En Biko tenemos la suerte de contar con personas que experimentan con metodologías de trabajo distintas, tratando de innovar y de mantener un aprendizaje continuo. Muchos de nosotros desarrollamos nuestro trabajo hoy en día a través de filosofías como Lean Startup, hemos adoptado procedimientos como Design Sprint o liturgias como las retrospectivas agile. Todas ellas tienen en común la vocación de intentar establecer pausas o momentos de reflexión que nos permitan analizar hacia dónde vamos en el devenir de nuestras tareas diarias.
En este sentido, el mundo de la investigación científica nos lleva años luz de ventaja. La reflexión no es algo opcional, sino un requisito ineludible. Lo bueno es que ahora podemos aprovecharnos de toda la tracción que la ciencia lleva de delantera, ya que el mundo tech y el científico están experimentando una incipiente simbiosis. Existen muchas compañías propias del ámbito tecnológico y de negocio que están incorporando a sus filas científicos con el objetivo de adoptar las técnicas propias de este ámbito.
Un ejemplo claro es el sector del Big Data. Los Data Scientist son cada vez más comunes en los Departamentos IT de las compañías más pro. Sin embargo, no todo el mundo tiene al alcance de la mano esta posibilidad. Así que si eres de los que no puedes incorporar perfiles científicos a tu empresa, o no ves cómo esto puede ayudarte, lo que sí que puedes hacer es incorporar una serie de buenas prácticas científicas en procesos de trabajo a tus rutinas de investigación clásica de negocio.
He aquí unos cuantos ejemplos:
Apoyarse sobre hombros de gigantes y citarles
En todo los proyectos existe una fase de investigación previa que nos permite conocer cuál es el conocimiento acumulado hasta el momento sobre el tema (el de los gigantes que han hecho el trabajo hasta el momento para ti) y cuál es la oportunidad inexplorada que te permitirá innovar. Esta revisión del marco teórico permite además dar contexto al proyecto, justificar cada decisión respecto a su enfoque y elaborar hipótesis.
Después, en la publicación del trabajo es de justicia mencionar cada una de las fuentes que nos han inspirado. Porque hacerlo no es postureo, sino un ejercicio ético en el mundo científico que si no respetas, incurres en plagio.
Observación con vocación de generalidad
Cuando realizamos investigación UX o de negocio, habitualmente optamos por la observación particular de una muestra seleccionada de usuarios con quienes perseguimos alcanzar empatía. Sabemos que este conocimiento es crucial para luego ponernos en su lugar y enfocar desde su perspectiva nuestros productos y servicios, pero es precisamente esta particularidad la que mata la posibilidad de generalización y corre el riesgo de estar sesgada.
No hay que perder de vista que el objetivo en este tipo de práctica es comprender las razones que motivan el comportamiento del usuario vinculado a nuestro proyecto. Y para ello necesitaremos establecer desde objetivos claros en base al marco teórico, hasta un proceso metódico en la selección de la muestra y la recogida de los datos, de tal forma que sea el análisis estadístico de estos datos el que determine las conclusiones del estudio y no las impresiones subjetivas de los investigadores.
En definitiva: mantener rigor en cada una de las partes del proceso para conseguir resultados rigurosos.
Hipótesis a priori vs inferencias a posteriori
Muchos proyectos arrancan en base a supuestos que necesitan ponerse en cuestión. Este punto está muy en la línea de la filosofía Lean Startup. Sin embargo no es un proceso muy asentado en los arranques de proyectos. Sabemos lo que tenemos que hacer, pero no lo hacemos. Esto compartiría mucha base con la formulación hipotética en la metodología científica. Se parte lanzando al aire un supuesto que hay que comprobar.
Sin embargo, en nuestro trabajo diario estamos acostumbrados a trabajar a partir de las conclusiones. Y las conclusiones inferidas a posteriori solo pueden ser el punto de partida de nuevas hipótesis a contrastar en siguientes experimentos. Lo contrario implica jugar a la bola de cristal. Es decir, si no validamos nuestros resultados, ¿cómo saber si son realmente buenos?
La incursión de metodologías agile en el sector tecnológico ha sacado los colores a aquellos que contaban en años de experiencia sus procesos de producción de proyectos digitales. Pero en esa búsqueda de acortar al extremo el time to market es posible que nos hayamos pasado de frenada. Quizá el coqueteo y posible emparejamiento del mundo de los servicios y proyectos digitales con el universo científico permita por fin asumir como necesaria esa pausa y reflexión que desechamos hace algún tiempo por una (falsa) prisa autoimpuesta.
Así, empresas como Apple reclutan psicólogos para resolver “deficiencias funcionales” de productos como Siri mientras que el Gobierno de UK y otros tantos países o empresas privadas como BBVA incorporan científicos en Behavioral Economics y análisis de datos para facilitar la comprensión y la modificación del comportamiento de los usuarios.
Está claro que estamos asistiendo al nacimiento de algo que puede convertirse en una nueva ola en metodología y procesos de trabajo.
¿Ya tienes tu tabla preparada? 😉
Si quieres más, mira esta charla de Ujué en el pasado Open Biko sobre Research científica vs. Research UX:
