Los primeros días después de la erupción en La Palma se escuchaban muchas conjeturas acerca de cuánto tiempo permanecería activo el volcán. Algunos “tertulianos” fundamentaban sus opiniones en lo que habían durado las erupciones ocurridas anteriormente en la isla de las que se conservan registros. Si en 1585 la erupción del Tehuya duró 84 días, en 1646 la del Tigalate 82 días, en 1677 la del San Antonio 66 días, en 1949 la del San Juan 47 días, y en 1971 la del Teneguía 24 días, lo lógico era esperar que la erupción en Cumbre Vieja en 2021 seguiría la tendencia y sería la más breve de la serie histórica. Sin embargo, el nuevo volcán permaneció activo durante 85 días, superando al de Tehuya por un día.
Resultado: Futuro 1 – Pasado 0
La semana pasada participé en Barcelona en una sesión organizada por IESE en la que Roger L. Martin, cofundador en los ochenta de la firma de consultoría estratégica Monitor Group, profesor emérito de dirección estratégica en la Universidad de Toronto y autor de 12 libros, compartió sus perspectivas sobre algunos de los 14 “modelos de management que no funcionan” a que dedica su último libro A New Way to Think: Your Guide to Superior Management Effectiveness (Harvard Business Review Press, 2022). El caso es que las reflexiones de Martin sobre las trampas que esconde uno de esos 14 modelos en los que según él viven atrapados miles de directivos, –“el modelo dominante para la toma de decisiones”–, me hicieron recordar aquellos debates estériles en septiembre de 2021 sobre la posible duración de la erupción que se acababa de producir en la isla de La Palma.
El modelo dominante para la toma de decisiones
El modelo dominante para la toma de decisiones en el mundo de la empresa es que las decisiones deben tomarse a través de un análisis riguroso de los datos. Desde que Frederick Winslow Taylor formuló su teoría del «management científico» a principios del siglo pasado, este modelo se ha expandido hasta convertirse en el dominante debido en gran parte al tipo de educación que desde entonces reciben la mayoría de las personas que ocupan puestos directivos en las empresas. Más recientemente, la revolución digital ha terminado de consolidarlo gracias a la cantidad ingente de datos que ha puesto a disposición de los dirigentes empresariales, y a la aparición de soluciones tecnológicas que facilitan la detección de patrones en esa avalancha de datos.
En este contexto, los evangelistas de la gestión basada en evidencias (evidence-based management), que proclaman un uso “concienzudo, explícito y juicioso” de diferentes fuentes de información para analizar problemas y tomar decisiones mejor informadas en el ámbito de la gestión de personas, cada día ganan nuevos discípulos.
En su libro Ruido (2021), Daniel Kahneman, Olivier Sibony y Cass R. Sunstein defienden el uso de algoritmos en ciertas fases del proceso de toma de decisiones, en particular cuando se trata de juzgar entre opciones, con el argumento de que los algoritmos hacen que las decisiones sean menos dependientes de la idiosincrasia y circunstancias de la persona o personas que las toman y, en consecuencia, reducen su variabilidad.
En las listas de las capacidades que las empresas buscan hoy en día en sus empleados el pensamiento analítico siempre está en los primeros puestos. Miramos las listas de las ocupaciones más demandadas y ahí están los analistas y los científicos de datos. Examinamos cuáles son las prioridades de las empresas en materia de gestión de personas y una de las que sube más puestos es la analítica de personas (people analytics). Miramos las categorías de software de gestión que más crecen y ahí tenemos los programas para monitorizar la productividad de los trabajadores. En el mundo de la empresa el dato parece dominarlo todo.
En el campo de la gestión empresarial, como en la mayoría de disciplinas, que las decisiones se tomen a partir de un análisis riguroso de los datos relevantes y no en base a simples opiniones tiene ventajas evidentes. Entre otras, puede ayudar a los directivos a interpretar mejor su entorno y a detectar de manera temprana señales que anuncian cambios, a tomar decisiones mejor informadas, y a descubrir antes si estas decisiones han sido o no acertadas…
Sin embargo, esta devoción por el dato que observamos en cada vez más organizaciones oculta un problema de fondo, que se acentúa cuando hablamos de decisiones sobre estrategia o innovación.
El problema es que, en general, cuando en las empresas tomamos decisiones de ese tipo en base a “un análisis riguroso de datos”, como manda el modelo dominante para la toma de decisiones, nos olvidamos de que, a pesar de que nuestras decisiones sobre estrategia e innovación están pensadas para producir sus efectos en el futuro, los datos que hemos analizado para tomar esas decisiones, inevitablemente, todos proceden del pasado.
El 100% de los datos que usamos para tomar decisiones sobre el futuro son del pasado
También los datos a partir de los cuales aprenden y sobre los que trabajan los algoritmos en cuyas conclusiones nos apoyamos cada vez con más frecuencia cuando tomamos decisiones en las empresas.
Por supuesto, esto no es ningún problema si el futuro será idéntico al pasado del que proceden los datos que hemos analizado.
¿Pero qué pasa si no es así y (como la experiencia nos demuestra que sucede con mucha frecuencia) el futuro no es idéntico al pasado?
En ese caso es probable (más probable cuanto más cambiante sea el entorno en el que nos movamos) que algunos de esos datos del pasado que hemos utilizado para decidir nuestra estrategia no sean representativos del escenario futuro en el que pondremos en práctica esa estrategia, con lo que sus resultados pueden acabar siendo muy distintos de los esperados. Sorpresa.
Pero, ojo, que todos los datos son del pasado no quiere decir que debamos de abandonar la práctica de tomar decisiones en base al análisis riguroso de datos. Todo lo contrario, si tenemos datos debemos tenerlos en cuenta. Tampoco quiere decir que debamos dejar de mirar al pasado. Lo hemos explicado otras veces: Como sucede en cualquier sistema complejo las organizaciones tienen “memoria” y su comportamiento en parte está condicionado por su historia.
Si no tenemos en cuenta que todos los datos son datos del pasado, y que el futuro rara vez es exactamente igual al pasado, las “culturas del dato” que muchas empresas quieren fomentar en sus organizaciones pueden convertirse en una trampa peligrosa.
Sobre lo que nos quería prevenir Martin es que, si no tenemos en cuenta que todos los datos son datos del pasado, y que el futuro rara vez es exactamente igual al pasado, las “culturas del dato” que muchas empresas quieren fomentar en sus organizaciones pueden convertirse en una trampa peligrosa.
¿Cómo podemos evitarlo?
Para empezar, solo con que hagamos un esfuerzo consciente por tener presente que todos los datos que analizamos para tomar nuestras decisiones son datos del pasado, y que lo más probable es que el futuro no será idéntico al pasado del que proceden esos datos, empezaremos a abordar nuestras decisiones desde una perspectiva diferente, si queréis más “escéptica”. Esta actitud puede ayudarnos, por ejemplo, a darnos cuenta de que esas “culturas del dato” tienden a poner mucho peso en los métodos utilizados para elegir entre opciones pero poco en la manera en que se generan esas opciones. Lo cual, por otro lado, no deja de ser un reflejo de cómo es el sistema educativo en el que nos hemos formado la mayoría. (En relación con esta cuestión el profesor Martin nos contaba que había revisado la oferta de cursos de doctorado de un número importante de universidades y había encontrado muchos cursos sobre diseño de experimentos, métodos de análisis, escritura de papers o elaboración de ‘estados del arte’, pero ni uno solo sobre cómo formular buenas hipótesis).
Por otro lado, si revisamos en retrospectiva nuestras decisiones, nos daremos cuenta de que el “método dominante para la toma de decisiones” da mejores o peores resultados dependiendo de a qué tipo de cuestiones se refieran esas decisiones. En este sentido, Aristóteles ya diferenciaba entre “las cosas que no pueden ser otra cosa que la que son” y “las cosas que pueden ser otra cosa que lo que son”. Las primeras, decía, son el dominio de la ciencia. Las segundas, en cambio, son el dominio de la imaginación. En el mundo de la empresa es, por ejemplo, el caso de las decisiones sobre estrategia e innovación. Aquí lo primero es crear buenas opciones entre las que elegir, y esto requiere imaginación más que datos. Pensemos en las empresas que se suelen citar entre las más innovadoras. Si lo son es porque han sido capaces de imaginar productos o servicios que antes no existían. El problema es que imaginar es muy diferente a analizar y, como ya hemos visto, la mayoría no hemos sido educados para imaginar posibilidades. Como tampoco se nos da muy bien separar qué parte de los desafíos complejos a que nos enfrentamos cuando tomamos esas decisiones sobre innovación o estrategia empresarial son cosa de ciencia, y por tanto de datos, y en qué otras cuestiones necesitamos poner en juego nuestra imaginación. A veces simplemente porque no somos conscientes de los riesgos que corremos si cuando tomamos nuestras decisiones confundimos ambos dominios.
Finalmente, de la misma manera que la ausencia de datos no excluye que las cosas puedan ser siempre de una cierta forma, es importante que entendamos que el dominio de “las cosas que pueden ser otra cosa que lo que son” –el territorio de la imaginación– no es un mundo sin datos, sino un mundo donde debemos gestionar los datos de otra manera, con otra óptica, porque nos pueden jugar muy malas pasadas. Cuando tenemos la opción de elegir alternativas novedosas, o necesitamos responder a una situación a la que no nos hemos enfrentado antes, es normal que no dispongamos de datos, pero podemos producirlos. Por ejemplo, podemos construir prototipos y ponerlos a prueba a través de experimentos. Pero, por muy prometedores que sean los resultados de esos experimentos, nunca nunca deberíamos olvidar que estos resultados también son datos del pasado y que, por muy cercano que sea ese pasado, tenemos que tratarlos como tales, con prudencia.
***
Imagen Leopoldo de Castro bajo licencia Creative Commons.
Artículo publicado originalmente en la web de Future for Work Institute.
