Decisiones 2.

0:
el poder
de la inteligencia
colectiva
Eric Bonabeau
Consejero delegado y jefe científico de Icosystem,
una consultora especializada en el uso de las
ciencias de la complejidad para desarrollar
estrategias de negocio innovadoras.

Los mercados de información, los wikis y otras aplicaciones que explotan la

inteligencia colectiva de los grupos han generado recientemente un gran interés,
pero ¿qué hay detrás de todo este entusiasmo?

20 HARVARD DEUSTO BUSINESS REVIEW


E l cerebro humano es un instrumento magnífico
que ha evolucionado a lo largo de miles de años pa-
ra permitirnos prosperar en una impresionante varie-
dad de condiciones. Sin embargo, está programado pa-
ra evitar la complejidad (no para aceptarla) y para res-
ponder con rapidez con el fin de garantizar la supervi-
vencia (no para explorar numerosas opciones). En otras
palabras, nuestra evolucionada heurística de decisiones
tiene ciertas limitaciones, que han sido objeto de am-
plios estudios y documentadas a lo largo
de las últimas décadas, en particular por
los investigadores centrados en el cam-
po de la economía del comportamiento. Debemos explorar los datos de manera
De hecho, el modo en el que nuestro ce- que podamos descubrir oportunidades,
rebro percibe las influencias puede que
fuera el más indicado para el entorno de evaluarlas y proceder en consecuencia
nuestros antepasados, cuando una deci-
sión rápida era por lo general mejor que
ninguna decisión. No obstante, el hipercompetitivo y di-
námico mundo de los negocios actual requiere tiempos
de respuesta cortos, respuestas más precisas y una ma-
yor exploración de las oportunidades potenciales.
La buena noticia es que, gracias a Internet y a otras
tecnologías de la información, tenemos ahora acceso a
más datos –algunas veces, muchos más datos– sobre los
clientes, los empleados y otros grupos de interés, de ma-
nera que, en principio, podemos lograr una compren-
sión más precisa y profunda de nuestro entorno. Sin
embargo, esto no es suficiente; sigue siendo necesario
tomar decisiones. Debemos explorar los datos de mane-
ra que podamos descubrir oportunidades, evaluarlas y
proceder en consecuencia. El problema es que nuestras
limitaciones como individuos capaces de tomar decisio-
nes no nos han preparado para solventar muchos de los
exigentes problemas empresariales de hoy día. ¿Y si, no
obstante, confiáramos más en los demás para hallar esas
soluciones?
No cabe duda de que las empresas utilizan desde ha-
ce mucho tiempo equipos para solucionar los proble-
mas, grupos de muestra para explorar las necesidades
de los clientes, estudios para comprender el mercado y
reuniones anuales para escuchar a los accionistas. Sin
embargo, las palabras solucionar, explorar, comprender y
escuchar han adquirido en la actualidad un significado
totalmente nuevo. Gracias a las recientes tecnologías,
entre ellas muchas de las aplicaciones de la Web 2.0, las
empresas pueden ahora aprovechar más que nunca “el
colectivo” a gran escala. De hecho, el aumento en el uso
de conceptos como mercados de información, wikis,
crowdsourcing, “la sabiduría de la multitud”, redes socia-
les, software colaborativo y otras herramientas basadas
MARZO 2009
DECISIONES 2.0: EL PODER DE LA INTELIGENCIA COLECTIVA
en la Red constituye un cambio de paradigma en el mo-
do en el que las empresas toman decisiones. Podemos
llamarlo la emergente era de las “Decisiones 2.0”.
Sin embargo, la proliferación de este tipo de tecnolo-
gías precisa un marco para comprender qué tipo de in-
teligencia colectiva es posible (o no), deseable (o no) y
asequible en términos económicos (o no) y en qué con-
diciones. Este artículo pretende proporcionar un marco
y una visión general con el fin de ayudar a las empresas
a evaluar cómo pueden utilizar las aplicaciones de De-
cisiones 2.0 para solucionar los problemas y tomar me-
jores decisiones.
Un marco para la toma de decisiones
En el campo del estudio de las operaciones, solucionar
un problema implica dos tareas de alto nivel: generar so-
luciones, lo que incluye delimitar el problema y estable-
cer un conjunto de hipótesis de trabajo, y evaluar las di-
ferentes alternativas generadas en el primer paso. Cada
una de las tareas está sujeta a diversos sesgos. A la hora
CUADRO 1
La pregunta de partida
¿Pueden las nuevas herramientas y métodos para
explotar “la multitud” cambiar el modo en el que las
empresas toman sus decisiones? ¿Deberían hacerlo?
Conclusiones
• En la práctica, las herramientas que utilizan
la inteligencia colectiva han obtenido mejores
resultados de lo que pueden explicar los teóricos.
• La inteligencia colectiva es mejor para la generación
de ideas que para la evaluación de éstas.
• Los directivos deben tener en cuenta muchos
aspectos clave a la hora de diseñar herramientas
para explotar la inteligencia colectiva, desde la
pérdida de control hasta el equilibrio entre la
diversidad y la especialización.
21
DECISIONES 2.0: EL PODER DE LA INTELIGENCIA COLECTIVA
de generar soluciones, por ejemplo, tendemos a buscar
información que confirme nuestros supuestos (sesgo in-
teresado) y a mantener tales creencias a pesar de las prue-
bas en contra (perseverancia de las creencias). En lo que
respecta a la evaluación de las soluciones, tendemos a
ver patrones allí donde no existe ninguno (obsesión por
los patrones) y a dejarnos influir excesivamente por el
modo en el que se presenta una solución (estructura-
ción). Estas trampas habituales representan tan sólo al-
gunas de entre las muchas formas en las que nuestra
naturaleza humana básica puede llevarnos por el mal ca-
mino a la hora de tomar decisiones importantes.
La inteligencia colectiva puede ser de gran ayuda a la
hora de minimizar los efectos de tales sesgos (véase el
cuadro 2). Por ejemplo, puede proporcionar una diver-
sidad de puntos de vista y datos que sirva de freno al ses-
go interesado y a la perseverancia de las creencias. La
diversidad también puede ayudar a combatir la obsesión
por los patrones y los efectos negativos de la estructura-
ción. Debido a éstos y otros beneficios, muchas empre-
sas han empezado a explotar la inteligencia colectiva
mediante el uso de la Web 2.0 y de otras tecnologías. Al-
gunas de las aplicaciones se centran en la generación
de soluciones. Pensemos, por ejemplo, en InnoCentive,
un sitio web a través del cual las empresas pueden ex-
poner públicamente un problema en busca de solucio-
nes, y la entrada ganadora recibirá un premio en metá-
lico. Otras aplicaciones se centran en la tarea de evalua-
ción. HSX, por ejemplo, es un mercado simulado en el
cual los usuarios compran y venden futuros de las pelí-
culas actuales, y los resultados son un indicador del lu-
crativo potencial de esos estrenos. Existen, además, otras
La inteligencia colectiva puede ser
de gran ayuda a la hora de minimizar
los efectos de los prejuicios en la toma
de decisiones
aplicaciones que abordan tanto la generación como la
evaluación. Digg pide a los participantes tanto que apor-
ten sus historias como que las voten y las entradas más
populares se publican en la página de inicio.
Tanto si el objetivo es la generación de soluciones, co-
mo si es la evaluación, o ambas, las empresas deberían
considerar tres enfoques para lograr sus objetivos: difu-
sión, agregación aditiva y autoorganización. Cada uno
tiene sus ventajas y sus inconvenientes, y muchas apli-
22
caciones de Decisiones 2.0 han combinado los diferen-
tes enfoques de diferentes modos.
Difusión
A la hora de recopilar ideas (generación) o valorarlas
(evaluación), es posible que una empresa quiera explo-
tar personas o grupos que no se incluyen tradicional-
mente en estos procesos. Puede, por ejemplo, querer
superar barreras jerárquicas o funcionales dentro de
la organización, o incluso obtener ayuda del exterior.
El valor de la difusión se halla en los números: am-
pliando el número de individuos que están generando
o evaluando soluciones. El desarrollo del software de
código abierto es quizá el mejor ejemplo del poder de
una cantidad enorme. “Cuando hay suficientes ojos,
todos los problemas se convierten en nimiedades” es
la expresión que se suele citar habitualmente, que sig-
nifica que con la cantidad suficiente de personas tra-
bajando en un proyecto, acabarán descubriendo cual-
quier error. La filosofía subyacente aquí es que hay per-
sonas ahí fuera que pueden ayudarle y, además, esos
individuos puede que no se hallen necesariamente
donde espera encontrarlos. En InnoCentive, las solu-
ciones a los problemas proceden por lo general de un
campo totalmente diferente.
Agregación aditiva
Las empresas pueden recopilar información a partir de
una gran cantidad de fuentes y, a continuación, realizar
algún tipo de media. El proceso se puede utilizar para
agregar datos a partir de los grupos de decisión tradicio-
nales, o también se puede combinar con la difusión pa-
ra incluir información de un conjunto
más amplio de personas. En este caso,
el todo es por definición igual a la suma
de sus partes (o una media). El ejemplo
más sencillo conlleva la aplicación direc-
ta de la ley de los grandes números –por
ejemplo, pedir a una multitud que cal-
cule el número de gominolas que hay en
un tarro y a continuación hallar la me-
dia de todas las respuestas–. Ejemplos
más complejos implican aplicaciones como mercados
de información o predictivos. La clave en este caso es
mantener el equilibrio adecuado entre la diversidad y la
especialización. Ambas son necesarias en diferentes
grados, dependiendo de la aplicación. En Best Buy, por
ejemplo, se utilizan mercados de información internos
para una serie de actividades de previsión. Algunas de
esas tareas han tenido éxito, pero los mercados internos
tienden a no generar buenos resultados cuando se les
HARVARD DEUSTO BUSINESS REVIEW

CUADRO 2
Utilizar la inteligencia colectiva para tomar mejores decisiones
La toma de decisiones se puede descomponer en dos
tareas: la generación de soluciones potenciales y la
evaluación de éstas. Cada una de estas tareas puede ser
influida negativamente por diferentes sesgos humanos
Tarea del proceso
Sesgos en el proceso
de decisión
Generación 1. Sesgo interesado (busca
de soluciones confirmar las hipótesis).
potenciales 2. Interferencia social
(influencia de los
demás).
3. Sesgo de disponibilidad
(satisfecho con una
solución fácil).
4. Sesgo de autoconfianza
(cree prematuramente
que ha encontrado la
solución).
5. Anclaje (explora en las
proximidades de un
apoyo).
6. Perseverancia de las
creencias (mantiene la
creencia a pesar de las
pruebas en contra).
7. Estimulación (“sólo
reconoce una solución
cuando la ve”).
Evaluación 1. Sesgo de linealidad
de soluciones (busca simples
potenciales relaciones causa-efecto).
2. Local frente a global
(confunde efectos locales
y globales).
3. Sesgo estadístico (evita
análisis estadísticos).
4. Obsesión por los
patrones (ve patrones allí
donde no los hay).
5. Estructuración
(influencia de la
presentación de una
solución).
6. Descuento exagerado
(dominado por el efecto
a corto plazo).
7. Sesgo de dotación (tiene
aversión al riesgo o las
pérdidas).
MARZO 2009
DECISIONES 2.0: EL PODER DE LA INTELIGENCIA COLECTIVA
(a continuación se enumeran tan sólo algunos). Estos
sesgos, sin embargo, se pueden minimizar mediante
el uso de tres enfoques de la inteligencia colectiva:
difusión, agregación aditiva y autoorganización.
Enfoque
de la inteligencia colectiva Ejemplos
para minimizar los sesgos
1. Difusión para obtener Google; Affinnova;
diversidad de supuestos. InnoCentive; Threadless;
2. Agregación aditiva para I.D.ah! de Bell Canada;
obtener participantes ManyEyes; Swivel;
independientes. Marketocracy; Goldcorp;
3. Difusión para obtener Delicious; Digg; Connect
diversidad de soluciones and Develop de Procter &
“fáciles”. Gamble; Idea Exchange
4. Difusión para obtener de Salesforce.com;
diversidad de soluciones. IdeaStorm de Dell; Cajun
5. Difusión para obtener Navy; concursos; blogs,
diversidad de apoyos. wikis de Netflix; método
6. Difusión para obtener Delphi; conjuntos de
diversidad de creencias. herramientas para los
7. Difusión y usuarios de vanguardia;
autoorganización para software de código abierto;
obtener diversidad de sousveillance; motores de
estímulos. recomendación; foros de
soporte.
1. Autoorganización para Digg; HSX; Zagat; American
obtener interacciones no Idol; Affinnova; Threadless;
lineales. Intrade; Google;
2. Autoorganización para StumbleUpon; I.D.ah! de
obtener interacciones no Bell Canada; Mechanical
lineales. Turk; Marketocracy; Idea
3. Agregación aditiva para Exchange de Salesforce.
utilizar la ley de los com; software de código
grandes números. abierto; método Delphi;
4. Agregación aditiva y mercados de información
difusión para obtener (o predictivos).
diversidad de detectores
de patrones.
5. Agregación aditiva para
obtener diversidad de
influencias.
6. Agregación aditiva para
obtener diversidad de
escalas temporales.
7. Agregación aditiva para
obtener diversidad de
perfiles de riesgo.
23
DECISIONES 2.0: EL PODER DE LA INTELIGENCIA COLECTIVA
plantean cuestiones sobre la competencia, un tema so-
bre el que aparentemente los empleados de Best Buy
tienen un conocimiento limitado.
Autoorganización
Los mecanismos que permiten las interacciones entre
los miembros de un grupo pueden resultar en que el to-
do es más que la suma de sus partes. Ejemplos de usos
Una inquietud clave, común a todas
las formas de inteligencia colectiva,
es la pérdida de control
tan constructivos de autoorganización en los cuales las
interacciones crean un valor adicional incluyen la Wiki-
pedia, Intellipedia (la versión de la CIA de la Wikipedia
para los servicios de inteligencia) y Digg. Este tipo de
aplicaciones permiten a las personas crear valor aña-
diendo o borrando las contribuciones de otros partici-
pantes. Sin embargo, existe un peligro: si los mecanis-
mos de interacción no se han diseñado de forma ade-
cuada, el todo puede acabar siendo mucho menos que
la suma de sus partes. El pensamiento grupal es sólo un
ejemplo de los inconvenientes de la autoorganización.
Aspectos clave
Es posible que una aplicación que explota la inteligencia
colectiva para mejorar la toma de decisiones parta de un
concepto sencillo, pero puede resultar extremadamente
difícil de implementar. Como ocurre con muchos siste-
mas, lo importante está en los detalles. Como mínimo,
es necesario que los directivos tengan en cuenta los im-
portantes aspectos que aparecen a continuación.
Control
Una inquietud clave, común a todas las formas de in-
teligencia colectiva, es la pérdida de control, que se
puede manifestar de muchas formas diferentes. Una
es, sencillamente, resultados no deseados e indesea-
bles, es decir, que el colectivo toma una decisión que
podría perjudicar a la empresa, revelando bien un error
en el pensamiento de los directivos o la aplicación in-
adecuada de la inteligencia colectiva. Otra es la impre-
visibilidad, es decir, que es posible que una decisión
no sea mala per se, pero la organización no está prepa-
rada para hacerle frente. Una tercera es la responsabi-
lidad no asignada, es decir, saber quién es responsable
24
de una mala decisión tomada de forma colectiva. Ade-
más, las empresas deben ser conscientes de los poten-
ciales efectos de “bola de nieve”. Mediante la autoor-
ganización, una opinión puede lograr una aceptación
no lineal a través de la autoamplificación. Esto puede
llevar a que las relaciones públicas se conviertan en
una auténtica pesadilla si el colectivo está formado por
participantes externos a la organización. En conse-
cuencia, uno de los principales aspec-
tos en lo que respecta al control es si se
deben incluir personas ajenas a la em-
presa en el proceso.
La elección de ampliar el conjunto de
las personas que toman las decisiones
más allá de las paredes de su organiza-
ción no se debería tomar a la ligera. No
sólo estará divulgando información interna al mundo
exterior, sino que también estará proporcionando un fo-
ro para las personas ajenas a la empresa, que es posible
que no siempre estén interesadas en lograr lo que más
conviene a ésta. Si el colectivo se desvía en una direc-
ción inesperada y potencialmente peligrosa, el daño re-
sultante podría ser difícil (y costoso) de contener. Una
vez que el genio ha salido de la lámpara, explotar la di-
versidad y la especialización del mundo exterior puede
llevar a resultados sustancialmente superiores cuando
se ejecuta de forma adecuada.
Diversidad frente a especialización
Tal como se ha mencionado, la toma de decisiones de
un colectivo requiere que una empresa logre equilibrar
la diversidad y la especialización. Determinados proble-
mas se prestan más que otros a un enfoque basado en
la diversidad, pero ningún grado de diversidad será de
gran ayuda si los participantes desconocen totalmente
los problemas.
Otro factor que se debe tener en cuenta es la actual
composición de la diversidad: del mismo modo que en
las encuestas hay muestras sesgadas, la diversidad de
una gran población también puede ser sesgada, lo que
llevaría a decisiones distorsionadas. Por consiguiente,
es necesario que las organizaciones decidan qué perso-
nas participarán basándose en la habilidad de esos in-
dividuos para comprender el problema en cuestión y
realizar colectivamente contribuciones positivas a su
solución.
Tengamos en cuenta la aleccionadora historia del
club de fútbol finlandés Pallokerho-35 (PK-35). Hace
algunos años, el entrenador invitó a los aficionados a
que ayudaran a determinar la política de contratación,
de entrenamiento e incluso las tácticas de juego del
HARVARD DEUSTO BUSINESS REVIEW

equipo al permitirles votar utilizando sus teléfonos mó-
viles. Por desgracia, la temporada fue un desastre y el
PK-35 acabó despidiendo a su entrenador y descartan-
do su forma de tomar las decisiones basada en los se-
guidores. La lección en este caso es que muchas apli-
caciones sí requieren un gran número de participan-
tes para garantizar la calidad del resultado, pero esos
individuos deben tener los conocimientos necesarios
para realizar aportaciones útiles.
Otras decisiones requieren una cantidad significati-
va de especialización que sólo se halla en un puñado de
personas, ya sea dentro o fuera de la organización. En
tales situaciones, las herramientas tradicionales como
el método Delphi –un enfoque sistemático e iterativo de
predicción– pueden ayudar a fomentar decisiones de
calidad. Algunas empresas, sin embargo, están investi-
gando el uso de enfoques más novedosos. HP Labs, por
ejemplo, ha diseñado una interesante solución para
aprovechar el poder colectivo de un pequeño grupo uti-
lizando un mercado predictivo. El enfoque extrae los
perfiles de riesgo de los participantes con un sencillo
juego y, a continuación, utiliza esa información para
adaptar el comportamiento del mercado.
Compromiso
Los motivos que impulsan a las personas a participar
en una empresa colectiva pueden variar enormemen-
te. Incentivos como recompensas en metálico, premios
y otras promociones pueden ser efectivos a la hora de
estimular a los individuos a participar en actividades
como mercados predictivos, para los cuales las recom-
pensas explícitas parecen tener una gran importancia.
Con otras aplicaciones –por ejemplo, la presentación
de diseños de camisetas en el sitio web Thereadless–,
las recompensas en metálico parecen ser menos im-
portantes que el reconocimiento. Los in-
centivos basados en el valor también
pueden ser importantes. Tal como han ¿La inteligencia colectiva realmente
demostrado el movimiento de código
abierto, la Wikipedia y otras iniciativas corrige los sesgos en las decisiones?
similares, la participación en una comu- No hay una respuesta fácil
nidad, el deseo de transferir conoci-
mientos o de compartir experiencias y
un sentido de deber cívico pueden ser poderosos facto-
res de motivación.
En lo que respecta a los esfuerzos internos continua-
dos, mantener un grado elevado de compromiso por
parte de los empleados puede ser difícil. En Google, los
nuevos empleados son los que muestran un mayor en-
tusiasmo –y participación– por los mercados predicti-
vos internos de la organización, pero su entusiasmo dis-
MARZO 2009
DECISIONES 2.0: EL PODER DE LA INTELIGENCIA COLECTIVA
minuye con el tiempo. Por consiguiente, las organiza-
ciones deben proporcionar un flujo continuo de parti-
cipantes nuevos y entusiastas con el fin de mantener un
nivel de compromiso elevado, o tienen que ofrecer in-
centivos para sostener la motivación de las personas con
el paso del tiempo.
Vigilancia
Cuando a las personas se les permite participar en las
decisiones, la probabilidad de que algunas se porten mal
aumenta con el tamaño del grupo. Para controlar este
tipo de transgresiones, una vigilancia mutua puede ser
efectiva en situaciones en las cuales un código de con-
ducta implícito contribuye a regir el comportamiento de
las personas. Sin embargo, la preocupación por la pro-
pia reputación también puede tener un efecto negativo,
llevando a decisiones excesivamente conservadoras, ya
que los participantes están excesivamente preocupados
por la posibilidad de equivocarse. En lo que respecta a
algunas actividades colectivas, como los mercados pre-
dictivos, una autoridad central parecida a la Securities
and Exchange Commission puede ser necesaria para
frustrar cualquier intento de manipular el mercado.
Propiedad intelectual
Otra inquietud es la de la propiedad intelectual, y este
problema se manifiesta de dos modos. El más obvio es
que una empresa precisa divulgar información sobre
sus problemas para lograr que otros reflexionen sobre
ellos, pero adaptarse a esta transparencia y gestionarla
puede ser muy difícil para muchas compañías, en par-
ticular para aquéllas que han mantenido en el más ab-
soluto secreto su propiedad intelectual. En segundo lu-
gar, cuando una empresa busca ideas en el exterior de
la organización, debe determinar si asumirá la titulari-
dad de la propiedad intelectual resultante y cómo (tam-
bién tiene que asegurarse de que el participante está dis-
puesto a ceder la propiedad intelectual).
Diseño del mecanismo
Quizá, el problema más difícil de todos es el diseño del
mecanismo, el cual debe abordar un gran número de
25
 DECISIONES 2.0: EL PODER DE LA INTELIGENCIA COLECTIVA
cuestiones básicas. Por ejemplo, ¿se debería permitir
que las aportaciones de todos los participantes tuvieran
el mismo valor o algunos individuos deberían tener un
mayor peso en el colectivo? En este último caso, ¿cómo
se debería seleccionar a esos individuos especiales? No
cabe duda de que diseñar los mecanismos adecuados
para la toma de decisiones colectiva no es algo sencillo
ni simple, y las “reglas de compromiso” pueden marcar
una gran diferencia en el resultado.
Otra cuestión básica con relación al diseño del meca-
nismo es si se debe utilizar un sistema de toma de de-
cisiones distribuida o descentralizada. En la toma de de-
cisiones distribuida, la forma más habitual de inteligen-
cia colectiva, una serie de personas contribuyen a una
decisión. En la toma de decisiones descentralizada, mu-
Si los mecanismos de interacción no se
han diseñado de forma adecuada, el todo
puede acabar siendo mucho menos
que la suma de sus partes
chas personas están facultadas para tomar sus propias
decisiones de forma independiente. Piense en sitios web
como ManyEyes y Swivel, en los que los participantes
pueden subir conjuntos de datos para que otros los exa-
minen con herramientas fáciles de utilizar. Digamos
que alguien sube los datos sobre dióxido de carbono de
una determinada área geográfica y otra persona sube in-
formación sobre el desarrollo urbanístico de ese mismo
vecindario, una tercera persona podría entonces estu-
diar esos dos conjuntos de datos para investigar si exis-
te alguna correlación. Numerosos ejemplos de respues-
ta ante catástrofes, desde el tsunami de 2004 hasta el
huracán Katrina, han demostrado el poder de la toma
de decisiones descentralizada por parte de las personas
en primera línea.
En tales situaciones, los complejos planes ideados por
los burócratas centrales tienden a desmoronarse. La lec-
ción es que las decisiones tomadas en las oficinas cen-
trales pueden no corresponderse con las realidades lo-
cales sobre el terreno. Aprovechar la inteligencia colec-
tiva de aquéllos que tienen la información necesaria en
beneficio de quienes deben adoptar las medidas sobre
el terreno puede ser un camino más seguro hacia el éxi-
to que el uso de decisiones verticales y basadas en pa-
trones. En este tipo de situaciones, la organización pue-
de contribuir al proceso de toma de decisiones convir-
26
tiéndose de forma efectiva en un intermediario de la in-
formación.
Hasta ahora, la toma colectiva de decisiones ha sido
en gran medida empírica, y por cada historia de éxito
como la Wikipedia, es muy probable que haya muchos
proyectos que han fracasado debido a diseños defectuo-
sos del mecanismo. Incluso una aplicación como la Wi-
kipedia, que puede parecer sencilla en apariencia, se ba-
sa en una compleja jerarquía de editores cuidadosamen-
te seleccionados. Incluso pequeños cambios en el dise-
ño de un mecanismo de éxito pueden llevar a importan-
tes consecuencias negativas no voluntarias. Por tanto,
algunas organizaciones han decidido reproducir exac-
tamente una aplicación. Un ejemplo es la Intellipedia,
una herramienta desarrollada por el servicio de inteli-
gencia de Estados Unidos que es una co-
pia directa del diseño de la Wikipedia.
Definir el éxito
Las empresas han implementado las
aplicaciones de Decisiones 2.0 con ob-
jetivos muy diversos, entre ellos inves-
tigación y desarrollo, prospección de
mercados, atención al cliente y gestión
del conocimiento. Obviamente, el tipo de aplicación
afectará al modo en el que debería evaluarse su éxito,
pero los directivos deben recordar que determinados
indicadores clave sólo se pueden determinar con pos-
terioridad al proceso, por no decir una vez que ha fina-
lizado. Por ejemplo, la precisión de una previsión ge-
nerada por un mercado de información sólo se puede
medir una vez que el evento ha ocurrido. En tales ca-
sos, los directivos deberían considerar la utilización de
indicadores clave como variables sustitutivas con el fin
de evaluar una aplicación antes de poder realizar una
evaluación final (véase el cuadro 3). En un mercado de
la información, por ejemplo, los indicadores clave pue-
den ser la cantidad y diversidad demográfica de los par-
ticipantes.
A pesar de que los indicadores pueden variar depen-
diendo de la propia aplicación, un indicador clave uni-
versal es el compromiso, es decir, si la aplicación ha es-
timulado y mantenido la participación activa de las per-
sonas de un modo significativo. El compromiso no se
debería tomar a la ligera. De hecho, en una gran propor-
ción de proyectos de Decisión 2.0 que han fracasado, la
causa principal parece ser la falta de compromiso. Los
participantes esperan que se les trate de un modo deter-
minado y, la mayoría de las veces, también quieren que
los organizadores de la aplicación se comprometan.
HARVARD DEUSTO BUSINESS REVIEW
 DECISIONES 2.0: EL PODER DE LA INTELIGENCIA COLECTIVA

CUADRO 3

¿La inteligencia colectiva lleva a mejores decisiones?

Las empresas pueden explotar la inteligencia colectiva identificar cuáles son los indicadores y las mediciones
mediante diversos tipos de aplicaciones. Para evaluar clave que deben utilizar. La información que se presenta a
el rendimiento de tales iniciativas, los directivos deben continuación debería proporcionar una orientación general.

Tipo de aplicación Ejemplos Mediciones clave Indicadores clave

I+D e innovación InnoCentive, Top-Coder, el Calidad de las soluciones y Acceso al talento,

concurso de Netflix para consistencia del resultado. diversidad de participantes
desarrollar un motor de y compromiso de los
recomendaciones mejor. participantes con el paso
del tiempo.

Estudios de mercado Mechanical Turk, Affinnova. Capacidad para descubrir Tamaño de la muestra y
u obtener respuestas si es representativa del
verdaderas. mercado, y compromiso de
los participantes.

Previsión Mercados de información Precisión de las Capacidad para realizar

como Intrade y previsiones. un seguimiento de las
NewsFutures. cantidades reales y del
compromiso de los
participantes con el paso
del tiempo.

Atención al cliente Comunidades de usuarios. Porcentaje de problemas Capacidad de respuesta

solucionados, tono de las a los problemas
conversaciones y rápido no solucionados y
descubrimiento de los compromiso de los
problemas. participantes.

Gestión Wikis. Calidad, precisión Acceso a contenido de

del conocimiento y frecuencia de las sólo lectura, y actividad
aportaciones, y uso del y compromiso de los
resultado en situaciones participantes.
reales.

Verificación Concurso de criptografía Número, calidad y difusión Progreso de la verificación

de sistemas de NIST, modelo peer-to- de problemas inesperados y compromiso de los
patent. que se abarcan. participantes.

Respuesta a la crisis Cajun Navy. Acceso a información difícil Modos de comunicación

de obtener y minimización utilizados y compromiso
de los daños infligidos por de los participantes.
la crisis.

MARZO 2009 27
DECISIONES 2.0: EL PODER DE LA INTELIGENCIA COLECTIVA
En términos generales, el rendimiento de muchas
aplicaciones de Decisiones 2.0 ha dejado bastante que
desear por diversas razones. En primer lugar, muchas
herramientas no proporcionan información sobre los
participantes, lo que plantea inquietudes sobre la exac-
titud del resultado y la posibilidad de que el proceso pue-
da ser manipulable. Además, las aplicaciones suelen ca-
recer de cualquier proceso explícito de arbitraje que pue-
da ofrecer alguna garantía de calidad. Incluso aplicacio-
nes que cuentan con un gran número de participantes
se pueden gestionar con éxito. Es posible que la Wikipe-
dia sea el ejemplo más conocido, pero hay muchas otras.
La toma de decisiones de un colectivo
requiere que una empresa logre
equilibrar la diversidad
y la especialización
Pensemos, por ejemplo, en Delicious, una herramienta
que permite a los usuarios agregar un sitio a favoritos
utilizando palabras clave específicas, con lo que propor-
ciona metadatos de gran utilidad sobre tales sitios.
No obstante, seguimos enfrentándonos a una cues-
tión apremiante: ¿la inteligencia colectiva realmente co-
rrige los sesgos en las decisiones? No hay una respuesta
28
fácil. Antes de las elecciones a la presidencia de Estados
Unidos de 2006, el sitio web Intrade predijo acertada-
mente que los demócratas lograrían el control de ambas
cámaras del Congreso, algo que muchos expertos en po-
lítica no lograron prever. Sin embargo, en 2008, la em-
presa descubrió que un solo miembro del mercado pre-
dictivo había sido el único responsable de un pico in-
usual en la previsión de que el senador John McCain de-
rrotaría al senador Barack Obama en las elecciones pre-
sidenciales. En muchos otros casos documentados, el
proceso colectivo de toma de decisiones ha resultado es-
tar sesgado. Con los mercados de información, por ejem-
plo, esos sesgos se pueden manifestar en todas las for-
mas que afectan la toma de decisiones individual: obse-
sión por los patrones, estructuración, etc.
A pesar de esto, las aplicaciones de Decisiones 2.0
han funcionado por lo general mejor en la práctica de
lo que habían previsto las diferentes teorías. Como uno
de los primeros colaboradores en el campo de la inteli-
gencia colectiva, estaba seguro de que la Wikipedia sería
un fracaso. Por qué funciona tan bien sigue siendo to-
do un misterio para mí. A pesar de que he llegado a apre-
ciar el hecho de que las personas quieren expresarse, la
calidad de la Wikipedia (y de muchos de sus imitadores)
sigue siendo sorprendente. En la actualidad, con la no-
table excepción de los mercados predictivos (para los
cuales un importante cuerpo de trabajo nos ayuda a
comprender lo que funciona y por qué), la práctica si-
gue estando muy por delante de la teoría en el campo
de la inteligencia colectiva.
Sin embargo, el hecho de que no podamos explicar
el éxito de muchas iniciativas de Decisiones 2.0 no es
algo necesariamente malo. De hecho, utilizamos mu-
chas herramientas cada día cuyo funcionamiento no
acabamos de comprender –nuestra
mente intuitiva, por ejemplo–. No obs-
tante, los avances en las investigaciones
y en la teoría, así como el desarrollo de
mejores mediciones de éxito, deberían
dar lugar a mejoras sustanciales en el di-
seño y la implementación práctica de las
diversas aplicaciones de Decisiones 2.0.
Con ese fin, varios grupos de investiga-
dores han puesto en marcha diversas
iniciativas, entre ellos los del HP Laboratories y la Inter-
national Business Machines Corp. Research Division,
para comprender la dinámica de exitosas aplicaciones
como Digg y Wikipedia.
Incluso teniendo en cuenta la actual falta de teoría,
un estudio de las diferentes aplicaciones nos conduce a
dos observaciones generales. En primer lugar, la inteli-
HARVARD DEUSTO BUSINESS REVIEW

gencia colectiva tiende a ser más efectiva a la hora de
corregir sesgos individuales en el área global de la tarea
de generación. Mi conjetura es que nosotros, como in-
dividuos, somos mucho más débiles como exploradores
que como evaluadores y que, a pesar de todos los erro-
res en nuestra heurística, somos bastante buenos a la
hora de detectar errores. Por consiguiente, a la hora de
explotar un colectivo, las empresas tienen ahora mayo-
res probabilidades de obtener más valor
de la generación de ideas que de la eva-
luación de éstas.
En segundo lugar, una característica
Cuando a las personas se les permite
sorprendente de la mayor parte de las participar en las decisiones,
aplicaciones es que los bucles de retroa-
limentación entre la generación y la eva-
la probabilidad de que algunas se porten
luación tienden a ser débiles o inexisten- mal aumenta con el tamaño del grupo
tes. En este caso, el mecanismo funda-
mental de la variación y selección de la
evolución biológica podría proporcionar un modelo efec-
tivo: las ideas se podrían generar y evaluar, y el resulta-
do de tal evaluación se podría utilizar en la creación de
la siguiente generación de ideas. Affinnova, una empre-
sa dedicada al estudio de mercados, por ejemplo, utili-
za feedback colectivo para crear una nueva generación
de diseños de productos que a continuación se presen-
tan de nuevo al colectivo para su evaluación. Las empre-
sas deberían considerar la implementación de este tipo
de bucles de retroalimentación con mayor frecuencia,
ya que el proceso iterativo explota en mayor medida el
poder de un colectivo.
Esa inteligencia colectiva es totalmente posible, no es
una idea nueva. Hasta hace poco, sin embargo, las Me-
morias de extraordinarias ilusiones y de la locura de las mul-
titudes de Charles Mackay, obra publicada en 1841, eran
el marco por defecto para el funcionamiento del colec-
tivo. Según este libro, el resultado más probable de la
dinámica humana colectiva es burbujas en los merca-
dos, inestabilidad y caos. Y, de hecho, como han demos-
trado el programa de televisión American Idol y el Zeit-
geist en las búsquedas más frecuentes de Google, la mul-
titud no tiene necesariamente buen gusto. Ni la multi-
tud tampoco es mejor que los expertos a la hora de so-
lucionar cierto tipo de problemas.
No obstante, un número cada vez mayor de aplicacio-
nes ha demostrado que un grupo de personas diferen-
tes, independientes y razonablemente informadas pue-
den obtener mejores resultados que incluso la mejor es-
timación o decisión individual. De hecho, el libro de Ja-
mes Surowiecki publicado en 2004, The Wisdom of the
Crowds (un guiño al título del clásico de Mackay), ofrece
una colección de ejemplos de este tipo. Como mínimo,
MARZO 2009
DECISIONES 2.0: EL PODER DE LA INTELIGENCIA COLECTIVA
la aparición de herramientas basadas en la web con el
fin de reunir a las personas en una gran variedad de for-
matos ha hecho posible experimentar con mecanismos
para aprovechar las capacidades de un colectivo a la ho-
ra de tomar decisiones. Además, la extensa disponibili-
dad de las aplicaciones de la Web 2.0 ha llevado a la apa-
rición de un número cada vez mayor de “profesionales
amateurs”: desde ornitólogos hasta fotógrafos, personas
que antes tenían la pasión pero no las herramientas en-
cuentran a su disposición la tecnología que les permite
trabajar al mismo nivel que los profesionales.
El resultado final es que en lo que respecta a muchos
de los problemas a los que tiene que enfrentarse una
empresa existe una solución potencial ahí fuera, muy
lejos de los lugares tradicionales en los que los directi-
vos suelen buscar, dentro o fuera de la organización. La
estrategia, sin embargo, está en desarrollar la herramien-
ta adecuada para localizar esa fuente y, a continuación,
explotarla. De hecho, a pesar de que un éxito como el de
la Wikipedia puede parecer sencillo en apariencia, esa
sencillez superficial oculta un complejo mecanismo
subyacente para aprovechar el poder de la inteligencia
colectiva. En consecuencia, cualquier empresa que esté
desarrollando una aplicación de Decisiones 2.0 haría
bien en comprender algunos aspectos fundamentales,
como el equilibrio entre la diversidad y la especializa-
ción, y la distinción entre la toma de decisiones descen-
tralizada y distribuida. Después de todo, sin este tipo de
conocimiento básico, una empresa podría acabar fácil-
mente explotando la locura de la multitud, no su sabi-
duría.
«Decisiones 2.0: el poder de la inteligencia colectiva». © Massachusetts
Institute of Technology. Este artículo ha sido publicado anteriormente en
MIT Sloan Management Review con el título “Decisions 2.0: The Power Co-
llective Intelligence”. Referencia n.O 3357.
Si desea más información relacionada
con este tema, introduzca el código 20730
en www.e-deusto.com/buscadorempresarial
29