Simular o deliberar: la gran apuesta de la prospectiva

por Robert A. Hale

En IBM desarrollé lo que llamábamos gemelos de gobernanza: réplicas digitales de sistemas institucionales donde se podía ensayar el impacto de una política antes de implementarla. La idea era simple y perturbadora a la vez. Toda política es una instrucción que redistribuye incentivos, rompe rutinas y activa comportamientos imprevistos. Si podías modelarla primero, podías ver esos efectos antes de que ocurrieran en la realidad.

Lo que aprendí no fue sobre la precisión de los modelos. Fue sobre sus supuestos.

De los relatos a las simulaciones

Durante décadas, imaginar el futuro fue un trabajo artesanal. Escenarios escritos, mapas conceptuales, talleres de expertos. Era valioso, pero tenía un límite estructural: todo dependía de qué tan bien los participantes podían anticipar cómo interactúan las piezas de un sistema complejo. La intuición humana es poderosa y tiene techos conocidos.

San Francisco, 2024.

El modelamiento sociotécnico no reemplaza esa práctica — la hace más exigente. Une ciencia de datos, teoría de sistemas y ciencias sociales para simular lo que antes solo podía explorarse cualitativamente. ¿Qué pasa si cambia un incentivo económico? ¿Cómo se reorganiza el comportamiento colectivo cuando se introduce una nueva regulación? Un modelo bien construido no responde esas preguntas con certeza. Las hace más precisas.

Un modelo útil integra al menos cuatro dimensiones que en la realidad siempre se afectan mutuamente: las personas con sus sesgos e incentivos reales, la infraestructura física y digital que condiciona qué acciones son posibles, la cognición colectiva — los valores y narrativas que circulan y moldean percepciones — y los mecanismos de gobernanza que convierten el conocimiento disponible en decisiones concretas. Cuando estas dimensiones se modelan juntas dejan de ser variables aisladas. Empiezan a comportarse como lo que son.

El supuesto es la decisión

La frontera actual no es construir mejores modelos estáticos sino modelos que aprenden. Sistemas que incorporan retroalimentación en tiempo real y se reajustan 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.

Pero ahí aparece la exigencia que más me preocupa. Cada supuesto programado en una simulación es una decisión sobre qué importa. Qué variables se priorizan. Qué actores se incluyen. Qué comportamientos se consideran razonables. Esas decisiones no son técnicas — son políticas. Y si no se nombran, si los modelos se presentan como espejos neutrales de la realidad, se vuelven más peligrosos que los escenarios artesanales que pretenden superar. Al menos los escenarios cualitativos mostraban su autoría.

La transparencia sobre los supuestos no es un detalle metodológico. Es la condición para que un modelo sea legítimo y no solo sofisticado. Pensar con los sistemas en lugar de sobre ellos exige saber quién los programó, con qué preguntas, y qué quedó fuera del modelo por diseño.

La prospectiva siempre fue una práctica intelectual y política. El modelamiento sociotécnico no cambia eso. Solo hace más difícil ignorarlo.

---

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