Ciclo de inteligencia (enfoque centrado en el objetivo)

La visión más común del proceso de inteligencia es el modelo conocido como ciclo de inteligencia . En el concepto original de este modelo, los pasos son etapas aisladas donde cada parte tiene un propósito o tarea designada. Cuando los contribuyentes y recolectores completan la recolección de datos, el ciclo continúa. Si bien este procedimiento completa cada parte del ciclo, puede limitar el flujo de información. ^{[ 3 ]} La comunidad de inteligencia suele debatir los problemas de este modelo puro y propone múltiples enfoques para resolverlos.

En el modelo puro, las oportunidades para que los contribuyentes o consumidores formulen preguntas o proporcionen comentarios son limitadas. ^{[ 4 ]} Para comprender plenamente lo que analizan, los analistas deberían tener la oportunidad de preguntar sobre las fuentes de donde los recolectores obtuvieron la información. Asimismo, cuando quien toma las decisiones recibe una estimación de inteligencia, debería tener la oportunidad de preguntar no solo cómo el analista llegó a una conclusión determinada, sino también sobre la fiabilidad de las fuentes.

Sherman Kent, el "padre del análisis de inteligencia", dejó un legado no solo en su obra, sino también en los miembros del profesorado del Centro Sherman Kent. El profesorado imparte principios de inteligencia a futuros analistas. Según Jack Davis, del Centro Sherman Kent, Kent fomentaba el debate y la disidencia entre los analistas, así como la consideración de una amplia gama de opiniones externas. ^{[ 5 ]} Kent también promovía la responsabilidad colectiva en el juicio, lo que respalda un enfoque de red para la inteligencia. En dicha red, los analistas son directamente responsables de su trabajo, y las preguntas de quienes toman las decisiones o de quienes reciben la información contribuyen al proceso de inteligencia al impulsar al analista a cuestionar y perfeccionar su propio trabajo.

Las agencias modifican constantemente el modelo tradicional y puro en la práctica de la inteligencia. Por ejemplo, varios "centros" dependientes del Director de Inteligencia Nacional organizan deliberadamente a los recolectores y analistas en equipos.

El ciclo de inteligencia tradicional separa a recolectores, procesadores y analistas, y con demasiada frecuencia resulta en "pasar la información por encima del muro" para que sea responsabilidad de la siguiente persona. Todos evitan convenientemente la responsabilidad por la calidad del producto final. Debido a que este "proceso compartimentado da como resultado requisitos formalizados y relativamente inflexibles en cada etapa, es más predecible y, por lo tanto, más vulnerable a las contramedidas del adversario". ^{[ 2 ]}

Kurt April y Julian Bessa analizaron las debilidades de la comunidad de inteligencia competitiva en su artículo "Una crítica del proceso de inteligencia competitiva estratégica dentro de una multinacional energética global". Examinaron dos procesos de inteligencia competitiva: la Inteligencia Estratégica de Negocios Competitiva (CIAD) y la Inteligencia Técnica Competitiva (CTI). Según April y Bessa, la CIAD es un proceso lineal donde el producto de inteligencia asciende a través de los niveles de la organización. En contraste, la CTI es un modelo más interconectado. Descubrieron que la estructura organizacional asociada con la CIAD impide el intercambio abierto de información e ideas, y constituye un obstáculo para el análisis de inteligencia. ^{[ 6 ]}

Al testificar ante el Comité de Seguridad Nacional de la Cámara de Representantes, el Sr. Eliot A. Jardines , Presidente de Open Source Publishing, Incorporated, presentó una declaración y apoyó el enfoque de inteligencia centrado en el objetivo. Según el Sr. Jardines, el Dr. Robert Clark "propone un enfoque más centrado en el objetivo, iterativo y colaborativo que sería mucho más efectivo que nuestro ciclo de inteligencia tradicional actual". ^{[ 7 ]} Con un enfoque de análisis de inteligencia centrado en el objetivo, la inteligencia es colaborativa, porque este modelo crea un sistema donde puede incluir a todos los contribuyentes, participantes y consumidores. Cada individuo puede cuestionar el modelo y obtener respuestas a lo largo del proceso. El modelo centrado en el objetivo es un proceso de red donde la información fluye sin restricciones entre todos los participantes, quienes también se enfocan en el objetivo de crear una imagen compartida del objetivo. ^{[ 8 ]} Para otros modelos y sus limitaciones, véase Análisis de hipótesis en competencia y trampas cognitivas para el análisis de inteligencia.

Los modelos conceptuales son útiles para el proceso analítico y resultan particularmente útiles para comprender el enfoque de inteligencia centrado en el objetivo. Un modelo conceptual es una creación abstracta de la mente que incorpora y aprovecha al máximo el proceso de pensamiento del analista. El modelo permite al analista utilizar una poderosa herramienta descriptiva para estimar situaciones actuales y predecir circunstancias futuras. ^{[ 9 ]}

Una vez que el analista construye la estructura básica del modelo, el siguiente paso es añadirle contenido. Aquí es donde el analista debe investigar, recopilar información y sintetizarla para alimentar el modelo. Para que un analista pueda alimentar con éxito un modelo para un objetivo complejo, debe encontrar información en una amplia gama de fuentes, tanto clasificadas como no clasificadas. Esto incluye recuperar información del conjunto de inteligencia existente. ^{[ 10 ]} Dependiendo del objetivo, un analista puede buscar información de inteligencia de fuentes abiertas (información disponible para el público en general), inteligencia humana ( HUMINT ), inteligencia de medidas y firmas ( MASINT ), inteligencia de señales ( SIGINT ) o inteligencia de imágenes ( IMINT ). Aunque la información de fuentes abiertas es económica o gratuita y de fácil acceso, puede ser tan útil como las fuentes de inteligencia técnica más especializadas, cuyo uso es costoso. ^{[ 11 ]}

La introducción de datos en el modelo obliga al analista a recopilar y organizar la información, así como a evaluar su relevancia y credibilidad. Finalmente, tras examinar cada dato, el analista debe incorporarlo al modelo objetivo. A medida que el modelo incorpora más información, el analista puede identificar con mayor facilidad las inconsistencias en las conclusiones. Esto requiere que el analista realice investigaciones adicionales para respaldar o refutar una conclusión específica. Asimismo, al completar el modelo, este revela las lagunas existentes. Estas lagunas también obligan al analista a recopilar información adicional para describir el modelo objetivo de forma más completa.