Si la incertidumbre es la constante que no podemos eliminar, ¿cómo deberíamos abordarla? Las teorías que guían la toma de decisiones bajo incertidumbre han evolucionado desde enfoques racionales clásicos hasta perspectivas más contemporáneas que reconocen las limitaciones cognitivas del ser humano.
Comencemos con el marco tradicional. Para los economistas neoclásicos, la toma de decisiones ideal era un ejercicio de maximización racional. Herbert Simon fue el primero en desafiar esta visión. En su obra sobre racionalidad limitada (1957), Simon argumenta que los seres humanos no son máquinas perfectas que maximizan cada decisión, sino actores con una capacidad limitada de procesamiento de información. Bajo condiciones de incertidumbre, tomamos decisiones "satisfactorias", es decir, elegimos opciones que son suficientemente buenas, en lugar de buscar la solución óptima.
La Prospect Theory de Kahneman y Tversky (1979) fue otro paso revolucionario en el análisis de la incertidumbre. Este enfoque sugiere que las personas no evalúan las decisiones solo por el valor esperado, sino que tienen sesgos sistemáticos, como el miedo a las pérdidas, que afectan la forma en que perciben el riesgo. Los tomadores de decisiones, según Kahneman y Tversky, tienden a sobreponderar las pérdidas frente a las ganancias, lo que les lleva a evitar riesgos incluso cuando estos podrían ser beneficiosos. En escenarios de incertidumbre, este sesgo puede ser una trampa: el miedo a lo desconocido paraliza la acción, lo que puede ser fatal para una empresa en mercados dinámicos.
Sin embargo, Gerd Gigerenzer se distancia de este enfoque y pone en duda el valor del exceso de análisis. Según Gigerenzer, en situaciones inciertas donde los datos son incompletos o ambiguos, la intuición y las heurísticas (reglas simples) pueden ser más eficaces que los modelos cuantitativos complejos. En su libro Gut Feelings (2007), Gigerenzer argumenta que la intuición no es irracional; es una respuesta rápida y basada en experiencias previas que nos permite tomar decisiones efectivas cuando los datos fallan. En un mundo incierto, muchas veces no necesitamos más información, sino confiar en la que ya tenemos y actuar.
Taleb, por su parte, lleva esta discusión a un nivel más radical. En El Cisne Negro (2010), plantea que la mayor parte de los modelos predictivos modernos son inútiles en un mundo donde los eventos más significativos –como crisis financieras o pandemias– son completamente impredecibles. Taleb advierte sobre el peligro de la "ilusión del conocimiento", donde los tomadores de decisiones creen que más datos equivalen a más certidumbre. En lugar de confiar en predicciones fallidas, Taleb propone un enfoque de antifragilidad: diseñar sistemas que no solo sobrevivan, sino que se fortalezcan con el caos y la incertidumbre.
Estos enfoques aparentemente contradictorios –racionalidad limitada, heurísticas, y antifragilidad– no se excluyen mutuamente, sino que se complementan. Simon reconoce nuestras limitaciones cognitivas, Gigerenzer aboga por la simplicidad cuando los datos son deficientes, y Taleb nos alerta sobre los eventos extremos que desafían cualquier predicción. Lo que todos tienen en común es que nos recuerdan que la incertidumbre no es un obstáculo para evitar, sino una realidad que debemos integrar en nuestras estrategias. Esto desafía la creencia establecida de que más información siempre conduce a mejores decisiones. A veces, más datos generan más incertidumbre, no menos.
En el próximo artículo, exploraremos un caso real donde estas teorías cobran vida: la crisis del Boeing 737 MAX. Veremos cómo la combinación de factores internos y externos, junto con una incapacidad para manejar adecuadamente la incertidumbre, llevó a una serie de decisiones que culminaron en una tragedia. Un ejemplo desafortunado de cómo las decisiones erradas bajo incertidumbre pueden afectar incluso a los gigantes más sólidos.