La empresa promedio Fortune 1000 tiene más de 30.000 empleados y equipos de ingeniería, ventas y marketing con cientos de miembros. Hay equipos igualmente grandes en organizaciones gubernamentales, científicas y de defensa. Y, sin embargo, las investigaciones muestran que el tamaño ideal para una conversación productiva en tiempo real es sólo alrededor de 4 a 7 personas.
La razón es simple: a medida que los grupos crecen, cada persona tiene menos oportunidad de hablar y deben esperar más para responder, lo que aumenta su frustración porque sus opiniones no son suficientemente consideradas. Esto es cierto ya sea que los grupos colaboren en persona, a través de video o teleconferencia, o incluso a través de chat de texto (que entierra a los usuarios en una acumulación de mensajes que reducen la participación y dificultan la deliberación).
En pocas palabras, conversaciones productivas en equipo no subas.
Entonces, ¿qué haces si tienes un equipo grande y quieres aprovechar su conocimiento, sabiduría, visión y experiencia? Para muchas organizaciones la única opción es recurrir a encuestas, sondeos o entrevistas. Esto capturará datos sobre las perspectivas individuales, pero nadie “se sentirá escuchado” cuando el proceso termine y rara vez se encontrarán soluciones ideales.
Esto se debe a que las encuestas, las encuestas y las entrevistas no son instrumentos deliberativos. No hay intercambio de ideas mientras los miembros del equipo debaten temas, brindan razones y justificaciones, presentan argumentos y contraargumentos y, en última instancia, convergen en soluciones en virtud de sus méritos deliberativos. Las encuestas tratan a las personas como si estuvieran demasiado simplificadas puntos de datosmientras que las conversaciones interactivas tratan a las personas como consideró procesadores de datos. Esta diferencia es profunda.
He estado estudiando esta cuestión durante más de una década y estoy convencido de que la mejor manera de desbloquear el verdadera inteligencia colectiva de grandes equipos es a través de conversaciones auténticas en tiempo real y a escala. Me refiero a debates reflexivos en los que docenas de personas pueden intercambiar ideas, establecer prioridades y hacer pronósticos juntos, convergiendo en última instancia en soluciones que realmente aprovechen su conocimiento, sabiduría y visión combinados.
Pero las conversaciones son imposibles de escalar, ¿verdad?
Incorrecto: en los últimos años, las nuevas tecnologías de las comunicaciones, IA de hiperchatsurgió. Permite que equipos grandes y distribuidos mantengan debates productivos en los que pueden debatir temas, intercambiar ideas, priorizar alternativas, proporcionar argumentos y contraargumentos, y de manera eficiente encontrar soluciones.
Inspirada en grandes sistemas naturales, Hyperchat AI combina los principios biológicos de Inteligencia de enjambre con el poder emergente de los agentes de IA. Funciona dividiendo cualquier grupo grande en red en un conjunto de subgrupos pequeños e interconectados, cada uno de ellos dimensionado para conversaciones reflexivas en tiempo real a través de texto, voz o video. El ingrediente mágico es un enjambre de agentes de IA llamados “sustitutos conversacionales” que participan en cada discusión local y trabajan para conectar todos los subgrupos en una única deliberación coherente.
Con Hyperchat AI, grupos de cualquier tamaño pueden debatir temas, discutir ideaspriorizar opciones, resultados previstos y resolver problemas en tiempo real. Y funciona: las investigaciones muestran que cuando equipos grandes hablan de esta manera, convergen en soluciones más inteligentes, más rápidas y más precisas. En un estudio en el que participé personalmente, grupos conectados por Hyperchat AI amplificó su coeficiente intelectual colectivo al percentil 97.
En otro estudioRealizado en colaboración con la Universidad Carnegie Mellon, grupos de 75 personas que hablaron utilizando la tecnología Hyperchat AI dijeron que se sentían más colaborativos, productivos y escuchados en comparación con las estructuras de comunicación tradicionales como Microsoft Teams, Google Meet o Slack. ellos también sintieron mayor adherencia a las soluciones que surgieron.
Para probar las virtudes de Hyperchat AI en un formato divertido y oportuno, le pedí al equipo de investigación de Unanimous AI (desarrollador de Thinkscape, la plataforma que utiliza Hyperchat AI) reunir a 100 miembros del público que vieron el Super Bowl este domingo y debatir. ¿Qué anuncio del Super Bowl fue el más eficaz y por qué?
Sé que este no es un tema de gran importancia social, pero el Super Bowl está entre los eventos más vistos en el mundo, tanto por el espectáculo deportivo como por la publicidad. Este año, un comercial de 30 segundos costó entre 8 y 10 millones de dólares, sin incluir los costos de producción. Con este nivel de inversión todas las marcas buscan destacarse, pero sólo unas pocas lo logran.
Así que reunimos a 110 miembros aleatorios del público (su única calificación fue que habían visto el Super Bowl) y les pedimos que discutieran y debatieran los anuncios. Durante el juego se mostraron sesenta y seis anuncios únicos. ¿Alguno de ellos se destacó fuertemente por encima del resto y, de ser así, por qué ¿Fue igual de efectivo?
Los 110 participantes se dividieron en 24 subgrupos, cada uno con 4 o 5 humanos y un único agente de IA. A cada agente se le asignó la tarea de observar su subgrupo, identificar ideas clave en tiempo real y luego comparta estos conocimientos con agentes de IA en otros subgrupos. Cuando los agentes recibieron estos conocimientos externos, participaron en la conversación local y expresaron sus conocimientos como miembros del grupo. Este proceso entrelaza todas las deliberaciones en una única conversación en tiempo real que fluye sin problemas y converge al unísono.
En total, los 110 participantes humanos sugirieron 54 anuncios diferentes para su consideración y dieron con una respuesta decisiva en solo 10 minutos de discusión hiperconectada. Y, a medida que los agentes de IA rastrearon la dinámica de los 24 debates locales, en el instante en que terminó la conversación, el sistema generó una lista ordenada de los 54 anuncios basada en el apoyo conversacional de toda la población.
Aquí están los diez primeros identificados por los participantes deliberantes:
Como puedes ver, el anuncio de Pepsi que utilizó el oso polar de Coca-Cola fue considerado el más efectivo de la noche por un amplio margen. De hecho, el sistema Thinkscape informó que este era un resultado estadísticamente significativo para una población de consumidores seleccionada al azar (p<0,01).
Además, el sistema rastrea automáticamente las razones que surgen en cada subgrupo y las reacciones a esas razones (ya sea que influyeron en las opiniones de otros, inspiraron contraargumentos o ambos). Esto permite que el sistema produzca instantáneamente una descripción general deliberativa de cada anuncio producido, evaluando por qué el grupo vio cada anuncio como lo hizo.
Aquí está el razonamiento generado instantáneamente para el anuncio del Oso Polar:
“Nuestra perspectiva colectiva es que el anuncio más efectivo del Super Bowl 2026 fue el anuncio de Pepsi sobre los osos polares. Creemos que fue efectivo debido a su humor, uso inteligente de los osos polares, ataque a Coca-Cola, memorabilidad, elementos nostálgicos, amplio atractivo, enfoque en el producto y capacidad para iniciar conversaciones. Si bien algunos de nosotros lo criticamos por centrarse en una rivalidad, la gran mayoría sintió que capturó con éxito la esencia de un anuncio clásico del Super Bowl”.
Para que conste, el equipo de IA unánime también pidió a este colectivo en tiempo real que considerara una pregunta de seguimiento: ¿Qué anuncio del Super Bowl fue menos efectivo y por qué? Esto es lo que informó el sistema luego de 10 minutos de deliberación:
“Nuestra perspectiva colectiva es que el peor anuncio del Super Bowl de 2026 fue el anuncio de Coinbase. Descubrimos que carecía de claridad, con mensajes confusos y una falla en explicar el producto de manera efectiva. Además, muchos consideraron que el anuncio era irritante, desagradable y de bajo esfuerzo, con poca promoción del producto y una desconexión de los servicios de Coinbase. En general, no logró generar confianza y fue desagradable para muchos espectadores”. Nota: La selección de este anuncio fue un resultado estadísticamente significativo (p<0,01) en toda la población.
Nuevamente, este fue solo un ejemplo divertido para involucrar al público, no una deliberación importante de gran importancia. Dicho esto, he observado grandes grupos, desde analistas de grandes instituciones financieras hasta científicos del Departamento de Energía, discutiendo cuestiones importantes utilizando esta tecnología, y en todos los casos los grupos parecen converger con mayor velocidad, precisión y aceptación.
Para obtener una descripción general de los estudios académicos sobre Hyperchat AI, consulte este artículo reciente.
Louis Rosenberg obtuvo su doctorado en la Universidad de Stanford, fue profesor en la Universidad Estatal de California (Cal Poly) y ha recibido más de 300 patentes por su trabajo en interacción persona-computadora, inteligencia artificial e inteligencia colectiva.
