Simular o deliberar: la gran apuesta de la prospectiva

por Robert A. Hale

Durante décadas, imaginar el futuro fue un trabajo artesanal. Los equipos de prospectiva escribían escenarios, dibujaban mapas conceptuales y debatían trayectorias posibles, como un ejercicio de imaginación colectiva. Era valioso. Pero tenía un límite: todo dependía de qué tan bien los expertos podían anticipar cómo interactúan las piezas de un sistema complejo.

Hoy eso está cambiando. No porque las conversaciones hayan desaparecido, sino porque ahora coexisten con simulaciones: entornos donde agentes humanos, instituciones y algoritmos interactúan bajo condiciones controladas, antes de que ninguna política haya tocado la realidad.

Toda política es, en el fondo, una instrucción que cambia las reglas del juego social. Modelarla primero permite ver qué tan bien juega.

De los relatos a los modelos

Hace una década, más del 90% de la prospectiva global se basaba en métodos cualitativos: historias, talleres, metáforas. Hoy esa cifra bajó a menos del 60%. El resto trabaja con enfoques híbridos que combinan narración con simulación.

Este campo se llama modelamiento sociotécnico. Une ciencia de datos, teoría de sistemas y ciencias sociales para responder preguntas que antes solo podían explorarse cualitativamente: ¿qué pasa si cambia un incentivo económico? ¿Cómo se reorganiza el comportamiento colectivo cuando se introduce una nueva regulación?

Durante mi trabajo en IBM, participé en el desarrollo de los primeros modelos de este tipo aplicados a gobernanza —lo que llamamos gemelos de gobernanza: réplicas digitales de sistemas institucionales donde se podía ensayar el impacto de una política antes de implementarla. La lección más clara fue que toda política actúa como una instrucción que redistribuye incentivos, rompe rutinas y activa comportamientos imprevistos. Modelarla primero permite ver esos efectos antes de que sucedan.

San Francisco, 2024.

Las cuatro capas de un buen modelo

Un modelo sociotécnico útil no se limita a variables económicas o demográficas. Integra cuatro dimensiones que en la realidad siempre se afectan mutuamente:

• Personas — con sus sesgos, incentivos y racionalidad limitada. No actores perfectamente racionales.

• Infraestructura — los entornos físicos y digitales que condicionan qué acciones son posibles.

• Cognición colectiva — los valores, narrativas e información que circulan y moldean percepciones.

• Gobernanza — los mecanismos que convierten el conocimiento disponible en decisiones concretas.

Cuando estas capas se modelan juntas, dejan de verse como variables aisladas y empiezan a comportarse como lo que son: un solo sistema con retroalimentaciones que se amplifican o se cancelan entre sí.

El próximo paso serán modelos que aprenden

La frontera actual no es construir mejores modelos estáticos, sino modelos que se ajustan. Sistemas que incorporan retroalimentación humana, datos en tiempo real y reajustes cuando las condiciones cambian. En ese punto, el modelo deja de ser una herramienta de predicción y se convierte en un laboratorio de aprendizaje colectivo.

Esto también plantea una exigencia ética que no puede ignorarse: cada supuesto que se programa en una simulación es una decisión sobre qué importa. Qué variables se priorizan, qué actores se incluyen, qué comportamientos se consideran razonables. La transparencia sobre esos supuestos no es un detalle técnico. Es una condición para que los modelos sean legítimos, no solo sofisticados.

El objetivo no es predecir el futuro con precisión. Es expandir nuestra capacidad colectiva de pensar con los sistemas, no sobre ellos.

La prospectiva siempre fue una práctica intelectual y política. El modelamiento sociotécnico no la reemplaza: la hace más exigente, más honesta sobre sus propios supuestos, y más capaz de sorprenderse con lo que emerge.

---

📌 Robert A. Hale es científico de datos especializado en foresight y modelamiento socio-técnico.