¿Y si la dirección todavía no sabe nombrar la decisión?

Entonces el primer entregable es ayudarla a formularla. Un buen encargo suele empezar convirtiendo un vago 'entender el terreno' en dos o tres decisiones que de verdad merece la pena tomar. Ese encuadre es la mitad del valor, y es la mitad que ninguna suscripción de datos puede darle.

¿No sigue siendo útil cierta monitorización de base?

Sí, un radar permanente y ligero tiene su lugar, pero solo si cada señal que levanta pasa por un triaje frente a una pregunta real. Una monitorización que no alimenta ninguna decisión es solo un flujo de alertas que nadie lee.

La technology intelligence empieza con una decisión, no con una base de datos

El orden por defecto está al revés

Suele ocurrir así. Alguien compra una herramienta de analítica de patentes o una suscripción de datos, ejecuta un amplio "technology landscape" de un campo y produce una presentación de sesenta diapositivas con clústeres, heatmaps y flechas de tendencia. Impresiona. No se vuelve a abrir jamás.

El problema no son los datos, ni la herramienta. Es que nadie preguntó para qué decisión servía la presentación. Un landscape sin una decisión detrás no tiene un punto natural de parada, ninguna forma de distinguir un hallazgo relevante de uno interesante, ni un formato sobre el que alguien vaya a actuar. Es recolección de datos con buena producción.

Empiece por la decisión

La solución es casi vergonzosamente simple: empiece por la decisión que está sobre la mesa. "¿Estado sólido o seguimos con iones de litio en la próxima plataforma?" "¿La tecnología central de esta startup es defendible, o es bombo con una demo?" "¿Dónde debería colocar I+D su próxima apuesta?" Una decisión real, con un responsable real y un plazo real.

A partir de la decisión deriva las Key Intelligence Questions, las dos o tres cosas que de verdad necesitaría saber para decidir. Solo entonces elige la combinación de fuentes, patentes, literatura científica, registros corporativos, conversaciones con profesionales, para responder a esas preguntas concretas.

No es solo mi preferencia; así funciona el modelo canónico. Kerr, Mortara, Phaal & Probert (2006), de Cambridge, enmarcan la technology intelligence como una capacidad de "coordinar, buscar, filtrar, escanear" que parte de una necesidad de información declarada, no de los datos. El estudio de Lichtenthaler (2004) sobre la TI en multinacionales europeas y norteamericanas encontró el mismo patrón en la práctica: las empresas que obtuvieron valor llevaron la TI como un proceso de apoyo a la decisión ligado a necesidades estratégicas, no como una función de recolección permanente.

Por qué importa el orden, y no es solo pulcritud

Empezar por la decisión no es cuestión de orden. Cambia tres cosas concretas:

Alcance. Una decisión acota la búsqueda. "El landscape de la IA" es infinito. "Cuál de estos tres enfoques de inferencia será viable con nuestro objetivo de coste en 24 meses" tiene respuesta, y tiene final.
Selección de fuentes. La pregunta le dice qué necesita de verdad: patentes para saber quién posee qué y para la freedom-to-operate, literatura para saber hacia dónde va la ciencia, profesionales para saber qué se está lanzando frente a lo que solo se ha publicado. Si va primero por los datos, recopila todo y se ahoga; si va primero por la pregunta, recopila lo que se gana su sitio.
Entrega. Una decisión tiene una forma. Quien decide quiere una lectura direccional y una recomendación, no un mapa de clústeres que interpretar por su cuenta. Empiece por la decisión y el resultado casi se escribe solo: este es el vector, este es mi grado de confianza, esto es lo que yo haría.

Dónde cambia esto la IA, y dónde no

La IA ha abaratado la trampa de empezar por los datos y, por tanto, la ha hecho más tentadora. Ahora puede generar un technology landscape de aspecto plausible en una tarde. Eso no baja el listón; eleva el valor de lo único que la IA no puede hacer por usted: decidir qué pregunta merece la pena plantear.

Use la IA para avanzar más rápido por el medio: búsqueda, clustering, primera lectura de mil resúmenes. Mantenga humanos los dos extremos: encuadrar la decisión al principio y hacerse cargo del juicio al final. Un modelo producirá encantado un landscape seguro de un campo que nadie necesitaba mapear. Eso no se lo va a decir.

La señal reveladora

Aquí tiene un diagnóstico que cabe en una sola pregunta. Pregunte a quien encargó la "technology intelligence" qué decisión va a cambiar.

Si la respuesta es una decisión, con un responsable y una fecha, está haciendo intelligence. Si la respuesta es "queremos entender el landscape" o "vigilar el terreno", está haciendo recolección de datos, y la presentación morirá según lo previsto. La buena noticia: suele arreglarse en la misma conversación, planteando la siguiente pregunta: "¿y qué haría de forma distinta según lo que encontremos?".

Fuentes

Kerr, C. I. V., Mortara, L., Phaal, R., & Probert, D. (2006). A conceptual model for technology intelligence. Int. J. of Technology Intelligence and Planning. DOI
Lichtenthaler, E. (2004). Technology intelligence processes in leading European and North American multinationals. R&D Management, 34. enlace
Brenner, M. S. (1996). Technology intelligence and technology scouting. Competitive Intelligence Review, 7, 20–27. enlace