PathMBA Vault

Decision making and problem solving

Certeza de la pregunta

por Walter Frick

Certeza de la pregunta

James Graham

Según la leyenda, alrededor del 550 a. C., Creso, el rey de Lidia, celebró uno de los primeros torneos de predicción del mundo. Envió emisarios a siete oráculos para pedirles que pronosticaran lo que haría ese día. Pythia, el Oráculo de Delfos, respondió correctamente: estaría cocinando un guiso de cordero y tortuga.

Croesus no hizo este ejercicio por mera curiosidad. Tenía que tomar una decisión. Confiado en haber descubierto un oráculo fiable, el rey preguntó entonces a Pitia si debía atacar Persia. Dijo que si lo hacía, destruiría un poderoso imperio. Croesus atacó pero fue derrotado. El problema era la interpretación: Pythia nunca dijo qué poderoso imperio sería destruido.

Ya sea que la historia sea realidad o ficción, la derrota de Croesus arroja luz sobre un par de verdades: pronosticar es difícil y los expertos suelen afirmar que sus predicciones se han hecho realidad cuando no lo han hecho. Aun así, las predicciones precisas son esenciales para una buena toma de decisiones, en todos los ámbitos de la vida. Como escriben Philip Tetlock, profesor de administración y psicología en la Universidad de Pensilvania, y su coautor, Dan Gardner, en Superprevisión, «Todos somos pronosticadores. Cuando pensamos en cambiar de trabajo, casarnos, comprar una casa, hacer una inversión, lanzar un producto o jubilarnos, decidimos en función de cómo esperamos que se desarrolle el futuro».

Entonces, ¿cuál es el secreto para hacer mejores previsiones? De 1984 a 2004, Tetlock rastreó la capacidad de los expertos políticos para predecir los acontecimientos mundiales, y culminó en su libro de 2006 Juicio político experto. Descubrió que, en general, sus sujetos de estudio no eran muy buenos pronosticadores, pero un subconjunto sí obtuvo mejores resultados que el azar aleatorio. Esas personas destacaron no por sus credenciales o ideología sino por su estilo de pensamiento. Rechazaron la idea de que una sola fuerza determine el resultado. Utilizaron varias fuentes de información y herramientas analíticas y combinaron explicaciones contrapuestas para un fenómeno determinado. Por encima de todo, eran alérgicos a la certeza.

Superprevisión describe el trabajo de Tetlock desde entonces. En 2011, sus colegas y él participaron en un torneo de predicción patrocinado por la Actividad de Proyectos de Investigación Avanzada de Inteligencia del gobierno de los Estados Unidos. Reclutaron a usuarios de Internet para pronosticar los acontecimientos geopolíticos en diversas condiciones experimentales y, aprovechando la sabiduría de la multitud, ganaron. En el proceso, encontraron otro grupo de «superpronosticadores» para estudiar. La mayoría no eran analistas profesionales, pero obtuvieron puntajes altos en las pruebas de inteligencia y apertura de mente. Al igual que los otros expertos de Tetlock, dieron importancia a múltiples perspectivas y no tuvieron miedo de cambiar de opinión. Eran curiosos, humildes, autocríticos y tenían menos probabilidades que la mayoría de las personas de creer en el destino. Y aunque rara vez utilizaban las matemáticas para hacer sus predicciones, todas eran muy numéricas. «Todavía no he encontrado un superpronosticador que no se sienta cómodo con los números», escribe Tetlock.

Lectura adicional

Superprevisión: el arte y la ciencia de la predicción Philip E. Tetlock y Dan Gardner Corona, 2015 Cómo

No es sorprendente que Jordan Ellenberg, matemático de la Universidad de Wisconsin—Madison, también crea que su disciplina puede ayudar a las personas a tomar mejores decisiones. «Saber matemáticas es como llevar un par de lentes de rayos X que revelan estructuras ocultas bajo la desordenada y caótica superficie del mundo», explica en su nuevo libro, Cómo no equivocarse. El sentido común y la aplicación de conceptos «simples y profundos», como la correlación, se extienden rigurosamente al razonamiento cotidiano. Observe que dice saber matemáticas, no haciendo matemáticas. Como deja claro la investigación de Tetlock, los superpronosticadores no están creando modelos estadísticos elaborados a partir de enormes conjuntos de datos. Pero los conceptos de Cómo no equivocarse les resultaría familiar y utilizan su cerebro matemático para encontrar estructuras en medio de la complejidad y para estimar, entender y aceptar las probabilidades.

Superprevisión muestra cómo se hace contrastando una escena de Zero Dark Thirty, la película del 2012 sobre la búsqueda de Osama bin Laden, con hechos de la vida real. En la película, el director de la CIA, interpretado por James Gandolfini, exige saber si bin Laden está realmente en el complejo de Abbottabad (Pakistán). «¿Está ahí o no está jodidamente ahí?» pregunta. Los analistas ofrecen probabilidades de entre el 60 y el 80%, hasta que la protagonista, Maya (Jessica Chastain), interviene: «Está ahí al cien por cien», dice. «Vale, está bien, el 95%, porque sé que la certeza los asusta. ¡Pero son cien!»

Según Tetlock, la conversación en sí nunca habría sido así, porque Leon Panetta, el verdadero director de la CIA en ese momento, se sentía cómodo utilizando la probabilidad y las estimaciones diversas para tomar sus decisiones. De hecho, como relata Micah Zenko en otro libro nuevo, Equipo rojo, la CIA llevó a cabo tres ejercicios distintos del «equipo rojo» antes de la redada, todos diseñados para comprobar y cuestionar las suposiciones de los analistas. Aunque la verdadera «Maya» sí dio esa estimación del 95%, a ella y a su equipo se les obligó a revisar completamente su trabajo. La CIA también nombró a cuatro analistas externos para estudiar el caso, y el Centro Nacional Antiterrorista, una agencia independiente, llevó a cabo su propio análisis, lo que generó tres probabilidades de que bin Laden estuviera en el complejo: el 75, el 60 y el 40%. El presidente Obama llegó a la conclusión de que esto equivalía a «lanzar la moneda», pero, por supuesto, autorizó la redada. A Tetlock no le gusta la analogía de Obama (sus superpronosticadores habrían sido más precisos), pero no el proceso general. La estimación de Maya era «más extrema de lo que las pruebas podían respaldar» y, por lo tanto, «poco razonable», explica. En su mundo, esa confianza es motivo de escepticismo.

El libro Zenko es un buen complemento para Superprevisión, porque muestra cómo las organizaciones, no solo las personas, pueden superar sus sesgos hacia la falsa certeza y hacer buenas predicciones, en la geopolítica y los negocios, en los sectores público y privado. Con simulaciones, sondeos de vulnerabilidad y análisis alternativos que ofrecen una nueva visión de una situación compleja o se oponen intencionalmente a una posición determinada, los equipos rojos pueden mejorar considerablemente la precisión de las previsiones de la misma manera que lo hacen los expertos de Tetlock.

Zenko añade que la dirección debe aceptar, destinar importantes recursos a los equipos rojos y permitirles ser brutalmente honestos en sus análisis. Tetlock está de acuerdo. Si bien los grandes líderes deben tener confianza y ser decisivos, también deben poseer «humildad intelectual» y reconocer que el mundo es complejo y está lleno de incertidumbre, explica. Deberían aprender de los superpronosticadores y los equipos rojos y apoyarse en ellos, utilizando no solo uno sino muchos. Si Creso hubiera preguntado a los siete oráculos sobre su plan de ataque a Persia, por ejemplo, puede que no hubiera perdido su imperio.

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.