#cienciaGTD: Los fundamentos científicos de GTD

Cuando David Allen publicó «Getting Things Done» en 2001, lo hizo a partir de los aprendizajes que había obtenido empíricamente despues de años de experiencia trabajando en la mejora de la productividad personal. Unos años más tarde, en 2008, cuando GTD^® era ya una metodología asentada y mundialmente reconocida, dos investigadores europeos, Francis Heylighen y Clément Vidal, publicaron un paper titulado «Getting Things Done: The Science behind Stress-Free Productivity». El objeto de dicho paper era cubrir las lagunas existentes en la literatura científica con relación a la productividad del trabajo del conocimiento y sus principales aportaciones han sido recientemente comentadas por el propio Allen en la edición 2015 de su bestseller.

En próximas entradas, mi intención es compartir aquí las ideas clave contenidas en el paper, ofeciendo también mi propio punto de vista y mi experiencia sobre ellas en los casos en que tenga sentido. Todas estas entradas comenzarán con el hashtag #cienciaGTD que encabeza el título de este post. Te dejo a continuación mi resumen personal de la introducción al paper de Heylighen y Vidal.

La complejidad creciente que caracteriza los entornos VUCA en los que vivimos está dejando obsoletas, a ritmo acelerado, muchas de las teorías y prácticas que, hasta hace relativamente poco tiempo, resultaban ser útiles.

El trabajo del conocimiento del que Drucker habló por primera vez en la segunda mitad del siglo XX se caracteriza, en gran parte, por ser un trabajo profundamente dependiente de la información, un elemento de naturaleza radicalmente distinta a la de las «materias primas» que tradicionalmente han ido asociadas al concepto «trabajo». A pesar de los años transcurridos desde entonces, los avances en el campo del trabajo del conocimiento son todavía escasos y, sobre todo, poco conocidos y aún menos aplicados. Este desconocimiento es especialmente amplio en lo que atañe al procesado de los flujos de información entrante.

Algunos aspectos del procesado humano de la información, como por ejemplo la toma de decisiones, la planificación de proyectos y la resolución de problemas, han sido estudiados en detalle. Sin embargo, las teorías correspondientes formuladas en su día sirven de poco a la hora de abordar el problema del exceso de información, ya que se han desarrollado dando por supuesto que siempre existe un rango finito de posibilidades de entre las cuales se puede elegir la mejor posible. Este supuesto se conoce como «paradigma de la optimización».

Sin embargo, en un entorno en el que aparece nueva información cada minuto, tanto las opciones relevantes como los criterios de decisión están sujetos a constante cambio. Esto hace que las metodologías formales de optimización resulten básicamente inservibles en el día a día del trabajo del conocimiento, ya que la racionalidad está «limitada» por la información con la que se cuenta en cada momento, de tal forma que nunca existe la certeza de contar con «toda» y «la más actualizada» información que sería necesaria para poder elegir de manera óptima según los modelos clásicos.

Consecuencia de lo anterior, la mayoría de las personas sigue, en la práctica, una estrategia de toma de decisiones oportunista, es decir, elige la que parece mejor de entre las opciones existentes en un momento dado pero permanenciendo dispuesta a cambiar si aparece nueva información que haga que la mejor opción pase a ser otra distinta de la inicialmente elegida. El problema es que esta forma de elección produce una enorme falta de enfoque, que a su vez se traduce en que las personas no sepan realmente qué intentar conseguir ni qué hacer, o qué no hacer, para logarlo. Por si fuera poco, el bombardeo permanente con nuevas informaciones hace que los planes, decisiones o datos relevantes previos a la llegada de dichas informaciones sean a menudo olvidados o descartados, dando frecuentemente lugar a un sentimiento de culpa.

Las metodologías surgidas en las últimas dos décadas del siglo XX comparten un error común: intentar solucionar los problemas característicos del trabajo del conocimiento dentro del «paradigma de la optimización», característico del trabajo tradicional. Consecuencia de este enfoque erróneo, proponen la formulación de objetivos y prioridades (criterios de optimización) para posteriormente ordenar las distintas tareas en función de a) cuánto contribuyen a dichos objetivos y prioridades y b) cuánto tiempo, esfuerzo u otros recursos van a requerir. A partir de ahí, la recomendación es enfocarse en las tareas que maximizan la contribución a los objetivos y prioridades definidos a la vez que minimizan el consumo de recursos.

Aunque la estrategia anterior pueda parecer evidente, comete el grave error de ignorar el hecho fundamental de que, en el trabajo del conocimiento, tanto las prioridades como los recursos están sujetos a constante cambio ya que la información, a diferencia de los recursos materiales, no es una cantidad estática sino que puede aparecer (ser descubierta o comunicada) o desaparecer (quedar obsoleta) en cualquier instante.

Paradójicamente, aplicar el «paradigma de la optimización» al trabajo del conocimiento, además de ser inútil para la mejora de la efectividad, da lugar a un grave efecto secundario, que es el de aumentar los niveles de estrés en lugar de reducirlos, debido a que las personas dejan de hacer lo que habían decidido hacer al aparecer nuevas informaciones imprevistas que cambian las prioridades y los recursos, lo que les genera el sentimiento de culpa antes mencionado a la vez que una gran desorientación, por no poder fiarse ni de sus propias decisiones, a pesar de ser decisiones supuestamente «óptimas».

La aparición de GTD supone el primer intento serio de resolver el problema desde un nuevo paradigma. Veremos cómo y por qué en futuros posts.

Entradas relacionadas:

1. #GTD4Mgrs: El Nuevo Liderazgo se llama Efectividad
2. #GTD4Mgrs: Productividad Personal como Competencia Directiva
3. GTD es Para No Hacer