Cuándo dejar de analizar: valor decisional y suficiencia decisional
Tomar mejores decisiones no consiste en acumular toda la información posible, sino en reconocer qué datos pueden cambiar realmente lo que vamos a hacer y cuándo ya comprendemos lo suficiente para actuar con criterio. En este artículo exploramos dos conceptos —valor decisional y suficiencia decisional— que ayudan a distinguir entre seguir analizando y estar preparados para decidir.
Al principio de esta serie dedicamos un artículo a distinguir entre claridad y certeza. Decíamos entonces que podemos comprender bien una situación y seguir sin saber qué va a ocurrir, y que esperar a tenerlo todo claro suele ser otra forma de no decidir.
Era una intuición correcta, pero incompleta. Reconocer que en algún momento hay que decidir no nos dice nada sobre cuándo es ese momento.
Quiero darle a esa intuición dos nombres, porque una vez que algo tiene nombre puede trabajarse, discutirse en una reunión y convertirse en una pregunta concreta en lugar de en una sensación.
El primero es el valor decisional de una información: su capacidad real para cambiar lo que vamos a hacer.
El segundo es la suficiencia decisional: el punto en el que comprendemos lo necesario para actuar con criterio, aunque siga existiendo incertidumbre.
Trabajan en niveles distintos. El valor decisional nos ayuda a evaluar cada nueva información. La suficiencia decisional nos ayuda a reconocer cuándo el conjunto de lo que ya sabemos permite actuar. Uno mira una pieza; el otro mira el estado de la decisión.
Y están conectados: cuando las informaciones que todavía podríamos buscar van teniendo cada vez menos valor decisional, nos estamos acercando a la suficiencia.
Qué significa que una información tenga valor decisional
Una información tiene alto valor decisional cuando puede modificar alguna de estas cinco cosas: la alternativa que elegimos, el momento en que actuamos, el alcance de lo que hacemos, las condiciones que establecemos o el riesgo que aceptamos.
Si no puede cambiar ninguna de ellas, su valor decisional es bajo. Puede ser interesante, puede ser rigurosa, puede incluso ser verdadera y relevante para comprender el mundo. Pero no está mejorando esta decisión.
La distinción se ve mejor con un caso.
Imaginemos una compañía que lleva meses probando una herramienta de Inteligencia Artificial. El piloto ha dado resultados suficientes para plantear una implantación amplia: algunos equipos han mejorado su productividad, otros apenas la han incorporado, y siguen existiendo dudas sobre costes, adopción y retorno. Tecnología ve argumentos para avanzar. Operaciones teme que se esté subestimando el esfuerzo de implantación. Recursos Humanos cree que el problema tiene más que ver con hábitos que con tecnología. Finanzas considera que hay demasiada incertidumbre sobre el retorno.
La decisión no es evidente, y por eso se sigue analizando.
Ahora pongamos tres informaciones posibles encima de la mesa y preguntémonos qué haría cada una.
Una prueba técnica revela que la herramienta no puede integrarse con el sistema de gestión actual sin una migración de nueve meses. Esto elimina una alternativa completa. Su valor decisional es máximo porque cambia el espacio de opciones.
Un análisis de costes muestra que la licencia corporativa cuesta tres veces la estimación inicial. No elimina la opción, pero puede cambiar el alcance —implantar en dos áreas en lugar de en toda la compañía— y las condiciones —negociar antes de comprometerse—. Su valor decisional es alto.
Un nuevo estudio de adopción afina la previsión del 53 % al 57 %. Es más preciso que el anterior. Pero ¿cambia la alternativa? ¿El momento? ¿El alcance? ¿Las condiciones? ¿El riesgo que aceptamos? Si la respuesta es no en las cinco, hemos aumentado nuestro conocimiento sin mejorar la decisión.
El tercer caso es el interesante, porque es el que más se parece a lo que ocurre en las organizaciones. Nadie encarga un estudio inútil. Se encarga un estudio razonable, bien hecho, que responde a una pregunta legítima. Lo que no se pregunta casi nunca es qué haríamos distinto según cuál sea la respuesta.
Cómo saber si merece la pena seguir analizando
Hay un ejercicio que cuesta diez minutos en una reunión y que cambia bastante la conversación.
Antes de pedir el informe, pedimos a quien lo propone que escriba los dos o tres resultados plausibles que podría arrojar. No el resultado que espera, sino el abanico realista.
Después, para cada uno, nos preguntamos: ¿qué decidiríamos nosotros en ese escenario?
Si la respuesta es la misma en todos los escenarios, el informe no tiene valor decisional. Puede encargarse igualmente por otros motivos —documentar, informar al consejo, construir el histórico—, pero no deberíamos retrasar la decisión esperándolo.
Si las respuestas difieren, el informe sí importa, y además ahora sabemos exactamente qué estamos buscando en él.
En nuestro caso, si la previsión de adopción sale al 53 % implantamos, si sale al 57 % implantamos y si sale al 45 % también implantamos, aunque más despacio. Entonces el umbral que de verdad nos importa no está entre el 53 y el 57. Está más abajo, y probablemente ya tenemos datos suficientes para saber que no vamos a llegar ahí.
Este ejercicio hace algo más que ahorrar tiempo. Obliga a convertir “necesitamos más información” —una frase que nadie discute nunca en una reunión— en una afirmación concreta que sí puede discutirse.
Cuando lo que falta ya no son hechos
Hay un momento, en muchas decisiones largas, en el que el análisis adicional deja de cambiar las posiciones. No porque la gente no se escuche ni porque falten datos críticos, sino porque las diferencias que quedan ya no dependen de conocer más hechos.
Dependen de cuánto riesgo estamos dispuestos a asumir antes de tener garantías, de qué consecuencias consideramos prioritarias o de cuánta incertidumbre toleramos.
Eso es una señal de suficiencia decisional, aunque no lo parezca. Cuando el desacuerdo se ha desplazado principalmente de los hechos a los criterios, es poco probable que acumular más información elimine la diferencia. Lo que queda por resolver ya no es solo qué sabemos, sino qué riesgo aceptamos, qué priorizamos y qué criterio utilizamos para elegir.
Finanzas puede comprender perfectamente los argumentos de Tecnología y seguir pensando que hay que esperar. Tecnología puede reconocer los riesgos que señala Operaciones y seguir creyendo que avanzar es lo razonable. Como veíamos en el artículo anterior, una conversación puede aumentar la comprensión sin reducir el desacuerdo, y eso no significa que haya fracasado.
Por eso la suficiencia decisional no exige unanimidad. Exige que sepamos dónde discrepamos, por qué discrepamos, qué riesgo ve cada parte y qué consecuencias asumimos al elegir. Con eso, buscar el acuerdo de todos tiene, casi siempre, un valor decisional muy bajo.
Alinearse con una decisión no significa haberla preferido. Significa comprender qué se ha decidido, con qué información, aceptando qué riesgos y a la espera de qué.
Qué es la suficiencia decisional
No es haber resuelto todas las dudas. Es tener una comprensión lo bastante sólida para decidir de forma razonable con lo que sabemos, sabiendo que algunas variables seguirán abiertas.
En la práctica reconocemos que hemos llegado cuando podemos responder a cuatro cosas: qué alternativas tenemos, cuáles son los riesgos principales, qué perspectivas relevantes hemos escuchado y qué es lo que seguimos sin saber.
Y, sobre todo, cuando la pregunta “¿qué información nueva cambiaría esta decisión?” empieza a tener respuestas cada vez más pequeñas.
El umbral no es el mismo para todas las decisiones. Depende de las consecuencias y, sobre todo, de la reversibilidad: cuanto más difícil sea deshacer lo que vamos a hacer, más suficiencia deberíamos exigirnos antes de actuar. Lanzar una funcionalidad que puede retirarse en una semana y comprometer una inversión a cinco años no requieren el mismo nivel.
Pero suficiencia nunca equivale a totalidad. Podemos haber alcanzado el nivel necesario para decidir sin haber alcanzado todo el conocimiento posible.
Esta capacidad forma parte de lo que en Guiding llamamos Claridad Humana: comprender qué importa realmente en una situación para poder actuar con criterio, incluso cuando permanece la incertidumbre. La claridad no aparece cuando desaparecen todas las preguntas, sino cuando sabemos cuáles de ellas siguen siendo relevantes para la decisión.
Calidad de la decisión y resultado: por qué no son lo mismo
Aparece aquí una objeción razonable: si todavía podemos equivocarnos, ¿cómo sabemos que hemos analizado suficiente?
La respuesta exige separar dos cosas que mezclamos constantemente: la calidad de una decisión y su resultado.
Jonathan Baron y John Hershey describieron hace décadas lo que llamaron outcome bias: nuestra tendencia a juzgar lo bien o mal que se decidió a partir de cómo acabó, aunque esa información no estuviera disponible en el momento de decidir. Si salió bien, damos por hecho que se decidió bien. Si salió mal, buscamos qué deberíamos haber visto.
Es profundamente humano y tiene un coste organizativo alto.
Cuando una organización evalúa decisiones únicamente por resultados, la respuesta racional de cualquier persona es protegerse: pedir una validación más, encargar otro análisis o buscar el consenso de todos. Y aquí aparece algo que explica bastante bien por qué determinados procesos sobreviven aunque nadie crea realmente que vayan a cambiar la decisión.
En algunas organizaciones, un análisis puede haber dejado de tener valor decisional y conservar, sin embargo, un enorme valor defensivo: sirve para demostrar que consultamos, validamos y analizamos suficientemente antes de asumir una decisión.
El informe no se encarga para decidir mejor. Se encarga para poder explicar, si las cosas salen mal, que se hizo todo lo razonable. Y mientras la organización juzgue las decisiones por sus resultados, ese comportamiento seguirá siendo perfectamente racional para quien lo adopta.
Alcanzar suficiencia decisional no garantiza el resultado. Permite decir otra cosa: con la información disponible en ese momento, el proceso era razonable y lo que quedaba por saber tenía un valor decisional decreciente.
Esa es la diferencia que permite revisar una decisión que salió mal sin convertir la revisión en una búsqueda de culpables.
Cuando no buscamos más información, sino más seguridad
Hay un caso en el que todo lo anterior falla, y conviene nombrarlo.
Entendemos racionalmente que el siguiente análisis no va a cambiar nada y lo pedimos igualmente.
Ya hablamos en esta serie de que las emociones contienen información. Aquí aparecen de una forma particular: no distorsionan necesariamente la interpretación, sino que pueden disfrazarse de método. El miedo a equivocarse, la preocupación por tener que justificar la decisión dentro de seis meses o la incomodidad de que alguien importante siga en desacuerdo se transforman en comportamientos que parecen impecablemente racionales.
Nadie va a cuestionar fácilmente a quien pide otro informe.
Por eso, cuando el valor decisional de lo que falta ya es bajo, hay una pregunta que conviene hacerse en voz alta: ¿estamos intentando comprender mejor o estamos intentando sentirnos más seguros?
La diferencia importa porque son problemas diferentes. Si falta una información que podría cambiar la decisión, debemos buscarla. Si el problema es que queremos una garantía de que no nos equivocaremos, ningún informe terminará de resolverlo.
Más datos no pueden eliminar una incertidumbre que forma parte de decidir.
Inteligencia Artificial y toma de decisiones: por qué esto será cada vez más importante
Durante décadas analizar costaba tiempo y dinero, y ese coste funcionaba como un límite natural. Construir escenarios requería personas. Contrastar hipótesis podía llevar semanas. Revisar grandes volúmenes de información exigía dedicar recursos que obligaban a seleccionar qué merecía realmente la pena investigar.
La Inteligencia Artificial está eliminando buena parte de ese coste. Hoy podemos pedirle que compare alternativas, cuestione nuestros supuestos, construya escenarios o encuentre los argumentos contrarios a nuestra posición en minutos.
Eso puede mejorar enormemente nuestras decisiones. Pero cuanto más barato resulta producir análisis, más importante es saber cuál merece la pena producir.
Porque la capacidad técnica de seguir analizando crecerá casi sin límite. El valor decisional de cada nuevo análisis, no. En algún momento empieza a disminuir.
De hecho, hay una forma concreta de usar la IA aquí que no es la obvia. En lugar de pedirle directamente el análisis, podemos pedirle que nos ayude a estimar el valor decisional del análisis antes de encargarlo: dadas estas alternativas y estos criterios, ¿qué resultados podría arrojar este estudio y cuáles de ellos cambiarían la decisión?
Es utilizar la IA para decidir qué no hace falta analizar, que es casi lo contrario de aquello para lo que solemos utilizarla.
La IA puede ayudarnos incluso a estimar ese punto. Puede plantear escenarios, encontrar supuestos que no habíamos considerado o mostrarnos qué información podría tener mayor impacto. Pero determinar qué consecuencias importan, qué riesgo estamos dispuestos a aceptar y qué nivel de comprensión resulta suficiente exige interpretar el contexto en el que la decisión se está tomando.
Una organización madura no debería preguntarse únicamente cuánto análisis puede producir gracias a la IA, sino qué análisis cambia algo.
Ahí se encuentra una diferencia importante entre utilizar Inteligencia Artificial para producir más respuestas y utilizarla para mejorar las decisiones.
Human Decision Intelligence: saber qué merece analizarse y cuándo decidir
En Guiding llamamos Human Decision Intelligence a la capacidad de integrar datos, emociones y contexto para comprender mejor una situación y decidir con criterio.
El valor decisional y la suficiencia decisional son dos herramientas concretas de esa capacidad. Una mira la información: qué merece seguir explorándose. La otra mira el momento: cuándo ya podemos actuar.
Y ambas exigen integrar las distintas dimensiones de una decisión.
Los datos nos dicen qué está ocurriendo. El contexto nos ayuda a entender qué significan esos datos y qué variables son críticas en esta situación concreta. Las emociones pueden mostrarnos qué nos preocupa, pero también ayudarnos a detectar cuándo lo que estamos buscando ya no es comprensión, sino seguridad.
El criterio aparece cuando somos capaces de relacionar todo ello y responder a una pregunta que será cada vez más importante: ¿lo que todavía podemos averiguar tiene suficiente valor decisional como para justificar seguir esperando?
Durante mucho tiempo nuestro problema fue no disponer de suficiente información. La Inteligencia Artificial empieza a llevarnos hacia el problema contrario: una capacidad casi ilimitada para seguir preguntando, comparando y analizando.
Siempre podremos generar otro escenario. Siempre podremos formular otra pregunta. Siempre habrá algo más que podríamos saber.
Pero decidir bien no consiste en agotar todo lo que podría saberse. Consiste en reconocer cuándo lo que falta por saber ya no va a cambiar lo que tenemos que hacer.
Ese momento tiene nombre: suficiencia decisional.