Michael Dain. 7 de marzo de 2025. MEDIUM
Equilibrar los datos con la narrativa es la clave para tomar mejores decisiones.
Hace poco cené con un amigo que padece diabetes. Toda una vida de trabajo estresante junto con la dieta que lo acompaña han puesto en peligro su salud. Recientemente ha instalado un monitor de glucosa interno. Este dispositivo, junto con el software, le avisa cuando el nivel sube demasiado.
Estábamos cenando, y después de la pizza y la cerveza, ¡suena el despertador!
Todos estábamos preocupados, cuando este número sube o baja pueden producirse ataques cardíacos o comas, se apresuró a señalar. Pero, ¿qué se puede hacer? Este número representa lo que uno debería sentir, pero ahora son datos concretos. La interpretación es un verdadero desafío. ¿Debemos actuar? ¿Debemos comer menos o más, tomar insulina? Después de un tiempo, el pico retrocedió. ¿No es esto lo que debería suceder naturalmente? ¿Hay alguna manera de interpretar estos datos correctamente para tomar mejores decisiones?
El mito de las decisiones basadas en datos
La toma de decisiones basada en datos es el modelo de oro en los negocios y la tecnología. Como diseñador, tengo la suerte de haber trabajado en equipos visionarios que intentaban recopilar y presentar estos datos a los responsables de la toma de decisiones. Pero si los números siempre dicen la verdad, ¿por qué siguen fracasando tantas decisiones? La paradoja es simple: las decisiones son emocionales . Confiamos en los números para su validación, pero nos abrimos paso a tientas a la hora de tomar decisiones. El neurocientífico Antioni Damasio tuvo un paciente con daño en la corteza orbitofrontal, responsable de las emociones. Aunque su inteligencia, memoria y razonamiento lógico permanecieron intactos, perdió la capacidad de tomar decisiones , incluso las simples, como elegir entre dos opciones de almuerzo. Sin el aporte emocional para guiar las preferencias y la evaluación de riesgos, quedó paralizado por la indecisión.
No importa cuán preciso sea el análisis que haga Spock de una situación, el Capitán Kirk actúa por intuición. Es un gran tropo narrativo, pero también un reflejo de cómo tomamos decisiones, equilibrando la lógica con el instinto. En los negocios, el diseño y nuestra vida diaria, a menudo tratamos de fusionar el arte y la ciencia para dar forma a las historias que guían nuestras elecciones. Estas historias pueden ser falsas, a menudo actuamos sin comprender plenamente las consecuencias y sin una comprensión real del contexto. Los números ayudan a generar una falsa sensación de simplicidad, los hechos pueden ser demasiado difíciles de resumir y de establecer tendencias. Elegimos la narrativa que más nos conviene.
Tenemos tan poco tiempo, tenemos prisa, no podemos dedicar tiempo a seguir el ritmo de la información. Sabemos, por ejemplo, que si nos perdemos una semana de un ciclo de noticias, estamos muy atrasados en la comprensión del espíritu de la época del mundo en el que vivimos. Si nos saltamos una reunión o llegamos tarde a clase, nos estamos perdiendo información valiosa sobre cómo avanza el trabajo. Carecemos de la capacidad de familiarizarnos y sintonizarnos con los contextos que podrían ayudarnos a tomar mejores decisiones. Los números son mucho más fáciles. ¡ Está en oferta, con un 35 % de descuento!
La visualización de datos no es la respuesta
Los años de trabajo en este ámbito, incluida la redacción de directrices para una empresa de la lista Fortune 50 sobre cómo deben presentarse los datos, pueden respaldar mi sesgo. La mayoría no tiene paciencia ni comprensión para ser crítico con los números. La mayoría de las representaciones ni siquiera permiten encontrar el contexto.
Al igual que el mercado de valores, los datos son una reverberación de emociones y opiniones. Así como la medida de los latidos del corazón indica salud, momento a momento el valor cambia. ¿Está bajo estrés, el paciente está enfermo o dormido? Sin contexto, los números no sólo son engañosos, sino que pueden ser directamente manipuladores.
Un monitor de hospital presenta estas mediciones junto a la persona a la que representan. ¿Cuál es su edad, condición, comportamiento? Al verlas juntas, pueden ayudar a un médico a utilizar su experiencia para ofrecer un buen consejo. Si se hace de manera apresurada o remota, es fácil tomar malas decisiones.
En el proyecto anterior, habíamos diseñado muchas páginas de cuadros y gráficos que representaban las características de los acuerdos. Me frustré al tener que ofrecer tantas formas de presentar fragmentos de datos. Peor aún, había rutas principales y secundarias para que el usuario explorara los números. Sin embargo, eso no es una historia, es una aventura de «elige tu propia aventura». Dado que el público estaba formado por directores ejecutivos, supongo que tenían poco tiempo o inclinación para insistir y profundizar en la construcción de una narrativa, y el objetivo era lograr que todos estuvieran de acuerdo sobre los hechos. En mi concepto, tenía una pantalla, como se muestra arriba. Simplemente usaba palabras para representar muchos números. En lugar de interpretar proporciones, simplemente indicaba que la mayoría de los números se equilibraban entre sí. Sin embargo, en forma de historia, facilitaba la decisión: lanzar una moneda al aire.
No existe una “ciencia de datos cualitativa” estandarizada
He utilizado herramientas de vanguardia como PlaybookUX para registrar reacciones verbales a interfaces y agrupar las respuestas en mapas contextuales. Los conocimientos que obtuve fueron a menudo profundos. Pero, en comparación con una simple encuesta numérica, la retroalimentación cualitativa es confusa: más difícil de analizar, más difícil de establecer tendencias y menos conveniente para los ejecutivos que buscan conclusiones rápidas.
Los algoritmos empeoran este problema. Los modelos de segmentación son tan poderosos como el contexto en el que se entrenan, y la mayoría de los sistemas se optimizan para la interacción, no para la comprensión . Mi esposa y yo nos propusimos en Año Nuevo volver a entrenar nuestros algoritmos. Nos comprometimos a evitar hacer clic en contenido sensacionalista o fácil de consumir; las decisiones que tomábamos reforzaban los resultados no deseados, pero teníamos que cambiar nuestros hábitos.
Los métodos de encuesta para recopilar opiniones son problemáticos. Una vez, mientras diseñaba un proceso de entrevista de salida, me di cuenta de que cada pregunta, dependiendo de la respuesta, conducía a más preguntas necesarias para dar contexto. Esto se convirtió en un juego de regresión infinita: cada idea requería una aclaración más profunda. La lluvia de ideas se vino abajo después de unas horas de reflexión profunda. No teníamos la capacidad para manejar este tipo de complejidad y tuvimos que simplificar el proceso para convertirlo en algo menos esclarecedor pero más útil.
Los avances tecnológicos permiten modelar fácilmente diferentes caminos para captar las sutilezas, pero la gente no es constante ni está motivada para ser tan cooperativa. Las calificaciones de productos en Amazon son un proceso en evolución para obtener una lectura bastante precisa de los bienes de consumo. Agregaron resúmenes GenAI para generar una revisión de consenso, que crea la historia detrás de las estrellas que usamos para filtrar y clasificar. Apunta hacia una solución novedosa, pero tiene un contexto limitado. Observe el mundo del vino para ver cómo un Feist Bordeaux 2010 es superlativo y flexible, pero el 2011 es monótono y aburrido. El ciclo de retroalimentación momento a momento fomenta una corrección útil del curso de nuestras acciones.
Tuve el reto de crear un proceso para evaluar a los profesores universitarios. El cuestionario, por alguna razón, incluía unas 15 preguntas de opción múltiple y luego añadía texto libre para darle color. En la práctica, los encargados de tomar decisiones utilizaban una de esas preguntas como su métrica clave. Supongo que los extras solo servían para que fuera más difícil completar la encuesta rápidamente.
Fue muy informativo ver cómo aparecían los resultados. Las clasificaciones fueron 1, 4 y 5. Las calificaciones de 1 estrella fueron las que tuvieron más texto libre. Los estudiantes no podían esperar para contar los detalles sobre cómo la clase los decepcionó, qué no les funcionó o anécdotas sobre la mala experiencia. Las calificaciones de 5 estrellas tendían a ser un elogio general por un buen estilo de enseñanza o un instructor especialmente encantador. La mayoría de los estudiantes no participaron. Incluso mis propios esfuerzos por obtener una participación del 100% mediante una manipulación seria y súplicas lograron alrededor del 60%. Si no podemos obtener comentarios que representen a una mayoría significativa, ¡entonces los números que genera son aún más sospechosos!
Cómo solucionarlo
Los estudios sobre el comportamiento de las respuestas a las encuestas muestran que las personas tienen más probabilidades de completar formularios de comentarios cuando creen que su aporte conducirá a un cambio significativo. Con esto en mente, utilizaremos nuestro superpoder de narrativas GenAI para crear una mejor manera de descubrir el contexto de nuestra solicitud. Inspirados por esas encuestas en el baño, la esperanza es ser rápidos.
Después de enviarlo, también puede describir cómo se comunicará su opinión a los tomadores de decisiones. Esto puede ofrecerle a usted, el participante, un nuevo ciclo de retroalimentación. Está claro que los números son buenos «indicadores» para los casos atípicos, pero las decisiones y las prioridades deben ajustarse en función de cómo benefician a la mayoría de los participantes. Nuestro objetivo es lograr una participación holística y una mejor representación de una variedad de puntos de vista, y el uso de modelos GenAI para ayudar a articular las necesidades es un punto de partida natural. Existe un ajuste natural entre la neutralidad de la IA que resume y presenta estos como narrativas o historias a los que están en el poder, a menudo de una manera que puede involucrar a muchas partes interesadas. Hay pocas razones para mantener esto en secreto, esta voz es un fuerte motivador.
El sector sanitario está experimentando con esta técnica para extraer información de los relatos de los médicos y ofrecer un contexto mejor con los resultados medidos. Se trata de una cuestión de volumen y consenso, que antes eran responsabilidad de los analistas, y que también resulta cara y requiere mucho tiempo. Si creamos servicios que sean baratos e inmediatos, evitamos el precio del síndrome del informe trimestral. El coste del análisis, junto con la mala calidad general de la medición en lo que respecta a los sentimientos y las tendencias, hacen de la IA la herramienta perfecta para ofrecer este nivel de información. Es la decisión y los resultados los que pueden recibir prioridad por encima del análisis y la comprensión.
Es probable que hoy tomes varias decisiones, algunas de las cuales solo te afectan a ti y son desafiantes, ya que al reunir varios grupos o grupos cada vez más grandes en torno al mismo tema, se ramifican en millones de caminos. El problema es que tenemos la técnica de GenAI para ayudarnos a entenderlo. Es bueno tener en cuenta lo siguiente:
- El contexto importa más que los datos sin procesar.
- Las emociones son esenciales para las decisiones
- Es más fácil actuar sobre las historias compartidas que sobre tendencias numéricas o porcentajes.
- La gente sólo participará si tiene motivos para creer que su opinión importará.
- Sin una participación significativa corremos el riesgo de sobrestimar y reaccionar ante historias negativas.
11
Michael Dain
Exploración de la ciencia de datos cualitativa y cómo influye en la manera en que valoramos la creatividad. Trabajo en functionprojects.com michaeldain.com Profesor adjunto en la Universidad Northwestern
