Eleva tus habilidades de liderazgo y negocios

Súmate a más de 52,000 líderes en 90 empresas mejorando habilidades de estrategia, gestión y negocios.


Desarrollar un enfoque «probabilístico» para gestionar la incertidumbre

Ante la incertidumbre, ¿cómo deben reaccionar los líderes? ¿Deberían hacer una gran apuesta, cubrir su posición, o simplemente esperar y ver?
Desarrollar un enfoque «probabilístico» para gestionar la incertidumbre
Desarrollar un enfoque «probabilístico» para gestionar la incertidumbre

Naturalmente, tendemos a ver las situaciones de una de dos maneras: o bien los eventos son ciertos y, por lo tanto, pueden gestionarse mediante planificación, procesos y presupuestos fiables; o son inciertos y no podemos manejarlos bien en absoluto. Afortunadamente, hay otro enfoque. Imagina una mesa de billar. Te pones una venda en los ojos y tu asistente tira aleatoriamente una bola sobre la mesa. Toman nota de dónde deja de rodar. Tu trabajo es averiguar dónde está la pelota. Todo lo que realmente puedes hacer en este punto es hacer una suposición aleatoria. Ahora imagine que le pide a su asistente que deje caer algunas bolas más sobre la mesa y le diga si se detienen a la izquierda o a la derecha de la primera pelota. Si todas las bolas se detienen a la derecha, ¿qué puedes decir sobre la posición de la primera bola? Si se lanzan más bolas, ¿cómo mejora tu conocimiento de la posición de la primera bola? De hecho, tiro tras tiro, usted debe ser capaz de reducir el área en la que probablemente se encuentra la primera bola. Este es un ejemplo de pensamiento probabilístico. Desarrollar una mentalidad probabilística le permite estar mejor preparado para las incertidumbres y complejidades de la era algorítmica. Incluso cuando los eventos están determinados por un conjunto infinitamente complejo de factores, el pensamiento probabilístico puede ayudarnos a identificar los resultados más probables y las mejores decisiones a tomar.

Nuestro nuevo mundo de sensores, teléfonos inteligentes y dispositivos conectados significa más datos que nunca, pero ¿también significa que es cada vez más fácil tomar decisiones bien informadas? Todo lo contrario, de hecho. Lo que es más importante que la cantidad de datos que tiene es cómo enmarca su forma de pensar. Con demasiada frecuencia, los líderes bajo presión para parecer un intento decisivo de tratar cuestiones complejas con reglas simples o analogías, utilizando selectivamente los datos para justificar llamadas de mal juicio. Pero, ¿y si en lugar de tratar de tener razón, podrías estar menos equivocado con el tiempo?

Ante la incertidumbre, ¿cómo deben reaccionar los líderes? ¿Deberían hacer una gran apuesta, cubrir su posición, o simplemente esperar y ver? Los inversores y los comerciantes pueden ser expertos en la gestión de riesgos y eventos imprevistos, pero en otras industrias, los líderes pueden verse sorprendidos por lo desconocido. Naturalmente, tendemos a ver las situaciones de una de dos maneras: o bien los eventos son ciertos y, por lo tanto, pueden gestionarse mediante planificación, procesos y presupuestos fiables; o son inciertos y no podemos manejarlos bien en absoluto. Afortunadamente, hay otro enfoque.

Considerar Thomas Bayes, un estadístico y clérigo inglés, que propuso una teorema en 1763 que cambiaría para siempre la forma en que pensamos sobre la toma de decisiones en condiciones ambiguas. Bayes estaba interesado en cómo nuestras creencias sobre el mundo deberían evolucionar a medida que acumulamos pruebas nuevas pero no probadas. Concretamente, se preguntó cómo podía predecir la probabilidad de un evento futuro si sólo sabía cuántas veces había ocurrido, o no, en el pasado. Para responder a eso, construyó un experimento mental.

 

Centro de información

 

Imagina una mesa de billar. Te pones una venda en los ojos y tu asistente tira aleatoriamente una bola sobre la mesa. Toman nota de dónde deja de rodar. Tu trabajo es averiguar dónde está la pelota. Todo lo que realmente puedes hacer en este punto es hacer una suposición aleatoria. Ahora imagine que le pide a su asistente que deje caer algunas bolas más sobre la mesa y le diga si se detienen a la izquierda o a la derecha de la primera pelota. Si todas las bolas se detienen a la derecha, ¿qué puedes decir sobre la posición de la primera bola? Si se lanzan más bolas, ¿cómo mejora tu conocimiento de la posición de la primera bola? De hecho, tiro tras tiro, usted debe ser capaz de reducir el área en la que probablemente se encuentra la primera bola. Bayes descubrió que incluso cuando se trata de resultados inciertos, podemos actualizar nuestros conocimientos incorporando información nueva y relevante a medida que esté disponible.

Usted puede encontrar evidencia del pensamiento bayesiano a lo largo de la historia moderna, desde el siglo XIX Oficiales de artillería franceses y rusos ajustando sus cañones para tener en cuenta las incertidumbres sobre la ubicación de los enemigos, la densidad del aire, la dirección del viento y más, para Alan Turing descifrar los códigos alemanes Enigma durante la Segunda Guerra Mundial. Bayes incluso ha influido en el diseño de las técnicas de IA y aprendizaje automático, especialmente con los clasificadores Bayes ingenuos, que son una familia de algoritmos utilizados para predecir la categoría a la que pertenece un objeto de datos. Se utilizan en una amplia gama de aplicaciones, desde el análisis de sentimientos de las redes sociales hasta el filtrado de spam o sistemas de recomendación de películas.

Para los líderes modernos, el pensamiento bayesiano también se ha vuelto cada vez más influyente. Por ejemplo, en Amazon, uno de los 14 Principios de liderazgo es «Tener columna vertebral; estar en desacuerdo y comprometerse» — que, como explica Jeff Bezos es una estrategia para alentar a los líderes a evitar perder el tiempo tratando de lograr un acuerdo universal. Es mejor comprometerse a una decisión controvertida, y luego recopilar datos y ajustar si es necesario. En X, la fábrica de lunares de Alphab, celebran conscientemente proyectos fallidos como un punto de datos que les ayuda a reducir la gama de opciones y, al hacerlo, acelerar la innovación. Del mismo modo, en Spotify, han desarrollado un infraestructura para explorar la relación entre los datos y la incertidumbre que ellos llaman DIBB (Datos, Insights, Creencias y Apuestas). Lo usan para identificar explícitamente métricas de éxito para nuevas ideas y oportunidades, y crear un lenguaje común en torno a juzgar el rendimiento.

Los datos pueden ser imperfectos, incompletos o inciertos. A menudo hay más de una explicación de por qué las cosas sucedieron de la manera en que lo hicieron; y al examinar esas explicaciones alternativas usando la probabilidad, se puede obtener una mejor comprensión de la causalidad y lo que realmente está pasando.

Sin embargo, pensar probabilísticamente requiere algo de acostumbrarse, ya que la mente humana es naturalmente determinista. Generalmente creemos que algo es verdadero o falso. Rara vez hay, por ejemplo, una situación en la que se puede decir que hay un 46% de probabilidad de que alguien sea tu amigo (a menos que seas un adolescente con muchos frenemies). Nuestro instinto para el determinismo bien puede haber sido una innovación evolutiva. Para sobrevivir, tuvimos que hacer juicios rápidos sobre el mundo y nuestra respuesta a él. Cuando un tigre se acerca a usted, realmente no hay mucho tiempo para considerar si se acerca como un amigo o un enemigo.

Sin embargo, el enfoque determinista que mantuvo vivos a nuestros antepasados mientras cazaban en la sabana no te ayudará a tomar buenas decisiones en entornos complejos e impredecibles cuando tus atajos mentales naturales y heurísticas comienzan a fallarte. Una de las mejores maneras de abrazar la incertidumbre y ser más probabilístico en su enfoque es aprender a pensar como un jugador profesional. Tomemos, por ejemplo, Rasmus Ankersen.

Ankersen, un danés residente en Londres, originalmente vino al Reino Unido a buscar un editor inglés para su libro sobre rendimiento humano, cuya escritura lo había llevado de Kenia a Corea en busca de por qué los grandes atletas, ya sean corredores o golfistas, tienden a venir de las mismas regiones pequeñas. Una de las razones por las que decidió quedarse en Londres fue una reunión casual con un jugador profesional llamado Matthew Benham que fundó dos compañías de juego, Matchbook, una comunidad de intercambio de apuestas deportivas, y Smartodds, que ofrece servicios de investigación estadística y modelado deportivo.

Cuando Ankersen y Benham se conocieron, comenzaron a hablar de cómo el fútbol era un deporte que aún no había sido interrumpido por los datos y el pensamiento probabilístico. Benham quedó lo suficientemente impresionado como para invitar a Ankersen a ayudar a dirigir el Brentford Football Club, que había adquirido recientemente. Poco después, Benham también compró el FC Midtjylland, el club de fútbol de la ciudad natal de Ankersen.

La visión de Ankersen fue la siguiente: El fútbol es uno de los deportes más injustos del mundo– Sí. Aunque hay un dicho que «la tabla de la liga nunca miente», en opinión de Ankersen eso es exactamente lo que hace. Debido a que el fútbol es un deporte de baja puntuación, el resultado de ganación/pérdida de un partido no es una representación precisa del rendimiento real de un equipo, y por lo tanto el valor intrínseco de sus jugadores. Desde la perspectiva de un jugador profesional, la clave para hacer una buena apuesta es actualizar continuamente su posición con ideas relevantes que impacten la probabilidad de que ocurra un evento. En lugar de tratar de tener razón, los jugadores se esfuerzan por estar menos equivocados con el tiempo.

Benham y Ankersen comenzaron a utilizar la aplicación científica de las estadísticas — la técnica de «bola de dinero» pionera en el béisbol — para evaluar el rendimiento de un equipo. Su métrica clave de rendimiento se convirtió en «metas esperadas» a favor y en contra de un equipo, en función de la calidad y cantidad de oportunidades creadas durante un partido. El objetivo de este ejercicio era desarrollar una tabla alternativa de liga, que podría servir como un predictor más confiable de resultados y una mejor base para valorar y adquirir jugadores.

El enfoque de Benham y Ankersen tiene lecciones para todo tipo de líderes a medida que buscan incorporar más datos en su toma de decisiones. Un gerente de recursos humanos probabilístico, por ejemplo, podría examinar los datos acerca de dónde provienen las mejores personas de una empresa y cómo funcionan a lo largo de su carrera para identificar nuevas fuentes de talento que podrían haber sido pasadas por alto. Un profesional de ventas probabilístico podría estar consciente de que no es suficiente cerrar un montón de negocios; es fundamental pensar también en dónde vienen los clientes potenciales. En lugar de depender de políticas crediticias inflexibles, un gestor de riesgos probabilístico podría comenzar a investigar más a fondo sus datos para ver si hay segmentos de bajo riesgo en su base de clientes que podrían haber perdido.

Desarrollar una mentalidad probabilística le permite estar mejor preparado para las incertidumbres y complejidades de la era algorítmica. Incluso cuando los eventos están determinados por un conjunto infinitamente complejo de factores, el pensamiento probabilístico puede ayudarnos a identificar los resultados más probables y las mejores decisiones a tomar.


Mike Walsh
Via HBR.org


Eleva tus habilidades de liderazgo y negocios

Súmate a más de 52,000 líderes en 90 empresas mejorando habilidades de estrategia, gestión y negocios.