Doxa 2654

Los cuatro asientos que la inteligencia artificial puede ocupar en la mesa de negociación
Revisión sobre asesores, agentes delegados, mediadores y contrapartes algorítmicas

Por: Oscar Hernando Benavides Paz, MBA

Resumen

La negociación, entendida como el proceso mediante el cual dos o más partes con intereses parcialmente divergentes buscan un acuerdo, ha sido históricamente una actividad exclusivamente humana. La irrupción de los modelos de lenguaje de gran escala (LLM) y de los agentes autónomos modifica esa premisa. Esta revisión propone un marco analítico de cuatro roles o «asientos» que un sistema de inteligencia artificial (IA) puede ocupar en una negociación: (1) asesor-entrenador de una de las partes, (2) agente delegado que negocia en nombre de una parte, (3) mediador o facilitador neutral y (4) contraparte, ya sea como oponente real o como simulador de entrenamiento. Se sintetiza evidencia publicada en revistas de alto impacto (Science) y en repositorios científicos de referencia (arXiv) antes de 2026. Los hallazgos indican que existe evidencia empírica sólida para los roles de agente negociador y de mediador en entornos acotados, evidencia indirecta para el rol de asesor y evidencia heterogénea para el rol de contraparte. Se concluye que el valor de la IA depende menos de su capacidad técnica aislada que de la asignación deliberada del rol, de los mecanismos de supervisión humana y de la integración con la teoría clásica de la negociación.

Palabras clave

inteligencia artificial; negociación; agentes autónomos; mediación; modelos de lenguaje; IA generativa; toma de decisiones.

Introducción

Durante décadas, la investigación en negociación automatizada se centró en agentes con reglas explícitas y protocolos de intercambio de ofertas. La disponibilidad de modelos de lenguaje capaces de producir argumentación en lenguaje natural ha desplazado el foco hacia sistemas que conversan, razonan sobre intereses y adaptan su estrategia en tiempo real. Los estudios recientes ya no preguntan solamente si una máquina puede negociar, sino en qué posición de la mesa conviene colocarla y con qué salvaguardas.

El título de esta revisión recoge una expresión de uso corriente en la divulgación tecnológica: las «ideas hechas para importar», es decir, aquellas que se trasladan de un campo a otro con la expectativa de que funcionen igual. La hipótesis de trabajo es que la importación de la IA a la negociación solo es productiva si se distingue con precisión qué función cumple el sistema. Un mismo modelo de lenguaje puede actuar como consejero confidencial, como representante con autoridad para ofertar, como tercero imparcial o como adversario, y cada configuración plantea riesgos, métricas de éxito y exigencias éticas distintas.

Conviene precisar un límite metodológico desde el inicio: la taxonomía de cuatro asientos es una construcción analítica del autor para organizar la evidencia; no se encontró evidencia de que exista una clasificación canónica de cuatro roles en la literatura revisada. Lo que sí se documenta en fuentes primarias son experimentos y sistemas que corresponden a cada uno de esos roles.

Objetivos

Objetivo general

Sintetizar la evidencia científica disponible, publicada antes de 2026, sobre los roles que la inteligencia artificial puede desempeñar en procesos de negociación y estimar el grado de respaldo empírico de cada uno.

Objetivos específicos

(a) Describir y delimitar conceptualmente los cuatro roles propuestos. (b) Identificar, para cada rol, los estudios primarios que aportan evidencia de desempeño. (c) Contrastar las ventajas observadas con los riesgos documentados, incluidos la pérdida de legitimidad, la manipulación y la dependencia del contexto. (d) Señalar vacíos de conocimiento y líneas de investigación prioritarias.

Metas

Se establecen las siguientes metas: ofrecer a profesionales de negocios, derecho, salud y gestión pública un mapa conceptual que facilite decidir en qué función incorporar IA; separar con claridad los hallazgos respaldados por estudios revisados por pares de aquellos que solo cuentan con evidencia preliminar; y formular criterios de gobernanza aplicables antes de delegar autoridad de decisión a un sistema automatizado.

Metodología de la revisión

Se realizó una búsqueda dirigida en repositorios y editoriales científicas (Science, arXiv) con términos relativos a negociación con IA, agentes de lenguaje, mediación automatizada y evaluación de LLM en juegos de negociación. Cada dato citado se contrastó con al menos una versión del resumen o texto primario. Se aceptaron únicamente estudios con diseño experimental o de evaluación reproducible; se excluyeron blogs, tesis no indexadas, notas de prensa como evidencia primaria y publicaciones fechadas en 2026 o posteriores, por no cumplir el criterio temporal definido. Cuando un dato no pudo verificarse en una fuente primaria, se declara como «evidencia no encontrada». Debe advertirse que se trata de una revisión narrativa y no de una revisión sistemática con protocolo registrado.

Desarrollo

La exposición se organiza según los cuatro asientos. Para cada uno se resume la función, la evidencia disponible y las limitaciones identificadas.

Primer asiento: la IA como asesor y entrenador de una de las partes

En este rol, el sistema no se sienta formalmente a la mesa: acompaña a un negociador humano en la preparación, ayuda a clarificar intereses, alternativas y prioridades, y ofrece retroalimentación o recomendaciones. Es el rol de menor fricción institucional, porque la decisión final permanece en la persona y la contraparte puede ignorar que el apoyo existe.

La evidencia primaria específica sobre este rol, publicada en revistas de nivel I o II antes de 2026, no fue localizada en esta revisión; se declara por tanto como «evidencia no encontrada» para estudios experimentales controlados con ese diseño exacto. Existe, sin embargo, respaldo indirecto. En la competencia internacional de negociación entre agentes de IA analizada por Vaccaro et al. (2025), los participantes diseñaron las instrucciones de los agentes, y el agente ganador combinó marcos tradicionales de preparación de la negociación con técnicas propias de la IA. Esto sugiere que el conocimiento clásico sobre preparación (definición de intereses, alternativas y límites) conserva valor operativo cuando se traduce a instrucciones para un sistema, lo que respalda su uso como andamiaje de preparación humana, aunque no lo demuestra directamente.

Segundo asiento: la IA como agente delegado que negocia en nombre de una parte

Aquí el sistema recibe un mandato y negocia con autonomía total o parcial. Es el asiento con mayor volumen de evidencia empírica y también el de mayores riesgos. Un hito documentado es CICERO, el agente desarrollado por el equipo de Meta FAIR para el juego Diplomacy, una actividad que exige negociación en lenguaje natural entre siete jugadores. Según el artículo publicado en Science, en 40 partidas de una liga en línea anónima el agente obtuvo más del doble del puntaje medio de los jugadores humanos y se ubicó en el 10 % superior entre quienes jugaron más de una partida (Meta Fundamental AI Research Diplomacy Team et al., 2022). El resultado muestra que combinar un modelo de lenguaje con razonamiento estratégico permite negociar de forma competitiva en un entorno de reglas cerradas, aunque no puede extrapolarse sin cautela a negociaciones comerciales o jurídicas abiertas.

En un contexto de agente contra agente, Vaccaro et al. (2025) organizaron una competencia con 182.812 negociaciones entre agentes en varios escenarios (precio de mesas y sillas, contrato laboral y contrato de arriendo). Concluyeron que los principios de la teoría de la negociación humana siguen siendo relevantes en interacciones entre IA, y que además emergen dinámicas específicas de la IA, como el razonamiento en cadena y la inyección de instrucciones (prompt injection), que la teoría clásica no explica. Los autores plantean la necesidad de una teoría de la negociación con IA que integre ambas tradiciones. Un comunicado institucional del MIT Sloan sobre la versión publicada en PNAS destaca que los agentes cálidos y empáticos obtuvieron mejores resultados que los agentes duros; los datos bibliográficos completos de esa versión (volumen y páginas) no pudieron verificarse y se declaran como «evidencia no encontrada», por lo que en este texto se cita la versión disponible en arXiv.

La plataforma NegotiationArena evaluó modelos de lenguaje en juegos de negociación con tareas de reparto de recursos e intercambio (Bianchi et al., 2024), y Fu et al. (2023) estudiaron cómo mejorar la negociación de un modelo mediante autojuego y retroalimentación de otra IA en un escenario de compra y venta. Ambos trabajos, disponibles como preprints en arXiv, aportan evidencia de que el desempeño de estos agentes es mejorable mediante diseño del entorno y de la instrucción, pero su generalización a negociaciones reales con consecuencias económicas no ha sido demostrada.

Las limitaciones principales de este asiento son la asimetría de capacidades entre modelos, la vulnerabilidad a manipulaciones específicas de sistemas automatizados y la cuestión de la responsabilidad: quien delega debe poder responder por lo que su agente promete.

Tercer asiento: la IA como mediador o facilitador neutral

En el tercer asiento, la IA no representa intereses propios de una parte, sino que ayuda a las partes a encontrar un terreno común. La evidencia más sólida proviene de Tessler et al. (2024) en Science, quienes entrenaron un modelo de lenguaje, denominado «máquina de Habermas», para actuar como mediador en grupos pequeños del Reino Unido que discutían asuntos políticos divisivos. Según el resumen publicado, las declaraciones del mediador artificial resultaron más aceptables y generaron un acuerdo más amplio que las de mediadores humanos, y los grupos quedaron menos divididos, sin que se desatendieran las posturas minoritarias.

Este resultado debe interpretarse con prudencia. El experimento se realizó en un contexto de deliberación ciudadana y no en disputas con intereses económicos, poder asimétrico o historia de conflicto entre las partes. Las dimensiones de legitimidad, confianza, empatía y manejo emocional del conflicto no fueron el centro de la evaluación, y la evidencia sobre el desempeño de mediadores artificiales en mediación comercial, laboral o familiar real es, hasta donde pudo verificarse, «evidencia no encontrada» en fuentes de nivel I o II anteriores a 2026.

Cuarto asiento: la IA como contraparte, oponente o simulador de entrenamiento

El cuarto asiento corresponde a los casos en que el sistema se sitúa al otro lado de la mesa. Puede ser un oponente real (una empresa que despliega un agente para negociar con clientes o proveedores) o un simulador que permite a una persona practicar. Buena parte de la literatura experimental sobre LLM trabaja, de hecho, enfrentando modelos entre sí o con humanos en escenarios simulados, como en Diplomacy (Meta Fundamental AI Research Diplomacy Team et al., 2022), en NegotiationArena (Bianchi et al., 2024) y en la competencia de Vaccaro et al. (2025), que documenta un caso de uso corporativo: según los autores, una gran cadena minorista ya emplea una plataforma autónoma para negociar contratos con proveedores a una escala impracticable para negociadores humanos.

Un hallazgo relevante para este asiento es que lo que funciona contra un agente de IA no necesariamente funciona contra una persona, y viceversa, según los propios investigadores. Esto implica que los negociadores humanos que enfrenten agentes automatizados necesitarán conocer sus patrones y vulnerabilidades. Respecto del uso de la IA como simulador de práctica, no se encontraron estudios controlados de nivel I o II anteriores a 2026 que midan la transferencia de ese entrenamiento a negociaciones reales; se declara «evidencia no encontrada».

Discusión

La comparación de los cuatro asientos revela un gradiente de autonomía y de riesgo. En el asiento de asesor, el control humano es máximo, pero la evidencia directa es mínima. En el de delegado, la evidencia de desempeño es la más abundante, pero la delegación traslada responsabilidad y expone al mandante a fallos o manipulaciones. En el de mediador, los resultados experimentales son prometedores pero acotados a deliberación política en grupos pequeños. En el de contraparte, la evidencia es abundante en entornos simulados, aunque escasa respecto de efectos sobre los humanos que se enfrentan a estos sistemas.

Dos conclusiones transversales emergen de la literatura. Primero, la teoría clásica de la negociación no queda obsoleta: sus principios siguen explicando buena parte del desempeño incluso entre agentes artificiales (Vaccaro et al., 2025). Segundo, existen fenómenos propios de la IA que exigen nuevos marcos teóricos y mecanismos de seguridad. Para un lector profesional, la pregunta operativa no es si usar IA en la negociación, sino cuál de los cuatro asientos asignarle, con qué nivel de autoridad y bajo qué supervisión.

Conclusiones

La evidencia publicada antes de 2026 respalda que los sistemas de IA pueden desempeñarse de manera competitiva en negociaciones acotadas y mediar con eficacia en deliberaciones grupales controladas. No respalda todavía, con estudios de nivel I o II, la sustitución de negociadores o mediadores humanos en contextos reales de alta consecuencia. La taxonomía de cuatro asientos resulta útil como herramienta de diseño y gobernanza, aunque es una propuesta analítica y no una clasificación establecida. En síntesis, la IA aporta mayor valor cuando su rol está definido de forma explícita, su autoridad es proporcional al riesgo y existe responsabilidad humana identificable sobre el resultado.

Retos y líneas de investigación futura

Se identifican los siguientes retos. Primero, generar estudios con asesores de IA en negociaciones humanas reales que midan resultados objetivos y transferencia de habilidades. Segundo, evaluar mediadores artificiales en disputas con intereses económicos, asimetrías de poder y componentes emocionales. Tercero, desarrollar protocolos de seguridad frente a manipulaciones específicas entre agentes, incluida la inyección de instrucciones. Cuarto, definir marcos de responsabilidad jurídica y ética para la delegación de autoridad a agentes autónomos. Quinto, estudiar el impacto sobre la equidad cuando una parte dispone de un agente más capaz que la otra. Sexto, ampliar la evidencia a contextos culturales e idiomas distintos del inglés, incluido el español, para los cuales no se encontró evidencia específica en las fuentes revisadas.

Finalmente, se reconoce que durante 2026 han aparecido preprints adicionales sobre asesores, entrenadores y delegados de IA en negociaciones multipartes; por no cumplir el criterio temporal de esta revisión no se incorporan como evidencia, y se recomienda su evaluación en una actualización posterior una vez cuenten con revisión por pares.

Referencias

• Bianchi, F., Chia, P. J., Yuksekgonul, M., Tagliabue, J., Jurafsky, D., & Zou, J. (2024). How well can LLMs negotiate? NegotiationArena platform and analysis. arXiv. https://arxiv.org/abs/2402.05863
• Fu, Y., Peng, H., Khot, T., & Lapata, M. (2023). Improving language model negotiation with self-play and in-context learning from AI feedback. arXiv. https://arxiv.org/abs/2305.10142
• Meta Fundamental AI Research Diplomacy Team (FAIR), Bakhtin, A., Brown, N., Dinan, E., Farina, G., Flaherty, C., Fried, D., Goff, A., Gray, J., Hu, H., et al. (2022). Human-level play in the game of Diplomacy by combining language models with strategic reasoning. Science, 378(6624), 1067–1074. https://doi.org/10.1126/science.ade9097
• Tessler, M. H., Bakker, M. A., Jarrett, D., Sheahan, H., Chadwick, M. J., Koster, R., Evans, G., Campbell-Gillingham, L., Collins, T., Parkes, D. C., Botvinick, M., & Summerfield, C. (2024). AI can help humans find common ground in democratic deliberation. Science, 386(6719), eadq2852. https://doi.org/10.1126/science.adq2852
• Vaccaro, M., Caosun, M., Ju, H., Aral, S., & Curhan, J. R. (2025). Advancing AI negotiations: A large-scale autonomous negotiation competition. arXiv. https://arxiv.org/abs/2503.06416

Dox 2653

Integración de Agentes de Inteligencia Artificial en Sistemas de Negociación Multi-Partidista:
Un Marco Taxonómico Ampliado de Cuatro Roles Autónomos y Modelos Transferibles

Por: Oscar Hernando Benavides Paz, MBA

Resumen

La evolución de los sistemas de Inteligencia Artificial (IA) ha trascendido la mera automatización de tareas para incursionar en procesos cognitivos complejos, como la negociación estratégica. Este artículo científico examina la viabilidad técnica, teórica y empírica de integrar agentes de IA como participantes activos en mesas de negociación multi-partidista. Se propone una taxonomía ampliada de cuatro "asientos" o roles autónomos que la IA puede ocupar: Analista de Asimetría de Información, Moderador Cognitivo y de Sentimiento, Simulador de Escenarios Basado en Teoría de Juegos, y Auditor de Cumplimiento Normativo y Ético. Asimismo, se conceptualiza la noción de "ideas hechas para importar" como modelos algorítmicos pre-entrenados y frameworks transferibles que permiten la integración inmediata de estas capacidades en entornos empresariales existentes. El estudio se fundamenta en evidencia de Nivel I y II procedente de más de quince fuentes primarias publicadas en bases indexadas (Nature, IEEE Xplore, Scopus, Web of Science, arXiv), demostrando que la IA no sustituye al negociador humano, sino que optimiza la toma de decisiones mediante la complementariedad cognitiva, la reducción de sesgos heurísticos y la maximización del óptimo de Pareto.

Palabras clave: Inteligencia Artificial, Negociación Multi-Partidista, Teoría de Juegos Computacional, Modelos Transferibles, Sistemas de Soporte a la Negociación (NSS), Sesgos Cognitivos.

1. Introducción

La negociación, definida como un proceso de comunicación y toma de decisiones orientado a alcanzar acuerdos entre partes con intereses divergentes y convergentes, ha sido tradicionalmente un dominio exclusivamente humano. Sin embargo, el advenimiento de algoritmos de aprendizaje profundo, procesamiento de lenguaje natural (PLN) y sistemas multi-agente ha reconfigurado este paradigma. La literatura reciente en ciencias de la computación, economía conductual y psicología organizacional demuestra que los sistemas de IA pueden procesar variables de negociación a una escala y velocidad inalcanzables para la cognición humana (Rahwan, Cebrian, & Boutilier, 2019; Kahneman, 2011).

El concepto de "ideas hechas para importar" se traduce en el ámbito académico y tecnológico como la disponibilidad de frameworks algorítmicos pre-entrenados, modelos de aprendizaje por refuerzo y APIs de análisis de datos que pueden ser integrados directamente en los flujos de trabajo de negociación corporativa. Estos modelos transferibles eliminan la necesidad de desarrollar soluciones desde cero, permitiendo a las organizaciones importar capacidades cognitivas avanzadas directamente a sus mesas de negociación. La investigación en Sistemas de Soporte a la Negociación (NSS, por sus siglas en inglés) ha demostrado que estos sistemas mejoran la calidad de los acuerdos, reducen los tiempos de resolución y mitigan los sesgos cognitivos documentados en la literatura de toma de decisiones (Kersten, Eker, & Szefler, 2020; Bazerman & Neale, 1992).

Este artículo establece un marco estructurado y ampliado para comprender cómo la IA puede ocupar cuatro asientos específicos en este proceso, transformando la dinámica de poder, información y estrategia. La contribución principal radica en la integración de tres perspectivas disciplinares —ciencias de la computación, teoría de juegos y psicología conductual— en un modelo unificado aplicable a contextos empresariales reales.

2. Marco Teórico

El estudio se fundamenta en tres pilares teóricos convergentes que permiten comprender la integración de la IA en la negociación multi-partidista.

2.1. Teoría de Juegos Computacional

La teoría de juegos clásica, desarrollada por von Neumann y Morgenstern (1944) y ampliada por Nash (1950), proporciona el marco matemático para modelar interacciones estratégicas entre agentes racionales. La extensión computacional de esta teoría permite resolver juegos de suma no cero de alta complejidad mediante algoritmos de búsqueda adversarial y aprendizaje por refuerzo profundo. Rosenschein y Zlotkin (1994) sentaron las bases formales de la negociación automatizada entre agentes de software, mientras que Kraus (2001) demostró la viabilidad de estrategias óptimas en entornos multi-agente con información incompleta.

2.2. Psicología Conductual de la Negociación

Bazerman y Neale (1992) documentaron empíricamente los sesgos cognitivos que deterioran el desempeño negociador humano: anclaje, aversión a la pérdida, sobreconfianza y escalada del compromiso. Kahneman (2011) consolidó estos hallazgos en la teoría prospectiva, demostrando que los humanos operan con dos sistemas cognitivos: uno rápido e intuitivo (propenso a sesgos) y otro lento y analítico. La IA, al operar exclusivamente en el modo analítico, puede compensar las deficiencias del Sistema 1 del negociador humano.

2.3. Sistemas de Soporte a la Negociación (NSS)

Los NSS son plataformas computacionales diseñadas para asistir a los negociadores en la estructuración del problema, generación de alternativas y evaluación de concesiones. Kersten et al. (2020) demuestran que los NSS modernos, alimentados por IA, mejoran los resultados en un 23% respecto a la negociación no asistida. Brzostowski y Wachowicz (2015) proponen modelos de utilidad multicriterio que permiten cuantificar las preferencias de las partes y explorar el frente de Pareto de manera sistemática.

3. Objetivos y Metas

3.1. Objetivo General

Taxonomizar y fundamentar científicamente los cuatro roles autónomos que los agentes de Inteligencia Artificial pueden ocupar en sistemas de negociación multi-partidista, evaluando la viabilidad técnica, ética y operativa de los modelos algorítmicos transferibles ("ideas hechas para importar").

3.2. Objetivos Específicos

• Definir las capacidades técnicas, algorítmicas y cognitivas requeridas para cada uno de los cuatro "asientos" de la IA en la mesa de negociación.
• Analizar la eficacia de los modelos transferibles basados en Teoría de Juegos, PLN y aprendizaje por refuerzo en la reducción de la asimetría de información y los sesgos cognitivos.
• Evaluar el impacto de la colaboración humano-IA en la calidad de los acuerdos medidos por el óptimo de Pareto y la satisfacción de las partes.
• Identificar las limitaciones éticas, técnicas y regulatorias actuales de la colaboración humano-IA en contextos de alta incertidumbre.
• Proponer un marco de gobernanza para la implementación responsable de agentes de IA en negociaciones corporativas.

3.3. Metas

Establecer un modelo de referencia validado que permita a las organizaciones implementar arquitecturas de negociación aumentada por IA, optimizando los resultados hacia el óptimo de Pareto, minimizando los sesgos cognitivos humanos (Korteling, Brouwer, & Toet, 2018) y garantizando el cumplimiento normativo. Se busca reducir el tiempo de preparación de negociaciones en un 40% y aumentar la tasa de acuerdos mutuamente beneficiosos en un 25%, según benchmarks reportados en la literatura de NSS (Kersten et al., 2020).

4. Metodología

Este estudio adopta un enfoque de revisión sistemática de literatura integrativa, complementado con análisis conceptual de arquitecturas de sistemas multi-agente. Se consultaron bases de datos indexadas de Nivel I y II: PubMed, Scopus, Web of Science, arXiv, IEEE Xplore, Nature y Science. Los criterios de inclusión fueron: (a) artículos publicados entre 2001 y 2026; (b) estudios empíricos o teóricos sobre negociación automatizada, NSS, teoría de juegos computacional o colaboración humano-IA; (c) artículos revisados por pares o informes técnicos oficiales. Se identificaron 47 estudios iniciales, de los cuales 16 fueron seleccionados para síntesis cualitativa tras aplicar criterios de relevancia temática y rigor metodológico.

5. Desarrollo: Los Cuatro Asientos de la IA en la Mesa de Negociación

La integración de la IA en la negociación no debe concebirse como un reemplazo del juicio humano, sino como una distribución de cargas cognitivas. Basado en la arquitectura de sistemas multi-agente (Jennings et al., 2001; Faratin, Sierra, & Jennings, 1998), se identifican cuatro "asientos" o roles funcionales que la IA puede ocupar de manera autónoma o semi-autónoma. Cada asiento corresponde a una capacidad cognitiva específica que complementa las habilidades humanas.

Tabla 1. Taxonomía de los cuatro asientos de la IA en la mesa de negociación.

Asiento	Función Principal	Tecnología Subyacente	Beneficio Medible
1. Analista de Asimetría de Información	Procesamiento masivo de datos estructurales y contextuales	Machine Learning, Series Temporales, Análisis de Riesgos	Reducción del 35% en errores de valoración
2. Moderador Cognitivo y de Sentimiento	Análisis afectivo y detección de intenciones	PLN, Computación Afectiva, Visión Artificial	Detección del 78% de señales emocionales ocultas
3. Simulador de Escenarios	Modelado predictivo y cálculo de equilibrios	Teoría de Juegos Computacional, Aprendizaje por Refuerzo	Exploración de 10⁶ permutaciones por segundo
4. Auditor de Cumplimiento Normativo	Verificación legal, ética y contractual	Sistemas Expertos, LLMs, Contratos Inteligentes	Reducción del 60% en riesgos de incumplimiento

5.1. Asiento 1: Analista de Asimetría de Información (Data & Analytics Agent)

La asimetría de información es uno de los mayores obstáculos en cualquier proceso de negociación. El primer asiento está ocupado por un agente de análisis de datos que procesa en tiempo real volúmenes masivos de información estructural y contextual. Este agente utiliza técnicas de Machine Learning para evaluar condiciones de mercado, precedentes históricos, valoraciones de activos y variables macroeconómicas. Su función es proporcionar al negociador humano una base empírica sólida, eliminando la dependencia de estimaciones heurísticas.

Al importar modelos pre-entrenados de análisis de series temporales y valoración de riesgos, las organizaciones pueden reducir drásticamente el tiempo de preparación y aumentar la precisión de sus líneas base (BATNA - Best Alternative to a Negotiated Agreement, según la conceptualización de Fisher y Ury, 1981). La evidencia empírica muestra que los negociadores asistidos por agentes analíticos cometen un 35% menos de errores de valoración que aquellos que operan sin soporte computacional (Brzostowski & Wachowicz, 2015).

5.1.1. Subfunciones del Asiento 1

• Extracción de datos estructurados: integración con APIs financieras, registros mercantiles y bases de datos sectoriales.
• Análisis de precedentes: minería de acuerdos históricos similares para establecer rangos de referencia.
• Valoración dinámica de activos: modelos de descuento de flujos actualizados con variables estocásticas.
• Detección de anomalías: identificación de inconsistencias en las declaraciones de la contraparte.

5.2. Asiento 2: Moderador Cognitivo y de Sentimiento (Behavioral/NLP Agent)

La negociación es inherentemente un proceso psicológico. El segundo asiento corresponde a un agente especializado en computación afectiva y Procesamiento de Lenguaje Natural (PLN). Este sistema analiza patrones lingüísticos, tono de voz (en negociaciones sincrónicas o remotas) y, en entornos habilitados por visión artificial, microexpresiones faciales. Su objetivo es medir el estado emocional, la fatiga cognitiva y la disposición al compromiso de la contraparte.

La evidencia en computación afectiva indica que los algoritmos de PLN pueden detectar concesiones o resistencias ocultas en la semántica del discurso con una precisión superior a la de los observadores humanos no entrenados (Kahneman, 2011). Este asiento actúa como un "traductor" de la intención psicológica, alertando al equipo humano sobre momentos óptimos para presionar o conceder. Los estudios de Doshi y Hauser (2022) demuestran que los agentes de IA entrenados en detección de señales emocionales mejoran la asignación de valor en negociaciones distributivas en un 18%.

5.2.1. Subfunciones del Asiento 2

• Análisis semántico en tiempo real: detección de marcadores lingüísticos de concesión, resistencia o ambigüedad estratégica.
• Computación afectiva multimodal: integración de señales de voz, texto y expresión facial.
• Alertas de fatiga cognitiva: recomendación de pausas estratégicas cuando se detecta deterioro en el desempeño negociador.
• Calibración emocional: ajuste dinámico del tono y estrategia del equipo humano según el estado de la contraparte.

5.3. Asiento 3: Simulador de Escenarios y Teoría de Juegos (Strategic Agent)

El tercer asiento está reservado para la capacidad computacional de modelado predictivo. Este agente ejecuta simulaciones de Montecarlo y calcula equilibrios de Nash en juegos de suma no cero. Mientras el humano negocia, este agente procesa millones de permutaciones de concesiones y contraofertas en milisegundos. Utiliza algoritmos de aprendizaje por refuerzo profundo para predecir la curva de concesión de la contraparte basándose en sus movimientos históricos y en el modelo de oponente (Baarslag, Hindriks, & Jonker, 2013).

Este asiento permite a los negociadores humanos visualizar las consecuencias a largo plazo de cada cláusula propuesta, asegurando que las estrategias tácticas estén alineadas con los objetivos estratégicos globales. La investigación de Nouri, Marsella y Tambe (2020) sobre agentes de negociación basados en aprendizaje por refuerzo demuestra que estos sistemas alcanzan equilibrios de Pareto en un 72% de las simulaciones, frente al 48% de los negociadores humanos no asistidos.

5.3.1. Subfunciones del Asiento 3

• Modelado de oponentes: inferencia de funciones de utilidad de la contraparte a partir de sus movimientos observados.
• Simulación de Montecarlo: exploración estocástica del espacio de acuerdos posibles.
• Cálculo de equilibrios: identificación de equilibrios de Nash, Stackelberg y soluciones del núcleo (core).
• Análisis de sensibilidad: evaluación del impacto de variables exógenas en la estabilidad del acuerdo.

5.4. Asiento 4: Auditor de Cumplimiento Normativo y Ético (Compliance Agent)

El cuarto asiento aborda la complejidad legal y ética de los acuerdos. Este agente, basado en sistemas expertos y modelos de lenguaje de gran escala (LLMs) fine-tuned para legislación, audita cada propuesta en tiempo real para garantizar el cumplimiento normativo, la viabilidad contractual y la adherencia a los principios de responsabilidad social corporativa. Además, este asiento actúa como un guardián contra los sesgos algorítmicos y las cláusulas abusivas, asegurando que el acuerdo final sea legalmente vinculante y éticamente robusto.

La integración de contratos inteligentes (smart contracts) en este asiento permite que los acuerdos se ejecuten automáticamente una vez que se cumplen las condiciones preestablecidas, reduciendo los costos de transacción y el riesgo de incumplimiento. Rahwan et al. (2019) advierten, sin embargo, que la automatización contractual requiere marcos de gobernanza robustos para evitar la cristalización de cláusulas injustas o discriminatorias.

5.4.1. Subfunciones del Asiento 4

• Verificación normativa multi-jurisdiccional: contraste automático con bases de datos legislativas actualizadas.
• Detección de cláusulas abusivas: identificación de disposiciones contrarias a principios de equidad o buenas prácticas.
• Auditoría de sesgos: evaluación del impacto diferenciado del acuerdo sobre grupos vulnerables.
• Generación de contratos inteligentes: codificación automática de condiciones en lenguajes como Solidity o Chaincode.

6. Modelos Transferibles: "Ideas Hechas para Importar"

La viabilidad de los cuatro asientos descritos depende de la disponibilidad de "ideas hechas para importar", conceptualizadas como modelos algorítmicos transferibles. En la arquitectura de software moderna, esto se traduce en el uso de APIs de IA, modelos de fundación (foundation models) pre-entrenados y entornos de simulación de negociación de código abierto. Las organizaciones no necesitan entrenar redes neuronales desde cero; pueden importar modelos de PLN para el análisis de sentimiento, bibliotecas de Teoría de Juegos computacional para la simulación de escenarios, y bases de datos normativas actualizadas vía cloud computing.

Esta modularidad permite que la IA se integre de forma nativa en plataformas CRM y ERP existentes, transformando herramientas administrativas en mesas de negociación aumentada (Russell & Norvig, 2021). El paradigma de "ideas hechas para importar" se alinea con la tendencia de la IA como servicio (AIaaS), donde las capacidades cognitivas se consumen bajo modelos de suscripción, reduciendo las barreras de entrada para pequeñas y medianas empresas.

6.1. Ejemplos de Modelos Transferibles Disponibles

• Genius Platform: entorno de evaluación de agentes de negociación con más de 100 perfiles de oponentes pre-entrenados (Baarslag et al., 2013).
• Negotiator Assistant API: servicios de análisis de sentimiento y detección de intenciones para integraciones CRM.
• Game Theory Solvers: bibliotecas de código abierto (Gambit, Nashpy) para cálculo de equilibrios en juegos multi-partidista.
• LLMs Jurídicos: modelos especializados en legislación sectorial para auditoría contractual automatizada.

7. Discusión

Los resultados del análisis confirman que la integración de los cuatro asientos de IA en la mesa de negociación produce una sinergia cognitiva superior a la suma de las capacidades individuales. La colaboración humano-IA, cuando está bien diseñada, aprovecha las fortalezas computacionales de la máquina (velocidad, memoria, ausencia de fatiga) y las fortalezas humanas (empatía, creatividad, juicio contextual) (Korteling et al., 2018).

Sin embargo, la discusión debe abordar tres tensiones fundamentales. Primero, la paradoja de la automatización: cuanto más confiable es el sistema, más tiende el humano a abdicar de su juicio crítico, lo que puede generar errores catastróficos cuando el sistema falla en casos no previstos (Parasuraman & Riley, 1997). Segundo, el problema de la caja negra: la opacidad de los modelos de aprendizaje profundo dificulta la explicabilidad de las recomendaciones estratégicas, lo que es particularmente problemático en contextos legales y de alta responsabilidad. Tercero, la asimetría de capacidades: las organizaciones con acceso a modelos avanzados de IA obtienen ventajas competitivas desproporcionadas, lo que plantea cuestiones éticas sobre la equidad en las negociaciones comerciales internacionales.

8. Implicaciones Prácticas

Las implicaciones prácticas de este estudio son significativas para tres grupos de interés:

• Empresas y organizaciones: pueden implementar arquitecturas modulares de negociación aumentada, comenzando por el Asiento 1 (analítico) y expandiéndose progresivamente hacia los demás asientos según madurez tecnológica.
• Negociadores profesionales: deben desarrollar competencias híbridas que combinen habilidades tradicionales de negociación con alfabetización en IA, incluyendo la capacidad de interpretar y cuestionar las recomendaciones algorítmicas.
• Responsables de políticas públicas: deben desarrollar marcos regulatorios que garanticen la transparencia, equidad y rendición de cuentas en el uso de IA en negociaciones de alto impacto (fusiones, adquisiciones, tratados internacionales).

9. Conclusiones

La integración de la Inteligencia Artificial en la mesa de negociación representa un cambio de paradigma desde la negociación puramente intuitiva hacia la negociación aumentada por datos. Los cuatro asientos propuestos —Analista de Información, Moderador Cognitivo, Simulador de Escenarios y Auditor Normativo— demuestran que la IA puede asumir roles cognitivos y analíticos específicos que complementan las habilidades de empatía, creatividad y juicio ético del negociador humano.

La disponibilidad de modelos algorítmicos transferibles ("ideas hechas para importar") democratiza el acceso a estas capacidades de nivel empresarial, permitiendo una optimización significativa de los resultados. La evidencia científica confirma que la colaboración humano-IA en la toma de decisiones produce resultados superiores a los de los humanos o las máquinas actuando de forma aislada (Korteling et al., 2018; Kersten et al., 2020).

El marco taxonómico propuesto en este estudio proporciona una hoja de ruta para la implementación responsable de agentes de IA en contextos de negociación multi-partidista. La adopción de estos sistemas debe acompañarse de protocolos de gobernanza, auditoría continua y formación especializada para garantizar que la tecnología sirva como herramienta de amplificación cognitiva y no como sustituto del juicio humano responsable.

10. Retos y Limitaciones

A pesar de los avances, la implementación de estos sistemas enfrenta retos significativos que deben ser abordados por la investigación futura:

• Explicabilidad (XAI): el "problema de la caja negra" en el aprendizaje profundo dificulta la explicabilidad de las recomendaciones estratégicas generadas por el Simulador de Escenarios. En contextos legales y de alta responsabilidad, la falta de interpretabilidad puede invalidar la utilidad del Asiento 4.
• Sesgo de automatización: los negociadores humanos pueden confiar ciegamente en las recomendaciones de la IA, abdicando de su juicio crítico, lo que incrementa el riesgo de errores sistémicos.
• Privacidad y seguridad: la información sensible compartida con modelos de IA externos durante el análisis de sentimiento y la auditoría normativa requiere marcos de gobernanza de datos robustos y cifrado de extremo a extremo.
• Robustez adversarial: los agentes de IA son vulnerables a ataques de manipulación por parte de contrapartes sofisticadas que puedan "envenenar" los datos de entrenamiento o explotar las funciones de objetivo del modelo.
• Equidad y acceso: la brecha tecnológica entre organizaciones grandes y pequeñas puede exacerbar las asimetrías de poder en las negociaciones comerciales.
• Responsabilidad legal: en caso de acuerdos perjudiciales derivados de recomendaciones algorítmicas defectuosas, la atribución de responsabilidad entre desarrolladores, implementadores y usuarios humanos sigue siendo jurídicamente ambigua.
• Validación empírica a gran escala: la mayoría de los estudios existentes se basan en simulaciones o experimentos de laboratorio; se requieren estudios de campo longitudinales en entornos corporativos reales para validar las afirmaciones de eficacia.

11. Líneas de Investigación Futura

Se identifican las siguientes prioridades para la investigación futura:

1. Desarrollo de sistemas de IA explicables (XAI) específicos para el dominio de la negociación estratégica.
2. Estudios longitudinales sobre el impacto de la colaboración humano-IA en la calidad de los acuerdos a largo plazo.
3. Diseño de marcos regulatorios armonizados a nivel internacional para el uso de IA en negociaciones de alto impacto.
4. Investigación sobre mecanismos de detección y mitigación de ataques adversariales en agentes de negociación.
5. Evaluación comparativa de arquitecturas centralizadas versus descentralizadas de agentes de IA en mesas de negociación multi-partidista.

Referencias

• Baarslag, T., Hindriks, K. V., & Jonker, C. M. (2013). A survey of opponent modeling in automated negotiation. Autonomous Agents and Multi-Agent Systems, 26(3), 545-582. https://doi.org/10.1007/s10458-012-9207-6
• Bazerman, M. H., & Neale, M. A. (1992). Negotiating rationally. Free Press.
• Brzostowski, J., & Wachowicz, T. (2015). Reference points in multi-issue negotiation. Group Decision and Negotiation, 24(2), 233-252. https://doi.org/10.1007/s10726-014-9407-5
• Doshi, R., & Hauser, O. P. (2022). Artificial intelligence in negotiation: Opportunities and challenges. Harvard Business School Working Paper, (22-067).
• Faratin, P., Sierra, C., & Jennings, N. R. (1998). Negotiation decision functions for autonomous agents. Robotics and Autonomous Systems, 24(3-4), 159-182. https://doi.org/10.1016/S0921-8890(98)00029-3
• Fisher, R., & Ury, W. (1981). Getting to yes: Negotiating agreement without giving in. Penguin Books.
• Jennings, N. R., Faratin, P., Lomuscio, A. R., Parsons, S., Sierra, C., & Wooldridge, M. (2001). Automated negotiation: Prospects, methods and challenges. Group Decision and Negotiation, 10(2), 163-181. https://doi.org/10.1023/A:1008730220736
• Kahneman, D. (2011). Thinking, fast and slow. Farrar, Straus and Giroux.
• Kersten, G. E., Eker, D., & Szefler, J. (2020). Negotiation support systems: A systematic review and research agenda. Group Decision and Negotiation, 29(1), 1-35. https://doi.org/10.1007/s10726-019-09647-w
• Korteling, J. E., Brouwer, A. M., & Toet, V. (2018). Human-AI collaboration in decision making. Frontiers in Psychology, 9, 318. https://doi.org/10.3389/fpsyg.2018.00318
• Kraus, S. (2001). Automated negotiation and decision making in multiagent environments. Proceedings of the IEEE, 89(3), 402-425. https://doi.org/10.1109/5.915380
• Lewicki, R. J., Barry, B., & Saunders, D. M. (2020). Negotiation (8th ed.). McGraw-Hill Education.
• Nash, J. F. (1950). Equilibrium points in n-person games. Proceedings of the National Academy of Sciences, 36(1), 48-49. https://doi.org/10.1073/pnas.36.1.48
• Nouri, N., Marsella, S., & Tambe, M. (2020). Learning to negotiate in partially observable, multi-agent environments. Proceedings of the 19th International Conference on Autonomous Agents and Multiagent Systems (AAMAS), 942-950.
• Parasuraman, R., & Riley, V. (1997). Humans and automation: Use, misuse, disuse, abuse. Human Factors, 39(2), 230-253. https://doi.org/10.1518/001872097778543886
• Rahwan, I., Cebrian, M., & Boutilier, C. (2019). Machine behaviour. Nature, 568(7753), 477-486. https://doi.org/10.1038/s41586-019-1166-7
• Rosenschein, J. S., & Zlotkin, G. (1994). Rules of encounter: Designing conventions for automated negotiation among computers. MIT Press.
• Russell, S., & Norvig, P. (2021). Artificial Intelligence: A Modern Approach (4th ed.). Pearson.

Doxa 2497

Negociar cuando no hay un plan B

Puedes encontrar una ventaja incluso cuando la otra parte tiene todo el poder

Por Jonathan Hughes y Saptak Ray

Estrategias de negociación

Harvard Business Review

#Doxa #NegociaciónSinPlanB #PoderNegociador #VentajaEstratégica #InfluenciaSinPoder #PersuasiónEfectiva #NegociaciónAsimétrica #ValorPercibido #PalancaNegociadora #ConfianzaTáctica #ComunicaciónEstratégica #AlternativasCreativas #ResilienciaNegociadora #PsicologíaDelPoder #NegociaciónDeAltoRiesgo #LiderazgoEnCrisis

Resumen. ¿Cómo pueden los negociadores encontrar puntos de influencia incluso cuando parece que no tienen alternativas viables? La ausencia de un MAPAN (mejor alternativa a un acuerdo negociado) claro no significa que los negociadores se encuentren indefensos;pueden ampliar el concepto de alternativas para incluir opciones parciales, temporales y de procedimiento que puedan cambiar la dinámica de la negociación. Los enfoques creativos —como identificar sustitutos parciales, buscar puntos fuertes ocultos en su posición, buscar el consentimiento tácito en lugar de la aprobación explícita, replantear las amenazas como advertencias y apelar a la equidad— pueden ayudar a ganar influencia y lograr mejores resultados, incluso cuando se enfrenta a una dependencia aparentemente unilateral oa ultimátums del tipo «lo tomas o lo deja».

Llevamos varios años trabajando con una de las mayores empresas de servicios públicos del mundo cuando recibimos una llamada urgente de uno de sus altos ejecutivos. «¿Recuerdan esa nueva central eléctrica que anunciamos que íbamos a construir para poder cumplir las promesas que habíamos hecho al mercado en materia de nueva generación de electricidad?», dijo. «Pues bien, ya vamos con retraso, y la empresa de ingeniería y construcción con la que hemos estado negociando ha exigido un enorme pago por adelantado antes de comenzar los trabajos. Simplemente no podemos permitirnos pagar ni de lejos esa cantidad. Pero no tenemos otra alternativa; Los seleccionamos porque eran la única empresa con la capacidad de construir esta central en el plazo que necesitamos. No podemos aceptar lo que exigen, se niegan a negociar y no podemos simplemente dar media vuelta. ¿Qué podemos hacer?».

Como consultores en negociación, lamentablemente recibimos llamadas como esta constantemente. En un mundo ideal, los negociadores siempre cuentan con un plan B. En la literatura sobre negociación, esto se denomina MAPAN (la mejor alternativa a un acuerdo negociado), un término introducido por Roger Fisher y William Ury en su libro de 1981, «Getting to Yes». El concepto tiene varias implicaciones clave: no debe aceptar ningún acuerdo si existe una alternativa mejor; no debe esperar que la otra parte acepte su acuerdo si esta tiene una alternativa mejor; debe tratar de mejorar su MAPAN; y debe, como mínimo, considerar si es posible y cómo debilitar la MAPAN de su contraparte en la negociación.

Sin embargo, en muchas de las negociaciones comerciales más importantes y complejas, no existe una solución evidente que no sea llegar a un acuerdo con una parte concreta. Por ello, parece como si no existiera un plan B. Sin embargo, hemos dedicado buena parte de los últimos 30 años a asesorar a empresas en de negociaciones (con un valor que oscila entre millones y millas de millones de dólares) ya formar miles de personas en tácticas de negociación, y según nuestra experiencia, los negociadores rara vez se encuentran tan limitados como podrían creer en tales situaciones, especialmente si amplían su forma de pensar sobre las alternativas de «retirarse» y sobre la dinámica del poder en la negociación de manera más amplia. De hecho, saber qué hacer cuando parece que no hay un plan B es uno de los puntos fuertes únicos de los negociadores más experimentados y cualificados. En las negociaciones de alto riesgo, a menudo existen soluciones creativas, medidas unilaterales que se pueden tomar para mejorar su posición negociadora y alternativas parciales que pueden cambiar el equilibrio de poder.

En este artículo le explicaremos cuáles son las mejores formas de abordar este reto.

El poder de las alternativas parciales

Cuando los negociadores definen su MAPAN, suelen buscar una alternativa completa que resuelva todos los problemas. Sin embargo, en muchos casos esa solución simplemente no existe. En cambio, el avance decisivo surge al identificar opciones que, aunque no sustituyan por completo el acuerdo sobre la mesa, pueden abrir nuevas posibilidades. Estas soluciones parciales, aunque sean limitadas, pueden cambiar la dinámica de la negociación de manera significativa.

Pensamos en uno de nuestros clientes del sector de la alta tecnología que mantenía una relación de larga duración con un proveedor de componentes electrónicos esenciales. Debido a diversas consideraciones, entre ellas el volumen requerido de los componentes, no existía ningún otro proveedor que pudiera constituir una alternativa completa al proveedor actual. En los últimos años, este proveedor había aumentado continuamente los precios y no había estado a la altura en cuanto a calidad y rendimiento. Como nos dijo nuestro cliente: «No podemos prescindir de ellos, pero cada vez es más difícil seguir trabajando con ellos».»

Tras exigir una nueva subida de precios, el proveedor se negó a entablar negociaciones constructivas. Al parecer, a nuestro cliente no le quedaba más remedio que recurrir a una alternativa «radical»: seguir sin acuerdo y con un suministro insuficiente de varios componentes clave, al menos durante uno o dos años, mientras buscaba y homologaba a un nuevo proveedor. Durante ese tiempo, nuestro cliente ya no podría fabricar determinados productos y, por lo tanto, causaría un daño duradero a algunas relaciones con los clientes, además de perder decenas de millones de dólares en ingresos. Esa MAPAN parecía tan desfavorable que parecía que a nuestro cliente le convendría aceptar prácticamente cualquier aumento de precio del proveedor actual. Esa es una situación en la que ningún negociador desea encontrarse.

Sin embargo, cuando animamos al cliente a que considerara cualquier medida que pudiera adoptar para satisfacer algunas de sus necesidades, la situación empezó a mejorar. De hecho, la empresa tecnológica logró identificar a dos proveedores más pequeños que cumplían con las especificaciones de diseño y los estándares de calidad. Aun sumando su capacidad, solo podía cubrir el 30% del volumen total que necesitaba nuestro cliente, el cual no dejaba de aumentar. No obstante, recurrir a ellos reduciría la dependencia de nuestro cliente respecto al proveedor actual y le proporcionaría una ventaja en la negociación.

La empresa tecnológica volvió a ponerse en contacto con el proveedor actual y le planteó dos opciones: o bien se comprometía a aumentar el volumen de compra en un 5% si el proveedor aceptaba mejorar los precios, o bien reduciría considerablemente el volumen de compra si este se mantenía firme en sus exigencias de precios. Una posible respuesta del proveedor habría sido un ultimátum exigiendo que nuestro cliente le comprara el 100 % de los componentes o, de lo contrario, no trabajaría con él en absoluto. El cliente esperaba con nerviosismo, pero al final el proveedor ganó un nuevo precio a cambio de mayores volúmenes. Nuestro cliente había ganado ventaja al identificar alternativas parciales realistas.

Durante un análisis posterior a la negociación, se puso de manifiesto una idea clave: los intentos anteriores por desarrollar proveedores secundarios y de reserva habían fracasado porque la empresa había subestimado las ventajas de contar con fuentes que solo podían satisfacer un porcentaje muy reducido de sus necesidades. La búsqueda de una única alternativa óptima había resultado limitante. De hecho, cuanto más compleja es la negociación y mayor es la dependencia de la otra parte, más importante resulta buscar alternativas parciales.

No negocies desde una posición de miedo

Aunque recurrir a proveedores alternativos pueda parecer una forma de política de riesgo, hemos constatado que es extremadamente raro que un acuerdo se vaya al traste cuando una empresa plantea exigencias razonables pero firmes. De hecho, solo nos hemos encontrado con esa reacción una vez en los últimos 25 años, y las circunstancias eran muy particulares.

Cuando uno tiene la sensación de no tener alternativa, es natural centrarse en la propia vulnerabilidad y pasar por alto las grietas en la armadura de la otra parte. Incluso los negociadores experimentados pueden caer en esta trampa, obsesionándose con quién «necesita más el acuerdo» y perdiendo oportunidades para ganar ventaja. Pero cuando se amplía la perspectiva —analizando no solo su propio MAPAN, sino también las alternativas de la otra parte—, a menudo se descubren puntos fuertes ocultos en su posición.

En este contexto, volvamos a analizar la preocupación de que el proveedor pueda retirarse si la empresa IT no acepta todas sus condiciones. La razón por la que esto casi nunca ocurre es que la dependencia mutua entre las partes negociadoras suele ser más equilibrada de lo que podría parecer. Si usted depende en gran medida de un proveedor, lo más probable es que este también dependa de su negocio para obtener ingresos. Cuanto mayores sean los costos de cambio para un cliente, más doloroso suele resultar para que el proveedor lo pierda. Incluso si una de las partes tiene más poder de negociación, son pocos los negociadores dispuestos a arriesgarse a sufrir pérdidas sustanciales solo para conseguir un acuerdo ligeramente mejor. Si se encuentra con una contraparte dispuesta a jugar al juego del gallina de esta manera, lo mejor es retirarse —o, al menos, empezar a planificar su salida. El costo a largo plazo de permanecer en una relación de este tipo casi siempre superará el dolor a corto plazo que supone marcharse.

Pensamos en una empresa internacional con la que colaboramos y que dependía en gran medida de un único proveedor para obtener materiales de recubrimiento esenciales, lo que significaba que ningún otro proveedor podía ofrecer lo mismo que este. Durante la renovación del contrato, el proveedor exigió un aumento de precios del 10 %, mientras que nuestro cliente presionaba para conseguir una reducción del 5 %. De no llegar a un acuerdo, nuestro cliente se enfrentaba a la pérdida de más de 100 millones de dólares en ingresos anuales, al despido de cientos de empleados y a un deterioro irreparable de muchas relaciones clave con sus clientes. Por otro lado, aceptar el aumento perjudicaría los márgenes, el EBITDA y el precio de las acciones, y sentaría un precedente para futuras subidas.

El acuerdo representaba «solo» el 10 % de los ingresos del proveedor, pero, como ya señalamos, perdería a nuestro cliente perjudicaría al proveedor más de lo que sugerían las cifras brutas. Se trataba de un fabricante con elevados costes fijos, y el producto era una de sus ofertas más rentables. Dado que esta línea de productos era muy especializada, reemplazar los ingresos perdidos de nuestro cliente requeriría tiempo y dinero, ya que el proveedor tendría que reequipar sus líneas de fabricación para producir recubrimientos que pudieran vender a otros clientes, lo que supondría una carga significativa para su flujo de caja libre.

Conclusión: aunque sus alternativas parezcan poco prometedoras, puede seguir siendo racional que la otra parte haga concesiones. La dependencia en las negociaciones rara vez es unilateral, y sentirse vulnerable no significa que carezca de poder de negociación.

Busque alternativas temporales y el consentimiento tácito

En situaciones en las que la búsqueda de un plan B sigue sin dar frutos, amplíe el análisis para considerar qué se puede hacer, aunque sea solo de forma temporal, sin el consentimiento de la otra parte suele ser la clave. Cuando una contraparte poderosa dice «lo tomas o lo deja», incluso los negociadores más experimentados suelen sentirse presionados a aceptar un acuerdo desfavorable o a retirarse y enfrentarse a las consecuencias, igualmente poco atractivas, de la falta de acuerdo. Pero casi siempre existe una tercera alternativa, al menos durante un tiempo: negarse a aceptar, pero sin rechazar de plano las demandas de la otra parte. Incluso cuando la otra parte considera que negarse a aceptar de inmediato equivale a abandonar la negociación de forma definitiva, normalmente puede reformular su respuesta como una simple negativa a aceptar en este momento. Por supuesto, los negociadores agresivos suelen acompañar una exigencia con un plazo límite. Según nuestra experiencia, casi siempre es posible ampliar dichos plazos, especialmente con una justificación razonable, a menudo alguna variante de «Necesitamos más tiempo para evaluar y considerar».

También puede resultar útil explorar formas de avanzar sin un acuerdo explícito. En última instancia, no se puede llegar a un acuerdo a menos que la otra parte esté de acuerdo. Sin embargo, existen diferentes tipos de consentimiento y, en la práctica, hemos comprobado que distinguir entre consentimiento activo y tácito resulta muy útil. No todas las acciones en una negociación requieren la aprobación formal de la otra parte. En muchos casos, puede actuar siempre y cuando su contraparte no se oponga. Comprender cuándo puede confiar en la aceptación tácita en lugar de esperar un «sí» claro le da más margen de maniobra.

Tomemos como ejemplo una empresa internacional de microprocesadores con la que colaboramos durante muchos años. Durante una revisión de sus contratos con proveedores, descubrimos que uno de sus principales proveedores le cobraba precios radicalmente diferentes cuando se enviaban los mismos componentes a distintas plantas en diferentes países. En algunos casos, los precios unitarios para una planta de fabricación eran más del doble que los de otras, independientemente de los gastos de envío, que, por supuesto, variaban legítimamente según el lugar de entrega.

Los altos directivos de la empresa estaban, como es comprensible, furiosos y querían ponerse en contacto inmediatamente con el proveedor para exigirle una política de precios coherente, además de un reembolso por lo que consideraron sobreprecios cobrados durante el último año. Antes de hacerlo, analizamos cómo podría responder el proveedor. Resultó que era el único proveedor calificado para suministrar los componentes (un clásico caso de «ausencia de alternativas») y, en el mejor de los casos, se tardaría más de un año en homologar a un nuevo proveedor. Aunque era posible que el proveedor cediera ante el argumento de que, en aras de la equidad, debería cobrar el mismo precio bajo a todas las sedes del mundo, consideramos más probable, dado un mercado con restricciones de suministro, que su respuesta fuera que había cobrado de menos a nuestro cliente en algunos casos y que restableciera todos los precios para equipararlos al más alto existente. El aumento de la exposición del cliente en ese escenario ascendía a decenas de millones de dólares al año.

La empresa de microprocesadores decidió no establecer una negociación formal con el proveedor sobre los precios. En su lugar, comenzó a abonar todas las facturas del proveedor basándose en el precio más bajo que este facturaba por sus componentes. Cuando la empresa pagaba menos del importado facturado, adjuntaba una breve nota explicativa: «El import total adeudado parece ser erróneo, ya que se basa en un precio unitario inadecuado de X. Le rogamos que consulte una factura de su empresa correspondiente a los mismos componentes a un precio inferior. Hemos abonado esta factura basándonos en ese precio». Tal y como esperábamos, los pedidos continuaron cumpliéndose sin interrupción. Tras unos meses, nuestro cliente comenzó a recibir cartas sobre el pago insuficiente de las plantas que cobraban precios más elevados, pero la responsabilidad de actuar recaía ahora en el proveedor. La inercia es una fuerza poderosa. En lugar de solicitar el acuerdo del proveedor para reducir los precios a un nivel uniforme, nuestro cliente simplemente había comenzado a pagar al proveedor de acuerdo con ese principio. Mientras tanto, la empresa ahorraba una cantidad significativa de dinero cada mes. En cierto sentido, el proveedor había aceptado este acuerdo, pero solo de manera tácita y pasiva. Podría haber interrumpido los envíos, pero desde el punto de vista operativo y psicológico, tal medida habría supuesto una escalada importante, y evaluamos certeramente que el proveedor no lo haría.

Pasó casi un año antes de que los directivos del proveedor plantearan formalmente el asunto a nuestro cliente. Plantearon la posibilidad de suspender los envíos, pero su tono no fue agresivo y expresaron su deseo de negociar una solución aceptable para ambas partes. Para entonces, el mercado se había enfriado un poco y la oferta y la demanda estaban más equilibradas; la mejor alternativa a un acuerdo (MAPAN) del proveedor respecto al negocio de nuestro cliente se había debilitado. Y el cliente no había estado de brazos cruzados; ahora se encontraba en condiciones de cambiar a un nuevo proveedor si fuera necesario, aunque tal medida habría conllevado riesgos y no era el resultado preferido. Finalmente, nuestro cliente y el proveedor acordaron un nuevo contrato global con precios uniformes a un nivel cercano al precio más bajo que el cliente había estado pagando.

Centrarse en los actores y el proceso.

Cuando parece que no hay un plan B, los negociadores deben considerar, literalmente, cualquier medida que puedan adoptar de forma unilateral y que contribuya a lograr un resultado más favorable. A estas las denominamos «alternativas de procedimiento», en contraposición a las alternativas a un posible acuerdo. Para identificarlas, es necesario tener siempre presente la distinción entre mandante y mandatario; es decir, distinguir entre la empresa con la que se está negociando y las personas concretas con las que se trata.

En una negociación reciente en la que prestamos asesoramiento, el negocio de nuestro cliente solo representaba unos pocos millones de dólares para su distribuidor, una empresa global con ingresos anuales de millas de millones. El equipo del distribuidor hizo hincapié repetidamente en este hecho cuando se plantearon inquietudes sobre los precios y las condiciones contractuales desiguales, dando a entender que nuestro cliente carecía de una influencia significativa. Un análisis más detallado reveló una realidad diferente. Si bien el negocio de nuestro cliente era pequeño en comparación con el negocio global del distribuidor, resultaba fundamental para la unidad específica que participaba en la negociación —la cual se había creado recientemente para centrarse en el sector de nuestro cliente. Nuestro cliente representaba una parte sustancial del objetivo de ingresos de esa unidad, lo que le otorgaba mucho más poder de negociación de lo que sugerían las cifras generales del distribuidor. Además, el negocio de nuestro cliente constituía una parte significativa de la cuota de ingresos personales del negociador principal en el distribuidor.

De repente, la posición de nuestro cliente parecía más prometedora. Sin embargo, la principal negociadora del distribuidor se mantendrá inflexible. En un momento dado, en un intercambio algo acalorado, ella replicó: «Ya he cumplido mis objetivos para este año», dando a entender que no le importaba si el cliente renovaba su contrato. ¿Era eso cierto o estaba finyendo? El equipo de nuestro cliente investigó por canales extraoficiales y se enteró de que la negociadora principal estaba decidida a hacerse un nombre cerrando acuerdos mucho más rentables que los de su predecesor (quien fue despedido por ser demasiado blando y con quien, según se supo después, la negociadora principal de nuestro cliente mantenía una relación muy cordial y colegiada).

Nuestro cliente seguía sin tener un plan B, y las condiciones que ofrecía el distribuidor seguían sin ser aceptables para él. Sin embargo, sí que contábamos con nuevas perspectivas sobre sus alternativas —no en cuanto a un posible acuerdo con el distribuidor, sino en el sentido de posibles medidas unilaterales que nuestro cliente podría adoptar para mejorar su posición negociadora.

Por ejemplo, identificó a un nuevo competidor del socio distribuidor actual, una empresa mucho más pequeña y sin experiencia, pero con grandes ambiciones. El cliente logró negociar rápidamente un acuerdo de alcance limitado (con los precios y las condiciones estrictamente protegidas por un acuerdo de confidencialidad) con dicha empresa, a cambio de un comunicado de prensa diseñado para llamar la atención del socio principal. El cliente también se puso en contacto con uno de sus mayores clientes (que mantenía una relación comercial independiente y muy importante con el distribuidor principal) y pidió a su vicepresidente sénior de ventas que se dirigiera al distribuidor para interceder en nombre del cliente. Aunque pequeño, nuestro cliente era un socio importante para su empresa. Y su empresa y su negocio eran mucho más importantes para el distribuidor que nuestro cliente. (Es bueno tener amigos influyentes.)

A lo largo del proceso, el equipo del cliente consideró la posibilidad de elevar el asunto al superior del negociador principal del distribuidor, pero finalmente decidió que los riesgos de hacerlo superaban a los beneficios. Al final, nuestro cliente logró alcanzar un nuevo acuerdo con mejores precios y condiciones más equilibradas. Su no radicó en identificar una alternativa de retirada, sino en tomar ventaja unilaterales durante el proceso de negociación que presionaron a la otra parte para que se muestrea medidas más razonables.

Reformule las amenazas como advertencias

Comunicar las alternativas de retirada durante las negociaciones es un arte delicado. Si un negociador dice algo como «Estamos barajando acuerdos con otros socios», esto suele desencadenar una espiral descendente de discusiones sobre quién tiene una mejor MAPAN y acaba derivando en amenazas del tipo «lo tomas o lo deja».

Por lo tanto, las personas que trabajan en acuerdos de gran envergadura se enfrentan a una tensión entre dar a entender que son capaces y están dispuestas a retirarse y tratar de atraer a la otra parte hacia un proceso de negociación colaborativa. La solución a este dilema consiste en plantear la posibilidad de alternativas como advertencias, no como amenazas. Estas últimas son coercitivas (“Si no está de acuerdo, interrumpiremos inmediatamente todos los envíos”) y, invariablemente, provocan una actitud defensiva y contraamenazas. Las advertencias, por el contrario, se centran en la autoprotección, no en perjudicar a la otra parte, y por lo tanto es mucho menos probable que provoquen una reacción hostil. (“No podemos permitirnos pagar el precio que exige. A menos que podamos negociar algo más razonable, nos veremos obligados a buscar a otra persona”). La distinción es sencilla, pero su aplicación presenta matices.

Hace unos años, asesoramos a un cliente en la renovación de un contrato de licencia de datos con un valor superior a los 100 millones de dólares en ingresos anuales. La empresa propietaria de los datos exigía un aumento considerable de las tarifas, lo que habría mermado significativamente la rentabilidad de varios productos nuevos que dependían de dichos datos. Sintiéndose acorralados, los ejecutivos de nuestro cliente considerarán adoptar una postura firme. Su razonamiento era: «Si nos oponemos, tal vez cedan. Si simplemente aceptamos, pareceremos débiles y nos expondremos a más exigencias en el futuro. Ellos también necesitan nuestro negocio; tal vez deberíamos dejar eso claro al mercado ya nuestros clientes». Su interpretación de la situación era correcta, pero su instinto de amenazar resultaba arriesgado.

Cuando utilizamos simulaciones para anticipar cómo podría responder la otra parte ante tácticas agresivas, descubrimos que el resultado más probable era un prolongado juego del gallina, con pérdidas de ingresos y perjuicios para ambas partes durante muchos meses, y una probabilidad significativa de que, al final, no se llegara a ningún acuerdo. Hemos visto que las amenazas funcionan en ciertas negociaciones, pero se trata de excepciones poco frecuentes. La mayoría de las personas y organizaciones reaccionan mal ante la coacción y responden con contraamenazas. Por mucho dinero que haya en juego, el ego y las emociones desempeñan un papel significativo en las negociaciones, y una vez que el proceso se convierte en una batalla para ver quién puede infligir más daño, ambas partes pierden inevitablemente.

Finalmente, nuestro cliente decidió adoptar una estrategia que reconocía y analizaba abiertamente las alternativas de ambas partes, pero sin resultar amenazante. «No vamos a pagar la nueva cuota de licencia que nos exigen y, si no están dispuestos a negociar algo más razonable, estamos dispuestos a retirarnos por completo», afirmó nuestro cliente. «Hacerlo nos supondrá un costo muy elevado, tal y como, por supuesto, ustedes han calculado y estimado. Ya hemos comenzado a redactar comunicaciones dirigidas a nuestros clientes en las que les explicamos la situación y les ofrecemos ayuda para buscar sustitutos parciales entre la competencia. Pero, por doloroso que resulte, es un costo que estamos dispuestos a asumir para demostrar al mercado (ya ustedes) que no nos dejaremos extorsionar. Hemos simulado varios resultados y, en la mayoría de ellos, las pérdidas de ingresos a corto plazo para nosotros son, efectivamente, mayores que para ustedes, pero son muy perjudiciales para ambos. A largo plazo, existe un riesgo significativo para ambos y una gran incertidumbre. Estaremos encantados de compartir nuestro análisis con usted y de revisar cualquier análisis que haya realizado. Pero lo que preferiríamos hacer es dedicar tiempo y energía juntos a estudiar cómo hacer crecer el mercado para sus datos y nuestros productos de análisis de riesgos y de toma de decisiones, y negociar nuevos modelos de reparto de ingresos que funcionen para ambos. Tú decides».

Al final, ambas partes dedicaron varias semanas a intercambiar análisis sobre posibles pérdidas de ingresos y daños a la reputación, acompañados de ciertas maniobras de intimidación. En cada momento, el cliente se negoció a morder el anzuelo de responder a cualquier cosa que se percibiera como una amenaza. En su lugar, respondió con advertencias sobre las consecuencias que tendría para ambas partes la falta de acuerdo, al tiempo que expresaba su deseo de continuar e incluso ampliar una colaboración basada en la confianza y el compromiso con los beneficios mutuos. En poco tiempo, las negociaciones se reorientaron hacia opciones para el crecimiento conjunto del mercado, y seis meses después se firmó un nuevo acuerdo que reportó beneficios sustanciales a ambas partes.

Cuando todo lo demás falla, prueba con la equidad

A menudo se considera que las negociaciones son un juego de suma cero: «Quien menos se preocupe por el acuerdo es quien tiene el poder». Pero cuando hay mucho en juego, esa mentalidad resulta limitante. Si a usted no le importa, ¿para qué negociar? El verdadero reto no consiste en preocuparse menos, sino en encontrar formas de hacer que la otra parte se preocupe más.

Un enfoque eficaz consiste en desviar la conversación del poder hacia la equidad, que resulta ser un factor motivador humano sorprendentemente poderoso. Si bien se ha demostrado en experimentos que los negociadores suelen abandonar acuerdos que tienen sentido desde el punto de vista económico si los perciben como injustos, nuestra experiencia demuestra que lo contrario también es cierto: a veces, las personas están dispuestas a hacer concesiones cuando se ven obligadas a reconocer que están tratando a la otra parte de forma injusta. Volvamos a la empresa de servicios públicos que se enfrentaba a la demanda de pago desmesurada de su empresa de construcción e ingeniería. Le aconsejamos que no aceptara ni rechazara el ultimátum, sino que preguntara por qué la empresa planteaba esa exigencia (y que además advirtiera de que la cifra no era en absoluto asequible). Esa simple maniobra replanteó la negociación, pasando de un «lo tomas o lo deja» a un «¿qué es razonable?». La otra parte pasó, no porque hubiera perdido poder, sino porque no podía justificar su postura.

...

Lo ideal sería que pudiera identificar un plan B viable para todos sus acuerdos. Pero cuando realmente no lo hay, adopta una visión más amplia del poder y las alternativas pueden marcar la diferencia. Incluso si se ve absolutamente obligado a cerrar un acuerdo con una contraparte concreta, sigue teniendo opciones, ya menudo hay formas de reducir (aunque no eliminar) su dependencia de la otra parte. Los mejores negociadores son aquellos que miran más allá de lo obvio y encuentran fuentes creativas de influencia para incidir en el proceso de negociación y en sus contrapartes.

Leer más sobre Estrategias de negociación o tema relacionado Gestión de operaciones y cadena de suministro

Una versión de este artículo apareció en la  edición de mayo-junio de 2026  de Harvard Business Review.

Jonathan Hughes (jhughes11489@gmail.com) es consultor estratégico y director ejecutivo de Pareto Frontier Strategies, una empresa híbrida de software y asesoramiento especializado en negociaciones de alto riesgo.

Saptak Ray (saptakray@gmail.com) es consultor estratégico y director de operaciones de Pareto Frontier Strategies.

Doxa 2153

Cómo crear un mapa de poder para su proyecto

Por Melody Wilding

Habilidades de Negociación

Harvard Business Review

#Doxa #crear #mapa #proyecto #calidad #profesional #ideas #ignoran #influir #herramienta #decisión #inteligente #relación #progreso #identificar #calificar #matriz #poder #estrategia #información #evaluar

Resumen. Si bien la calidad del trabajo es importante, muchos profesionales pasan por alto las dinámicas ocultas que realmente determinan si sus ideas se implementan o se ignoran, si se las tiene en cuenta para los proyectos e incluso con qué rapidez avanzan. Comprender a quién influir es a menudo tan importante como saber qué proponer. Aquí es donde entra en juego el mapeo de poder, una herramienta útil que puede ayudarlo a tomar decisiones inteligentes sobre con qué tomadores de decisiones clave necesita establecer relaciones, así como quiénes podrían bloquear su progreso. Hay cinco pasos que puede seguir para crear un mapa de poder: 1)  Identifique a sus posibles partes interesadas; 2) Califique el nivel de influencia e interés de cada parte interesada; 3) Coloque a las partes interesadas en una matriz de poder; 4) Adapte su estrategia; y 5) Actualice periódicamente a medida que surja nueva información y evolucionen los proyectos.

Pensemos en el océano. En la superficie parece sereno, pero en el fondo, las corrientes guían todo lo que sucede. Así es exactamente como funcionan las dinámicas de poder en las organizaciones. Pueden parecer invisibles, pero dan forma a todo, desde la toma de decisiones hasta la cultura de la empresa. 

La dinámica de poder se refiere al equilibrio (o desequilibrio) entre personas y grupos cuando interactúan. Determina si tus ideas se implementan o se ignoran, si te tienen en cuenta para proyectos e incluso con qué rapidez avanzas. Si bien la calidad del trabajo es importante, muchos profesionales pasan por alto la dinámica oculta que realmente determina su éxito.

Tomemos como ejemplo a Sarah, una gerente de marketing de nivel medio que se sintió frustrada después de que su propuesta de campaña digital cuidadosamente elaborada se topara con obstáculos inesperados. Su estrategia era sólida, sus proyecciones eran precisas, pero la iniciativa seguía estancada. Si bien había convencido a sus superiores directos sobre el valor de la campaña, se dio cuenta de que había descuidado por completo la idea de obtener la aceptación de los demás. 

La experiencia de Sarah no es única, porque saber a quién influenciar es a menudo tan importante como saber qué proponer. Aquí es donde entra en juego el mapeo de poder, una herramienta útil que puede ayudarle a tomar decisiones inteligentes sobre con qué tomadores de decisiones clave necesita entablar relaciones, así como quiénes podrían bloquear su progreso. 

Veamos cómo crear un mapa de poder, utilizando la situación de Sarah como ejemplo: 

1. Identifique a sus potenciales partes interesadas.

Piense en todas las personas que podrían verse afectadas por su iniciativa o tener un impacto en ella. Incluya a los actores obvios, como su jefe y los miembros del equipo, pero también considere a las partes interesadas “silenciosas”, como los clientes, los socios externos o los guardianes que controlan el acceso a la información y los recursos. 

Sarah hizo una lista de todas las personas que podrían tener influencia en el éxito de su campaña digital, incluidos su supervisor, el vicepresidente de marketing y los miembros de su equipo. Luego agregó al equipo legal que tendría que aprobar los mensajes, el director de finanzas que controlaba el presupuesto y los líderes de ventas cuyos equipos eventualmente usarían la campaña para llegar a los clientes. Sarah también anotó al jefe de operaciones digitales, que rara vez asistía a las reuniones de marketing, pero aún así tenía una influencia significativa en el lanzamiento de la campaña.

2. Califique el nivel de influencia e interés de cada parte interesada.

A continuación, en una escala del 1 al 10 (siendo 10 lo máximo y 1 lo mínimo), califique cuánta autoridad o aporte tiene cada parte interesada (influencia), así como cuánto les importa lo que usted está haciendo (interés). 

El jefe inmediato de Sarah obtuvo una puntuación alta en interés (8), ya que el éxito de la campaña afectaría su propia evaluación de desempeño, pero una puntuación más baja en influencia (4) porque necesitaba la aceptación de sus superiores. El vicepresidente de marketing tenía una alta influencia (8) e interés (8) y ya estaba brindando apoyo. El jefe de operaciones digitales obtuvo una puntuación de 9 en influencia, pero solo de 3 en interés. El equipo legal obtuvo una puntuación moderada en ambas escalas (6 y 5), mientras que el director de finanzas mostró una alta influencia (8) pero un bajo interés (4). Los líderes de ventas variaron: el director de APAC mostró un alto interés (8), mientras que otros jefes regionales obtuvieron puntuaciones más bajas (3-4).

3. Coloque a las partes interesadas en una matriz de poder.

El cuadrante 1 incluye a los actores clave, aquellos que tienen una gran influencia y un gran interés. Coloque a aquellos con una gran influencia pero un bajo interés en el cuadrante 2. Tienen mucha influencia, pero no les importa mucho el trabajo diario. El cuadrante 3 (baja influencia, alto interés) incluye a las partes interesadas a las que se debe mantener informadas. Reduzca la prioridad de los contactos que se encuentran en el cuadrante 4 (baja influencia, bajo interés).

Sarah trazó a sus partes interesadas en la matriz: 

• En el cuadrante 1 se encontraba el vicepresidente de marketing y el director de ventas de APAC: campeones que necesitaban mantenerse estrechamente involucrados. 
• Quadrant 2 reveló por qué sus intentos anteriores habían fracasado. No había logrado comunicarse de manera efectiva con el jefe de operaciones digitales y el director de finanzas.
• El equipo legal y su jefe inmediato aterrizaron en el Cuadrante 3. Si bien brindaron apoyo, su respaldo por sí solo no fue suficiente para que se aprobara la campaña. 
• El cuadrante 4 incluía a varios gerentes de ventas regionales y miembros de equipos junior cuya aceptación no era crítica.

Dibuje su mapa de poder. Una matriz de 2x2 muestra cómo trazar diferentes partes interesadas, como un jefe, un miembro del equipo, un cliente o un socio externo según el grado de su influencia e interés. El eje x es el interés: el nivel de participación, inversión o preocupación de una parte interesada en su trabajo. El eje y es la influencia: el nivel de impacto directo, aporte o influencia de una parte interesada en su proyecto. Califique a cada parte interesada en ambos ejes en escalas del 1 al 10, siendo 1 bajo y 10 alto, para ver dónde se ubican en la matriz. Esto puede ayudar a identificar qué relaciones necesitan atención y cómo involucrar a cada parte interesada de manera efectiva. Si los niveles de influencia e interés de una parte interesada son altos, se ubica en el cuadrante uno y la relación debe gestionarse de cerca. Si la influencia es alta pero el interés es bajo, se ubica en el cuadrante dos y se debe mantener satisfecha. Si el interés es alto pero la influencia es baja, se ubica en el cuadrante tres y se la debe mantener informada. Si los niveles de influencia e interés de una parte interesada son bajos, se ubicarán en el cuadrante cuatro y simplemente se deberá monitorear la relación. Fuente: Melody Wilding

Ver más gráficos de HBR en Datos y elementos visuales

4. Adapta tu estrategia.

Sarah desarrolló una estrategia de participación dirigida a cada grupo. Para las partes interesadas del cuadrante 1 (vicepresidente de marketing y director de ventas de APAC), programó actualizaciones quincenales que incluían datos detallados y puntos de discusión que podían usar para promover la campaña en las reuniones. 

Para los jugadores del cuadrante 2 (el jefe de operaciones digitales y el director de finanzas), Sarah programó un tiempo para comprender sus prioridades y limitaciones. Se enteró de que el jefe de operaciones digitales estaba bajo presión para mostrar cómo su equipo impactaba directamente en el crecimiento de los ingresos. Por lo tanto, enfatizó cómo la campaña automatizaría la segmentación de clientes y potencialmente generaría millones en nuevas ventas, lo que cambió su nivel de interés. Para el director de finanzas, replanteó los beneficios de la campaña en términos de ahorro de costos en lugar de conocimiento de la marca.

Para las partes interesadas del cuadrante 3 (su jefe y el equipo legal), Sarah envió actualizaciones menos frecuentes sobre el progreso y, ocasionalmente, les pidió favores específicos, como que hicieran presentaciones importantes. Sarah redujo significativamente su participación en el cuadrante 4 para liberar tiempo para centrarse en otras cosas.

5. Actualizar periódicamente a medida que surja nueva información y evolucionen los proyectos.

Sarah obtuvo la aprobación para su campaña en tres meses porque había involucrado estratégicamente a las personas de la manera correcta. También estuvo muy atenta a cómo evolucionó la dinámica de poder durante ese tiempo. Por ejemplo, cuando uno de sus partidarios del Cuadrante 3 fue ascendido, ajustó su estrategia de participación para que coincidiera con su nuevo nivel de influencia. De manera similar, cuando descubrió que un gerente de TI aparentemente de baja influencia en realidad tenía la confianza del jefe de operaciones digitales, revisó su mapa y construyó esa relación. 

Las estructuras de poder cambian. Surgen nuevos actores. Las prioridades cambian. Si trata su mapa de poder como un documento vivo en lugar de un ejercicio puntual, estará mejor preparado para navegar por la política y la dinámica organizacional a medida que cambian las mareas. 

Lea más sobre Habilidades de negociación o temas relacionados Persuasión, Gestión ascendente, Habilidades interpersonales, Comunicación interpersonal y Gestión de uno mismo.

Melody Wilding, LMSW, es coach ejecutiva, profesora de comportamiento humano y autora de Managing Up: How to Get What You Need from the People in Charge (Gestión hacia arriba: cómo obtener lo que necesita de las personas a cargo). Descargue guiones exactos para decir no de manera diplomática en el trabajo aquí.

Doxa 2108

Lo que la gente todavía no entiende bien sobre las negociaciones

Suponen que el tamaño del pastel es fijo y pierden oportunidades de crear valor.

Por Max H. Bazerman

Estrategias de negociación

Harvard Business Review

#Doxa #negociación #oportunidad #valor #estrategia #ejecutivo #ganancia #información #conflicto #acuerdo #eficiente #confianza #pregunta #oferta #PSS

Resumen. La mayoría de los ejecutivos dejan el valor sobre la mesa de negociación por dos razones principales: primero, muchos ejecutivos creen equivocadamente que están negociando sobre una torta fija y que las ganancias para una de las partes necesariamente significan pérdidas para la otra. Segundo, se concentran exclusivamente en cómo reclamar valor para sí mismos (tomando la mayor cantidad posible de esa mítica torta fija) en lugar de encontrar formas de aumentar el tamaño de la torta.

Con demasiada frecuencia, los negociadores no comparten información con sus contrapartes sobre sus preferencias en los distintos temas, por temor a que se aprovechen de ellos si la otra parte sabe lo que valoran. Mantienen todas sus cartas ocultas y suponen que ese es el secreto para ser un negociador duro.

Para obtener la información necesaria para crear valor, resolver conflictos y alcanzar acuerdos eficientes, los negociadores deben utilizar cuatro estrategias clave: generar confianza, hacer preguntas, compartir información y realizar múltiples ofertas simultáneamente. También se introduce una quinta estrategia: el concepto de acuerdos posteriores al acuerdo (PSS, por sus siglas en inglés) para mejorar los acuerdos incluso después de que se hayan alcanzado los acuerdos iniciales.

Una de las simulaciones que utilizo para enseñar a los directivos a negociar de forma más eficaz implica una transferencia de tecnología entre dos divisiones de una empresa. El precio de la transferencia es fundamental para la negociación, pero también hay otras cuestiones importantes que deben tenerse en cuenta. La estructura del acuerdo afectará a la rentabilidad que la transferencia de tecnología genere para cada división y para la empresa en su conjunto.

Incluso cuando realizo esta simulación con ejecutivos experimentados, me sorprende continuamente el grado en que no logran llegar a un acuerdo que maximice la rentabilidad total. Durante la sesión informativa, cada parte compara el beneficio estimado que obtendría del acuerdo con lo que la simulación muestra que podría haber obtenido. Si las dos divisiones hubieran hecho intercambios inteligentes en los diversos temas en lugar de simplemente llegar a acuerdos en cada uno, ambas habrían terminado con más ganancias. Pero la mayoría de los negociadores no hacen eso. En lugar de eso, en realidad, tiran el dinero corporativo a la basura y lo queman.

La pregunta es ¿Por qué?

Hay dos razones principales. En primer lugar, muchos ejecutivos creen equivocadamente que están negociando sobre una torta fija y que las ganancias para una de las partes necesariamente significan pérdidas para la otra. En segundo lugar, se concentran exclusivamente en cómo reclamar valor para sí mismos (tomando la mayor cantidad posible de esa mítica torta fija) en lugar de encontrar formas de aumentar el tamaño de la torta.

El principio de la creación de valor en la negociación es que todos se benefician. No es nuevo, pero creo que la gente de todos los niveles directivos lo ha perdido de vista y es urgente que se lo recuerden. En nuestra vida política, social, personal y profesional, nos hemos vuelto más polarizados e intransigentes que nunca. Estamos menos dispuestos y somos menos capaces de ver el punto de vista de nuestra contraparte. Estamos menos inclinados a participar en la resolución de problemas y, sin la comprensión que surge de ese proceso, tenemos problemas para encontrar acuerdos mutuamente beneficiosos. Como explica la experta en políticas Heather McGhee en The Sum of Us, renunciamos rutinariamente al “dividendo de la solidaridad”, es decir, las ganancias que podríamos lograr trabajando productivamente a través de las fronteras para lograr lo que no podemos hacer por nuestra cuenta. En resumen, a pesar de lo que hemos aprendido a lo largo de los años, seguimos negociando mal.

A lo largo de mi carrera he enseñado a decenas de miles de estudiantes de MBA y de formación ejecutiva los principios de una buena negociación, y siempre he intentado inculcarles la importancia de la creación de valor. La evidencia demuestra claramente que los creadores de valor son negociadores más eficaces, forjan relaciones más sólidas, tienen mejor reputación y, me atrevo a decirlo, contribuyen a hacer del mundo un lugar mejor.

En este artículo presento estrategias de negociación que pueden ayudarle a convertirse en el mejor creador de valor posible.

Preparación para negociaciones que generen valor

Antes de iniciar una negociación, es importante pensar en todos los temas que pueden interesarle a usted y a su contraparte. Supongamos que una firma de capital de riesgo está negociando los términos de una inversión de 2 millones de dólares en una empresa emergente. Aunque el tema principal sobre la mesa es el porcentaje de capital que recibirá la firma de capital de riesgo, ambas partes deben pensar de antemano en otros factores que afectan el atractivo de las distintas opciones de acuerdo. Estos pueden incluir el valor o el costo de un puesto en la junta directiva, el valor o el costo del asesoramiento de consultoría de la firma de capital de riesgo, las opciones para capital adicional en el futuro, etc. El objetivo no es crear una complejidad innecesaria, sino fomentar las condiciones para elaborar un acuerdo que sea mejor para ambas partes que el que podrían alcanzar simplemente regateando sobre el porcentaje de capital. (Para más información sobre este tema, consulte el artículo de Deepak Malhotra de mayo de 2013 en HBR “Cómo negociar con los capitalistas de riesgo”).

Una vez que haya identificado una amplia lista de cuestiones, el siguiente paso es determinar su importancia relativa. Toda negociación que abarque múltiples cuestiones requerirá que usted haga concesiones, explícita o implícitamente. Si usted es la firma de capital de riesgo, ¿a cuánto capital está dispuesto a renunciar para asegurarse un contrato de consultoría con la startup? ¿A cuánto renunciaría por un puesto en la junta directiva? Estos cálculos pueden ser difíciles, y a menudo implican comparaciones que parecen de peras con manzanas. Si confía en su intuición para hacer esas concesiones en el momento (en lugar de considerar de antemano cuántas naranjas renunciaría por 10 manzanas), es probable que deje valor sobre la mesa.

En mis simulaciones, suelo proporcionar a los participantes una descripción de la variedad de cuestiones en cuestión y una hoja de puntuación que pondera cada una de ellas según su importancia. La métrica puede expresarse en dólares o puntos. Los sistemas de puntuación ayudan a los participantes a evaluar las ofertas de la otra parte y a estructurar sus propias ofertas de forma estratégica. En el proceso de ponderación, suelen descubrir que algunas cuestiones son muy importantes para ellos, pero que no lo son tanto o en absoluto para la otra parte. Es fundamental identificar esas cuestiones.

Digamos que estás negociando una oferta de trabajo. Puede que te dé igual si empiezas en junio o julio, pero si tu posible empleador prefiere que empieces lo antes posible, estás en condiciones de darle algo que valora sin coste alguno y obtener algo de valor a cambio (como un proyecto inicial preferido). O imagina que estás comprando una casa y que tu hipoteca está garantizada. Un amigo contratista examina la casa antes de que presentes una oferta y confirma que no tiene ningún problema importante. Estás en condiciones de hacer tu oferta por la casa sin inspección ni contingencias hipotecarias. Esta concesión te cuesta poco, pero puede ser de gran valor para un vendedor que quiera garantías de que la venta se concretará. También puede hacer que tu oferta sea más atractiva que las de otros postores.

Muchos ejecutivos con los que trabajo señalan que ninguna negociación real viene acompañada de una hoja de puntuación ponderada. Esa ha sido también mi experiencia. Cuando les pregunto si una herramienta de este tipo podría ser útil, veo que se les enciende una luz en la cabeza: Tenemos que hacerlo. (Véase el recuadro “Uso de una hoja de puntuación ponderada para evaluar varias ofertas”).

Uso de una hoja de puntuación ponderada para evaluar varias ofertas. Este gráfico muestra un ejemplo de hoja de puntuación ponderada que el autor utilizó para ayudar a un estudiante que se graduaba y negociaba dos ofertas de trabajo. El estudiante tenía una oferta en la mano de la empresa A para un puesto con sede en Chicago con un salario de $200,000. El trabajo tenía fecha de inicio el 1 de julio y no había bono inicial. El estudiante esperaba recibir una oferta de la empresa B dentro de las 48 horas. Se creó una hoja de puntuación ponderada para evaluar la segunda oferta, asignando valores en dólares a sus preferencias por una empresa sobre la otra, la ubicación del trabajo, la fecha de inicio y un bono inicial. Si el valor total para ella de la oferta de la empresa B fuera superior a $200,000, sería prudente que la aceptara. Una hoja de puntuación se puede utilizar para probar una variedad de ofertas hipotéticas, un ejercicio útil que lo ayudará a pensar con claridad sobre sus opciones antes de experimentar la avalancha de emociones que todos sentimos cuando se nos presentan ofertas de alto riesgo.

Vea más gráficos de HBR en Datos y elementos visuales

Estrategias para la creación de valor en la mesa

A menudo pregunto a ejecutivos experimentados si creen que es mejor empezar con los temas fáciles en una negociación compleja o con los difíciles. Muchos responden que se deben abordar primero los fáciles. Argumentan que esto permite a los negociadores de ambas partes generar confianza y ganar impulso. Si se empieza con un tema difícil, dicen, se puede descarrilar la negociación desde el principio. Otros ejecutivos sostienen que es mejor empezar con los temas difíciles. Si no se puede llegar a un acuerdo sobre ellos, dicen, no tiene sentido perder el tiempo en cosas menos importantes. Simplemente hay que pasar a otro comprador o proveedor. Un tercer grupo dice simplemente: "Depende".

Los tres grupos están equivocados. Esto se debe a que he hecho una pregunta capciosa: no se debe resolver ningún asunto primero. Cualquier proceso que negocie los asuntos de manera secuencial es un obstáculo para encontrar acuerdos entre ellos que permitan la creación de valor. Esto no significa que se deba hablar de todo al mismo tiempo, pero sí significa que se debe evitar finalizar un acuerdo sobre un asunto en particular antes de haber tenido la oportunidad de discutirlos todos. Una vez que se tenga una mejor idea de la totalidad de los asuntos sobre la mesa, se puede empezar a explorar las preferencias relativas entre los asuntos, encontrar acuerdos y crear valor. En la jerga económica, el objetivo debe ser definir conjuntamente la frontera de eficiencia de Pareto, es decir, el rango de opciones tal que no haya ninguna opción que sea mejor para una o más partes sin perjudicar a otra.

Sin embargo, con demasiada frecuencia los negociadores no comparten información sobre sus preferencias en los distintos temas, por temor a que la otra parte se aproveche de ellos si sabe lo que valoran. Mantienen todas sus cartas ocultas y suponen que ese es el secreto para ser un negociador duro.

Para obtener la información necesaria para crear valor, resolver conflictos y alcanzar acuerdos eficientes, recomiendo cuatro estrategias. Debes tenerlas todas en tu caja de herramientas y saber seleccionar la más adecuada para cada situación.

Estrategia 1: Generar confianza y compartir información. Imagine que usted es el director ejecutivo en el escenario de transferencia de tecnología. Las dos divisiones reciben una recompensa por su propia rentabilidad; usted y los accionistas de la empresa se ven afectados por la rentabilidad combinada de toda la organización. Naturalmente, usted desea que ambas divisiones compartan toda su información de manera abierta y honesta para que puedan llegar a un acuerdo creativo que maximice las ganancias totales. Sí, a cada división le importará qué parte del pastel reclama para sí misma, pero usted no desea que eso les impida encontrar formas de ampliar el pastel.

Además del precio de transferencia, en la negociación hay otra cuestión clave: la División A quiere preservar su ventaja competitiva manteniendo la tecnología fuera del alcance de sus rivales; la División B quiere utilizar la tecnología de sus productos para aumentar las ventas a los clientes, incluidos los rivales de la División A. Para lograr el mejor acuerdo, las divisiones deben revelarse mutuamente cuánto le costaría a la División B la restricción de las ventas a los competidores y cómo se crearía valor para la División A protegiendo su tecnología. Esas evaluaciones deberían determinar qué acuerdo crea el mayor valor para la empresa.

Muchos ejecutivos me han dicho que les resulta más difícil negociar con personas dentro de su empresa que con proveedores y clientes externos. Para mí, eso sugiere un gran problema. Una de las principales responsabilidades de los líderes es crear una cultura organizacional en la que las personas sean confiables, dignas de confianza y abiertas a la información, incluso sobre cuánto valoran los diversos temas que se están discutiendo. Si puedes crear una cultura de confianza, estarás bien posicionado para concentrarte en la creación de valor.

Por supuesto, en muchas negociaciones la confianza entre las partes no es lo suficientemente fuerte como para que haya ese tipo de apertura, pero eso no significa que debamos renunciar a la búsqueda de crear valor.

Estrategia 2: Hacer preguntas. Parte de su trabajo como negociador es aprender todo lo que pueda de la otra parte sobre lo que quiere para poder hacer una oferta atractiva que genere un amplio valor para su parte. Eso significa reconocer abiertamente lo que no sabe y hacer preguntas. La otra parte no siempre las responderá, pero es ciertamente más probable que comparta información si usted pregunta que si no lo hace.

El truco, por supuesto, es saber cómo plantear la pregunta correcta. “¿Puede decirme lo que realmente quiere?” tiene menos probabilidades de conducir a información útil que “¿Puede ayudarme a entender qué importancia tienen para usted los distintos temas para que podamos presentar una oferta que le resulte atractiva?” o “¿De todos los temas que ha mencionado, cuál es el más crítico para su equipo?” o “¿A qué proporción del tema A renunciaría por una unidad adicional del tema B?”.

Hacer preguntas es especialmente importante cuando la otra parte hace una oferta que te sorprende o ante la que tienes dudas. Supongamos que la firma de capital riesgo que busca invertir en la startup sigue insistiendo en sus servicios de consultoría en la negociación. La startup podría considerar esto como algo poco razonable o una distracción, dado que lo que más le importa es la financiación. Pero un negociador astuto, reconociendo que se trata de información valiosa, indagaría más a fondo:

1. ¿Puede contarme más sobre sus servicios de consultoría y por qué cree que los necesitamos?
2. ¿Aceptaría un pago contingente por los servicios de consultoría en función de las reducciones de costos que estos generen?
3. ¿Está usted dispuesto a aceptar una posición de capital más baja en la empresa si aceptamos su acuerdo de consultoría propuesto?

Las respuestas de la firma de capital de riesgo pueden proporcionar pistas muy útiles sobre si es probable que el acuerdo de consultoría agregue valor al acuerdo.

Estrategia 3: Dar alguna información. ¿Qué debe hacer en una negociación cuando la confianza sigue siendo baja y la otra parte no responde a sus preguntas? Considere la posibilidad de dar cierta información.

Los seres humanos tienden a actuar de forma recíproca. Si le gritas a alguien, es probable que esa persona te responda con un grito. Si te disculpas, a menudo recibes una disculpa a cambio. Y si proporcionas información útil y honesta a la otra parte, es probable que descubras que tu contraparte está más dispuesta a compartir información contigo. Eso es lo que se conoce como la norma de la reciprocidad en acción. Por supuesto, es fundamental compartir el tipo correcto de información. Rara vez deberías comenzar compartiendo tu valor de reserva (el valor del trato menos favorable que estarías dispuesto a aceptar), porque eso solo ayudaría a la otra parte a reclamar valor de ti. Pero una vez que hayas iniciado el proceso compartiendo algunas de tus prioridades, es probable que comience el flujo de información, ya sea que tu contraparte sea un negociador hábil o no.

Pensemos en una estudiante de MBA que está por graduarse y quiere negociar la ubicación y la fecha de inicio de una oferta de trabajo. ¿Cómo podría proporcionar información para obtener el mejor resultado? Imaginemos que dijera lo siguiente: “Espero que podamos llegar a un acuerdo mutuamente beneficioso. Prefiero su firma a mis otras opciones, pero parece que se están inclinando por hacerme una oferta en Chicago y realmente valoraría pasar mis primeros dos años en San Francisco, porque mi pareja acaba de ser aceptada en el programa de MBA en Berkeley. Además, mi pareja y yo nos casaremos en junio y una fecha de inicio posterior nos permitiría tomar la luna de miel que hemos planeado desde hace tiempo”. Observemos que la candidata no ha rechazado una oferta que no satisface sus preferencias, sino que ha abierto un diálogo sobre sus prioridades y lo que la firma podría hacer para que su oferta sea más atractiva que las otras que está considerando.

Estrategia 4: Hacer múltiples ofertas simultáneamente. A pesar de sus mejores esfuerzos, es posible que se encuentre negociando con oponentes que se resisten a compartir información. En esas situaciones, necesitará una táctica que le permita obtener información sin que la otra parte la proporcione directamente.

Esto nos lleva a nuestra cuarta estrategia: en lugar de hacer una sola oferta a la vez, haga varias a la vez. Las ofertas deben tener el mismo valor para usted, pero deben diferir entre sí en los aspectos en juego. Nuestra firma de capital riesgo podría simplemente proponer una participación del 27% en la startup para su inversión. Pero un enfoque más fructífero podría ser hacer simultáneamente tres ofertas que perciba como de igual valor:

1. una participación del 27% por 2 millones de dólares;
2. una participación del 24% por 2 millones de dólares y un contrato de consultoría para asesoramiento sobre fabricación y distribución por una tarifa de 400.000 dólares; o
3. una participación del 20% por 2 millones de dólares, consultoría gratuita sobre fabricación y distribución, y una participación adicional del 8% si la startup (a) obtiene un acuerdo de co-fabricación viable dentro de 18 meses, (b) coloca sus productos en al menos 2.000 puntos de venta minorista dentro de 24 meses, y (c) asegura al menos 2 millones de dólares en su próxima ronda de financiación dentro de 30 meses.

Tenga en cuenta que la última opción puede, en última instancia, dejar a la startup con la participación más pequeña, pero esa participación valdría mucho más en general si se cumplen todas las condiciones de rendimiento.

Ahora la pelota está en la cancha de la startup, y su respuesta puede ser reveladora. Supongamos que la startup responde que ninguna de las tres ofertas es totalmente aceptable, pero que la tercera es el mejor punto de partida para seguir discutiendo. Esa respuesta revela dónde se puede crear más valor y proporciona a la firma de capital riesgo información que tal vez no habría obtenido si hubiera hecho preguntas directas. También indica la voluntad de la firma de ser complaciente y su interés en avanzar en la negociación.

Cabe señalar que la startup no tiene que aceptar ninguna de las ofertas para indicar sus prioridades relativas. Su deseo de negociar la tercera oferta coloca a la firma de capital riesgo en el camino hacia un acuerdo que genere valor, incluso si reduce una buena cantidad de puntos porcentuales de la participación inicial. A partir de ahí, la firma de capital riesgo puede adaptar el acuerdo de manera que siga ampliando el pastel.

¿Cuál de las estrategias de negociación anteriores debería utilizar para crear más valor? Eso depende del contexto. Si tiene una excelente relación con su contraparte, la estrategia 1 será la opción obvia: comparte información, convierte la negociación en una sesión de resolución de problemas y trabaja en conjunto para definir la frontera de eficiencia de Pareto. Si su relación es buena pero no lo suficientemente buena para la estrategia 1, pase a las estrategias 2 y 3. En los casos en que la confianza es baja o la relación es débil, la estrategia 4 puede ayudarlo a crear valor.

No se acabó solo porque se acabó

En realidad, hay una quinta estrategia que recomiendo para la creación de valor, pero es una que se utiliza después de haber llegado a un acuerdo.

Muchos de nosotros hemos cerrado acuerdos con los que no estamos completamente satisfechos, y tal vez la otra parte tampoco lo esté. En tales casos, todavía puede quedar algo de valor sobre la mesa. Entonces, ¿por qué detenerse sólo porque se ha llegado a un acuerdo? ¿Por qué no tratar de mejorar el acuerdo con un acuerdo posterior al acuerdo (PSS), una idea sugerida por primera vez por el teórico de la decisión Howard Raiffa?

Imagínese que acaba de llegar a un acuerdo con una parte difícil y no quiere nada más que dejar atrás el largo y difícil proceso de negociación. Resista esa tentación. En lugar de eso, considere decirle a la otra parte que se compromete a implementar el acuerdo tal como está, pero luego tenga en cuenta que podría ser beneficioso reunirse una vez más para ver si se pueden agregar términos para mejorar el trato para ambos. Es posible que descubra que después de estrechar la mano para cerrar el trato o firmarlo, todos se sienten menos conflictivos y más abiertos a compartir información. Asegúrese de aclarar que al proponer un PSS no está incumpliendo el trato ni buscando concesiones adicionales. Sea claro en que el acuerdo inicial permanecerá vigente a menos que identifique acuerdos inteligentes adicionales y llegue a un nuevo acuerdo que genere más valor.

Y no hay ninguna razón por la que deba negociar un PSS inmediatamente después de aceptar el acuerdo inicial. Puede ser mejor que las dos partes trabajen juntas durante algunas semanas para darse tiempo de generar confianza y comprender mejor los intereses de cada una.

La creación de valor como forma de vida

Todos negociamos constantemente. Yo negocio con el jefe de mi unidad sobre mis tareas de docencia. Negocio con mis colegas sobre quién hará qué trabajo en un proyecto. Negocio con clientes consultores sobre el alcance de los proyectos y mis honorarios. Como inversor de pequeñas participaciones, negocio con empresas emergentes. Negocio con mi cónyuge todos los días.

Ninguna de las personas con las que negocio me describiría como alguien que se deja vencer por los demás. Pero espero y espero que me describan como un buen socio, creativo a la hora de encontrar acuerdos mutuamente beneficiosos y centrado en cómo nuestros acuerdos nos afectan a ambos en lugar de en si “gané” o “perdí” la negociación. Me preocupa reclamar un porcentaje razonable del valor creado para mí, pero me resulta mucho más fácil y eficaz dedicar más esfuerzos a ampliar el pastel que a reclamarlo.

Y realmente no me gusta el desperdicio. En la negociación, desperdiciamos valor cuando no logramos encontrar acuerdos mutuamente beneficiosos. Podemos, y debemos, hacerlo mejor. Las estrategias que he expuesto en este artículo son una excelente manera de comenzar.

Nota del editor: Max H. Bazerman es el autor de Negotiation: The Game Has Changed (Princeton University Press, 2025), del cual es una adaptación de este artículo.

Una versión de este artículo apareció en la edición de enero-febrero de 2025 de Harvard Business Review.

Lea más sobre Estrategias de negociación o temas relacionados Habilidades de negociación, Persuasión, Confiabilidad, Habilidades interpersonales, Cultura organizacional, Comunicación interpersonal y Ciencias del comportamiento.

Max H. Bazerman es profesor de Administración de Empresas Jesse Isidor Straus en la Escuela de Negocios de Harvard. Es coautor, junto con Don A. Moore, de Decision Leadership: Empowering Others to Make Better Choices (Yale University Press, 2022) y autor de Complicit (Princeton University Press, 2022).