Decisiones 2.

0: el poder de la inteligencia colectiva

Eric Bonabeau
Consejero delegado y jefe cientco de Icosystem, una consultora especializada en el uso de las ciencias de la complejidad para desarrollar estrategias de negocio innovadoras.

Los mercados de informacin, los wikis y otras aplicaciones que explotan la inteligencia colectiva de los grupos han generado recientemente un gran inters, pero qu hay detrs de todo este entusiasmo?

20

HARVARD DEUSTO BUSINESS REVIEW

DECISIONES 2.0: EL PODER DE LA INTELIGENCIA COLECTIVA

l cerebro humano es un instrumento magnco que ha evolucionado a lo largo de miles de aos para permitirnos prosperar en una impresionante variedad de condiciones. Sin embargo, est programado para evitar la complejidad (no para aceptarla) y para responder con rapidez con el n de garantizar la supervivencia (no para explorar numerosas opciones). En otras palabras, nuestra evolucionada heurstica de decisiones tiene ciertas limitaciones, que han sido objeto de amplios estudios y documentadas a lo largo de las ltimas dcadas, en particular por los investigadores centrados en el campo de la economa del comportamiento. De hecho, el modo en el que nuestro cerebro percibe las inuencias puede que fuera el ms indicado para el entorno de nuestros antepasados, cuando una decisin rpida era por lo general mejor que ninguna decisin. No obstante, el hipercompetitivo y dinmico mundo de los negocios actual requiere tiempos de respuesta cortos, respuestas ms precisas y una mayor exploracin de las oportunidades potenciales. La buena noticia es que, gracias a Internet y a otras tecnologas de la informacin, tenemos ahora acceso a ms datos algunas veces, muchos ms datos sobre los clientes, los empleados y otros grupos de inters, de manera que, en principio, podemos lograr una comprensin ms precisa y profunda de nuestro entorno. Sin embargo, esto no es suciente; 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 da. Y si, no obstante, conramos ms en los dems 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 signicado totalmente nuevo. Gracias a las recientes tecnologas, entre ellas muchas de las aplicaciones de la Web 2.0, las empresas pueden ahora aprovechar ms que nunca el colectivo a gran escala. De hecho, el aumento en el uso de conceptos como mercados de informacin, wikis, crowdsourcing, la sabidura 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 proliferacin de este tipo de tecnologas precisa un marco para comprender qu tipo de inteligencia colectiva es posible (o no), deseable (o no) y asequible en trminos econmicos (o no) y en qu condiciones. Este artculo pretende proporcionar un marco y una visin general con el n de ayudar a las empresas

Debemos explorar los datos de manera que podamos descubrir oportunidades, evaluarlas y proceder en consecuencia
a evaluar cmo 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 hiptesis de trabajo, y evaluar las diferentes alternativas generadas en el primer paso. Cada una de las tareas est sujeta a diversos sesgos. A la hora
CUADRO 1

La pregunta de partida
Pueden las nuevas herramientas y mtodos para explotar la multitud cambiar el modo en el que las empresas toman sus decisiones? Deberan hacerlo? Conclusiones En la prctica, las herramientas que utilizan la inteligencia colectiva han obtenido mejores resultados de lo que pueden explicar los tericos. La inteligencia colectiva es mejor para la generacin de ideas que para la evaluacin de stas. Los directivos deben tener en cuenta muchos aspectos clave a la hora de disear herramientas para explotar la inteligencia colectiva, desde la prdida de control hasta el equilibrio entre la diversidad y la especializacin.

MARZO

2009

21

DECISIONES 2.0: EL PODER DE LA INTELIGENCIA COLECTIVA

de generar soluciones, por ejemplo, tendemos a buscar informacin que conrme 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 evaluacin de las soluciones, tendemos a ver patrones all donde no existe ninguno (obsesin por los patrones) y a dejarnos inuir excesivamente por el modo en el que se presenta una solucin (estructuracin). Estas trampas habituales representan tan slo algunas de entre las muchas formas en las que nuestra naturaleza humana bsica 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 (vase 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 tambin puede ayudar a combatir la obsesin por los patrones y los efectos negativos de la estructuracin. Debido a stos y otros benecios, muchas empresas han empezado a explotar la inteligencia colectiva mediante el uso de la Web 2.0 y de otras tecnologas. Algunas de las aplicaciones se centran en la generacin de soluciones. Pensemos, por ejemplo, en InnoCentive, un sitio web a travs del cual las empresas pueden exponer pblicamente un problema en busca de soluciones, y la entrada ganadora recibir un premio en metlico. Otras aplicaciones se centran en la tarea de evaluacin. HSX, por ejemplo, es un mercado simulado en el cual los usuarios compran y venden futuros de las pelculas actuales, y los resultados son un indicador del lucrativo potencial de esos estrenos. Existen, adems, otras

caciones de Decisiones 2.0 han combinado los diferentes enfoques de diferentes modos. Difusin A la hora de recopilar ideas (generacin) o valorarlas (evaluacin), es posible que una empresa quiera explotar personas o grupos que no se incluyen tradicionalmente en estos procesos. Puede, por ejemplo, querer superar barreras jerrquicas o funcionales dentro de la organizacin, o incluso obtener ayuda del exterior. El valor de la difusin se halla en los nmeros: ampliando el nmero de individuos que estn generando o evaluando soluciones. El desarrollo del software de cdigo abierto es quiz el mejor ejemplo del poder de una cantidad enorme. Cuando hay sucientes ojos, todos los problemas se convierten en nimiedades es la expresin que se suele citar habitualmente, que signica que con la cantidad suciente de personas trabajando en un proyecto, acabarn descubriendo cualquier error. La losofa subyacente aqu es que hay personas ah fuera que pueden ayudarle y, adems, 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. Agregacin aditiva Las empresas pueden recopilar informacin a partir de una gran cantidad de fuentes y, a continuacin, realizar algn tipo de media. El proceso se puede utilizar para agregar datos a partir de los grupos de decisin tradicionales, o tambin se puede combinar con la difusin para incluir informacin de un conjunto ms amplio de personas. En este caso, el todo es por denicin igual a la suma de sus partes (o una media). El ejemplo ms sencillo conlleva la aplicacin directa de la ley de los grandes nmeros por ejemplo, pedir a una multitud que calcule el nmero de gominolas que hay en un tarro y a continuacin hallar la media de todas las respuestas. Ejemplos ms complejos implican aplicaciones como mercados de informacin o predictivos. La clave en este caso es mantener el equilibrio adecuado entre la diversidad y la especializacin. Ambas son necesarias en diferentes grados, dependiendo de la aplicacin. En Best Buy, por ejemplo, se utilizan mercados de informacin internos para una serie de actividades de previsin. Algunas de esas tareas han tenido xito, 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 generacin como la evaluacin. Digg pide a los participantes tanto que aporten sus historias como que las voten y las entradas ms populares se publican en la pgina de inicio. Tanto si el objetivo es la generacin de soluciones, como si es la evaluacin, o ambas, las empresas deberan considerar tres enfoques para lograr sus objetivos: difusin, agregacin aditiva y autoorganizacin. Cada uno tiene sus ventajas y sus inconvenientes, y muchas apli-

22

HARVARD DEUSTO BUSINESS REVIEW

DECISIONES 2.0: EL PODER DE LA INTELIGENCIA COLECTIVA

CUADRO 2

Utilizar la inteligencia colectiva para tomar mejores decisiones

La toma de decisiones se puede descomponer en dos tareas: la generacin de soluciones potenciales y la evaluacin de stas. Cada una de estas tareas puede ser inuida negativamente por diferentes sesgos humanos Tarea del proceso de decisin Generacin de soluciones potenciales (a continuacin se enumeran tan slo algunos). Estos sesgos, sin embargo, se pueden minimizar mediante el uso de tres enfoques de la inteligencia colectiva: difusin, agregacin aditiva y autoorganizacin. Enfoque de la inteligencia colectiva para minimizar los sesgos 1. Difusin para obtener diversidad de supuestos. 2. Agregacin aditiva para obtener participantes independientes. 3. Difusin para obtener diversidad de soluciones fciles. 4. Difusin para obtener diversidad de soluciones. 5. Difusin para obtener diversidad de apoyos. 6. Difusin para obtener diversidad de creencias. 7. Difusin y autoorganizacin para obtener diversidad de estmulos.

Sesgos en el proceso 1. Sesgo interesado (busca conrmar las hiptesis). 2. Interferencia social (inuencia de los dems). 3. Sesgo de disponibilidad (satisfecho con una solucin fcil). 4. Sesgo de autoconanza (cree prematuramente que ha encontrado la solucin). 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. Estimulacin (slo reconoce una solucin cuando la ve). 1. Sesgo de linealidad (busca simples relaciones causa-efecto). 2. Local frente a global (confunde efectos locales y globales). 3. Sesgo estadstico (evita anlisis estadsticos). 4. Obsesin por los patrones (ve patrones all donde no los hay). 5. Estructuracin (inuencia de la presentacin de una solucin). 6. Descuento exagerado (dominado por el efecto a corto plazo). 7. Sesgo de dotacin (tiene aversin al riesgo o las prdidas).

Ejemplos Google; Afnnova; 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 Netix; mtodo Delphi; conjuntos de herramientas para los usuarios de vanguardia; software de cdigo abierto; sousveillance; motores de recomendacin; foros de soporte.

Evaluacin de soluciones potenciales

1. Autoorganizacin para obtener interacciones no lineales. 2. Autoorganizacin para obtener interacciones no lineales. 3. Agregacin aditiva para utilizar la ley de los grandes nmeros. 4. Agregacin aditiva y difusin para obtener diversidad de detectores de patrones. 5. Agregacin aditiva para obtener diversidad de inuencias. 6. Agregacin aditiva para obtener diversidad de escalas temporales. 7. Agregacin aditiva para obtener diversidad de perles de riesgo.

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

MARZO

2009

23

DECISIONES 2.0: EL PODER DE LA INTELIGENCIA COLECTIVA

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

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

de una mala decisin tomada de forma colectiva. Adems, las empresas deben ser conscientes de los potenciales efectos de bola de nieve. Mediante la autoorganizacin, una opinin puede lograr una aceptacin no lineal a travs de la autoamplicacin. Esto puede llevar a que las relaciones pblicas se conviertan en una autntica pesadilla si el colectivo est formado por participantes externos a la organizacin. 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 eleccin de ampliar el conjunto de las personas que toman las decisiones ms all de las paredes de su organizacin no se debera tomar a la ligera. No slo estar divulgando informacin interna al mundo exterior, sino que tambin estar proporcionando un foro para las personas ajenas a la empresa, que es posible que no siempre estn interesadas en lograr lo que ms conviene a sta. Si el colectivo se desva en una direccin inesperada y potencialmente peligrosa, el dao resultante podra ser difcil (y costoso) de contener. Una vez que el genio ha salido de la lmpara, explotar la diversidad y la especializacin del mundo exterior puede llevar a resultados sustancialmente superiores cuando se ejecuta de forma adecuada. Diversidad frente a especializacin Tal como se ha mencionado, la toma de decisiones de un colectivo requiere que una empresa logre equilibrar la diversidad y la especializacin. Determinados problemas se prestan ms que otros a un enfoque basado en la diversidad, pero ningn grado de diversidad ser de gran ayuda si los participantes desconocen totalmente los problemas. Otro factor que se debe tener en cuenta es la actual composicin de la diversidad: del mismo modo que en las encuestas hay muestras sesgadas, la diversidad de una gran poblacin tambin puede ser sesgada, lo que llevara a decisiones distorsionadas. Por consiguiente, es necesario que las organizaciones decidan qu personas participarn basndose en la habilidad de esos individuos para comprender el problema en cuestin y realizar colectivamente contribuciones positivas a su solucin. Tengamos en cuenta la aleccionadora historia del club de ftbol nlands Pallokerho-35 (PK-35). Hace algunos aos, el entrenador invit a los acionados a que ayudaran a determinar la poltica de contratacin, de entrenamiento e incluso las tcticas de juego del

Aspectos clave
Es posible que una aplicacin que explota la inteligencia colectiva para mejorar la toma de decisiones parta de un concepto sencillo, pero puede resultar extremadamente difcil de implementar. Como ocurre con muchos sistemas, lo importante est en los detalles. Como mnimo, es necesario que los directivos tengan en cuenta los importantes aspectos que aparecen a continuacin. Control Una inquietud clave, comn a todas las formas de inteligencia colectiva, es la prdida 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 decisin que podra perjudicar a la empresa, revelando bien un error en el pensamiento de los directivos o la aplicacin inadecuada de la inteligencia colectiva. Otra es la imprevisibilidad, es decir, que es posible que una decisin no sea mala per se, pero la organizacin no est preparada para hacerle frente. Una tercera es la responsabilidad no asignada, es decir, saber quin es responsable

24

HARVARD DEUSTO BUSINESS REVIEW

DECISIONES 2.0: EL PODER DE LA INTELIGENCIA COLECTIVA

equipo al permitirles votar utilizando sus telfonos mviles. Por desgracia, la temporada fue un desastre y el PK-35 acab despidiendo a su entrenador y descartando su forma de tomar las decisiones basada en los seguidores. La leccin en este caso es que muchas aplicaciones s requieren un gran nmero de participantes para garantizar la calidad del resultado, pero esos individuos deben tener los conocimientos necesarios para realizar aportaciones tiles. Otras decisiones requieren una cantidad signicativa de especializacin que slo se halla en un puado de personas, ya sea dentro o fuera de la organizacin. En tales situaciones, las herramientas tradicionales como el mtodo Delphi un enfoque sistemtico e iterativo de prediccin pueden ayudar a fomentar decisiones de calidad. Algunas empresas, sin embargo, estn investigando el uso de enfoques ms novedosos. HP Labs, por ejemplo, ha diseado una interesante solucin para aprovechar el poder colectivo de un pequeo grupo utilizando un mercado predictivo. El enfoque extrae los perles de riesgo de los participantes con un sencillo juego y, a continuacin, utiliza esa informacin para adaptar el comportamiento del mercado. Compromiso Los motivos que impulsan a las personas a participar en una empresa colectiva pueden variar enormemente. Incentivos como recompensas en metlico, 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 explcitas parecen tener una gran importancia. Con otras aplicaciones por ejemplo, la presentacin de diseos de camisetas en el sitio web Thereadless, las recompensas en metlico parecen ser menos importantes que el reconocimiento. Los incentivos basados en el valor tambin pueden ser importantes. Tal como han demostrado el movimiento de cdigo abierto, la Wikipedia y otras iniciativas similares, la participacin en una comunidad, el deseo de transferir conocimientos o de compartir experiencias y un sentido de deber cvico pueden ser poderosos factores de motivacin. En lo que respecta a los esfuerzos internos continuados, mantener un grado elevado de compromiso por parte de los empleados puede ser difcil. En Google, los nuevos empleados son los que muestran un mayor entusiasmo y participacin por los mercados predictivos internos de la organizacin, pero su entusiasmo dis-

minuye con el tiempo. Por consiguiente, las organizaciones deben proporcionar un ujo continuo de participantes nuevos y entusiastas con el n de mantener un nivel de compromiso elevado, o tienen que ofrecer incentivos para sostener la motivacin de las personas con el paso del tiempo. Vigilancia Cuando a las personas se les permite participar en las decisiones, la probabilidad de que algunas se porten mal aumenta con el tamao del grupo. Para controlar este tipo de transgresiones, una vigilancia mutua puede ser efectiva en situaciones en las cuales un cdigo de conducta implcito contribuye a regir el comportamiento de las personas. Sin embargo, la preocupacin por la propia reputacin tambin puede tener un efecto negativo, llevando a decisiones excesivamente conservadoras, ya que los participantes estn 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. Propiedad intelectual Otra inquietud es la de la propiedad intelectual, y este problema se maniesta de dos modos. El ms obvio es que una empresa precisa divulgar informacin sobre sus problemas para lograr que otros reexionen sobre ellos, pero adaptarse a esta transparencia y gestionarla puede ser muy difcil para muchas compaas, en particular para aqullas que han mantenido en el ms absoluto secreto su propiedad intelectual. En segundo lugar, cuando una empresa busca ideas en el exterior de la organizacin, debe determinar si asumir la titulari-

La inteligencia colectiva realmente corrige los sesgos en las decisiones? No hay una respuesta fcil
dad de la propiedad intelectual resultante y cmo (tambin tiene que asegurarse de que el participante est dispuesto a ceder la propiedad intelectual).

Diseo del mecanismo

Quiz, el problema ms difcil de todos es el diseo del mecanismo, el cual debe abordar un gran nmero de

MARZO

2009

25

DECISIONES 2.0: EL PODER DE LA INTELIGENCIA COLECTIVA

cuestiones bsicas. Por ejemplo, se debera permitir que las aportaciones de todos los participantes tuvieran el mismo valor o algunos individuos deberan tener un mayor peso en el colectivo? En este ltimo caso, cmo se debera seleccionar a esos individuos especiales? No cabe duda de que disear 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 cuestin bsica con relacin al diseo del mecanismo es si se debe utilizar un sistema de toma de decisiones distribuida o descentralizada. En la toma de decisiones distribuida, la forma ms habitual de inteligencia colectiva, una serie de personas contribuyen a una decisin. En la toma de decisiones descentralizada, mu-

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

Si los mecanismos de interaccin no se han diseado de forma adecuada, el todo puede acabar siendo mucho menos que la suma de sus partes
chas personas estn 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 fciles de utilizar. Digamos que alguien sube los datos sobre dixido de carbono de una determinada rea geogrca y otra persona sube informacin sobre el desarrollo urbanstico de ese mismo vecindario, una tercera persona podra entonces estudiar esos dos conjuntos de datos para investigar si existe alguna correlacin. Numerosos ejemplos de respuesta ante catstrofes, desde el tsunami de 2004 hasta el huracn Katrina, han demostrado el poder de la toma de decisiones descentralizada por parte de las personas en primera lnea. En tales situaciones, los complejos planes ideados por los burcratas centrales tienden a desmoronarse. La leccin es que las decisiones tomadas en las ocinas centrales pueden no corresponderse con las realidades locales sobre el terreno. Aprovechar la inteligencia colectiva de aqullos que tienen la informacin necesaria en benecio de quienes deben adoptar las medidas sobre el terreno puede ser un camino ms seguro hacia el xito que el uso de decisiones verticales y basadas en patrones. En este tipo de situaciones, la organizacin puede contribuir al proceso de toma de decisiones convir-

Denir el xito

Las empresas han implementado las aplicaciones de Decisiones 2.0 con objetivos muy diversos, entre ellos investigacin y desarrollo, prospeccin de mercados, atencin al cliente y gestin del conocimiento. Obviamente, el tipo de aplicacin afectar al modo en el que debera evaluarse su xito, pero los directivos deben recordar que determinados indicadores clave slo se pueden determinar con posterioridad al proceso, por no decir una vez que ha nalizado. Por ejemplo, la precisin de una previsin generada por un mercado de informacin slo se puede medir una vez que el evento ha ocurrido. En tales casos, los directivos deberan considerar la utilizacin de indicadores clave como variables sustitutivas con el n de evaluar una aplicacin antes de poder realizar una evaluacin nal (vase el cuadro 3). En un mercado de la informacin, por ejemplo, los indicadores clave pueden ser la cantidad y diversidad demogrca de los participantes. A pesar de que los indicadores pueden variar dependiendo de la propia aplicacin, un indicador clave universal es el compromiso, es decir, si la aplicacin ha estimulado y mantenido la participacin activa de las personas de un modo signicativo. El compromiso no se debera tomar a la ligera. De hecho, en una gran proporcin de proyectos de Decisin 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 mayora de las veces, tambin quieren que los organizadores de la aplicacin se comprometan.

26

HARVARD DEUSTO BUSINESS REVIEW

DECISIONES 2.0: EL PODER DE LA INTELIGENCIA COLECTIVA

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 identicar cules son los indicadores y las mediciones clave que deben utilizar. La informacin que se presenta a continuacin debera proporcionar una orientacin general.

Tipo de aplicacin I+D e innovacin

Ejemplos InnoCentive, Top-Coder, el concurso de Netix para desarrollar un motor de recomendaciones mejor. Mechanical Turk, Afnnova.

Mediciones clave Calidad de las soluciones y consistencia del resultado.

Indicadores clave Acceso al talento, diversidad de participantes y compromiso de los participantes con el paso del tiempo. Tamao de la muestra y si es representativa del mercado, y compromiso de los participantes. Capacidad para realizar un seguimiento de las cantidades reales y del compromiso de los participantes con el paso del tiempo. Capacidad de respuesta a los problemas no solucionados y compromiso de los participantes. Acceso a contenido de slo lectura, y actividad y compromiso de los participantes.

Estudios de mercado

Capacidad para descubrir u obtener respuestas verdaderas.

Previsin

Mercados de informacin como Intrade y NewsFutures.

Precisin de las previsiones.

Atencin al cliente

Comunidades de usuarios.

Porcentaje de problemas solucionados, tono de las conversaciones y rpido descubrimiento de los problemas. Calidad, precisin y frecuencia de las aportaciones, y uso del resultado en situaciones reales. Nmero, calidad y difusin de problemas inesperados que se abarcan. Acceso a informacin difcil de obtener y minimizacin de los daos inigidos por la crisis.

Gestin del conocimiento

Wikis.

Vericacin de sistemas

Concurso de criptografa de NIST, modelo peer-topatent. Cajun Navy.

Progreso de la vericacin y compromiso de los participantes. Modos de comunicacin utilizados y compromiso de los participantes.

Respuesta a la crisis

MARZO

2009

27

DECISIONES 2.0: EL PODER DE LA INTELIGENCIA COLECTIVA

En trminos 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 informacin sobre los participantes, lo que plantea inquietudes sobre la exactitud del resultado y la posibilidad de que el proceso pueda ser manipulable. Adems, las aplicaciones suelen carecer de cualquier proceso explcito de arbitraje que pueda ofrecer alguna garanta de calidad. Incluso aplicaciones que cuentan con un gran nmero de participantes se pueden gestionar con xito. Es posible que la Wikipedia sea el ejemplo ms conocido, pero hay muchas otras.

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

fcil. Antes de las elecciones a la presidencia de Estados Unidos de 2006, el sitio web Intrade predijo acertadamente que los demcratas lograran el control de ambas cmaras del Congreso, algo que muchos expertos en poltica no lograron prever. Sin embargo, en 2008, la empresa descubri que un solo miembro del mercado predictivo haba sido el nico responsable de un pico inusual en la previsin de que el senador John McCain derrotara 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 informacin, por ejemplo, esos sesgos se pueden manifestar en todas las formas que afectan la toma de decisiones individual: obsesin por los patrones, estructuracin, etc. A pesar de esto, las aplicaciones de Decisiones 2.0 han funcionado por lo general mejor en la prctica de lo que haban previsto las diferentes teoras. Como uno de los primeros colaboradores en el campo de la inteligencia colectiva, estaba seguro de que la Wikipedia sera un fracaso. Por qu funciona tan bien sigue siendo todo un misterio para m. 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 excepcin de los mercados predictivos (para los cuales un importante cuerpo de trabajo nos ayuda a comprender lo que funciona y por qu), la prctica sigue estando muy por delante de la teora en el campo de la inteligencia colectiva. Sin embargo, el hecho de que no podamos explicar el xito de muchas iniciativas de Decisiones 2.0 no es algo necesariamente malo. De hecho, utilizamos muchas herramientas cada da cuyo funcionamiento no acabamos de comprender nuestra mente intuitiva, por ejemplo. No obstante, los avances en las investigaciones y en la teora, as como el desarrollo de mejores mediciones de xito, deberan dar lugar a mejoras sustanciales en el diseo y la implementacin prctica de las diversas aplicaciones de Decisiones 2.0. Con ese n, 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 dinmica de exitosas aplicaciones como Digg y Wikipedia. Incluso teniendo en cuenta la actual falta de teora, un estudio de las diferentes aplicaciones nos conduce a dos observaciones generales. En primer lugar, la inteli-

28

HARVARD DEUSTO BUSINESS REVIEW

DECISIONES 2.0: EL PODER DE LA INTELIGENCIA COLECTIVA

gencia colectiva tiende a ser ms efectiva a la hora de corregir sesgos individuales en el rea global de la tarea de generacin. Mi conjetura es que nosotros, como individuos, somos mucho ms dbiles como exploradores que como evaluadores y que, a pesar de todos los errores en nuestra heurstica, 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 ms valor de la generacin de ideas que de la evaluacin de stas. En segundo lugar, una caracterstica sorprendente de la mayor parte de las aplicaciones es que los bucles de retroalimentacin entre la generacin y la evaluacin tienden a ser dbiles o inexistentes. En este caso, el mecanismo fundamental de la variacin y seleccin de la evolucin biolgica podra proporcionar un modelo efectivo: las ideas se podran generar y evaluar, y el resultado de tal evaluacin se podra utilizar en la creacin de la siguiente generacin de ideas. Afnnova, una empresa dedicada al estudio de mercados, por ejemplo, utiliza feedback colectivo para crear una nueva generacin de diseos de productos que a continuacin se presentan de nuevo al colectivo para su evaluacin. Las empresas deberan considerar la implementacin de este tipo de bucles de retroalimentacin 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. Segn este libro, el resultado ms probable de la dinmica humana colectiva es burbujas en los mercados, inestabilidad y caos. Y, de hecho, como han demostrado el programa de televisin American Idol y el Zeitgeist en las bsquedas ms 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 nmero 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 estimacin o decisin individual. De hecho, el libro de James Surowiecki publicado en 2004, The Wisdom of the Crowds (un guio al ttulo del clsico de Mackay), ofrece una coleccin de ejemplos de este tipo. Como mnimo,

la aparicin de herramientas basadas en la web con el n 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. Adems, la extensa disponibilidad de las aplicaciones de la Web 2.0 ha llevado a la aparicin de un nmero cada vez mayor de profesionales amateurs: desde ornitlogos hasta fotgrafos, personas

Cuando a las personas se les permite participar en las decisiones, la probabilidad de que algunas se porten mal aumenta con el tamao del grupo
que antes tenan la pasin pero no las herramientas encuentran a su disposicin la tecnologa que les permite trabajar al mismo nivel que los profesionales. El resultado nal es que en lo que respecta a muchos de los problemas a los que tiene que enfrentarse una empresa existe una solucin potencial ah fuera, muy lejos de los lugares tradicionales en los que los directivos suelen buscar, dentro o fuera de la organizacin. La estrategia, sin embargo, est en desarrollar la herramienta adecuada para localizar esa fuente y, a continuacin, explotarla. De hecho, a pesar de que un xito como el de la Wikipedia puede parecer sencillo en apariencia, esa sencillez supercial oculta un complejo mecanismo subyacente para aprovechar el poder de la inteligencia colectiva. En consecuencia, cualquier empresa que est desarrollando una aplicacin de Decisiones 2.0 hara bien en comprender algunos aspectos fundamentales, como el equilibrio entre la diversidad y la especializacin, y la distincin entre la toma de decisiones descentralizada y distribuida. Despus de todo, sin este tipo de conocimiento bsico, una empresa podra acabar fcilmente explotando la locura de la multitud, no su sabidura.

Decisiones 2.0: el poder de la inteligencia colectiva. Massachusetts Institute of Technology. Este artculo ha sido publicado anteriormente en MIT Sloan Management Review con el ttulo Decisions 2.0: The Power Collective Intelligence. Referencia n.O 3357.

Si desea ms informacin relacionada con este tema, introduzca el cdigo 20730 en www.e-deusto.com/buscadorempresarial

MARZO

2009

29