Cassie Kozyrkov es directora de decisiones de Google, un puesto esencial dentro de la compañía tecnológica. Kozyrkov ha entrenado a 17.000 ‘googlers’ en la toma de decisiones al aumentar la eficiencia de los datos a través de psicología, neurociencia, economía y gestión de empresa. Y ahora Google quiere compartir esta nueva disciplina, la Decision Intelligence Engineering, con el resto del mundo.
La figura de Kozyrkov se hizo imprescindible en Google después de que la empresa de California adoptara la tecnología de aprendizaje automático en algunos de sus productos y servicios, un modelo de aprendizaje que decide –por ejemplo– si una foto de un animal es un gato y entonces actúa en consecuencia: si es un gato, se hace A. Si no es un gato, se hace B. Son decisiones automatizadas sin la intervención de un humano.
El problema de este aprendizaje automático es que el algoritmo es tan bueno como el capacitador que los pone a funcionar. Es decir, si el ser humano que entrena al algoritmo le enseña la foto de un perro y le dice que es un gato, entonces funcionará de manera incorrecta: cuanto más sofisticado sea el aprendizaje automático, más oportunidades habrá de que los humanos introduzcan problemas sutiles en los resultados finales.
Por ello, Google necesitaba un marco de toma de decisiones que permitiera a las personas y a las máquinas tomar decisiones acertadas en base a los datos acumulados. Tal marco no existía, así que se decidieron a construirlo.
La ciencia de una buena decisión
El campo académico de la ciencia de la decisión abarca la psicología, la neurociencia y la economía, pero no toca ni la ingeniería ni la escala de la toma de decisiones automáticas, del mismo modo que la ciencia de datos no está directamente vinculada al pensamiento humano a sus impulsos emocionales.
“Gran parte del entrenamiento que los científicos de datos asumen es que quienes toman las decisiones saben exactamente lo que necesitan, hace la pregunta correcta y el problema queda perfectamente enmarcado”, explica Kozyrkov en palabras recogidas por Fast Company. “Un científico de datos recopila información para ponerla al servicio de esa pregunta: la responde o construye un sistema de aprendizaje automático para darle solución”.
Pero el escenario de las decisiones perfectas en el que se plantean preguntas siempre acertadas es completamente irreal. Mientras trabajaba con la división de ciencia de datos en Google, Kozyrkov veía a menudo como los ejecutivos tomaban decisiones que estaban dirigidas inconscientes en lugar de por los precisos y racionales datos.
A partir de ahí, Google puso en marcha una formación de postgrado que, en lugar de simplemente capacitar a las personas encargadas de tomar decisiones en la ciencia de datos, se propuso recurrir a las ciencias del comportamiento para tomar decisiones verdaderamente basadas en los datos. Esto significa poder identificar un prejuicio y esquivarlo, enmarcar una decisión de manera efectiva, muchas veces antes incluso de mirar cualquier información.
¿Cómo se toma una decisión efectiva?
Lo primero que Google pide a los responsables de tomar decisiones es que determinen cómo tomarán la decisión sin información adicional. ¿Cuál sería la opción intuitiva? Tienes que decidir si cenas en un restaurante, has visto los platos pero nadie te ha hablado de él, ni para bien ni para mal; según las fotos, ¿te quedas a cenar en él?
“Muchas veces pensamos que no tenemos una preferencia, pero realmente nos mentimos a nosotros mismos”, dice Kozyrkov en referencia al sesgo cognitivo que todos camuflamos en una aparente neutralidad. “Tenemos algún tipo de intuición sobre lo que parece ser la opción más segura en situaciones de incertidumbre”.
El segundo paso es determinar cómo se tomará la decisión después de acceder a la información deseada. ¿Qué necesitas para convencerte de que ese restaurante será de tu agrado? ¿Quieres leer cada crítica o te basta con el sistema de puntuación de estrellas? Si te vale con esto último, ¿qué puntuación necesita tener el restaurante, un mínimo de 4 sobre 5?
En este punto se determinan las métricas necesarias para tomar una decisión, el punto de corte para cada métrica. “Ese escalón en realidad se pasa por alto en la industria, donde la gente utiliza conceptos confusos, nunca en base a puntuaciones concretas, y por lo tanto no reconocen el hecho de que en realidad están usando unas puntuaciones intuitivas”, argumenta Kozyrkov.
El último paso del proceso consiste en determinar si realmente se puede tener acceso a todos los datos necesarios para cada toma de decisión. Si el cliente decide cenar solo en restaurantes de 4.5 entonces la decisión será fácil de tomar, pero si decide alimentarse en restaurantes en los que la cocina está a la vista entonces tendrá que leer todos los comentarios, y aún así quizás le falte información. Es aquí cuando llega la incertidumbre que induce a los errores, con lo que en la toma de decisiones automatizadas es fácil incurrir en esos errores.
El responsable de tomar decisiones debe considerar qué errores se pueden dejar pasar. ¿Es peor cenar en un restaurante sin la cocina a la vista o dejar de cenar en un restaurante que cumple todos tus criterios? ¿Cómo de problemático es un error frente al otro? En el caso de la toma de decisiones automatizada en la que trabaja Google, sólo cuando se haya descubierto el riesgo que se está dispuesto a aceptar, un científico de datos podrá recopilar información relevante y aplicar análisis estadísticos para ayudarlo a tomar una decisión.
Superando la ciencia de datos
Según Kozyrkov, en realidad los científicos sociales suelen estar mejor equipados que los científicos de datos para traducir las intuiciones de un responsable de tomar datos a partir de métricas concretas. Idealmente, los científicos sociales y los de datos han de trabajar juntos para definir métricas, recopilar datos apropiados y aplicarlos a la toma de decisiones automatizadas.
“No nos damos cuenta de lo valiosos que son los científicos sociales”, dice la empleada de Google. “Un científico de datos podría pensar que está cualificado para crear una cuesta y luego analizar los datos que arroja ésta, pero, ¿y si los usuarios ignoran su encuesta? ¿Qué pasa si hay un incentivo para que los usuarios te mientan? Eso es algo que los científicos de datos no pueden resolver porque no están entrenados para ello”.
Para Google, la aplicación de la técnica Decision Intelligence Engineering ayudará a encontrar el enfoque correcto basado en la importancia de cada decisión. También consideran que no será una herramienta solo para expertos en datos, sino que cualquier empresa podrá tomar decisiones en función de los datos y la ciencia social. “La toma de decisiones es algo que hace nuestra especie”, explica Kozyrkov. “Todo el mundo sabe información concreta, y diría que todos somos expertos en al menos una parte del proceso”.
Cuando todas esas piezas del rompecabezas se junten y den lugar a un algoritmo capaz de interpretar y tomar decisiones perfectas en base a los datos acumulados, ¿conseguiremos erradicar las malas decisiones en nuestros negocios? El futuro de la empresa está a la vuelta de la esquina.
