Homonimia y sinonimia, los dos males de la ciencia del management que impide a la IA dar resultado útiles

(contenido creado a finales de 2025, no sé lo bien o mal que envejecerá este post)

Con frecuencia, mis colegas investigadores me preguntan sobre qué plataforma de IA les recomiendo que pueda dar buenas respuestas a preguntas científicas/profesionales. Me ponen por ejemplo que los profesionales de medicina usan cosas como OpenEvidence ; Search – Consensus: AI Search Engine for Research ; Elicit: AI for scientific research

Mi opinión en estos momentos, basada en los experimentos que llevo haciendo desde hace un par de años (experimentos informales, no del todo sistemáticos, y sobre todo centrados en los temas o asuntos que me interesan a mí en mi día a día como investigador, docente y consultor), es que no hay nada en nuestro campo que aporte resultados “decentes” (que sean útiles, ciertos o que no tengan un sesgo tremendo en la respuesta).

Tanto OpenEvidence como Consensus, Elicit y similares solo aciertan (cuando aciertan) con literatura de ciencias de la salud.

Los motivos son claros para mí. Primero el modo que esas comunidades difunden su ciencia:

    • El tipo de artículos e investigaciones que hacen
    • Lo específicos que son al emplear términos y la estricta nomenclatura que usan (nunca emplean el término “dolor de cabeza”, usan, por ejemplo, cefalea tensional, neuralgia o migraña…, y cada uno es diferente de los otros)
    • El consenso en la reutilización de instrumentos de medida que se han demostrado válidos y fiables
    • y la tradición en “medicina basada en evidencia” que tienen (que igual es el origen de todo lo anterior)

Eso les permite que la IA pueda sacar resultados interesantes.

Además, aunque ya más tangencialmente, el conjunto de documentos con el que se ha entrenado el modelo (que claramente está sesgado a esas ciencias, porque entiendo que es donde más negocio pueden hacer los que venden esas plataformas).

Sin embargo, en el caótico mundo de la investigación en Management, donde cada uno pone el nombre que le da la gana a las “cosas” y midiéndolo cada vez de una forma distinta, el resultado es que una misma palabra significa cosas distintas en distintos artículos (homonimia) y, al mismo tiempo, las mismas cosas se nombran con palabras completamente diferentes (sinonimia).

No sé si resolviendo esto resolveríamos completamente el problema, pero habríamos dado un paso de gigantes para poder hacer una extracción sistemática a gran escala del enorme conocimiento que se ha ido generando en el área y que, de momento, está enmarañado.

Visitas: 15

Bienestar del trabajador ¿cuánto y cómo fomentarlo (o no disminuirlo)?

En este informe de Deloitte aparecen datos que quizás podrían parecer preocupantes (aun no tengo muy clara cuál es la diferencia de muestra y metodología entre el “self-reported” y “C-suite”)

mostrado en Malestar organizativo: 26% de directivos deprimidos y 40% sobrepasados | HABLEMOS DE TALENTO (juancarloscubeiro.com)

Casualmente tengo algunos archivos de datos que me permitirían comprobar si a mí me salen unas cifras parecidas. Es una de las cosas que me gustaría hacer al regreso de las vacaciones, si a mis estudiantes les interesa conocer el dato (o en redes sociales me contáis que podría ser algo interesante).

Supongo que sería interesante no solo conocer los niveles de bienestar, sino las palancas que ayudan a tenerlo o las barreras que lo reducen.

Hace un par de años publicamos Changes in the Association between European Workers’ Employment Conditions and Employee Well-Being in 2005, 2010 and 2015 (Marin-Garcia JA, Bonavia T, Losilla J-M. Changes in the Association between European Workers’ Employment Conditions and Employee Well-Being in 2005, 2010 and 2015. International Journal of Environmental Research and Public Health. 2020; 17(3):1048. https://doi.org/10.3390/ijerph17031048 ).

En ese trabajo analizábamos como afectaban determinadas condiciones de trabajo al “mental well-being” con los datos disponibles hasta el momento.

In general terms, and with the same situation for the adjustment variables (gender, age, level of education, seniority, occupation, establishment size, activity sector and economic activity), the people with indefinite contracts, no supervising responsibilities, who work between 36 and less than 45 h/week, do not work long working hours, do not have several jobs, do not work shifts (neither set nor alternating/rotating shifts) and do not work weekends report less anxiety, fatigue or job dissatisfaction than those in any of the other categories of each employment condition herein analyzed. That is, worse employment conditions lead to higher odds of suffering anxiety, fatigue or dissatisfaction compared to the reference category. Nonetheless, we observed that this relation did not always appear in this way for all the studied years for some working conditions (employment contracts other than indefinite contracts, supervising others and weekly working hours)

Para quien quiera “bucear” en los detalles, estas son las tablas de resultados. Son un poco complejas de entender para quien no esté acostumbrado a los “odds ratios”. Las cifras de la tabla comparan una opción de condición de trabajo (el encabezado de las columnas) con otra que se considera de referencia y nos indican la como aumenta (si el valor es mayor que 1) o disminuye (si es menor que 1) la probabilidad de sufrir uno de los síntomas (ansiedad, fatiga o insatisfacción).

Odds Ratio: the odds of having the target disorder in the observed group relative to the odds in favor of having the target disorder in the reference category group

Asi, por ejemplo, en la tabla 1, que compara tipos de contratos, las personas sin contrato, en el año 2015, tenían el doble de probabilidad de experimentar insatisfacción que las que tenían contrato indefinido. O, en la tabla 2, las personas que ocupaban puestos de supervisión, en el año 2015 tenían más probabilidad de sufrir ansiedad que las que personas que no supervisan el trabajo de otras (un valor 1,38 veces la probabilidad de las que no supervisaban). Curiosamente en el año 2005, la probabilidad para ese grupo era el 0,87 (es decir, menor) de la probabilidad de ansiedad en las que no supervisaban. Supervisar a otras personas generaba menos ansiedad en 2005 que en 2015, también generaba menos fatiga en 2005, mientras que en 2015 generaba más fatiga. Sin embargo supervisar a otras personas parece ser un factor protector contra la insatisfacción (están menos insatisfechos los que supervisan a otras personas) y se ha mantenido en los mismos niveles durante la serie de años estudiados.

Marin-Garcia JA, Bonavia T, Losilla J-M. Changes in the Association between European Workers’ Employment Conditions and Employee Well-Being in 2005, 2010 and 2015. International Journal of Environmental Research and Public Health. 2020; 17(3):1048. https://doi.org/10.3390/ijerph17031048
Marin-Garcia JA, Bonavia T, Losilla J-M. Changes in the Association between European Workers’ Employment Conditions and Employee Well-Being in 2005, 2010 and 2015. International Journal of Environmental Research and Public Health. 2020; 17(3):1048. https://doi.org/10.3390/ijerph17031048
Marin-Garcia JA, Bonavia T, Losilla J-M. Changes in the Association between European Workers’ Employment Conditions and Employee Well-Being in 2005, 2010 and 2015. International Journal of Environmental Research and Public Health. 2020; 17(3):1048. https://doi.org/10.3390/ijerph17031048

Visitas: 19