LA.7.4 INNOVATION RISK HOW TO MAKE SMARTER DECISIONS

GGHRISMAEL SANCHEZ HUERTA

LA.7.4 INNOVATION RISK HOW TO MAKE SMARTER DECISIONS

BY ROBERT C. MENTON

Se crean nuevos productos y servicios para permitir a las personas realizar tareas mejor de lo que podían hacerlo anteriormente, o para hacer cosas que antes no podían hacer. Pero las innovaciones también conllevan riesgos. El riesgo que demuestre ser una innovación depende en gran medida de las decisiones que tome la gente al usarla.

Pregúntese esto: si tuviera que conducir de Boston a Nueva York en una tormenta de nieve, ¿se sentiría más seguro en un automóvil con tracción en las cuatro ruedas o dos ruedas? Lo más probable es que elija la tracción a las cuatro ruedas. Pero si mirara las estadísticas de accidentes, verá que la llegada de la tracción a las cuatro ruedas no ha hecho mucho para reducir la tasa de accidentes de pasajeros por milla de pasajeros en días de nieve. Eso podría llevarlo a concluir que la innovación no ha hecho que conducir en la nieve sea más seguro. por supuesto, lo que sucedió no es que la innovación no nos haya hecho más seguros, sino que las personas han cambiado sus hábitos de manejo porque se sienten más seguros. Más personas se están aventurando en la nieve de lo que solían ser, y probablemente también estén conduciendo con menos cuidado. Si usted y todos los demás fueran a conducir a Nueva York a la misma velocidad y en los mismos números que antes, la tracción en las cuatro ruedas ciertamente los haría mucho más seguros. Pero si tú y todos los demás manejaran mucho más rápido, enfrentarías la misma cantidad de riesgo que siempre has tenido en una tormenta. En esencia, estás haciendo una elección (consciente o inconscientemente) entre reducir el riesgo y mejorar tu rendimiento. Si el riesgo de una innovación depende de las elecciones que las personas hacen, se deduce que cuanto más informadas y conscientes sean sus elecciones, menor será el riesgo. Pero a medida que las empresas y los creadores de políticas reflexionan sobre las consecuencias de una innovacion cómo deben cambiar las concesiones que las personas hacen y su comportamiento - deben ser conscientes de las limitaciones de los modelos en los que las personas basan sus decisiones sobre cómo usar la innovación. Como veremos, algunos modelos resultan fundamentalmente defectuosos y deben descartarse, mientras que otros pueden mejorarse. Algunos modelos son adecuados solo para ciertas aplicaciones; algunos requieren usuarios sofisticados para producir buenos resultados. E incluso cuando las personas usan modelos apropiados para tomar decisiones sobre cómo usar una innovación -alcanzar el equilibrio correcto entre riesgo y desempeño- la experiencia nos muestra que es casi imposible predecir cómo su comportamiento modificado influirá en el riesgo de otras opciones y comportamientos que ellos u otros hacen, a menudo en dominios aparentemente no relacionados. Es la vieja historia de las consecuencias involuntarias. Cuanto más complejo es el sistema en el que entra una innovación, más probable y grave será la consecuencia. De hecho, muchos de los riesgos asociados con una innovación provienen no de la innovación en sí misma, sino de la infraestructura en la que se introduce. La conclusión es que todas las innovaciones cambian la relación entre el riesgo y el rendimiento. Para minimizar el riesgo y las consecuencias involuntarias, los usuarios, las empresas y los responsables de las políticas deben entender cómo tomar decisiones informadas cuando se trata de nuevos productos y servicios. En particular, deben respetar cinco reglas generales                                                                   .

Idea en resumen                                                                                                                .

Todas las innovaciones implican compensaciones                                                                                                 .

1. Reconozca que necesita un modelo para hacer que su uso se adapte bien a su contexto y entre el riesgo y el rendimiento. Sólo cómo juicios sobre el riesgo y el rendimiento. Todas las decisiones para el usuario. acerca de cómo usar una innovación están informadas por el modelo
2. Reconozca las limitaciones de su modelo. Algunas elecciones que las personas hacen sobre cómo usarlas pero que los modelos resultan ser fundamentalmente defectuosas y la infraestructura en la que se introducen. El éxito que tiene la gente al usarlo. deberían ser descartados, mientras que otros son simplemente ingresos de un tren de alta velocidad, por ejemplo, de grandes compañías, formuladores de políticas y pleites, y pueden mejorarse. medida en el sistema ferroviario que lo apoyará. Los innovadores piensan acerca de los efectos de un MODELO

3. Espere lo inesperado. Incluso con las mejores condiciones y sus infraestructuras evolucionan continuamente, y la novación, deben ser un esfuerzo consciente y el ingenio, algunos factores que podrían entrar en juego son el desafío del regulador para gestionar ese proceso. modelo será pasado por alto. Ningún ser humano puede tener la posibilidad. La conclusión es que cualquier innovación implica cinco reglas generales: prever todas las consecuencias de una innovación, no un salto hacia lo incognoscible. Si importa lo obvio que puedan parecer en retrospectiva. la sociedad debe progresar, sin embargo,
4. Comprender el uso y el usuario. Algunos modelos son un hecho que necesitamos adaptar solo a ciertas aplicaciones; algunos requieren tan- aceptar y administrar. usuarios sofisticados para producir buenos resultados. El modelo
5. Verifique la infraestructura. Los beneficios y una innovación demuestran ser, ya sean formales o intuitivos. los riesgos de una innovación están determinados no solo por la dependencia en gran medida de las limitaciones de

1.-Reconozca que necesita un modelo                                                                                .
Cuando adopta un nuevo producto o tecnología, su decisión sobre el riesgo y el retorno se basa en lo que los científicos cognitivos llaman un modelo mental. En el caso de conducir a Nueva York en la actualidad, es posible que piense que no puedo controlar todos los riesgos asociados con el viaje, pero puedo elegir el tipo de auto Idrive y la velocidad a la que lo conduzco. Un modelo mental simple para evaluar las compensaciones entre el riesgo y el rendimiento, por lo tanto, podría estar representado por un gráfico que grafica la seguridad contra el tipo de velocidad y velocidad. Por supuesto, este modelo es una simplificación simplificada. La relación entre seguridad y velocidad dependerá de otras variables como el clima y las condiciones de la carretera, el volumen de tráfico y la velocidad de otros automóviles en la carretera, muchos de los cuales están fuera de nuestro control. Para tomar las decisiones correctas, debe comprender con precisión la relación entre todas estas variables y la velocidad que elija. Por supuesto, cuantos más factores incorpores, más complicado se vuelve evaluar los riesgos asociados con una velocidad dada. Para hacer una evaluación precisa, debe compilar datos, estimar parámetros para todos los factores y determinar cómo pueden interactuar esos factores. Históricamente, la mayoría de los modelos que las personas realmente han aplicado a situaciones de la vida real han existido semi-conscientemente en las mentes de las personas. Incluso hoy en día, cuando conducimos un automóvil recurrimos de forma reflexiva a modelos mentales imprecisos pero robustos donde las relaciones entre los factores se adivinan en función de la experiencia. Pero con el advenimiento de la tecnología informática, cada vez más actividades que tradicionalmente requerían la cognición humana han demostrado ser modelos matemáticos toformales susceptibles. Cuando cruzas el Atlántico en una aeronave comercial, por ejemplo, tu avión será en su mayoría pilotado por una computadora, cuyas "decisiones sobre velocidad, altitud y rumbo se basan en modelos matemáticos que procesan la información continua sobre la ubicación", presión del aire, peso de la aeronave.

2.-Reconozca las limitaciones de su modelo                                                                      .
Al construir y usar modelos, ya sea un modelo de fijación de precios financieros o una función de piloto automático, es fundamental entender la diferencia entre un modelo incorrecto y uno incompleto. Un modelo incorrecto es uno cuya lógica interna o supuestos subyacentes son ellos mismos manifiestamente incorrecto, por ejemplo, un modelo matemático para calcular la circunferencia del círculo que usa un valor de 4,14 para pi. Esto no quiere decir, por supuesto, que la incorrección siempre sea fácil de detectar. Un modelo de navegación de aeronaves que ubique el aeropuerto La 4777Guardia de Nueva York en Boston, por ejemplo, podría no ser reconocido como defectuoso a menos que los aviones dirigidos lo intenten con ese aeropuerto. Una vez que se encuentra que un modelo se basa en suposiciones fundamentalmente erróneas, lo único que debe hacer es dejar de usarlo. Incompleteness es un problema muy diferente y es una cualidad compartida por todos los modelos. El matemático estadounidense austriaco Kurt Godel demostró que el modelo es "verdadero" en el sentido de que es una representación completa de la realidad. Como un modelo para pi 3.14 no está mal, ningún ser humano puede prever todas las consecuencias de una innovación, sin importar cuán obvias puedan parecer en retrospectiva. pero está incompleto. Un modelo de 3.14159 es menos completo. Tenga en cuenta que el modelo menos incompleto i prueba en la versión base en lugar de reemplazarlo por completo. El modelo básico no necesita ser desaprensivo, sino más bien agregado. La distinción entre la renta y la incompetencia es importante para los científicos. Como los modelos de desarrollo que describen nuestro mundo y permiten hacer predicciones, rechazan y dejan de usar aquellos que encuentran que son incorrectos, ya sea mediante el análisis formal de su funcionamiento a través de pruebas de suposiciones infundadas. Aquellos que sobreviven son considerados incompletos, en lugar de incorrectos, y por lo tanto demostrables. Considera de nuevo Black Scholes. Ha surgido un creciente arsenal de modelos de opciones que extienden la misma metodología subyacente más allá de lo básico.