Predicción: ¿al alcance de la etnografía?
avatar

Si algo caracteriza al ser humano es el libre albedrío. Por muy condicionados que estemos culturalmente, por mucho que nos etiquetemos mutuamente, por muy encasillables que nos sintamos por nuestro trabajo, hábitos, costumbres, rutinas, circunstancias personales y familiares; por muy parte de una generación o muy miembros de una comunidad política o religiosa que seamos, preservamos siempre margen para la libertad y la aleatoriedad. Voluntaria e involuntaria.

Precon en Minority report

“Precon” en Minority Report


¿Quién no recuerda la película Minority report? Los Precon previsualizaban los crímenes que tendrían lugar en el futuro, con antelación suficiente para evitarlos y detener a [quienes habrían sido] sus ejecutores. Durante la puesta en marcha del programa piloto, los resultados fueron tan espectaculares que la sociedad asumió como infalible el sistema. Llegados a ese punto de convencimiento, sería difícil comunicar la existencia de algún error de predicción en caso de producirse. Y los errores llegaron; mejor dicho, estaban ahí desde el principio, pero era mejor no ponerlos encima de la mesa para otorgar infalibilidad al sistema.

La idea de que es posible predecir eventos futuros ha acompañado al ser humano a lo largo de su historia. Responde al anhelo permanente de seguridad que tiene cualquier ser racional: predecir permite anticiparse y estar preparado para lo que depara el futuro; reduce la incertidumbre, aumenta las posibilidades de supervivencia. Y aunque los dioses dejaron de hablar en los oráculos, las personas siguen buscando sus respuestas. En la actualidad, la idea y el anhelo de predecibilidad han explotado con el big data y el Machine Learning (éste último, cada vez más identificado por algunos con la IA en un ejercicio metonímico de confundir la parte con el todo). Los análisis predictivos basados en la ingente cantidad de datos que podemos procesar y analizar en la actualidad se aplican con éxito a sectores estratégicos como la producción y distribución energética, la automoción o la red de transporte y distribución de mercancías. Ha penetrado con fuerza en el sector financiero, en el industrial y en el de la salud, entre otros. ¿Por qué? Porque ya es posible (y legal, y útil). ¿Y para qué? Para reducir costes, mejorar la eficiencia, ajustar oferta a demanda; optimizar el uso de los recursos en definitiva. ¡Hasta el planeta estaría de acuerdo si pudiera opinar!

Pero supongo que todos los grandes avances necesitan un tiempo de adaptación… La clásica adolescencia social, política y económica que padece el mundo cada vez que avanza un paso hacia un futuro desconocido. Se cometen excesos, como dejar que sea un sistema automático de cálculo de riesgo quien dictamine si una entidad bancaria debe o no conceder un préstamo en un momento dado, eliminando de la ecuación un posible diálogo humano entre operario de banca y cliente; los grandes números funcionan, así que resulta racional (desde un punto de vista empresarial) olvidar la casuística. Y se producen decepciones (derivadas también del exceso de optimismo): Los análisis predictivos proceden de la aplicación de algoritmos a grandes conjuntos de datos… ¿Qué pasa cuando la calidad de los datos no es buena, cuando las empresas arrastran históricamente datos erróneos? ¿Son todos los datos accesibles y están disponibles en un formato compatible? Existen diversas barreras a superar y algunas de ellas (como la calidad de los datos) a veces exige tal inversión de recursos que las empresas se lo tienen que pensar dos veces antes de abordarlo. Y si los datos son malos, los análisis predictivos no pueden aportar los resultados esperados. No hay magia.


El problema de fondo: la generación de expectativas 

La primera era de la computación trajo un nuevo tipo de oráculo que encontró rápido acomodo en el imaginario colectivo y, sobre todo, de los dirigentes. Costó tiempo desarraigar la idea de que esas “bestias de metal” que ocupaban habitaciones enteras no podían predecir el futuro. Y, siguiendo en esa línea, como la necesidad de control sobre el futuro existe siempre, era previsible que crecieran rápidamente las expectativas sobre la capacidad predictiva del machine learning / deep learning. Siendo que el machine learning (y, sobre todo el deep learning) son cajas negras sin control humano en su ejecución, la propia capacidad predictiva es una caja negra para los decisores. Sólo importa disponer de esa capacidad aparentemente binaria, de todo o nada. Y sucede que ML y DL trabajan sobre sistemas altamente complejos y sensibles a las condiciones iniciales. Por más que ofrezcan avances dramáticos (comparados con la completa ausencia de capacidad predictiva), no dejan de ser modelos estocásticos que reducen el margen de escenarios y comportamientos de un fenómeno hasta hacerlo relativamente manejable. Reducen, sí, pero no identifican ni por asomo el escenario concreto que modeliza perfectamente el comportamiento futuro de nuestro fenómeno dentro de un plazo de terminado. Más que nada, porque eso es imposible.


Así las cosas, estamos en un nuevo momento de alta querencia “oracular”. Hasta el punto de que, en más de una ocasión, se nos ha llegado a preguntar si la etnografía permite predecir. ¿Qué significa esta pregunta en la mente de quien la formula? En mi humilde opinión, responde al éxito demostrable de los algoritmos matemáticos aplicados a realidades diversas, difundido con bombo y platillo entre la sociedad. Y significa sólo una cosa: “Yo-quiero-eso”.

Y lo entiendo, pero… ¿Cabe pedir a la etnografía lo mismo que se le pediría a un producto de machine learning? ¿Tiene sentido? ¿Cómo hemos llegado a esa exitosa identificación de utilidad con predicción y  predicción con números? ¿Se reduce el ser humano a un número, a un sentimiento del 0 al 9, positivo o negativo, de “izquierdas” o de “derechas”? En definitiva: ¿Hemos sabido los antropólogos transmitir al mundo de la empresa el verdadero valor de la etnografía?

Vamos a ir poco a poco abriendo la mente a lo que un buen análisis etnográfico puede aportar. Es otra historia…

Pensemos en Homage to Catalonia y en la obra de ficción que escribió su autor posteriormente: Nineteen Eighty-Four. ¿Fue o no fue capaz Orwell de “predecir” el futuro? ¿Lo fue Aldous Huxley, en su Brave New World? Yo diría que sí, y más incluso Huxley que Orwell, o cada uno en un aspecto esencial. Neil Postman nos regala un análisis comparativo entre Orwell y Huxley en Amusing ourselves to death:

What Orwell feared were those who would ban books. What Huxley feared was that there would be no reason to ban a book, for there would be no one who wanted to read one. Orwell feared those who would deprive us of information. Huxley feared those who would give us so much that we would be reduced to passivity and egoism. Orwell feared that the truth would be concealed from us. Huxley feared the truth would be drowned in a sea of irrelevance. Orwell feared we would become a captive culture. Huxley feared we would become a trivial culture, preoccupied with some equivalent of the feelies, the orgy porgy, and the centrifugal bumblepuppy. […] In short, Orwell feared that what we fear will ruin us. Huxley feared that what we desire will ruin us.

Estamos ante otro tipo de “predicción”: el de los cambios sociales y culturales que afectan dramáticamente al comportamiento y al desarrollo de las sociedades en todos los niveles, incluido el político y el económico. Personas excepcionales como Orwell y Huxley vivían con tal conciencia, con tal profundidad, que donde otros sólo veían un día más (esto es, un conjunto más o menos diverso de eventos cotidianos), ellos vislumbraban un mundo nuevo. Los cimientos para ese mundo se estaban construyendo a la vista de todos sus coetáneos, pero resultaban invisibles para la mayoría.

Vamos acercándonos…

aldous huxley was not a pythoness

What a fail!

Sí, la etnografía ofrece información útil para la toma de decisiones en el corto, medio y largo plazo; pero no, no predice con fiabilidad matemática. Es que el etnógrafo no es una pitonisa. La etnografía se nutre de fuentes de datos cualitativas, de personas hablando y actuando en sus contextos reales, de personas debatiendo en sus propios espacios de Internet… sin condicionamiento, a su libre albedrío. Palabras, acciones y contextos son registrados por el etnógrafo de cara a abordar el análisis que se le ha encomendado, ya sea de índole social (p.ej., sobre la realidad de las personas sin hogar en Madrid o sobre situaciones de exclusión digital de determinados colectivos sociales y búsqueda de posibles soluciones), ya sea en el ámbito de la usabilidad (p.ej., sobre barreras para la adopción y fidelización de usuarios de una app y posibles soluciones), o en el terreno de la comunicación pública y la acción política (p.ej., sobre la imagen social de las Cías. eléctricas y su reflejo en el tratamiento mediático de temas vinculados al suministro eléctrico). Son sólo ejemplos de realidades en las que la capacidad de penetración y análisis del etnógrafo le permiten extraer tendencias, patrones, modelos donde otros sólo verían personas concretas actuando.

El etnógrafo se sumerge en una gran cantidad de datos, pero no aplica un algoritmo matemático sobre ellos. Sus conclusiones van a ser útiles, pero la realidad a la que se refieren no permite que las consideremos “predicciones”. Sería pretencioso e irreal. Tan pretencioso como proclamar la infalibilidad de los Precon o de las IA. Al final, de lo que se trata es de reducir (que no eliminar) la incertidumbre, modelizando y definiendo patrones que nos permitan comprender mejor lo que va a pasar. La etnografía reduce la incertidumbre de una forma diferente (no excluyente y sí complementaria) a como lo hacen los recursos de ML: ayudando al decisor y su equipo a que conciban un problema y sus consecuencias y tomen decisiones.

Lo de predecir… se lo dejaremos a los adivinos.

Related Posts Plugin for WordPress, Blogger...
Please follow and like us:
Permalink