Una mala decisión puede salir bien: cómo evaluar lo que decidiste

Una gerente aprueba una campaña mal estudiada y las ventas suben. Otro responsable analiza escenarios, limita la exposición y toma una decisión razonable, pero una crisis inesperada arruina el resultado. ¿Quién decidió mejor? Si miramos únicamente lo que ocurrió, premiaremos a la primera persona y cuestionaremos a la segunda. Esa conclusión parece intuitiva, aunque confunde dos cosas distintas: la calidad del proceso y la suerte que intervino después.

Decidir bajo incertidumbre significa actuar sin conocer todas las variables ni controlar el desenlace. No elimina la responsabilidad; cambia la pregunta. En vez de exigir que alguien adivine el futuro, permite evaluar si utilizó la información disponible, formuló alternativas reales, estimó riesgos, escuchó desacuerdos y dejó una forma de aprender. Un buen resultado puede esconder una mala apuesta. Un mal resultado puede surgir de una decisión defendible.

El resultado es visible; el proceso casi nunca

Las organizaciones conservan cifras finales, pero rara vez guardan con el mismo cuidado lo que se sabía al decidir. Después de un lanzamiento, una contratación o una inversión, el desenlace ocupa toda la escena. La memoria se reorganiza alrededor de él: las señales que parecían ambiguas se vuelven “obvias”, y las dudas honestas parecen excusas.

Jonathan Baron y John Hershey llamaron outcome bias a la tendencia a evaluar una decisión por su resultado aun cuando este no debía alterar la valoración del proceso. En sus experimentos, decisiones idénticas recibían juicios diferentes según terminaran bien o mal. El hallazgo no dice que el resultado carezca de importancia. Dice que conocerlo puede contaminar la evaluación de aquello que ocurrió antes.

Annie Duke traduce este problema al lenguaje del póquer en Thinking in Bets. Una jugadora puede elegir la acción con mayor expectativa y perder una mano; también puede jugar de forma imprudente y ganar. La carta final no reescribe las probabilidades disponibles en el momento de apostar. En el trabajo sucede lo mismo, aunque las “cartas” sean cambios regulatorios, reacciones de clientes, movimientos de competidores o fallos técnicos.

La matriz evita dos errores simétricos. El primero es perseguir culpables cada vez que aparece una pérdida. El segundo es convertir el éxito en certificado de competencia. Una organización que solo aprende de los fracasos pierde la oportunidad de detectar riesgos ocultos en sus victorias.

La trampa de “resultó bien, por tanto estuvo bien”

Imagine que un equipo lanza un producto sin una prueba de seguridad porque necesita cumplir la fecha. No ocurre ningún incidente y el producto vende más de lo esperado. Celebrar el resultado es comprensible; concluir que omitir la prueba fue correcto es peligroso. El éxito no demuestra que el riesgo fuera aceptable. Solo demuestra que, esta vez, el evento temido no se materializó.

La confusión se vuelve costosa cuando una conducta afortunada se transforma en procedimiento. Un líder interrumpe controles, concentra decisiones o compromete recursos sin margen. Si obtiene un triunfo, la organización imita el gesto visible y olvida las condiciones particulares que lo hicieron posible. Así nacen reglas como “aquí avanzamos y luego resolvemos”, hasta que una exposición acumulada produce un daño que ya no puede absorberse.

Daniel Kahneman explica en Thinking, Fast and Slow que nuestra mente construye relatos coherentes con facilidad y subestima el papel del azar. Esos relatos ayudan a entender, pero pueden ofrecer una ilusión de inevitabilidad. Cuando el pasado parece una cadena limpia de causas, atribuimos destreza a todo éxito y error a todo fracaso. La incertidumbre real desaparece del relato.

Una buena decisión no es una decisión lenta

Separar proceso y resultado no exige burocratizar cada elección. La profundidad debe corresponder al impacto, la reversibilidad y la urgencia. Elegir el formato de una reunión no merece el mismo protocolo que adquirir una empresa, cambiar un sistema de nómina o despedir a un equipo.

Para decisiones reversibles, una prueba pequeña puede producir más aprendizaje que semanas de debate. Para decisiones difíciles de deshacer, conviene ampliar la evidencia, identificar dependencias y diseñar salvaguardas. La velocidad responsable no consiste en pensar menos, sino en ajustar el esfuerzo al tipo de apuesta.

Hablar en probabilidades mejora la conversación

En muchas reuniones se pide una seguridad que nadie posee: “¿Funcionará o no?”. La respuesta honesta suele ser condicional. Un equipo puede estimar que una opción es más prometedora y aun reconocer escenarios en los que falla. Expresar rangos —en vez de certezas teatrales— hace visibles las diferencias entre confianza alta, intuición provisional y desconocimiento.

Philip Tetlock y Dan Gardner, en Superforecasting, describen prácticas de pronóstico que incluyen dividir problemas, actualizar creencias y evitar comprometer la identidad con una predicción. Su argumento no convierte a las personas en calculadoras perfectas. Muestra que la precisión puede mejorar cuando las estimaciones se revisan y comparan con resultados, en lugar de conservar opiniones vagas imposibles de auditar.

Una probabilidad tampoco es una coartada. Decir “había un 30 % de riesgo” después del fracaso no sirve si el número nunca fue registrado, si no había evidencia o si nadie definió qué acción correspondía a ese riesgo. La disciplina aparece cuando la estimación antecede al resultado y modifica la exposición, el calendario o el plan de contingencia.

Un registro breve protege contra la memoria retrospectiva

Antes de ejecutar una decisión relevante, conviene escribir una nota de una página. Debe incluir la pregunta, las opciones descartadas, la evidencia principal, los supuestos, el rango de resultados esperado, los riesgos no resueltos, quién decidió y cuándo se revisará. No es un expediente para repartir culpas. Es una fotografía intelectual tomada antes de saber el final.

Ese registro permite comparar tres capas. Primero, si la información fue usada con rigor. Segundo, si el modelo del problema era razonable. Tercero, si el resultado trajo una sorpresa que merezca actualizar el modelo. Sin esa fotografía, cualquier revisión corre el riesgo de reconstruir una versión conveniente.

Gary Klein propuso el premortem: imaginar que el plan ya fracasó y pedir a cada participante que explique por qué. La técnica reduce la presión por acompañar el entusiasmo dominante y hace aflorar obstáculos que quizá nadie se atrevería a mencionar como objeción directa. No predice el futuro; amplía el conjunto de fallos considerados antes de comprometer recursos.

Cómo revisar sin premiar la suerte ni castigar la honestidad

Primero, reconstruya el momento de decisión. Use solo la información disponible entonces. Separe datos, interpretaciones y supuestos. Si una señal apareció después, no la convierta en prueba de que alguien “debió saberlo”.

Segundo, evalúe la arquitectura del proceso. Pregunte si había alternativas, criterios explícitos, voces independientes, límites de pérdida y condiciones para detenerse. Un documento abundante no garantiza calidad si todo fue escrito para justificar una preferencia previa.

Tercero, examine el resultado por componentes. Distinga lo causado por la elección, lo explicado por la ejecución y lo atribuible a cambios externos. La frontera nunca será perfecta, pero evita asignar todo a una sola persona o decisión.

Cuarto, actualice una práctica concreta. El aprendizaje debe cambiar algo: una señal que se vigilará, un umbral, una prueba previa, una fuente de información o la magnitud de la próxima apuesta. “Comunicar mejor” es demasiado vago para comprobarse.

Quinto, revise también los éxitos. Pregunte qué salió bien por diseño, qué dependió del contexto y qué riesgo quedó oculto. Esta revisión suele ser más difícil porque nadie quiere enfriar una celebración, pero es donde se previene la repetición confiada de una mala apuesta.

La responsabilidad no desaparece cuando aparece el azar

Reconocer incertidumbre no significa que todas las decisiones sean igualmente defendibles. Hay procesos negligentes, conflictos de interés, datos ignorados y riesgos trasladados a otras personas. Tampoco basta con decir que “nadie podía saber”. La cuestión es qué podía conocerse razonablemente, qué precauciones correspondían y quién soportaba las consecuencias.

La calidad de una decisión incluye su dimensión ética. Dos opciones con rendimiento financiero parecido pueden distribuir daños de manera muy distinta. Un proceso serio pregunta no solo qué puede ganar la organización, sino quién queda expuesto si se equivoca y si esa persona participó o tuvo protección. La incertidumbre exige humildad, no impunidad.

Decidir mejor es aprender antes y después

La madurez no consiste en acertar siempre. Consiste en construir procesos que aumenten la posibilidad de acertar, limiten daños cuando no ocurre y produzcan aprendizaje verificable. A veces la decisión correcta terminará mal. A veces una decisión imprudente recibirá aplausos. Lo importante es no permitir que la última carta borre la calidad de la apuesta.

La próxima vez que un resultado sorprenda, pruebe una pregunta diferente: si pudiéramos volver al momento anterior, con la misma información y sin conocer el desenlace, ¿qué parte de nuestra decisión defenderíamos y qué parte cambiaríamos?

Elaborado por Ricardo Gaibor

Este artículo fue elaborado por Ricardo Gaibor con ayuda de sistemas de inteligencia artificial en tareas de investigación, organización y edición. La selección, interpretación y responsabilidad editorial del contenido corresponden al autor.

Fuentes y lecturas recomendadas

• Baron, Jonathan y John C. Hershey. “Outcome Bias in Decision Evaluation”. Journal of Personality and Social Psychology, 1988. DOI: https://doi.org/10.1037/0022-3514.54.4.569.
• Klein, Gary. “Performing a Project Premortem”. Harvard Business Review, 2007. https://hbr.org/2007/09/performing-a-project-premortem.
• Duke, Annie. Thinking in Bets: Making Smarter Decisions When You Don’t Have All the Facts. Portfolio/Penguin, 2018, ISBN 978-0-7352-1635-8. Ficha editorial.
• Kahneman, Daniel. Thinking, Fast and Slow. Farrar, Straus and Giroux, 2011, ISBN 978-0-374-27563-1. Ficha editorial.
• Tetlock, Philip E. y Dan Gardner. Superforecasting: The Art and Science of Prediction. Crown, 2015, ISBN 978-0-8041-3671-6. Ficha editorial.