Inteligencia de decisiones

La inteligencia de decisiones es una disciplina de ingeniería que complementa la ciencia de datos con teorías de las ciencias sociales , la teoría de decisiones y la ciencia gerencial . Su aplicación proporciona un marco para las mejores prácticas en la toma de decisiones organizacionales y procesos para aplicar tecnologías computacionales como el aprendizaje automático , el procesamiento del lenguaje natural, el razonamiento y la semántica a escala. La idea básica es que las decisiones se basan en nuestra comprensión de cómo las acciones conducen a resultados. La inteligencia de decisiones es una disciplina para analizar esta cadena de causa y efecto , y el modelado de decisiones es un lenguaje visual para representar estas cadenas.

Un campo relacionado, la ingeniería de decisiones , también investiga la mejora de los procesos de toma de decisiones, pero no siempre está tan estrechamente vinculado a la ciencia de datos. ^[Nota]

La inteligencia de decisiones se basa en el reconocimiento de que, en muchas organizaciones, la toma de decisiones podría mejorarse si se utilizara un enfoque más estructurado. La inteligencia de decisiones busca superar un "techo de complejidad" en la toma de decisiones, que se caracteriza por un desajuste entre la sofisticación de las prácticas de toma de decisiones organizacionales y la complejidad de las situaciones en las que deben tomarse esas decisiones. Como tal, busca resolver algunos de los problemas identificados en torno a la teoría de la complejidad y las organizaciones .

En este sentido, la inteligencia de decisiones representa una aplicación práctica del campo de los sistemas complejos , que ayuda a las organizaciones a navegar por los sistemas complejos en los que se encuentran. La inteligencia de decisiones también puede considerarse como un marco que lleva técnicas avanzadas de análisis y aprendizaje automático al escritorio del tomador de decisiones no experto, además de incorporar y luego extender la ciencia de datos para superar los problemas articulados en la teoría del cisne negro . ^{[ cita requerida ]}

Los defensores de la inteligencia de decisiones creen que muchas organizaciones siguen tomando malas decisiones. ^[1] En respuesta, la inteligencia de decisiones busca unificar una serie de mejores prácticas de toma de decisiones , que se describen con más detalle a continuación.

La inteligencia de decisiones se basa en la idea de que es posible diseñar la decisión en sí, utilizando principios que antes se utilizaban para diseñar objetos más tangibles, como puentes y edificios.

El uso de un lenguaje de diseño visual que represente decisiones (véase § Diseño visual de decisiones) es un elemento importante de la inteligencia de decisiones, ya que proporciona un lenguaje común intuitivo que todos los participantes en la toma de decisiones entienden fácilmente. Una metáfora visual mejora la capacidad de razonar sobre sistemas complejos ^[2] , así como de mejorar la colaboración .

Además del diseño de decisiones visuales, hay otros dos aspectos de las disciplinas de ingeniería que favorecen su adopción masiva. Son:

1. la creación de un lenguaje compartido de elementos de diseño y
2. el uso de una metodología o proceso común, como se ilustra en el diagrama anterior.

La necesidad de una metodología unificada de toma de decisiones está impulsada por una serie de factores que las organizaciones enfrentan cuando toman decisiones difíciles en un entorno interno y externo complejo.

El reconocimiento de la incapacidad generalizada de los métodos actuales para resolver problemas de toma de decisiones en la práctica proviene de varias fuentes, incluidas fuentes gubernamentales e industrias como las telecomunicaciones , los medios de comunicación , la industria automotriz y la farmacéutica .

Ejemplos:

• Los resultados de las decisiones son cada vez más complejos y van mucho más allá de los ingresos del próximo trimestre u otros resultados tangibles, hacia objetivos múltiples que deben satisfacerse en conjunto, algunos de los cuales a menudo son intangibles:

El automóvil se está convirtiendo en una expresión de identidad, valores y control personal en formas que van mucho más allá de la segmentación y la marca tradicionales. Por ejemplo, la eficiencia del combustible será solo una consideración para un vehículo socialmente responsable (SRV). ¿Qué porcentaje de las piezas son reciclables? ¿Cuál es la huella de carbono total del vehículo? ¿Hay insumos de trabajo infantil? ¿Pinturas, pegamentos o plásticos tóxicos? ¿Qué tan transparente es la cadena de suministro? ¿El vendedor es responsable del reciclaje? ¿Qué métodos se utilizan? ¿Se emplean prácticas laborales justas?

—  Shoshana Zuboff , "La solución de GM: botes salvavidas, no soporte vital", Business Week , 18 de noviembre de 2008

• Aumento global de la complejidad:

Vivimos en un mundo dinámico en el que el ritmo, el alcance y la complejidad del cambio son cada vez mayores. La marcha continua de la globalización, el creciente número de actores independientes y el avance de la tecnología han aumentado la conectividad, la interdependencia y la complejidad globales, creando mayores incertidumbres, riesgos sistémicos y un futuro menos predecible. Estos cambios han dado lugar a tiempos de alerta más cortos y ciclos de decisión más cortos.

—  Director de Inteligencia Nacional , Visión 2015: Una empresa de inteligencia globalmente interconectada e integrada, julio de 2008

A diferencia de otras herramientas y metodologías de toma de decisiones , la inteligencia de decisiones busca incorporar una serie de prácticas de ingeniería al proceso de creación de una decisión. Estas incluyen el análisis de requisitos , la especificación , la planificación de escenarios , el control de calidad , la seguridad y el uso de principios de diseño como los descritos anteriormente. Durante la fase de ejecución de la decisión, los resultados producidos durante la fase de diseño se pueden utilizar de varias maneras; los enfoques de monitoreo como los tableros de control de negocios y la planificación basada en suposiciones se utilizan para rastrear el resultado de una decisión y para activar la replanificación según corresponda (una vista de cómo se combinan algunos de estos elementos se muestra en el diagrama al comienzo de este artículo).

La inteligencia de decisiones tiene el potencial de mejorar la calidad de las decisiones tomadas, la capacidad de tomarlas con mayor rapidez, la capacidad de alinear los recursos organizacionales de manera más efectiva en torno a un cambio en las decisiones y reduce los riesgos asociados con las decisiones. Además, una decisión diseñada puede reutilizarse y modificarse a medida que se obtiene nueva información. ^[3]

Aunque muchos elementos de la inteligencia de decisiones, como el análisis de sensibilidad y la analítica , son disciplinas maduras, los tomadores de decisiones no los utilizan ampliamente. ^[4] La inteligencia de decisiones busca crear un lenguaje visual que sirva para facilitar la comunicación entre ellos y los expertos cuantitativos, permitiendo una utilización más amplia de estos y otros enfoques numéricos y técnicos.

En particular, los vínculos de dependencia en un modelo de decisión representan causa y efecto (como en un diagrama de bucle causal ), flujo de datos (como en un diagrama de flujo de datos ) u otras relaciones. Como ejemplo, un vínculo podría representar la conexión entre "tiempo medio para reparar un problema con el servicio telefónico" y "satisfacción del cliente", donde un tiempo de reparación corto presumiblemente aumentaría la satisfacción del cliente. La forma funcional de estas dependencias se puede determinar mediante varios enfoques. Los enfoques numéricos, que analizan datos para determinar estas funciones, incluyen algoritmos de aprendizaje automático y análisis (incluidas las redes neuronales artificiales ), así como el análisis de regresión más tradicional . Los resultados de la investigación de operaciones y muchos otros enfoques cuantitativos tienen un papel similar que desempeñar.

Cuando los datos no están disponibles (o son demasiado ruidosos , inciertos o incompletos), estos vínculos de dependencia pueden tomar la forma de reglas como las que podrían encontrarse en un sistema experto o un sistema basado en reglas , y por lo tanto pueden obtenerse a través de la ingeniería del conocimiento .

De esta manera, un modelo de decisión representa un mecanismo para combinar múltiples relaciones, así como razonamiento simbólico y subsimbólico, en una solución completa para determinar el resultado de una decisión práctica.

Como se describió anteriormente, los vínculos de dependencia del modelo de decisión se pueden modelar utilizando el aprendizaje automático . En este sentido, la inteligencia de decisiones puede verse como una extensión de "varios vínculos" de la inteligencia artificial , que se utiliza más ampliamente para el análisis de un solo vínculo. Desde este punto de vista, el aprendizaje automático puede verse como la respuesta a la pregunta "Si sé/veo/escucho X, ¿qué puedo concluir?", mientras que la inteligencia de decisiones responde: "Si tomo la acción X, ¿cuál será el resultado?". La última pregunta generalmente involucra cadenas de eventos, que a veces incluyen dinámicas complejas como bucles de retroalimentación. De esta manera, la inteligencia de decisiones unifica los sistemas complejos , el aprendizaje automático y el análisis de decisiones .

A pesar de décadas de desarrollo de sistemas y metodologías de apoyo a la toma de decisiones (como el análisis de decisiones ), estos siguen siendo menos populares que las hojas de cálculo como herramientas principales para la toma de decisiones. La inteligencia de decisiones busca cerrar esta brecha, creando una masa crítica de usuarios de una metodología y un lenguaje comunes para las entidades centrales incluidas en una decisión, como suposiciones, valores externos, hechos, datos y conclusiones. Si se mantiene un patrón de industrias anteriores, dicha metodología también facilitará la adopción de tecnología, al aclarar modelos de madurez comunes y hojas de ruta que se pueden compartir de una organización a otra.

El enfoque de inteligencia de decisiones es multidisciplinario y unifica los hallazgos sobre sesgo cognitivo y toma de decisiones, conciencia situacional , pensamiento crítico y creativo , colaboración y diseño organizacional, con tecnologías de ingeniería.

La inteligencia de decisiones se considera una mejora con respecto a las prácticas actuales de toma de decisiones organizacionales, que incluyen el uso de hojas de cálculo , texto (de naturaleza secuencial, por lo que no se adapta bien a la forma en que fluye la información a través de una estructura de decisión) y argumentos verbales. El paso de estas estructuras en gran medida informales a una en la que una decisión se documenta en un lenguaje visual bien entendido refleja la creación de metodologías de diseño comunes en la construcción, con la promesa de beneficios similares.

La inteligencia de decisiones es una disciplina muy nueva y muy antigua a la vez. Muchos de sus elementos (como el lenguaje para evaluar supuestos, el uso de la lógica para sustentar un argumento, la necesidad de pensamiento crítico para evaluar una decisión y la comprensión de los impactos del sesgo ) son antiguos. Sin embargo, la comprensión de que estos elementos pueden formar un todo coherente que brinde beneficios significativos a las organizaciones al centrarse en una metodología común es relativamente nueva.

En 2018, los procesos y programas de capacitación de Google en ciencia de datos aplicada se rebautizaron como "inteligencia de decisiones" ^[5] para indicar el papel central de las acciones y decisiones en la aplicación de la ciencia de datos. El grado en que los marcos teóricos se basaron en las ciencias sociales y de gestión además de la ciencia de datos fue un motivador adicional para unificar la inteligencia de decisiones en un campo de estudio que es distinto de la ciencia de datos. ^[6]

La inteligencia de decisiones moderna es altamente interdisciplinaria y académicamente inclusiva. La investigación centrada en las decisiones, definidas en términos generales como selección de acciones biológicas y no biológicas , se considera parte de la disciplina. Sin embargo, la inteligencia de decisiones no es un término general para la ciencia de datos y las ciencias sociales, ya que no cubre componentes no relacionados con las decisiones.

Debido a que hace visibles las estructuras de razonamiento que de otro modo serían invisibles y que se utilizan en decisiones complejas, el aspecto de diseño de la inteligencia de decisiones se nutre de otras tecnologías de representación conceptual como los mapas mentales , los gráficos conceptuales y las redes semánticas .

La idea básica es que una metáfora visual mejora el pensamiento intuitivo , el razonamiento inductivo y el reconocimiento de patrones , habilidades cognitivas importantes que suelen ser menos accesibles en una discusión verbal o textual. Un mapa de decisiones comerciales puede considerarse como un enfoque a un lenguaje de decisiones formal para respaldar la inteligencia de decisiones. ^[7]

La inteligencia de decisiones reconoce que muchos aspectos de la toma de decisiones se basan en elementos intangibles, incluidos los costos de oportunidad , la moral de los empleados, el capital intelectual, el reconocimiento de marca y otras formas de valor comercial que no se capturan en los modelos cuantitativos o financieros tradicionales. Por lo tanto, el análisis de la red de valor , en particular los mapas de la red de valor, son relevantes en este caso.

• Antifragilidad
• Inteligencia empresarial
• Calidad de decisión
• Fundamento del diseño
• Heurística en el juicio y la toma de decisiones
• Ciencia de la gestión

^ Nótese las siguientes variaciones semánticas:

• La gestión de decisiones empresariales (EDM, por sus siglas en inglés) es una disciplina estrechamente relacionada que se centra en la automatización de las decisiones en toda la empresa. La inteligencia de decisiones es, desde este punto de vista, un superconjunto de la EDM, ya que abarca tanto los procesos de toma de decisiones manuales como los automatizados, unificándolos en una metodología común que, cuando es eficaz, derriba las barreras entre las herramientas y los departamentos de análisis cuantitativo y aquellos con un enfoque más cualitativo, estratégico y de gestión.
• El término "ingeniería de decisiones" se utiliza en varias industrias. Cada una de ellas tiene un significado distinto al que se analiza en el presente artículo.
• Muchos años después del uso generalizado del término, Mastercard registró la marca "Decision Intelligence" para su producto de inteligencia artificial y aprendizaje automático. ^{[8] [ se necesita una fuente no primaria ]}
• En economía conductual , el término relacionado "ingeniería de decisiones" puede significar la manipulación deliberada de las elecciones de los consumidores. En este uso del término, la inteligencia de decisiones es aproximadamente análoga al paternalismo blando , un significado bastante diferente del que se aborda en el presente artículo, ya que se refiere a la ingeniería de las decisiones tomadas por los consumidores, en lugar del uso de principios de ingeniería para ayudar en la toma de decisiones complejas. Aunque claramente diferente, esta práctica se basa en gran parte de la misma investigación sobre toma de decisiones que la inteligencia de decisiones (como, por ejemplo, el trabajo del economista conductual Richard Thaler ).
• La ingeniería de costos mide los costos de los proyectos de ingeniería. A veces, la ingeniería de costos se agrupa en la ingeniería de productos y la optimización del diseño, como ingeniería de decisiones. Esto se puede distinguir del marco más amplio de este artículo, que va más allá del ámbito de las decisiones de ingeniería y abarca todas las decisiones que enfrentan las organizaciones. ^[9]
• La investigación de operaciones es un enfoque en gran medida cuantitativo para la toma de decisiones que intenta identificar soluciones óptimas o casi óptimas a los problemas de toma de decisiones.

• Peter F. Drucker. La toma de decisiones en Harvard Business Review (2001) ISBN 1-57851-557-2 
• John S. Hammond. Decisiones inteligentes: una guía práctica para tomar mejores decisiones. (2002) ISBN 0-7679-0886-4 
• Edward Russo. Trampas de decisión. (1990) ISBN 0-385-24835-0 
• Paul JH Shoemaker. Decisiones ganadoras: tomar las decisiones correctas a la primera (2001) ISBN 0-7499-2285-0 
• Scott Plous. La psicología del juicio y la toma de decisiones (1993) ISBN 0-07-050477-6