Decisiones 2.0 El Poder de La Inteligencia Colectiva- Eric Bonaeau

Decisiones 2.0: el poder de la inteligencia colectiva Eric Bonabeau Consejero delegado y jefe científico de Icosystem, una consultora especializada en el uso de las ciencias de la complejidad para desarrollar estrategias de negocio innovadoras.

Los mercados de información, los wikis y otras aplicaciones que explotan la inteligencia colectiva de los grupos han generado recientemente un gran interés, pero ¿qué hay detrás de todo este entusiasmo?

20

HARVARD DEUSTO BUSINESS REVIEW

DECISIONES 2.0: EL PODER DE LA INTELIGENCIA COLECTIVA

E

l cerebro humano es un instrumento magnífico que ha evolucionado a lo largo de miles de años para permitirnos prosperar en una impresionante variedad de condiciones. Sin embargo, está programado para evitar la complejidad (no para aceptarla) y para responder con rapidez con el fin de garantizar la supervivencia (no para explorar numerosas opciones). En otras palabras, nuestra evolucionada heurística de decisiones tiene ciertas limitaciones, que han sido objeto de amplios estudios y documentadas a lo largo de las últimas décadas, en particular por los investigadores centrados en el campo de la economía del comportamiento. De hecho, el modo en el que nuestro cerebro percibe las influencias puede que fuera el más indicado para el entorno de nuestros antepasados, cuando una decisión rápida era por lo general mejor que ninguna decisión. No obstante, el hipercompetitivo y dinámico mundo de los negocios actual requiere tiempos de respuesta cortos, respuestas más precisas y una mayor exploración de las oportunidades potenciales. La buena noticia es que, gracias a Internet y a otras tecnologías de la información, tenemos ahora acceso a más datos –algunas veces, muchos más datos– sobre los clientes, los empleados y otros grupos de interés, de manera que, en principio, podemos lograr una comprensión más precisa y profunda de nuestro entorno. Sin embargo, esto no es suficiente; sigue siendo necesario tomar decisiones. Debemos explorar los datos de manera que podamos descubrir oportunidades, evaluarlas y proceder en consecuencia. El problema es que nuestras limitaciones como individuos capaces de tomar decisiones no nos han preparado para solventar muchos de los exigentes problemas empresariales de hoy día. ¿Y si, no obstante, confiáramos más en los demás para hallar esas soluciones? No cabe duda de que las empresas utilizan desde hace mucho tiempo equipos para solucionar los problemas, grupos de muestra para explorar las necesidades de los clientes, estudios para comprender el mercado y reuniones anuales para escuchar a los accionistas. Sin embargo, las palabras solucionar, explorar, comprender y escuchar han adquirido en la actualidad un significado totalmente nuevo. Gracias a las recientes tecnologías, entre ellas muchas de las aplicaciones de la Web 2.0, las empresas pueden ahora aprovechar más que nunca “el colectivo” a gran escala. De hecho, el aumento en el uso de conceptos como mercados de información, wikis, crowdsourcing, “la sabiduría de la multitud”, redes sociales, software colaborativo y otras herramientas basadas

en la Red constituye un cambio de paradigma en el modo en el que las empresas toman decisiones. Podemos llamarlo la emergente era de las “Decisiones 2.0”. Sin embargo, la proliferación de este tipo de tecnologías precisa un marco para comprender qué tipo de inteligencia colectiva es posible (o no), deseable (o no) y asequible en términos económicos (o no) y en qué condiciones. Este artículo pretende proporcionar un marco y una visión general con el fin de ayudar a las empresas

Debemos explorar los datos de manera que podamos descubrir oportunidades, evaluarlas y proceder en consecuencia

MARZO 2009

a evaluar cómo pueden utilizar las aplicaciones de Decisiones 2.0 para solucionar los problemas y tomar mejores decisiones.

Un marco para la toma de decisiones En el campo del estudio de las operaciones, solucionar un problema implica dos tareas de alto nivel: generar soluciones, lo que incluye delimitar el problema y establecer un conjunto de hipótesis de trabajo, y evaluar las diferentes alternativas generadas en el primer paso. Cada una de las tareas está sujeta a diversos sesgos. A la hora CUADRO 1

La pregunta de partida ¿Pueden las nuevas herramientas y métodos para explotar “la multitud” cambiar el modo en el que las empresas toman sus decisiones? ¿Deberían hacerlo? Conclusiones • En la práctica, las herramientas que utilizan la inteligencia colectiva han obtenido mejores resultados de lo que pueden explicar los teóricos. • La inteligencia colectiva es mejor para la generación de ideas que para la evaluación de éstas. • Los directivos deben tener en cuenta muchos aspectos clave a la hora de diseñar herramientas para explotar la inteligencia colectiva, desde la pérdida de control hasta el equilibrio entre la diversidad y la especialización.

21


de generar soluciones, por ejemplo, tendemos a buscar información que confirme nuestros supuestos (sesgo interesado) y a mantener tales creencias a pesar de las pruebas en contra (perseverancia de las creencias). En lo que respecta a la evaluación de las soluciones, tendemos a ver patrones allí donde no existe ninguno (obsesión por los patrones) y a dejarnos influir excesivamente por el modo en el que se presenta una solución (estructuración). Estas trampas habituales representan tan sólo algunas de entre las muchas formas en las que nuestra naturaleza humana básica puede llevarnos por el mal camino a la hora de tomar decisiones importantes. La inteligencia colectiva puede ser de gran ayuda a la hora de minimizar los efectos de tales sesgos (véase el cuadro 2). Por ejemplo, puede proporcionar una diversidad de puntos de vista y datos que sirva de freno al sesgo interesado y a la perseverancia de las creencias. La diversidad también puede ayudar a combatir la obsesión por los patrones y los efectos negativos de la estructuración. Debido a éstos y otros beneficios, muchas empresas han empezado a explotar la inteligencia colectiva mediante el uso de la Web 2.0 y de otras tecnologías. Algunas de las aplicaciones se centran en la generación de soluciones. Pensemos, por ejemplo, en InnoCentive, un sitio web a través del cual las empresas pueden exponer públicamente un problema en busca de soluciones, y la entrada ganadora recibirá un premio en metálico. Otras aplicaciones se centran en la tarea de evaluación. HSX, por ejemplo, es un mercado simulado en el cual los usuarios compran y venden futuros de las películas actuales, y los resultados son un indicador del lucrativo potencial de esos estrenos. Existen, además, otras

caciones de Decisiones 2.0 han combinado los diferentes enfoques de diferentes modos. Difusión A la hora de recopilar ideas (generación) o valorarlas (evaluación), es posible que una empresa quiera explotar personas o grupos que no se incluyen tradicionalmente en estos procesos. Puede, por ejemplo, querer superar barreras jerárquicas o funcionales dentro de la organización, o incluso obtener ayuda del exterior. El valor de la difusión se halla en los números: ampliando el número de individuos que están generando o evaluando soluciones. El desarrollo del software de código abierto es quizá el mejor ejemplo del poder de una cantidad enorme. “Cuando hay suficientes ojos, todos los problemas se convierten en nimiedades” es la expresión que se suele citar habitualmente, que significa que con la cantidad suficiente de personas trabajando en un proyecto, acabarán descubriendo cualquier error. La filosofía subyacente aquí es que hay personas ahí fuera que pueden ayudarle y, además, esos individuos puede que no se hallen necesariamente donde espera encontrarlos. En InnoCentive, las soluciones a los problemas proceden por lo general de un campo totalmente diferente. Agregación aditiva Las empresas pueden recopilar información a partir de una gran cantidad de fuentes y, a continuación, realizar algún tipo de media. El proceso se puede utilizar para agregar datos a partir de los grupos de decisión tradicionales, o también se puede combinar con la difusión para incluir información de un conjunto más amplio de personas. En este caso, el todo es por definición igual a la suma de sus partes (o una media). El ejemplo más sencillo conlleva la aplicación directa de la ley de los grandes números –por ejemplo, pedir a una multitud que calcule el número de gominolas que hay en un tarro y a continuación hallar la media de todas las respuestas–. Ejemplos más complejos implican aplicaciones como mercados de información o predictivos. La clave en este caso es mantener el equilibrio adecuado entre la diversidad y la especialización. Ambas son necesarias en diferentes grados, dependiendo de la aplicación. En Best Buy, por ejemplo, se utilizan mercados de información internos para una serie de actividades de previsión. Algunas de esas tareas han tenido éxito, pero los mercados internos tienden a no generar buenos resultados cuando se les

La inteligencia colectiva puede ser de gran ayuda a la hora de minimizar los efectos de los prejuicios en la toma de decisiones aplicaciones que abordan tanto la generación como la evaluación. Digg pide a los participantes tanto que aporten sus historias como que las voten y las entradas más populares se publican en la página de inicio. Tanto si el objetivo es la generación de soluciones, como si es la evaluación, o ambas, las empresas deberían considerar tres enfoques para lograr sus objetivos: difusión, agregación aditiva y autoorganización. Cada uno tiene sus ventajas y sus inconvenientes, y muchas apli-

22



CUADRO 2

Utilizar la inteligencia colectiva para tomar mejores decisiones La toma de decisiones se puede descomponer en dos tareas: la generación de soluciones potenciales y la evaluación de éstas. Cada una de estas tareas puede ser influida negativamente por diferentes sesgos humanos Tarea del proceso de decisión

Sesgos en el proceso

(a continuación se enumeran tan sólo algunos). Estos sesgos, sin embargo, se pueden minimizar mediante el uso de tres enfoques de la inteligencia colectiva: difusión, agregación aditiva y autoorganización. Enfoque de la inteligencia colectiva para minimizar los sesgos

Ejemplos

Generación de soluciones potenciales

1. Sesgo interesado (busca confirmar las hipótesis). 2. Interferencia social (influencia de los demás). 3. Sesgo de disponibilidad (satisfecho con una solución fácil). 4. Sesgo de autoconfianza (cree prematuramente que ha encontrado la solución). 5. Anclaje (explora en las proximidades de un apoyo). 6. Perseverancia de las creencias (mantiene la creencia a pesar de las pruebas en contra). 7. Estimulación (“sólo reconoce una solución cuando la ve”).

1. Difusión para obtener diversidad de supuestos. 2. Agregación aditiva para obtener participantes independientes. 3. Difusión para obtener diversidad de soluciones “fáciles”. 4. Difusión para obtener diversidad de soluciones. 5. Difusión para obtener diversidad de apoyos. 6. Difusión para obtener diversidad de creencias. 7. Difusión y autoorganización para obtener diversidad de estímulos.

Google; Affinnova; InnoCentive; Threadless; I.D.ah! de Bell Canada; ManyEyes; Swivel; Marketocracy; Goldcorp; Delicious; Digg; Connect and Develop de Procter & Gamble; Idea Exchange de Salesforce.com; IdeaStorm de Dell; Cajun Navy; concursos; blogs, wikis de Netflix; método Delphi; conjuntos de herramientas para los usuarios de vanguardia; software de código abierto; sousveillance; motores de recomendación; foros de soporte.

Evaluación de soluciones potenciales

1. Sesgo de linealidad (busca simples relaciones causa-efecto). 2. Local frente a global (confunde efectos locales y globales). 3. Sesgo estadístico (evita análisis estadísticos). 4. Obsesión por los patrones (ve patrones allí donde no los hay). 5. Estructuración (influencia de la presentación de una solución). 6. Descuento exagerado (dominado por el efecto a corto plazo). 7. Sesgo de dotación (tiene aversión al riesgo o las pérdidas).

1. Autoorganización para obtener interacciones no lineales. 2. Autoorganización para obtener interacciones no lineales. 3. Agregación aditiva para utilizar la ley de los grandes números. 4. Agregación aditiva y difusión para obtener diversidad de detectores de patrones. 5. Agregación aditiva para obtener diversidad de influencias. 6. Agregación aditiva para obtener diversidad de escalas temporales. 7. Agregación aditiva para obtener diversidad de perfiles de riesgo.

Digg; HSX; Zagat; American Idol; Affinnova; Threadless; Intrade; Google; StumbleUpon; I.D.ah! de Bell Canada; Mechanical Turk; Marketocracy; Idea Exchange de Salesforce. com; software de código abierto; método Delphi; mercados de información (o predictivos).

MARZO 2009

23


plantean cuestiones sobre la competencia, un tema sobre el que aparentemente los empleados de Best Buy tienen un conocimiento limitado. Autoorganización Los mecanismos que permiten las interacciones entre los miembros de un grupo pueden resultar en que el todo es más que la suma de sus partes. Ejemplos de usos

de una mala decisión tomada de forma colectiva. Además, las empresas deben ser conscientes de los potenciales efectos de “bola de nieve”. Mediante la autoorganización, una opinión puede lograr una aceptación no lineal a través de la autoamplificación. Esto puede llevar a que las relaciones públicas se conviertan en una auténtica pesadilla si el colectivo está formado por participantes externos a la organización. En consecuencia, uno de los principales aspectos en lo que respecta al control es si se deben incluir personas ajenas a la empresa en el proceso. La elección de ampliar el conjunto de las personas que toman las decisiones más allá de las paredes de su organización no se debería tomar a la ligera. No sólo estará divulgando información interna al mundo exterior, sino que también estará proporcionando un foro para las personas ajenas a la empresa, que es posible que no siempre estén interesadas en lograr lo que más conviene a ésta. Si el colectivo se desvía en una dirección inesperada y potencialmente peligrosa, el daño resultante podría ser difícil (y costoso) de contener. Una vez que el genio ha salido de la lámpara, explotar la diversidad y la especialización del mundo exterior puede llevar a resultados sustancialmente superiores cuando se ejecuta de forma adecuada.

Una inquietud clave, común a todas las formas de inteligencia colectiva, es la pérdida de control tan constructivos de autoorganización en los cuales las interacciones crean un valor adicional incluyen la Wiki pedia, Intellipedia (la versión de la CIA de la Wikipedia para los servicios de inteligencia) y Digg. Este tipo de aplicaciones permiten a las personas crear valor añadiendo o borrando las contribuciones de otros participantes. Sin embargo, existe un peligro: si los mecanismos de interacción no se han diseñado de forma adecuada, el todo puede acabar siendo mucho menos que la suma de sus partes. El pensamiento grupal es sólo un ejemplo de los inconvenientes de la autoorganización.

Aspectos clave Es posible que una aplicación que explota la inteligencia colectiva para mejorar la toma de decisiones parta de un concepto sencillo, pero puede resultar extremadamente difícil de implementar. Como ocurre con muchos sistemas, lo importante está en los detalles. Como mínimo, es necesario que los directivos tengan en cuenta los importantes aspectos que aparecen a continuación. Control Una inquietud clave, común a todas las formas de inteligencia colectiva, es la pérdida de control, que se puede manifestar de muchas formas diferentes. Una es, sencillamente, resultados no deseados e indeseables, es decir, que el colectivo toma una decisión que podría perjudicar a la empresa, revelando bien un error en el pensamiento de los directivos o la aplicación inadecuada de la inteligencia colectiva. Otra es la imprevisibilidad, es decir, que es posible que una decisión no sea mala per se, pero la organización no está preparada para hacerle frente. Una tercera es la responsabilidad no asignada, es decir, saber quién es responsable

24

Diversidad frente a especialización Tal como se ha mencionado, la toma de decisiones de un colectivo requiere que una empresa logre equilibrar la diversidad y la especialización. Determinados problemas se prestan más que otros a un enfoque basado en la diversidad, pero ningún grado de diversidad será de gran ayuda si los participantes desconocen totalmente los problemas. Otro factor que se debe tener en cuenta es la actual composición de la diversidad: del mismo modo que en las encuestas hay muestras sesgadas, la diversidad de una gran población también puede ser sesgada, lo que llevaría a decisiones distorsionadas. Por consiguiente, es necesario que las organizaciones decidan qué personas participarán basándose en la habilidad de esos individuos para comprender el problema en cuestión y realizar colectivamente contribuciones positivas a su solución. Tengamos en cuenta la aleccionadora historia del club de fútbol finlandés Pallokerho-35 (PK-35). Hace algunos años, el entrenador invitó a los aficionados a que ayudaran a determinar la política de contratación, de entrenamiento e incluso las tácticas de juego del



equipo al permitirles votar utilizando sus teléfonos móviles. Por desgracia, la temporada fue un desastre y el PK-35 acabó despidiendo a su entrenador y descartando su forma de tomar las decisiones basada en los seguidores. La lección en este caso es que muchas aplicaciones sí requieren un gran número de participantes para garantizar la calidad del resultado, pero esos individuos deben tener los conocimientos necesarios para realizar aportaciones útiles. Otras decisiones requieren una cantidad significativa de especialización que sólo se halla en un puñado de personas, ya sea dentro o fuera de la organización. En tales situaciones, las herramientas tradicionales como el método Delphi –un enfoque sistemático e iterativo de predicción– pueden ayudar a fomentar decisiones de calidad. Algunas empresas, sin embargo, están investigando el uso de enfoques más novedosos. HP Labs, por ejemplo, ha diseñado una interesante solución para aprovechar el poder colectivo de un pequeño grupo utilizando un mercado predictivo. El enfoque extrae los perfiles de riesgo de los participantes con un sencillo juego y, a continuación, utiliza esa información para adaptar el comportamiento del mercado.

minuye con el tiempo. Por consiguiente, las organizaciones deben proporcionar un flujo continuo de participantes nuevos y entusiastas con el fin de mantener un nivel de compromiso elevado, o tienen que ofrecer incentivos para sostener la motivación de las personas con el paso del tiempo.

Compromiso Los motivos que impulsan a las personas a participar en una empresa colectiva pueden variar enormemente. Incentivos como recompensas en metálico, premios y otras promociones pueden ser efectivos a la hora de estimular a los individuos a participar en actividades como mercados predictivos, para los cuales las recompensas explícitas parecen tener una gran importancia. Con otras aplicaciones –por ejemplo, la presentación de diseños de camisetas en el sitio web Thereadless–, las recompensas en metálico parecen ser menos importantes que el reconocimiento. Los incentivos basados en el valor también pueden ser importantes. Tal como han demostrado el movimiento de código abierto, la Wikipedia y otras iniciativas similares, la participación en una comunidad, el deseo de transferir conocimientos o de compartir experiencias y un sentido de deber cívico pueden ser poderosos factores de motivación. En lo que respecta a los esfuerzos internos continuados, mantener un grado elevado de compromiso por parte de los empleados puede ser difícil. En Google, los nuevos empleados son los que muestran un mayor entusiasmo –y participación– por los mercados predictivos internos de la organización, pero su entusiasmo dis-

Propiedad intelectual Otra inquietud es la de la propiedad intelectual, y este problema se manifiesta de dos modos. El más obvio es que una empresa precisa divulgar información sobre sus problemas para lograr que otros reflexionen sobre ellos, pero adaptarse a esta transparencia y gestionarla puede ser muy difícil para muchas compañías, en particular para aquéllas que han mantenido en el más absoluto secreto su propiedad intelectual. En segundo lugar, cuando una empresa busca ideas en el exterior de la organización, debe determinar si asumirá la titulari-

Vigilancia Cuando a las personas se les permite participar en las decisiones, la probabilidad de que algunas se porten mal aumenta con el tamaño del grupo. Para controlar este tipo de transgresiones, una vigilancia mutua puede ser efectiva en situaciones en las cuales un código de conducta implícito contribuye a regir el comportamiento de las personas. Sin embargo, la preocupación por la propia reputación también puede tener un efecto negativo, llevando a decisiones excesivamente conservadoras, ya que los participantes están excesivamente preocupados por la posibilidad de equivocarse. En lo que respecta a algunas actividades colectivas, como los mercados predictivos, una autoridad central parecida a la Securities and Exchange Commission puede ser necesaria para frustrar cualquier intento de manipular el mercado.

¿La inteligencia colectiva realmente corrige los sesgos en las decisiones? No hay una respuesta fácil

MARZO 2009

dad de la propiedad intelectual resultante y cómo (también tiene que asegurarse de que el participante está dispuesto a ceder la propiedad intelectual).

Diseño del mecanismo Quizá, el problema más difícil de todos es el diseño del mecanismo, el cual debe abordar un gran número de

25


cuestiones básicas. Por ejemplo, ¿se debería permitir que las aportaciones de todos los participantes tuvieran el mismo valor o algunos individuos deberían tener un mayor peso en el colectivo? En este último caso, ¿cómo se debería seleccionar a esos individuos especiales? No cabe duda de que diseñar los mecanismos adecuados para la toma de decisiones colectiva no es algo sencillo ni simple, y las “reglas de compromiso” pueden marcar una gran diferencia en el resultado. Otra cuestión básica con relación al diseño del mecanismo es si se debe utilizar un sistema de toma de decisiones distribuida o descentralizada. En la toma de decisiones distribuida, la forma más habitual de inteligencia colectiva, una serie de personas contribuyen a una decisión. En la toma de decisiones descentralizada, mu-

tiéndose de forma efectiva en un intermediario de la información. Hasta ahora, la toma colectiva de decisiones ha sido en gran medida empírica, y por cada historia de éxito como la Wikipedia, es muy probable que haya muchos proyectos que han fracasado debido a diseños defectuosos del mecanismo. Incluso una aplicación como la Wikipedia, que puede parecer sencilla en apariencia, se basa en una compleja jerarquía de editores cuidadosamente seleccionados. Incluso pequeños cambios en el diseño de un mecanismo de éxito pueden llevar a importantes consecuencias negativas no voluntarias. Por tanto, algunas organizaciones han decidido reproducir exactamente una aplicación. Un ejemplo es la Intellipedia, una herramienta desarrollada por el servicio de inteligencia de Estados Unidos que es una copia directa del diseño de la Wikipedia.

Si los mecanismos de interacción no se han diseñado de forma adecuada, el todo puede acabar siendo mucho menos que la suma de sus partes chas personas están facultadas para tomar sus propias decisiones de forma independiente. Piense en sitios web como ManyEyes y Swivel, en los que los participantes pueden subir conjuntos de datos para que otros los examinen con herramientas fáciles de utilizar. Digamos que alguien sube los datos sobre dióxido de carbono de una determinada área geográfica y otra persona sube información sobre el desarrollo urbanístico de ese mismo vecindario, una tercera persona podría entonces estudiar esos dos conjuntos de datos para investigar si existe alguna correlación. Numerosos ejemplos de respuesta ante catástrofes, desde el tsunami de 2004 hasta el huracán Katrina, han demostrado el poder de la toma de decisiones descentralizada por parte de las personas en primera línea. En tales situaciones, los complejos planes ideados por los burócratas centrales tienden a desmoronarse. La lección es que las decisiones tomadas en las oficinas centrales pueden no corresponderse con las realidades locales sobre el terreno. Aprovechar la inteligencia colectiva de aquéllos que tienen la información necesaria en beneficio de quienes deben adoptar las medidas sobre el terreno puede ser un camino más seguro hacia el éxito que el uso de decisiones verticales y basadas en patrones. En este tipo de situaciones, la organización puede contribuir al proceso de toma de decisiones convir-

26

Definir el éxito

Las empresas han implementado las aplicaciones de Decisiones 2.0 con objetivos muy diversos, entre ellos investigación y desarrollo, prospección de mercados, atención al cliente y gestión del conocimiento. Obviamente, el tipo de aplicación afectará al modo en el que debería evaluarse su éxito, pero los directivos deben recordar que determinados indicadores clave sólo se pueden determinar con posterioridad al proceso, por no decir una vez que ha finalizado. Por ejemplo, la precisión de una previsión generada por un mercado de información sólo se puede medir una vez que el evento ha ocurrido. En tales casos, los directivos deberían considerar la utilización de indicadores clave como variables sustitutivas con el fin de evaluar una aplicación antes de poder realizar una evaluación final (véase el cuadro 3). En un mercado de la información, por ejemplo, los indicadores clave pueden ser la cantidad y diversidad demográfica de los participantes. A pesar de que los indicadores pueden variar dependiendo de la propia aplicación, un indicador clave universal es el compromiso, es decir, si la aplicación ha estimulado y mantenido la participación activa de las personas de un modo significativo. El compromiso no se debería tomar a la ligera. De hecho, en una gran proporción de proyectos de Decisión 2.0 que han fracasado, la causa principal parece ser la falta de compromiso. Los participantes esperan que se les trate de un modo determinado y, la mayoría de las veces, también quieren que los organizadores de la aplicación se comprometan.



CUADRO 3

¿La inteligencia colectiva lleva a mejores decisiones? Las empresas pueden explotar la inteligencia colectiva mediante diversos tipos de aplicaciones. Para evaluar el rendimiento de tales iniciativas, los directivos deben

Tipo de aplicación

Ejemplos

identificar cuáles son los indicadores y las mediciones clave que deben utilizar. La información que se presenta a continuación debería proporcionar una orientación general.

Mediciones clave

Indicadores clave

I+D e innovación

InnoCentive, Top-Coder, el concurso de Netflix para desarrollar un motor de recomendaciones mejor.

Calidad de las soluciones y consistencia del resultado.

Acceso al talento, diversidad de participantes y compromiso de los participantes con el paso del tiempo.

Estudios de mercado

Mechanical Turk, Affinnova.

Capacidad para descubrir u obtener respuestas verdaderas.

Tamaño de la muestra y si es representativa del mercado, y compromiso de los participantes.

Previsión

Mercados de información como Intrade y NewsFutures.

Precisión de las previsiones.

Capacidad para realizar un seguimiento de las cantidades reales y del compromiso de los participantes con el paso del tiempo.

Atención al cliente

Comunidades de usuarios.

Porcentaje de problemas solucionados, tono de las conversaciones y rápido descubrimiento de los problemas.

Capacidad de respuesta a los problemas no solucionados y compromiso de los participantes.

Gestión del conocimiento

Wikis.

Calidad, precisión y frecuencia de las aportaciones, y uso del resultado en situaciones reales.

Acceso a contenido de sólo lectura, y actividad y compromiso de los participantes.

Verificación de sistemas

Concurso de criptografía de NIST, modelo peer-topatent.

Número, calidad y difusión de problemas inesperados que se abarcan.

Progreso de la verificación y compromiso de los participantes.

Respuesta a la crisis

Cajun Navy.

Acceso a información difícil de obtener y minimización de los daños infligidos por la crisis.

Modos de comunicación utilizados y compromiso de los participantes.

MARZO 2009

27


En términos generales, el rendimiento de muchas aplicaciones de Decisiones 2.0 ha dejado bastante que desear por diversas razones. En primer lugar, muchas herramientas no proporcionan información sobre los participantes, lo que plantea inquietudes sobre la exactitud del resultado y la posibilidad de que el proceso pueda ser manipulable. Además, las aplicaciones suelen carecer de cualquier proceso explícito de arbitraje que pueda ofrecer alguna garantía de calidad. Incluso aplicaciones que cuentan con un gran número de participantes se pueden gestionar con éxito. Es posible que la Wikipedia sea el ejemplo más conocido, pero hay muchas otras.

fácil. Antes de las elecciones a la presidencia de Estados Unidos de 2006, el sitio web Intrade predijo acertadamente que los demócratas lograrían el control de ambas cámaras del Congreso, algo que muchos expertos en política no lograron prever. Sin embargo, en 2008, la empresa descubrió que un solo miembro del mercado predictivo había sido el único responsable de un pico inusual en la previsión de que el senador John McCain derrotaría al senador Barack Obama en las elecciones presidenciales. En muchos otros casos documentados, el proceso colectivo de toma de decisiones ha resultado estar sesgado. Con los mercados de información, por ejemplo, esos sesgos se pueden manifestar en todas las formas que afectan la toma de decisiones individual: obsesión por los patrones, estructuración, etc. A pesar de esto, las aplicaciones de Decisiones 2.0 han funcionado por lo general mejor en la práctica de lo que habían previsto las diferentes teorías. Como uno de los primeros colaboradores en el campo de la inteligencia colectiva, estaba seguro de que la Wikipedia sería un fracaso. Por qué funciona tan bien sigue siendo todo un misterio para mí. A pesar de que he llegado a apreciar el hecho de que las personas quieren expresarse, la calidad de la Wikipedia (y de muchos de sus imitadores) sigue siendo sorprendente. En la actualidad, con la notable excepción de los mercados predictivos (para los cuales un importante cuerpo de trabajo nos ayuda a comprender lo que funciona y por qué), la práctica sigue estando muy por delante de la teoría en el campo de la inteligencia colectiva. Sin embargo, el hecho de que no podamos explicar el éxito de muchas iniciativas de Decisiones 2.0 no es algo necesariamente malo. De hecho, utilizamos muchas herramientas cada día cuyo funcionamiento no acabamos de comprender –nuestra mente intuitiva, por ejemplo–. No obstante, los avances en las investigaciones y en la teoría, así como el desarrollo de mejores mediciones de éxito, deberían dar lugar a mejoras sustanciales en el diseño y la implementación práctica de las diversas aplicaciones de Decisiones 2.0. Con ese fin, varios grupos de investigadores han puesto en marcha diversas iniciativas, entre ellos los del HP Laboratories y la International Business Machines Corp. Research Division, para comprender la dinámica de exitosas aplicaciones como Digg y Wikipedia. Incluso teniendo en cuenta la actual falta de teoría, un estudio de las diferentes aplicaciones nos conduce a dos observaciones generales. En primer lugar, la inteli-

La toma de decisiones de un colectivo requiere que una empresa logre equilibrar la diversidad y la especialización Pensemos, por ejemplo, en Delicious, una herramienta que permite a los usuarios agregar un sitio a favoritos utilizando palabras clave específicas, con lo que proporciona metadatos de gran utilidad sobre tales sitios. No obstante, seguimos enfrentándonos a una cuestión apremiante: ¿la inteligencia colectiva realmente corrige los sesgos en las decisiones? No hay una respuesta

28



gencia colectiva tiende a ser más efectiva a la hora de corregir sesgos individuales en el área global de la tarea de generación. Mi conjetura es que nosotros, como individuos, somos mucho más débiles como exploradores que como evaluadores y que, a pesar de todos los errores en nuestra heurística, somos bastante buenos a la hora de detectar errores. Por consiguiente, a la hora de explotar un colectivo, las empresas tienen ahora mayores probabilidades de obtener más valor de la generación de ideas que de la evaluación de éstas. En segundo lugar, una característica sorprendente de la mayor parte de las aplicaciones es que los bucles de retroalimentación entre la generación y la evaluación tienden a ser débiles o inexistentes. En este caso, el mecanismo fundamental de la variación y selección de la evolución biológica podría proporcionar un modelo efectivo: las ideas se podrían generar y evaluar, y el resultado de tal evaluación se podría utilizar en la creación de la siguiente generación de ideas. Affinnova, una empresa dedicada al estudio de mercados, por ejemplo, utiliza feedback colectivo para crear una nueva generación de diseños de productos que a continuación se presentan de nuevo al colectivo para su evaluación. Las empresas deberían considerar la implementación de este tipo de bucles de retroalimentación con mayor frecuencia, ya que el proceso iterativo explota en mayor medida el poder de un colectivo. Esa inteligencia colectiva es totalmente posible, no es una idea nueva. Hasta hace poco, sin embargo, las Memorias de extraordinarias ilusiones y de la locura de las multitudes de Charles Mackay, obra publicada en 1841, eran el marco por defecto para el funcionamiento del colectivo. Según este libro, el resultado más probable de la dinámica humana colectiva es burbujas en los mercados, inestabilidad y caos. Y, de hecho, como han demostrado el programa de televisión American Idol y el Zeit geist en las búsquedas más frecuentes de Google, la multitud no tiene necesariamente buen gusto. Ni la multitud tampoco es mejor que los expertos a la hora de solucionar cierto tipo de problemas. No obstante, un número cada vez mayor de aplicaciones ha demostrado que un grupo de personas diferentes, independientes y razonablemente informadas pueden obtener mejores resultados que incluso la mejor estimación o decisión individual. De hecho, el libro de James Surowiecki publicado en 2004, The Wisdom of the Crowds (un guiño al título del clásico de Mackay), ofrece una colección de ejemplos de este tipo. Como mínimo,

la aparición de herramientas basadas en la web con el fin de reunir a las personas en una gran variedad de formatos ha hecho posible experimentar con mecanismos para aprovechar las capacidades de un colectivo a la hora de tomar decisiones. Además, la extensa disponibilidad de las aplicaciones de la Web 2.0 ha llevado a la aparición de un número cada vez mayor de “profesionales amateurs”: desde ornitólogos hasta fotógrafos, personas

Cuando a las personas se les permite participar en las decisiones, la probabilidad de que algunas se porten mal aumenta con el tamaño del grupo

MARZO 2009

que antes tenían la pasión pero no las herramientas encuentran a su disposición la tecnología que les permite trabajar al mismo nivel que los profesionales. El resultado final es que en lo que respecta a muchos de los problemas a los que tiene que enfrentarse una empresa existe una solución potencial ahí fuera, muy lejos de los lugares tradicionales en los que los directivos suelen buscar, dentro o fuera de la organización. La estrategia, sin embargo, está en desarrollar la herramienta adecuada para localizar esa fuente y, a continuación, explotarla. De hecho, a pesar de que un éxito como el de la Wikipedia puede parecer sencillo en apariencia, esa sencillez superficial oculta un complejo mecanismo subyacente para aprovechar el poder de la inteligencia colectiva. En consecuencia, cualquier empresa que esté desarrollando una aplicación de Decisiones 2.0 haría bien en comprender algunos aspectos fundamentales, como el equilibrio entre la diversidad y la especialización, y la distinción entre la toma de decisiones descentralizada y distribuida. Después de todo, sin este tipo de conocimiento básico, una empresa podría acabar fácilmente explotando la locura de la multitud, no su sabiduría.

«Decisiones 2.0: el poder de la inteligencia colectiva». © Massachusetts Institute of Technology. Este artículo ha sido publicado anteriormente en MIT Sloan Management Review con el título “Decisions 2.0: The Power Collective Intelligence”. Referencia n.O 3357.

Si desea más información relacionada con este tema, introduzca el código 20730 en www.e-deusto.com/buscadorempresarial

29

Decisiones 2.0 El Poder de La Inteligencia Colectiva- Eric Bonaeau

Recommend Documents