desapareciendo la figura del jefe o del coordinador centralizado. Esto obliga a los propios miembros a ocupar de algún modo el papel de coordinación dando lugar a un interesante fenómeno denominado liderazgo distribuido o compartido (Shared leadership).

Si echamos un vistazo a las características definen la jerarquía comprobaremos cómo los procesos de liderazgo distribuido suponen una ruptura profunda del modelo jerárquico puro.

Llamo la atención sobre cómo, a pesar de que no haya un coordinador institucionalmente establecido, resulta casi imprescindible que alguien controle en todo momento la aplicación de las reglas y evite que nos dispersemos. El papel del coordinador pasa por organizar los temas de discusión, presionar para cumplir plazos de argumentación-decisión e incluso evitar que se repitan argumentos ya comentados... El problema es que esta tarea no sólo es difícil, también resulta muy erosiva, de modo que el puesto se hace incómodo y a menudo termina vacío, quedando el grupo sin coordinación.

Una de las estrategias para la organización fue la creación de "el palo de hablar" ... no surtió efecto.

5. Se necesitan líderes. 

El grupo precisa de un grupo mínimo de personas que puedan realizar el papel de coordinación, con los conocimientos suficientes de facilitación y el compromiso de asumir el papel de coordinación, y el desgaste asociado a ello.

6. El problema de la toma de decisiones. 

Probablemente el principal reto al que se enfrenten los grupos autorganizados es la toma de decisiones. Lo hemos visto en numerosas ocasiones, las asambleas son lentas, aburridas y torpes, los temas se repiten una y otra vez sin control y sin enfoque y las discusiones las gana el más "cansino". El problema además puede agravarse mucho cuando la coordinación no es eficaz... o no existe.

En primer lugar no todas las decisiones tienen que ser tomadas en asamblea. Las decisiones rutinarias deberían delegarse en responsables o comisiones siempre que el sistema sea suficientemente transparente. Aprender a diferenciar cuáles pueden delegarse y cuáles no es una de las cuestiones clave.

Por otra parte, si la coordinación de la asamblea es diligente puede ahorrarse mucho tiempo evitando intervenciones repetidas y organizando la información.

Por último, los propios asistentes con la experiencia mejoran la síntesis de las exposiciones y aprenden evitar los finales interminables... ¿Qué es eso? Seguro que habéis escuchado a personas que hacen un buen discurso pero no saben darlo por finalizado y se repiten y alargan hasta agotarlo. Un coordinador puede, con un gesto cómplice, ayudar a cerrar eficazmente una intervención.

7. ¿Y si votamos? 

Votar es posiblemente el único mecanismo de autorganización con el que estamos familiarizados. Sin embargo prácticamente nunca tiene resultados satisfactorios para todos. No existe el sistema perfecto, y esto podemos comprobarlo fácilmente en los sistemas democráticos: los mecanismos de mayorías absolutas excluyen a las minorías y los de mayorías simples con pactos pueden darles excesivo poder de decisión. Casi cualquier decisión no unánime va a aumentar el nivel de insatisfacción dentro del grupo.

8. La experiencia festum

Al final, después de algunas discusiones, conseguimos elegir y comenzar dos proyectos.

i) Análisis de puntos clave para el comportamiento autorganizado en grupos de personas.

ii). Modelo informático de toma de decisiones en bandadas de pájaros.

Ninguno de los dos está concluido, fue imposible en tan poco tiempo y la experiencia se comió el objetivo... o bueno, en realidad el objetivo era experimentar y aprender así que...

Como experiencia, tener la oportunidad de trabajar en un lugar como la Fundación Escultor Berrocal es todo un lujo. Su acogida fue espectacular, y trabajazo de Claudia en cuanto a logística que consiguió que todo funcionase perfecto y además comiéramos increiblemente... así nunca le se va a librar de nosotros.

En cuanto al proceso, creo que resultó claramente menos lúdico que en la primera edición, la creatividad fue mucho más fácil de gamificar. Sin embargo también creo que en este caso, al menos para mí, fue más interesante, el tema era mucho más difícil y todos cometimos muchos más errores... y eso, en un entorno en el que es gratis equivocarse, resulta impagable :)

Gracias a todos los que os atrevisteis a jugar con nosotros.

Juanjo Valderrama

@jjvaarq

Participo en gottraininig

Pd 1. Hay al menos otros dos post que hablan del festum de autorganización: "Human cocktail: especialización profesional y dependencia." y "Maquillaje empresarial y autorganización de bajo nivel".

Pd 2. Si estás interesado en participar en el próximo festum puedes escribirnos a este email: [email protected], contándonos quién eres y por qué quieres venir.