Un informe se resume en segundos. Un correo difícil sale en tres versiones. Una propuesta comercial aparece con estructura, tono y cierre antes de que termine el café. La IA generativa ha reducido el tiempo de muchas tareas cognitivas, y eso cambia algo más profundo que la productividad: cambia dónde está el valor.

Durante años, gran parte del prestigio profesional se apoyó en tres cosas bastante claras: saber mucho, ejecutar con solvencia y responder deprisa. Nada de eso ha dejado de importar. Pero empieza a quedarse corto en trabajos donde una primera versión ya no exige tanto esfuerzo como antes. Si producir se abarata, lo que gana peso es otra capa menos visible: definir bien el problema, cuestionar el marco y distinguir entre una tarea urgente y una pregunta mal planteada.

Antes esta nueva realidad cobra relevancia el pensamiento lateral, un concepto que Edward de Bono popularizó en los años 60. No como una extravagancia creativa para talleres de innovación, sino como una herramienta muy concreta para el trabajo real. Su utilidad no está en tener ocurrencias brillantes, sino en detectar supuestos que nadie está revisando. En ver que a veces el atasco no está en la falta de velocidad, sino en seguir empujando un proceso que ya no tiene demasiado sentido.

La IA multiplica respuestas; el pensamiento lateral decide qué preguntas merece la pena hacer.

Pensamiento lateral no es improvisar: es cambiar el marco antes de optimizarlo

El pensamiento vertical —el más habitual en entornos académicos y profesionales— avanza de forma secuencial. Ordena datos, delimita variables, descarta ruido y busca la mejor respuesta posible dentro de un marco conocido. Es imprescindible. Sin esa capacidad no se cierran proyectos, no se toman decisiones y no se convierten las ideas en algo útil.

Pensar lateralmente no significa lanzar ideas extravagantes para parecer original. Tampoco consiste en despreciar el análisis riguroso o actuar por intuición sin método. Es, más bien, una forma de explorar soluciones no obvias cuestionando la estructura inicial del problema. Antes de resolver, se cuestiona si el problema está bien formulado. Antes de mejorar un proceso, examina si ese proceso sigue teniendo sentido. Antes de aceptar una restricción, comprueba si es real o heredada. No acelera la respuesta: desplaza el punto de vista.

La diferencia parece pequeña hasta que aterriza en el día a día. No es lo mismo preguntar “¿cómo hacemos este proceso más eficiente?” que “¿por qué seguimos haciendo este proceso?”. No es lo mismo “¿cómo conseguimos más reuniones comerciales?” que “¿el cuello de botella está en captar o en que la propuesta no se entiende?”. No es lo mismo “¿cómo usamos IA para producir más contenido?” que “¿qué contenido merece existir y cuál estamos publicando por inercia?”.

El pensamiento lateral no sustituye al analítico. Lo antecede y lo complementa. Primero abre posibilidades; después las somete a criterio. Primero desafía el encuadre; después decide. El problema es que muchas culturas de trabajo han recortado esa primera fase porque parece improductiva. Se valora la respuesta rápida, no siempre la pregunta incómoda que evita meses de trabajo mal orientado.

Por qué esta habilidad gana valor justo ahora

La conversación sobre IA suele centrarse en la velocidad. Redacta, resume, ordena, propone, corrige, sintetiza. Todo eso es cierto. Pero el cambio más relevante no está solo en que haga tareas antes lentas, sino en que desplaza el cuello de botella.

Si antes el coste principal estaba en producir una primera versión, ahora ese coste cae. Y cuando cae, aparece con más nitidez otra escasez: el criterio para decidir qué merece desarrollarse, qué problema conviene atacar y qué caminos no llevan a ninguna parte.

Dicho de otra forma: cuando las respuestas plausibles abundan, se vuelve más valiosa la capacidad de formular preguntas menos obvias.

Ese desplazamiento tiene consecuencias prácticas. Una herramienta como ChatGPT puede generar diez enfoques razonables para una campaña, un plan de acción o una propuesta interna. Lo difícil ya no es obtener opciones. Lo difícil es saber si esas opciones responden a la necesidad real o solo refinan una premisa equivocada.

Ahí está el punto ciego de mucho entusiasmo tecnológico. Se habla bastante de prompts y menos de marcos mentales. Mucho de pedir mejor y poco de pensar mejor. Pero una IA trabaja sobre patrones plausibles. Si recibe una pregunta previsible, tenderá a devolver una respuesta previsible: correcta, limpia, funcional y, con frecuencia, bastante promedio.

La paradoja es interesante. La misma herramienta que puede ampliar el campo de exploración también puede estrecharlo si se usa para confirmar lo primero que parecía razonable. No porque limite la creatividad por sí sola, sino porque invita a dar por buena la primera formulación del problema. Y muchas veces el error empieza ahí.

El trabajo recompensa respuestas correctas, pero los cambios importantes empiezan antes

La mayoría de trayectorias profesionales se construyen aprendiendo a responder bien. La escuela, la universidad y buena parte de las empresas están diseñadas para eso: identificar lo relevante, aplicar un procedimiento y llegar a una solución aceptable dentro de un marco dado.

Ese entrenamiento produce perfiles eficaces. También puede producir una cierta obediencia al problema tal y como llega. Se aprende a resolver, no siempre a discutir la formulación.

Por eso muchas organizaciones mejoran sistemas sin revisar si el sistema merece seguir igual. Optimizan reuniones que quizá sobran. Automatizan reportes que nadie lee. Afinan procesos pensados para un tamaño, un mercado o una estructura que ya no existen. La mejora incremental tiene valor, claro. El problema aparece cuando se convierte en reflejo.

En entornos muy jerárquicos, cuestionar supuestos puede interpretarse como una molestia. En contextos muy orientados al corto plazo, reformular parece una pérdida de tiempo. En equipos agotados, la imaginación se vuelve un lujo. Y, sin embargo, una parte importante de las ineficiencias persistentes no se resuelve trabajando más rápido, sino dejando de aceptar como inevitables reglas que nadie ha revisado en años.

Pensemos en una situación bastante común. Un equipo llega saturado a final de trimestre y la conclusión inmediata es que necesita automatizar más tareas. Puede ser verdad. Pero también puede ocurrir que el problema real esté en duplicidades, en reuniones que sustituyen decisiones, en validaciones innecesarias o en un modelo de reporting heredado de otra etapa de la empresa. Si la única pregunta es “¿cómo automatizamos esto?”, la IA ayudará a automatizar. Si la pregunta pasa a ser “¿qué parte de este trabajo no debería existir?”, la conversación cambia por completo.

Y esa segunda conversación, aunque menos cómoda, suele acercarse más al ahorro real de tiempo, energía y dinero.

Cómo detectar que estás resolviendo bien el problema equivocado

No hace falta trabajar en innovación ni dirigir equipos para notar cuándo falta pensamiento lateral. Hay señales bastante reconocibles.

La primera es repetir soluciones conocidas aunque lleven tiempo dando resultados mediocres. La segunda, confundir rapidez con claridad: producir mucho, decidir deprisa y revisar poco el planteamiento inicial. La tercera, aceptar sin discusión la definición del problema que llega de un cliente, un superior o una costumbre interna. La cuarta, descartar ideas demasiado pronto con frases del tipo “eso aquí no se puede”, sin distinguir entre una limitación real y una inercia cultural.

Hay otra pista especialmente útil: cuando todas las conversaciones giran en torno a la eficiencia, pero casi ninguna toca la utilidad. Cómo hacerlo más rápido, más barato, más escalable. Mucho menos si merece la pena hacerlo, para quién, con qué efecto o si existe una vía completamente distinta para lograr el mismo objetivo.

La IA puede intensificar este sesgo porque da una sensación inmediata de avance. Como genera algo enseguida, parece que ya se ha pensado. Y no siempre. A veces solo se ha acelerado una premisa defectuosa.

Muchas veces no hace falta una solución mejor, sino una pregunta menos torpe.

Cinco formas concretas de entrenar el pensamiento lateral en el trabajo

La buena noticia es que esta habilidad no depende de un talento misterioso reservado a perfiles “creativos”. Se puede practicar. No exige convertirse en gurú de nada, sino introducir ciertos hábitos en la forma de analizar problemas y tomar decisiones.

Reformula la pregunta al menos tres veces

La primera formulación de un problema suele estar demasiado pegada a la superficie. Por eso conviene obligarse a escribir varias versiones antes de buscar una solución.

Por ejemplo:

• “¿Cómo entregamos este proyecto antes?”
• “¿Qué parte del proyecto aporta menos valor y podría recortarse?”
• “¿Estamos prometiendo un formato equivocado?”
• “¿Qué pasaría si el plazo no fuera negociable pero el entregable sí?”

Este ejercicio obliga a separar el objetivo del formato, la necesidad de la costumbre y la urgencia de la importancia. Muchas veces no falta capacidad para resolver; falta una pregunta mejor planteada.

Invierte el problema para ver sus fallos con más claridad

Es una técnica simple y sorprendentemente eficaz. En lugar de preguntar cómo mejorar algo, pregúntate primero cómo lo empeorarías deliberadamente.

Si quieres mejorar la atención al cliente, prueba con esto: “¿cómo diseñaríamos una experiencia insoportable?”. Probablemente aparezcan tiempos de espera eternos, respuestas copiadas, información contradictoria, pasos inútiles y un lenguaje frío. Después basta con mirar el proceso real para comprobar cuántos de esos elementos ya están presentes, aunque aparezcan maquillados por la rutina.

La inversión también sirve para la gestión personal. En vez de “¿cómo ser más productivo?”, prueba con “¿cómo garantizar un burnout impecable en seis meses?”. Si la lista incluye revisar mensajes a todas horas, aceptar cualquier urgencia y trabajar sin límites claros, el diagnóstico empieza a tomar forma.

Busca analogías fuera de tu sector

Muchas soluciones interesantes nacen al trasladar una lógica de un campo a otro. Preguntarse cómo resolvería un problema alguien de urgencias, de un hotel, de un museo o de un estudio de videojuegos puede parecer un rodeo. A menudo no lo es.

Cada sector desarrolla obsesiones útiles. Un hotel piensa en fricción y experiencia. Urgencias distingue entre lo importante y lo que solo hace ruido. Un museo diseña recorridos. Un videojuego entiende cómo sostener la atención sin saturar. No se trata de copiar literalmente, sino de trasladar principios.

Es un buen antídoto contra la especialización cerrada, que da profundidad pero a veces estrecha el campo visual.

Separa la ideación de la evaluación

Una de las formas más rápidas de bloquear el pensamiento lateral es mezclar la generación de ideas con su juicio inmediato. Si cada propuesta nace acompañada de un “eso no es viable”, el cerebro aprende a no salir del carril.

Una regla sencilla puede cambiar bastante la calidad de una sesión de trabajo: dedicar 15 minutos a producir opciones sin discutirlas y otros 15 a evaluarlas con criterios claros. Parece básico, pero funciona porque da permiso temporal a las ideas para ser incompletas antes de exigirles utilidad.

Esto vale también al trabajar con IA. Primero conviene pedir amplitud: enfoques, escenarios, marcos alternativos, objeciones. Después llega el filtro: coste, tiempo, impacto, riesgo, viabilidad política. Si se mezclan ambas fases desde el principio, lo habitual es obtener respuestas prudentes y convencionales.

Introduce restricciones artificiales

Puede sonar contradictorio, pero las restricciones bien elegidas suelen abrir más pensamiento del que cierran. “¿Cómo lo haríamos con la mitad de presupuesto?” “¿Y si no pudiéramos usar presentaciones?” “¿Y si hubiera que explicarlo en tres frases?” “¿Y si este servicio tuviera que funcionar para alguien que nunca ha usado una app?”

La ausencia total de límites abruma. Una restricción concreta obliga a abandonar la solución automática y buscar rutas menos obvias. Muchas ideas útiles no nacen de tener más recursos, sino de dejar de depender de la respuesta de siempre.

Cómo usar la IA para ampliar el pensamiento, no para volverlo previsible

Aquí está la parte más práctica. La IA puede funcionar como una muleta mental o como una herramienta para ensanchar el campo de análisis. La diferencia está en el tipo de conversación que se plantea.

Un uso pobre consiste en pedir directamente: “hazme una estrategia”, “dame ideas”, “redáctame esto”. El resultado puede ser perfectamente funcional. A veces incluso bueno. Pero si el proceso termina ahí, la herramienta se reduce a un generador de primeras capas.

Un uso más interesante consiste en emplearla para tensionar el problema, no solo para rellenarlo.

Preguntas útiles pueden ser estas:

• “¿Qué supuestos estoy dando por hechos en este planteamiento?”
• “Reformula este problema desde el punto de vista de un cliente, un competidor y alguien que nunca usaría este producto.”
• “Dame cinco enfoques opuestos entre sí, no cinco variantes de la misma idea.”
• “¿Qué parte de esta propuesta parece razonable pero quizá está mal planteada?”
• “¿Qué haría un equipo con la mitad de recursos?”
• “¿Qué analogías útiles ves con sectores que no tienen relación aparente?”

La diferencia no es menor. Ya no se le pide solo contenido, sino fricción. Ya no se usa para confirmar la primera intuición, sino para ampliar el espacio de posibilidades.

Aun así, conviene no atribuirle más de lo que puede dar. La IA no sufre las consecuencias de una mala decisión, no entiende del todo la política interna de un equipo y no siempre detecta qué restricciones son técnicas, cuáles culturales y cuáles responden a intereses concretos. Por eso el pensamiento lateral humano sigue siendo decisivo: no solo abre opciones, también discrimina cuáles merece la pena explorar y cuáles son solo fuegos artificiales.

El valor profesional se mueve hacia el criterio, no solo hacia la ejecución

Existe la idea de que el futuro del trabajo premiará sobre todo a quien domine mejor las herramientas. Es una verdad parcial. Saber utilizarlas será importante, igual que hoy lo es manejar una hoja de cálculo o escribir con claridad. Pero ese conocimiento se normaliza rápido.

Lo que tarda más en normalizarse es otra combinación: criterio, imaginación estratégica, capacidad de conectar dominios y disposición a cuestionar el encuadre inicial. Son habilidades menos visibles, más difíciles de medir y bastante menos cómodas que aprender una herramienta nueva.

También son habilidades que no siempre resultan simpáticas. Pensar lateralmente puede retrasar decisiones rápidas. Obliga a admitir que quizá se ha estado resolviendo mal el problema durante meses. Descoloca a quien confunde autoridad con tener siempre clara la ruta. Pero es una de las pocas defensas reales contra el trabajo automático en el peor sentido: ese que se hace por inercia, con o sin tecnología de por medio.

La IA puede redactar propuestas, resumir reuniones, generar escenarios y acelerar prototipos. Todo eso tiene valor. Pero sigue haciendo falta alguien capaz de mirar el mapa y plantear una duda incómoda: quizá no vamos tarde; quizá vamos en la dirección equivocada.

Ese gesto, que parece pequeño, puede ahorrar más horas que muchas automatizaciones. Y quizá preserve algo todavía más importante: la sensación de que la inteligencia no se está dedicando solo a perfeccionar mecanismos que nadie se ha detenido a revisar.

Pensar lateralmente no consiste en ser brillante en una tormenta de ideas. Consiste en no aceptar que el primer marco sea el único posible. En una época que fabrica respuestas a velocidad industrial, una de las habilidades más útiles puede ser precisamente esa: parar un momento, mirar el problema desde otro ángulo y hacer la pregunta que cambia el trabajo que viene después.