Investigación: Para que el crowdsourcing funcione, todos necesitan una voz igual
Por Joshua Becker y Edward "Ned" Smith
Toma de decisiones
Harvard Business Review
¿Qué tan útil es la sabiduría de las multitudes? Durante años, se ha reconocido que produce predicciones increíblemente precisas al agregar las opiniones de muchas personas, lo que permite incluso a los pronosticadores aficionados vencer a los expertos. La creencia es que cuando un gran número de personas hace pronósticos independientemente, sus errores no están correlacionados y finalmente se cancelan entre sí, lo que conduce a respuestas finales más precisas.
Sin embargo, los investigadores y expertos han argumentado que la sabiduría de las multitudes es extremadamente frágil, especialmente en dos circunstancias específicas: cuando las personas están influenciadas por las opiniones de los demás (porque pierden su independencia) y cuando las opiniones están distorsionadas por sesgos cognitivos (por ejemplo, fuertes opiniones políticas sostenidas por un grupo).
En una nueva investigación, nosotros y nuestros colegas nos centramos en estos supuestos y descubrimos que la sabiduría de las multitudes es más sólida de lo que se pensaba anteriormente, incluso puede resistir el pensamiento grupal de personas de mentalidad similar. Pero hay una advertencia importante: para que la sabiduría de las multitudes conserve su precisión para hacer predicciones, cada miembro del grupo debe tener la misma voz, sin que ninguna persona domine. Como descubrimos, el patrón de influencia social dentro de los grupos, es decir, quién habla con quién y cuándo, es el determinante clave de la precisión de la multitud para hacer predicciones.
Para explorar cómo los grupos intercambian información y opiniones, decidimos revisar estudios anteriores sobre la sabiduría de las multitudes y el pensamiento grupal. Debido a que los estudios clásicos de pensamiento grupal observaron solo cómo los grupos tomaron decisiones en la práctica, fuera de cualquier experimento controlado, los investigadores no pudieron identificar claramente qué factores estaban causando los problemas. Además, debido a que estos estudios se centraron en cuándo falla la sabiduría de las multitudes, los investigadores nunca tuvieron la oportunidad de observar cuándo la influencia social era beneficiosa. Si bien la investigación más reciente utiliza métodos controlados para estudiar la sabiduría de las multitudes, tiende a centrarse en estimaciones independientes o permite que algunas personas sean más influyentes al compartir sus opiniones.
Teorizamos que el verdadero culpable de socavar la sabiduría de las multitudes era un fenómeno conocido como redes "centralizadas", es decir, grupos que están demasiado influenciados por los líderes de opinión. En estos casos, es probable que ocurra el pensamiento grupal. Creamos un modelo para probar una dinámica diferente, lo que llamamos redes "descentralizadas", en la que las personas pueden comunicarse por igual, compartir información y opiniones. Teorizamos que este tipo de "información social" permitiría a las personas llegar a un consenso gradualmente, a medida que sus opiniones se vuelvan más similares, y mantener la precisión de la sabiduría de las multitudes. Esta teoría es consistente con investigaciones anteriores, que han encontrado que los líderes dominantes socavan las decisiones grupales y que las personas que toman decisiones primero a menudo influyen en las decisiones de los demás. Nuestro modelo describiría ambos casos como una red centralizada, no como el concepto descentralizado que mantiene a cada persona igualmente influyente.
Probamos nuestra teoría con una serie de desafíos de estimación con 34 grupos de 40 personas, que van desde el clásico de adivinar el número de gominolas en un frasco hasta la estimación del costo de los bienes de consumo. Detrás de escena, controlamos la estructura del flujo de información (quién podía observar a quién), lo que resultó en que algunas personas se encontraran en redes centralizadas con personas seleccionadas al azar en posiciones prominentes, y otras en redes descentralizadas en las que todos eran igualmente influyentes.
En las redes centralizadas, no hubo sorpresa: la precisión del grupo dependía por completo de la precisión de algunos influenciadores. Pero en las redes descentralizadas, encontramos que la creencia u opinión promedio se volvió más precisa después de que las personas se comunicaron entre sí. La explicación se puede encontrar en cómo funciona el pensamiento social. Al compartir opiniones, las personas tienden a cambiar sus puntos de vista en función de lo que creen sus compañeros, pero no todos cambian al mismo ritmo. Algunos saben que son más precisos y se mantienen firmes. Otros que son inexactos y menos seguros hacen revisiones más grandes. Como resultado, aquellos que son más precisos y más fuertes en sus convicciones actúan como un ancla y atraen a otros hacia ellos, a pesar de que no ejercen la "fuerza experta" de destacados líderes de opinión.
¿Qué pasa con la idea de que los sesgos cognitivos se interponen en el camino de la sabiduría de las multitudes? Queríamos probar una especie de peor de los casos: la política partidista en cámaras de eco, en la que la influencia social amplifica los prejuicios partidistas y reduce la precisión de las creencias políticas (como la tasa de desempleo o la cantidad de inmigrantes que llegan a los Estados Unidos cada año). Le preguntamos a 2,240 personas en los EE. UU. Sobre temas controvertidos, como inmigración, desempleo y gasto militar, con personas ubicadas en cámaras de eco de republicanos que solo ven a otros republicanos y demócratas que solo ven a otros demócratas. Cientos de personas iniciaron sesión en el sitio del experimento al mismo tiempo. A cada persona se le hicieron preguntas dos veces: una antes de que pudieran ver la opinión de otra persona y una segunda vez después de ver las opiniones de los demás. Encontramos que la influencia social aumentó la precisión. Aún más revelador, la comunicación redujo la polarización; el demócrata promedio se volvió más similar al republicano promedio, incluso sin ningún vínculo entre ellos. Una vez más, la diferencia fue el ajuste a la información social, que contrarresta la polarización causada por los extremistas. (Los datos muestran que incluso si los extremistas se mantienen firmes en sus puntos de vista, lo que potencialmente podría atraer a otros hacia ellos, son menos numerosos y son superados por una fuerza compensatoria: un mayor número de moderados precisos que confían en sus puntos de vista).
Si bien la sabiduría de las multitudes es robusta frente a las presiones cotidianas, como la influencia de los compañeros y los sesgos cognitivos, ¿qué pasa con la malversación total? ¿Qué pasa si alguien intenta arrojar una llave inglesa en los engranajes aportando mala información? Para probar esto, recurrimos a Estimize, una plataforma que regularmente supera los pronósticos de Wall Street con proyecciones de ingresos y ganancias de crowdsourcing. Para la mayoría de las personas en esta plataforma, las estimaciones se vuelven más precisas con la práctica. Sin embargo, un grupo se destacó: sus estimaciones se volvieron menos precisas con la experiencia. Este grupo estaba compuesto por profesionales de finanzas para quienes Estimize plantea una competencia directa, y que aparentemente estaban tratando de afectar el resultado al ingresar intencionalmente estimaciones erróneas. En conjunto, sin embargo, cada suposición sobreestimada fue anulada por una subestimación extrema, y prevaleció la inteligencia colectiva. (Dado que estas "manzanas podridas" básicamente estaban agregando números al azar, tenían la misma probabilidad de ser sobreestimadas que subestimadas, por lo que se cancelaron. Esto mismo sucedería en cualquier situación en la que las personas intenten agregar ruido a los datos , en lugar de hacer estimaciones legítimas sobre la creencia media. La única forma en que esto fallaría sería si hubiera algún tipo de colusión).
Nuestro trabajo muestra que la sabiduría de las multitudes puede prevalecer incluso cuando las probabilidades están en su contra. Es una buena noticia para los líderes empresariales que intentan aprovechar la sabiduría colectiva en una variedad de temas, desde predecir la popularidad de ciertas ofertas o el éxito de una fusión hasta estimar la tasa de clics para la publicidad en línea. Para obtener los pronósticos más precisos y tomar mejores decisiones, los líderes pueden alentar a las personas a comunicarse y compartir información para garantizar que la multitud llegue a la mejor solución.
Joshua Becker es becario postdoctoral en la Kellogg School of Management e investigador residente en NICO.
Edward "Ned" Smith es profesor asociado en la Kellogg School of Management de la Northwestern University y miembro principal de la facultad del Northwestern Institute on Complex Systems (NICO).
Toma de decisiones
Harvard Business Review
¿Qué tan útil es la sabiduría de las multitudes? Durante años, se ha reconocido que produce predicciones increíblemente precisas al agregar las opiniones de muchas personas, lo que permite incluso a los pronosticadores aficionados vencer a los expertos. La creencia es que cuando un gran número de personas hace pronósticos independientemente, sus errores no están correlacionados y finalmente se cancelan entre sí, lo que conduce a respuestas finales más precisas.
Sin embargo, los investigadores y expertos han argumentado que la sabiduría de las multitudes es extremadamente frágil, especialmente en dos circunstancias específicas: cuando las personas están influenciadas por las opiniones de los demás (porque pierden su independencia) y cuando las opiniones están distorsionadas por sesgos cognitivos (por ejemplo, fuertes opiniones políticas sostenidas por un grupo).
En una nueva investigación, nosotros y nuestros colegas nos centramos en estos supuestos y descubrimos que la sabiduría de las multitudes es más sólida de lo que se pensaba anteriormente, incluso puede resistir el pensamiento grupal de personas de mentalidad similar. Pero hay una advertencia importante: para que la sabiduría de las multitudes conserve su precisión para hacer predicciones, cada miembro del grupo debe tener la misma voz, sin que ninguna persona domine. Como descubrimos, el patrón de influencia social dentro de los grupos, es decir, quién habla con quién y cuándo, es el determinante clave de la precisión de la multitud para hacer predicciones.
Para explorar cómo los grupos intercambian información y opiniones, decidimos revisar estudios anteriores sobre la sabiduría de las multitudes y el pensamiento grupal. Debido a que los estudios clásicos de pensamiento grupal observaron solo cómo los grupos tomaron decisiones en la práctica, fuera de cualquier experimento controlado, los investigadores no pudieron identificar claramente qué factores estaban causando los problemas. Además, debido a que estos estudios se centraron en cuándo falla la sabiduría de las multitudes, los investigadores nunca tuvieron la oportunidad de observar cuándo la influencia social era beneficiosa. Si bien la investigación más reciente utiliza métodos controlados para estudiar la sabiduría de las multitudes, tiende a centrarse en estimaciones independientes o permite que algunas personas sean más influyentes al compartir sus opiniones.
Teorizamos que el verdadero culpable de socavar la sabiduría de las multitudes era un fenómeno conocido como redes "centralizadas", es decir, grupos que están demasiado influenciados por los líderes de opinión. En estos casos, es probable que ocurra el pensamiento grupal. Creamos un modelo para probar una dinámica diferente, lo que llamamos redes "descentralizadas", en la que las personas pueden comunicarse por igual, compartir información y opiniones. Teorizamos que este tipo de "información social" permitiría a las personas llegar a un consenso gradualmente, a medida que sus opiniones se vuelvan más similares, y mantener la precisión de la sabiduría de las multitudes. Esta teoría es consistente con investigaciones anteriores, que han encontrado que los líderes dominantes socavan las decisiones grupales y que las personas que toman decisiones primero a menudo influyen en las decisiones de los demás. Nuestro modelo describiría ambos casos como una red centralizada, no como el concepto descentralizado que mantiene a cada persona igualmente influyente.
Probamos nuestra teoría con una serie de desafíos de estimación con 34 grupos de 40 personas, que van desde el clásico de adivinar el número de gominolas en un frasco hasta la estimación del costo de los bienes de consumo. Detrás de escena, controlamos la estructura del flujo de información (quién podía observar a quién), lo que resultó en que algunas personas se encontraran en redes centralizadas con personas seleccionadas al azar en posiciones prominentes, y otras en redes descentralizadas en las que todos eran igualmente influyentes.
En las redes centralizadas, no hubo sorpresa: la precisión del grupo dependía por completo de la precisión de algunos influenciadores. Pero en las redes descentralizadas, encontramos que la creencia u opinión promedio se volvió más precisa después de que las personas se comunicaron entre sí. La explicación se puede encontrar en cómo funciona el pensamiento social. Al compartir opiniones, las personas tienden a cambiar sus puntos de vista en función de lo que creen sus compañeros, pero no todos cambian al mismo ritmo. Algunos saben que son más precisos y se mantienen firmes. Otros que son inexactos y menos seguros hacen revisiones más grandes. Como resultado, aquellos que son más precisos y más fuertes en sus convicciones actúan como un ancla y atraen a otros hacia ellos, a pesar de que no ejercen la "fuerza experta" de destacados líderes de opinión.
¿Qué pasa con la idea de que los sesgos cognitivos se interponen en el camino de la sabiduría de las multitudes? Queríamos probar una especie de peor de los casos: la política partidista en cámaras de eco, en la que la influencia social amplifica los prejuicios partidistas y reduce la precisión de las creencias políticas (como la tasa de desempleo o la cantidad de inmigrantes que llegan a los Estados Unidos cada año). Le preguntamos a 2,240 personas en los EE. UU. Sobre temas controvertidos, como inmigración, desempleo y gasto militar, con personas ubicadas en cámaras de eco de republicanos que solo ven a otros republicanos y demócratas que solo ven a otros demócratas. Cientos de personas iniciaron sesión en el sitio del experimento al mismo tiempo. A cada persona se le hicieron preguntas dos veces: una antes de que pudieran ver la opinión de otra persona y una segunda vez después de ver las opiniones de los demás. Encontramos que la influencia social aumentó la precisión. Aún más revelador, la comunicación redujo la polarización; el demócrata promedio se volvió más similar al republicano promedio, incluso sin ningún vínculo entre ellos. Una vez más, la diferencia fue el ajuste a la información social, que contrarresta la polarización causada por los extremistas. (Los datos muestran que incluso si los extremistas se mantienen firmes en sus puntos de vista, lo que potencialmente podría atraer a otros hacia ellos, son menos numerosos y son superados por una fuerza compensatoria: un mayor número de moderados precisos que confían en sus puntos de vista).
Si bien la sabiduría de las multitudes es robusta frente a las presiones cotidianas, como la influencia de los compañeros y los sesgos cognitivos, ¿qué pasa con la malversación total? ¿Qué pasa si alguien intenta arrojar una llave inglesa en los engranajes aportando mala información? Para probar esto, recurrimos a Estimize, una plataforma que regularmente supera los pronósticos de Wall Street con proyecciones de ingresos y ganancias de crowdsourcing. Para la mayoría de las personas en esta plataforma, las estimaciones se vuelven más precisas con la práctica. Sin embargo, un grupo se destacó: sus estimaciones se volvieron menos precisas con la experiencia. Este grupo estaba compuesto por profesionales de finanzas para quienes Estimize plantea una competencia directa, y que aparentemente estaban tratando de afectar el resultado al ingresar intencionalmente estimaciones erróneas. En conjunto, sin embargo, cada suposición sobreestimada fue anulada por una subestimación extrema, y prevaleció la inteligencia colectiva. (Dado que estas "manzanas podridas" básicamente estaban agregando números al azar, tenían la misma probabilidad de ser sobreestimadas que subestimadas, por lo que se cancelaron. Esto mismo sucedería en cualquier situación en la que las personas intenten agregar ruido a los datos , en lugar de hacer estimaciones legítimas sobre la creencia media. La única forma en que esto fallaría sería si hubiera algún tipo de colusión).
Nuestro trabajo muestra que la sabiduría de las multitudes puede prevalecer incluso cuando las probabilidades están en su contra. Es una buena noticia para los líderes empresariales que intentan aprovechar la sabiduría colectiva en una variedad de temas, desde predecir la popularidad de ciertas ofertas o el éxito de una fusión hasta estimar la tasa de clics para la publicidad en línea. Para obtener los pronósticos más precisos y tomar mejores decisiones, los líderes pueden alentar a las personas a comunicarse y compartir información para garantizar que la multitud llegue a la mejor solución.
Joshua Becker es becario postdoctoral en la Kellogg School of Management e investigador residente en NICO.
Edward "Ned" Smith es profesor asociado en la Kellogg School of Management de la Northwestern University y miembro principal de la facultad del Northwestern Institute on Complex Systems (NICO).
No hay comentarios:
Publicar un comentario