Idea principal

Una herramienta de grafos divide un wiki de 1013 notas de marketing en 22 grupos: uno en torno al Mom Test, uno sobre la influencia y los principios de Cialdini, uno sobre el chasm, uno sobre el customer success. La división en sí es un cálculo: un algoritmo agrupa las notas más enlazadas entre sí que con el resto, sin leer nada de su contenido. Se ejecuta en una fracción de segundo y no necesita ningún modelo.

Los grupos, sin embargo, salen anónimos: "Community 0", "Community 1"… Darles un nombre supone leer las notas que contienen y decidir qué tienen en común. La herramienta sabe hacerlo llamando a una IA, es decir, reintroduciendo exactamente el coste que el resto de la cadena evitaba.

La frontera pasa, pues, por dentro de una misma funcionalidad: la estructura se calcula, el significado se juzga.

Por qué es importante

Esto da un criterio para decidir dónde colocar la llamada a un modelo en una cadena de análisis: no en la funcionalidad entera, sino en el paso que exige interpretar. El resto puede ser determinista, gratuito y reproducible.

También dice lo que le queda al lector humano de un grafo calculado: la interpretación de los grupos. Es un trabajo real, que no desaparece porque la división sea automática.

Matices y límites

El nombre de un grupo sirve de menos cuando el grupo está mal formado: si la división sigue a los libros en lugar de a las ideas, nombrarlo equivale a recuperar el título de la obra.

Y la interpretación manual no escala: con unas decenas de grupos se hace leyendo; con varios centenares vuelve a ser un trabajo que daría ganas de delegar.

Preguntas abiertas

• ¿A partir de cuántos grupos el coste de nombrarlos con una IA vuelve a ser menor que el tiempo de interpretarlos uno mismo?