La preparación ante crisis dejó de ser un ejercicio teórico para convertirse en una experiencia inmersiva. En ese contexto, FEEDBACK SPREAD presentó Simulation LAB, una plataforma que combina inteligencia artificial, narrativa dinámica y análisis estratégico para entrenar a organizaciones frente a escenarios reputacionales complejos.
El laboratorio surge como respuesta a una limitación estructural de los modelos tradicionales. “El problema real no era solo que fueran aburridos, sino su falta de adaptabilidad dinámica frente a un sistema caótico”, explicó Federico Spitznagel, Managing Director de la compañía. Según detalla, los simulacros convencionales funcionaban con lógicas rígidas que no lograban replicar la incertidumbre de una crisis real.
“Las empresas no podían resolver la brecha entre el conocimiento teórico del manual y la capacidad de respuesta bajo una incertidumbre real. Con Simulation LAB resolvimos esa falta de feedback inmediato, usando la IA para orquestar un entorno donde las decisiones del equipo alteran el estado completo del sistema”, afirmó.
Simulation LAB: una arquitectura basada en agentes y decisiones humanas
A diferencia de los modelos tradicionales, la plataforma no opera como un video con un final predefinido. La lógica está sustentada en una arquitectura de agentes de inteligencia artificial que procesa cada acción del equipo en tiempo real.
“Lo que desarrollamos no es un guión cerrado, sino un motor de estados. Cada acción del equipo se procesa como un input que actualiza el contexto global del simulacro”, señaló Spitznagel. En ese entorno, la IA asume distintos roles —periodistas, reguladores, audiencias— y reacciona de acuerdo con la memoria de lo ocurrido durante la sesión.
Esto permite que la narrativa evolucione de manera coherente y dinámica. “El rumbo del simulador cambia genuinamente según el impacto de la decisión humana, sin finales pregrabados”, agregó.
En la práctica, el laboratorio permite recrear escenarios como crisis mediáticas, conflictos reputacionales o situaciones de alta exposición pública, donde medios, audiencias y actores institucionales reaccionan en tiempo real según las decisiones del equipo.
La tecnología detrás del simulador
El desarrollo tecnológico de Simulation LAB se apoya en un enfoque multimodal que combina distintos modelos de inteligencia artificial. Para la orquestación lógica y la narrativa del simulacro, el equipo integra modelos de lenguaje de gran escala como GPT-4o mediante conexiones API de baja latencia.
A esto se suman herramientas de generación de audio como ElevenLabs, utilizadas para recrear voces en tiempo real, y modelos de video sintético que permiten simular escenarios de exposición pública con alto nivel de realismo. “Nuestro stack es multimodal y se aleja del uso básico de herramientas comerciales. Para la orquestación lógica integramos modelos de lenguaje de gran escala mediante conexiones API de baja latencia”, explicó.
Y agregó: “Lo fundamental no es el modelo por sí solo, sino cómo configuramos los parámetros y el system prompt para que la IA recree el impacto reputacional sin perder el control pedagógico del ejercicio”.
El desafío de lograr realismo sin perder coherencia
Uno de los principales retos del proyecto fue garantizar que los estímulos generados resultaran creíbles y no superficiales. Para el equipo, la clave estuvo en la construcción de contexto más que en los efectos técnicos.
“El desafío más grande no tuvo tanto que ver con la tecnología en sí, sino con lograr que cada estímulo estuviera integrado dentro de un clima creíble. En una crisis real, una imagen o un audio forman parte de una conversación pública cargada de sentido político y social”, explicó Spitznagel.
El proceso implicó aprendizaje técnico y creativo, además de la formación del equipo para utilizar estas herramientas de forma estratégica y no meramente estética.
Aprendizaje en tiempo real
El valor del laboratorio no termina en la simulación. La plataforma permite analizar comportamientos reales bajo presión y traducirlos en mejoras operativas concretas.
“El simulacro permite observar cosas que en la teoría no aparecen: tiempos de reacción, dudas, superposiciones de rol o vacíos de decisión que en el manual no están previstos”, indicó. Esa información se convierte luego en ajustes prácticos: redefinición de responsabilidades, simplificación de circuitos y revisión de protocolos.
En ese proceso, el manual de crisis deja de ser un documento ideal para transformarse en una herramienta viva. “Pasa a dialogar directamente con el comportamiento real de la organización”, resumió.
Privacidad y control de la información sensible
El manejo de datos reputacionales exige un marco de seguridad robusto. La compañía implementó un esquema de privacidad por diseño y opera con entornos empresariales de inteligencia artificial como Microsoft Azure OpenAI, evitando el uso de versiones públicas y garantizando que la información se procese dentro de infraestructuras controladas.
“Trabajamos con instancias corporativas que garantizan que los datos no se utilicen para entrenar modelos globales y permanezcan aislados. Además, aplicamos procesos de anonimización y políticas de retención cero para que la información se purgue al finalizar el ejercicio”, detalló Spitznagel.
El valor de entrenar una crisis
Más allá de la innovación tecnológica, la propuesta apunta a resolver un problema de negocio: proteger la reputación. Para Spitznagel, el retorno de inversión se mide en la capacidad de anticipación y no en métricas tradicionales.
“La reputación puede verse afectada en cuestión de minutos si una respuesta es incorrecta o tardía. Entrenar a los equipos para reaccionar con claridad y alinear mensaje y estrategia bajo presión tiene un impacto directo en la credibilidad de la organización”, sostuvo.
En ese sentido, el valor aparece en la preparación previa. “Es la diferencia entre enfrentar una crisis con improvisación o hacerlo con criterio”, afirmó.
Entrenar bajo presión real
El nivel de presión dentro del simulador no es automático. Se construye desde la estrategia y la experiencia de los especialistas que diseñan cada ejercicio.
“La IA aporta dinamismo y realismo, pero siempre dentro de un encuadre pensado previamente. Cada simulación se adapta a la marca, al perfil del equipo y a los objetivos que se quieren trabajar”, explicó.
La meta es generar un entorno exigente, pero coherente, donde la tensión funcione como motor de aprendizaje y no como caos.
Lo que viene en entrenamiento con IA
El desarrollo no se detiene en la versión actual del laboratorio. La compañía avanza en una modalidad SaaS que permitirá ampliar el alcance del entrenamiento dentro de las organizaciones.
“Estamos trabajando en una versión de Simulation LAB como software as a service, para que las empresas puedan autoadministrar ciertos entrenamientos y escalar la formación a grandes cantidades de personas”, adelantó Spitznagel.
Sin embargo, la automatización no reemplaza el componente humano. “La tecnología puede ampliar la simulación y el análisis, pero la gestión de crisis implica lectura contextual y criterio. Nuestra visión es integrar esas capas sin perder la dimensión estratégica que define la calidad de la respuesta”, concluyó.
Leer más
- La brecha de la IA: 8 de cada 10 empresas la usan, pero pocas mejoran la experiencia del usuario
- BlinkTrip: la agencia argentina que usa IA para reinventar los viajes fuera de temporada
- DAT CREA se vincula con universidades, Conicet e INTA para potenciar el valor de la gestión de datos
