PathMBA Vault

Decision making and problem solving

Mercados de predicción: un momento de enseñanza

por Andrew McAfee

Hace un par de semanas dicté sesiones sobre Empresa 2.0 a ejecutivos de una corporación muy grande. He hecho hincapié en que una de las ventajas de la E2.0 es la capacidad de aprovechar la inteligencia colectiva, o la sabiduría de las multitudes. Para concretar este fenómeno, mostré un par de ejemplos de mercados de predicción.

Pueden parecer bestias extrañas, pero los mercados de predicción son simplemente mercados de valores; contienen valores que los comerciantes compran y venden. Al igual que con la Bolsa de Nueva York, los comerciantes crean carteras de valores e intentan maximizar el valor de sus carteras comprando y vendiendo en el momento adecuado. El valor de un valor concreto en el mercado varía según las leyes de la oferta y la demanda y también a medida que se disponga de nueva información. Y el precio de un valor revela información. En la bolsa de Nueva York, por ejemplo, el precio de una acción refleja la estimación consensuada de todos los operadores del valor de la empresa.

En un mercado de predicciones políticas como el Mercados electrónicos de Iowa, los valores están diseñados de modo que su precio revele otra información sobre el futuro: el porcentaje del voto popular que Obama y McCain iban a ganar en las elecciones presidenciales de Estados Unidos de 2008, la simple probabilidad de que cada candidato ganara la presidencia o el número de votos electorales que cada uno iba a recibir. Se han creado otros mercados de predicción en Internet para predecir la resultado de los acontecimientos deportivos o el ingresos de taquilla de una película que aún no se ha estrenado.

Como yo escribió aquí, existen abundantes pruebas que sugieren que estos mercados funcionan: en muchos casos producen predicciones más precisas que otros métodos de previsión. Y como yo escribió aquí, las empresas han empezado a utilizar esta tecnología y han generado resultados impresionantes.

El penúltimo día de su programa, los ejecutivos de esta clase en particular decidieron poner a prueba la idea de inteligencia colectiva. Poco después recibí el siguiente correo electrónico:

Soy uno de los miembros del… equipo al que dio una conferencia la semana pasada sobre Enterprise 2.0. Un mensaje que realmente grabó en el equipo fue su discusión sobre los mercados predictivos. Encontramos una forma creativa, aunque algo rudimentaria, de utilizar este concepto en la práctica. Déjeme preparar el escenario.

Son las 22:00 del jueves por la noche y somos 10 de nosotros disfrutando de unos cócteles. Uno de nuestros colegas estaba disfrutando de unos cuantos cócteles más que el resto de nosotros. Fue entonces cuando decidimos crear un mercado predictivo sobre cuándo llegaría a clase el viernes por la mañana. Dividimos la mañana en incrementos de 15 minutos y permitimos que la gente comprara acciones en cada franja horaria por 1 dólar. En total, se compraron 27 acciones, siendo de 8:15 a 8:30 la franja horaria más comprada, como puede ver en el campo adjunto [una diapositiva que muestra los 6$ en acciones compradas para el espacio de 8:15 a 8:30. Los siguientes más populares fueron de 7:45 a 8:00 y de 8:00 a 8:15, cada uno con 5 dólares. Ninguna otra ranura tuvo más de $3].

Por suerte, estuvimos en nuestros círculos de aprendizaje de 8 a 8:30 e íbamos repasando lo que habíamos aprendido el día anterior. La persona que organizó el mercado explicó a la clase cómo aplicamos lo que aprendimos de usted y, como si fueran puntuales, el individuo llegó a la clase tal como el mercado lo había predicho. Una vez que los aplausos de las seis personas que habían invertido en el momento adecuado se calmaron, todo lo que escuchó en el aula fue que una persona dijo: «Nunca volveré a tomar una decisión por mi cuenta». No tenía precio.

Mi corresponsal me dio gentilmente permiso para compartir la anécdota, que ilustra algunas cosas. Primero, es otro ejemplo de sabiduría de la multitud en acción. A pesar de que solo crearon una encuesta simple (aunque una que incluyera tanto el riesgo financiero como la ganancia) en lugar de un mercado en toda regla, la respuesta del consenso fue la correcta. En segundo lugar, arroja luz sobre el poder de los incentivos; tanto el dinero como el derecho a presumir devengados por los ganadores. En tercer lugar, demuestra lo fácil que es organizar demostraciones convincentes de inteligencia colectiva. Los mercados de predicción y tecnologías similares son cada vez más fáciles de implementar, así que ¿por qué no probarlos?

Y, por último, este ejemplo me demuestra una vez más que la enseñanza puede tener un impacto. Estoy al frente de muchas salas, hablando y liderando discusiones. Recibo muchos comentarios sobre si una sesión ha ido bien, pero mucho menos sobre si realmente cambió o influyó en algo. Así que cuando me enteré de que los estudiantes estaban lo suficientemente interesados como para realizar un experimento y que el material causó tal impacto que uno de ellos dijo, irónico: «Nunca volveré a tomar una decisión por mi cuenta», solo puedo estar de acuerdo con lo que dijeron: No tiene precio.

Artículos Relacionados

Investigación: La IA generativa hace que la gente sea más productiva y esté menos motivada

Investigación: La IA generativa hace que la gente sea más productiva y esté menos motivada

Arreglar los chatbots requiere psicología, no tecnología

Arreglar los chatbots requiere psicología, no tecnología

Los chatbots dotados de IA se están convirtiendo en el nuevo estándar para la gestión de consultas, reclamaciones y devoluciones de productos, pero los clientes se alejan de las interacciones con los chatbots sintiéndose decepcionados. La mayoría de las empresas intentan solucionar este problema diseñando mejores modelos de IA en sus chatbots, pensando que si los modelos suenan lo suficientemente humanos, el problema acabará desapareciendo. Pero esta suposición es errónea. Esto se debe a que el problema de fondo no es tecnológico. Es psicológico: Hay que engatusar a la gente para que vea a los chatbots como un medio positivo de interacción. Los autores han analizado recientemente las últimas investigaciones sobre chatbots e interacciones IA-humanos, y en este artículo presentan seis acciones probadas que puede llevar a cabo al desplegar su chatbot de IA para impulsar la satisfacción, la percepción positiva de la marca y las ventas.

Investigación: ¿Está penalizando a sus mejores empleados por desconectar?

Investigación: ¿Está penalizando a sus mejores empleados por desconectar?

Para combatir el creciente desgaste del personal, muchas empresas han defendido programas de bienestar y han fomentado un enfoque renovado en el equilibrio entre la vida laboral y personal. Pero un nuevo estudio descubrió que incluso cuando los líderes reconocían que desvincularse del trabajo aumenta el bienestar de los empleados y mejora su rendimiento laboral, los directivos seguían penalizando a los empleados que adoptaban estos comportamientos cuando optaban a un ascenso o estaban siendo considerados para un nuevo puesto. Basándose en sus conclusiones, los investigadores ofrecen sugerencias para ayudar a las empresas a crear políticas y construir una cultura que proteja los límites de los trabajadores, evite el agotamiento y recompense el trabajo fuerte.