Espejismo. Cómo el ser humano toma decisiones basadas en mentiras
26 oct 2021
La dicotomía entre el talento humano y el uso de máquinas, entre pedir consejo y la automatización de procesos. Una firma de consultoría estratégica tradicional aporta valor a sus clientes mediante sus mismos consultores, ayudándolos a tomar decisiones de manera racional e inteligente, basándose en datos y estrategizando las grandes decisiones a las que se enfrentan, con miras al futuro.
Del otro lado de la moneda se encuentran los esfuerzos por automatizar procesos que imprimen las empresas; pretendiendo librar al ser humano de tareas repetitivas y delegándole perfiles más analíticos y de toma de decisiones. Los primeros, sin el esfuerzo por automatizar del segundo, carecen de herramientas suficientes para canalizar el futuro de la empresa en pro del éxito, mientras que un mero desarrollo, carente de consultoría, padece de un riesgo todavía mayor: tomar malas decisiones aparentemente con datos como base, pero utilizando a la tecnología para permear sus propias opiniones en el modelo de negocio mismo de la empresa. Vivir con la ilusión de la objetividad por el mero hecho de contar con un algoritmo que sustente la lógica propia.
En el presente artículo, se pretende señalar cómo Konfront, mediante KonPaaS, que mezcla un servicio de consultoría estratégica de primer nivel aunado a la implementación de soluciones digitales, resulta en un producto que acaba por aportar más valor que la mera suma de sus partes; retomando solo el lado constructivo tanto del talento humano como de la automatización de procesos y previniendo los vicios o sesgos inherentes a estos elementos tomados por separado; desembocando en un servicio sinigual, que aporta mayor impacto y que representa un mucho menor costo. De igual forma, advertiremos sobre los peligros de "contratar desarrolladores" sin contar con un buen aliado estratégico capaz de direccionar la información en pro de la empresa.
En un mundo dónde uno es capaz de extraer datos de cualquier origen, para cualquier contexto y donde las matemáticas suelen representar un área al que pocas personas se sienten afines, tendemos a creer que si algo está suficientemente respaldado por datos o por algún modelo matemático, entonces debe ser certero, sin parar a cuestionarnos sobre la lógica que impera detrás del mismo.
Un modelo matemático se guía normalmente por el principio de Pareto, en tanto a las variables que contempla, siendo que este se concentra en simplificar un fenómeno dado a sus componentes más significativos para así pretender predecir un comportamiento futuro. Los factores más comunes que se yuxtaponen para desencadenar un resultado en concreto, dejan detrás factores aleatorios y poco usuales que de tomarse por separados resultan nimios, pero que de tomarse en conjunto representan una variación con tal significancia estadística que cualquiera haría mal en negligirlos; por ejemplo, para pruebas de mercado, cuestiones tales como el estado de ánimo del entrevistado, factores atmosféricos, iluminación al momento de responder o muchas otras circunstancias sobre las cuales el experimentador posee muy poca o ninguna injerencia y que afectan en un grado diminuto, pero real, el resultado del experimento. Otra consideración debe ser tomada antes de confiar ciegamente en un algoritmo una decisión crucial: no todo es cuantificable, por lo que necesitamos a usar proxies para aproximar una realidad más compleja. Un buen proxy se caracteriza por representar de manera suficiente una realidad compleja, etérea y que muchas veces no nos es posible cuantificar por métodos convencionales, sirviendo como herramienta para la toma de decisiones estratégicas y basadas en datos siempre y cuando exista una gran correlación entre la variable en cuestión y el fenómeno que se desea comprender. Por ejemplo, para entender el futuro éxito o fracaso de cualquier emprendimiento o proyecto dado, la prueba de concepto que Konfront ofrece dentro de nuestra línea Konsult, nuestro abanico de servicios relacionados a consultoría estratégica e inteligencia de negocios, permite recabar información temprana y confiable sobre la recepción de cualquier proyecto divergente; ejercicio que resulta en un extraordinario proxy (en tanto a la prueba de concepto y validación de interés) del éxito que el proyecto tendrá al ser desarrollado (Artículo aquí).
Las decisiones que toma el ser humano, fundamentándose en modelos que francamente muy pocas ocasiones comprende, desemboca en consecuencias capaces no solo de acabar con la vida de una empresa dada, sino afectar en la vida diaria. La decisión de contratar a alguien o no con base en su historial crediticio, dictaminar sentencias con base en el historial delictivo familiar de alguien, aspirar a trabajar en una empresa por sus altísimos índices de rechazo, todos ejemplos de casos tan poco plausibles y correlacionados con la realidad que pretenden representar como el juzgar a un libro por su portada.
Con el objetivo de criticar la toma de decisiones de las personas y evidenciar lo poco sustentadas que estas realmente están, por más que disimulemos que esto no es así, resulta pertinente remontarnos a la primera gran decisión a la que idealmente la mayoría de jóvenes se tendrían que enfrentar en sus vidas: la elección de carrera y, por consiguiente, de un alma mater donde cursarla. Cathy O'Neil, célebre autora que advierte de los peligros en muchos modelos matemáticos que carecen una consultoría fidedigna que respalde sus resultados, previene mediante su blog y eventual libro Weapons of Math Destruction a sus lectores en contra del sistema de ranking de universidades americano, dirigido por US News desde hace casi cuatro décadas, alegando que la lógica que fundamenta al algoritmo detrás hace más daño al sector educativo americano que bien. ¿El problema? Que desde su concepción, el modelo empleado por US News ha improvisado su manera de catalogar instituciones con base en los jugadores predominantes para ganar credibilidad ante los ojos de sus lectores; esto es, nacer de preguntarse ¿qué universidades se asemejan más a Harvard o MIT?, ¿qué es en lo que más destacan dichas universidades y quiénes lo están replicando? en lugar de las mucho más plausibles ¿qué significa dar una buena educación? o ¿qué necesita la educación del mañana?
Lo anterior desemboca en un círculo tóxico para el sector educativo, siendo que el reconocimiento de las universidades, dentro de muchos factores, comienza por enunciar su propio prestigio y difundirlo a las masas; acto que atraerá mejor talento a sus instalaciones, requerirá que la universidad suba sus estándares de aceptación, los facultará para incrementar las colegiaturas y les permitirá realizar fuertes inversiones cubriendo los aspectos medidos por el modelo de US News y que tendrá como consecuencia mayor reconocimiento y calificaciones en rankings subsecuentes. Dicho círculo vicioso alimenta un modelo lógico que premia a aquel con la capacidad de hacer mayor ruido y toma como variable sustituta a la popularidad de una institución dada sobre la calidad académica. Ser reconocido es, en sí mismo, una profecía autocumplida.
El modelo de US News, además de ser reprochable en tanto a todo lo que implica, nos permite entrever una realidad sobre los proxies que utilizamos: una vez que se ventilan, pasan a ser fútiles, siendo que el hecho de dar a conocer los criterios, como en este caso, permite a las instituciones o implicados modificar sus resultados artificialmente, o por lo menos insta a disimularlos o mentir sobre ellos, y arroja paulatinamente un mayor número de falsos positivos.
Este escenario permite esclarecer un hecho que en otros giros y para muchas otras decisiones resulta menos evidente: la necesidad del factor humano y, sobre todo, de un aliado estratégico que sea capaz de discernir los sesgos inherentes al nicho de cualquier empresa y que ayude a actuar meticulosamente como consecuencia. Con KonPaas, Konfront no solo pone a tu disposición un galardonado equipo de desarrolladores especializados en digitalizar tu negocio, sino a un panel de experimentados consultores estratégicos que llevarán de la mano tu proyecto hasta su potencial máximo. Empieza la conversación y descubre cómo tú puedes ser nuestro siguiente caso de éxito.
Fuentes de Consulta:
Cathy O’Neil. “Weapons of Math Destruction” (2016)
Consultado el 06/10/2021
Nema Milaninia. “Biases in machine learning models and big data analytics: The international criminal and humanitarian law implications” (03/2021)
Consultado el 08/10/2021
Kara E. Joyce. Techtarget. “Bias in big data: How to find it and mitigate influence” (11/03/2021)
Consultado el 13/10/2021
