A medida que el mundo se vuelve más complejo, las metodologías de prospectiva tienen en cuenta un conjunto más amplio de futuros posibles.
El desarrollo de escenarios, una metodología de prospectiva, es una alternativa a la predicción que puede ayudar a trazar nuevas posibilidades.
La prospectiva puede anticipar futuros posibles, pero, lo que es más importante, permite prepararse.
A medida que crecen las complejidades de nuestro mundo, se intensifica la incertidumbre inherente al futuro.
En 1982, John Naisbitt definió megatendencias como procesos amplios y transformadores, de alcance global e impacto notable. Si bien analizar tendencias de cualquier tamaño puede parecer una forma de obtener información sobre el futuro, todas comparten una debilidad común: las tendencias no son más que retrovisores.
Extrapolar tendencias es peligroso, sobre todo cuando se combinan con supuestos erróneos. Con el tiempo, los supuestos se amplifican; los supuestos erróneos se encadenan y se disparan.
La disrupción sistémica marca el fin de las tendencias
A diferencia de las tendencias, las disrupciones son discontinuas. La disrupción sistémica (la cascada de disrupciones constantes en nuestro mundo cada vez más complejo e hiperconectado) nos obliga a enfrentarnos a la imprevisibilidad.
Con la disrupción sistémica, la incapacidad de comprender las implicaciones de los impactos iniciales explica por qué los cambios solo se hacen evidentes a posteriori. Como puede que no existan datos medibles que sustenten nuestra comprensión, la imaginación supera al análisis.
Las metadisrupciones impulsan la disrupción sistémica
En contraste con las megatendencias de Naisbitt, el Disruptive Futures Institute acuñó el término «metadisrupciones». Una metadisrupción es una familia multidimensional de disrupciones sistémicas.
Las metadisrupciones provocan efectos generalizados y autoperpetuados que van más allá de sus disrupciones iniciales. A medida que los cambios tempranos se desbordan, los impactos se combinan, se propagan y modifican otros elementos del sistema. Imaginar la interacción de las metadisrupciones es una tarea creativa, no un ejercicio de cálculo numérico.
¿El buen juicio permite predecir?
En 2015, Philip Tetlock y Dan Gardner descubrieron que los pronosticadores aficionados solían ser más precisos que los expertos. Su libro, Superforecasting, se basó en datos del Good Judgment Project (GJP).
Las investigaciones del GJP revelaron que ciertas personas («superpronosticadores») son extremadamente hábiles para asignar probabilidades a posibles resultados, porque adoptan perspectivas diferentes, equilibran argumentos contrapuestos y actualizan sus creencias.
Pero la predicción es intrínsecamente especulativa. Así que, para entender por qué los superpronosticadores son tan hábiles, debemos replantear los grados de incertidumbre y la naturaleza misma de la previsibilidad.
Replantear la previsibilidad
Evaluar la previsibilidad requiere comprender los grados de certeza:
Riesgo: el más previsible: Se conocen todos los parámetros, resultados y probabilidades.
Incertidumbre: cierta previsibilidad: La naturaleza de los eventos futuros es conocida, pero sus probabilidades son incalculables. Aquí es donde prosperan los superpronosticadores.
Incertidumbre profunda: el menos previsible: Las partes interesadas no pueden ponerse de acuerdo sobre la naturaleza de los posibles estados futuros, y mucho menos sobre sus probabilidades. Los resultados posibles son numerosos e incognoscibles; a medida que ocurren los eventos, su interacción con otros escenarios dinámicos puede ser inimaginable.
La incertidumbre profunda frustra la previsibilidad
Cuando se conocen los parámetros, nosotros (y los superpronosticadores que hay entre nosotros) podemos aventurarnos a hacer predicciones. Sin embargo, en una incertidumbre profunda, innumerables variables desconocidas dificultan la previsibilidad.
El aspecto más difícil de la prognosis es que nuestro mundo complejo es profundamente incierto, y cada vez lo es más. Responder a preguntas acotadas y basadas en probabilidades, como la del GJP «¿Lanzará Corea del Norte un nuevo misil multietapa en el próximo año?», es distinto de responder a preguntas sobre los posibles estados futuros de entornos profundamente inciertos.
La siguiente tabla compara las características que impulsan la previsibilidad y la imprevisibilidad:
Predicciones más allá de los incentivos y los datos
Las predicciones sobre el futuro deben examinarse con espíritu crítico: nadie sabe cómo se desarrollará el futuro. Quienes cobran por hacer predicciones tienen un interés creado en los resultados. Además, consultores, economistas, banqueros, analistas, pronosticadores y algoritmos que afirman disponer de capacidades predictivas basadas en datos extrapolan de algún modo el pasado.
A pesar del revuelo, la inteligencia artificial (IA) quizá no sea mucho mejor que los humanos en sistemas no lineales, dinámicos y complejos. La fortaleza predictiva de la IA reside en situaciones relativamente estables que pueden comprenderse mediante el reconocimiento de patrones a gran escala, dados resultados bien definidos. En entornos de profunda incertidumbre, la causalidad solo puede evaluarse retrospectivamente, las relaciones son impredecibles y los elementos en movimiento son interdependientes.
Aunque los datos abundan, no protegieron al mundo de los niveles más altos de inflación en medio siglo. El poderoso Tesoro de los Estados Unidos reconoció que carece por completo de comprensión de lo que calificó como shocks económicos «no previstos».
Desarrollo de escenarios: la alternativa a la predicción
Los enfoques tradicionales de planificación asumen un mundo predecible. Tratar de predecir una respuesta es razonable cuando se abordan preguntas claramente definidas en entornos estables. Sin embargo, cuando las variables y sus interacciones son desconocidas, depender únicamente de las predicciones puede resultar perjudicial, sobre todo cuando las decisiones dependen de su acierto. El futuro no tiene mapa; no se puede confiar en modelizar incertidumbres para obtener certezas.
Los supuestos son inevitables, por lo que las mentalidades orientadas al futuro no excluyen su uso. No obstante, con la prospectiva no buscamos un resultado único. La prospectiva es la capacidad de explorar sistémicamente los futuros posibles, así como los impulsores del cambio, para orientar la toma de decisiones a corto plazo. Nos preguntamos «¿por qué?, ¿por qué no?, ¿y si…?». Para estas preguntas centradas en el futuro, no hay datos.
En la prospectiva, los conocimientos del análisis histórico y de las tendencias son útiles para dar sentido a la realidad, pero solo para ofrecer una instantánea del mundo existente como base. Nuestra imaginación construye distintos escenarios, resultados y futuros posibles.
La planificación por escenarios se desarrolló originalmente en los años cincuenta y setenta, y se basa en la planificación estratégica lineal. Los cambios fundamentales son que el futuro es distinto del pasado, que los horizontes temporales más largos importan y que hay que captar los impactos de segundo orden. Los buenos escenarios ayudan a resolver los problemas de otra manera porque pueden iluminar nuevas posibilidades e infundir esperanza.
Pensar en futuros a largo plazo nunca debe hacerse en detrimento del presente. Solo el presente existe, así que todas nuestras decisiones orientadas a futuros a largo plazo deben traducirse al ahora.
La prospectiva es preparación, no predicción
El propósito del desarrollo de escenarios es la preparación, no la predicción. Esta preparación beneficia a cualquier eventualidad, más allá del puñado de escenarios futuros imaginados.
Al evaluar las oportunidades y los riesgos de nuestros escenarios, examinamos sus posibles consecuencias. Después podemos desarrollar resiliencia para sostener incluso los resultados más graves.
La prospectiva no tiene una bola de cristal. Le prepara para los virajes. El futuro de la predicción es la imaginación.
