Una de mis fuentes habituales de lectura es McKinsey. Creo que su línea editorial es muy acertada. Generan mucho y buen contenido. Por ejemplo, su producción en torno a la cuestión de género en el mundo empresarial es muy relevante. Llevan ya varios años publicando artículos avalados, además, por investigaciones transnacionales. En este caso, sin embargo, me fijo en un artículo que hurga en la detección de sesgos mediante el uso de datos provenientes de la analítica masiva tan de moda de un tiempo a esta parte: All in the mind’: Harnessing psychology and analytics to counter bias and reduce risk. Se trata de usar determinadas técnicas de analítica masiva para reducir el riesgo de equivocarse en decisiones importantes. En el caso del artículo, decisiones en el sector financiero.
[…] institutions still have a massive amount of underused data that they can mine, using an increasingly sophisticated array of advanced analytics techniques, to develop behavioral segmentations and predictive models. With these foundations in place, they can go on to design powerful interventions to tackle bias.
En cierta forma soy de los que pienso que, como humanos, nunca vamos a poder quitarnos de encima los sesgos a la hora de tomar decisiones. Simplemente es una característica que nos acompaña en la medida en que cada cual es consecuencia de un complejo y vasto proceso evolutivo. El transcurso del tiempo nos va proporcionando experiencias que nos sirven como atajos para el futuro. En el momento en que hay que tomar decisiones recurrimos, consciente o inconscientemente, a esos aprendizajes pasados. Ahí es donde se conforma un oscuro universo de prejuicios, sesgos y manías. Dicho esto, me parece muy relevante reflexionar sobre los sesgos para conocerlos y, en su caso, si procede, tratar de evitarlos.
El artículo de McKinsey toma las clásicas referencias de Daniel Kahneman y Richard Thaler en torno a los sesgos heurísticos, tal como se suelen plantear en la psicología cognitiva. Consideran especialmente cinco de ellos en tanto que afectan en particular a la toma de decisiones en un ámbito organizacional:
- Action-oriented biases que son los que nos conducirían a decisiones que no tengan en cuenta suficientemente los riesgos implícitos.
- Interest biases, relacionados sobre todo con los conflictos en cuanto a objetivos.
- Pattern-recognition biases, que son los que tienen que ver con la información que se maneja y con interpretaciones equivocadas de los patrones que incorporan.
- Stability biases, los sesgos que actúan contra la modificación del statu quo.
- Social biases, como por ejemplo el pensamiento grupal o un enamoramiento excesivo de quienes actúan como líderes.
Del artículo me interesa la apelación a utilizar una combinación de conocimiento psicológico (los sesgos identificados en la psicología cognitiva) y de herramienta de análisis masivo. Es ahí, en la complementariedad de las propuestas, donde radica la potencia de la propuesta. En este caso, que tiene que ver, como decía, con el sector financiero:
First, the bank used K-means clustering to create an initial segmentation of five behavioral clusters. Next, it used a range of tools including closed-file reviews, psychometric surveys, and interviews to compile an ethnographic profile for each cluster. Finally, it drew on the growing body of psychological research and real-life experience with nudges and other psychological interventions in other industries to design effective treatments.
No cabe duda de que la analítica masiva ayuda a detectar comportamientos afectados por sesgos. En realidad ayuda a tomar conciencia de ciertas conductas. A partir de ahí es cuando la psicología cognitiva puede entrar en acción para aportar luz a lo que nos dice la analítica masiva. Cada parte de la ecuación tiene sentido y su uso combinado es, como decíamos, la clave:
The secret lies in combining psychological insights with advanced statistical methods to develop a pragmatic but powerful behavioral segmentation linked to targeted treatments.
Publicación original: Consultoría artesana
