Doxa 2301

Cómo la IA puede ayudar a abordar la toma de decisiones colectiva

Por Mathis Bitton y Elizabeth Haas

Toma de decisiones y resolución de problemas

Harvard Business Review

#Doxa #IA decisión #colectiva #resolución #problema #grupo #objetivo #desafío #proceso #dato #urbanismo #analizar #preferencia #grupo #autoridad #Hamburgo #asocia #herramienta #CityScope #MIT #residente #crisis #vivienda #éxito #herramienta #perspectiva #predicción #planificación #escenario #construcción #consenso

Resumen. Cuando una decisión importante debe ser tomada por múltiples grupos con diferentes objetivos, a menudo puede verse afectada por desafíos que van desde procesos prolongados hasta la sobrecarga de datos. Pero la IA está ayudando. Un campo, el urbanismo, ya está aplicando su capacidad para Analizar grandes cantidades de datos, comprender las preferencias de los grupos, etc., para la toma de decisiones colectiva. En concreto, las autoridades de Hamburgo (Alemania) se asociaron con la herramienta CityScope del MIT Media Lab para colaborar mejor con los residentes y otras partes interesadas al abordar una crisis de vivienda. El éxito de la herramienta en Hamburgo demuestra cómo usar la IA para obtener mejores perspectivas, predicciones, una planificación exhaustiva de escenarios y la construcción de consenso.

La toma de decisiones colectiva no es una ciencia exacta. Los procesos fallidos, la sobrecarga de datos, la asimetría de la información y otras desigualdades solo agravan los desafíos que surgen cuando grupos grandes y dispares con objetivos diferentes intentan colaborar. Y las herramientas que suelen facilitar la toma de decisiones (análisis de datos, planificación de escenarios, árboles de decisión, etc.) pueden fallar ante la magnitud y la complejidad de los problemas más importantes que enfrentan los grupos y sus líderes.

Aquí es donde la IA puede ayudar, y ya lo está haciendo. Con su capacidad para analizar grandes cantidades de datos sobre el statu quo, comprender las preferencias de los grupos, ejecutar simulaciones sofisticadas para evaluar cientos de posibilidades futuras en función de esas preferencias y facilitar la creación de consenso entre los participantes, la IA puede ser una herramienta poderosa para todos los líderes que enfrentan decisiones complejas, especialmente aquellas que deben tomarse de forma colaborativa.

Un campo que ya aprovecha el apoyo de la IA a la toma de decisiones colectivas es la planificación urbana. Hace tres años, empezamos a colaborar con la Conferencia de Alcaldes de Estados Unidos para comprender cómo la IA ayuda a las ciudades a resolver sus desafíos más urgentes. Durante el proceso, estudiamos la historia de la ciudad alemana de Hamburgo, que ha abordado una crisis de vivienda agravada por la afluencia de refugiados.

En 2016, Hamburgo se asoció con el MIT Media Lab, creador de la plataforma de IA CityScope. Esta plataforma permite a los urbanistas recopilar y analizar las necesidades y preferencias de sectores específicos de la población, simular cientos de escenarios de construcción, identificar oportunidades ocultas y encontrar puntos en común entre facciones en conflicto. Al mostrar cómo funciona CityScope en Hamburgo, esperamos mostrar a líderes de gobiernos, organizaciones sin fines de lucro, universidades y corporaciones cómo pueden aprovechar los datos y la IA para democratizar y mejorar sus procesos y resultados de toma de decisiones.

La crisis en Hamburgo

En 2016, Alemania decidió acoger a un millón de refugiados de Oriente Medio, y Hamburgo recibió el encargo de encontrar alojamiento para unas 80.000 familias, previstas en una ciudad de menos de dos millones de habitantes. En aquel entonces, la ciudad llevaba décadas estancada en conversaciones improductivas sobre las leyes de zonificación, luchando por construir suficientes viviendas para sus propios residentes.

En situaciones de toma de decisiones colectivas suelen surgir tres desafíos, y Hamburgo no fue una excepción:

Los procesos y los incentivos están rotos.

El proceso tradicional para lograr resultados (en este caso, la construcción de nuevas viviendas) implica decenas de pasos e instituciones, cada una con su propia lógica procesal y cultura interna. Una sola impropiedad técnica puede retrasar un proyecto meses, o incluso años. Las partes interesadas no tienen incentivos para colaborar. En Hamburgo, la ciudad tuvo dificultades para construir algo porque cada proyecto requería la aprobación de una docena de burocracias, a menudo obsoletas y opacas.

La información es cada vez más abundante y no está distribuida equitativamente.

Toda decisión (en este caso, sobre desarrollos específicos o leyes de zonificación) implica una gran cantidad de información de diversos ámbitos, desde las preferencias de los residentes y documentos técnicos hasta las métricas de tráfico y uso. Además, los procesos suelen expresarse en documentos técnicos extensos y detallados que el ciudadano medio no puede comprender. Quienes cuentan con más recursos tienen el tiempo, el dinero y la experiencia necesarios para obtener la información necesaria para formarse una opinión informada, mientras que otros miembros de la comunidad no.

Otras desigualdades.

Los actores dominantes poseen una amplia gama de herramientas para bloquear las transformaciones. En este caso, los propietarios pueden detener los desarrollos urbanos con regulaciones de preservación histórica, requisitos de tamaño mínimo de lote, restricciones de altura, etc. En Hamburgo, los únicos que participaron en la toma de decisiones sobre vivienda y zonificación fueron los propietarios mayores y adinerados. Los sucesivos alcaldes lanzaron algunas campañas de divulgación para involucrar a otros sectores de la comunidad en los debates sobre zonificación, pero ninguna tuvo éxito.

Cómo ayudó CityScope

La IA puede ayudar a resolver estos desafíos y mejorar la toma de decisiones conjunta de los grupos. Ariel Noyman, uno de los ingenieros clave de CityScope, nos comentó que su equipo diseñó la plataforma para cumplir cuatro funciones clave:

• Visión: Construcción de un modelo dinámico de las condiciones sociales, económicas y ambientales a través de la recopilación integral de datos, un análisis ambiental, análisis de transacciones y análisis de sentimientos; visualización con retroalimentación.
• Predicción: Identificar necesidades y simular el impacto de intervenciones alternativas mediante la evaluación de miles de escenarios hipotéticos.
• Transformación: Iterar posibles intervenciones en caminos de acción validados.
• Consenso: involucrar a las partes interesadas en un proceso de toma de decisiones compartido y facilitado para alcanzar una visión unificada del futuro.

Así es como se desarrollaron estas funciones en el proceso de trabajo con residentes y planificadores en Hamburgo para hacer avanzar la situación.

El primer paso consistió en recopilar la mayor cantidad de datos posible. CityScope utilizó datos sobre leyes de vivienda y zonificación, así como sobre desarrollo económico, patrones de compra, eventos y servicios en toda la ciudad, transporte e infraestructura, oportunidades de empleo, diversidad demográfica, impacto ambiental, seguridad, entre otros. También realizó encuestas a los residentes para conocer sus preferencias.

Para ofrecer la primera función, la información, la plataforma correlacionó las dimensiones fundamentales de la vivienda (densidad y diversidad de personas) con indicadores de rendimiento como el consumo de energía, la seguridad, las preferencias de los residentes, etc. Con estos datos, la plataforma analizó la relación entre la vivienda y la calidad de vida en la situación actual.

A continuación, la plataforma realizó predicciones sobre las tendencias actuales y las transformaciones hipotéticas, identificando limitaciones que podrían ser valiosas para modificar sobre la marcha. CityScope, por ejemplo, destacó la infrautilización sistemática de las propiedades comerciales. También destacó las zonas con mayor probabilidad de sobrecarga de los servicios públicos y aquellas con mayor capacidad para acoger a nuevos residentes.

Una vez realizado el análisis, CityScope mostró los resultados en un diagrama simple y fácil de entender para ayudar a los ciudadanos y otros participantes a ver fácilmente cómo los cambios potenciales afectarían los indicadores clave de desempeño que reflejan las prioridades comunes de los residentes de la ciudad.

Las etiquetas en las barras verticales indican que la comunidad se preocupó por el impacto ambiental, el rendimiento energético, la infraestructura, la innovación y la habitabilidad en general (cada uno de estos indicadores agregó cientos de métricas). La altura del relleno de cada barra indica el desempeño actual de la ciudad en cada prioridad (cuanto más alto, mejor), y las líneas horizontales en cada barra indican el desempeño de cada una de estas prioridades para un escenario futuro dado. Las barras con relleno rojo indican áreas que cambiarían para mejor; aquellas con relleno verde muestran que la ciudad ya ha cumplido los objetivos. A través de este gráfico, CityScope ayuda a los residentes a comprender su situación (de nuevo, perspectiva), extrapolar las tendencias actuales (de nuevo, predicción), evaluar posibles alternativas (transformación) y encontrar puntos en común (consenso ).

En la Figura 2, estas métricas se agregan por calle en un mapa 3D de la ciudad. Los cambios positivos se muestran en verde, los negativos en rojo, y las alternativas pueden modelarse a escala de la calle, el barrio o la ciudad en su conjunto. En Hamburgo, estas representaciones permitieron a los usuarios comprender las desventajas y encontrar maneras de superarlas. Por ejemplo, la visualización evidenció claramente las diferencias entre las preferencias de las comunidades adineradas, donde las propuestas que amenazaban con una zonificación de menor densidad recibieron las peores calificaciones, y la ciudad en su conjunto, donde la construcción de más viviendas en zonas subdesarrolladas para acoger a los refugiados obtuvo una buena puntuación.

CityScope ayudó a los residentes a encontrar la mejor manera de atender estas preferencias contradictorias. Al evaluar propuestas contrapuestas, demostró que los barrios más ricos podrían beneficiarse de más viviendas, siempre que se construyera también una nueva línea de metro, allanando así el camino al consenso.

Las visualizaciones también permiten a CityScope recopilar de nuevo las preferencias de los usuarios, esta vez sobre las ventajas y desventajas de las propuestas. En Hamburgo, el equipo administró encuestas y organizó talleres por toda la ciudad con una versión de realidad aumentada (RA) de la plataforma (véase la Figura 3).

La interfaz de RA permitió a los participantes colaborar con CityScope para ver las implicaciones de sus decisiones. Los residentes de Hamburgo entraban en la sala y reorganizaban los ladrillos tipo LEGO que representaban unidades residenciales, edificios de oficinas, parques y otros servicios urbanos en una zona específica, rediseñando la ciudad ladrillo a ladrillo (Figura 3). Cuando los participantes realizaban estos cambios, la proyección digital se actualizaba en tiempo real para mostrar cómo los cambios propuestos afectarían la calidad de vida. La plataforma también conectaba estos cambios con las leyes de zonificación que los harían posibles, acortando la distancia entre el juego de LEGO y la formulación de políticas.

La interfaz también permitió a los participantes colaborar entre sí en talleres por toda la ciudad. De esta forma, CityScope se convirtió en una plataforma de participación comunitaria directa, donde personas con y sin conocimientos técnicos, con diferentes niveles de comprensión, se reunieron para comprender el impacto que sus decisiones comunes tendrían en su ciudad (de nuevo, la función de consenso). En Hamburgo, 5.000 residentes participaron en los talleres de CityScope en 2016, una cifra considerablemente mayor que en cualquier ayuntamiento convencional. Además, al dirigirse a diversas comunidades de la ciudad, el equipo de CityScope ha logrado atraer a una muestra representativa de la población, en lugar de solo a los ciudadanos mayores y con mayor poder adquisitivo que históricamente han participado en la planificación urbana de la ciudad.

Hacer que la toma de decisiones sea más democrática

Mediante el uso de IA, CityScope aborda los desafíos clave que identificamos en la planificación urbana y, en general, en la toma de decisiones grupales:

En primer lugar, evitan los lentos procesos burocráticos. Al agregar todos los datos relevantes en un modelo dinámico, CityScope analiza las compensaciones mejor que los funcionarios municipales por sí solos, ya que integra todas las perspectivas y prueba miles de alternativas. El resultado es un proceso considerablemente simplificado que, además, considera más perspectivas con mayor precisión.

En segundo lugar, resuelven el problema de la sobrecarga de información y la asimetría. Al recopilar y procesar grandes cantidades de datos y proporcionar imágenes claras y métodos para interactuar con ellos y compartirlos, CityScope elimina las barreras informativas que favorecen a quienes tienen más recursos en detrimento de quienes carecen de dinero, tiempo o experiencia, brindando a cualquier persona la oportunidad de comprender y proponer cambios.

En tercer lugar, CityScope permite a toda la comunidad, no solo a la élite, encontrar un camino hacia el consenso. Puede que los residentes no estén de acuerdo con este o aquel proyecto de vivienda, pero pueden encontrar puntos en común en torno a prioridades compartidas. Al desviar el enfoque de la deliberación de proyectos o leyes específicos a prioridades más amplias para la ciudad, CityScope replantea el debate hacia una visión más amplia. Larson llama a la plataforma una "máquina de consenso" con razón.

Dieciocho meses después del inicio de la colaboración con CityScope, Hamburgo no solo había albergado a miles de refugiados, sino que los había distribuido estratégicamente por toda la ciudad para maximizar la cohesión social, las oportunidades económicas y la resiliencia comunitaria. Desde entonces, la ciudad ha integrado CityScope en sus procesos de toma de decisiones de forma más amplia, en materia de transporte, consumo energético y regulación ambiental. Cuando Rusia invadió Ucrania en 2022, Hamburgo contaba con las herramientas necesarias para acoger a decenas de miles de refugiados en mucho menos tiempo del habitual. Y ahora, las Naciones Unidas financian un proyecto que exporta CityScope a otras ciudades que se enfrentan a una afluencia inesperada de refugiados.

Más allá de CityScope

Los humanos no son especialmente hábiles para procesar grandes cantidades de información y traducirla en políticas. Les cuesta comprender la complejidad y, abandonados a su suerte, rara vez encuentran puntos en común en temas polémicos. CityScope demuestra que la IA puede ayudar.

Sin embargo, plataformas como CityScope no pueden resolver problemas polémicos por sí solas. La mayoría de las decisiones grupales son inevitablemente conflictivas, y si bien la IA puede ayudarnos a comprender y gestionar las compensaciones, no puede hacer que desaparezcan. Ningún algoritmo, por sofisticado que sea, puede reemplazar una cultura de sano desacuerdo y respeto mutuo. En Hamburgo, fueron los residentes y sus líderes quienes hicieron que esta conversación fuera productiva, no solo la propia plataforma.

Además, estas herramientas solo son importantes si se integran en el ecosistema adecuado. En Hamburgo, la ciudad no podría aprovechar CityScope sin reformar también las trabas burocráticas que impedían la reutilización o la construcción de ciertos espacios. CityScope ayudó a identificar y priorizar dichas reformas, pero sin ellas, el resto de sus funciones habrían sido inútiles. Si bien la IA puede optimizar procesos y ayudarnos a tomar mejores decisiones juntos, solo con el liderazgo adecuado estas herramientas pueden traducirse en acción colectiva.

Sin embargo, las herramientas que combinan simulaciones sofisticadas con interacción directa pueden cambiar la forma en que tomamos decisiones en todo tipo de instituciones: ciudades, pero también corporaciones, universidades y organizaciones sin fines de lucro. Plataformas como AnyLogic, FlexSim y Visual Components ya están desarrollando herramientas similares para corporaciones, una tendencia que probablemente se acelerará en los próximos años. Lejos de sustituir la toma de decisiones humana, estas plataformas ofrecerán un poderoso complemento: una forma de aprovechar los datos al servicio de objetivos comunes.

Lea más sobre Toma de decisiones y resolución de problemas o temas relacionados IA y aprendizaje automático, Democracia, Problemas sociales y globales, Gobierno, Inmigración, Administración pública y organizaciones sin fines de lucro y Europa.

Mathis Bitton es doctorando en Gobierno en Harvard. Su trabajo se centra en la intersección entre la filosofía de la tecnología y la política tecnológica. Colabora como investigador en el trabajo de la Universidad de Nueva York sobre tecnologías emergentes y ciudades. Su próximo libro, junto con Elizabeth Haas, sobre IA y ciudades se titula « Smart Citizens: AI and the Fight for Flourishing Cities»  (MIT Press, 2026).

Elizabeth Haas, doctora, codirige la colaboración de investigación y consultoría de la Universidad de Nueva York con el Comité Permanente de Turismo, Arte, Parques, Entretenimiento y Deportes de la Conferencia de Alcaldes de Estados Unidos. Durante la última década, su trabajo se ha centrado en los cambios sociales y tecnológicos en el deporte y las ciudades. Sus estudiantes han colaborado en proyectos con más de cien ciudades. Su próximo libro, junto con Mathis Bitton, sobre IA y ciudades se titula « Smart Citizens: AI and the Fight for Flourishing Cities»  (MIT Press, 2026).