INCERTIDUMBRE Y DECISIÓN

Autores:
Lima Liliana
Daboín Ángela
Hernández Lili
León Eddy
Poletto Juan
Vides Flor


Trabajo con fines académicos enmarcado en el Seminario Procesos Decisorios y Factores Éticos del Doctorado en Ciencias de la Ingeniería. Mención Productividad. UNEXPO. Barquisimeto. Enero-Abril 2010


Introducción

La toma de decisiones en las organizaciones forma parte del proceso de gestión e implica una mezcla compleja de conocimientos, experiencias, creatividad y asunción de riesgos. Se entiende por decisión, la elección consciente entre un conjunto de alternativas analizadas a la que sigue la acción pertinente para poner en práctica la alternativa elegida y, por toma de decisiones, al proceso que consiste en una serie o concatenación de pasos consecutivos o de etapas interconectadas que dan lugar a una acción o a un resultado y a su correspondiente evaluación. Este proceso puede darse en situaciones, ambientes o contextos con distintos niveles de conocimiento y de control sobre las variables que intervienen o influencian el problema, es decir, certeza, riesgo o incertidumbre.
Prácticamente todas las decisiones se toman en un ambiente de cierta incertidumbre. Sin embargo, el grado varía de una certeza relativa a una gran incertidumbre. En la toma de decisiones existen ciertos riesgos implícitos. En una situación donde existe certeza, las personas están razonablemente seguras sobre lo que ocurrirá cuando tomen una decisión, cuentan con información que se considera confiable y se conocen las relaciones de causa y efecto. Por otra parte en una situación de incertidumbre, las personas sólo tienen una base de datos muy deficiente. No saben si estos son o no confiables y tienen mucha inseguridad sobre los posibles cambios que pueda sufrir la situación. Más aún, no pueden evaluar las interacciones de las diferentes variables, por ejemplo una empresa que decide ampliar sus operaciones a otro país quizás sepa poco sobre la cultura, las leyes, el ambiente económico y las políticas de esa nación. La situación política suele ser tan volátil que ni siquiera los expertos pueden predecir un posible cambio en las mismas.
En una situación de riesgo, quizás se cuente con información basada en hechos, pero la misma puede resultar incompleta. Para mejorar la toma de decisiones se puede estimar las probabilidades objetivas de un resultado, al utilizar, por ejemplo modelos matemáticos. Por otra parte se puede usar la probabilidad subjetiva, basada en el juicio y la experiencia. Afortunadamente se cuenta con varias herramientas que ayudan a los administradores a tomar decisiones más eficaces.
En el trabajo que se presenta a continuación, las reflexiones están dirigidas a indagar sobre los factores implicados en el proceso de toma de decisiones, la gestión de la incertidumbre en la toma de decisiones, la probabilidad como teoría para calcular la incertidumbre en la toma de decisiones, otros enfoques estructurados para la toma de decisiones, las estrategias para manejarla en ambientes de incertidumbre y se finaliza con una reflexión desde la complejidad y la alternativa del pensamiento lateral como estrategia para la toma de decisiones.




EL PROCESO DE TOMA DE DECISIONES: FACTORES IMPLICADOS.

La toma de decisiones en las organizaciones forma parte del proceso de gestión e implica una mezcla compleja de conocimientos, experiencias, creatividad y asunción de riesgos. Los gestores de todo tipo de organización toman a diario decisiones que implican objetivos y metas competitivos entre sí, incertidumbre y riesgo así como cursos alternativos de acción para alcanzar los objetivos planteados. En este sentido, se entiende por decisión la elección consciente entre un conjunto de alternativas analizadas, a la que sigue la acción pertinente para poner en práctica la alternativa elegida y la toma de decisiones como el proceso que consiste en una serie o concatenación de pasos consecutivos o de etapas interconectadas que dan lugar a una acción o a un resultado y a su correspondiente evaluación (Ivancevich y otros, 1997). El proceso de toma de decisiones puede visualizarse en la figura Nº 1.


Figura Nº 1. Proceso de Toma de Decisiones

Fuente: Ivancevich y otros (1997)


Entre los factores implicados en la toma de decisiones se encuentran la información y los factores mediambientales de la organización, a continuación de describen tales factores.
Cuando se tiene que tomar una decisión, uno de los factores a considerar es la información disponible. Pero ¿qué es información?, ¿qué características debe tener para que provea elementos de juicio para la toma de decisiones? La información, en sentido general, es un conjunto organizado de datos procesados que constituyen un mensaje sobre un determinado ente o fenómeno. Ocho son los atributos que hacen de la información un recurso útil para la toma de decisiones: accesibilidad, oportunidad, pertinencia, exactitud, verificabilidad, completitud y claridad. La información accesible se refiere a la facilidad y rapidez con la que puede obtenerse; oportuna a la disponibilidad cuando se la necesita; pertinente pues los gestores necesitan información para adoptar una decisión específica; exacta a disponer de información libre de errores; verificable a la capacidad de confirmación de la información; completa a la presencia de todos los detalles requeridos y clara a que la información se presente de tal modo que no dé lugar a la malinterpretación de ningún hecho (Ver figura Nº 2).

Figura Nº 2. Atributos de información útil

Fuente: Hernández, L. (2008)

Como se aprecia los requisitos son bastantes rigurosos y su cumplimiento puede ser difícil. Sin embargo, es importante considerarlos como un todo, ya que una información accesible, oportuna, exacta, pertinente y verificable puede ser inútil si es incompleta. En este sentido, considerando la complejidad de las organizaciones actuales y lo bien provistas de información, es importante que la misma sea procesada y analizada en función de los atributos de utilidad para la toma de decisiones.
La información que afecta a las organizaciones tiene su origen en el medio ambiente interno y externo de las mismas, y cada factor medioambiental asociado a esos ambientes tiene su importancia sobre el proceso de toma de decisiones y suele hallarse en un estado de cambio. El medio ambiente interno incorpora a los factores internos de la organización que ejercen influencia en la manera de realizar el trabajo y de conseguir los objetivos (cultura, personal, estructura, políticas, etc.). El medio ambiente externo de una organización comprende todos los factores que pueden afectar directa o indirectamente a la organización de alguna manera perceptible. Así pues, las organizaciones y su medio ambiente externo son inseparables, cada uno de ellos afecta al otro, por lo tanto, los gestores deben mantener información actualizada de cada uno de ellos.
En este sentido, los tomadores de decisiones deben observar, analizar y predecir la información del medio ambiente para marcar la diferencia entre el éxito y el fracaso de la organización. El análisis medioambiental es el seguimiento de las fuerzas del medio ambiente externo y está dirigido a determinar el origen de las oportunidades y de las amenazas que se ciernen sobre una organización. El diagnóstico medioambiental es el proceso de toma de decisiones estratégicas y de gestión, mediante la valoración e interpretación de la información derivados del análisis medioambiental. La figura Nº 3 muestra la relación de una organización con el medio ambiente externo, resaltando los factores externos de tarea (proveedores, clientes, competidores, empleados, acreedores y accionistas) y los factores remotos del medio ambiente externo (económico, tecnológico, político/legal, ecológico y socio-cultural).
Posteriormente se describen los factores remotos, ya que son estos los que afectan de manera directa o indirecta sobre el resto de factores de la organización.
El factor remoto sociocultural comprende las instituciones, las personas y sus valores, así como las normas de conducta aprendidas y compartidas. Al tomar decisiones, los gestores han de tener en cuenta la estructura social y la cultura actual de la organización. Por otro lado, el factor económico produce un fuerte impacto en las decisiones. La incertidumbre económica y los vaivenes de la economía han de ser objeto de un seguimiento cuidadoso y han de ser interpretados por los gestores para poder tomar decisiones informadas. Dos son las características prevalentes y difíciles de valorar con exactitud en el medio ambiente económico, incertidumbre y cambio. No menos importante es el factor tecnológico, que representa una fuerza medioambiental significativa que lleva el cambio a las organizaciones y a las relaciones entre éstas y sus clientes. Los gestores deben tomar decisiones acertadas en la manera adecuada de utilizar la tecnología.

Figura Nº 3. Factores medioambientales de la organización que afectan la toma de decisiones


Fuente: Ivancevich y otros (1997)

Otro factor remoto medioambiental que afecta a las organizaciones actuales es el político – legal. Éste está constituido por las normas y regulaciones gubernamentales aplicables a las organizaciones y que deben ser consideradas a la hora de la toma de decisiones. Por último, y no por eso menos importante, el medio ambiente ecológico. Este factor está constituido por todo lo que rodea a la organización. El especialista en el medio ambiente Barry Commoner, citado por Ivancevich y otros (1997), propuso cuatro leyes informarles de ecología que deben ser consideradas por los gestores a la hora de la toma de decisiones: 1) todo está conectado con todo lo demás; 2) todas las cosas han de ir a alguna parte; 3) la naturaleza es más sabia; y 4) no existe tal cosa como un almuerzo gratis. Todo lo importante tiene un coste.
Estas leyes, al ser traducidas al lenguaje de gestión, sugieren que cada organización tiene problemas de contaminación que han de ser evaluados y controlados. Los gestores han de intentar tomar decisiones que minimicen el impacto negativo de las operaciones de la organización sobre el medio ambiente natural (agua, aire, flora, fauna).
En otro orden de ideas en lo que se refiere a la participación de personas en la toma de decisiones, puede ser: individual y grupal. La toma de decisiones supone en todos los casos la participación de personas. En algunos casos son individuos obrando por sí solos los que toman las decisiones. Pero en las organizaciones actuales, lo más frecuente es que sean grupos de personas los que toman las decisiones, cada vez es menos verosímil que un solo individuo sea capaz de procesar toda la información necesaria para tomar decisiones que sean las más apropiadas para la organización. A continuación se describen los factores que influyen en la toma de decisiones dependiendo si esta es individual o grupal.

Toma de decisiones individual

Diversos factores de comportamiento influyen en el proceso de toma de decisiones. Estos factores individuales son: los valores, la personalidad, la propensión al riesgo y el potencial para el disentimiento (ver figura Nº 4).

Figura Nº 4. Factores que afectan la toma individual de decisiones

Fuente: Hernández, L. (2008)

En el contexto de la toma de decisiones, los valores son las directrices que una persona utiliza al encontrarse en una situación ante la cual se hace preciso hacer una elección. Su influencia es de gran importancia en la fijación de metas y objetivos, la elaboración de alternativas, la elección de una solución, y en la etapa de seguimiento al emprender acciones correctivas. Por otro lado, la personalidad de los propios decisores tiene su reflejo en la elección de soluciones, sus actitudes, creencias, necesidades propias y situación física y social influyen en la toma de decisiones, al igual que la propensión al riesgo o disposición del gestor a asumir riesgos. No menos importante es el potencial del decisor para el disentimiento.
Este factor, a diferencia de los anteriores, no es anterior a la toma de decisión, sino posterior a la misma. Tiene que ver con la ansiedad que puede sobrevenir una vez la decisión ha sido tomada y la capacidad del decisor para cambiar sus decisiones erróneas y mantener la flexibilidad tan necesaria.

Toma de Decisiones en Grupos.

En muchas organizaciones actuales, gran parte de la toma de decisiones tiene lugar a través de grupos que asumen nombres tales como comités, equipos, círculos de calidad, etc. Esta tendencia responde, en parte, a la complejidad creciente de las organizaciones y a la gran cantidad de información que se hace necesaria para adoptar decisiones racionales. Igualmente su aplicación va a depender del tipo de decisión y el grado de incertidumbre que exista. Aunque algunos autores expresan que en las decisiones en grupo se tarda más en adoptar una decisión, es indudable que en las reuniones de especialistas y expertos suele sacarse mucho provecho.
Ambos tipos de decisiones, la individual y la grupal, dependen también de la situación o contexto que envuelve el proceso de toma de decisión. Por ejemplo, cuando con cierta frecuencia se presenta una situación determinada, suele elaborarse un procedimiento rutinario para resolverla, y este procedimiento se utiliza para la toma de decisiones programadas. Este tipo de decisión puede ser tomada individualmente. Por otro lado, cuando una decisión no está programada, y no existe un procedimiento preestablecido para hacer frente al problema, ya sea por su complejidad, o por ser de suma importancia, puede utilizarse un comité o grupo para la toma de decisiones.
El tema aquí desarrollado, titulado Incertidumbre y Toma de Decisiones, y en el que se desarrollarán algunas reflexiones, además de la toma de decisiones tiene otra dimensión de análisis, la incertidumbre. Esta dimensión es básica porque constituye un elemento fundamental en la toma de decisiones de las complejas organizaciones actuales, envueltas en una abundancia informativa que alimenta entre los tomadores de decisiones una permanente sensación de incertidumbre.
Cuando se habla de incertidumbre, se hace referencia a una circunstancia donde abundan las dudas, la indeterminación y la inseguridad. Es un estado que rompe con lo unívoco y del cual el individuo no sabe a ciencia cierta cómo y cuándo saldrá, porque para ello debe encontrar una salida, una respuesta o solución. Aunque un estado de incertidumbre pueda existir por sí mismo en un determinado plano de la realidad natural, social y/o virtual, el individuo sólo puede salir de él en la medida en que es capaz de contraponer o asociar lo que percibe como incertidumbre, con lo que ya se conoce o se cree conocer. En este contexto, es posible afirmar que esta situación de inestabilidad puede conducir a la parálisis o inacción, en especial cuando quien pasa por ese estado no encuentra un marco conocido que le provea de elementos de juicio para tomar decisiones (Crovi y Lozano, 2006). Ver figura Nº 5.

Figura Nº 5. Información en ambiente de incertidumbre

Fuente: Hernández, L. (2008)

En conclusión, el proceso de toma de decisiones es un proceso tan social que envuelve la razón y la emoción, la incertidumbre y el riesgo, y la creatividad y el conocimiento; además de otros factores individuales, grupales o externos que son propios de las personas y contextos que y en los que hacen vida las organizaciones. Ver figura Nº 6.

Figura Nº 6. El entorno que influye en la toma de decisiones

Fuente: Ivancevich y otros (1997)

INCERTIDUMBRE

Definición

La incertidumbre se genera por alguna deficiencia de la información disponible, la cual puede ser incompleta, imprecisa, fragmentaria, no totalmente confiable, vaga, contradictoria, o deficiente de algún otro modo. En general, las diversas carencias de la información disponible pueden causar tipos diferentes de incertidumbre (Torres, 2007).
Para profundizar en la definición de incertidumbre es necesario hablar de los tipos de problemas de decisión: las decisiones con conocimiento incompleto y las decisiones con preferencias inseguras, clasificación propuesta por Coombs, Dawes y Tverskys (1970), citados por Gambara (1991).
Ambos tipos de decisión están asociados a la incertidumbre, aunque en el primero la incertidumbre está vinculada a los estados del mundo y en el segundo al propio decisor, de tal forma que las decisiones con conocimiento incompleto son abordadas por las teorías de elección de riesgos y las decisiones con preferencias inseguras por las teorías probabilísticas de elección (Gambara 1991).
Por otra parte Slovic, Lichtestein y Fischhoff (1988), referenciados por Gambara (1991) definen las teorías de elección con o sin riesgo, las primeras corresponden a las teorías que trataban las decisiones sin incertidumbre, en este tipo de decisión el decisor conoce todos los cursos de acción y sus consecuencias, en tal caso se trata de un decisor racional. En las segundas, se tienen en cuenta la incertidumbre, un ejemplo de estas es la teoría de la utilidad de Von Neumann y Morgenster (1970).
Además Knight (1921) y Keynes (1921) mencionados por Gambara (1991) distinguen entre riesgo e incertidumbre. El riego es algo mensurable, que incluye situaciones en las que las distribuciones de probabilidad de las respuestas son conocidas, la incertidumbre por el contrario corresponde a situaciones únicas donde no son aplicables ni los cálculos ni experiencias pasadas.
Asimismo el diccionario de la Real Academia española define incertidumbre como “duda, perplejidad, falta de certeza”, y esta última como “conocimiento seguro y claro de cualquier cosa”
Lo expuesto anteriormente deja claro que las decisiones con incertidumbre implican una toma de decisiones con conocimiento incompleto, bien sea de las alternativas de selección, los cursos de acción o las consecuencias de las acciones tomadas.

Tipos de Incertidumbre

De acuerdo a Torres (2007) actualmente se distinguen tres tipos de incertidumbre:
La no especificidad (o la imprecisión), que está conectada con el número de elementos de los conjuntos de alternativas relevantes.
La borrosidad (o la vaguedad), que está referida a las fronteras imprecisas de conjuntos borrosos.
La controversia (o la discordia), que expresa conflictos entre varios conjuntos de alternativas.
En el Cuadro 1 se presentan las características de los tres tipos de incertidumbre, utilizando sinónimos acordes con el significado de los mismos.

Cuadro 1. Tres tipos básicos de incertidumbre

Fuente: Torres, E. (2007)

Del cuadro 1 se puede distinguir que dos de los tipos de incertidumbre, la no especificidad y la controversia, son vistos como especies de un tipo de incertidumbre superior, que parece ser contenido en el término ambigüedad; pues está asociado con cualquier situación relacionada con varias alternativas, de las cuales debemos escoger una como su genuina representante.
En general, la ambigüedad resulta de la ausencia de certidumbre para caracterizar las distinciones en un objeto (no especificidad), del desacuerdo en la elección entre varias alternativas (controversia), o de ambas.
El tercer tipo de incertidumbre, la borrosidad, es diferente de la ambigüedad, pues resulta de la carencia de distinciones definidas o nítidas.

Principios de la Incertidumbre.

Según lo planteado por Torres (2007) para gestionar la incertidumbre se han definido tres principios: el principio de incertidumbre mínima, el principio de incertidumbre máxima, y el principio de incertidumbre invariante.
El principio de incertidumbre mínima es básicamente un principio de arbitraje. Este principio es usado, en general, para soluciones de reducción de varios problemas de sistemas que implican la incertidumbre. Este principio declara que, entre todas las soluciones equivalentes en una situación inicial de resolución de problemas, se debe aceptar sólo aquellas soluciones cuya incertidumbre (referida a la situación objetivo) sea mínima.
El principio de incertidumbre mínima es aplicable en la resolución de problemas que implican simplificación. Cuando un sistema es simplificado, la pérdida de alguna información contenida en el sistema es generalmente inevitable. Una simplificación sana de un sistema dado debería reducir al mínimo la pérdida de información relevante mientras logra la reducción requerida de complejidad.
Adicionalmente este principio es aplicado en la resolución de conflictos por ejemplo, cuando se integran modelos para construir un modelo más grande, estos pueden ser localmente incoherentes. Entonces, es razonable requerir que cada uno de los modelos sea ajustado de manera apropiada, de tal modo que el modelo total se haga coherente. En tal sentido, se debe aceptar sólo aquellos ajustes para los cuales la pérdida total de información (o el aumento total de incertidumbre) sea mínima. La pérdida total de información puede ser expresada, por ejemplo, por la suma de todas las pérdidas individuales o por una suma ponderada cuando los modelos dados son valorados de manera diferente.
El segundo principio, el principio de incertidumbre máxima, es esencial para cualquier situación de solución de problemas mediante el razonamiento acumulativo, en el cual las conclusiones no son implicadas de las premisas dadas.
El principio de incertidumbre máxima sostiene que en cualquier inferencia acumulativa, se use toda la información disponible, pero se debe asegurar que ninguna información adicional sea añadida inconscientemente. Es decir, empleando la conexión entre la información y la incertidumbre, el principio requiere que las conclusiones obtenidas mediante cualquier inferencia acumulativa maximicen la incertidumbre relevante dentro de las condiciones que representan las premisas. Este principio garantiza que la ignorancia existente sea totalmente reconocida cuando se trata de ampliar las pretensiones tenidas más allá de las premisas dadas y, al mismo tiempo, que toda la información contenida en las premisas sea totalmente utilizada. En otras palabras, el principio garantiza que las conclusiones realizadas tengan el máximo carácter evasivo con respeto a la información no contenida en las premisas.
El principio de incertidumbre invariante puede ser concebido también como un principio de información invariante o conservación de información. Cada modelo usado en una situación de toma de decisiones, expresado en alguna teoría matemática, contiene información de algún tipo y en una cantidad específica. La cantidad es expresada por la diferencia entre la incertidumbre máxima posible, asociada con el conjunto de alternativas postuladas en la situación, y la incertidumbre real del modelo. Cuando se mueve de un modelo a otro, formalizados ambos en términos de teorías matemáticas diferentes, esto significa básicamente reemplazar un tipo de información por otro, que son iguales en cuanto a cantidad de información. Esto expresa el espíritu del principio de información invariante o conservación de información: ninguna información debe ser agregada o eliminada únicamente convirtiendo un tipo de información a otro.

Gestión de la Incertidumbre.

Manucci (2004) propone que la incertidumbre se gestiona con más diálogo e interacción. De acuerdo con lo que dice Sáez Vacas, citado por Manucci (2004) “para que la empresa pueda afrontar con éxito la complejidad del entorno competitivo cambiante debe aumentar su complejidad, aunque no tanto en su estructura (orden) como en su función y tratamiento de la información (comportamiento)." Con estos parámetros, se pude pensar en un modelo de gestión estratégica implica pensar en un modelo de gestión de la incertidumbre para generar organizaciones flexibles y competentes.
Los nuevos paradigmas, como los postulados de la Complejidad, Teoría del Caos, Dinámica de Sistemas y Constructivismo, consideran que diseñar estrategias es diseñar significados, crear realidades. El mundo se está reconfigurando basado en la interacción y la emergencia de significados que surgen de una interacción cada vez más compleja y dinámica entre la organización y sus públicos. En este sentido, se plantea que la gestión de la incertidumbre está en la gestión de los procesos no en el desarrollo de elementos aislados. La gestión de la incertidumbre está en las relaciones y en los vínculos (Manucci, 2004)
En la misma secuencia Manucci (2004) plantea que el entorno de la organización es un continuo de sucesos emergentes, la realidad corporativa no es una fotografía. Nuevos e imprevistos significados aparecen en la cotidianidad de los hechos corporativos a partir de las relaciones con los diferentes públicos. Las personas no son simples espectadores de una “puesta en escena” predeterminada desde la organización; sino que se convierten en protagonistas de sus percepciones a partir de la interacción.
Tal como sostiene Joan Costa (2001) referido por Manuncci (2004) “cuando el individuo se aproxima a un producto para probarlo o degustarlo, entonces pasa a experimentar una relación con el objeto o producto.” La relación queda marcada y significada a partir de la experiencia.
La dinámica de los significados emergentes genera un nuevo punto de vista respecto de la dinámica corporativa; donde los límites de la certeza se pierden en una trama de azar e incertidumbre. Ralph Stacey (1992), citado por Manuncci (2004) plantea un marco de análisis para estos nuevos desafíos corporativos, lo que él denomina “operar lejos del equilibrio” basado en los descubrimientos de las “nuevas ciencias matemáticas y naturales”. En este sentido, sostiene que “el mensaje central de las nuevas ciencias para las organizaciones es este: las organizaciones son sistemas de retro alimentación que generan comportamiento complejo donde los eslabones que unen la causa y el efecto están rotos. El orden diseñado mentalmente es reemplazado por un orden emergente desde la inestabilidad a través de procesos de auto organización.”

PROBABILIDAD

La probabilidad es un mecanismo que permite inferir sobre la naturaleza de un conjunto mayor de datos en base al uso de información parcial (Mendenhall, 1978).
Según Girón y Bernardo (2008), la probabilidad es la escala más utilizada para medir incertidumbre. Argumentan que es una forma más adecuada que utilizar lógica difusa o funciones de credibilidad. Los individuos, dependiendo de la información que manejen, cuantificarán su incertidumbre.
Si a dos personas se les pide medir la incertidumbre de un mismo evento, obtendrán valores distintos que dependen de la información que posean, es decir, tienen distintos instrumentos de medición afectados por la información que se tenga. “Todas las probabilidades son siempre condicionadas a un cierto estado de la información” (Girón y Bernardo, 2008).
La probabilidad sigue ciertas leyes con las que están de acuerdo la mayoría de los especialistas, sin embargo existen varios enfoques, a saber el frecuencialista, lógico, axiomático y personalista o subjetivista o bayesiano (Gambara, 1991).
En el caso del enfoque personalista, Savage (citado por Gambara, 1991), considera a la probabilidad “como un juicio personal en relación a las posibilidades que tiene un suceso o una proposición de cumplirse, y por tanto, no habrá de asumirse necesariamente como un hecho objetivo”. Es decir, en este enfoque se conjugan tanto los eventos conocidos así como el razonamiento lógico y la experiencia del individuo que haga el análisis. Esta óptica es una buena manera de modelar la incertidumbre sin perder de vista que deben cumplirse las leyes de la probabilidad (Gambara, 1991).
Otra clasificación de la probabilidad es en objetiva y subjetiva. En el primer caso, se conocen hechos y valores concretos que los representan y se puede concluir la posibilidad de que ocurra algo, en el segundo, la apreciación de que ocurra un hecho está basada en opiniones personales, que dependen en general de la experiencia, intuición y rasgos personales (Castillo), ésta es coincidente con la personalista. En cualquiera de los casos, quien toma decisiones tiene información de la probabilidad con que ocurra un evento.
Según De Finetti (citado por Gutierrez, 1984), la probabilidad guía la toma de decisiones luego de reflexionar con carga de incertidumbre. La teoría de la probabilidad es la lógica que mezcla lo racional y formal con lo instintivo para utilizarlo en elecciones que maximicen los aciertos.
Utilizar la teoría básica de probabilidades ayuda a presentar la información a través de gráficos que permiten un manejo más práctico de los resultados y por ello una más rápida y efectiva toma de decisiones.
A continuación se muestran algunas definiciones y propiedades de la teoría de probabilidad (Mendenhall, 1978) con el objeto de aplicarlos en un problema de toma de decisiones.

Definición 1: Un experimento es un proceso mediante el cual una observación es registrada. Los resultados que produce un experimento se llaman eventos y se denotarán por letras mayúsculas. Se presentan eventos simples, cuando no pueden ser descompuestos y eventos compuestos cuando pueden ser descompuestos en eventos simples.

Definición 2: El conjunto de todos los puntos muestrales de un experimento es llamado espacio muestral y se denota por S.
Definición 3: La probabilidad de que ocurra un evento A , desde el punto de vista de la frecuencia relativa es
P(A)=n_A/N
donde N es un número grande que representa las veces en que se repite un experimento y de éstas el evento A ocurre n_A veces.

Propiedad 1: A cada punto E_i del espacio muestral se le asigna un número llamado la probabilidad de E_i, denotado 〖P(E〗_i), tal que
0≤P(E_i)≤1, para cada i
∑_S▒〖〖P(E〗_i)=1〗 (Normalización)para cada i
donde ∑_Srepresenta la suma sobre todos los puntos muestrales de S.

Definición 4: (Aditividad) La probabilidad de un evento A es igual a la suma de las probabilidades de los puntos muestrales de A.
P(⋃_(i=1)^n▒A_i )=∑_(i=1)^n▒P(A_i )
Definición 5: Sean A y B dos eventos en el espacio muestral S. La unión de A y B es el evento que contiene a todos los puntos muestrales de A o de B o de ambos. Se denota por A∪B.

Definición 6: Sean A y B dos eventos en el espacio muestral S. La intersección de A y B es el evento que contiene a todos los puntos muestrales que están en A y B. Se denota por A∩B.

Definición 7: El complemento de un evento A es la colección de todos aquellos puntos muestrales que están en el espacio muestral S pero que no están en A. Se denota por A ̅.
En algunos casos la ocurrencia de un evento A depende de que otro evento B haya ocurrido. Esto es llamado probabilidad condicional y se denota por P(A│B), donde el evento al lado derecha de la línea ha ocurrido.

Definición 8: La probabilidad condicional de B dado que A ha ocurrido es
P(B│A)=(P(A∩B))/(P(A))
La probabilidad condicional de A dado que B ha ocurrido es
P(A│B)=(P(A∩B))/(P(B))

Definición 9: Dos eventos A y B son independientes si
P(A│B)=P(A) o P(B│A)=P(B)

Definición 10: Dos eventos A y B se dicen mutuamente excluyentes si el evento A∩B no contiene ningún punto muestral. Es decir, P(A∩B)=0.

Leyes de probabilidad

1. Ley multiplicativa. Dados dos eventos A y B, la probabilidad de la intersección A∩B es
P(A∩B)=P(A)P(B│A)=P(B)P(B│A).

Si A y B son independientes, P(A∩B)=P(A)P(B)
2. Ley aditiva. La probabilidad de la unión A∪B es
P(A∪B)=P(A)+P(B)-P(A∩B).
Si A y B son mutuamente excluyentes, entonces
P(A∪B)=P(A)+P(B) ya que P(A∩B)=0.

La ley de Bayes

Sea B un evento y B ̅ su complemento. Si otro evento A ocurre, entonces
P(A│B)=(P(A∩B))/(P(A))=(P(A│B)P(B))/(P(A│B)P(B)+P(A│B ̅ )P(B ̅))

La probabilidad P(B│A) es llamada la probabilidad a-posteriori del evento B dado la información contenida en el evento A, Las probabilidades P(B) y P(B ̅) son referidas como las probabilidades a-priori de los eventos B y B ̅ respectivamente.

Ejemplo 1: Un importante almacén está considerando cambiar su política de otorgamiento de crédito para reducir el número de clientes (crédito-habientes) que finalmente no pagan sus cuentas. El gerente de crédito sugiere que en lo futuro el crédito le sea cancelado a cualquier cliente que se demore una semana o más en sus pagos en dos ocasiones distintas. La sugerencia del gerente de crédito se basa en el hecho de que en el pasado, el 90% de todos los clientes que finalmente no pagaron sus cuentas, se habían demorado en sus pagos en por lo menos dos ocasiones.
Suponga que de una investigación independiente, encontramos que el 2% de todos los clientes (crédito-habientes) finalmente no pagan sus cuentas y que de aquellas que finalmente sí las pagan, el 45% se han demorado en por lo menos dos ocasiones.
Encuentre la probabilidad de que un cliente que ya se demoró por lo menos en 2 ocasiones finalmente no pague su cuenta y con la información obtenida analice la política que ha sugerido el gerente de ventas.

Solución.

Sean los eventos definidos de la siguiente manera:
L: el evento de que un cliente (crédito-habiente) se demore una semana o más en sus pagos, en por lo menos 2 ocasiones distintas.
D: el evento de que un cliente finalmente no pague su cuenta y sea D ̅ el evento complementario del evento D
Se requiere aplicar la probabilidad condicional
P(D│L)=(P(D∩L))/(P(L))=(P(L│D)P(D))/(P(L│D)P(D)+P(L│D ̅ )P(D ̅))
Sustituyendo los datos del problema, tenemos

P(D│L)=((0.90)(0,02))/((0.90)(0.02)+(0.45)(0.98))=0.0180/(0.0180+0.4410)=0.0392
La probabilidad que se ha obtenido es de aproximadamente 0.04. Esto significa que 1 de cada 25 clientes está dentro de los que finalmente no pagan y le será retirado del crédito. ¿Será apropiado el pagar el precio de perder 24 clientes “buenos” para eliminar un cliente “malo”?
La respuesta natural es no. La sugerencia del gerente no es la mejor.

Riesgos en la Toma de Decisiones

Como se ha podido observar en lo que antecede, la toma de decisiones está influenciada por un complejo conjunto de elementos que dependen entre otras cosas de hechos y contextos que en muchos casos no se pueden controlar. Cuando un individuo debe tomar una decisión, por lo general, no cuenta con información suficiente y las condiciones para la toma de decisiones pueden enmarcarse en certeza, incertidumbre o riesgo (Castillo, 2009).
En una situación donde exista certeza, el riesgo es mínimo, pero son pocas las decisiones que se toman con conocimiento absoluto de toda la información. Por lo general, se tiene una base de datos insuficiente y tomar una decisión bajo incertidumbre acarrea riegos. Según Castillo(2009),

RIESGO: Es la probabilidad de que suceda un evento, impacto o consecuencia adversos. Se entiende también como la medida de la posibilidad y magnitud de los impactos adversos, siendo la consecuencia del peligro, y está en relación con la frecuencia con que se presente el evento. Se produce el riesgo siempre que no somos capaces de diagnosticar con certeza el resultado de alguna alternativa, pero contamos con suficiente información como para prever la probabilidad que tenga para llevarnos a un estado de cosas deseado

.

El encargado de tomar una decisión debe correlacionar valores probabilísticos, con su experiencia personal e informaciones secundarias para minimizar los riegos en la toma de decisiones. El riesgo se reduce si al plantear soluciones se obtienen los resultados deseados. El riesgo es un punto intermedio entre la certeza y la incertidumbre.

OTRAS TEORÍAS PARA EL TRATAMIENTO DE LA INCERTIDUMBRE

En el tratamiento formal de la vaguedad, las alternativas se representan por medio de conjuntos borrosos, lo que resalta la dificultad de discriminación. La investigación sobre ambigüedad ha permitido establecer dos subclases: el conflicto y la no especificidad. La evidencia es conflictiva en el momento en que apunta a varios subconjuntos. Si estos subconjuntos pueden ordenarse de acuerdo con la relación de inclusión, el conflicto será mínimo. (El conflicto será nulo si la evidencia indica un solo subconjunto). La no especificidad alude al tamaño de los subconjuntos, entre más elementos contengan los subconjuntos, menos específica es la evidencia. Así pues, una evidencia perfecta (no conflictiva y específica) señalaría un único subconjunto unitario.

El conflicto es el tipo de incertidumbre más investigado. La única teoría que se ha desarrollado para representar el conflicto y la más conocida de todas las que componen el ámbito de la incertidumbre en general, es la Teoría de la Probabilidad.
Para la no especificidad, en cambio, se han planteado varias teorías, todas ellas fundamentadas en las denominadas medidas no aditivas. Es el caso de la Teoría de la evidencia, basada en las medidas de plausibidad y credibilidad.

Teoría de los Conjuntos Borrosos y Lógica Difusa

La lógica difusa maneja el concepto de la vaguedad en la evidencia. El lenguaje natural esta lleno de conceptos vagos e imprecisos, los cuales no permiten insertar un objeto en un grupo u otro, por ello, para añadir precisión, es necesario buscar otra manera de formularlas. Por ejemplo la clase de ingenieros mal pagados, la clase de automóviles caros, entre otros, son categorías sin una definición precisa, las cuales juegan un papel importante en el pensamiento humano, particularmente en el dominio de reconocimiento de patrones, comunicación de información, toma de decisiones y abstracción. La teoría de los conjuntos borrosos se utiliza para resolver este problema, pues permite manejar la vaguedad en la evidencia (Reyes y García, 2005).

La vaguedad en la evidencia se define como la dificultad de hacer una distinción precisa del grupo al que pertenece cierto elemento, en contraste con la teoría de la evidencia, que maneja la ambigüedad, definida como la sustitución en la que cualquiera de dos elecciones es totalmente válida para la clasificación de un elemento.

Teoría de la Evidencia

La Teoría de la Evidencia fue desarrollada por Dempster (1967) y posteriormente extendida por Shafer (1976), por lo que a veces se le hace referencia como la Teoría de Dempster-Shafer. Su enunciado estuvo motivado por las dificultades encontradas en la Teoría de la Probabilidad para representar la ignorancia, y manejar la necesidad de que las creencias asignadas a un evento y su negación sumen uno (Moreno, 2002).

La teoría de Damper-Shafer ha sido propuesta como método para describir la incertidumbre en la evidencia. Esta teoría se centra en la credibilidad asignada a que un evento pueda ocurrir o haya ocurrido, desde el punto de vista y de acuerdo a la experiencia del tomador de decisiones, en contraste con la probabilidad clásica, que supone la existencia de valores de probabilidad asociados a eventos determinados, independientemente de que el observador pueda conocer el valor real de la probabilidad (Reyes y García, 2005).
1.- Marco de Discernimiento
La Teoría de la Evidencia supone que hay un conjunto exhaustivo de hipótesis mutuamente excluyentes X= {x1,x2... xn}, al que se llama Marco de Discernimiento, sobre el que se pretende razonar considerando el impacto de las evidencias que aparezcan.
A diferencia de otros enfoques, esta teoría sostiene que se debe considerar el impacto de las evidencias no sólo sobre las hipótesis individuales originales, sino además sobre los grupos de estas, que son los subconjuntos de X, a los que se considera también hipótesis. De esta forma, las nuevas hipótesis son las posibles disyunciones de las hipótesis originales.
El conjunto de partes de X, representado por P(X), esta compuesto por todos los subconjuntos de X, incluido el conjunto vacío () y el propio X. El conjunto P(X), y no X, es entonces el conjunto de hipótesis considerado.
De acuerdo con Sierra y otros (2007), la teoría de Damper-Shafer se basa en dos medidas, la plausibidad Pl y la credibilidad Bel. Es decir que en un conjunto de evidencias se pueden tener varias representaciones como la plausibilidad y la credibilidad.
2.-Grado de Verisimilitud o Plausibilidad
El Grado de Verosimilitud o Plausibilidad de un elemento A de P(X) se escribe como Pl(A) y representa la máxima creencia en la hipótesis A, como resultado de una evidencia. El Grado de Verosimilitud, dada una evidencia, de un elemento A de P(X) es lo que le falta al Grado de Duda en A para la unidad. También puede verse como la suma de las asignaciones básicas de probabilidad hechas a todos los elementos X de P(X) cuya intersección con A no es vacía:
Se cumple que el Grado de Creencia siempre es menor que el Grado de Verisimilitud.
Dado un conjunto universo finito X, la medida de plausibidad de , se calcula como:

donde m es una función conocida como asignación de probabilidad básica. La función m cumple las siguientes propiedades:

i) m(A)en[0,1], para todo A en P(X)
ii) M(vacío)=0 y ∑ M(B)=1, con B en P(X)
iii) Pl(A∪B)es menor o igual que Pl(A)+PL(B)siempre que la intersección de A y B sea vacía.

Esto significa que la creencia, dada una evidencia, depositada en el conjunto vacío es siempre cero, que a todos los subconjuntos de A se les asigna un valor de creencia real entre 0 y 1, y que la suma de todos los valores asignados tiene que ser uno.

Se define como cuerpo de evidencia a la pareja , donde , los subconjuntos se denominan elementos focales.
3.-Grado de Credibilidad Bel
La medida de credibilidad Bel representa la mínima creencia en la hipótesis A, como resultado de una evidencia. El Grado de Creencia, dada una evidencia, en un elemento A de P(X) es:
,
donde es el conjunto complemento de A.

Algunas Técnicas de Análisis de Decisiones

El análisis de decisiones ayuda a abordar decisiones difíciles y conduce a la mejor decisión. La manera tradicional de realizar el análisis formal de decisiones es describir la situación mediante un modelo matemático diseñado específicamente para la situación particular de una empresa; dicho modelo, denominado modelo alternativas, eventos inciertos, resultados y preferencias (Ley y García, 2007). Un modelo así creado resulta ser muy efectivo, pero es costoso y su elaboración puede requerir de mucho tiempo.

Se han formulado una serie de técnicas para el análisis decisorio que emplean técnicas probabilísticas y medidas de incertidumbre para la toma de decisiones. Entre ellas se tienen:


A) Árbol de Decisiones.
El árbol de decisiones es una representación cronológica del proceso de decisión, mediante una red que utiliza dos tipos de nodos: los nodos de decisión, representados por medio de una forma cuadrada (el nodo de elección), y los nodos de estados de la naturaleza, representados por círculos (el nodo de probabilidad).

Con esta técnica se debe dibujar la lógica del problema construyendo un árbol de decisiones. Para los nodos de probabilidad se debe asegurar que las probabilidades en todas las ramas salientes sumen uno. Se calculan los beneficios esperados retrocediendo en el árbol, comenzando por la derecha y trabajando hacia la izquierda.

A continuación se indica una descripción paso a paso de cómo construir un árbol de decisiones:
Dibuje el árbol de decisiones usando cuadrados para representar las decisiones y círculos para representar la incertidumbre.
Evalúe el árbol de decisiones, para verificar que se han incluido todos los resultados posibles.
Calcule los valores del árbol trabajando en retroceso, del lado derecho al izquierdo.
Calcule los valores de los nodos de resultado incierto multiplicando el valor de los resultados por su probabilidad (es decir, los valores esperados).

Se puede calcular el valor de un nodo del árbol cuando se tiene el valor de todos los nodos que siguen. El valor de un nodo de elección es el valor más alto de todos los nodos que le siguen inmediatamente. El valor de un nodo de probabilidad es el valor esperado de los valores de los nodos que le siguen, usando la probabilidad de los arcos. Retrocediendo en el árbol, desde las ramas hacia la raíz, se puede calcular el valor de todos los nodos, incluida la raíz del árbol. Al poner estos resultados numéricos en el árbol de decisiones se obtiene como resultado un gráfico como el ilustrado en la figura 7.

Figura 7. Ejemplo de construcción de un árbol de decisiones.



B) Diagramas de Influencia.
Como puede ser observado en el ejemplo del árbol de decisiones, la descripción de las ramas y nudos el problema de decisiones secuenciales normalmente se hace bastante complicado. En ciertas ocasiones es menos difícil dibujar el árbol de tal forma que preserve las relaciones que realmente manejan las decisiones.

La necesidad por mantener la validación, y el rápido incremento en complejidad que usualmente proviene de los usos liberales de las estructuras recursivas, han provisto del proceso de decisiones para describir otros. La razón para esta complejidad es que el actual mecanismo computacional que solía analizar el árbol, esta inmerso en los árboles y las ramas. Las probabilidades y valores requeridos para calcular los valores esperados de las siguientes ramas están expresamente definidos en cada nudo.

Los Diagramas de Influencia también son utilizados para el desarrollo de modelos de decisión y como una alternativa de representación grafica de árboles de decisión. La figura 2 muestra un diagrama de influencia.

Figura 8. Ejemplo de un diagrama de influencias

Fuente: Tomado de Ley, R. Introducción al análisis de decisiones, 2002.

En el diagrama de influencia anterior, los nudos de decisión y los nudos de oportunidad, son ilustrados similarmente con cuadrados y círculos. Los arcos (flechas) implican relaciones, incluyendo probabilísticas.

Finalmente, el árbol de decisión y el diagrama de influencia proporcionan métodos de tomas de decisiones efectivas porque ellos:

Claramente relajan el problema, por lo tanto todas las opciones pueden ser consideradas.
Nos permiten ampliamente analizar las posibles consecuencias de una decisión.
Proporcionan un esquema para cuantificar los valores de los resultados y las probabilidades para lograr los mismos.
Nos ayudan a tomar mejores decisiones basadas en la información existente, así como también hacer mejores estimaciones.

C) Mapas de Conocimiento.
Los mapas de conocimiento son herramientas que permiten la organización y representación de la información con el propósito de facilitar los procesos de planeación organizacional así como la toma de decisiones. Ayudan a equilibrar situaciones de conflicto, pues presentan las ventajas y desventajas o los factores influyentes en una variable.

El Mapa de Conocimiento se deriva mediante la asociación de ideas: una vez ubicada la idea central se desprenden de ella por asociación “ramas” hacia todas las ideas relacionadas con ella mostrando las diferentes dimensiones o aspectos de una variable. En la planificación de una estrategia un Mapa de Conocimiento puede ayudar a representar gráficamente todas las actividades tendientes a la realización de un objetivo, manifestando además las “micro actividades” que se desprenden de cada actividad. Asimismo, en la toma de decisiones todos los aspectos a considerar pueden ser representados fácilmente por medio de un Mapa de Conocimiento. En la figura 3 se observa un ejemplo de mapa de conocimiento sobre la variable “Mercado de Telecomunicaciones”, donde se expresan todos los factores involucrados en ésta y sus relaciones.

Figura 9. Ejemplo de un Mapa de Conocimiento sobre la variable “Mercado de Telecomunicaciones”

Fuente: Datos Tomados de Ley, R. Introducción al análisis de decisiones, 2002.
Elaboración Propia.

D) Modelos reutilizables de decisión.
El modelo reutilizable de decisión es una nueva manera de realizar análisis de decisiones que disminuye el tiempo y el costo de desarrollar modelos de decisión (Ley y García, 2007). Cada modelo reusable de decisión se genera para abordar una familia de situaciones de decisión. Una familia de situaciones de decisión es un conjunto de situaciones de decisión únicas (particulares) con estructura y elementos comunes.

El modelo reusable está formado por un “modelo maestro de decisión” que contiene las decisiones, eventos inciertos, preferencias y parámetros que se presentan en general en las situaciones miembros de la familia de escenarios de decisión.

El modelo maestro representa también las relaciones de relevancia, información, influencia e impacto entre los componentes del modelo. El otro componente del modelo reusable es el “metamodelo de decisión”; éste se representa típicamente con un diagrama de flujo que guía al usuario a determinar qué elementos del modelo maestro van a formar parte del modelo para la situación particular que se enfrenta. Para generar el modelo particular, el analista y el decisor contestan las preguntas (planteadas en el metamodelo) acerca de las características de la situación real en la que desean tomar la decisión y el diagrama les indica qué elementos del modelo maestro (decisiones, eventos inciertos, relaciones entre ellos) se activan o se desactivan. El modelo maestro es un diagrama de influencia.

E) Tablas de generación de estrategias.
La tabla de generación de estrategias se utiliza cuando una situación de decisión es compleja y contiene muchas decisiones interrelacionadas. La tabla ayuda a evitar el crecimiento excesivo del número de combinaciones de alternativas a analizar.

Las columnas de la tabla llevan como encabezado el nombre de las decisiones a considerar y bajo cada decisión se detallan sus alternativas; con esto se tienen a la vista las alternativas viables de cada decisión.

Posteriormente se seleccionan combinaciones de alternativas (cada combinación contiene una alternativa de cada una de las columnas de la tabla) que son coherentes entre si. Estas combinaciones, conocidas como estrategias, se indican en la tabla con líneas que pasan por alguna de las alternativas de cada decisión. Se sigue este proceso hasta obtener un conjunto de estrategias claramente distintas y atractivas para el decisor, cubriendo todo el espectro de posibilidades. Después se utilizan las estrategias seleccionadas como las alternativas de un nuevo nodo de decisión.

Un ejemplo de tabla de generación de estrategias se muestra en la Figura 4. La situación de decisión incluye inicialmente seis decisiones relacionadas con el financiamiento de una inversión. Cada una de ellas tiene varias alternativas.
Siguiendo el procedimiento sobre el uso de las tablas de estrategias, se trazan estrategias coherentes y que sean significativamente diferentes entre si. Por ejemplo:
Estrategia 1: Arrendamiento financiero + Banco BBV + Tasa fija + Indicador TIIE + Liquidación trimestral + Financiamiento del 100% del monto.
Estrategia 2: Préstamo refaccionario + Banco Banamex +Tasa fija + Indicador CETES + Liquidación sobre saldos + Financiamiento del 75% del monto.

Figura 10. Ejemplo de una tabla de generación de estrategias

Fuente: García, A. y Ley R. Análisis de las Decisiones de Compra de Equipo Industrial: Un Modelo Reusable. Revista UPIICSA. pág 19. 2007.
.
En este ejemplo ilustrativo, se indican sólo dos estrategias; éstas se considerarán como alternativas de un nuevo nodo de decisión, al cual se le podría llamar Política de financiamiento.

INCERTIDUMBRE Y ESTRATEGIA

En un mundo dinámico e incierto, surge la siguiente interrogante ¿Cómo tomar las mejores decisiones? Antes se ha explicado la existencia de diferentes modelos para gestionar la incertidumbre, pero resulta absolutamente necesario que en ambientes empresariales la gestión se desarrolle desde en un marco de comprensión que genere alineación y dirección permitiendo a las compañía construir su territorio de acción y, al mismo tiempo, marcar los límites de su horizonte de desarrollo, según Manucci (2002) este es el marco de las estrategias.
En complemento a la primera interrogante surge una segunda: ¿Cómo elaborar una estrategia en un mundo de incertidumbre?
Usualmente, al finalizar un cierre económico las compañías inician un proceso de revisión de planes para el período entrante. El ejercicio enfrenta a la gerencia en un territorio desconocido, en situaciones y eventos que todavía no existen pero que impactarán sobre los futuros proyectos.
El proceso comienza por un análisis que define el mapa de la realidad de la empresa mediante el diseño de sus productos o servicios, la definición de los competidores, la selección de segmentos, la percepción de posibilidades y el análisis FODA.

Igualmente Manucci (2002) señala como aspectos críticos del proceso el uso de herramientas y modelos mentales apropiados, “una empresa que diseñe sus acciones presentes con herramientas basadas en modelos estáticos entrará en un desconcierto estratégico que la dejará vulnerable frente a su futuro.
En este orden Senge (1991) revela dos aspectos contundentes que se consideran no apropiados para este proceso: el pensamiento lineal y la fragmentación. Con respecto al primero señala que hoy en día, las cuestiones más importantes están relacionadas entre sí en formas que desafían la ley de la causalidad lineal. La causalidad circular, donde una variable es a la vez causa y efecto de otra, se ha convertido en la norma, no la excepción. Con respecto a la fragmentación señala que:

La característica que define a un sistema es que no puede ser entendido como una función de sus componentes aislados. En primer lugar, el comportamiento del sistema no depende de lo que cada parte está haciendo, sino de la manera en que cada parte se relaciona con el resto... En segundo lugar, para entender un sistema necesitamos entender cómo encaja en el sistema más amplio de la cual es la parte.... En tercer lugar, y más importante, lo que llamamos partes no tienen por qué ser tomadas como componentes. De hecho, cómo deberían definirse las partes es fundamentalmente una cuestión de perspectiva y propósito, no intrínseca en la naturaleza de la 'cosa real' que estamos viendo

(p.54).

Recomendaciones para Definir Estrategias Considerando la Incertidumbre

En primer lugar, es necesario mantener una visión estructural y sistémica de la actividad. Ante la intensidad del "día a día", el proyecto estratégico es lo primero que se pierde de vista.
En segundo lugar, es necesario integrar la diversidad para ampliar la capacidad de lectura del contexto. Ser permeable a diferentes perspectivas (técnicas, culturales, metodológicas, etc.), permite un modelo mental abierto a nueva información y nuevas interpretaciones de las situaciones del presente.
En tercer lugar, es necesario gestionar la información de modo tal de crear un contexto de significación para integrar los movimientos del entorno e interpretar los datos del contexto en función de los objetivos corporativos.
En definitiva, toda estrategia corporativa implica una apuesta de crecimiento que, además de competir contra otras estrategias, compite con un contexto dinámico e incierto.
En este sentido, la posición frente a la incertidumbre implica la articulación de tres procesos: el diseño, la implementación y la gestión del mapa corporativo con el que la organización define y participa en su contexto cotidiano.
Este enfoque es fundamental para que un grupo de personas con diversidad cultural sea capaz de llevar adelante un proyecto común ante la incertidumbre de los acontecimientos.

Estrategia de los Cuatro Círculos

Es una metodología para gestionar la estrategia y incertidumbre que ha diseñado el doctor en Ciencias de la Comunicación Marcelo Manucci (2002), se basa en la dinámica que tienen estos cuatro círculos:
1) Percepciones, el círculo del territorio en acción
2) Posiciones, el círculo de los rumbos posibles
3) Relaciones, el círculo de la integración de realidades
4) Acciones, el círculo de la gestión de realidades
¿Por dónde empezar? Por la estrategia primaria: la mirada. Antes de actuar, es necesario reconocer el escenario de desarrollo corporativo y los instrumentos que lo definen y le dan significado. A partir de allí, el primer círculo ensaya una definición operativa de la incertidumbre, e intenta marcar conceptos clave que ayuden a trazar un mapa. El segundo habla de cómo aprender a dudar de la propia mirada corporativa, y aprovechar la incertidumbre para avizorar nuevas posibilidades. El tercero se refiere a los nuevos postulados científicos, que permiten comprender las complejas raíces de los sistemas sociales. El último analiza una serie de procesos corporativos próximos a la interacción, las contradicciones y las subjetividades que caracterizan a los sistemas complejos.
La dinámica de los sectores sociales y económicos está enmarcada por una serie de fenómenos como la globalización, la velocidad y los cambios, así como por el desarrollo tecnológico. Estos procesos conforman la base de un desafío doble para las organizaciones. En primer lugar, cómo encontrarle sentido a un mundo tan complejo e inestable para mantener la dinámica del desarrollo corporativo; y en segundo lugar, cómo construir y compartir con otras personas una imagen de futuro para trabajar sobre un proyecto en común.
En un mundo interconectado en el que la inestabilidad y la volatilidad aumentan y las estrategias difícilmente perduran en el tiempo, gestionar la incertidumbre está llamada a ser una herramienta clave para el éxito.

La Incertidumbre como Oportunidad

Según Páez (2007), la planificación tradicional se pregunta: ¿Qué es lo más probable que suceda?. Mientras que la planificación para la incertidumbre, opuesta a las circunstancias anteriores, se pregunta: ¿Qué ha sucedido ya, que va a crear el futuro?
Sin lugar a dudas es un cambio paradigmático. Él cual es en esencia una transformación radical del significado de las reglas prevalecientes hasta ese momento. En consecuencia, se produce el siguiente escenario: todos los integrantes del viejo paradigma vuelven a cero y pierden todas las ventajas logradas. La aceptación de este nuevo paradigma de la planificación para la incertidumbre –fenómeno muy de moda en Venezuela, en los actuales momentos- puede llegar a destruir a una persona, una institución, un sector industrial e incluso a la economía de todo un país. Muestra de ello han sido los países que como Venezuela, basaron su economía en el petróleo caro, en la mano de obra barata o en la abundancia de sus recursos naturales. Cuando un paradigma cambia y se alteran los supuestos fundamentales, muchas empresas y personas que se resistieron al cambio desaparecen del entorno, porque a pesar de las evidencias mostradas nunca aceptaron que las reglas del juego eran distintas así como la forma de hacer negocios (Páez, 2007).
Los líderes políticos y organizacionales, tienen que preguntarse entre otras las siguientes interrogantes: ¿Qué significan para sus organizaciones o instituciones estos hechos consumados? ¿Cuáles oportunidades crean? ¿Cuáles amenazas? ¿Qué cambios exigen, en la forma cómo se organiza y administra la organización, en las metas, en los productos, en el servicio, en las políticas? ¿Y que cambios posibilitan, cambios que probablemente sean ventajosos? ¿Qué cambios en las organizaciones o instituciones, en la estructura de mercado, en valores básicos –por ejemplo, el énfasis en el ambiente- y en ciencia y tecnología han ocurrido ya pero no han producido aún todo su impacto? ¿Cuáles son las tendencias en economía y en estructura social? ¿Y cómo afectan ellas a nuestra organización? Estas preguntas no son cuestiones misteriosas: la mayoría de los ejecutivos que ven el conocimiento como herramienta de ventaja competitiva saben las respuestas, o saben, donde encontrarlas. Lo que pasa es que rara vez hacen las preguntas. La respuesta a la pregunta: ¿Qué ha sucedido ya, que va a crear el futuro? define el potencial de oportunidades para una organización o institución. Para convertir ese potencial en realidad se requiere concordar esas oportunidades con los puntos fuertes y con la competencia. Concordar las fortalezas de una organización con los cambios que ya han ocurrido produce, en realidad, un plan de acción. La incertidumbre deja de ser una amenaza para convertirse en una oportunidad.

COMPLEJIDAD Y TOMA DE DECISIONES.

En primer lugar, veamos que ha dado lugar al paradigma de la complejidad abordando el paradigma de la simplicidad.
El paradigma de la simplicidad se ubica históricamente en la modernidad. Surge como respuesta a cambios que los hombres producen tanto en sus relaciones de producción, posesión de bienes y su relación con el poder (Canella 2006).
Según Canella (2006) sus principales características son: racionalista (la razón es omnipotente y nada hay fuera de ella), universalista (aplicable a toda ciencia y todos los casos), objetivista (deja a un lado el subjetivismo). Es cuantitativa y disociativa, es decir, tiende a separar las cosas para analizarlas.
A principios del siglo XX ocurre una ruptura en la concepción monolítica del paradigma simplista o positivista, a partir que la física detecta que ni la microfísica ni la macrofísica encuadran en los comportamientos de las leyes universales, así que se entra en conflicto, la micro y la macro se definen como sistemas complejos teniendo a la física como vínculo de simplicidad entre ellas. De aquí surge entonces la nueva ciencia que concibe al universo como complejo y caótico.
Las características principales del paradigma de la complejidad son: inclusivo (asume la incertidumbre de no poder conocerlo todo), incompleto (nunca se acaba), articulatorio (integra diferentes campos del conocimiento), integra al sujeto y objeto, es interdisciplinario y dialógico. Su principal diferencia con el paradigma simplista es que este incluye al hombre y su punto de vista de la realidad.
Los principios en los que se basa la complejidad según Torres(2009) son:
Principio Sistémico
Principio de Retroalimentación
Principio Autonomía-Dependencia
Principio de Recursividad
Principio Holográfico
Principio Borroso
Principio Estrategia Situacional
Principio Incertidumbre
Principio Caórdico
Desde el Principio de Incertidumbre, Torres (2009) refiere a Courtney, Kirklan y Biguerie cuando dice que existen cuatro (4) niveles de incertidumbre:
Nivel 1 Futuro suficientemente claro: En este nivel los empresarios pueden elaborar una única previsión para el desarrollo de la estrategia.
Nivel 2 Futuros Alternativos: El futuro se describe como uno de entre varios escenarios. No se consigue identificar el resultado pero pueden ayudar al establecimiento de probabilidades.
Nivel 3 Abanico de futuros: Existe un abanico de posibles futuros, cada uno posee variables esenciales pero el resultado puede estar situado dentro de los límites de tales posibilidades.
Nivel 4 Auténtica Ambigüedad: El entorno es prácticamente imposible de preveer. No se identifican los posibles futuros y menos los escenarios, ni las variables pertinentes que contribuyan a la definición del futuro.
En cada uno de estos escenarios, el proceso de toma de decisiones tiene características propias ya que en un escenario con un nivel 1, la incertidumbre es cero, así que un modelo determinístico se puede usar y es suficiente para satisfacer la situación que se enfrenta y poder decidir, mientras que en un escenario de auténtica ambigüedad, con un conjunto de posibilidades a los que no pueden asignárseles probabilidades, en donde no existen modelos preestablecidos que orienten a tomar una “mejor” decisión, se requieren alternativas que permitan hacer de este proceso (toma de decisión) en medio de un ambiente dinámico, complejo y donde el orden no es la norma, una oportunidad para la invención, creatividad y deslastre de la simplicidad y la razón positivista.
Ahora bien, la complejidad de un contexto va a depender de la cantidad de actores que participan y básicamente de la dinámica en la interacción de sus partes, claro está, la complejidad no está determinada por su tamaño sino por la dinámica de interacción de sus partes, es decir por la cantidad de conexiones e influencia mutua tengan los actores. Puede haber muchos actores, pero con poca interacción entre ellos, esto define un contexto de poca complejidad porque sus movimientos se pueden predecir. Lo contrario es que habiendo pocos actores pero con muchas interacciones entre sí y en diferentes escalas la complejidad del contexto es alta ya que los movimientos de estos tienen algunos resultados no previsibles. Se está entonces frente a una realidad dinámica dónde entran en juego diferentes niveles de previsibilidad que van desde los más claros hasta los más abiertos e impredecibles (Manucci 2008).
Ante estos ambientes imprevisibles y de auténtica incertidumbre se despliegan opciones para enfrentarlos de manera de alcanzar el siguiente nivel en cuanto al desempeño del individuo dentro de la sociedad y en las organizaciones, opciones que se ofrecen en esta dinámica en la que se vive y que desarrollarlas requiere de un ejercicio contínuo y sistemático, que es esto? Continuo y sistemático? De acuerdo con Canella, la complejidad es relativa, pues integra la simplicidad y por otro lado, se abre a lo inconcebible.
Dentro de las opciones que se alejan de lo riguroso está el pensamiento lateral. Si se habla del éxito o el fracaso de las organizaciones, estos no sólo se basan en la razón, sino también las emociones, sentimientos, valores, cultura, creatividad y experiencia, incluso en el fracaso, interviene la indecisión de emprender cambios que empujen a salir de la comodidad de no hacer nada diferente, seguir con la inflexibilidad y el pensamiento único y no darse cuenta que un mundo asimétrico, como en el que vivimos, los esquemas rígidos difícilmente prosperan (Arboleda, 2007).
Arboleda (2007) define el pensamiento lateral como la serie de operaciones mentales, estrategias y representaciones que alguien usa en su experiencia de mundo en razón de capturar las situaciones, fenómenos y objetos de conocimiento como unidades complejas y de diversas dimensiones. Para poder pensar de esta manera las personas deben desarrollar habilidades de generación de ideas, evaluación y toma de decisiones. Usar el pensamiento lateral invita a desarrollar la mirada para ver más allá de lo que está a simple vista.
Un individuo dentro de una organización, que tiene sentido de pertenencia dentro de ella y que toma decisiones, puede aprender a desarrollar este pensamiento, sin esquemas ni métodos, haciendo uso de su intelecto racional y consciente pero también tomando en cuenta sus funciones psíquicas como la percepción, la emoción, la sensibilidad, la intuición, las corazonadas, la voluntad. Puede aprender a percibir una situación de modo consciente e inconsciente, bajo el poder de la razón y/o el sentimiento.
Aprender a desarrollar el pensamiento lateral y utilizarlo en la toma de decisiones le permite al individuo enfrentar las situaciones de gran incertidumbre con menor tensión y esfuerzo y dependiendo de la situación hasta con cierto grado de placer que alguien que sigue la dinámica simplista, lógica, basada en secuencias lineales de pensamiento único, rígido, vertical que lleva todo al encuadre mental. Exploraría nuevas situaciones, caminos inesperados, alternativas diferentes; se fugaría de la rutina rompiendo así con los miedos a equivocarse, a modificar sus hábitos, maneras de pensar, obrar y vivir (Arboleda, 2007).
La complejidad es constante en el mundo que vivimos y advertir situaciones y proceder en los sistemas organizacionales de cualquier índole requiere de percepciones y actitudes dinámicas que en el momento oportuno requerirán de una emancipación de acciones que no encajen en el sistema predominante. Si la realidad es, según Manucci(2008) que la inestabilidad de los sistemas ha dejado de ser un factor de transición y que las estabilidades son los momentos transitorios de una inestabilidad permanente, los esquemas rígidos que se siguen para dilucidar la incertidumbre y de allí tomar decisiones sufrirán fuertes rupturas. En estos momentos lo más estable es lo inestable.
Ahora bien, el pensamiento lateral no es del todo flexible. Este, según Arboleda (2007), se enriquece de las mentes racional y no racional. En el proceso de toma de decisiones el pensamiento lateral da la posibilidad al racionalista de confiar en la submente y al no racionalista valorar las bondades de la razón, esto quiere decir, que dentro de la libertad de este pensamiento, subyace un poco la lógica.
Finalmente, en un mundo de inestabilidades donde el equilibrio pasó a ser la excepción y que si algún sistema llegará a estar en ese estado definitivamente se encuentra atascado en el pasado, conviene asirse de estrategias que permitan dilucidar las mejores opciones al momento de la decisión.
La complejidad del contexto no es pasajera, es más, su horizonte se extiende. ¿Por qué pues seguir enfrascados en un pensamiento único, vertical, secuencial, simplista, predecible y razonado? Hay que dar paso a la lateralidad del pensamiento, dejar que fluyan la intuición e imaginación, pues lo cierto es lo incierto de lo que hay más allá del horizonte, grandes cosas y oportunidades que a simple vista no podemos ver
Más allá de lo predecible, existen posibilidades que se ahogan si se maneja todo con la certeza de lo que está frente a los ojos, aún más, es posible que nada haya frente a los ojos, sin embargo, desafiar la mirada es también desafiar las creencias, los modelos mentales, los hábitos. Implica asumir riesgos. Produce ansiedad y temor decidir en un contexto como este, sin embargo, emergen también la esperanza y el entusiasmo, sensaciones que acompañan un nuevo paisaje, que aunque no está a simple vista, este se asoma cuando abre el pensamiento.


REFERENCIAS BIBLIOGRÁFICAS

Arboleda A, Julio C. (2007). Pensamiento Lateral y Aprendizaje. Cooperativa Editorial Magisterio. Bogotá, ISBN: 978-958-20-0904-5

Arsham, H. (2009). Herramientas para el Análisis de Decisión: Análisis de Decisiones Riesgosas. [Material en línea] Disponible en: http://home.ubalt.edu/ntsbarsh/opre640S/SpanishP.htm. [Consulta 2010. Febrero 26]

Canella, Rubén.(2006). Complejidad y Pensamiento Complejo en la Toma de Decisiones. Internet, educación y comunicación En la encrucijada de sistemas complejos. Argentina. Disponible en Línea en -http://www.educared.org.ar/periodismo/2006/texto1/pe01_01.htm#5. [Consulta 2010, Febrero 25].

Castillo, F. Toma de decisiones en condiciones de certeza, incertidumbre y riesgo. Blog administrado por fcastillo (Freddy William Castillo Palacios). Servicio ofrecido por la Dirección de informática Académica (DIA)

Pontificia Universidad Católica del Perú. Disponible en http://blog.pucp.edu.pe/item/79396 [Consulta: 2010, Febrero 15]

Crovi, D. y Lozano C. (2006). Información Científica Digital e Incertidumbre. UNIrevista, 1(3), 11.

Gambara H. (1991). Incertidumbre y probabilidad subjetiva en la teoría de la decisión conductual. Revista de Psicología General y Aplicada. Universidad Autónoma de Madrid. Disponible en línea http://www.dialnet.unirioja. es/servlet/fichero_articulo?codigo=2857383. [Consulta: 2010, Febrero 20]

García, A. y Ley R. (2007). Análisis de las Decisiones de Compra de Equipo Industrial: Un Modelo Reusable. Revista UPIICSA XV, VI, número 44.

Girón, F. y Bernardo, J. (2008). El control de la incertidumbre: El cálculo de probabilidades y la teoría de la utilidad. Real Academia Ciencias. Disponible en: http://www.rac.es/6/6_2_2.php?idC=153&idN3=30 [Consulta: 2010, Febrero 26]

Gutierrez, S. (1984). Probabilidad, posibilidad, verdad e incertidumbre. Estadística española, 104, 5-22.

Hernández, L. (2008). Información Basada en Incertidumbre. Ensayo realizado en la asignatura Método de Elementos Finitos en Ingeniería del Doctorado en Ciencias de la Ingeniería, mención productividad, UNEXPO.

Ivancevich J. y otros. (1997). Gestión, Calidad y Competitividad. MacGraw - Hill, Madrid, 800.

Ley R. (2002). Introducción al Análisis de Decisiones. Conferencia. Disponible en: http://www.decidir.org/prod03.htm.

Manuci M. (2002). La Estrategia de los Cuatro Círculos. Editorial Norma. Buenos Aires,. ISBN: 958-04-9660-9.

Manucci M. (2008). Complejidad, Incertidumbre y Estrategia. Hipótesis Y Desafíos Para Transitar La Inestabilidad Del Contexto Actual. FISEC-Estrategias. Año IV, Número 10. Argentina. Disponible en Línea en: http://www.fiec-estrategias.com.ar. [Consulta 2010. Febrero 20], 3-43.

Mendenhal, W., Reinmuth, J. (1978). Estadística para administración y economía. 3era edición. U.S.A. Massachusetts. Wadsworth International Iberoamérica.

Moreno, J. (2002). Teoría de la Evidencia de Dempster-Shafer Curso Doctorado: Razonamiento Bajo Incertidumbre. [Material en línea]. Disponible en: http://arantxa.ii.uam.es/~jmoreno/razonamiento/tevidencia.htm. [Consulta 2010. Febrero 26].

Páez, C. Planificación para la Incertidumbre. Entorno-Empresarial.com. Disponible en: http://www.entorno-empresarial.com/?pag=articulos&id=679 [Consulta 2010, Marzo 03].

Reyes J. y García R. (2005). Toma de decisiones mediante técnicas de razonamiento incierto. Revista Ingenierías, VIII (28), 32-42.

Senge P. (1991). La Quinta Disciplina. Editorial Granica. Buenos Aires.
Sierra C. y otros. (2007), Inclusión de un Índice de Estimación de Incertidumbre, Distribución y Cohesión de Datos en el Modelamiento Borroso. Revista Avances en Sistemas e Informática, 4 (1), 47-57.

Torres, E. (2009). Complejidad y Postmodernidad: Dos Paradigmas Emergentes. Principia, Revista de Cultura de la UCLA, Barquisimeto, Venezuela. Núm 32, 17-32.

Torres, E. (2007). Incertidumbre e Información. Guía de Estudio utilizada en el Seminario: El Método de Elementos Finitos en Ingeniería para el Doctorado de Ciencias de la Ingeniería Mención Productividad de la UNEXPO, 1-24.