Un bloguero que comparte conocimiento relató su experiencia. En 2019, se propuso leer 100 libros al año. Al final, leyó entre 60 y 70.
Tiempo después, su antiguo jefe le dio un consejo: “No es que te falte comprensión; es que te sobra. Tienes que ponerte a hacer cosas”. Desde entonces, lee menos y trabaja más.
Cuando leí esto, sentí que describía el estado de mucha gente.
Has leído los libros y tomado notas. Cuando hablas de las ideas del libro, todo te suena familiar. Pero cuando de verdad tienes que usar esas cosas para resolver un problema, a la tercera frase ya no puedes continuar.
Cuando lees, es fácil asentir con la cabeza. Un libro tiene sentido, otro artículo tiene sentido. Incluso dos posturas opuestas pueden parecer razonables si las pones juntas. Eso es porque leer no te obliga a elegir una en el momento.
Producir te obliga a elegir.
Escribir un artículo, hacer un PPT o preparar una clase se siente igual. Antes de empezar, crees que ya lo tienes claro en la cabeza. Cuando empiezas de verdad, te das cuenta de que la segunda y la tercera parte no conectan, los ejemplos no demuestran la conclusión y hay varios términos comunes que ni siquiera puedes definir con claridad.
No es un problema de expresión. Es que todavía no lo has pensado del todo.
También conozco a un profesor de escritura. Hizo un experimento de escritura con IA: quería que la IA imitara su estilo. Primero escribió un conjunto de prompts de sistema, hizo que la IA generara una gran cantidad de texto y luego fue señalando los defectos frase por frase.
Cada vez tenía que responder tres preguntas: qué frase era mala, por qué era mala y en qué circunstancias se podía escribir de esa manera. Cada ronda de retroalimentación se incorporaba a la siguiente versión de las reglas.
Después de más de un mes, escribió: “En este proceso, el que se estaba entrenando no era la IA; era yo”.
Porque en un principio sabía lo que no le gustaba, pero no podía expresar los criterios con claridad. Solo cuando la IA generaba el texto podía señalar los problemas. Señalarlo una vez no bastaba; tenía que explicar por qué. A medida que esos comentarios se acumulaban, un conjunto de criterios que antes estaban ocultos en el hábito se fue convirtiendo poco a poco en reglas que podían enunciarse.
Esto es lo que hace la producción.
Convierte el “más o menos lo sé” en algo que se puede examinar. Solo cuando un artículo está escrito, los demás pueden señalar lo que no entienden. Solo cuando un producto está hecho, los usuarios pueden decirte en qué parte no quieren usarlo. Solo cuando un plan de investigación está escrito, un mentor puede ver dónde se rompe tu cadena causal.
La retroalimentación negativa solo se vuelve útil en ese punto.
Un amigo del mundo de los negocios me dijo una vez que la retroalimentación negativa, a nivel de información, es positiva. La caída de ingresos, los malos datos y la oposición de los demás, al menos indican que hay algo que requiere atención.
Pero la retroalimentación no hace que la gente progrese automáticamente.
Si alguien dice que un artículo es incomprensible, puedes sentir que el nivel del lector es insuficiente. Si nadie usa un producto, puedes seguir explicando que el mercado no lo entiende. Mientras la conducta no cambie, la retroalimentación es solo otra noticia incómoda.
Entonces, el foco de la producción no es la acción puntual de “publicar”. Incluye hacer algo, recibir retroalimentación, juzgar si esa retroalimentación es correcta y luego decidir qué cambiar.
Cada paso de este proceso obliga al autor a elegir por sí mismo.
Esto también explica por qué publicar a diario no forja necesariamente el criterio.
Algunas personas publican contenido de forma continua durante uno o dos años, pero cuando miras sus artículos en conjunto, siguen siendo las mismas frases. Cambia a un problema específico y el contenido original no puede responderlo. Uno de mis estudiantes propuso una prueba: meter todo el contenido que una persona ha producido en el pasado en una base de conocimientos de IA y ver si esa base puede responder preguntas específicas.
Me parece que esa es una gran prueba.
Si metes cientos de artículos y la base solo genera palabras correctas pero inútiles, la cantidad de artículos es grande, pero no hay mucho criterio dentro. Si puede responder una pregunta específica y aportar casos pasados, condiciones y distintas opciones, demuestra que esa persona realmente dejó algo atrás.
Por eso, no estoy de acuerdo con la frase “produce en grandes cantidades y eventualmente cambiarás tu destino”.
Sin una entrada constante, la producción se vuelve rápidamente vacía. Sin hechos, casos y experiencias nuevas, solo puedes usar una y otra vez los criterios que ya tienes formados. Tengo un familiar que escribe todo el tiempo, y tiene una observación: a algunas personas no las vacía la producción porque su velocidad de entrada de información es mayor que su velocidad de salida.
Esa “entrada” no se refiere solo a leer libros. Hacer proyectos, reunirse con clientes, manejar fracasos y conversar con otros también suman material. Cuando una persona ha vivido y manejado más cosas de verdad, lo que escribe tiene detalles de forma natural. Sin esas cosas, confiar solo en aumentar la frecuencia de publicación pronto vacía la escritura.
Leer y producir no se excluyen mutuamente.
La lectura aporta conceptos, hechos y experiencias de otros. Producir te exige reorganizar ese material y aportar tus propias relaciones de causa y efecto. La retroalimentación te permite ver si ese conjunto de explicaciones sigue sosteniéndose ante los demás. La revisión deja la decisión final.
Desde la aparición de la IA, estos pasos se han vuelto más nítidos.
En el pasado, no poder escribir podía deberse a falta de capacidad de organización o a que escribías demasiado lento. Ahora, generar un artículo estructuralmente completo no es difícil. Títulos, casos y conclusiones pueden estar todos ahí. Por lo tanto, “escribirlo” en sí mismo ya no demuestra tanto la habilidad como antes.
Lo que de verdad marca la diferencia es qué materiales le diste a la IA, qué eliminaste, qué hechos agregaste y, por último, qué criterio conservaste.
La IA puede generar diez versiones. No puede decidir por ti con qué punto de vista estás de verdad de acuerdo, qué ejemplo resiste el escrutinio y qué frase estás dispuesto a firmar con tu nombre.
Esa decisión todavía tienes que tomarla tú.
Lo que produces no tiene que ser público. Notas de investigación, código, borradores no publicados y esquemas de cursos pueden completar este ciclo de procesamiento. La clave es si, al terminar, tienes más claro el problema que cuando empezaste.
Si no, solo cambiaste el formato del material.
Si es así, la lectura finalmente empieza a convertirse en tu criterio.
