LA INTELIGENCIA DE LAS DECISIONES

By Cassie Kozyrkov – CDO Google

La inteligencia de las decisiones es una nueva disciplina académica relacionada con todos los aspectos de selección entre varias opciones. Reúne lo mejor de la ciencia de datos aplicada, las ciencias sociales y las ciencias de gestión en un campo unificado que ayuda a las personas a usar datos para mejorar sus vidas y sus negocios. Es decir, es la disciplina que permitiría convertir información en mejores acciones.

Las ciencias de la decisión se ocupan de preguntas como las siguientes:

“¿Cómo debe establecer los criterios de decisión y diseñar sus métricas?” (Todos)
¿Es la métrica que usted eligió compatible con los incentivos?” (Economía)
“¿Con qué calidad debe tomar la decisión? ¿Cuánto debe pagar por la información perfecta?” (Análisis de decisiones)
“¿Qué papel juegan las emociones, la heurística y la parcialidad -bias- en la toma de decisiones?” (Psicología)
“¿Cómo los factores biológicos, como el cortisol, afectan la toma de decisiones?” (Neuroeconomía)
“¿Cómo los cambios en la manera en que se presenta la información influencia nuestros comportamientos para elegir?” (Economía del Comportamiento)
“¿Cómo optimizar los resultados cuando se toman decisiones en un contexto de grupo?” (Teoría de Juegos Experimental)
“¿Cómo balancear las restricciones y los objetivos de cada fase en el diseño del contexto de decisión?” (Diseño)
“¿Quién experimentará las consecuencias de la decisión y cómo cada uno de los diferentes grupos percibirán esa experiencia?” (Investigación en Experiencia del Usuario -UX-)
“¿El objetivo de la decisión es ético? (Filosofía)

Qué se puede hacer con los hechos?

Puede usar hechos para tomar una decisión única importante pre enmarcada. Si la decisión es lo suficientemente importante, tendrá que apoyarse fuertemente en el lado cualitativo de las cosas para enmarcar su decisión sabiamente. Los psicólogos saben que la información puede manipularlo de una manera que no le gustaría, por lo que ellos (y otros) tienen mucho que decir sobre cómo abordar la selección de la información que aceptará de antemano.
Puede usar hechos para soportar sus opiniones (“Espero que haga sol afuera” se convierte en “Sé que hace sol afuera”).
Puede usar hechos para tomar una decisión única basada en la existencia. Las decisiones basadas en la existencia (“Me acabo de enterar de que existe un caso de ébola justo al lado, así que me voy de aquí pronto …”) son decisiones en las que la existencia de un hecho anteriormente desconocido sacude de tal forma la base de su enfoque, que lo lleva a darse cuenta, en retrospectiva, que no formuló correctamente el contexto de decisión.
Puede usar hechos para automatizar una gran cantidad de decisiones. En la programación tradicional, un humano especifica el conjunto de instrucciones para convertir entradas de hechos en acciones apropiadas, posiblemente involucrando algo como una tabla de búsqueda.
Puede usar hechos para revelar una solución de automatización. Al ver los hechos sobre el sistema, puede escribir código basado en ellos. Este es un mejor enfoque que el propuesto por la programación tradicional de idear la estructura de una solución “pensando mucho” (es decir, utilizando sus capacidades cognitivas) pero sin contar con información. Por ejemplo, si no sabe cómo convertir de Celsius a Fahrenheit, podría usar un conjunto de datos para buscar la entrada en Fahrenheit que va con la entrada de Celsius … pero si analiza esa tabla de búsqueda en sí misma, descubrirá la fórmula que los conecta. Luego, puede codificar esa fórmula (“modelo”) para hacer el trabajo sucio por usted y poder deshacerse de esa tabla torpe.
Puede usar hechos para generar una solución óptima a un problema de automatización que sea perfectamente solucionable. Esta es la optimización tradicional. Encontrará muchos ejemplos en el campo de la investigación de operaciones, que cubre, entre otras cosas, cómo lidiar con las restricciones para obtener el resultado ideal. Por ejemplo, la solución a cuál es el mejor orden para completar una serie de tareas.
Puede utilizar los hechos para inspirar cómo abordará las decisiones importantes futuras. Esto hace parte de la analítica, que también pertenece a la sección de información parcial. ¡Guarde ese pensamiento para más adelante!
Puede usar hechos para hacer un balance respecto a lo que está trabajando. Esto le ayudará a comprender los tipos de entradas (“inputs”) que tiene disponibles para decisiones futuras y a diseñar cómo filtrar de una mejor manera su información. Si acaba de heredar una gran y oscura bodega (de datos) llena de ingredientes potenciales, no sabrá qué hay dentro hasta que alguien lo vea. Afortunadamente, su analista tiene una linterna y patines.
Puede utilizar los datos de manera poca rigurosa para tomar decisiones sin un marco contextual. Esto es eficiente cuando las decisiones tienen riesgos lo suficientemente bajos como para que no justifiquen el esfuerzo necesario para abordarlas con cuidado y rigurosidad. Por ejemplo, “¿Qué debo comer hoy como almuerzo?” Intentar ser riguroso todo el tiempo en todas las decisiones genera en el largo plazo resultados subóptimos, y cae en la categoría de perfeccionismo sin sentido. Ahorre su esfuerzo para las situaciones que son lo suficientemente importantes para ello, pero no olvide que incluso si es eficiente utilizar un enfoque de bajo esfuerzo y baja calidad, el enfoque de decisión óptimo sigue siendo de baja calidad. No debe ni golpearse el pecho ni estar demasiado confiado cuando éste es su método … Si ahorra esfuerzos, está sosteniendo algo endeble. Existen situaciones en las que este resultado endeble hace el trabajo, pero eso no hace que de repente su conclusión sea sólida. No se apoye en eso. Si desea una toma de decisiones de alta calidad, necesita un enfoque más riguroso.

Con capacitación en ciencias de la decisión, usted aprende a reducir el esfuerzo que se requiere para tomar decisiones rigurosas basadas en hechos (que como habrán percibido, por hechos me refiero a datos la mayoría de las veces) lo que significa que la misma cantidad de trabajo ahora le permite tomar decisiones de mayor calidad en todos los ámbitos. Esta es una habilidad muy valiosa, pero se necesita mucho trabajo para perfeccionarla..

¿Qué pasa si, después de todo ese trabajo preliminar y el jiu-jitsu de ingeniería, los hechos que se arrojan no son los hechos que idealmente necesita para su decisión? ¿Qué pasa si son solo hechos parciales? Tal vez quiera los hechos del mañana, pero solo tiene el pasado para informarle. (Es muy molesto cuando no podemos recordar el futuro). Quizás desee saber qué piensan todos sus usuarios potenciales sobre su producto, pero solo puede preguntarles a cientos de ellos. ¡Entonces estás lidiando con la incertidumbre! Lo que sabe no es lo que desea saber. ¡Ingrese la ciencia de datos!

Naturalmente, debe esperar que su enfoque cambie cuando los hechos que tiene no son los hechos que necesita. Tal vez son sólo una pieza del rompecabezas, de un rompecabezas mucho más grande (como con una muestra de una población más grande). Quizás es el rompecabezas equivocado, pero es lo mejor que usted tiene (como usar el pasado para predecir el futuro). La ciencia de datos se vuelve interesante cuando se ve obligado a dar saltos más allá de los datos. ¡pero tenga cuidado de caer como lo hizo Ícaro!

Puede usar hechos parciales para tomar una sola decisión importante pre enmarcada (con su marco contextual determinado) con inferencia estadística, complementando la información que tiene con suposiciones para ver si debe cambiar su acción. Esta es la estadística frecuentista (clásica).
Puede usar hechos parciales para actualizar razonablemente las opiniones en opiniones más informadas (pero aún imperfectas y personales). Esta es la estadística bayesiana.
Es posible que sus hechos parciales contengan hechos sobre la existencia, lo que significa que podría usarlos en retrospectiva para tomar decisiones basadas en la existencia (ver arriba).
Puede usar hechos parciales para automatizar una gran cantidad de decisiones. Esa es la programación tradicional que usa algo así como una tabla de búsqueda donde convierte algo que no ha visto antes en lo más cercano que tenga, y luego procede como de costumbre. (Eso es lo que es pocas palabras hace k-NN…).
Puede usar hechos parciales para inspirar una solución de automatización. Al ver los hechos sobre el sistema, puede escribir código basado en ellos. Éste es un mejor enfoque para la programación tradicional que idear la estructura de la solución al “pensar mucho” (es decir, utilizando sus capacidades cognitivas), pero sin contar con información. Esto es analítica.
Puede usar hechos parciales para generar una solución decente a un problema de automatización imperfecto y así no tenga que encontrarlo usted mismo. Esto es aprendizaje automático e inteligencia artificial (IA).
Puede utilizar hechos parciales para inspirar cómo abordará las decisiones importantes futuras. Esto es analítica.
Puede usar datos parciales para comprender con qué está tratando (ver más arriba) y acelerar el desarrollo de una solución de automatización con analítica avanzada. Por ejemplo, inspirar nuevas formas de combinar información para hacer entradas al modelo -inputs- útiles (la jerga para esto es “ingeniería de características”) o nuevos métodos para probar en un proyecto de IA.
Puede usar datos parciales de manera no rigurosa para tomar decisiones sin marco/contexto, pero tenga en cuenta que la calidad es aún menor que cuando usa datos descuidadamente, porque lo que realmente sabe está a un paso de lo que desearías saber.

Para todos estos usos, hay formas de integrar la sabiduría de una variedad de disciplinas previamente aisladas para abordar la toma de decisiones de manera más efectiva. ¡De eso se trata la inteligencia de decisión! Reúne diversas perspectivas sobre la toma de decisiones que nos hacen a todos más fuertes, juntos, y les da una nueva voz que está libre de las restricciones tradicionales de sus campos de estudio originales.