Què hem de saber abans de començar?

• Una lliçó apresa no és simplement «alguna cosa que va sortir malament». Pot sorgir tant d’un error com d’un èxit inesperat; el rellevant és que contingui una idea aplicable a situacions futures.
• Una bona lliçó apresa té una estructura mínima: què s’esperava que passés, què va passar realment, per què hi va haver diferència, i què es recomana fer de manera diferent la propera vegada.
• El cicle de vida complet té quatre fases: captura (recollir la lliçó en el moment adequat), validació (comprovar que és realment generalitzable, no una anècdota puntual), difusió (que arribi a qui la necessita) i aplicació (que canviï una decisió futura).
• La majoria dels sistemes de lliçons apreses fallen en les fases de validació i difusió: es capturen moltes lliçons, però gairebé cap arriba a influir en una decisió real.

Com fer-ho a la pràctica

• Captura les lliçons com més aviat millor després de l’esdeveniment, mentre el context és fresc: com més es trigui, més es perd matís i precisió.
• Redacta cada lliçó amb l’estructura mínima (expectativa / realitat / causa de la diferència / recomanació), evitant descripcions llargues sense una recomanació clara al final.
• Abans de publicar-la com a lliçó «oficial», valida amb algú que no va participar en el projecte original si la recomanació té sentit fora d’aquell context concret.
• Dissenya un mecanisme actiu de difusió: no n’hi ha prou de guardar la lliçó en un repositori; cal que aparegui en el moment en què algú prendrà una decisió similar.

Errors freqüents i consells

• Capturar la lliçó molt després de l’esdeveniment, quan ja s’ha perdut precisió i matisos importants.
• Redactar lliçons sense una recomanació clara i pràctica.
• Acumular lliçons en un repositori que ningú no consulta abans d’iniciar un projecte similar.

Consell: abans de tancar qualsevol projecte rellevant, programa explícitament el moment de captura de lliçons — si no es planifica, gairebé mai no passa.

Quin paper pot tenir la IA en aquest apartat? Redactar lliçons amb una estructura consistent, validar-les contra lliçons anteriors similars i, sobretot, fer-les aparèixer automàticament quan algú comença un projecte semblant, és exactament el tipus de feina d’alt volum que abans no es feia per manca de temps. Aquí és on la intel·ligència artificial pot aportar més valor. El bloc dedicat a la IA aplicada a la gestió del coneixement hi entra en detall.

Per seguir llegint

Capturar bé una lliçó apresa a partir d’un projecte ja acabat pot ser un exercici individual. Però hi ha una manera de fer-ho en grup, just en acabar qualsevol activitat, per petita que sigui: la revisió després de l’acció, tema de la següent píndola.

Cas relacionat: El cas d’aquest àmbit, sobre l’origen militar de la revisió després de l’acció, aprofundeix precisament en aquesta idea de revisió sistemàtica immediatament després de l’acció.