La empresa promedio Fortune 1000 tiene más de 30.000 empleados y equipos de ingeniería, ventas y advertising and marketing con cientos de miembros. Existen equipos igualmente grandes en organizaciones gubernamentales, científicas y de defensa. Y, sin embargo, las investigaciones muestran que el tamaño very best para una conversación productiva en tiempo actual es sólo alrededor de 4 a 7 personas.
La razón es easy: 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, por video o teleconferencia, o incluso por chat de texto (que entierra a los usuarios en una acumulación de mensajes que reducen la participación y socavan la deliberación).
En pocas palabras, conversaciones productivas en equipo no escalar.
Entonces, ¿qué haces si tienes un equipo grande y quieres aprovechar su conocimiento, sabiduría, perspicacia y experiencia? Para muchas organizaciones, su 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 óptimas.
Esto se debe a que las encuestas, las encuestas y las entrevistas no son instrumentos deliberativos. No hay toma y daca mientras los miembros del equipo debaten temas, brindan razones y fundamentos, presentan argumentos y contraargumentos y, en última instancia, convergen en soluciones en virtud de sus méritos deliberativos. Las encuestas tratan a las personas como personas demasiado simplificadas puntos de datosmientras que las conversaciones interactivas tratan a las personas como considerado procesadores de datos. Esta diferencia es profunda.
He estado estudiando este tema durante más de una década y estoy convencido de que la mejor manera de desbloquear la verdadera inteligencia colectiva de grandes equipos es a través de auténticas conversaciones en tiempo actual y a escala. Me refiero a debates reflexivos en los que decenas de personas pueden intercambiar concepts, priorizar y pronosticar juntas y, en última instancia, converger en soluciones que realmente aprovechen su conocimiento, sabiduría y perspicacia combinados.
Pero las conversaciones son imposibles de escalar, ¿verdad?
Incorrecto: en los últimos años ha aparecido una nueva tecnología de comunicación, IA de hiperchatha surgido. Permite a equipos grandes y distribuidos mantener debates productivos en los que pueden debatir temas, intercambiar concepts, priorizar alternativas, proporcionar argumentos y contraargumentos y de manera eficiente. proponer 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 crimson en un conjunto de subgrupos pequeños e interconectados, cada uno de ellos dimensionado para una conversación reflexiva en tiempo actual mediante texto, voz o video. El ingrediente mágico es un enjambre de agentes de IA llamados “sustitutos conversacionales” que participan en cada discusión native y trabajan para conectar todos los subgrupos en una única deliberación coherente.
Usando Hyperchat AI, grupos potencialmente de cualquier tamaño pueden debatir temas, lluvia de ideaspriorizar opciones, resultados del pronóstico y resolver problemas en tiempo actual. Y funciona: las investigaciones muestran que cuando equipos grandes mantienen conversaciones 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 mantuvieron conversaciones utilizando la tecnología Hyperchat AI dijeron que se sentían más colaborativos, productivos y escuchados en comparación con las estructuras de comunicación tradicionales como Microsoft Groups, Google Meet o Slack. ellos también sintieron mayor aceptación 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, una plataforma que utiliza Hyperchat AI) reunir a 100 miembros del público que vieron el Tremendous Bowl este domingo y debatir. ¿Qué anuncio del Tremendous Bowl fue el más eficaz y por qué?
Sé que no es una cuestión de gran importancia social, pero el Tremendous Bowl es uno de los eventos más vistos en el mundo, tanto por el espectáculo atlético como por los anuncios. Este año, un anuncio de 30 segundos costó entre 8 y 10 millones de dólares, sin incluir los costos de producción. Con ese nivel de inversión, todas las marcas buscan destacarse, pero sólo unas pocas pueden lograrlo.
Entonces, reunimos a 110 miembros aleatorios del público (su única calificación fue que vieron el Tremendous Bowl) y les pedimos que discutieran y debatieran los anuncios. Durante el juego se publicaron sesenta y seis anuncios únicos. ¿Alguno de ellos se destacó fuertemente por encima del resto y, de ser así, por qué ¿Fue tan 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 concepts clave en tiempo actual y luego compartir esos conocimientos con agentes de IA en otros subgrupos. Cuando los agentes recibieron esa información externa, participaron en su conversación native, expresando la información como miembro de su grupo. Este proceso entrelaza todas las deliberaciones en una única conversación en tiempo actual que fluye sin problemas y converge al unísono.
En complete, los 110 participantes humanos sugirieron 54 anuncios diferentes para su consideración y llegaron a una respuesta decisiva en solo 10 minutos de discusión hiperconectada. Y, debido a que los agentes de IA estaban rastreando la dinámica dentro de los 24 debates locales, en el instante en que finalizó la conversación, el sistema generó una lista ordenada de los 54 anuncios basados en el apoyo conversacional de toda la población.
Aquí están los diez primeros identificados por los participantes que deliberaron:
Como puede ver, el anuncio de Pepsi que utilizó el oso polar de Coca-Cola resultó ser el más efectivo de la noche por un amplio margen. De hecho, el sistema Thinkscape informó que este period un resultado estadísticamente significativo para una población de consumidores seleccionados 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 influyó en las opiniones de otros, inspiró contraargumentos o ambos). Esto permite que el sistema produzca instantáneamente una descripción common deliberativa de cada anuncio producido, evaluando por qué el grupo vio cada anuncio de la forma en que lo hizo.
Aquí está el razonamiento generado instantáneamente para el anuncio del Oso Polar.:
“Nuestra perspectiva colectiva es que el anuncio más eficaz del Tremendous Bowl de 2026 fue el anuncio de Pepsi Polar Bears. Lo encontramos eficaz 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 de generar conversaciones. Si bien algunos de nosotros lo criticamos por centrarse en una disputa, una gran mayoría consideró que capturó con éxito la esencia de un anuncio clásico del Tremendous Bowl”.
Para que conste, el equipo de Unanimous AI también pidió a este colectivo en tiempo actual que considerara una pregunta de seguimiento: ¿Qué anuncio del Tremendous Bowl fue el 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 Tremendous Bowl de 2026 fue el anuncio de Coinbase. Lo encontramos carente de claridad, con mensajes confusos y sin explicar el producto de manera efectiva. Además, muchos encontraron que el anuncio period molesto, vergonzoso y de bajo esfuerzo, con poca promoción del producto y una desconexión de los servicios de Coinbase. En common, 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.
Una vez más, este fue sólo un ejemplo divertido para involucrar al público, no una gran deliberación 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 common 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 obtenido más de 300 patentes por su trabajo en interacción persona-computadora, inteligencia synthetic e inteligencia colectiva.
¡Bienvenido a la comunidad VentureBeat!
Nuestro programa de publicaciones invitadas es donde los expertos técnicos comparten conocimientos y brindan análisis profundos neutrales y no adquiridos sobre inteligencia synthetic, infraestructura de datos, ciberseguridad y otras tecnologías de vanguardia que dan forma al futuro de las empresas.
Leer más de nuestro programa de publicaciones de invitados y consulte nuestro pautas ¡Si estás interesado en contribuir con un artículo propio!
