Cómo examinar la información antes de tomar una decisión

Los retos a los que se enfrentan los líderes empresariales nunca han sido mayores. Las decisiones habituales son cada vez más complejas, dada la inflación, las tensiones comerciales y la incertidumbre política. Las cuestiones relativas al capital humano incluyen ahora la diversidad, la equidad y la inclusión, la salud mental y la mejora de las cualificaciones para la cuarta revolución industrial. Las preocupaciones medioambientales, sociales y de gobernanza ya no pueden delegarse en un departamento de responsabilidad social corporativa; son el deber de la C-suite. La inteligencia artificial trae consigo innumerables nuevas oportunidades, pero también múltiples nuevas amenazas. Pero parece que los ejecutivos disponen de una herramienta para combatir estos retos: la información. Con el clic de un ratón o la presión de un pulgar, pueden consultar investigaciones punteras sobre prácticamente cualquier tema. Los estudios académicos son cada vez más de libre acceso, y ahora hay una avalancha de investigaciones ampliamente disponibles realizadas por consultorías, ONG e inversores. La información no sólo procede de estudios, sino también de libros, artículos de periódico y podcasts. Con tanta información disponible, ¿cómo sabemos en qué confiar? Como han puesto de manifiesto recientes polémicas, incluso las investigaciones publicadas en revistas de élite revisadas por expertos podrían basarse en datos manipulados. El sesgo de confirmación puede significar que lo que la gente comparte, y por tanto lo que vemos en nuestros feeds de noticias, es lo que quieren que sea verdad, en lugar de lo que es realmente cierto. Hay muchos libros magníficos sobre cómo abordar la desinformación -que defino aquí como las conclusiones extraídas que no están justificadas por las pruebas-, pero tienden a ofrecer una larga lista de lavandería de todas las formas en que la gente puede engañarnos; puede ser difícil recordar cada una de ellas y poner en práctica estos conocimientos. Lo que los ejecutivos necesitan es una taxonomía sencilla de la desinformación para saber a qué deben prestar atención. Como científico social, mi trabajo consiste en recopilar datos y darles sentido. Esta habilidad resulta muy útil no sólo para elaborar investigaciones, sino también para evaluarlas. En un nuevo libro, recurro a las herramientas de la investigación en ciencias sociales para desarrollar lo que yo llamo la "escalera de la inferencia errónea", que clasifica la desinformación en cuatro pasos erróneos. Este marco puede ser útil para líderes de todo tipo que necesiten gestionar sus propias embestidas informativas. El primer paso en falso es que una declaración no es un hecho, porque puede no ser exacta. ¿Con qué frecuencia nos tomamos una declaración al pie de la letra porque nos gusta lo que dice? Por ejemplo, mi investigación destaca los beneficios del gobierno corporativo y el valor del capitalismo stakeholder. Por eso, cuando me topé con un informe de una influyente ONG en el que se afirmaba que las empresas con un alto nivel de ESG obtenían mejores resultados que sus homólogas, me apresuré a acoger esta afirmación de forma acrítica. El estudio incluía notas a pie de página que sugerían que había pruebas que lo respaldaban, así que era tentador pensar que con esto bastaba y seguir adelante. Pero el primer paso para pensar con más inteligencia es comprobar los hechos. En este caso, seguí la nota a pie de página sólo para descubrir que la fuente subyacente decía lo contrario de lo que afirmaba el informe. La nota a pie de página conducía a un artículo titulado "Where ESG Fails" (Donde falla la ESG), cuyo subtítulo afirma que "A pesar de los innumerables estudios, nunca ha habido pruebas concluyentes de que las pantallas socialmente responsables proporcionen alfa". Una nota a pie de página al final de una frase no significa que la nota apoye realmente la frase: La declaración no es un hecho. Otras inexactitudes surgen de una medición errónea. Un artículo afirmaba que las empresas que invierten en ESG cosechan grandes recompensas. Pero cuando se profundiza en el estudio, uno se da cuenta de que los autores nunca midieron realmente el nivel de ESG de una empresa; se limitaron a preguntar a las empresas si pensaban que el ESG se ha vuelto más importante, lo cual es muy diferente. Incluso si una declaración está vinculada a un diluvio de datos, éstos pueden no medir realmente lo que se afirma en la declaración. El segundo problema es que un hecho no es un dato porque puede no ser representativo. Los estudios de casos son un método de enseñanza popular y poderoso. Son vívidos, dan vida a un tema, inspiran a los líderes mucho más de lo que pueden hacerlo las estadísticas o las regresiones. Y esto se aplica más allá de la enseñanza en las escuelas de negocios, a los libros más vendidos y a las charlas virales, que suelen empezar con una historia para enganchar a la audiencia. Pero los gurús suelen elegir el ejemplo que ilustra el punto de la forma más cruda posible, ya que hace que la historia sea más memorable. Una sola anécdota -o incluso un par de anécdotas- nos dicen poco, porque pueden ser escogidas a la ligera. Son las excepciones que no prueban la regla. Muchas fórmulas de gestión se venden utilizando historias de empresas famosas que las siguieron y alcanzaron el éxito. Pero podría haber cientos de otras organizaciones que aplicaron los principios y fracasaron, y sin embargo nunca se mencionarán porque no encajan en la historia. Para demostrar que la fórmula funciona, habría que considerar cientos de empresas que la utilizaron -tanto las que se hicieron ricas como las que cerraron- y comparar sus índices de éxito con un grupo de control que no lo hizo. Nos encanta aprender de las historias de éxito, pero nunca se podrá identificar qué impulsó el éxito a menos que también se estudie el fracaso. El conjunto de datos tiene que contener empresas con la salsa secreta que fracasaron y aquellas sin ella que tuvieron éxito. Si sólo le dan las que siguieron la fórmula y les tocó el gordo, entonces tiene una muestra seleccionada. La tercera advertencia es que los datos no son pruebas, porque pueden no ser concluyentes. Los datos a gran escala pueden ser representativos, pero sólo son un primer paso porque los datos no son más que un conjunto de hechos. Las pruebas son un conjunto de hechos que nos permiten llegar a una conclusión. Para ello es necesario no sólo apoyar su teoría, sino también rechazar las teorías rivales, del mismo modo que las pruebas en un juicio penal sólo tienen sentido si señalan a su sospechoso concreto. Esta es otra área en la que ayuda la formación como científico social. Se trata de extraer de los datos relaciones de causa y efecto, y determinar si un estudio lo consigue. Un estudio con el que me topé afirmaba encontrar pruebas concluyentes de que la gobernanza corporativa mejora el rendimiento de las empresas, basándose en los datos de que las empresas bien gobernadas obtienen mejores resultados que sus homólogas mal gobernadas. Dado que gran parte de mi investigación versa sobre los méritos de la buena gobernanza, me alegró ver este hallazgo. ¿Pero demostraba realmente que la gobernanza causaba ese rendimiento? Por desgracia, esos datos sólo mostraban una correlación entre gobernanza y rendimiento. Los datos eran coherentes con la teoría de que la buena gobernanza provoca un rendimiento superior. Sin embargo, los datos también eran coherentes con dos teorías rivales. La primera es la causalidad inversa. Tal vez las empresas con malos resultados tengan que centrarse en la extinción de incendios; sólo una vez que una empresa tiene una perspectiva halagüeña puede dirigir su atención a cuestiones a más largo plazo como la gobernanza. La segunda son las causas comunes. Puede que tener un gran CEO mejore la gobernanza de la empresa y que el CEO aumente también el rendimiento, en lugar de que lo primero cause lo segundo. Todos sabemos que "correlación no implica causalidad", pero de repente nos olvidamos de ello cuando nos gusta el resultado que se exhibe. Si alguna vez asiste a una conferencia de economía, asistirá a largos debates sobre temas como éste. Pero no hace falta ser un académico para pensar con claridad sobre la causa y el efecto. Pregúntese siempre si hay otras teorías que sean coherentes con los datos que tiene delante, en lugar de lanzarse a la explicación que quiere que sea cierta. La advertencia final es que una evidencia no es una prueba, porque puede no ser universal. Una prueba es absoluta. Cuando Arquímedes demostró que el área de un círculo es pi veces el cuadrado de su radio, lo demostró no sólo para los círculos de la antigua Grecia en el siglo III a.C., sino también para los círculos de todo el mundo actual. Pero incluso si las pruebas clavan un resultado a la perfección, puede que sólo lo hagan en el entorno en el que se recogieron, puede que no lo hagan en ningún otro lugar. Uno de mis propios estudios descubrió que las empresas con un alto grado de satisfacción de sus empleados superan a sus homólogas en un 2,3% a 3,8% anual en rendimiento bursátil a largo plazo - 89% a 184% acumulativo - incluso después de controlar otros factores que impulsan los rendimientos. Otros análisis sugieren que es la satisfacción de los empleados la causa de los buenos resultados, en lugar de que los buenos resultados permitan a una empresa invertir en la satisfacción de sus empleados. Pero este estudio se limitaba a EE.UU. Un influyente libro de Joseph Henrich destacaba que la mayoría de las investigaciones se centran en sujetos WEIRD -occidentales, educados, industrializados, ricos y democráticos- y los resultados pueden no extenderse al resto del mundo. No podía dar por sentado que mis conclusiones se aplicaban a otros lugares, así que, con algunos coautores, amplié mi estudio original a 30 países. Descubrí que mis conclusiones originales solían mantenerse, pero no siempre. En los países con una fuerte regulación del mercado laboral, las empresas con un alto grado de satisfacción de sus empleados ya no obtienen mejores resultados. Eso tiene sentido: la ley significa que sus competidores ya ofrecen un alto nivel de bienestar a los trabajadores, por lo que las que se encuentran en la cola superior pueden haber superado el punto de rendimientos decrecientes. ¿Cómo podemos poner en práctica la escalera de la inferencia errónea cuando nos encontramos con información? Haciéndonos las siguientes preguntas sencillas: Si vemos una declaración, ¿está respaldada por datos? No basta con ver que hay una nota a pie de página; hay que buscarla realmente y ver lo que afirma. Incluso si la afirmación respalda la declaración, ¿qué miden realmente los datos? Si oímos un dato, como una historia o una anécdota, ¿es representativo o está escogido con cuidado? ¿Tiene en cuenta el autor a otras empresas con la salsa secreta que fracasaron y a las que sin ella triunfaron? Si nos dan datos a gran escala, ¿cuáles son las teorías rivales que son coherentes con los mismos datos? Un consejo útil para detectar teorías rivales es imaginar que el estudio ha encontrado el resultado opuesto -uno que no nos gusta- y pensar en cómo intentaríamos derribarlo. Si encontramos pruebas sólidas, ¿se aplican en el ámbito que nos interesa? Un estudio que concluye que dar poder a los empleados funciona en la tecnología no tiene por qué significar que sea eficaz en la minería, donde la salud y la seguridad son primordiales y las normas tienen más valor. Estos antídotos ponen de relieve que la comprensión de los datos no requiere pirotecnia estadística, sino sentido común, pensamiento crítico y una buena dosis de escepticismo. Aun así, usted podría no saber qué hacer si, cada vez que viera una declaración, tuviera que buscar la referencia; cada vez que se encontrara con una prueba, tendría que tener en cuenta el contexto. Pero puede aplicar estas preguntas de forma selectiva, siguiendo el principio 80/20. Si el resultado es especialmente relevante para su empresa, y usted es especialmente propenso a tragárselo debido al sesgo de confirmación, merece la pena ser especialmente cuidadoso. Y al igual que ocurre con el desarrollo de cualquier habilidad nueva, cuanto más la practique, más arraigada estará.

Cómo examinar la información antes de tomar una decisión

Resumen.

Partner Center