Elaborado por Materia para OpenMind Recomendado por Materia
26
Tiempo estimado de lectura Tiempo 26 de lectura

Los datos son la savia de la toma de decisiones y la materia prima de la responsabilidad y la transparencia. Sin datos de alta calidad que proporcionen información correcta sobre las cosas adecuadas en el momento adecuado, el diseño, la supervisión y la evaluación de políticas eficaces es una tarea casi imposible. Hoy contamos con herramientas sin precedentes para informar y transformar la sociedad y proteger el medioambiente. En mi capítulo describo la ciencia social y la arquitectura informática que permitirán usar estos datos de manera segura en la adaptación a un nuevo mundo de información, un mundo más justo, eficiente e inclusivo con más oportunidades que nunca.

Prólogo. El nacimiento de la era de los datos

Desde un punto de vista personal, esta historia arranca hace más de veinte años, cuando comencé a explorar las posibilidades de la computación ponible. Mi laboratorio contaba con el primer equipo de cíborgs del mundo: unos veinte estudiantes que soldaban ordenadores personales con baterías de motocicletas y pequeños láseres que permitirían a una persona enviar imágenes directamente a su ojo. Tratábamos de experimentar con lo que sería el futuro. Para situar nuestro trabajo en su contexto, no hay que olvidar que en 1996 se utilizaban muy pocos teléfonos móviles. Ni siquiera había wifi. Los ordenadores eran unos aparatos enormes y recalentados apoyados en escritorios o en habitaciones con aire acondicionado. Sin embargo, yo tenía claro que terminarían sobre nuestros cuerpos y, con el tiempo, prácticamente en todas partes.

Construimos estos equipos para un grupo de personas y luego hicimos un gran número de experimentos con ellos. Una de las primeras reacciones era siempre: «Es fantástico, pero nunca me lo pondría».

Por tanto, el siguiente paso fue buscar la colaboración de escuelas de diseño. El dibujo incluido a continuación es obra de una escuela de diseño de moda francesa llamada Creapole. Charlé con los alumnos sobre el rumbo de la tecnología y propusieron estos diseños. No deja de ser curioso que, básicamente, crearon una serie de dispositivos muy parecidos a Google Glass y un iPhone incluso en lo referido a detección de huellas digitales.

Es interesante cómo vivir con prototipos tecnológicos te permite visualizar el futuro mejor que usando solo la imaginación. Pero la lección de verdad importante que extrajimos de vivir ese futuro es que se generarían ingentes cantidades de datos. Cuando todo el mundo lleva encima dispositivos, cuando cualquier interacción se mide con sensores digitales y cuando todos los dispositivos dejan un rastro de datos, se obtiene una imagen de la sociedad que era inimaginable hace tan solo unos años. Esta capacidad de observar el comportamiento humano de forma cuantitativa y continua ha dado lugar a una nueva disciplina (según artículos aparecidos en Nature1 y Science,2 así como en otras revistas científicas destacadas) denominada «ciencias sociales computacionales», que está comenzando a transformar las ciencias sociales tradicionales. Es algo muy similar a cuando los fabricantes de lentes holandeses crearon las primeras lentes aplicadas: los microscopios y los telescopios abrieron perspectivas científicas nuevas y enormes. Hoy, la nueva tecnología de los laboratorios vivos —la observación del comportamiento humano mediante la recogida del rastro digital de una comunidad— comienza a dar a los investigadores una visión más completa de la vida en toda su complejidad. Este es, según mi opinión, el futuro de las ciencias sociales.

Una nueva comprensión de la naturaleza humana

Es posible que el mayor error cometido por las sociedades occidentales haya sido la concepción del hombre como «individuo racional».

Los fundamentos de la sociedad occidental moderna y de las sociedades ricas de todas partes los establecieron en el siglo XVIII, en Escocia, Adam Smith, John Locke y otros. A esta versión temprana de las ciencias sociales debemos la concepción de los seres humanos como individuos racionales, con «libertad y justicia para todos».3 En la actualidad, esta idea está incorporada a todos los aspectos de nuestra sociedad: utilizamos los mercados, consideramos que la democracia directa es la forma de gobierno ideal y los centros de formación han abandonado las clases magistrales para centrarse en formar alumnos con mejores capacidades analíticas.

BBVA-OpenMind-ilustración-Alex-pentland-datos-para-una-nueva-ilustracion-Ilustración basada en el dibujo original del diseño de prendas electrónicas, fruto de la colaboración del autor con la escuela de diseño de moda Creapole de París
Ilustración basada en el dibujo original del diseño de prendas electrónicas, fruto de la colaboración del autor con la escuela de diseño de moda Creapole de París

Pero este modelo individual racional es incorrecto, y no solo en la parte racional, también, lo que es más importante, en la individual. Quienes nos rodean ejercen una fuerte influencia en nuestro comportamiento y, también, como veremos, son la fuente de gran parte de nuestra sabiduría. Nuestra capacidad de prosperar se debe a que aprendemos de las experiencias ajenas. No somos individuos, sino miembros de una especie social. De hecho, la idea del «individuo racional» adoptó su forma actual cuando en la década de 1800 algunos matemáticos intentaron dar sentido a la observación de Adam Smith de que las personas «[…] guiadas por una mano invisible […] promueven el bienestar de la sociedad y procuran bienes para la multiplicación de la especie».4 Este grupo de matemáticos descubrió que la teoría de la mano invisible funcionaba si utilizaban un modelo muy simplificado de la naturaleza humana: las personas actúan movidas únicamente por el beneficio propio (es decir, son «racionales») y actúan solas, de forma independiente de los demás (son «individuos»).

El supuesto que comparten las matemáticas de la mayoría de sistemas económicos y regulatorios es que las personas toman decisiones de forma autónoma y sin influirse las unas a las otras. Esto es falso. Puede ser una buena primera aproximación, pero fracasa porque la influencia de unas personas en otras, entre iguales (peer to peer), es la causa de las burbujas financieras y del cambio cultural y, como veremos, es también la fuente de la innovación y el crecimiento.

Además, la idea de «individuos racionales» no es, según Adam Smith, lo que creaba la mano invisible. Antes bien: «Es propio de la naturaleza humana intercambiar no solo bienes, también ideas, ayuda y favores […] estos intercambios son los que orientan a los hombres en la creación de soluciones para el bien de la comunidad».5 Resulta interesante que Karl Marx afirmara algo en la misma línea, en concreto que la sociedad es la suma de todas nuestras relaciones sociales.

BBVA-OpenMind-ilustración-Alex-pentland-datos-para-una-nueva-ilustracion-El movimiento estudiantil YoSoy132 se manifiesta frente a la Comisión Federal de Elecciones de México, en Ciudad de México, para denunciar la falta de transparencia en las elecciones generales de junio de 2012 y el trato de favor de los medios al candidato del PRI
El movimiento estudiantil YoSoy132 se manifiesta frente a la Comisión Federal de Elecciones de México, en Ciudad de México, para denunciar la falta de transparencia en las elecciones generales de junio de 2012 y el trato de favor de los medios al candidato del PRI

Las normas sociales, las soluciones para la sociedad, surgen de la comunicación entre pares, no de los mercados ni tampoco de los individuos. Debemos centrarnos en la interacción entre individuos, no en el talento individual. No obstante, hasta hace poco no disponíamos de los métodos matemáticos adecuados para comprender y modelar estas redes de interacción entre pares. Tampoco teníamos los datos necesarios para demostrar cómo funciona todo. Ahora en cambio tenemos los métodos matemáticos y también los datos.

Llegamos, pues, a la pregunta fundamental sobre nosotros mismos: ¿somos de verdad individuos racionales o más bien producto de nuestras redes sociales?

La riqueza llega cuando aparecen nuevas oportunidades

Para responder a la pregunta de quiénes somos en realidad, hoy disponemos de datos de una ingente cantidad de personas de casi todas las sociedades del planeta y contamos con potentes técnicas estadísticas. A modo de ejemplo, veamos una muestra de 100.000 personas seleccionadas aleatoriamente en un país de renta media y comparemos su capacidad de enterarse de nuevas oportunidades (medida en términos del grado de apertura de sus redes sociales) con el fin de aumentar sus ingresos.

Encontraremos que aquellas personas con redes sociales más abiertas ganan más dinero. Esto no es una mera distorsión derivada del método empleado para medir su acceso a las oportunidades, ya que se obtiene el mismo resultado analizando la diversidad de empleos de las personas con las que interaccionan, o la diversidad geográfica de las personas con las que interaccionan. Resulta sorprendente que, al comparar individuos que han finalizado la educación primaria con otros sin alfabetizar, la curva se desplaza solo un poquito a la izquierda. Si observamos a los individuos con formación universitaria, la curva se desplaza ligeramente hacia la derecha. La variación relacionada con el nivel educativo es insignificante cuando se la compara con la relacionada con la diversidad de interacción.

Cabe preguntarse si una mayor diversidad en las redes tiene como consecuencia una renta más elevada, o al revés. La respuesta es afirmativa: una mayor diversidad en las redes aumenta la renta media (es la teoría de que los lazos débiles aportan nuevas oportunidades), aunque también es cierto que una renta alta resulta en redes sociales más diversas. No es la imagen convencional que tenemos en la cabeza a la hora de diseñar nuestras sociedades y nuestras políticas.

BBVA-OpenMind-Alex Pentland-Ilustracion-GRafico 1-ESPA medida que las personas interaccionan con comunidades más diversas, sus ingresos aumentan (100.000 individuos seleccionados aleatoriamente en un país de renta media) (Jahani et al., 2017)

En las sociedades occidentales, por lo general, asumimos que los rasgos individuales pesan más que los relativos a las redes sociales. Aunque es una suposición equivocada, es cierto que influye en nuestra manera de abordar muchas cosas. Pensemos, por ejemplo, en cómo diseñamos nuestras escuelas y universidades. El grupo de investigación que dirijo ha colaborado con universidades en varios países y medido sus patrones de interacción social. Hemos encontrado que las conexiones sociales predicen el rendimiento académico muchísimo mejor que la personalidad, los patrones de estudio, la formación previa, las notas o cualquier otro aspecto individual. El rendimiento en el centro educativo, en los exámenes, guarda más relación con la comunidad de interacciones del estudiante que con otras cuestiones que antes asumíamos que eran importantes por influencia del modelo de «individuo racional». Es asombroso.

Es más apropiado pensar en los seres humanos como una especie embarcada en una búsqueda continua de nuevas oportunidades, de nuevas ideas, y que sus redes sociales son un recurso importante, quizá el principal, para encontrarlas. La conclusión es que los seres humanos somos como cualquier otra especie social. Nuestras vidas son un equilibrio entre los hábitos que nos permiten ganarnos la vida explotando nuestro entorno y la exploración en busca de nuevas oportunidades.

En la literatura etológica esto se conoce como conducta de forrajeo. Por ejemplo, si observamos a los conejos, veremos que salen de sus madrigueras, van a comer bayas y vuelven a la madriguera cada día a la misma hora, excepto aquellos que se dedican a explorar el terreno en busca de otros arbustos con frutos. Existe una tensión entre la tarea de explorar, en caso de que las bayas del arbusto se acaben, y el comerse las que hay mientras duren.

En la vida diaria de las personas ocurre lo mismo. Tras examinar los datos de 100 millones de estadounidenses, comprobamos que las personas son asombrosamente predecibles. Si sé lo que una persona cualquiera hace por la mañana, puedo pronosticar, con más del 90% de probabilidades de acertar, lo que hará por la tarde y con quién. Claro que en ocasiones las personas se saltan los hábitos y salen a explorar sitios y personas que visitan solo de forma esporádica, y este comportamiento resulta extremadamente imprevisible.

Pero hay más: Los individuos que no muestran estos patrones de comportamiento suelen estar enfermos o sufren alguna clase de estrés. Es posible saber si una persona lleva, en términos generales, una vida saludable mental y físicamente en función de si sigue o no este ritmo biológico básico. De hecho, esta tendencia es tan habitual, que uno de los mayores servicios sanitarios de Estados Unidos la usa para dar seguimiento a pacientes de riesgo.

Si combinamos esta idea de la búsqueda de la novedad con la de que la diversidad de las redes de contactos trae consigo mayores oportunidades e ingresos, cabría esperar que las ciudades que facilitan estar en contacto con mayor número de personas fueran más prósperas. Para comprobarlo, reunimos datos de 150 ciudades de Estados Unidos y de 150 ciudades de la Unión Europea y analizamos los patrones de las interacciones físicas entre sus habitantes.

BBVA-OpenMind-ilustración-Alex-pentland-datos-para-una-nueva-ilustracion-GRafico-A medida que la comunicación cara a cara dentro de una comunidad permite la interacción entre comunidades más diversas, la riqueza de la ciudad aumenta. Datos procedentes de 150 ciudades de Estados Unidos y de 150 ciudades de la Unión Europea (Pan et al., 2013)

A medida que la comunicación cara a cara dentro de una comunidad permite la interacción entre comunidades más diversas, la riqueza de la ciudad aumenta. Datos procedentes de 150 ciudades de Estados Unidos y de 150 ciudades de la Unión Europea (Pan et al., 2013)
*Datos   – – Nuestro modelo

Si la ciudad donde vivimos facilita interacciones más variadas, es probable que tengamos mayor diversidad de oportunidades y que, a largo plazo, ganemos más dinero. Como se puede apreciar en el gráfico anterior, este modelo predice el PIB por kilómetro cuadrado de forma muy precisa tanto en Estados Unidos como en la Unión Europea. El gráfico refleja que aquellos factores que solemos considerar —la inversión, la educación, las infraestructuras, las instituciones— pueden ser accesorios. En lugar de formar parte del núcleo del crecimiento y la innovación, su importancia se limita al hecho de que pueden suponer una ayuda o un obstáculo para la búsqueda de nuevas oportunidades. El principal motor del progreso de las sociedades podría ser la búsqueda de nuevas oportunidades y de nuevas ideas… y no las capacidades personales o la inversión de capital.

En suma: esta nueva visión del comportamiento humano usando las ciencias sociales computacionales, así como de la sociedad en términos de redes de contactos, búsqueda de nuevas oportunidades e intercambio de ideas debería denominarse «física social», un nombre acuñado hace dos siglos por Auguste Comte, creador de la sociología. Su concepto se basaba en que ciertas ideas determinan periódicamente el desarrollo de la sociedad. Aunque en muchos aspectos sus teorías son demasiado simplistas, los recientes avances de las ciencias sociales computacionales demuestran que apuntaban en la dirección correcta. El flujo de ideas y de oportunidades entre personas es lo que impulsa a la sociedad y arroja resultados cuantitativos a escalas que van desde pequeños grupos a empresas, ciudades e incluso hasta países enteros.

Optimización de oportunidades 

Una vez que nos comprendemos mejor a nosotros mismos, podemos construir sociedades mejores. Si la búsqueda de nuevas oportunidades e ideas está en el corazón del progreso humano, deberíamos preguntarnos cuál es la mejor manera de llevar a cabo esa búsqueda. Para explicar la optimización de oportunidades recurriré a la ciencia de la inversión financiera, que proporciona ejemplos claros, simples y bien planteados sobre la solución de compromiso entre explotar oportunidades conocidas y buscar otras nuevas.

En concreto, me centraré en el análisis de carteras con métodos estadísticos bayesianos. Estos métodos se utilizan para seleccionar una de entre varias alternativas cuando el beneficio potencial es desconocido o incierto (Thompson, 1933). Muchos de los fondos de cobertura y organizaciones de comercio minorista más prósperos utilizan este método para su gestión global. La idea fundamental asociada a estos métodos de análisis es que cuando quienes toman las decisiones se enfrentan a una amplia gama de actuaciones alternativas, cada una de ellas con una recompensa desconocida, tienen que escoger algunas para averiguar cuáles obtienen mejores resultados, y al mismo tiempo explotar las que en ese momento se consideran mejores para seguir siendo competitivos. Es la misma idea de los animales que salen en busca de alimento, o de las personas que buscan nuevas oportunidades mientras trabajan para ganarse la vida.

En un entorno social, la recompensa de cada actuación potencial puede deducirse de forma fácil y barata observando las recompensas que obtienen otros miembros de la red de quien toma la decisión. Este uso del aprendizaje social mejora drásticamente el rendimiento global y reduce la carga cognitiva de los participantes. La capacidad de comunicarse y observar de forma rápida otras decisiones en toda la red social es uno de los aspectos clave del aprendizaje social óptimo y de la exploración de oportunidades.

A modo de ejemplo, mi equipo de investigación examinó hace poco cómo se maximiza el intercambio de información estratégica dentro de una red social de operaciones bursátiles en la que los miembros pueden observar las estrategias que usan otros miembros, debatirlas y copiarlas. Analizamos 5,8 millones de transacciones y descubrimos que todos los grupos de agentes bursátiles con mejores resultados seguían una versión de la estrategia de aprendizaje social llamada «muestreo distribuido de Thompson». Se calculó que las previsiones de los grupos que seguían la fórmula de muestreo distribuido de Thompson se imponían a las mejores previsiones individuales por un margen de casi el 30%. Además, cuando se compararon los resultados de estos grupos con los obtenidos mediante técnicas de inteligencia artificial (IA) convencionales, ¡se comprobó que incluso las superaban!

El uso del aprendizaje social mejora drásticamente el rendimiento global y reduce la carga cognitiva de los participantes. La capacidad de comunicarse y observar de forma rápida otras decisiones en toda la red social es uno de los aspectos clave del aprendizaje social óptimo y de la exploración de oportunidades

Es importante subrayar que este enfoque es cualitativamente idéntico al utilizado por Amazon para configurar su cartera de productos, así como sus servicios de entrega. Los mejores fondos de cobertura financieros también adoptan un enfoque muy similar. La planificación dinámica e intercalada, la recopilación de información, la evaluación y la selección de actuaciones derivan en una organización poderosamente optimizada.

El enfoque del aprendizaje social posee una ventaja adicional que es exclusiva y fundamental para las especies sociales: las personas actúan movidas por el interés propio y también por el de los miembros de su red social. Además, se da una confluencia visible y lógica entre los incentivos de los individuos y los de la organización. Esto significa que para los individuos es fácil, en términos tanto de incentivos como de carga cognitiva, actuar en beneficio de la sociedad: las recompensas óptimas a nivel personal y social coinciden, y los individuos aprenden cuál es el comportamiento óptimo con solo observar a los demás.

Puentes sociales en las ciudades: sendas de oportunidad

Las ciudades son un gran ejemplo de cómo el proceso de búsqueda de nuevas oportunidades conforma las sociedades humanas. Las ciudades son los mayores centros productivos de la sociedad y, como ya hemos visto, allí donde hay más nuevas oportunidades, también hay mayor riqueza. El principal motor del crecimiento económico a largo plazo es la innovación, y las ciudades facilitan la interacción entre seres humanos y el intercambio de ideas necesario para la generación de buenas ideas y nuevas oportunidades.

Estas nuevas oportunidades e ideas van desde los cambios en los medios de producción o tipos de productos hasta las noticias de máxima actualidad. Por ejemplo, el éxito en Wall Street a menudo depende de enterarse de determinados acontecimientos minutos antes que los demás. En este entorno, las ventajas informativas de la proximidad espacial extrema llegan a ser muy grandes. Esto puede explicar por qué sigue Wall Street situado en una minúscula superficie de un extremo de Manhattan. La concentración espacial de actores económicos aumenta la productividad a nivel empresarial al aumentar el flujo de nuevas ideas, dentro de una misma empresa y entre unas empresas y otras.

Nuestras investigaciones sugieren que poner en contacto a personas de diversas comunidades sería la mejor forma de construir una ciudad vibrante y próspera. Cuando examinamos los flujos de personas en ciudades reales, sin embargo, descubrimos que el nivel de interrelación es menor de lo que pensamos. Los habitantes de un vecindario trabajan, por lo general, con habitantes de, a lo sumo, otro par de vecindarios y compran también en un número limitado de zonas.

Los puentes sociales son el 300% más efectivos que los datos demográficos a la hora de predecir el comportamiento de las personas
BBVA-OpenMind-ilustración-Alex-pentland-datos-para-una-nueva-ilustracion-La influencer Susie Bubble (dcha.) antes del desfile de Louis Vuitton, en la Paris Fashion Week Womenswear Primavera/Verano 2019
La influencer Susie Bubble (dcha.) antes del desfile de Louis Vuitton, en la Paris Fashion Week Womenswear Primavera/Verano 2019

La interacción física se limita en su mayor parte a un número relativamente pequeño de puentes sociales entre vecindarios. Quizá no deba sorprendernos que personas que pasan parte de su tiempo juntas, ya sea trabajando o disfrutando de su ocio, aprendan las unas de las otras y adopten conductas muy similares. Cuando voy a trabajar o a una tienda, es posible que me encuentre con alguien que lleva un nuevo modelo de zapatos, y piense: «Vaya, qué bonitos son. A lo mejor me compro unos iguales». O, quizá, si voy a mi restaurante habitual y alguien que está en una mesa cercana pide un plato distinto, piense: «Qué buena pinta tiene. Me lo voy a pedir la próxima vez». Cuando las personas pasan tiempo juntas comienzan a imitarse, aprenden las unas de las otras y adoptan comportamientos y actitudes similares.

De hecho, hemos visto que hay muchos comportamientos —como comprar ropa, usar las tarjetas de crédito— e incluso hábitos asociados a enfermedades (como la diabetes o el alcoholismo) que fluyen en su mayor parte dentro de grupos conectados por puentes sociales y no están tan determinados por las fronteras demográficas. En un estudio reciente realizado en una gran ciudad europea, por ejemplo, se descubrió que los puentes sociales eran el 300% más efectivos a la hora de predecir el comportamiento de las personas que los datos demográficos, incluidos la edad, el género, los ingresos y el nivel educativo.

Las ciudades son los mayores centros productivos de la sociedad, y allí donde hay más nuevas oportunidades, también hay mayor riqueza
BBVA-OpenMind-ilustración-Alex-pentland-datos-para-una-nueva-ilustracion-Vista aérea de Tokio. El área metropolitana de la megaciudad nipona es la mayor del mundo
Vista aérea de Tokio. El área metropolitana de la megaciudad nipona es la mayor del mundo

Grupos de vecindarios unidos por ricos puentes sociales forman culturas locales. En consecuencia, los lugares que frecuenta una persona dicen mucho de ella. Esto es muy importante tanto en términos políticos como de marketing. El proceso de aprendizaje que se produce al pasar tiempo con alguien significa que las ideas y los comportamientos tienden a propagarse en gran medida dentro de un grupo, pero no fuera de él. Un nuevo modelo de calzado, un nuevo estilo de música, un punto de vista político se propagarán dentro de un conglomerado de vecindarios unidos por puentes sociales, pero tenderán a no traspasar las fronteras de ese círculo. Los anunciantes y los políticos aficionados hablan de cómo los influidores (influencers) cambian las opiniones de la gente. Yo creo que es más una cuestión de puentes sociales, de personas que pasan tiempo juntas, que se ven e interactúan lo que determina la manera en que se propagan las ideas.

El principal motor del crecimiento económico a largo plazo es la innovación, y las ciudades facilitan el intercambio necesario para la generación de buenas ideas y nuevas oportunidades

En suma: Lo que afirmaba Adam Smith sobre el intercambio de ideas entre personas, es decir, que los intercambios entre iguales son los que determinan las normas y los comportamientos, no puede ser más cierto. Pero lo verdaderamente fascinante es que al aferrarnos al modelo del «individuo racional» para explicar la naturaleza humana, asumimos que aquello que mejor describe las preferencias son las variables demográficas individuales: edad, nivel de renta, género, etnia, nivel educativo, etcétera. Hay que pensar en la sociedad en clave de grupos de comportamiento. ¿Con quiénes se asocian? ¿Qué hacen esas otras personas? El concepto de puentes sociales es mucho más poderoso que los datos demográficos, porque los puentes sociales son el mecanismo más potente que tienen las personas de influirse unas a otras. Comprendiéndolos podremos comenzar a construir una sociedad más inteligente y armónica.

Diversidad y productividad 

A pesar del drástico aumento de las comunicaciones digitales remotas en la era moderna, la interacción física entre las personas sigue siendo el medio fundamental para el intercambio de información. Estas interacciones sociales incluyen el aprendizaje social a través de la observación (por ejemplo, qué ropa vestir o qué plato pedir) y a través de interacciones intermediarias (por ejemplo, el boca a boca o los amigos comunes). Con el propósito de deducir las interacciones entre las personas, primero dibujamos una red de interacciones basada en la proximidad entre individuos. Se ha demostrado que la proximidad física aumenta la probabilidad de conversaciones cara a cara, y este aumento de la intensidad de las interacciones se suele utilizar como guía para la planificación de las ciudades y la ubicación de los servicios

Según la idea de puentes sociales, se puede asignar a los individuos a una comunidad determinada por dónde viven, trabajan y compran. El lugar en el que invierten su recurso más valioso, el tiempo, revela sus preferencias. Cada comunidad suele tener acceso a diferentes fuentes de información, oportunidades u ofertas, o bien ofrece perspectivas distintas. Las diversas interacciones deberían, por tanto, aumentar el acceso de la población a las oportunidades e ideas necesarias para la actividad productiva.

BBVA-OpenMind-ilustración-Alex-pentland-datos-para-una-nueva-ilustracion-GRafico-Diversidad de las interacciones (izq.) y crecimiento económico futuro (dcha.) en la ciudad de Pekín; como se ve, los dos factores están altamente correlacionados (Chong, Bahrami y Pentland, 2018)
Diversidad de las interacciones (izq.) y crecimiento económico futuro (dcha.) en la ciudad de Pekín; como se ve, los dos factores están altamente correlacionados (Chong, Bahrami y Pentland, 2018)

Cuando se aplica esta lógica a las ciudades de Estados Unidos, Asia y Europa, encontramos que este tipo de diversidad de interacciones tiene un efecto comparable al de un aumento de la población. En otras palabras, el número de individuos en una región no es el único factor que predice el crecimiento económico, también influye el flujo de ideas a través de los puentes sociales que los conectan. Si comparamos el poder explicativo de la diversidad de interacción con otras variables tales como el promedio de edad o el porcentaje de residentes con estudios superiores, descubrimos que estas medidas tradicionales son mucho más débiles a la hora de explicar el crecimiento económico que la diversidad de los puentes sociales. Esto significa que es posible que los modelos y sistemas civiles que contemplan solo factores como la población y la educación estén pasando por alto efectos fundamentales.

Un nuevo contrato social

En 2014, un grupo formado por científicos especialistas en big data (yo entre ellos), representantes de empresas de big data y directores de las oficinas nacionales de estadística de varios países del norte y del sur del planeta se reunió en la sede de las Naciones Unidas y planeó una revolución. Propusimos que todos los países del mundo midieran la pobreza, la desigualdad, la injusticia y la sostenibilidad de manera científica, transparente, comparativa y responsable. Para nuestra sorpresa, dicha propuesta fue aceptada en 2015 por la Asamblea General de la ONU como parte de los Objetivos de Desarrollo Sostenible.

Dicho acuerdo, en apariencia inofensivo, se conoce en el seno de las Naciones Unidas como la Revolución de los Datos, porque por primera vez existe el compromiso internacional de descubrir y decir la verdad sobre la situación de la familia humana en su totalidad. Desde el inicio de los tiempos, la mayoría de las personas han permanecido aisladas, invisibles para los gobiernos y sin recibir ni aportar información en los ámbitos de la salud, la justicia, la educación o las políticas para el desarrollo. Pero en la última década la situación ha cambiado. Tal y como dice el informe de las Naciones Unidas sobre la Revolución de los Datos, titulado A World That Counts [Un mundo que cuenta]:

Los datos son el alma del proceso de adopción de decisiones y la materia prima para la rendición de cuentas. Sin datos de alta calidad que proporcionen información exacta sobre las cuestiones adecuadas en el momento oportuno, el diseño, el seguimiento y la evaluación de políticas efectivas son tareas casi imposibles. Las nuevas tecnologías están dando lugar a un aumento exponencial del volumen y los tipos de datos disponibles, creando posibilidades sin precedentes para informar a la sociedad, transformarla y proteger el medio ambiente. Los gobiernos, las empresas, los investigadores y los grupos de ciudadanos están en pleno proceso de experimentación, innovación y adaptación al nuevo mundo de los datos; un mundo en el que el volumen, el nivel de detalle y la velocidad de los datos son mayores que nunca. Es la revolución de los datos.6

En concreto, la inmensa mayoría de la humanidad dispone hoy en día de una conexión digital de doble vía que puede enviar datos de voz, de texto y, más recientemente, imágenes y datos digitales, porque las redes de telefonía móvil llegan a casi todos los rincones del planeta. De la noche a la mañana, la información se ha convertido en algo potencialmente a disposición de todos. La revolución de los datos combina esta corriente nueva e ingente de datos sobre la vida y el comportamiento humano con fuentes de información tradicionales, haciendo posible una nueva ciencia de la «física social» que nos permitirá detectar y realizar un seguimiento de los cambios que experimenta la humanidad, así como realizar intervenciones precisas y no convencionales de ayuda al desarrollo.

¿Por qué creer que de verdad pueda surgir algo de la promesa de la Asamblea General de las Naciones Unidas de que las Oficinas Nacionales de Estadística de los Estados miembros medirán el desarrollo humano de forma abierta, uniforme y científica? No porque confiemos que la ONU consiga gestionar o financiar el proceso de medición, sino porque los donantes internacionales para el desarrollo están por fin exigiendo datos científicos sólidos para orientar la ayuda en dólares y las relaciones comerciales.

A esto hay que añadir que, una vez que los datos fiables sobre el desarrollo comiencen a convertirse en algo habitual en el mundo de los negocios, es de esperar que las cadenas de suministro y la inversión privada empiecen a prestarles atención. Una nación con indicadores deficientes en materia de justicia o desigualdad también suele registrar altos niveles de corrupción, y una nación con un historial de pobreza o de falta de sostenibilidad también suele carecer de estabilidad económica. En consecuencia, las naciones con malos indicadores de desarrollo resultan menos atractivas para la inversión que las naciones con costes similares pero mejores cifras de desarrollo humano.

Construir una revolución de los datos

¿Cómo vamos a hacer posible esta revolución de los datos y aportar transparencia y responsabilidad a los gobiernos en todo el mundo?

La clave es la disponibilidad de datos fiables, sólidos y uniformes sobre la condición humana. Con este fin hemos realizado una serie de experimentos a escala nacional que han demostrado que se trata de un objetivo realista. Por ejemplo, los experimentos en el marco del proyecto Datos para el Desarrollo (D4D), en cuya puesta en marcha en Costa de Marfil y Senegal colaboré personalmente y en los que participaron centenares de grupos de investigación de todo el mundo, han demostrado que los datos procedentes de satélites, de telefonía móvil, sobre transacciones financieras y movilidad humana pueden usarse para medir los objetivos de desarrollo sostenible de manera fiable y barata. Estas nuevas fuentes de datos no reemplazarán a los datos censales obtenidos mediante encuestas tradicionales; antes bien permitirán que estos últimos, tan caros de obtener, puedan completarse de forma rápida en términos de alcance, granularidad y frecuencia.7

Pero ¿qué ocurre con la privacidad? ¿Y esto no concentrará demasiado poder en las manos de unos pocos? Para abordar estas inquietudes, en 2007 propuse un «new deal para los datos» que diera a los ciudadanos el control de su información personal y creara además un condominio de datos para mejorar la industria pública y privada (ver http://hd.media.mit.edu/wef_globalit.pdf). Esta iniciativa me llevó a codirigir un grupo de debate del Foro Económico Mundial que consiguió explorar de forma productiva los riesgos, recompensas y soluciones para los problemas relativos a los big data. Las investigaciones y experimentos que dirigí para apoyar el debate dieron forma en gran medida a la Ley Federal de Protección de la Privacidad del Consumidor de Estados Unidos, el Reglamento General de Protección de Datos de la Unión Europea y ahora están ayudando a China a diseñar sus políticas de protección de datos. Aunque la privacidad y la concentración de poder siempre serán motivo de preocupación, como veremos a continuación contamos con una serie de soluciones producto de una combinación de tecnologías convencionales (por ejemplo, el «algoritmo abierto» descrito con anterioridad) y de políticas (por ejemplo, datos abiertos que incluyen datos agregados, con baja granularidad procedentes de las empresas).

Experimentos de D4D demuestran que datos procedentes de satélites y telefonía móvil sobre transacciones financieras y movilidad humana miden objetivos de desarrollo sostenible de manera fiable y barata

En línea con el nuevo horizonte de posibilidades hecho posible por estos experimentos académicos y por los debates del Foro Económico Mundial, en la actualidad estamos desarrollando una serie de pruebas piloto a escala nacional usando la arquitectura de datos del proyecto Algoritmos Abiertos (OPAL) en Senegal y Colombia, con el apoyo de Orange S.A., el Banco Mundial, Paris21, el Foro Económico Mundial y la Agence Française de Développement, entre otros. El proyecto OPAL, desarrollado en su origen como un proyecto de fuente abierta por el grupo de investigación que dirijo en el MIT (ver http://trust.mit.edu), se está utilizando como una plataforma sociotecnológica de múltiples socios dirigida por la Data-Pop Alliance, el Imperial College de Londres, MIT Media Lab, Orange S.A. y el Foro Económico Mundial, y que aspira a abrir y utilizar de forma efectiva los datos del sector privado para fines públicos (ver http://opalproject.org). El proyecto surgió de la constatación de que el acceso a los datos propiedad de las empresas privadas (por ejemplo, los datos de llamadas recogidos por las compañías telefónicas, los datos sobre las transacciones de las tarjetas de crédito recogidos por los bancos, etcétera) para fines políticos y de investigación exigía un enfoque que fuera más allá de los datos ad hoc o los acuerdos de confidencialidad. Este tipo de compromisos no bastan para reducir ni abordar algunos de los retos clave relativos a la privacidad, la responsabilidad, etcétera.

BBVA-OpenMind-ilustración-Alex-pentland-datos-para-una-nueva-ilustracion-Cámaras de seguridad en el edificio Paul-Loebe-Haus, que acoge a los miembros del Bundestag y es sede de la Comisión Europea. Berlín, Alemania, abril de 2018
Cámaras de seguridad en el edificio Paul-Loebe-Haus, que acoge a los miembros del Bundestag y es sede de la Comisión Europea. Berlín, Alemania, abril de 2018

El proyecto OPAL reúne a las partes interesadas para establecer qué tipo de datos —públicos o privados— deberían ser accesibles y quién pueden utilizarlos y para qué fines. En este sentido, OPAL aporta una nueva dimensión y un nuevo instrumento a la noción del «contrato social», en concreto la visión de que las obligaciones morales o políticas de las personas dependen de un acuerdo que han suscrito para conformar la sociedad en la que viven. De hecho, proporciona un foro y un mecanismo para decidir qué niveles de transparencia y de responsabilidad son recomendables para la sociedad en su conjunto. Además constituye un mecanismo natural para desarrollar políticas basadas en la evidencia y realizar un seguimiento continuo de las distintas dimensiones del bienestar social, ofreciendo así la posibilidad de una ciencia de políticas públicas más exhaustiva y eficaz.

En la actualidad, OPAL se está implementando en una serie de proyectos piloto en Senegal y Colombia, donde ha recibido el respaldo y la ayuda de sus correspondientes Oficinas Nacionales de Estadística, así como de los principales operadores de telefonía nacionales. El compromiso y el empoderamiento local serán clave para el desarrollo de OPAL: las necesidades, la retroalimentación y las prioridades han sido recogidas e identificadas a través de una serie de talleres y debates locales, y sus resultados se utilizarán para informar el diseño de futuros algoritmos. Estos algoritmos serán totalmente abiertos, y por tanto estarán sujetos al escrutinio y a la rectificación pública. Se está creando un consejo asesor nacional para proporcionar orientación y supervisar el proyecto. Además se organizarán debates y talleres de formación para impulsar la puesta en práctica y difusión del proyecto, así como la participación local. Iniciativas como OPAL tienen el potencial de facilitar la elaboración de políticas públicas y una gobernanza basadas en los datos más humanistas, responsables y transparentes.

En mi opinión, el proyecto OPAL es una aportación clave a la Revolución de los Datos de las Naciones Unidas. Está desarrollando y testando un sistema práctico que garantice que todas y cada una de las personas cuentan, que se escuchen sus voces, se atiendan sus necesidades y que puedan desarrollar su potencial a la vez que se respetan sus derechos.

Sistemas cívicos más inteligentes

Usando el tipo de datos generados por el proyecto OPAL, investigadores en ciencias sociales computacionales (CSC) han demostrado que Jane Jacobs, la famosa visionaria y activista del urbanismo del siglo XX, estaba en lo cierto: las ciudades son motores de innovación, impulsados por la interacción de comunidades diversas. La pregunta, pues, es cómo sacar el mejor partido a esta innovación. En la actualidad utilizamos los mercados y a las fuerzas del mercado para distinguir entre las buenas y las malas ideas, y para desarrollar las buenas.

Sin embargo, tal y como han demostrado las CSC, los mercados no son una buena manera de caracterizar la sociedad humana. Se rigen por la optimización codiciosa e ignoran el poder de los procesos sociales humanos. Es posible que la única razón por la que todavía funcionen sea que los reguladores los «modifican» de manera que se ajusten a sus nociones preconcebidas de lo bueno y lo malo. La democracia directa adolece de los mismos problemas, razón por la que ha sido sustituida, en la mayoría de los países, por la democracia representativa. Por desgracia, los representantes de sistemas son demasiado proclives a dejarse influir por intereses especiales.

Los conocimientos que hacen posibles los algoritmos punteros de IA sugieren una nueva manera de aprovechar la innovación humana. Gran parte de la IA actual comienza con una gran red aleatoria de máquinas lógicas simples. A continuación, la red aleatoria aprende cambiando las conexiones entre las máquinas lógicas simples («neuronas»), alterando ligeramente con cada ejemplo de adiestramiento las conexiones entre todas las neuronas en función de cómo afecten al resultado global. El ingrediente secreto es la norma de aprendizaje, denominada función de asignación de valores, la cual determina en qué medida cada conexión ha contribuido a la respuesta global. Una vez se han establecido las contribuciones de cada conexión, el algoritmo de aprendizaje que construye la IA es sencillo: se fortalecen aquellas conexiones que han contribuido de manera positiva y se debilitan aquellas cuya contribución ha sido negativa.

Esta misma lógica puede servir para crear una sociedad humana mejor y, de hecho, ya se está usando ampliamente en la industria y los deportes, como veremos a continuación. Para comprender esta idea, podemos imaginar que una organización humana es una especie de cerebro en el que las personas son neuronas individuales. Las empresas estáticas, simbolizadas por el consabido organigrama, tienen conexiones fijas y, en consecuencia, su capacidad de adaptarse y aprender es escasa. Por lo general, sus departamentos terminan siendo compartimentos estancos, poco comunicados, de modo que el flujo de ideas frescas y transversales se bloquea. Estas organizaciones estáticas y poco interconectadas corren el riesgo de sucumbir ante nuevos competidores menos anquilosados.

Los conocimientos que hacen posibles los algoritmos punteros de IA sugieren una nueva manera de aprovechar la innovación humana. El ingrediente secreto es la norma de aprendizaje, denominada función de asignación de valores, que determina en qué medida cada conexión ha contribuido a la respuesta global

Pero si las capacidades de una organización pueden impulsarse adoptando el tipo correcto de función de asignación de valores, entonces las conexiones entre los individuos, los equipos y los conjuntos de equipos podrían reorganizarse de forma autónoma y continua en función de las distintas circunstancias. Las personas no estarían abocadas a ser simples máquinas que siguen instrucciones, sino que participarían en un proceso de mejora continua, de forma similar al sistema de producción Kaizen desarrollado por Toyota: el enfoque de calidad total posibilitado por «equipos de mejora continua» adoptado por muchas empresas, o el estudio de datos para decidir las alineaciones de los equipos deportivos descrito en el libro Moneyball.

La clave de estas organizaciones dinámicas es la existencia de datos continuos, granulares y fiables. Es necesario saber lo que está sucediendo ahora mismoa fin de poder adaptarse continuamente. Los informes trimestrales o los censos nacionales realizados cada diez años son incompatibles con una organización o una sociedad de aprendizaje ágiles. El proyecto OPAL y la revolución de los datos proporcionan los fundamentos sobre los que construir una sociedad receptiva, justa e inclusiva. Sin su existencia, estamos abocados a una sociedad estática y atrofiada, incapaz de hacer frente a sus problemas.

BBVA-OpenMind-ilustración-Alex-pentland-datos-para-una-nueva-ilustracion-Un joven recoge esmog en Pekín con una aspiradora industrial con el fin de hacer «ladrillos de esmog» que se reciclarán como material de construcción. Con este proyecto, que duró 100 días, quería mostrar los efectos de la contaminación de la ciudad para la salud y el medio ambiente. Pekín, noviembre de 2015
Un joven recoge esmog en Pekín con una aspiradora industrial con el fin de hacer «ladrillos de esmog» que se reciclarán como material de construcción. Con este proyecto, que duró 100 días, quería mostrar los efectos de la contaminación de la ciudad para la salud y el medio ambiente. Pekín, noviembre de 2015

A día de hoy, compañías en línea como Amazon y Google y empresas de servicios financieros como Blackrock y Renaissance han adoptado y desarrollado con entusiasmo estos enfoques ágiles basados en datos en sus modelos de gestión. Por supuesto, unas organizaciones que estén siempre aprendiendo y adaptándose, aunque sea con la ayuda de sofisticados algoritmos, requerirán cambios en políticas, formación, doctrinas y muchas otras cosas.

Evitar el caos

Para la mayoría de nosotros, cambio equivale a caos. Así pues, ¿cómo vamos a conseguir tener sociedades dinámicas sin un caos continuo? La clave radica en disponer de una función de asignación de valores que tenga sentido para cada individuo y, al mismo tiempo, tenga un rendimiento global óptimo. Sería como una versión real de la «mano invisible», que tenga sentido para las personas de carne y hueso y no solo para los individuos racionales.

Con «tener sentido» me refiero a que cada persona comprenda fácilmente sus opciones e identifique las que más le convienen como individuo, pero también entienda que lo que le beneficia a ella también favorece a la organización en su conjunto. Deben ser capaces de comunicar de forma fácil y clara sus elecciones, así como los resultados reales o previstos derivados de ellas. Solo mediante la comprensión y alineación de incentivos dentro de la sociedad, podrán los seres humanos responder al cambio de forma firme y provechosa.

¿Suena imposible? Pues resulta que es algo que las personas ya hacen de forma relativamente natural en su vida diaria. Como se ha dicho en la primera sección de este capítulo, los individuos confían en el aprendizaje social a la hora de tomar decisiones. Mediante la correcta combinación de las experiencias de otras personas, podemos adaptarnos con rapidez a circunstancias cambiantes y mejorar de forma drástica nuestras decisiones diarias. Más arriba he descrito cómo las personas hacen esto con naturalidad en una plataforma social financiera.

Los factores clave para un cambio rápido satisfactorio incluyen la disponibilidad de datos granulares sobre qué están haciendo otras personas y cómo les está funcionando, así como la aceptación de que no podemos actuar de forma independiente porque nuestros actos influyen en otros y revierten de nuevo en nosotros a medida que los demás se adaptan a nuestras acciones. En cambio, son enemigas del éxito las actividades que distorsionan nuestra percepción de cómo viven sus vidas los demás y cómo su comportamiento los ayuda o les impide prosperar. Así, la publicidad, la militancia política, la segregación y la ausencia de sólidos mecanismos de gestión reputacionales impiden un aprendizaje social rápido y preciso.

La experiencia humana

¿Cómo podemos empezar a impulsar estas organizaciones y sociedades de aprendizaje? El primer paso debería ser el conocimiento preciso y en tiempo real de los éxitos y fracasos de otros a la hora de implementar las estrategias y tácticas elegidas. En los tiempos prehistóricos, los individuos sabían con bastante precisión lo que otros miembros del poblado hacían y su grado de éxito, y este conocimiento facilitó el rápido desarrollo de normas de comportamiento. Hoy necesitamos ayudarnos de herramientas digitales para saber lo que funciona y lo que no. Esta especie de mecanismo reputacional es exactamente lo que aporta el uso de una arquitectura de OPAL.

Los mecanismos reputacionales sólidos permiten decisiones tomadas en común o normas y regulaciones locales, en lugar de leyes creadas e impuestas por las élites. Por ejemplo, los trabajadores de primera línea a menudo tienen mejores ideas sobre cómo solucionar un problema que los directivos, y los ingenieros sobre el terreno saben más que los diseñadores sobre cómo se está gestando una nueva capacidad. El secreto de una cultura ágil y fuerte está en cerrar la brecha de comunicación entre quienes hacen y quienes organizan, de modo que los empleados colaboren tanto en la planificación como en la ejecución. Esta mejora de la comunicación encaja con otro hallazgo clave: desarrollar la mejor estrategia para cualquier supuesto implica un equilibrio entre las prácticas tradicionales y la exploración de nuevas ideas.

Alentar de forma activa el intercambio a fin de construir una comunidad de conocimiento comporta un beneficio adicional: cuando las personas participan y comparten ideas, se sienten más positivas sobre su pertenencia a una comunidad y confían más en los demás. Estos sentimientos son fundamentales para propiciar la resiliencia social. La disciplina de la psicología social ha documentado el increíble poder de las identidades de grupo para unir a las personas y conformar su comportamiento; la pertenencia a un grupo proporciona el capital social necesario para que sus miembros puedan superar periodos difíciles y conflictivos.

Resumen. Una nueva Ilustración

Muchos de los conceptos clásicos que tenemos sobre nosotros mismos y nuestra sociedad son erróneos. Los más listos no son los que tienen las mejores ideas, sino los que son capaces de aprovechar las ideas de otros. Quienes promueven el cambio no son solo aquellos con mayor determinación, sino aquellos capaces de cooperar con otras personas afines. Y los principales factores de motivación de una persona no son ni la riqueza ni el prestigio, sino el respeto y la ayuda de sus iguales.

La desconexión entre los conceptos clásicos sobre nuestra sociedad y la realidad actual ha alcanzado proporciones abismales debido al impacto de las redes sociales digitales y otras tecnologías. Para comprender nuestro nuevo e hiperconectado mundo, debemos ampliar las ideas políticas y económicas que nos son familiares de manera que contemplen los efectos beneficiosos de que millones de ciudadanos digitales aprendan los unos de los otros e influyan mutuamente en sus opiniones. Debemos dejar de vernos solo como individuos racionales que toman decisiones tras un proceso de deliberación y contemplar los efectos dinámicos de las redes sociales que influyen en nuestras decisiones individuales y han dado lugar a burbujas económicas, revoluciones políticas y a la economía de internet. Para ello son esenciales los mecanismos reputacionales rápidos y un enfoque inclusivo de la planificación y la ejecución.

Ahora mismo es difícil imaginar un mundo con acceso a datos fiables y en tiempo real sobre el funcionamiento de las políticas gubernamentales y los problemas en el instante en que aparecen. El uso más prometedor del big data quizá resida en sistemas como los de OPAL, que permiten a los estadísticos de todo el mundo realizar censos más precisos, en «tiempo real» y más exactos que los obtenidos mediante encuestas. Unos datos públicos de mayor calidad pueden traducirse en un mejor funcionamiento tanto del sector público como del privado, y con este tipo de mejoras en términos de transparencia y responsabilidad podemos tener la esperanza de construir un mundo donde nuestros gobiernos y las instituciones sociales funcionen correctamente.

La historia nos dice que siempre hemos estado ciegos a cómo vive el resto de la humanidad y que la violencia o la enfermedad tenían que alcanzar dimensiones de pandemia para llegar a oídos de las autoridades. Hoy empezamos a ver cómo vive el mundo con una claridad sin precedentes. Nunca más debería ser posible decir: «No lo sabíamos».

Notas

Bibliografía

—Chong, Shi; Bahrami, Mohsen y Pentland, Alex (2018): A Computational Approach to Urban Economics. En preparación.

—Jahani, Eaman; Sundsøy, Pål; Bjelland, Johannes; Bengtsson, Linus; Pentland, Alex y De Montjoye, Yves-Alexandre (2017): «Improving official statistics in emerging markets using machine learning and mobile phone data», en EPJ Data Science, vol. 6, n.º 3. Disponible en https://doi.org/10.1140/epjds/s13688-017-0099-3 [consultado el 19/09/2018].

—Pan, Wei; Ghoshal, Gourab; Krumme, Coco; Cebrián, Manuel y Pentland, Alex (2013): «Urban characteristics attributable to density-driven tie formation», en Nature Communications, vol. 4, n.º 1.961.

—Thompson, William R. (1933): «On the likelihood that one unknown probability exceeds another in view of the evidence of two samples», en Biometrika, vol. 25, pp. 285-294. Disponible en https://doi.org/10.1093/biomet/25.3-4.285 [consultado el 19 /09/2018].

Citar esta publicación
Escuchando
Datos para una nueva Ilustración
Mute
Cerrar

Comentarios sobre esta publicación

El nombre no debe estar vacío
Escribe un comentario aquí…* (Máximo de 500 palabras)
El comentario no puede estar vacío
*Tu comentario será revisado antes de ser publicado
La comprobación captcha debe estar aprobada