¿Modelos predictivos o modelos preventivos?

Por Mario Lia

Abundancia de datos no es sinónimo de certeza. “De todos los infortunios que afligen a la humanidad el más amargo es que hemos de tener conciencia de mucho y control de nada.” Esta frase pertenece a Heródoto, el precursor de los historiadores que vivió en la Grecia del siglo 5 anterior a la Era Cristiana. Si proyectamos el concepto a nuestros días, diría que cabe perfectamente en numerosos escenarios del mundo presente. Comenzando por el de nuestro país.

Hace unos 35 años tuve el placer de conocer al ingeniero Rolando Boldt, entonces Jefe de Informática de La Nación, con sede en la Secretaría de Ciencia y Tecnología que entonces presidía el reconocido matemático y científico de la computación Manuel Sadovsky. Esta mención viene al caso ya que fue mi primer contacto con la construcción de un modelo predictivo que, a diferencia de los modelos con variables bastante estáticas o rígidas, permitía flexibilizar las variables explicativas que, valga la redundancia, explican el resultado que presentan las variables dependientes. Era un esquema simple pero basado en un gran trabajo intelectual del Ingeniero Boldt, quién lo desarrolló con una computadora… Commodore de 64 KB!

Hoy tenemos la capacidad de manejar millones y millones de datos en tiempos casi reales y a veces reales. Esta disponibilidad tecnológica ha desatado una vorágine de acciones basadas en datos: campañas de marketing, predicciones presupuestarias, dimensionamiento de escenarios y mucho más.

Los datos utilizados comparten una naturaleza común sin importar la industria o plano del que surgieron. Y la palabra “surgieron” no es casual. Indica tiempo pasado ¿Acaso siempre lo ocurrido será pauta de lo que vendrá? Son datos generados ayer. Y esos datos del pasado representan hechos, ocurrencia, eventos, efectos.

Esos hechos, eventos, volúmenes, tendencias y otros elementos mostrados en forma de datos masivos, si bien súper analizables con sofisticadas herramientas, son resultados, son el producido y no la causa.

Es por esa razón que muchos directivos, comunicadores y, sobre todo políticos, suelen olvidar sus predicciones para luego comentar lo que realmente ocurre en una modalidad que algún autor llamó “postdecir.” Hecharle la culpa a la guerra de Ucrania, por ejemplo.

Queda casi prolijo encontrar una causa madre: Guerra de Ucrania. Pero esa guerra deriva en cientos o miles de elementos causales que tendrán diferentes impactos en los diversos países, sociedades y economías.

Por eso creo que, a esta altura del conocimiento científico en el uso de información, sería mucho más factible y también mucho más útil, pensar en estrategias preventivas que predictivas ¿Por qué? Porque la humanidad trata de construir en las direcciones que vislumbra como las correctas. Las predicciones pueden concretarse como metas y, si fallan, los desvíos tendrán graves consecuencias.

Es por esta razón que quisiera proponer un esquema diferente: Enfocar en las causas y no en los resultados de las mismas.

Un registro ordenado de la causalidad

Es relativamente simple registrar eventos y sus principales efectos. El problema es explicar cuáles fueron las causas que llevaron a su ocurrencia. Esas causas pueden estar ocultas y muchas veces alejadas de los entornos que se han contemplado en la construcción de un modelo predictivo. Ocurre lo mismo que con cualquier otro hecho histórico. En hechos cuya ocurrencia se pudo verificar, algunas de las causas o intereses que llevaron a ellos, ya sean batallas, invasiones, epidemias u otros, suelen permanecer en el anonimato.

Hablar de un Registro Ordenado de la Causalidad es de hecho un concepto un poco vago si no lo ampliamos un poco. Siempre recordando que no estamos haciendo un artículo de ciencia, sino uno de concepto.

Y se trata de un concepto simple, aunque ayer no lo haya sido. La ciencia biológica, por ejemplo, detectó la presencia de bacterias y los efectos que ocasionaban. En un principio, definió a esos organismos de una determinada manera según su origen. Pero tiempo después, con la aparición de nuevas tecnologías de observación, resultó que, si bien la observación de los hechos era la correcta, los orígenes de esos organismos no eran los esperados. Generalmente asistimos a estas situaciones con la denominación de que se produjo un “cambio de paradigma.”

Y un paradigma es una teoría o modelo explicativo de las realidades físicas. Con el significado de paradigma científico, se usa hoy en la investigación científica y fue introducido por Thomas Kuhn (1975) para explicar o los cambios o “revoluciones científicas”.

Entonces, digamos en qué consiste el Registro Ordenado de la Causalidad (Por ahora no se me ocurrió otra forma de denominación). Al igual que en los modelos clásicos, tenemos datos, eventos, efectos, causas que los rodearon y que, en su momento, los explicaron. En muchos casos, podríamos decir que, más que explicarlos, los justificaron en un modo convenientemente opinático.

La posibilidad de integrar un pasado ampliado

Enfocarse en las causas y orígenes tanto de eventos como de situaciones generadas por la actividad humana, nos ofrece la posibilidad de realizar exploraciones que irán más allá de un conjunto de variables que los especialistas hayan seleccionado para explicar aquello que finalmente se ha de predecir. La mera selección de determinados originantes de causas involucra la posibilidad de un sesgo arbitrario.

A diferencia de lo que ocurre en el ámbito de la geología y otros campos cuyo comportamiento principalmente emerge de fenómenos físicos, el devenir socio-económico no ofrece las mismas señales de pronóstico.

La propuesta para un Registro Ordenado de la Causalidad consiste en una revisión constante de lo ya ocurrido. La idea central es la de no asumir leyes o verdades en cuanto al comportamiento de las causas. Es pasar de un trabajo sobre conjuntos, a uno basado en los ecosistemas completos. Y aquí aparece la gran herramienta que puede marcar la diferencia: La Inteligencia Artificial (IA)

La inteligencia artificial no es tan inteligente ni más inteligente que los humanos. No radica allí su ventaja. IA sí ofrece una enorme capacidad de búsqueda y detección en fuentes de información cuyo contenido no podría ser explorado ni asimilado con intervención humana. Lo que el hombre hace en años, IA lo puede hacer en segundos.

El enfoque que proponemos se basa en enriquecer el conocimiento de la causalidad activa en los diferentes ambientes o ecosistemas de las actividades humanas. Menores márgenes de error, evitando confundir hechos con supuestos.

Un enfoque basado en la causalidad puede incrementar la capacidad predictiva, pero básicamente, la preventiva. Sin duda ayudaría a la modificación de prácticas cuya justificación ha quedado obsoleta o que siempre fueron de poco valor. Podríamos ilustrarlo con la danza de la lluvia. Hay muchas organizaciones, gobiernos e instituciones donde se sigue bailando la danza de la lluvia. La repetición neurótica de soluciones que no funcionaron nunca, es algo que siempre llamó la atención y a lo que se debe atacar con información consistente.

Situaciones geopolíticas, conflictos internacionales, rupturas de acuerdos, catástrofes y muchos otros eventos podrían dejar de ser vistos como “containers” de factores que explican cambios no previstos y podrían ser analizados segregando indicadores y causas que pueden afectar de modo diferente a los diversos países, sociedades o regiones.

Causalidad puede estar oculta en prácticas consuetudinarias; legislación no revisada y jurisprudencia; modificación de acuerdos internacionales; cambios en las componentes étnicas de las poblaciones; desplazamientos; incumplimientos de acuerdos y muchos otros.

El uso de IA en la exploración de lo ocurrido aportará dimensiones como tiempos, patrones geográficos, demográficos y muchos otros que pueden ser de alto impacto. Entre ellos, tendríamos situaciones locales y exteriores al escenario de interés. Pasando así, mediante la exploración de fuentes con herramientas de IA, a enfoques y dimensionamientos más objetivos y consistentes.

El Registro Ordenado de la Causalidad, una vez perfeccionadas sus prácticas y procesos, se convierte en una base para generar resiliencia preventiva y reactiva. Y aquí cerramos con otra frase atribuida a Heródoto: “Es mejor, por noble audacia, correr el riesgo de vernos expuestos a la mitad de los males que anticipamos, que permanecer en una cobarde apatía por miedo a lo que pudiera suceder.”