Pondré un ejemplo sencillo. Hace unos años, junto con el grupo de dinámica humana de Sandy Pentland en el Media Lab del Instituto de Tecnología de Massachusetts (MIT, EE.UU.), creé algo que bauticé como "cubículo aumentado". Tenía dos escritorios separados por una pared de plexiglás con una persiana en medio que se controlaba mediante un actuador electrónico. Dependiendo de si queríamos que distintas personas se hablaran, las persianas cambiaban de posición por la noche cada pocos días o semanas.
El del cubículo aumentado era un experimento sobre cómo influir en la dinámica social de un lugar de trabajo. Si una empresa quería que los ingenieros hablaran más con los diseñadores, por ejemplo, no establecían nuevas relaciones basadas en la creación de informes ni programaban reuniones interminables. Lo que se hacía era bajar las persianas entre cubículos. Así, cuando los ingenieros pasaban por delante de los diseñadores era más fácil tener una pequeña charla sobre el partido de la noche anterior o un proyecto en el que estuvieran trabajando.
Cada vez es más sencillo medir a gran escala la interacción social humana, gracias a sensores que siempre están encendidos como los teléfonos móviles. El próximo reto es usar lo que aprendamos de estos datos de comportamiento para influir o potenciar las interacciones laborales. La empresa spinoff del Media Lab que dirijo usa chapas identificativas con sensores para registrar los movimientos de los empleados, su tono de voz, en qué lugar de la oficina están y con quién están hablando. Usamos los datos que recogemos en las oficinas para aconsejar a las empresas sobre cómo cambiar sus organizaciones, a menudo a través de cambios físicos en el ento o laboral. Por ejemplo, después de descubrir que la gente que comía en grupos más numerosos era más productiva, Google y otras empresas de tecnología que dependen de las interacciones aleatorias para potenciar la innovación, instalaron mesas de cafetería más grandes.
En el futuro, algunos de estos cambios se podrían llevar a cabo en tiempo real. El grupo de Pentland en el Media Lab ha demostrado cómo el tono de voz, la fluctuación en el volumen al hablar y la velocidad a la que hablas sirven para predecir cosas como la capacidad de persuasión de una persona a la hora de lanzar una idea de start-up a un capitalista de riesgo, por ejemplo. Como parte de ese trabajo, hemos demostrado que se puede alterar la voz digitalmente para parecer más interesado y atento, logrando que seas más persuasivo.
Otra forma que imaginamos de aplicación de los datos de comportamiento para aumentar la realidad social es un sistema que sugiere quién debe conocer a quién en una organización. Tradicionalmente, este es un proceso a medida que tiene lugar durante las reuniones o con la ayuda de mentores. Pero podríamos tirar de nuestros datos de sensores y de comunicación digital para comparar los patrones de comunicación reales en el lugar de trabajo con un ideal organizativo y después animar a la gente a presentar unos a otros para cubrir todos los huecos. No es el modelo de LinkedIn, donde la gente te pide una conexión, sino uno en el que un motor analítico determinaría cuál de tus compañeros o amigos deberías presentar a otro. Un sistema así se podría usar para unir a organizaciones enteras.
Al contrario que la realidad aumentada, que pone capas de información encima de un vídeo o de tu campo de visión para darte información extra sobre el mundo, la realidad social aumentada implica sistemas que cambian la realidad para cubrir las necesidades sociales de un grupo.
Por ejemplo, ¿qué pasaría si las máquinas de café se movieran dependiendo del contexto social? Cuando vi un robot que servía café como un gag en un anuncio de la tele hace dos años, me puse a pensar en serio sobre la utilidad de una máquina de café con ruedas. Al colocar el robot del café entre dos grupos, por ejemplo, podríamos aumentar la probabilidad de que determinados compañeros de trabajo se encontrasen. Una vez que detectáramos -usando chapas inteligentes u otro tipo de sensor- que las conversaciones adecuadas estaban teniendo lugar entre las personas adecuadas, el robot podría moverse a otro lugar. Las máquinas expendedoras, los boles con comida, todo se podría mover por la oficina basándose en datos sociales. Un equipo de la Universidad de Plymouth (Reino Unido) ya ha llevado a cabo una demostración de esta idea. En su proyecto “Slothbots”, paredes robóticas que se mueven a muy baja velocidad cambian sutilmente de posición a lo largo del tiempo para alterar el flujo de la gente en un espacio público, afinando constantemente su movimiento en respuesta al comportamiento de la gente.
La inmensa cantidad de datos sobre el comportamiento que podemos recoger con los medios digitales empieza a converger con las tecnologías para dar forma al mundo en respuesta a esos datos. ¿Notificaremos a la gente cuando se transforme sutilmente su ento o? ¿Es ético siquiera usar técnicas basadas en datos para persuadir e influir en la gente de esta manera? De momento estas preguntas quedan sin responder mientras la tecnología nos conduce hacia un mundo aumentado.
Ben Waber es cofundador y director ejecutivo de Sociometric Solutions y el autor de People Analytics: How Social Sensing Technology Will Transform Business (Análítica de personas: cómo transformará los negocios la tecnología de sensores sociales), publicado por FT Press.