Heurística

La heurística (del griego εὑρίσκειν),1 que significa «hallar, inventar» (el pretérito perfecto de este
verbo es eureka),2 aparece en más de una categoría gramatical. Cuando se usa como sustantivo, se
refiere a la disciplina, el arte o la ciencia del descubrimiento. Cuando aparece como adjetivo, se
refiere a cosas más concretas, como estrategias, reglas, silogismos y conclusiones. No se debe
confundir con la erística, que es en cierto modo lo opuesto a ella.

Estos dos usos están íntimamente relacionados, ya que la heurística usualmente propone
estrategias que guían el descubrimiento. El término fue utilizado por Albert Einstein en la
publicación sobre efecto fotoeléctrico (1905), con el cual obtuvo el premio Nobel en Física en el
año 1921 y cuyo título traducido al idioma español es: “Sobre un punto de vista heurístico
concerniente a la producción y transformación de la luz” (Über einen die Erzeugung und
Verwandlung des Lichtes betreffenden heuristischen Gesichtspunkt).

Actualmente se han hecho adaptaciones al término en diferentes áreas, así definen la heurística
como un arte, técnica o procedimiento práctico o informal, para resolver problemas.3
Alternativamente, Imre Lakatos lo define como un conjunto de reglas metodológicas no
necesariamente forzosas, positivas y negativas, que sugieren o establecen cómo proceder y qué
problemas evitar a la hora de generar soluciones y elaborar hipótesis.4

En general, se considera que la capacidad heurística es un rasgo característico de los humanos5

desde cuyo punto de vista puede describirse como el arte y la ciencia del descubrimiento y de la
invención o de resolver problemas mediante la creatividad y el pensamiento lateral o pensamiento
divergente. Según el matemático George Pólya6 la base de la heurística está en la experiencia de
resolver problemas y en ver cómo otros lo hacen. Consecuentemente se dice que hay búsquedas
ciegas, búsquedas heurísticas (basadas en la experiencia) y búsquedas racionales.

La popularización del concepto se debe a George Pólya, con su libro Cómo resolverlo (How to solve
it). Habiendo estudiado tantas demostraciones matemáticas desde su juventud, quería saber
cómo los matemáticos llegan a ellas. El libro contiene la clase de recetas heurísticas que trataba de
enseñar a sus alumnos de matemáticas. Cuatro ejemplos extraídos de él ilustran el concepto mejor
que ninguna definición:

 Si no consigues entender un problema, dibuja un esquema exhaustivo (trazando un

prototipo con el que discernir el relato de ideas de referencia conocidas e hipótesis
razonables).

 Si no encuentras la solución, haz como si ya la tuvieras y mira qué puedes deducir de

ella (razonando a la inversa).

 Si el problema es abstracto, prueba a examinar un ejemplo concreto.

 Intenta abordar primero un problema más general (es la “paradoja del inventor”: el
propósito más ambicioso es el que tiene más posibilidades de éxito).

Matemática
En la matemática, la heurística existe desde la Grecia antigua. Sin embargo, la formalización y el
alto grado de rigor en matemática le ha restado importancia al estudio del descubrimiento,
considerándolo más bien de interés para la psicología. Aunque existe el campo de la teoría de la
demostración, este nada tiene que ver con encontrar patrones de demostración o reglas para
encontrar las demostraciones de los teoremas.

La palabra heurus proviene del griego erus. Hay trabajos de Poincaré, Hadamard y Polya sobre la
creación en matemática. Al respecto el libro "Razonamiento plausible" de George Polya, describe
las posibilidades de creación en la diversas ramas de la matemática y trabajos concretos de
algunos matemáticos.

Psicología

En psicología la heurística se relaciona con la creatividad y se ha propuesto que sea «aquella regla
sencilla y eficiente para orientar la toma de decisiones y para explicar en un plano práctico cómo
las personas llegan a un juicio o solucionan un problema». Usualmente una heurística opera
cuando un problema es complejo o el problema trae información incompleta. En general, una
heurística puede considerarse como un atajo a los procesos mentales activos y, por lo tanto, es
una medida que ahorra o reserva recursos mentales. Las heurísticas funcionan efectivamente en la
mayoría de las circunstancias, sin embargo, también pueden conducir a errores sistemáticos en la
toma de decisiones o el desarrollo de juicios. La ideación de soluciones heurísticas frecuentemente
arranca de un razonamiento por analogía.

Un ejemplo de un atajo mental es el uso de un estereotipo. Cuando se juzga a un individuo

basándose en la descripción estereotípica de un grupo al cual pertenece, el uso del estereotipo
puede resultar en un error, (juicio por preestablecido) ya que el individuo puede ser poco
representativo del estereotipo. Sin embargo la heurística, aunque imperfecta, puede seguir siendo
válida si el estereotipo es estadísticamente lo bastante correcto (no hay estadísticas de
estereotipos disponibles). Así, los posibles errores puntuales quedan sobradamente compensados
por los más frecuentes aciertos (más aciertos que errores). Estos son obtenidos, además,
mediante una regla relativamente sencilla (no hay que basarse en razonamientos o conocimientos
sólidos) que ahorra recursos mentales y acelera de forma significativa la toma de decisiones, lo
que en ciertas situaciones puede resultar crítico (por ejemplo cuando la integridad física, mental o
económica del individuo está en juego).

Ingeniería

En ingeniería, una heurística es un método basado en la experiencia que puede utilizarse como
ayuda para resolver problemas de diseño, desde calcular los recursos necesarios hasta en planear
las condiciones de operación de los sistemas. Mediante el uso de heurísticas, es posible resolver
más rápidamente problemas conocidos o similares a otros conocidos. Existen varios métodos
heurísticos disponibles para los ingenieros como, por ejemplo, el Análisis modal de fallos y
efectos y los árboles de fallo. En el primero se depende de un grupo de ingenieros experimentados
que evalúan los problemas y fallos, los ordenan según su importancia y recomiendan soluciones.

Otros, como los métodos de ingeniería forense, son una amplia fuente de información para la
investigación de problemas y responsables, y se basan en la heurística del eslabón más débil y en
la eliminación de causas improbables. El conocimiento de qué causas son probables y cuáles no,
forma una heurística aprendida por la profesión durante muchos años, más que un conocimiento
científico aplicado.

Dado que las heurísticas pueden equivocarse, es fundamental conocer los casos en los que son
aplicables y los límites a su uso. En general, en la ingeniería deben considerarse como ayudas o
apoyos para hacer estimaciones rápidas y diseños preliminares, pero no como justificaciones
finales de un diseño o proyecto u otros.

La heurística como metodología científica

Como metodología científica, la heurística es aplicable a cualquier ciencia e incluye la elaboración

de medios auxiliares, principios, reglas, estrategias y programas que faciliten la búsqueda de vías
de solución a problemas; o sea, para resolver tareas de cualquier tipo para las que no se cuente
con un procedimiento algorítmico de solución. Según Horst Müler: «Los procedimientos
heurísticos son formas de trabajo y de pensamiento que apoyan la realización consciente de
actividades mentales exigentes». Los procedimientos heurísticos como método científico pueden
dividirse en principios, reglas y estrategias.

 Principios heurísticos: constituyen sugerencias para encontrar —directamente— la idea de

solución; posibilita determinar, por tanto, a la vez, los medios y la vía de solución. Dentro
de estos principios se destacan la analogía y la reducción (modelización).

 Reglas heurísticas: actúan como impulsos generales dentro del proceso de búsqueda y
ayudan a encontrar, especialmente, los medios para resolver los problemas. Las reglas
heurísticas que más se emplean son:

 Separar lo dado de lo buscado.

 Confeccionar figuras de análisis: esquemas, tablas, mapas, etc.

 Representar magnitudes dadas y buscadas con variables.

 Determinar si se tienen fórmulas adecuadas.

 Utilizar números —estructuras más simples— en lugar de datos.

 Reformular el problema.

 Estrategias heurísticas: se comportan como recursos organizativos del proceso de

resolución, que contribuyen especialmente a determinar la vía de solución del problema
abordado. Existen dos estrategias:

 El trabajo hacia adelante: se parte de lo dado para realizar las reflexiones que han
de conducir a la solución del problema: hipótesis.

 El trabajo hacia atrás: se examina primeramente lo que se busca y, apoyándose en

los conocimientos que se tienen, se analizan posibles resultados intermedios de lo
que se puede deducir lo buscado, hasta llegar a los dados.

Otras acepciones
  Una teoría científica tiene un alto valor heurístico si es capaz de generar nuevas ideas o
inducir nuevas invenciones. Para ello, sin ser irrelevante, no es imprescindible que la
teoría sea cierta o incierta.

 Parafraseando a Sartre; merced a su capacidad heurística, pese a las predeterminaciones

genéticas y otros condicionamientos, es probable que el ser humano (valga la aparente
paradoja de la frase) esté condenado a ser libre de las limitaciones que el medio le
impone.

 Mirándola desde los conceptos subyacentes, la propuesta heurística es la capacidad del

ser humano para cambiar su conducta, con el fin de resolver situaciones problemáticas.

Referencias

1. ↑ Real Academia Española. «heurística». Diccionario de la lengua española (23.ª

edición).

2. ↑ Real Academia Española. «eureka». Diccionario de la lengua española (23.ª

edición).

3. ↑ Glosario: “Arte o técnica de la búsqueda o investigación. Método heurístico, por

oposición al didáctico o de enseñanza.” en Heurística Archivado el 28 de
septiembre de 2013 en Wayback Machine.

4. ↑ Roberto Gómez L Archivado el 14 de junio de 2012 en Wayback Machine.,

citando a Imre Lakatos en "Evolución científica y metodológica de la economía]
2.4.6 Los programas de investigación científica de Lakatos.

5. ↑ Epistemowikia: “Por heurística entendemos una estrategia, método, criterio o

truco usado para hacer más sencilla la solución de problemas difíciles. El
conocimiento heurístico es un tipo especial de conocimiento usado por los
humanos para resolver problemas complejos.” en Heurística

6. ↑ G Pólya: (1945) "How to solve it", traducido al castellano como Cómo

resolverlo (1965)

Bibliografía

 Beuchot, Mauricio (1999). Heurística y hermenéutica. UNAM. ISBN 9789683670892.

 Moustakas, Clark (1990). Heuristic Research: Design, Methodology and Applications. Sage
Publications. ISBN 9781452210759.

Metaheurística
Una metaheurística es un método heurístico para resolver un tipo de problema computacional
general, usando los parámetros dados por el usuario sobre unos procedimientos genéricos y
abstractos de una manera que se espera eficiente. Normalmente, estos procedimientos son
heurísticos. El nombre combina el prefijo griego "meta" ("más allá", aquí con el sentido de "nivel
superior") y "heurístico" (de ευρισκειν, heuriskein, "encontrar").
Las metaheurísticas generalmente se aplican a problemas que no tienen un algoritmo o heurística
específica que dé una solución satisfactoria; o bien cuando no es posible implementar ese método
óptimo. La mayoría de las metaheurísticas tienen como objetivo los problemas de optimización
combinatoria, pero por supuesto, se pueden aplicar a cualquier problema que se pueda
reformular en términos heurísticos, por ejemplo en resolución de ecuaciones booleanas.

Las metaheurísticas no son la panacea y suelen ser menos eficientes que las heurísticas
específicas, en varios órdenes de magnitud, en problemas que aceptan este tipo de heurísticas
puras.

Conceptos generales y nomenclatura

El objetivo de la optimización combinatoria es encontrar un objeto matemático finito (por

ejemplo, un vector de bits o permutación) que maximice (o minimice, dependiendo del problema)
una función especificada por el usuario de la metaheurística. A estos objetos se les suele
llamar estados, y al conjunto de todos los estados candidatos se le llama espacio de búsqueda. La
naturaleza de los estados y del espacio de búsqueda son usualmente específicos del problema.

La función a optimizar se le llama función objetivo, y se da al usuario como un procedimiento caja-

negra que evalúa el estado actual o la función. Dependiendo de la metaheurística, el usuario
puede tener que dar otras funciones caja-negra que produzcan un nuevo estado, generan
variantes del estado actual, elijan un estado entre varios, aporten valores máximos o mínimos
para la función objetivo en un conjunto de estados, y en ese estilo.

Algunas metaheurísticas mantienen en cada instante de ejecución un único estado actual, y lo

cambian en cada iteración por uno nuevo. Este paso básico se conoce como transición de
estado, movimiento o actualización del estado. El movimiento es colina arriba o colina
abajo dependiendo de si los valores que da la función objetivo se incrementa o se decrementa. El
nuevo estado puede estar construido desde la nada por un generador de estados dado por el
usuario. Alternativamente, el nuevo estado puede derivar del estado actual por
un mutador proporcionado por el usuario; en este caso, el nuevo estado se conoce
como vecino del estado actual. Generadores y mutadores son habitualmente procedimientos
probabilísticos. El conjunto de todos los nuevos estados dados por el mutador es el vecindario del
estado actual.

Metaheurísticas más sofisticadas mantienen, en vez de un único estado actual, un conjunto de

varios estados candidato. Así, el paso básico añade o elimina estados de este conjunto. En este
caso, los procedimientos dados por el usuario seleccionan estados para ser descartados, y generan
nuevos estados a añadir. El último estado puede ser generado como combinación o cruce de dos o
más estados del conjunto.

Una metaheurística puede guardar información del óptimo actual, escogiendo el estado óptimo
entre todos los óptimos actuales obtenidos en varias etapas del algoritmo.

Dado que el número de candidatos puede ser muy grande, normalmente, las metaheurísticas
están diseñadas de manera que puedan ser interrumpidas por un tiempo máximo especificado por
el usuario. Si no se interrumpen, algunas metaheurísticas exactas examinaran todos los
candidatos, y usarán métodos heurísticos solo para escoger el orden de la enumeración; de hecho,
siempre devolverán un óptimo real, si el tiempo máximo es lo suficientemente grande. En cambio,
otras metaheurísticas dan solo una garantía probabilística pobre de poder alcanzar el óptimo, de
manera que cuando el tiempo máximo se aproxima a infinito, la probabilidad de examinar cada
candidato tiende a 1.

Metaheurísticas comunes

Este diagrama presenta una manera de clasificar algunas de las Metaheurísticas más conocidas. Un
elemento entre dos categorías indica que se puede colocar en una o en la otra según el enfoque.

Algunas metaheurísticas muy conocidas son:

 Aceptación por umbrales (Threshold Accepting)

 Algoritmos meméticos

 Algoritmos multiarranque

 Algoritmos basados en arrecifes de coral, CRO

 Algoritmos de enjambre

 Algoritmos genéticos

 Algoritmos voraces y Ascensión de colinas

 Ascensión de colinas con reinicialización aleatoria

 Búsqueda dispersa (Scatter Search)

 Búsqueda de Vecindad Variable (Variable Neighborhood Search)

 Búsqueda en entornos variados (Variable Neighborhood Search)

 Búsqueda local iterada (Iterated Local Search)

 Búsqueda local

 Búsqueda por difusión estocástica

 Búsqueda primero el mejor

  Búsqueda tabú

 GRASP

 Inteligencia de enjambre

 Meta-RaPS

 Optimización aleatoria

 Optimización de enjambre de partículas

 Optimización extrema

 Optimización basada en colonias de hormigas

 PeSOA: Penguins Search Optimization Algorithm

 Re-encadenamiento de trayectorias (Path Relinking)

 Recocido simulado (Simulated Annealing)

Hay un número enorme de variables e híbridos propuestos, y muchas más metaheurísticas han
sido probadas en problemas específicos. Este es un campo en investigación, con un gran número
de publicaciones en revistas, un gran número de investigadores y usuarios, además de un gran
número de aplicaciones.

Bibliografía

C. Blum and A. Roli A. (2003). Metaheuristics in combinatorial optimization: Overview and

conceptual comparison. ACM Computing Surveys 35(3) 268–308.

Matheurística
Nombramos Matheurística a aquellos algoritmos de optimización derivados de la interoperación
de metaheurísticas y técnicas de programación matemática (PM). Una de sus características
esenciales es la explotación, en alguna parte del algoritmo, de características derivadas del modelo
matemático del problema que resolver, de ahí el uso de la definición “metaheurísticas basadas en
modelos”, presente en eventos y sitios web relacionados con las matheurísticas.

Este campo pretende explotar las ventajas que brindan los modelos y técnicas de la PM en el
desarrollo de plataformas (meta)heurísticas, combinándose con la robustez y efectividad de estas
últimas. Dentro de la comunidad de investigadores afines, a muchos ha atraído el tema,
produciéndose así la publicación de ediciones especiales de libros y revistas dedicados a este
tópico. [1] [2] (enlace roto disponible en Internet Archive; véase el historial, la primera versión y
la última).

Desarrollo y Perspectivas
Urge advertir que el uso de la Programación Matemática para resolver problemas de optimización
de manera heurística es mucho más antiguo y más extendido que el de las matheurísticas. Aunque
la idea de diseñar métodos de PM específicamente para soluciones heurísticas tiene rasgos
inovadores que la diferencian de la práctica común de convertir métodos exactos de la PM en
heurísticas cuando no hay suficiente disponibilidad de recursos computacionales. Por el contrario,
en el caso de las metaheurísticas, la aplicación de modelos y técnicas de la PM es una tendencia
novedosa.

Ciertos enfoques que se sirven de una combinación de PM con metaheurísticas están apareciendo
de forma regular en la literatura especializada. Tales combinaciones pueden estar orientadas hacia
dos direcciones: una de ellas, que es además la más recorrida hasta el momento, es el empleo de
la PM para mejorar o diseñar metaheurísticas, la otra consiste en el uso de estas últimas para
mejorar las técnicas ya conocidas de la PM.

Aunque vincula dos de los campos más arraigados de la optimización matemática, la matheurística
apenas está en su infancia. Se hace por tanto difícil precisar en que dirección se concentrará el
futuro desarrollo de este campo. Algunas de las principales líneas de investigación desarrolladas
hasta el momento han sido:

 La utilización de técnicas de la PM para mejorar la búsqueda local. Por ejemplo la

utilización de técnicas de poda de la Programación Entera Mixta (PEM) para la exploración
de grandes vecindades alrededor de soluciones prometedoras.

 La hibridación de (meta)heurísticas y técnicas exactas de la PM. Por ejemplo, la utilización

de modelos de la PM para la solución de subproblemas dentro de una metaheurístca
determinada o para mejorar ciertos operadores heurísticos.

 La utilización de técnicas ‘clásicas’ de la PM como la relajación Lagrangeana o la

descomposición de Bender para guiar y modificar las operaciones de heurísticas
subordinadas.

 La aplicación de modelos matemáticos como fundamento para el diseño de nuevas

metaheurísticas.

Bibliografía

 Hybridizing Metaheuristics and Mathematical Programming. Series: Annals of Information

Systems , Vol. 10 Maniezzo, Vittorio; Stützle, Thomas; Voß, Stefan (Eds.) 2009. [3]

 Special Issue on Mathematical Contributions to Metaheuristics. Guest Editors: Vittorio

Maniezzo, Stefan Voß, and Pierre Hansen [4] (enlace roto disponible en Internet Archive;
véase el historial, la primera versión y la última).

 Marco A. Boschetti, V. Maniezzo, M. Roffilli and Antonio Bolufé Röhler. Matheuristics:

Optimization, Simulation and Control. HM 2009, LNCS 5818, pp. 171–177, 2009. Springer-
Verlag Berlin Heidelberg 2009
  I. Dimitrescu and T. Stutzle. Usages of exact algoritms to enhance stochastic local search
algorithm. In V. Maniezzo, T. Stutzle, and S. Voss, editors, Matheuristics: Hibridizing
metaheuristics and mathematical programming, OR/CS Interfaces Series. Springer, 2009.

 M. Fischetti and A. Lodi. Local branching. Mathematical Programming B, 98:23-47, 2003.

 E. Danna, E. Rothberg, C. Le Pape. Exploring relaxation induced neighborhoods to improve

MIP solutions. Mathematical Programming 102, 71-90, 2005.

 M. Yagiura and T. Ibaraki. The use of dynamic programming in genetic algorithms for
permutation problems. European Journal of Operational Research, 92:387-401, 1996.

 M. Fischetti, F. Glover, and A. Lodi. The feasibility pump. Mathematical Programming,

104(1):91–104, 2005.

 M. Boschetti and V. Maniezzo. Benders decomposition, lagrangean relaxation and

metaheuristic design. Journal of Heuristics, pages 1-30, 2007. [5] (enlace roto disponible
en Internet Archive; véase el historial, la primera versión y la última).

 E. Bartolini and A. Mingozzi. Algorithms for the non-bifurcated network design

problem. Journal of Heuristics, 15(3):259-281, 2009. [6] (enlace roto disponible en Internet
Archive; véase el historial, la primera versión y la última).

Heurística del juicio

Herbert A. Simon

En psicología, las heurísticas son reglas simples y eficientes que las personas a menudo usan para
formar juicios y tomar decisiones. Son atajos mentales que generalmente implican enfocarse en
un aspecto de un problema complejo e ignorar otros.123 Estas reglas funcionan bien en la mayoría
de las circunstancias, pero pueden conducir a desviaciones sistemáticas de la lógica,
la probabilidad o la teoría de la elección racional. Los errores resultantes se llaman "sesgos
cognitivos" y se han documentado muchos tipos diferentes. Se ha demostrado que afectan las
elecciones de las personas en situaciones como valorar una casa, decidir el resultado de un caso
legal o tomar una decisión de inversión. Las heurísticas generalmente rigen los juicios automáticos
e intuitivos, pero también pueden usarse como estrategias mentales deliberadas cuando se
trabaja con información limitada.

Planteamientos

El científico cognitivo Herbert A. Simon originalmente propuso que los juicios humanos están
limitados por la información disponible, limitaciones de tiempo y limitaciones cognitivas, llamando
a esta racionalidad limitada.4 A principios de la década de 1970, los psicólogos Amos
Tversky y Daniel Kahneman demostraron tres heurísticas que subyacen en una amplia gama de
juicios intuitivos. Estos hallazgos pusieron en marcha el programa de investigación de heurística y
sesgos,5 que estudia cómo las personas hacen juicios del mundo real y las condiciones bajo las
cuales esos juicios no son fiables. Esta investigación desafió la idea de que los seres humanos son
actores racionales, pero proporcionó una teoría del procesamiento de la información para explicar
cómo las personas hacen estimaciones o elecciones. Esta investigación, que primero ganó la
atención mundial en 1974 con el documento científico "Juicio bajo incertidumbre: heurística y
sesgos",6 ha guiado casi todas las teorías actuales de toma de decisiones,7 y aunque las heurísticas
propuestas originalmente han sido cuestionadas en el debate posterior, este programa de
investigación ha cambiado el campo, estableciendo permanentemente las preguntas de
investigación.8

La heurística se aplica ampliamente en la mercadotecnia

Esta tradición de heurística y sesgo ha sido criticada por Gerd Gigerenzer y otros por estar
demasiado concentrada en cómo la heurística conduce a errores.9 Los críticos argumentan que la
heurística puede verse como racional en un sentido subyacente. De acuerdo con esta perspectiva,
la heurística es lo suficientemente buena para la mayoría de los propósitos sin ser demasiado
exigente con los recursos del cerebro. Otra perspectiva teórica considera que las heurísticas son
completamente racionales, ya que son rápidas, pueden elaborarse sin información completa y
pueden ser tan precisos como los procedimientos más complicados. Al comprender el papel de la
heurística en la psicología humana, los mercadólogos y otros persuasores pueden influir en las
decisiones, como los precios que las personas pagan por los bienes o la cantidad que compran.

Las heurísticas son aplicadas en muchas otras áreas, incluyendo la comercialización, la salud
pública, la política y la justicia.

Historia
Daniel Kahneman, premio Nobel de economía en 2002.

Herbert Simon es el primero en introducir la noción de heurística en un artículo titulado Un

modelo conductual de elección racional publicado en el Quarterly Journal of Economics en 1955.
Simon propone la noción de racionalidad limitada para modelar el comportamiento humano y
sugiere que los individuos usan reglas aproximadas para tomar decisiones en lugar de considerar
todos los parámetros de un problema. Para Simon, las heurísticas son reglas racionales
aproximadas que proporcionan respuestas satisfactorias, pero no óptimas.10

En 1967, Harold Kelley amplió el trabajo de Herbert Simon desarrollando la teoría de la

covariación, también llamada teoría de la atribución causal.

Desde la década de 1970, el concepto de heurística cambió11 con Amos Tversky y Daniel
Kahneman, quienes en 197412 desarrollaron la idea de que los individuos no siempre toman sus
decisiones de manera racional. Serían parciales y podrían cometer errores. Dado que sus recursos
cognitivos no les permiten usar reglas racionales,13 los individuos recurrirían a atajos cognitivos:
heurísticos, que son operaciones mentales "intuitivas, rápidas y automáticas". Tversky y
Kahneman son los autores principales que han estudiado y desarrollado el concepto de heurística
del juicio. Son, por ejemplo, los creadores de la representatividad, disponibilidad y heurística de
anclaje y ajuste.12

Heurística estadística y no estadística

Hay dos categorías de heurística: estadísticas y no estadísticas. Las heurísticas más famosas, como
la representatividad, pertenecen a la segunda categoría. La heurística no estadística refleja la
incapacidad de las personas para aplicar principios estadísticos básicos en la vida cotidiana. La
heurística estadística es un equivalente más o menos intuitivo de los principios estadísticos.14
Sugieren que las personas tienen una comprensión básica de las estadísticas. Por ejemplo, si una
mujer proviene de una muestra en la que hay un 35 % de peluqueros y las personas asumen que
tiene un 35 % de posibilidades de practicar esta ocupación, sin considerar información adicional,
como por ejemplo, información estereotipada, sería una heurística estadística.

Tipos de heurística
En su investigación inicial, Tversky y Kahneman propusieron tres heurísticas: de disponibilidad, de
representatividad y de anclaje y ajuste. El trabajo posterior ha identificado muchos más. La
heurística que subyace al juicio se llama "heurística del juicio". Otro tipo, llamado "heurística de
evaluación", se usa para juzgar la conveniencia de posibles elecciones.15

Disponibilidad

Artículo principal: Heurística de disponibilidad En psicología, la disponibilidad es la facilidad con

que una idea particular puede ser recordada. Cuando las personas estiman la probabilidad o
frecuencia de un evento en función de su disponibilidad, están utilizando la heurística de
disponibilidad.16 Cuando un evento infrecuente puede recordarse fácil y vívidamente, las personas
tienden a sobreestimar su probabilidad.17 Por ejemplo, las personas sobreestiman su probabilidad
de morir en un evento dramático como un tornado o por terrorismo. Las muertes dramáticas y
violentas suelen ser más publicitadas y, por lo tanto, tienen una mayor disponibilidad.18 Por otro
lado, los eventos comunes pero mundanos son difíciles de recordar, por lo que sus probabilidades
tienden a subestimarse. Estos incluyen las muertes por suicidios, derrames cerebrales y diabetes.
Esta heurística es una de las razones por las cuales las personas se dejan influir más fácilmente por
una sola historia vívida que por un gran cuerpo de evidencia estadística.7 También puede
desempeñar un papel en el atractivo de las loterías: para alguien que compra un boleto, los
ganadores bien publicitados y jubilosos están más disponibles que los millones de personas que no
han ganado nada.

Saddam Hussein en su juicio el 1 de julio de 2004

En otro experimento, los sujetos escucharon los nombres de muchas celebridades,

aproximadamente el mismo número de los cuales eran hombres y mujeres. Luego se preguntó a
los sujetos si la lista de nombres incluía más hombres o más mujeres. Cuando los hombres en la
lista eran más famosos, la gran mayoría de los sujetos pensaba incorrectamente que había más de
ellos, y viceversa para las mujeres. La interpretación de Tversky y Kahneman de estos resultados es
que los juicios de proporción se basan en la disponibilidad, que es más alta para los nombres de
personas más conocidas.16

En un experimento que ocurrió antes de las elecciones presidenciales de 1976 en Estados Unidos,
se pidió a algunos participantes que imaginaran a Gerald Ford ganando, mientras que otros
hicieron lo mismo con la victoria de Jimmy Carter. Posteriormente, cada grupo vio a su candidato
asignado como significativamente más propenso a ganar. Los investigadores encontraron un
efecto similar cuando los estudiantes imaginaron una temporada buena o mala para un equipo de
fútbol americano universitario.19 El efecto de la imaginación en la probabilidad subjetiva ha sido
replicado por varios otros investigadores.

La disponibilidad de un concepto puede verse afectada por la forma reciente y la frecuencia con
que se ha tenido en cuenta. En un estudio, los sujetos recibieron oraciones parciales para
completar. Las palabras fueron seleccionadas para activar el concepto de hostilidad o bondad: un
proceso conocido como cebado. Luego tuvieron que interpretar el comportamiento de un hombre
descrito en una historia breve y ambigua. Su interpretación estaba sesgada hacia la emoción con la
que se habían preparado: cuanto más cebado, mayor era el efecto. Un mayor intervalo entre la
tarea inicial y el juicio disminuyó el efecto.20

Tversky y Kahneman ofrecieron la heurística de disponibilidad como explicación de las

correlaciones ilusorias en las que las personas juzgan erróneamente dos eventos que se asocian
entre sí. Explicaron que las personas juzgan la correlación sobre la base de la facilidad de imaginar
o recordar los dos eventos juntos.16

La disponibilidad de los recuerdos

Uno de los prejuicios establecidos por Tversky y Kahneman se debe a la fácil recuperación de los
recuerdos. En ocasiones, la facilidad de acceso a una memoria de eventos no refleja su frecuencia
exacta de ocurrencia. Por ejemplo, las personas en el estudio Slovic, Fischoff y Liechtenstein21
creían que morir de un homicidio era más común que morir de cáncer de estómago. La muerte por
cáncer de estómago es diecisiete veces más común que el homicidio. Sin embargo, los casos de
asesinato son más fácilmente accesibles en la memoria gracias, entre otras cosas, a los medios.

La efectividad de una búsqueda en la memoria

La eficiencia de una búsqueda de memoria juega un papel importante en el uso de la heurística de

disponibilidad: un elemento se calculará con mayor frecuencia si es fácil pensarlo. Los sujetos del
estudio de Tversky y Kahneman estiman que hay más palabras que comienzan con la letra C
(ejemplo: camino) que las palabras que contienen una C en la tercera letra (ejemplo: pacífica).
Esto no es correcto, pero es más fácil recordar palabras que comienzan con la letra C que palabras
que contienen una C como tercera letra.

El sesgo de la imaginación

Sucede a veces que ningún ejemplo de un evento está disponible en la memoria, ya que los
humanos no son conscientes de todos los eventos que ocurren diariamente en el mundo. Es
entonces la imaginación la que hace posible construirlos y hacer estimaciones de probabilidad.
Tversky y Kahneman señalan que la facilidad de imaginar estos ejemplos no siempre refleja su
frecuencia real. Y cuanto más fácil es imaginar ejemplos de un evento, más tiende a creer la gente
que este último es frecuente. Este sesgo de la imaginación es, por lo tanto, una nueva fuente de
errores de estimación.
 Las formas particulares de los ojos son asociadas
con la desconfianza.

La correlación ilusoria

[editar]

La correlación ilusoria es el último prejuicio indicado por Tversky y Kahneman. Desarrollan la idea
de Chapman y Chapman22 de que los individuos a veces tienden a creer que dos eventos ocurren al
mismo tiempo cuando este no es el caso. Esto se explicaría por la fuerza de la asociación entre
estos dos eventos. El ejemplo dado por los autores es la tendencia a asociar la sospecha más que
razonable con una forma de ojo particular. Los sujetos creían que las personas sospechosas con
más frecuencia tenían formas particulares de ojo. Cuando dos elementos están fuertemente
asociados por los individuos, tienden a creer que ocurren con frecuencia juntos.

Representatividad

[editar]

Rasgos de una familia, de Xaudaró, La

Ilustración Artística, 30-10-1905

La heurística de representatividad se ve cuando las personas usan categorías, por ejemplo, al

decidir si una persona es o no un criminal. Un individuo tiene una alta representatividad para una
categoría si es muy similar a un prototipo de esa categoría. Cuando las personas categorizan las
cosas sobre la base de la representatividad, están utilizando la heurística de representatividad.
"Representante" se entiende aquí en dos sentidos diferentes: el prototipo utilizado para la
comparación es representativo de su categoría, y la representatividad es también una relación
entre ese prototipo y la cosa que se categoriza.7 Si bien es efectiva para algunos problemas, esta
heurística implica prestar atención a las características particulares del individuo, ignorando qué
tan comunes son esas categorías en la población (llamadas tasas base). Por lo tanto, las personas
pueden sobreestimar la probabilidad de que algo tenga una propiedad muy rara, o subestimar la
probabilidad de una propiedad muy común. Esto se llama falacia de la tasa base. La
representatividad explica esto y varias otras formas en que los juicios humanos rompen las leyes
de la probabilidad.23

La heurística de representatividad es también una explicación de cómo las personas juzgan causa y
efecto: cuando hacen estos juicios sobre la base de la similitud, también se dice que usan la
heurística de representatividad. Esto puede conducir a un sesgo, al encontrar incorrectamente
relaciones causales entre cosas que se parecen entre sí y perderlas cuando la causa y el efecto son
muy diferentes. Ejemplos de esto incluyen tanto la creencia de que "los eventos emocionalmente
relevantes deben tener causas emocionalmente relevantes" como el pensamiento asociativo
mágico.24

Ignorancia de las tasas base

[editar]

Un experimento de 1973 utilizó un perfil psicológico de Tom W., un estudiante de posgrado

ficticio. Un grupo de personas tuvo que calificar la similitud de Tom a un estudiante típico en cada
una de las nueve áreas académicas (incluyendo Derecho, Ingeniería y Bibliotecología). Otro grupo
tuvo que evaluar la probabilidad de que Tom se especializara en cada área. Si estas clasificaciones
de probabilidad se rigen por la probabilidad, entonces deberían parecerse a las tasas base, es
decir, la proporción de estudiantes en cada una de las nueve áreas (que habían sido estimadas por
separado por un tercer grupo). Si las personas basaran sus juicios en la probabilidad, dirían que es
más probable que Tom estudie Humanidades que Bibliotecología, porque hay muchos más
estudiantes de Humanidades, y la información adicional en el perfil es vaga y poco confiable. En
cambio, las calificaciones de probabilidad coincidían casi por completo con las calificaciones de
similitud, tanto en este estudio como en uno similar, donde los sujetos juzgaban la probabilidad de
que una mujer ficticia tomara diferentes carreras. Esto sugiere que, en lugar de estimar la
probabilidad utilizando tasas base, los sujetos las habían sustituido por el atributo de similitud más
accesible.25

Falacia de la conjunción

[editar]

Cuando las personas confían en la representatividad, pueden caer en un error que rompe una ley
fundamental de probabilidad.26 Tversky y Kahneman dieron a los sujetos un breve bosquejo del
personaje de una mujer llamada Linda, describiéndola como "31 años de edad, soltera, abierta y
muy brillante. Se especializó en filosofía. Como estudiante, estaba profundamente preocupada
con los problemas de discriminación y justicia social, y también participó en manifestaciones
antinucleares". Las personas que leen esta descripción clasificaron la probabilidad de diferentes
declaraciones sobre Linda. Entre otras, incluyeron "Linda es una cajera de banco", y "Linda es
cajera de banco y está activa en el movimiento feminista". Las personas mostraron una fuerte
tendencia a calificar una declaración más específica como más probable, aunque una conjunción
de la forma "Linda es tanto X como Y" nunca puede ser más probable que la afirmación más
general "Linda es X". La explicación en términos de heurística es que el juicio fue distorsionado
porque, para los lectores, el bosquejo del personaje era representativo del tipo de persona que
podría ser una feminista activa pero no de alguien que trabaja en un banco. Un ejercicio similar se
refería a Bill, descrito como "inteligente pero carente de imaginación". Una gran mayoría de las
personas que leen este boceto de personaje calificaron "Bill es un contable que toca jazz por
afición", como más probable que "Bill toca jazz por afición".27

Sin éxito, Tversky y Kahneman usaron lo que describieron como "una serie de manipulaciones
cada vez más desesperadas" para lograr que sus sujetos reconocieran el error lógico. En una
variación, los sujetos tuvieron que elegir entre una explicación lógica de por qué "Linda es cajera
de banco" es más probable, y un argumento deliberadamente ilógico que dice que "Linda es una
cajera de un banco feminista" es más probable "porque se parece a una activa feminista más de lo
que se parece a una cajero de banco". El sesenta y cinco por ciento de los sujetos encontraron el
argumento ilógico más convincente.2728 Otros investigadores también llevaron a cabo variaciones
de este estudio, explorando la posibilidad de que la gente hubiera malentendido la pregunta. No
eliminaron el error.2930 El error desaparece cuando la pregunta se plantea en términos de
frecuencias. Todos en estas versiones del estudio reconocieron que de 100 personas que encajan
en una descripción esquemática, la declaración de la conjunción ("Ella es X e Y") no puede
aplicarse a más personas que la afirmación general ("Ella es X").31

Ignorancia del tamaño de la muestra

[editar]

Artículo principal: Insensibilidad al tamaño de la muestra

Tversky y Kahneman pidieron a los sujetos que consideraran un problema sobre la variación
aleatoria. Imaginando por simplicidad que exactamente la mitad de los bebés nacidos en un
hospital son hombres, la proporción no será exactamente la mitad en cada período de tiempo. En
algunos días, nacerán más niñas y en otros, más niños. La pregunta era, ¿la probabilidad de
desviarse exactamente de la mitad depende de si hay muchos o pocos nacimientos por día? Es una
consecuencia bien establecida de la teoría del muestreo que las proporciones variarán mucho más
día a día cuando el número típico de nacimientos por día es pequeño. Sin embargo, las respuestas
de las personas al problema no reflejan este hecho. Por lo general, responden que el número de
nacimientos en el hospital no tiene ninguna relación con la probabilidad de más del 60% de bebés
varones en un día. La explicación en términos de la heurística es que las personas solo consideran
cuán representativa es la cifra del 60% del promedio previamente dado del 50%.32
 El efecto de los estereotipos es mayor
cuanto menor es la información disponible

Efecto de dilución

[editar]

Richard E. Nisbett y sus colegas sugieren que la representatividad explica el efecto de dilución, en
el que la información irrelevante debilita el efecto de un estereotipo. A los sujetos de un estudio
se les preguntó si "Paul" o "Susan" tenían más probabilidades de ser asertivos, dado que no tenían
más información que sus nombres. Calificaron a Paul como más asertivo, aparentemente basando
su juicio en un estereotipo de género. Otro grupo, al que se dijo que las madres de Paul y Susan
trabajaban en un banco, no mostró este efecto estereotipo; calificaron a Paul y Susan como
igualmente enérgicos. La explicación es que la información adicional sobre Paul y Susan los hizo
menos representativos de hombres o mujeres en general, por lo que las expectativas de los
sujetos sobre hombres y mujeres tuvieron un efecto más débil.32 Esto significa que la información
no relacionada y no diagnóstica sobre cierto problema puede hacer que la información relativa sea
menos poderosa para el problema cuando las personas entienden el fenómeno.33

Percepción errónea de la aleatoriedad

[editar]

Ruleta
La representatividad explica los errores sistemáticos que las personas cometen al juzgar la
probabilidad de eventos aleatorios. Por ejemplo, en una secuencia de lanzamientos de monedas,
en cada uno de los cuales aparece cara (H) o cruz (T), las personas tienden a juzgar una secuencia
claramente contorneada como HHHTTT como menos probable que una secuencia menos
modelada como HTHTTH. Estas secuencias tienen exactamente la misma probabilidad, pero las
personas tienden a ver las secuencias con patrones más claros como menos representativas de la
aleatoriedad y, por lo tanto, piensan que es menos probable que resulten de un proceso
aleatorio.3435 Tversky y Kahneman argumentaron que este efecto subyace en la falacia del jugador;
una tendencia a esperar que los resultados se igualen en el corto plazo, como esperar que una
ruleta salga negro porque los últimos lanzamientos se salieron rojos.26 Hicieron hincapié en que
incluso los expertos en estadística eran susceptibles a esta ilusión: en una encuesta de 1971 de
psicólogos profesionales, descubrieron que los encuestados esperaban que las muestras fueran
demasiado representativas de la población de la que provenían. Como resultado, los psicólogos
sobreestimaron sistemáticamente el poder estadístico de sus pruebas y subestimaron el tamaño
de muestra necesario para una prueba significativa de sus hipótesis.36

Anclaje y ajuste

[editar]

Artículo principal: Anclaje

 La cantidad de dinero que la gente pagará en una subasta por
una botella de vino puede verse influenciada por la consideración de un número arbitrario de dos
dígitos.

El anclaje y ajuste es una heurística utilizada en muchas situaciones en las que las personas
estiman un número. De acuerdo con la descripción original de Tversky y Kahneman, implica partir
de un número fácilmente disponible -el "ancla" - y desplazarse hacia arriba o hacia abajo para
alcanzar una respuesta que parezca plausible.37 En los experimentos de Tversky y Kahneman, las
personas no se alejaron lo suficiente del ancla. Por lo tanto, el ancla contamina la estimación,
incluso si es claramente irrelevante. En un experimento, los sujetos vieron un número
seleccionado de una "rueda de la fortuna" giratoria. Tuvieron que decir si una cantidad dada era
más grande o más pequeña que ese número. Por ejemplo, se les podría preguntar: "¿El porcentaje
de países africanos que son miembros de las Naciones Unidas es mayor o menor al 65%?" Luego
intentaron adivinar el verdadero porcentaje. Sus respuestas se correlacionaron bien con el
número arbitrario que se les había dado.38

El efecto de anclaje ha sido demostrado por una amplia variedad de experimentos tanto en
laboratorios como en el mundo real. Queda cuando a los sujetos se les ofrece dinero como
incentivo para ser precisos, o cuando se les dice explícitamente que no basen su juicio en el
ancla.39 El efecto es más fuerte cuando la gente tiene que hacer sus juicios rápidamente. Los
sujetos en estos experimentos carecen de conocimiento introspectivo de la heurística, negando
que el ancla afectara sus estimaciones.40

Incluso cuando el valor de anclaje es obviamente aleatorio o extremo, aún puede contaminar las
estimaciones.41 Un experimento pidió a los sujetos que estimaran el año de la primera visita
de Albert Einstein a los Estados Unidos. Los anclajes de 1215 y 1992 contaminaron las respuestas
tanto como los años de anclaje más sensibles.40 Otros experimentos preguntaron a los sujetos si la
temperatura promedio en San Francisco es más o menos de 558 grados, o si The Beatles había
tenido más o menos de 100,25 álbumes entre los diez mejores. Estas anclas deliberadamente
absurdas todavía afectaban las estimaciones de los números verdaderos.38

El anclaje produce un sesgo particularmente fuerte cuando las estimaciones se expresan en forma
de un intervalo de confianza. Un ejemplo es cuando las personas predicen el valor de un índice
bursátil en un día determinado definiendo un límite superior e inferior para que tengan un 98% de
confianza de que el valor verdadero caerá en ese rango. Un hallazgo fiable es que las personas
anclan sus límites superiores e inferiores demasiado cerca de su mejor estimación.34 Esto conduce
a un efecto de exceso de confianza. Un hallazgo muy repetido es que cuando las personas tienen
un 98% de certeza de que un número se encuentra en un rango particular, se equivocan entre el
treinta y el cuarenta por ciento de las veces.42

El anclaje también causa una dificultad particular cuando muchos números se combinan en un
juicio compuesto. Tversky y Kahneman demostraron esto pidiendo a un grupo de personas que
estimaran rápidamente el producto 8 x 7 x 6 x 5 x 4 x 3 x 2 x 1. Otro grupo tuvo que estimar el
mismo producto en orden inverso; 1 x 2 x 3 x 4 x 5 x 6 x 7 x 8. Ambos grupos subestimaron la
respuesta por un amplio margen, pero la estimación promedio de este último grupo fue
significativamente menor. La explicación en términos de anclaje es que la gente multiplica los
primeros términos de cada producto y ancla en esa cifra. Una tarea menos abstracta es estimar la
probabilidad de que una aeronave se bloquee, dado que existen numerosas fallas posibles, cada
una con una probabilidad de uno en un millón. Un hallazgo común de los estudios de estas tareas
es que las personas se basan en las probabilidades de los componentes pequeños y, por lo tanto,
subestiman el total. Un efecto correspondiente ocurre cuando las personas estiman la
probabilidad de que ocurran múltiples eventos en secuencia, como una apuesta acumulada en
carreras de caballos. Para este tipo de juicio, el anclaje en las probabilidades individuales resulta
en una sobreestimación de la probabilidad combinada.18

Ejemplos

[editar]

La valoración de las personas de los bienes y las cantidades que compran responden a los efectos
de anclaje. En un experimento, las personas anotaron los dos últimos dígitos de sus números de
seguridad social. Luego se les pidió que consideraran si pagarían esta cantidad de dólares por
artículos cuyo valor no conocían, como vino, chocolate y equipos de informática. Luego ingresaron
en una subasta para ofertar por estos artículos. Aquellos con los números más altos de los dos
dígitos presentaron ofertas que fueron muchas veces más altas que aquellas con los números más
bajos.1543 Cuando se etiquetó una pila de latas de sopa en un supermercado, "Límite 12 por
cliente", la etiqueta influyó en los clientes para que compraran más latas.44 En otro experimento,
los agentes de bienes raíces evaluaron el valor de las casas sobre la base de un recorrido y una
extensa documentación. Diferentes agentes mostraron diferentes precios de listado, y estos
afectaron sus valoraciones. Para una casa, el valor tasado varió de US $ 114.204 $ a 128.754.39

También se ha demostrado que el anclaje y el ajuste afectan las calificaciones otorgadas a los
estudiantes. En un experimento, 48 maestros recibieron paquetes de ensayos de los estudiantes,
cada uno de los cuales tuvo que ser calificado y devuelto. También se les dio una lista ficticia de las
calificaciones anteriores de los estudiantes. La media de estas calificaciones afectó las
calificaciones que los maestros otorgaron al ensayo.45

Un estudio mostró que el anclaje afectó las sentencias en un juicio de violación ficticio.46 Los
sujetos eran jueces con, en promedio, más de quince años de experiencia. Leyeron documentos
que incluían testimonios de testigos, declaraciones de expertos, el código penal pertinente y los
alegatos finales de la fiscalía y la defensa. Las dos condiciones de este experimento difieren en un
solo aspecto: el fiscal exigió una condena de 34 meses en un caso y de 12 meses en el otro; hubo
una diferencia de ocho meses entre las penas promedio entregadas en estas dos condiciones.46 En
un juicio simulado similar, los sujetos tomaron el papel de jurados en un caso civil. También se les
pidió que otorguen daños "en el rango de 15 millones a 50 millones de $" o "en el rango de 50
millones a 150 millones de $". A pesar de que los hechos del caso eran los mismos cada vez, los
miembros del jurado con mayor rango decidieron una recompensa que era aproximadamente tres
veces mayor. Esto sucedió a pesar de que los sujetos fueron advertidos explícitamente de no
tratar las solicitudes como evidencia.47

Las evaluaciones también pueden verse influenciadas por los estímulos provistos. En una revisión,
los investigadores encontraron que si se percibe que un estímulo es importante o tiene "peso" en
una situación, es más probable que las personas atribuyan a ese estímulo a una mayor carga.48

Las emociones también son utilizadas en los juicios.

Heurística afectiva

[editar]
"Afecto", en este contexto, es un sentimiento como miedo, placer o sorpresa. Es más corto en
duración que un estado de ánimo, se produce de forma rápida e involuntaria en respuesta a un
estímulo. Si bien leer las palabras "cáncer de pulmón" podría generar un efecto de temor, las
palabras "amor de la madre" pueden crear un efecto de afecto y consuelo. Cuando las personas
usan el afecto ("respuestas viscerales") para juzgar los beneficios o riesgos, están usando la
heurística afectiva.49 La heurística del afecto se ha utilizado para explicar por qué los mensajes
enmarcados para activar las emociones son más persuasivos que los enmarcados de una manera
puramente fáctica.50

Otras

[editar]

Ver: Sesgos cognitivos y Heurística

 Heurística del esfuerzo: Kruger y sus colegas51 sugieren que cuando la producción de algo
requiere un gran esfuerzo, la gente tiende a darle más valor y calidad. En su estudio, se les
pidió a los participantes que calificaran pinturas o poemas. Cuanto más pensaban que esta
tarea requería tiempo y esfuerzo, mayores eran sus calificaciones de calidad, valor y
apreciación.

 Heurística de la rareza: esta es una regla mental que consiste en apreciar más las cosas
que son difíciles de obtener. Por ejemplo, los individuos estarán más motivados para
comprar un objeto si se ofrece en edición limitada que en el caso opuesto.52

 Heurística de la similitud: en una situación nueva, los individuos se basan en las

similitudes que comparten con una situación conocida para hacer suposiciones. Por
ejemplo, Osherson, Smith, Wilkie, Lopez y Shafir (1990) sugirieron que cuando los
individuos creen que las avestruces y los mirlos tienen características comunes, entonces
pensarán que son más similares.53

 Heurística de negatividad: la heurística de la negatividad consiste en dar más peso a la

información negativa que a la información positiva, pero se vuelve equivalente en
términos de fuerza.54

Función y uso de la heurística del juicio

[editar]
 Las heurísticas son procesos mentales y por lo tanto son
parte de la cognición.

En la toma de decisiones y el juicio, la heurística facilita juzgar, hacer frente a la incertidumbre,

preservar los esfuerzos de los actores y ahorrar tiempo.55 También se usan para generalizar y para
hacer juicios abstractos.

El estado de ánimo juega un papel en el uso de la heurística. De hecho, la alegría, más que la
tristeza o la depresión favorece su uso.56 La falta de importancia de una tarea y sus riesgos,57 una
gran experiencia en un campo en particular, así como el desarrollo de atajos mentales en ella
también influyen en su uso. Por otro lado, cuando los individuos tienen que justificar sus
deducciones, han cometido errores recientemente o han cuestionado la relevancia o la precisión
de sus cogniciones, utilizan menos la heurística.58

Aplicaciones

[editar]

Uno de los ámbitos de aplicación de la heurística es el

séptimo arte

Además de ser parte de nuestras operaciones de juicio diarias, la heurística se aplica en muchas
otras áreas. Por ejemplo, un primer campo que las explota es el marketing y, más precisamente, la
toma de decisiones en él. Los estudios muestran que la toma de decisiones de las personas a
menudo se apartan de los estándares propuestos por la teoría económica. Si se observan
discrepancias sistemáticas, los investigadores de marketing se esfuerzan por detectarlas y buscan
comprender sus orígenes, a fin de destacar los principios generales del comportamiento real de
toma de decisiones.59

En la misma área, Odou demostró que, basándose en las ideas principales asociadas con
una marca, el consumidor puede evaluar rápidamente un nuevo producto y evitar tener que tener
en cuenta todas las características de la oferta en profundidad. Sin embargo, dependiendo del
nivel de representatividad del producto en comparación con otros productos en la categoría
general, la fase de anclaje puede ser cuestionada. En este caso, el consumidor deberá ajustar su
primera impresión.60

Otro campo de aplicación es el de la justicia en las relaciones interindividuales. Una de las teorías
en este campo es la teoría de la equidad. De acuerdo con esto, las personas tienden a maximizar
sus ganancias y minimizar sus costos.61 En esta área, las heurísticas se usan para determinar cómo
responden las personas a un resultado. Identifican si las personas dependen más de los
procedimientos o resultados para llegar a una impresión general de equidad.62

En salud pública, el uso de la heurística puede ayudar a los médicos y pacientes a tomar
decisiones. Al contrario de la intuición común de que poseer mucha información es favorable, la
heurística permite reducir la información y hacerla más relevante, en particular para establecer
diagnósticos médicos. Es reconocida en la comunidad médica por su precisión, transparencia,
amplia accesibilidad, bajo costo cognitivo para ahorrar tiempo en la toma de decisiones.

Finalmente, la heurística de simulación tiene una dimensión emocional, que se explota

extensamente en guiones y novelas de películas. El espectador o lector, influenciado por esta
heurística se siente más abrumado por el destino del héroe ("si tan solo lo hubiera sabido ...").63

Véase también

[editar]

 La Cognición Social

 Psicología Social

 Estereotipo

 La teoría de la decisión

 Daniel Kahneman

 Amos Tversky

Referencias

[editar]

1. ↑ 1952-, Lewis, Alan, (2008). The Cambridge handbook of psychology and

economic behaviour. Cambridge University
Press. ISBN 0511394233. OCLC 314398519.

2. ↑ Harris, Lori A. (21 May 2007). CliffsAP Psychology. John Wiley & Sons. p.
65. ISBN 978-0-470-19718-9.
3. ↑ S., Nevid, Jeffrey (2009). Psychology : concepts and applications (3rd ed
edición). Houghton Mifflin Co. ISBN 0547148143. OCLC 268995996.

4. ↑ «Judgment and Decision Making». Noba (en inglés). Consultado el 29 de mayo

de 2018.

5. ↑ «PsycNET». [Link] (en inglés). Consultado el 29 de mayo de 2018.

6. ↑ Kahneman, Daniel (25 de octubre de 2011). Thinking, Fast and Slow (en inglés).
Farrar, Straus and Giroux. ISBN 9781429969352. Consultado el 29 de mayo de
2018.

7. ↑ Saltar a:a b c Scott., Plous, (1993). The psychology of judgment and decision
making. McGraw-Hill. ISBN 0070504776. OCLC 26931106.

8. ↑ W.,, Eysenck, Michael; 1946-, Groome, David,. Cognitive psychology : revisiting

the classic studies. ISBN 9781446294468. OCLC 907142803.

9. ↑ «PsycNET». [Link] (en inglés). Consultado el 29 de mayo de 2018.

10. ↑ Herbert Simon, « A behavioural model of rational choice », The Quarterly

Journal of Economics, vol. 69, 1955, p. 99–118.

11. ↑ Olivier Klein, Cognition sociale, Presses Universitaires de Bruxelles, 2012.

12. ↑ Saltar a:a b D. Kahneman et A. Tversky, « Judgement under uncertainty :

heuristics and biases », Science, vol. 185, no 4157, 1974, p. 1124-1131.

13. ↑ S. T. Fiske et S. E. Taylor, Social cognition, New York, Mcgraw-Hill Book

Company, 1991.

14. ↑ R. E. Nisbett, D. H. Krantz, C. Jepson et Z. Kunda, The use of statistical heuristics

in everyday inductive reasoning, New York, NY, Cambridge University Press, 2002.

15. ↑ Saltar a:a b Reid., Hastie, (2010). Rational choice in an uncertain world : the
psychology of judgment and decision making (2nd ed edición).
SAGE. ISBN 9781412959032. OCLC 430736629.

16. ↑ Saltar a:a b c «Availability: A heuristic for judging frequency and

probability». Cognitive Psychology (en inglés) 5 (2): 207-232. 1 de septiembre de
1973. ISSN 0010-0285. doi:10.1016/0010-0285(73)90033-9. Consultado el 29 de
mayo de 2018.

17. ↑ Morewedge, Carey K.; Todorov, Alexander (24 January 2012). "The Least Likely
Act: Overweighting Atypical Past Behavior in Behavioral Predictions". Social
Psychological and Personality Science. 3 (6): 760–766.
doi:10.1177/1948550611434784.

18. ↑ Saltar a:a b Stuart), Sutherland, N. S. (Norman (2007). Irrationality. Pinter &
Martin. ISBN 1905177070. OCLC 72151566.
19. ↑ «The effect of imagining an event on expectations for the event: An
interpretation in terms of the availability heuristic». Journal of Experimental Social
Psychology (en inglés) 14 (1): 88-96. 1 de enero de 1978. ISSN 0022-
1031. doi:10.1016/0022-1031(78)90062-8. Consultado el 29 de mayo de 2018.

20. ↑ «PsycNET». [Link] (en inglés). Consultado el 29 de mayo de 2018.

21. ↑ P. Slovic, B. Fischhoff et S. Lichtenstein, « Why Study Risk Perception? », Risk

Analysis, vol. 2, no 2, 1982, p. 83–93.

22. ↑ L. J. Chapman et J. P. Chapman, « Genesis of popular but erroneous

psychodiagnostic observations », Journal of Abnormal Psychology, vol. 73, no 2,
1967, p. 193-204.

23. ↑ Tversky, Amos; Kahneman, Daniel (1974), "Judgments Under Uncertainty:

Heuristics and Biases" (PDF), Science, 185 (4157): 1124–1131,
doi:10.1126/science.185.4157.1124, PMID 17835457 reprinted in Daniel
Kahneman; Paul Slovic; Amos Tversky, eds. (1982). Judgment Under Uncertainty:
Heuristics and Biases. Cambridge: Cambridge University Press. pp. 3–20. ISBN
9780521284141.

24. ↑ E.,, Nisbett, Richard. Human inference : strategies and shortcomings of social
judgment. ISBN 0134451309. OCLC 5411525.

25. ↑ «PsycNET». [Link] (en inglés). Consultado el 29 de mayo de 2018.

26. ↑ Saltar a:a b Plous 1993, pp. 109–120.

27. ↑ Saltar a:a b Tversky, Amos; Kahneman, Daniel (1983). "Extensional versus
intuitive reasoning: The conjunction fallacy in probability judgment". Psychological
Review. 90 (4): 293–315. doi:10.1037/0033-295X.90.4.293. reprinted in Gilovich,
Thomas; Griffin, Dale; Kahneman, Daniel, eds. (2002), Heuristics and Biases: The
Psychology of Intuitive Judgment, Cambridge: Cambridge University Press, pp. 19–
48, ISBN 9780521796798.

28. ↑ William., Poundstone,. Priceless : the myth of fair value (and how to take
advantage of it) (First edition edición). ISBN 9780809094691. OCLC 319248362.

29. ↑ Tentori, Katya; Bonini, Nicolao; Osherson, Daniel (2004-05). «The conjunction
fallacy: a misunderstanding about conjunction?». Cognitive Science (en
inglés) 28 (3): 467-477. ISSN 0364-0213. doi:10.1207/s15516709cog2803_8.
Consultado el 29 de mayo de 2018.

30. ↑ Moro, Rodrigo (1 de noviembre de 2009). «On the nature of the conjunction
fallacy». Synthese (en inglés) 171 (1): 1-24. ISSN 0039-7857. doi:10.1007/s11229-
008-9377-8. Consultado el 29 de mayo de 2018.

31. ↑ Gigerenzer, Gerd (1991). "How to make cognitive illusions disappear: Beyond
"heuristics and biases". European Review of Social Psychology. 2: 83–115.
doi:10.1080/14792779143000033.
32. ↑ Saltar a:a b Ziva., Kunda, (1999). Social cognition : making sense of people. MIT
Press. ISBN 0585077827. OCLC 42856033.

33. ↑ Zukier, Henry (1982). "The dilution effect: The role of the correlation and the
dispersion of predictor variables in the use of nondiagnostic information". Journal
of Personality and Social Psychology. 43 (6): 1163–1174.

34. ↑ Saltar a:a b Tversky & Kahneman 1974.

35. ↑ Kunda 1999, pp. 71–72.

36. ↑ Tversky, Amos; Kahneman, Daniel (1971). "Belief in the law of small numbers".
Psychological Bulletin. 76 (2): 105–110. doi:10.1037/h0031322. reprinted in Daniel
Kahneman; Paul Slovic; Amos Tversky, eds. (1982). Judgment under uncertainty:
heuristics and biases. Cambridge: Cambridge University Press. pp. 23–31. ISBN
9780521284141.

37. ↑ 1944-, Baron, Jonathan, (2000). Thinking and deciding (3rd ed edición).
Cambridge University Press. ISBN 0521650305. OCLC 43985515.

38. ↑ Saltar a:a b Plous 1993, pp. 145–146.

39. ↑ Saltar a:a b 1954-, Pohl, Rüdiger, (2004). Cognitive illusions : a handbook on
fallacies and biases in thinking, judgement and memory. Psychology
Press. ISBN 1841693510. OCLC 55124398.

40. ↑ Saltar a:a b 1973-, Bostrom, Nick,; M., Ćirković, Milan (2008). Global
catastrophic risks. Oxford University
Press. ISBN 9780198570509. OCLC 191245880.

41. ↑ Mussweiler, Englich & Strack 2004, pp. 185–186, 197.

42. ↑ 1934-, Kahneman, Daniel,; 1938-, Slovic, Paul,; Amos., Tversky,

(1982). Judgment under uncertainty : heuristics and biases. Cambridge University
Press. ISBN 0521240646. OCLC 7578020.

43. ↑ George., Loewenstein, (2007). Exotic preferences : behavioral economics and

human motivation. Oxford University Press. ISBN 0199257078. OCLC 50494462.

44. ↑ Yudkowsky 2008, pp. 102–103.

45. ↑ Jean-Paul., Caverni,; 1945-, Fabre, Jean-Marc,; Michel., Gonzalez,

(1990). Cognitive biases. North-Holland. ISBN 0444884130. OCLC 21521577.

46. ↑ Saltar a:a b Mussweiler, Englich & Strack 2004, p. 183.

47. ↑ Hastie & Dawes 2009, pp. 78–80.

48. ↑ Rabelo, A. L., Keller, V. N., Pilati, R., & Wicherts, J. M. (2015). No effect of weight
on judgments of importance in the moral domain and evidence of publication bias
from a meta-analysis. PLOS One.
49. ↑ Finucane, Melissa L.; Alhakami, Ali; Slovic, Paul; Johnson, Stephen M. «The
affect heuristic in judgments of risks and benefits». Journal of Behavioral Decision
Making (en inglés) 13 (1). ISSN 1099-0771. doi:10.1002/(sici)1099-
0771(200001/03)13:1%3C1::aid-bdm333%[Link];2-s. Consultado el 29 de mayo
de 2018.

50. ↑ Keller, Carmen; Siegrist, Michael; Gutscher, Heinz (2006-06). «The Role of the
Affect and Availability Heuristics in Risk Communication». Risk Analysis (en
inglés) 26 (3): 631-639. ISSN 0272-4332. doi:10.1111/j.1539-6924.2006.00773.x.
Consultado el 29 de mayo de 2018.

51. ↑ J. Kruger, D. Wirtz, L. Van Boven et T. W. Altermatt, « The effort heuristic »,

Journal of Experimental Social Psychology, vol. 40, no 1, 2004, p. 91-98.

52. ↑ J. Lallement, « La Rareté : définition et effets sur le comportement du

consommateur », inexistant, 7 novembre 2011.

53. ↑ Douglas L. Medin, Robert L. Goldstone et Gentner, « Respects for Similarity »,

Psychological Review, vol. 100, no 2, 1993, p. 254-278.

54. ↑ B. Dardenne, « La Cognition sociale », dans A. van Zantem, Dictionnaire des

sciences de l’éducation, Paris, PUF, 2008, 66-70 p.

55. ↑ Bottom, William P. (2004). «Review of Heuristics and Biases: The Psychology of
Intuitive Judgment». The Academy of Management Review 29 (4): 695-
698. doi:10.2307/20159081. Consultado el 29 de mayo de 2018.

56. ↑ Ruder, Markus; Bless, Herbert (2003). «Mood and the reliance on the ease of
retrieval heuristic.». Journal of Personality and Social Psychology 85 (1): 20-
32. ISSN 1939-1315. doi:10.1037/0022-3514.85.1.20.

57. ↑ Y. Schul, R. Mayo et E. Burnstein, « Encoding under trust and distrust : The
spontaneous activation of incongruent cognitions », Journal of Personality and
Social Psychology, vol. 86, no 5, 2004, p. 668-679 (DOI 10.1037/0022-
3514.86.5.668).

58. ↑ L. Z. Tiedens et S. Linton, « Judgment under emotional certainty and

uncertainty : The effects of specific emotions on information processing », Journal
of Personality and Social Psychology, vol. 81, no 6, 2001, p. 973-988.

59. ↑ M. Tuan Pham, « Heuristiques et biais décisionnels en marketing », Recherche

et applications en marketing, vol. 11, no 4, 1996, p. 53-69.

60. ↑ P. Odou, « L’heuristique d’ancrage et d’ajustement comme mode d’évaluation

d’un produit nouveau », Recherche et applications en marketing, vol. 20, no 3,
2005, p. 21-38.

61. ↑ E. Walster, E. Berscheid et G. Walster, « New directions in equity research »,

Journal of Personality and Social Psychology, vol. 25, no 2, 1973, p. 151–176.
 62. ↑ K. Van den Bos, E. A. Lind et A. M. Wilke, « The psychology of procedural and
distributive justice viewed from the perspective of fairness heuristic theory »,
Justice in the workplace: From theory to practice, vol. 2, 2001, p. 49–66.

63. ↑ S.T. Fiske et S.E. Taylor, Heuristiques et raccourcis mentaux. Efficience dans les
inférences et dans la prise de décision : Cognition sociale. Des neurones à la
culture, Wavre, Mardaga, 2011.

Bibliografía

[editar]

 Baron, Jonathan (2000), Thinking and deciding (3rd ed.), New York: Cambridge University
Press, ISBN 0521650305, OCLC 316403966

 Fiedler, Klaus; von Sydow, Momme (2015), "Heuristics and Biases: Beyond Tversky and
Kahneman's (1974) Judgment under Uncertainty" (PDF), in Eysenck, Michael W.; Groome,
David, Cognitive Psychology: Revising the Classical Studies, Sage, London, pp. 146–161,
ISBN 9781446294475

 Gigerenzer, G. (1996), "On narrow norms and vague heuristics: A reply to Kahneman and
Tversky. Heuristic", Psychological Review, 103 (3): 592–596, doi:10.1037/0033-
295X.103.3.592

 Gilovich, Thomas; Griffin, Dale W. (2002), "Introduction – Heuristics and Biases: Then and
Now", in Gilovich, Thomas; Griffin, Dale W.; Kahneman, Daniel, Heuristics and biases: the
psychology of intuitive judgement, Cambridge University Press, pp. 1–18, ISBN
9780521796798

 Hardman, David (2009), Judgment and decision making: psychological perspectives, Wiley-
Blackwell, ISBN 9781405123983

 Hastie, Reid; Dawes, Robyn M. (29 September 2009), Rational Choice in an Uncertain
World: The Psychology of Judgment and Decision Making, SAGE, ISBN 9781412959032

 Koehler, Derek J.; Harvey, Nigel (2004), Blackwell handbook of judgment and decision
making, Wiley-Blackwell, ISBN 9781405107464

 Kunda, Ziva (1999), Social Cognition: Making Sense of People, MIT Press, ISBN 978-0-262-
61143-5, OCLC 40618974

 Mussweiler, Thomas; Englich, Birte; Strack, Fritz (2004), "Anchoring effect", in Pohl,
Rüdiger F., Cognitive Illusions: A Handbook on Fallacies and Biases in Thinking, Judgement
and Memory, Hove, UK: Psychology Press, pp. 183–200, ISBN 9781841693514, OCLC
55124398

 Plous, Scott (1993), The Psychology of Judgment and Decision Making, McGraw-Hill, ISBN
9780070504776, OCLC 26931106

 Poundstone, William (2010), Priceless: the myth of fair value (and how to take advantage
of it), Hill and Wang, ISBN 9780809094691
  Reber, Rolf (2004), "Availability", in Pohl, Rüdiger F., Cognitive Illusions: A Handbook on
Fallacies and Biases in Thinking, Judgement and Memory, Hove, UK: Psychology Press, pp.
147–163, ISBN 9781841693514, OCLC 55124398

 Sutherland, Stuart (2007), Irrationality (2nd ed.), London: Pinter and Martin, ISBN
9781905177073, OCLC 72151566

 Teigen, Karl Halvor (2004), "Judgements by representativeness", in Pohl, Rüdiger F.,

Cognitive Illusions: A Handbook on Fallacies and Biases in Thinking, Judgement and
Memory, Hove, UK: Psychology Press, pp. 165–182, ISBN 9781841693514, OCLC 55124398

 Tversky, Amos; Kahneman, Daniel (1974), "Judgments Under Uncertainty: Heuristics and
Biases" (PDF), Science, 185 (4157): 1124–1131, doi:10.1126/science.185.4157.1124, PMID
17835457 reprinted in Daniel Kahneman; Paul Slovic; Amos Tversky, eds. (1982). Judgment
Under Uncertainty: Heuristics and Biases. Cambridge: Cambridge University Press. pp. 3–
20. ISBN 9780521284141.

 Yudkowsky, Eliezer (2008), "Cognitive biases potentially affecting judgment of global

risks", in Bostrom, Nick; Ćirković, Milan M., Global catastrophic risks, Oxford University
Press, pp. 91–129, ISBN 9780198570509

Reglas Heurísticas
Las reglas heurísticas son una herramienta valiosa en la detección de fraude cuando se usan
apropiadamente.

¿Qué Son las Reglas Heurísticas?

Las reglas heurísticas son atajos que ofrecen decisiones más rápidas que los métodos tradicionales
al resolver problemas computacionales en computación y en otras áreas. Podríamos decir incluso
que se usan para realizar suposiciones fundamentadas.

Las reglas heurísticas, también conocidas como la heurística, son particularmente importantes en
las ciencias computacionales ya que proporcionan oportunidades para trabajar mucho más rápido,
utilizando menos recursos y minimizando la carga en el sistema.

Sin embargo, la heurística involucra sacrificios, ya que das prioridad a la velocidad por encima de
la precisión o la completud. En cierto sentido, adopta el concepto de cálculos “suficientemente
buenos”, para ayudar a los procesos, con la velocidad, compensando estas deficiencias.

Por ejemplo, esto puede ser un sistema que bloquea transacciones rápidamente con base en
puntos de datos de una lista negra tales como la identificación del usuario, correo electrónico, el
hash del buscador u otros.

¿Cómo Funcionan las Reglas Heurísticas?

Las reglas heurísticas ayudan a habilitar modelos de toma de decisiones más veloces al:

1. Estudiar los datos históricos

 2. Monitorear datos nuevos o en tiempo real

3. Comparar patrones de datos nuevos o antiguos

4. Hacer suposiciones para completar los vacíos, lo que no se conoce

5. Disparar una acción cuando se alcanza un límite preestablecido

Como tal, la heurística encuentra su aplicación en el machine learning

(tanto whitebox como blackbox), el razonamiento automático y los modelos relacionados,
especialmente cuando tiene que trabajar con datos nuevos y diversos, el big data e información
incompleta.

Los sectores que emplean las reglas heurísticas regularmente incluyen la prevención y detección
de fraude, la ciberseguridad, el intercambio y las finanzas, y cada vez otros sectores buscan hacer
uso de la tecnología avanzada en sus esfuerzos por escalar o simplemente incrementar la
productividad y la eficiencia.

Ejemplos de Reglas Heurísticas

En la detección de fraude, las reglas heurísticas pueden significar un sistema que bloquea
transacciones rápidamente con base en puntos de datos previamente marcados tales como las
identificaciones de usuario, los hashes de navegador, los hashes de cookies, las direcciones de
correo electrónico, o incluso secuencias de acción específicas.

Repasemos un ejemplo sencillo:

1. Un estafador se registra en un casino en línea, con la esperanza de abusar del sistema de

bonificaciones.

2. Ha intentado esto anteriormente, pero desde un dispositivo diferente y una dirección de

correo electrónico distinta, con la esperanza de que esto oculte sus intenciones.

3. Sin embargo, se encuentra en la misma dirección IP que en el intento anterior,

proporciona casi la misma dirección domiciliar, y sigue los mismos pasos en la plataforma.
 4. El sistema utiliza la heurística para considerar cómo muchos de los puntos de datos en el
nuevo intento han sido observados en un intento de fraude anterior, completando los
vacíos y estableciendo conexiones.

5. Con base en estos estimados, se alcanza el límite de tolerancia de riesgo y el sistema

bloquea al usuario.+

En este ejemplo, la suposición de que debido a esta dirección IP exacta recientemente intentó un
fraude en el pasado al seguir los mismos pasos, el dueño está tratando de hacer esto
nuevamente.

Esto podría ser un falso positivo, pero el analista de riesgos, después de considerar el riesgo contra
la recompensa, ya ha decidido que prefiere el falso positivo (bloquear a usuarios legítimos) a los
falsos negativos (perder la oportunidad de bloquear a estafadores) en esta compañía y escenario
en particular, y ajustó el límite de tolerancia acordemente.

Esto sucede en el ejemplo poco probable de que el domicilio del estafador tiene un usuario
legítimo, o que el estafador opera desde un punto de acceso a internet compartido que los
usuarios legítimos han estado utilizando también.

En términos simples, están siendo cuidadosos. Es durante la huella del dispositivo y del navegador
en la que esos puntos de datos son identificados, con la heurística alimentándose de ahí para
encontrar conexiones y hacer suposiciones.

¿Cuándo son Útiles las Reglas Heurísticas?

La heurística computacional es particularmente útil:

1. Cuando la velocidad es una prioridad

2. En el análisis en tiempo real

3. Para facilitar las decisiones basadas en el big data

4. Para que los resultados preliminares sean revisados manualmente más adelante

5. Para minimizar la carga del sistema

6. Para liberar recursos del sistema para otros usos

7. Cuando hay muchos campos desconocidos

8. Para detectar conexiones ocultas que un humano no podría detectar

9. Para encontrar nuevas variaciones no observadas anteriormente

Las reglas heurísticas pueden ser muy útiles siempre y cuando aquellos que las emplean estén al
tanto de sus limitaciones y particularidades, y seleccionen el entorno adecuado en el que usarlas.
Después de todo, la heurística involucra sacrificios y suposiciones informadas, no certezas.
Es importante notar que las reglas heurísticas usan algoritmos que intercambian la precisión por
la velocidad. Esto las hace particularmente útiles para solicitudes urgentes, por ejemplo al tratar
de decidir si una transacción es fraudulenta o no, lo más rápido posible.

El razonamiento heurístico también es ideal cuando queremos obtener una evaluación general de
una situación donde no haya algoritmos conocidos que funcionen, tal como puntualizó Michael
Apter en su trabajo seminal, The Computer Simulation of Behavior, publicado originalmente en
1970.

Ventajas y Desventajas de la Heurística

La velocidad, el monitoreo en tiempo real y la capacidad de trabajar con el big data son las
ventajas más notables de las reglas heurísticas en la computación, la ciberseguridad y la
prevención de riesgos.

Destacablemente, son una gran solución cuando tenemos información incompleta, ya que es más
factible detectar nuevas variaciones de problemas anteriores, combinando enormes pilas de
puntos de datos para identificar conexiones y obtener conclusiones que, dependiendo de la
configuración, pueden ayudar a proceder con precaución.

Comparado con los algoritmos tradicionales y los métodos de toma de decisiones, las reglas
heurísticas involucran más trabajo especulativo, atajos y devuelve más errores. En general, son
conocidas por producir resultados menos confiables y precisos, y son propensas a estar sesgadas.

Sin embargo, teniendo estas características en mente al configurar las reglas y establecer los
procesos te ayudará a atenuar las desventajas inherentes de las reglas heurísticas, al permitirte
elegir esas situaciones en las que la heurística es la solución ideal para acelerar los procesos y
liberar recursos.

Fuentes:

Ericsson Blog

¿Qué son las heurísticas y cómo se cuelan en tus

decisiones?
Actualizado: 22 oct

El control de los procesos de selección lo debes tener tú, pero ¡cuidado! Las heurísticas se te
pueden colar en tu decisión de contratar o no a un colaborador. ¿Qué es heurística?
Si eres el responsable de contratar colaboradores, seguro sabes que…

1. La entrevista no está exenta de subjetividad, imprecisiones o criterios poco definidos.

2. El ser víctima de los sesgos inconscientes puede hacerte perder un gran talento o
contratar a alguien que no va a funcionar.

La entrevista cara a cara es un momento crucial del proceso de contratación, pero seamos
sinceros…

¿Cuántas veces la ha realizado un entrevistador que no estaba capacitado? O lo que es peor…

¡Estaba excesivamente seguro de sus capacidades para seleccionar candidatos!

En ambos casos brota el riesgo de decidir contratar al candidato incorrecto o dejar escapar al
indicado.

Comprender qué son las heurísticas es importante para esquivar problemas en la contratación de
personas y fortalecer la conformación de equipos diversos.

Porque está claro… puede que frente a ti esté el colaborador que tiene las habilidades que
buscas, pero que no termina de encajar con el perfil que tenías en mente.

¿Quieres evitar los errores comunes en la selección de personal causados por las
heurísticas? Nuestras evaluaciones basadas en juegos te proporcionan datos objetivos y
confiables para tomar decisiones más informadas. ¡Solicita una demo!

Definición de heurística y ejemplos

La heurística es un proceso —atajo mental— mediante el cual el cerebro realiza juicios y toma
decisiones rápidas.

De este modo, el cerebro evita la racionalización profunda y deliberada y define una respuesta
inmediata para hacerle frente a una situación específica.
Es un mecanismo que, desde el punto de vista evolutivo, ha sido importante para la supervivencia
humana. A los primeros humanos les sirvió para tomar decisiones de vida o muerte.

Hoy, categorizar y realizar un juicio previo aún nos permite decidir qué hacer frente a un peligro.

¡Pero no solo eso!

En ocasiones, usar heurísticas:

1- Ayuda a tomar buenas decisiones de manera rápida y sin un gasto cognitivo relevante.

2- Puede ser útil en situaciones en que la velocidad es más importante que la precisión.

3- Puede inducir a errores en su afán de simplificar el trabajo mental.

Por esto último, como reclutador debes tener cuidado en las entrevistas.

Escuchar, evaluar, procesar información, tomar apuntes, mantener la conversación con el

postulante… así, uno tras otro. Las entrevistas también son estresantes y agotadoras para los
evaluadores.

Cuando el proceso es así de arduo, el cerebro busca evitar la sobrecarga cognitiva usando
heurísticas para tomar decisiones.

La trampa de las heurísticas es que son juicios intuitivos, basados en un conocimiento parcial, en la
experiencia o en suposiciones que a veces son correctas… ¡pero otras veces no!

Un ejemplo de la vida cotidiana en la que tu cerebro probablemente use una heurística para
evaluar la situación en vez de realizar una reflexión completa ocurre cuando:
Otro ejemplo ocurre cuando:

Las heurísticas también se usan cuando no se tiene toda la información.

Kahneman, Tversky y las heurísticas

En “Thinking, Fast and Slow” (Pensar rápido, pensar despacio), el psicólogo Daniel Kahneman —
premio Nobel de Economía en 2002— explica que el pensamiento intuitivo es más fácil de usar,
pero también es el más propenso al error.

¿El motivo? Las heurísticas usan atajos simplificados que pueden derivar en sesgos.

Ese es el peligro.

Los sesgos son un conjunto de errores sistemáticos en el pensamiento que influyen en los juicios
y decisiones. ¡De ellos hay muchos! Aquí puedes conocer 11 sesgos que pueden hacerte caer en
sus trampas.

En vista de lo que te contamos es lógico que Kahneman haya advertido sobre la importancia de
disminuir el uso de las heurísticas.

¿Cansado de tomar decisiones de selección basadas en intuiciones? Descubre cómo las

evaluaciones gamificadas te ayudan a superar los sesgos cognitivos y seleccionar al talento más
adecuado.

La revolución de Kahneman y Tversky

En los años 70, Daniel Kahneman y el también psicólogo Amos Tversky causaron una gran
revolución en el estudio del comportamiento humano, particularmente en el proceso de toma de
decisiones.

Lo anterior, debido a que hasta entonces este campo era dominado por modelos teóricos
racionales.

Sin embargo, en sus estudios, Kahneman y Tversky notaron que las personas, al momento de
realizar juicios o decisiones complicadas, usaban más la semejanza de su conocimiento que los
datos objetivos o estadísticas relevantes.
Así fue como hablaron de las reglas de decisión. Dos de ellas (a las que haremos mención en este
artículo) son la heurística de representatividad y la heurística de disponibilidad.

Heurística de representatividad

La representatividad es una heurística de propósito general que busca responder a preguntas

como “¿qué probabilidades hay de que el objeto A pertenezca a la clase B?” (Frank, 1992).

En otras palabras, es la tendencia a hacer un juicio sobre un objeto, hecho o persona

comparándolo con un prototipo que existe en nuestra mente.

Este prototipo, dice la psicóloga Kendra Cherry —autora de “Everything Psychology Book (2nd
edition)”—, es lo que se considera como el ejemplo más relevante o típico de un evento u objeto.

“El problema con esto es que las personas a menudo sobrestiman la similitud entre las dos cosas
que están comparando”, explica la experta.

Así, tratar con estereotipos puede terminar siendo perjudicial. Aquí también caben los juicios
basados en el género, aspecto físico, posición, raza, origen.

Pero hay más:

En la situación de la imagen, el cerebro del reclutador comparó automáticamente al candidato con

su padre y decidió que el primero se ajustaba al prototipo mental más representativo (su padre).

El sesgo que arrastra la heurística puede conducir a:

 Malas decisiones de contratación.

 Baja productividad.
  Alta rotación.

En el ejemplo anterior, puede que se tratase sólo de una persona con problemas para manejarse
con soltura en las entrevistas de trabajo, pero que sí contaba con las habilidades necesarias.

Otros errores que conlleva el uso de la heurística de representatividad son:

Insensibilidad a las probabilidades previas

La insensibilidad a las probabilidades previas es la tendencia a asignar una probabilidad a una

persona o categoría desconociendo una línea base y sólo teniendo presente la información nueva
porque se considera representativa.
Sesgo de confirmación

Este sesgo implica tratar de confirmar una opinión preexistente (un sesgo negativo o positivo).

El riesgo en el caso del jefe de atención al cliente es que el evaluador puede que ignore otras
variables críticas en su afán de corroborar que está en lo cierto.

Heurística de disponibilidad

En simple, la heurística de disponibilidad surge cuando los juicios o decisiones se basan en

ejemplos que vienen más fácil a la mente.

¡Ese es el riesgo!

Tomar decisiones basadas en pensamientos que están más disponibles, creyendo que esa
información indica lo más probable o frecuente. No obstante, hay veces en que la persona
recuerda lo más reciente, extraño o específico.

Un ejemplo cotidiano es evaluar como más riesgoso viajar en avión que en auto.

El motivo para pensar así es que los accidentes aéreos generan más atención mediática. No
obstante, la realidad es que es mucho más alta la frecuencia de accidentes vehiculares.

¿Y si te preguntamos sobre la productividad de uno de tus compañeros de trabajo?

Lo más probable es que lo primero que venga a tu mente sea su labor más reciente y saques una
conclusión a partir de eso, pero puede que no sea el mejor indicador de su desempeño habitual.

En la selección puede suceder algo similar.

Otro sesgo que arrastra la heurística de disponibilidad es la:

Correlación ilusoria

Este sesgo es la tendencia a relacionar 2 variables (eventos, acciones, ideas, etc) cuando en
realidad no están asociadas.

Un claro ejemplo es cuando las personas ven de forma desproporcionada la violencia que ejercen
algunos grupos minoritarios y conectan esa violencia con determinadas etnias, razas o
nacionalidades a pesar de que no exista una correlación.

En la selección de candidatos, definitivamente, puede terminar cerrando oportunidades a ciertos

postulantes.

Heurísticas y sesgos: ¿cómo luchar contra tu cerebro?

Es muy difícil deshacerse de los sesgos y las heurísticas no aportan necesariamente a evitarlos.

¡Por eso es tan importante ser conscientes de su existencia!

Es la única manera de que los encargados de selección tomen medidas concretas y aseguren que
las decisiones de contratación serán justas y objetivas.

Frente a esto, ¿qué se puede hacer? Anota estas ideas:

Evaluaciones basadas en juegos

Permiten evaluar las habilidades cognitivas y rasgos emocionales-conductuales de los candidatos

de forma objetiva y divertida.

Se basan en la Neurociencia y las Ciencias del Comportamiento, por lo tanto, los datos que
aportan están libres de sesgos.
Entrevista estructurada

Haz las mismas preguntas y en el mismo orden a todos tus candidatos. No te desvíes del tema
principal para así evitar caer en prejuicios o comparaciones que no tienen relación con la
postulación al cargo.

Escala de calificación

Utiliza una escala de calificación de entrevistas basada en criterios objetivos. Esto contribuye a
tomar decisiones más precisas y fundamentadas.

Si quieres conocer otras formas de evitar caer en estas trampas, aquí tienes otros consejos que te
servirán de apoyo. 😉

Ventajas y desventajas de las heurísticas

Como has podido ver, las heurísticas tienen su lado bueno y su lado malo.

Las heurísticas en el día a día y con el ajetreo acostumbrado sí pueden ayudar a tomar buenas
decisiones en poco tiempo, pero por supuesto la poca reflexión también conlleva riesgos.

Vamos a recapitular:

La cantidad de situaciones en las que se pueden aplicar las heurísticas es ¡INFINITA! y sus
consecuencias muy importantes, según sea el caso.

Si te has dado cuenta de que en tus procesos de selección estás cayendo en las trampas de los
atajos mentales, ahora que ya sabes qué son las heurísticas intenta seguir algunos de los
consejos que te hemos compartido.
"Heurísticos": los atajos mentales del
pensamiento humano
Una respuesta rápida y cómoda a una pregunta
compleja.

Adrián Triglia 1 junio, 2015 - 16:57 — Actualizado 4 febrero, 2024

Devianart

Los animales vertebrados nos caracterizamos por afrontar docenas de decisiones cruciales en
nuestro día a día. Cuándo descansar, con quien relacionarnos, cuándo debemos huir y cuándo no,
qué significado tiene un estímulo visual... todo esto entra dentro del repertorio de pequeños
dilemas cotidianos cuya resolución es una consecuencia inevitable de vivir en entornos complejos.

Además, cuando el animal vertebrado en cuestión es el Homo sapiens de las sociedades

modernas, estas decisiones se multiplican para transformarse en oleadas masivas de cuestiones
que requieren nuestra atención: a quién votar, dónde buscar trabajo, a qué gestores delegar
tareas, etc. Son muchas preguntas y no todas son fáciles de contestar y, sin embargo, salvo en
algunas excepciones, las resolvemos con una facilidad pasmosa y sin necesidad de entrar en una
crisis nerviosa. ¿Cómo se explica esto? La respuesta es que, en parte, no resolvemos estas
cuestiones tal y como se nos presentan, sino que tomamos unos atajos mentales
llamados heurísticos.

¿Qué es un heurístico?

En psicología, un heurístico es una regla que se sigue de manera inconsciente para reformular un
problema planteado y transformarlo en uno más simple que pueda ser resuelto fácilmente y de
manera casi automática. En definitiva, es una especie de truco mental para guiar la toma de
decisiones por senderos del pensamiento más fáciles. Pensemos, por ejemplo, en el siguiente
dilema, al cual llamaremos "problema original":
  ¿A quién debería votar en las próximas elecciones generales?

Para cualquier persona que crea en la democracia representativa, esta es una decisión
relativamente importante, que requiere una profunda reflexión en varios temas (gestión
medioambiental, política de género, propuestas contra la corrupción, etc.) y ante lo cual existe un
abanico muy limitado de respuestas posibles (abstención, voto en blanco, voto nulo o voto válido
a una de las candidaturas). A todas luces, llegar a la decisión de a quién votar según los diferentes
criterios y parámetros que figuran en los programas electorales es una difícil tarea. Tan difícil que
nadie lo hace. En vez de responder a la pregunta inicial, es posible que un heurístico
especialmente seductor se perfile en la mente de algunos votantes:

 ¿Qué partido está formado por la mayor cantidad de políticos que no me caigan mal?

Esta es una problemática muy distinta a la primera. Tan distinta, de hecho, que merece un nombre
diferenciado: por ejemplo, "problema simplificado". Es aquí donde influye el pensamiento
heurístico. El problema simplificado sólo incluye una dimensión que debe ser considerada, una
escala valorativa que puede expresarse del 0 (me caen todos muy mal) al 10 (este partido no está
mal) y cuya respuesta se apoyará sólo sobre impresiones subjetivas. Sin embargo, esta segunda
pregunta guarda una relación de equivalencia con la anterior: le damos una respuesta para usarla
para responder a la primera.

En este caso, la opción ganadora resultante del proceso heurístico, que en este caso es el nombre
de un partido político, será transportada de nuevo al mundo de las reflexiones sesudas y tomará
asiento al final de la pregunta original como si nada hubiera pasado.

La decisión fácil es la decisión automática

Todo lo anterior ocurre sin que el votante que utilizamos para este ejemplo advierta lo que ha
pasado. En tanto que este proceso psicológico se guía por la lógica de los heurísticos
involuntarios, ni siquiera hace falta que el votante se proponga transformar el problema original
en un problema simplificado: esto ocurrirá automáticamente, porque decidir si seguir o no esta
estrategia es en sí un contratiempo añadido con el que la atareada mente consciente no quiere
lidiar.

La existencia de este heurístico hará posible una respuesta rápida y cómoda a una pregunta
compleja y, por ello, renunciará a la pretensión de dedicar tiempo y recursos a buscar la respuesta
más exacta. Estos atajos mentales son una especie de mal menor que se utiliza ante la
imposibilidad de atender a todos y cada uno de los problemas que deben ser afrontados,
teóricamente, por un estilo de pensamiento despierto y racional. Por ello, las consecuencias de
dejarse guiar por ellos no siempre son positivas.

Un ejemplo de pensamiento por heurístico

A finales de los ochenta se realizó uno de los experimentos que mejor ejemplifican un caso de
pensamiento guiado por un heurístico. Un equipo de psicólogos planteó a una serie de jóvenes
alemanes dos preguntas muy concretas:

 ¿Te sientes feliz estos días?

  ¿Cuántas citas tuviste el mes pasado?

El interés de este experimento estaba en estudiar la posible existencia de correlación entre las
respuestas a estas dos preguntas, es decir, si existía alguna relación entre la respuesta que se le
daba a una de las preguntas y la que se le daba a la otra. Los resultados fueron negativos. Ambas
parecían ofrecer resultados independientemente de lo que se respondía a la otra. Sin embargo, al
invertir el orden de las preguntas y plantearlas de este modo a otro grupo de jóvenes, sí apareció
una correlación muy significativa. Las personas que respondían que habían tenido un número de
citas cercano a 0 se mostraban también más pesimistas a la hora de valorar su nivel de felicidad.
¿Qué había pasado?

Según las reglas del heurístico, la explicación más probable es que las personas del segundo grupo
habían extendido la respuesta de la primera pregunta, la más fácil de contestar, a la segunda, cuya
resolución implicaría reflexionar durante un rato. Así, mientras que los jóvenes del primer grupo
no habían tenido más remedio que buscar una respuesta a la pregunta "¿te sientes feliz estos
días?", los del segundo grupo sustituyeron inconscientemente esta pregunta por la que habían
respondido segundos antes, la de las citas. Así, para ellos la felicidad por la que se preguntaba en
el experimento había pasado a ser un tipo de felicidad muy concreto, más fácil de valorar. El de la
felicidad relacionada con la vida amorosa.

El caso de los jóvenes alemanes no es un caso aislado. La pregunta sobre la felicidad también es
sustituida cuando viene precedida de una cuestión relativa a la situación económica o las
relaciones familiares del sujeto experimental. En todos estos casos, la pregunta que es planteada
en primer lugar facilita el seguimiento del heurístico a la hora de responder a la segunda gracias a
un efecto de priming.

¿Es común el uso de heurísticos?

Todo parece indicar que sí, es muy común. El hecho de que la heurística responda a criterios
pragmáticos hace pensar que, allí donde hay una toma de decisiones a la que no dedicamos el
esfuerzo que se merece, hay un rastro de heurísticos. Esto significa, básicamente, que una
grandísima parte de nuestros procesos mentales se guían discretamente por esta lógica. Los
prejuicios, por ejemplo, son una de las formas que pueden tomar los atajos mentales a la hora de
lidiar con una realidad sobre la que nos faltan datos (¿cómo es este japonés en concreto?).

Ahora bien, deberíamos preguntarnos también si es deseable el uso del recurso heurístico. En este
tema hay posturas opuestas incluso entre los expertos. Uno de los grandes especialistas en toma
de decisiones, el psicólogo Daniel Kahneman, cree que merece la pena reducir en cuanto
podamos el uso de estos atajos cognitivos, ya que llevan a conclusiones sesgadas. Gerd
Gigerenzer, sin embargo, encarna una postura algo más moderada, y sostiene que los heurísticos
pueden ser una forma útil y relativamente eficaz de resolver problemas en los que de otra forma
nos quedaríamos atascados.

Desde luego, hay motivos para ser cautos. Desde una perspectiva racional, no se puede justificar
que nuestras actitudes ante ciertas personas y opciones políticas esté condicionada por prejuicios
y formas ligeras de pensar. Además, resulta preocupante pensar lo que puede ocurrir si las
mentes que hay detrás de grandes proyectos y movimientos empresariales obedecen al poder del
heurístico. Resulta creíble, teniendo en cuenta que se ha visto cómo las cotizaciones de las
acciones de Wall Street pueden verse influidas por la presencia o no de nubes que tapen el sol.

En cualquier caso, resulta claro que el imperio del heurístico es basto y está aún por explorar. La
diversidad de situaciones en las que puede ser aplicado un atajo mental es prácticamente infinita,
y las consecuencias de seguir o no un heurístico también parecen ser importantes. Lo que es
seguro es que, aunque nuestro cerebro esté diseñado como un laberinto en el cual nuestra
mente consciente acostumbra a perderse en mil operaciones minuciosas, nuestro inconsciente ha
aprendido a descubrir y recorrer muchos de los pasadizos secretos que siguen siendo un misterio
para nosotros.

Referencias bibliográficas:

 Kahneman, D. (2011). Pensar rápido, pensar despacio. Barcelona: Random House

Mondadori.

 Saunders, E. M. Jr. (1993). Stock Prices and Wall Street Weather. American Economic
Review, 83, pp. 1337 - 1345.

 Strack, F., Martin, L. L. Schwarz, N. (1988). Priming and Communication: Social

Determinants of Information Use in Judgments of Life Satisfacion. European Journal of
Social Psychology, 18(5), pp. 429 - 442.

¿Por qué utilizamos la similitud para medir la probabilidad estadística?

La heurística de la representatividad

explicó.

Bias

Dónde se produce este sesgo

¿Qué es la heurística de la representatividad?

La heurística de la representatividad es un atajo mental que utilizamos al estimar probabilidades.

Cuando intentamos evaluar la probabilidad de un determinado acontecimiento, solemos
decidirnos por su similitud con un prototipo mental existente.
Dónde se produce este sesgo

Supongamos que vas a un concierto con tu amiga Sara. Ella también ha invitado a sus dos amigos,
John y Adam, a los que no conoces de nada. Sabes que uno es matemático y el otro músico.

Cuando por fin conoces a los amigos de Sarah, te das cuenta de que John lleva gafas y es un poco
tímido, mientras que Adam es más extrovertido y va vestido con una camiseta de un grupo de
música y unos vaqueros rotos. Sin preguntar, supones que John debe ser el matemático y Adam el
músico. Más tarde descubres que estabas equivocado: Adam hace matemáticas y John toca
música.

Gracias a la heurística de la representatividad, adivinaste los trabajos de Adam y John basándote

en estereotipos sobre cómo suelen vestir estas profesiones. Esta confianza te hizo ignorar mejores
indicadores de sus profesiones, como simplemente preguntarles a qué se dedican.

Efectos individuales

Como tendemos a basarnos en la representatividad, a menudo no tenemos en cuenta otros tipos

de información, lo que nos lleva a hacer malas predicciones. La heurística de la representatividad
está tan extendida que muchos investigadores creen que es la base de otros sesgos que afectan a
nuestro procesamiento, como la falacia de la conjunción y la falacia del jugador.

La falacia de la conjunción se produce cuando suponemos que es más probable que se den varias
cosas a la vez que una sola por sí sola. Estadísticamente hablando, nunca es así, pero el heurístico
de la representatividad puede convencernos de ello.

Tomemos el ejemplo de Lisa, una brillante licenciada en Filosofía muy preocupada por la
discriminación y la justicia social. Cuando se nos da la opción, es mucho más probable que
adivinemos que es a la vez una feminista activa y una cajera de banco, en lugar de sólo una cajera
de banco.6 Esto se debe a la representatividad: el hecho de que Linda se parezca a un prototipo de
feminista sesga nuestra capacidad para predecir la probabilidad de su carrera.

Otro sesgo causado por la heurística de la representatividad es la falacia del jugador, que hace que
la gente aplique probabilidades a largo plazo a secuencias a corto plazo. Por ejemplo, al lanzar una
moneda, hay aproximadamente un cincuenta por ciento de probabilidades de que salga cara o
cruz. Esto no significa que si se lanza una moneda dos veces, salga cara una vez y cruz la otra. La
probabilidad sólo funciona en secuencias largas, como lanzar una moneda cien veces. Sin
embargo, creemos que las probabilidades a corto plazo deberían representar a sus homólogas a
largo plazo, aunque casi nunca sea así.7

Como su nombre indica, la falacia del jugador puede tener graves consecuencias para los
jugadores. Por ejemplo, alguien puede creer que sus probabilidades de ganar son mayores si lleva
una racha corta de derrotas, aunque necesitará perder muchas más veces para que se cumpla esa
probabilidad.

Efectos sistémicos

Nuestra dependencia de las categorías puede derivar fácilmente en prejuicios, aunque no nos
demos cuenta. La forma en que los medios de comunicación presentan a los grupos minoritarios
refuerza a menudo los estereotipos comunes. Por ejemplo, los hombres negros tienden a estar
sobrerrepresentados en la cobertura de la delincuencia y la pobreza, mientras que están
infrarrepresentados como "cabezas parlantes" expertos.9 Estos patrones apoyan la narrativa de
que los hombres negros son violentos, que incluso los espectadores negros pueden interiorizar e
incorporar a su categorización.

Estos estereotipos de la heurística de la representatividad contribuyen a la discriminación

sistémica. Por ejemplo, la policía que busca a un sospechoso de un delito puede centrarse
desproporcionadamente en los negros en su búsqueda. Sus prejuicios les hacen suponer que una
persona negra tiene más probabilidades de ser un delincuente que alguien de otro grupo.

Cómo afecta al producto

La representatividad es una valiosa herramienta para desarrollar interfaces de usuario (IU). Los
diseñadores digitales han incorporado intencionadamente símbolos que representan categorías
para guiarnos cuando navegamos por espacios virtuales, a menudo sin que nos demos cuenta.

Por ejemplo, cuando vemos el icono de la papelera, sabemos que podemos arrastrar nuestros
documentos para deshacernos de ellos, igual que tiraríamos los documentos en papel en la vida
real. O cuando vemos el icono de un disquete, sabemos que podemos pulsar sobre él para guardar
nuestro documento, igual que hacíamos para almacenar información. Estos prototipos son un
buen recordatorio de cómo el material puede ayudarnos a entender mejor lo digital a la hora de
diseñar nuevos productos.

La heurística de la representatividad y la IA

El aprendizaje automático ha optimizado la categorización basándose en patrones estadísticos e

índices de base para clasificar la información. Sin embargo, los humanos siguen sucumbiendo a la
heurística de la representatividad al interpretar estos resultados.

Por ejemplo, el sistema sanitario ha adoptado la tecnología de IA para ayudar a diagnosticar a los
pacientes escaneando imágenes médicas y realizando comparaciones con miles más de su
conjunto de datos. Los médicos pueden estar más inclinados a confiar en el diagnóstico de la IA si
los síntomas coinciden con la descripción prototípica de una enfermedad. Sin embargo, los
médicos podrían descartar los diagnósticos de la IA si estos no coinciden, aunque la IA tenga
mucho más acceso a presentaciones raras o inusuales de síntomas en sus archivos que los médicos
puedan haber experimentado en sus carreras.

Por qué ocurre

El heurístico de la representatividad fue acuñado por Daniel Kahneman y Amos Tversky, dos de las
figuras más influyentes de la economía conductual. El ejemplo clásico que utilizaron para ilustrar
este sesgo pide al lector que considere a Steve: sus amigos lo describen como "muy tímido y
retraído, invariablemente servicial, pero con poco interés por la gente o por el mundo de la
realidad. Un alma mansa y ordenada, tiene una necesidad de orden y estructura, y una pasión por
el detalle". Después de leer esta descripción, ¿crees que Steve es bibliotecario o granjero?2

La mayoría de nosotros intuimos que Steve debe ser bibliotecario porque es más representativo de
nuestra imagen de bibliotecario que de nuestra imagen de agricultor. En realidad, ninguna prueba
apunta directamente a la carrera de Steve, así que confiamos en los estereotipos para dictar
nuestra decisión.

Conservar la energía con categorías

Como ocurre con todos los sesgos, la principal razón por la que confiamos en la representatividad
es que tenemos recursos mentales limitados. Como tomamos miles de decisiones al día, nuestro
cerebro está programado para ahorrar tanta energía como sea posible. Esto significa que a
menudo recurrimos a atajos para juzgar rápidamente el mundo que nos rodea. Sin embargo, hay
otra razón por la que se produce la heurística de la representatividad, que tiene su origen en cómo
percibimos a las personas y los objetos.

Nos basamos en prototipos para tomar decisiones

Agrupar cosas similares, es decir, clasificarlas, es esencial para entender el mundo. Puede parecer
una obviedad, pero las categorías son más fundamentales de lo que muchos creen. Piensa en
todas las cosas que te encuentras en un solo día. Cada vez que interactuamos con personas,
animales u objetos, recurrimos a los conocimientos que hemos adquirido sobre esa categoría para
saber qué hacer.

Por ejemplo, cuando vas a un parque canino, puedes ver animales de formas, tamaños y colores
muy diversos. Pero como puedes clasificarlos a todos como "perros", sabes inmediatamente qué
esperar: corren y persiguen cosas, como recibir golosinas, y si uno de ellos empieza a gruñir,
probablemente deberías echarte atrás.

Sin categorías, cada vez que encontráramos algo nuevo tendríamos que aprender desde cero qué
es y cómo funciona. Por no hablar de que almacenar tanta información sobre cada entidad por
separado sería imposible dada nuestra limitada capacidad cognitiva. Por eso, nuestra capacidad de
entender y recordar cosas del mundo depende de la categorización.

Por otro lado, la forma en que originalmente aprendimos a clasificar las cosas también puede
afectar a cómo las percibimos.3 Por ejemplo, en ruso, los tonos más claros y más oscuros de azul
tienen nombres diferentes ("goluboy" y "siniy", respectivamente), mientras que en inglés nos
referimos a ambos como "blue". Las investigaciones revelan que esta diferencia de categorización
afecta a la forma en que las personas perciben realmente el color azul: Los rusoparlantes
discriminan más rápidamente entre azules claros y oscuros que los anglófonos.4

Según una hipótesis de categorización conocida como teoría de los prototipos, utilizamos
estadísticas mentales inconscientes para averiguar cómo es el miembro "medio" de una categoría.
Cuando intentamos tomar decisiones sobre cosas o personas desconocidas, nos referimos a esta
media -el prototipo- como ejemplo representativo de toda la categoría. Hay algunas pruebas
interesantes que apoyan la idea de que los humanos somos capaces de calcular de algún modo los
miembros "medios" de una categoría. Por ejemplo, las personas tienden a encontrar las caras más
atractivas cuanto más se acercan a la cara "media" generada por un ordenador.5

Los prototipos guían nuestras estimaciones sobre probabilidades, como en el ejemplo en el que
adivinamos la profesión de Steve. Nuestro prototipo de bibliotecario es probablemente alguien
que se parece bastante a Steve -tímido, ordenado y empollón-, mientras que nuestro prototipo de
agricultor es probablemente alguien más musculoso, más realista y menos tímido. Intuitivamente,
creemos que Steve debe ser bibliotecario porque estamos obligados a pensar en términos de
categorías y promedios.

Sobreestimamos la importancia de la similitud

El problema de la heurística de la representatividad es que, en realidad, no tiene nada que ver con
la probabilidad y, sin embargo, le damos más valor que a la información relevante. Uno de estos
tipos de información son las tasas de base: estadísticas que revelan lo común que es algo en la
población general. Por ejemplo, en Estados Unidos hay muchos más agricultores que
bibliotecarios. Esto significa que, estadísticamente hablando, es incorrecto que Steve tenga "más
probabilidades" de ser bibliotecario, independientemente de cómo sea su personalidad o cómo se
presente.2

El tamaño de la muestra es otro tipo de información útil que a menudo descuidamos. Cuando
estimamos una población grande a partir de una muestra, queremos que ésta sea lo más grande
posible para obtener una imagen más completa. Pero cuando nos centramos demasiado en la
representatividad, el tamaño de la muestra puede acabar quedando relegado.

Para ilustrarlo, imagina un tarro lleno de bolas. ⅔ de las bolas son de un color, mientras que ⅓ son
de otro color. Sally saca cinco bolas del tarro, de las cuales cuatro son rojas y una blanca. James
saca 20 bolas, de las cuales 12 son rojas y ocho blancas. Entre Sally y James, ¿quién debería
sentirse más seguro de que las bolas del tarro son ⅔ rojas y ⅓ blancas?

La mayoría de la gente dice que Sally tiene más probabilidades de acertar porque la proporción de
bolas rojas que sacó es mayor que la proporción que sacó James. Pero esto es incorrecto: James
sacó una muestra mayor de bolas que Sally, por lo que está en mejor posición para juzgar el
contenido del tarro. Tenemos la tentación de decantarnos por la muestra 4:1 de Sally porque es
más representativa de la proporción que buscamos que la 12:8 de James, pero esto nos lleva a un
error de juicio.

Por qué es importante

La representación es esencial para la identificación y la interpretación. De este modo, podemos
comprender algo totalmente nuevo sin partir de cero. A veces, esta novedad existe dentro
de nosotros mismos. Por ejemplo, cuando exploramos nuestra identidad de género o sexual,
puede ser reconfortante identificarnos con una nueva etiqueta para entender por lo que estamos
pasando. Otras veces, la novedad está en los demás. Por ejemplo, si tu hermano sale del armario
como gay, puede que nos basemos en lo que sabemos de nuestros amigos queer para entender
mejor su experiencia.

Sin embargo, confiar únicamente en una categorización estricta plantea dos problemas.

En primer lugar, podemos olvidarnos de considerar la singularidad. Lo creas o no, podemos caer
completamente fuera de las categorías, como las personas no binarias, que no sienten que su
género encaje en ninguna etiqueta estricta. En situaciones como ésta, forzar las categorías puede
alejar a alguien de lo que realmente es, en lugar de guiarle hacia la autoexploración.

En segundo lugar, muchas categorías tienen asociaciones incorrectas. Muchos grupos están
plagados de estereotipos, sobre todo cuando se trata de minorías como LGBTQ+. Esto significa
que, una vez que sabemos a qué categoría pertenece una persona, es más probable que hagamos
suposiciones erróneas sobre ella que correctas.

Dado que la heurística de la representatividad nos incita a descuidar la singularidad y a creer en

asociaciones incorrectas, debemos aprender a hacer algo más que confiar ciegamente en las
categorías a la hora de hacer predicciones.

Cómo evitarlo

Dado que la categorización es tan fundamental para nuestra percepción del mundo, es imposible
evitar por completo la heurística de la representatividad. Sin embargo, ser consciente de ello es un
buen comienzo. Numerosas investigaciones demuestran que cuando las personas se dan cuenta
de que están utilizando un heurístico, a menudo corrigen su juicio inicial.10 Señalar a los demás su
dependencia de la representatividad, y pedirles que hagan lo mismo con usted, proporciona una
retroalimentación útil que puede ayudar a evitar este sesgo.

Otros investigadores han intentado reducir los efectos del heurístico de la representatividad
animando a la gente a "pensar como estadísticos". Estos incentivos parecen ayudar, pero el
problema es que, sin una señal obvia, la gente se olvida de utilizar sus conocimientos estadísticos,
ni siquiera los universitarios10.

Otra estrategia potencialmente más duradera es el entrenamiento formal en pensamiento lógico.

En un estudio, los niños entrenados para pensar de forma más lógica tenían más probabilidades de
evitar la falacia de la conjunción.10 Teniendo esto en cuenta, aprender más sobre estadística y
pensamiento crítico podría ayudarnos a evitar el heurístico de la representatividad.

Cómo empezó todo

Aunque la categorización es un elemento básico de la psicología moderna, la clasificación de

objetos se remonta a los filósofos de la Antigua Grecia. Aunque Platón abordó por primera vez
las categorías en su diálogo Estadista, se convirtieron en un pilar filosófico de su alumno
Aristóteles. En su texto Categorías, Aristóteles pretendía clasificar todos los objetos de la
comprensión humana en una de diez categorías.

La teoría de los prototipos fue introducida empíricamente por la psicóloga Eleanor Rosch en 1974.
Hasta entonces, las categorías se concebían en términos de todo o nada: o algo pertenecía a una
categoría o no pertenecía. El planteamiento de Rosch reconocía que los miembros de una
categoría determinada suelen ser muy diferentes entre sí y que tendemos a considerar algunas
cosas "mejores" miembros de una categoría que otras. Por ejemplo, cuando pensamos en la
categoría de las aves, los pingüinos no parecen encajar en este grupo tan claramente como, por
ejemplo, un gorrión. La idea de prototipos nos permite describir cómo percibimos a ciertos
miembros de una categoría como más representativos de ella que otros.

Más o menos al mismo tiempo, Kahneman y Tversky introdujeron el concepto de heurística de la

representatividad como parte de su investigación sobre las estrategias que utilizan las personas
para estimar probabilidades en situaciones inciertas. Kahneman y Tversky desempeñaron un papel
pionero en la economía del comportamiento, al demostrar que las personas cometen errores
sistemáticos de juicio porque se basan en estrategias sesgadas, incluida la heurística de la
representatividad.

Ejemplo 1 - Representatividad y úlceras de estómago

Las úlceras de estómago son una dolencia relativamente común, pero pueden llegar a ser graves si
no se tratan, y a veces incluso provocar un cáncer de estómago mortal. Durante mucho tiempo, se
sabía que las úlceras de estómago estaban causadas por una sola causa: el estrés. Por eso, en la
década de 1980, cuando un médico australiano llamado Barry Marshall sugirió en un congreso
médico que un tipo de bacteria podría causar úlceras, sus colegas lo rechazaron de plano.11 Tras
ser ignorado, Marshall demostró finalmente sus sospechas utilizando el único método éticamente
a su alcance: tomó algunas de las bacterias del intestino de un paciente enfermo, las añadió a un
caldo y se lo bebió él mismo. Pronto desarrolló una úlcera de estómago y otros médicos acabaron
por convencerse.12

¿Por qué ha llevado tanto tiempo (y una medida tan extrema) persuadir a los demás de esta nueva
posibilidad? Según los psicólogos sociales Thomas Gilovich y Kenneth Savitsky, la respuesta es el
heurístico de la representatividad. Las sensaciones físicas que experimenta la gente cuando tiene
una úlcera de estómago -dolores ardientes y el estómago revuelto- son similares a las que
sentimos cuando sufrimos estrés. A nivel intuitivo, creemos que las úlceras y el estrés deben tener
alguna relación. En otras palabras, el estrés es una causa representativa de una úlcera.11 Quizá por
eso otros profesionales de la medicina se resistieron tanto a la propuesta de Marshall.

Ejemplo 2 - Representatividad y astrología

Gilovich y Savitsky también sostienen que el heurístico de la representatividad desempeña un

papel en las creencias pseudocientíficas, incluida la astrología. En astrología, cada signo del
zodiaco se asocia con rasgos específicos. Por ejemplo, se suele decir que Aries, un "signo de fuego"
simbolizado por el carnero, es apasionado, confiado, impaciente y agresivo. El hecho de que esta
descripción encaje bien con el carnero prototípico no es casualidad: los tipos de personalidad
vinculados a cada signo zodiacal se eligieron porque representan a ese signo.11 Las predicciones
que hacen los horóscopos, más que predecir el futuro, son ingeniería inversa basada en lo que
mejor encaja con nuestra imagen de cada signo.

Resumen

Qué es

La heurística de la representatividad es un atajo mental que utilizamos para decidir si un objeto

pertenece a una clase. En concreto, tendemos a hacer demasiado hincapié en la similitud o
diferencia entre el objeto y la clase para ayudarnos a tomar esta decisión.

Por qué ocurre

Nuestra percepción de las personas, los animales y los objetos se basa en gran medida en la
categorización: agrupar cosas similares. Dentro de cada categoría existe un prototipo: el miembro
"medio" que mejor representa a la categoría en su conjunto. Cuando utilizamos la heurística de la
representatividad, comparamos algo con nuestro prototipo de categoría y, si son similares,
instintivamente creemos que debe haber una conexión.

Ejemplo 1 - Representatividad y úlceras de estómago

Cuando un médico australiano descubrió que era una bacteria, y no el estrés, la causante de las
úlceras de estómago, otros profesionales de la medicina no le creyeron inicialmente porque las
úlceras se parecen mucho al estrés. En otras palabras, el estrés es una causa más representativa
de una úlcera que las bacterias.

Ejemplo 2 - Representatividad y astrología

Los tipos de personalidad asociados a cada signo zodiacal en astrología se eligen porque son
representativos del animal o símbolo de ese signo.

Cómo evitarlo

Para evitar el heurístico de la representatividad, aprenda más sobre estadística y pensamiento

lógico, y pida a los demás que le señalen los casos en los que podría estar confiando demasiado en
la representatividad.

Artículos relacionados con TDL

Por qué vemos las apuestas como certezas

El heurístico de la representatividad provoca muchos otros sesgos, incluida la falacia del juego.
Este artículo analiza el problema de la adicción al juego y por qué es tan difícil persuadir a la gente
para que deje de jugar.

Perspectivas TDL: ¿Qué son los heurísticos?

Esta entrevista con Sekoul Krastev, Director General de The Decision Lab, profundiza en la historia
de la heurística, sus aplicaciones en el mundo real y sus efectos positivos y negativos.

Racionalidad limitada
La racionalidad acotada o racionalidad limitada es un modelo de racionalidad humana propuesta
para modelizar en ciencias sociales, especialmente en economía, la forma concreta de actuación
de los agentes sociales.

Formulación de Herbert Simon

[editar]

Herbert Simon (Premio Nobel de Economía 1978), en Models of Man ('Modelos del hombre'),
señala que la mayoría de las personas son sólo parcialmente racionales y que, de hecho, actúan
según impulsos emocionales no totalmente racionales en muchas de sus acciones (Simon pone a
Albert Einstein como ejemplo de racionalidad acotada, en sus intentos por perseguir áreas de
trabajo abandonadas por otros científicos).

Simon apunta que la racionalidad personal está de hecho limitada por tres dimensiones: 1) la
información disponible, 2) la limitación cognoscitiva de la mente individual y 3) el tiempo
disponible para tomar la decisión.

En El comportamiento administrativo nota 1, Simon señala que el comportamiento real no alcanza la

racionalidad objetiva por lo menos de tres maneras: 1) el conocimiento de las consecuencias de
una elección es siempre fragmentario, 2) como estas consecuencias pertenecen al futuro se
pueden anticipar y valorar de manera imperfecta, 3) la elección de comportamientos es solo entre
algunas posibles alternativas que se nos ocurren. Es decir, hay: a- imperfección del conocimiento,
b- dificultades de anticipación, c- limitación de alcance de las posibilidades de comportamiento.1

En otro trabajo Simon señala, que

agentes limitadamente racionales experimentan limitaciones en la formulación y resolución de

problemas complejos y en el procesamiento (recepción, almacenamiento, recuperación,
transmisión) de información

Williamson, p. 553, citando a H. Simon

Simon, a quien se atribuye el término, describe un cierto número de aspectos en los cuales la
concepción "clásica" de racionalidad puede hacerse más realista para describir la conducta
económica real de los seres humanos. Los aspectos que señala Simon incluyen:

 Limitar qué tipo de funciones de utilidad serían usables.

 Admitir que existen costes de recopilar y procesar información y que esas operaciones
requieren de un tiempo al que los agentes pueden no estar dispuestos a renunciar.

 Admitir la posibilidad de que exista una función vectorial o multivariada de utilidad, que
los postkeynesianos recogen empleando una ordenación lexicográfica de las preferencias.

Además la racionalidad acotada sugiere que los agentes económicos usan métodos
heurísticos para tomar decisiones más que reglas rígidas de optimización. De acuerdo con Simon,
esta manera de proceder se debe a la complejidad de la situación o a la incapacidad de procesar y
computar todas las alternativas cuando los costes de deliberación son altos.

Formulación de Daniel Kahneman

[editar]

El «Premio Nobel» de Economía Daniel Kahneman propuso un modelo de racionalidad acotada

para superar las limitaciones del agente perfectamente racional de la teoría económica neoclásica
convencional.

Referencias

[editar]

1. ↑ Simon, Herbert. El comportamiento administrativo. Estudio de los procesos

decisorios en la organización administrativa. 2° edición. Editorial Aguilar. España,
1964. Pág. 77- 80.

Nota

[editar]

1. ↑ <Respecto de este libro, dos Premio Nobel mencionan lo siguiente: 1. Daniel

Kahneman (Premio Nobel de Economía 2002) - Princeton University “Mi propio
pensamiento acerca de la racionalidad limitada está basado profundamente en el
trabajo fundacional de Herbert Alexander Simon. Todavía encuentro a este libro
impresionante y digno de ser leído nuevamente.” 2. Reinhard Selten (Premio
Nobel de Economía 1995) - Universität Bonn “El Comportamiento Administrativo
de Herbert Simon es el texto clave que definió al campo moderno de la teoría de
la administración organizacional”. [1].>

Bibliografía

[editar]

 Elster, Jon (1983). Sour Grapes: Studies in the Subversion of Rationality. Cambridge,
UK: Cambridge University Press.

 Gigerenzer, G. & Selten, R. (2002). Bounded [Link]: The MIT Press; reprint
edition. ISBN 0-262-57164-1

 Kahneman, Daniel (2003). Maps of bounded rationality: psychology for behavioral

economics. The American Economic Review. 93(5). pp. 1449-1475

 March, James G. (1994). A Primer on Decision Making: How Decisions Happen. New York:
The Free Press.

 Simon, Herbert (1957). "A Behavioral Model of Rational Choice", in Models of Man, Social
and Rational: Mathematical Essays on Rational Human Behavior in a Social Setting. New
York: Wiley.

 Simon, Herbert (1990). A mechanism for social selection and successful

altruism, Science 250 (4988): 1665-1668.

 Williamson, Oliver (1981). The economies of organization: the transaction cost

approach. American Journal of Sociology 87: 548-577.
  Tisdell, Clem (1996). Bounded Rationality and Economic Evolution: A Contribution to
Decision Making, Economics, and Management. Cheltenham, UK; Brookfield, Vt.: Edward
Elgar.

Véase también

[editar]

 Altruismo

 Economía behaviorista

 Economía neoclásica

 Homo economicus

 Teoría de la elección racional

Herbert Alexander Simon

Herbert Alexander Simon

Información personal

Nombre en
Herbert A. S
inglés

Nacimiento 15 de junio de 1916

Milwaukee (Estados Unidos)

Fallecimiento 9 de febrero de 2001 (84 años)

Pittsburgh (Estados Unidos)

Causa de
Complicaciones quirúrgicas
muerte

Nacionalidad Estadounidense
 Religión Ateísmo

Educación

Educado en Universidad de Chicago

Supervisor
Henry Schultz y Harold Lasswell
doctoral

Alumno de Harold Lasswell

Información profesional

Ocupación Economista, político, sociólogo, profesor

universitario, informático
teórico y politólogo

Área Ciencia política

Empleador  Universidad Carnegie Mellon

 Instituto de Tecnología de
Illinois

Estudiantes
Edward Feigenbaum y Allen Newell
doctorales

Obras notables racionalidad limitada

Miembro de  Academia Nacional de Ciencias de

los Estados Unidos

 Academia Estadounidense de las

Artes y las Ciencias

 TWAS

 Econometric Society (desde 1954)

 Association for Computing

Machinery (desde 1994)

[editar datos en Wikidata]

Herbert Alexander Simon (15 de junio de 1916-9 de febrero de 2001) fue

un economista, politólogo y teórico de las ciencias sociales estadounidense.
En 1978 fue laureado con el Premio de Economía Conmemorativo de Alfred Nobel por ser «uno de
los investigadores más importantes en el terreno interdisciplinario» y «porque su trabajo ha
contribuido a racionalizar el proceso de toma de decisiones».

Biografía

[editar]

Herbert A. Simon nació en Milwaukee, Wisconsin. Estudió en la Universidad de Chicago, donde se

graduó en 1936 y se doctoró en 1943. Trabajó como asistente de esa universidad (1936-1938) y
también en organizaciones ligadas a la gestión de organismos públicos, en la International City
Managers's Association (1938-1939) y en el Bureau of Public Administration de la Universidad de
California en Berkeley (1939-1942), dónde dirigió los Administrative Measurement Studies.

Después de esta experiencia profesional volvió a la universidad. Fue profesor auxiliar (1942-1947)
y profesor titular (1947-1949) de ciencias políticas en el Instituto de Tecnología (Institute of
Technology). En 1949 comenzó a trabajar Carnegie Institute of Technology para enseñar
administración y psicología y, después de 1966, enseñó ciencia de la computación y psicología en
la Carnegie-Mellon (Pittsburgh).

Además dedicó gran cantidad de tiempo a ser consejero de instituciones públicas y privadas.
Recibió el Premio Turing de la ACM en 1975, junto con Allen Newell por hacer «contribuciones
básicas a la inteligencia artificial, la psicología cognitiva humana y el procesamiento de listas», y
el Award for Distinguished Scientific Contribution de la Asociación Norteamericana de
Psicología (APA) en 1969. Además fue designado Miembro Distinguido (Distinguished Fellow) de
la Asociación Norteamericana de Economía.

Herbert Alexander Simon se tomó muy en serio la estructura básica de la ciencia económica,
esforzándose en definirla como la ciencia de la elección, para lo cual trabajó sobre el proceso
psicológico de la toma de decisiones. Según Simon la hipótesis básica de la economía neoclásica, la
de que los agentes tienden a maximizar los resultados de sus comportamientos, es muy limitada.
En la práctica ningún ser humano está continuamente buscando la solución óptima. Aunque
deseara hacerlo, el coste de informarse sobre todas las alternativas y la incertidumbre sobre el
futuro lo harían imposible.

De acuerdo con Simon, las personas simplemente intentan buscar una mínima satisfacción, es
decir, tratan de alcanzar ciertos niveles de éxito para después, poco a poco, ir ajustando esa
solución. Esta estructura de pensamiento, que Simon denominó racionalidad limitada estimuló
muchos trabajos posteriores sobre el comportamiento de los individuos, las organizaciones y la
sociedad.

Simon fue pionero en investigar la forma en que deben tomarse decisiones en organizaciones
económicas complejas (empresas públicas, multinacionales, etc.). Su obra más celebrada
es Administrative Behavior: A Study of Decision-making Processes in Administrative
Organization (1947) en la cual, en contra de la concepción clásica sobre la existencia de unos
responsables en tomar decisiones que conocen todas las opciones, elabora un modelo o proceso
racional de adopción de decisiones «satisfactorias». Su Spurious Correlation: A Causal
Interpretation (1954), publicado en el Journal of the American Statistical Association, constituyó un
primer avance metodológico en el análisis de encuestas. También es importante su The New
Science of Management Decision (1960).

Toma de decisiones

[editar]

Administrative Behavior, publicado por primera vez en 1947 y actualizado a lo largo de los años se
basó en la disertación doctoral de Simon. Sirvió como la base para el trabajo de su vida. La pieza
central de este libro son los procesos conductuales y cognitivos de los seres humanos que toman
decisiones racionales. Según su definición, una decisión operativa debe ser correcta y eficiente, y
debe ser práctica para implementar con un conjunto de medios coordinados.1

Simon reconoció que una Teoría de la administración es en gran parte una teoría de la toma de
decisiones humanas, y como tal debe basarse tanto en la economía como en la psicología. El
afirma al respecto:

«[Si] no hubiera límites para la racionalidad humana, la teoría administrativa sería estéril.
Consistiría en un precepto único: siempre seleccione esa alternativa, entre las disponibles, lo que
conducirá al logro más completo de sus objetivos».

Contrariamente al estereotipo de «homo economicus», Simon argumentó que las alternativas y las
consecuencias pueden ser parcialmente conocidas, y los medios y fines son imperfectamente
diferenciados, están incompletamente relacionados o son poco detallados.

Simon definió que la tarea de la toma racional de decisiones consiste en seleccionar la alternativa
que da como resultado el conjunto más preferido de todas las posibles consecuencias. La
corrección de las decisiones administrativas se midió así:

 Adecuación para alcanzar el objetivo deseado

 Eficiencia con la que se obtuvo el resultado

La tarea de elección se dividió en tres pasos obligatorios:2

 Identificar y enumerar todas las alternativas

 Determinar todas las consecuencias resultantes de cada una de las alternativas;

 Comparar la precisión y la eficiencia de cada uno de estos conjuntos de consecuencias

Cualquier persona u organización que intente implementar este modelo en una situación real no
podrá cumplir con los tres requisitos. Simon argumentó que el conocimiento de todas las
alternativas, o todas las consecuencias que siguen de cada alternativa es imposible en muchos
casos reales.3

Simon intentó determinar las técnicas y / o los procesos de comportamiento que una persona u
organización podría aplicar para lograr aproximadamente el mejor resultado dados los límites en
la toma racional de decisiones. Simon escribe al respecto:

El ser humano que lucha por la racionalidad y se restringe dentro de los límites de su conocimiento
ha desarrollado algunos procedimientos de trabajo que superan parcialmente estas dificultades.
Estos procedimientos consisten en suponer que puede aislar del resto del mundo un sistema
cerrado que contiene un número limitado de variables y un rango limitado de consecuencias.

Simon, 1976, p. 82

Por lo tanto, Simon describe el trabajo en términos de un marco económico, condicionado a las
limitaciones cognitivas humanas: hombre económico y hombre administrativo.

El comportamiento administrativo aborda una amplia gama de comportamientos humanos,

habilidades cognitivas, técnicas de gestión, políticas de personal, objetivos y procedimientos de
capacitación, funciones especializadas, criterios para la evaluación de la precisión y la eficiencia, y
todas las ramificaciones de los procesos de comunicación. Simon está particularmente interesado
en cómo estos factores influyen en la toma de decisiones, tanto directa como indirectamente.

Simons argumentó que los dos posibles resultados de una elección requieren monitoreo y que se
esperaría que muchos miembros de la organización se centren en la adecuación, pero que la
administración debe prestar especial atención a la eficiencia con la que se obtuvo el resultado
deseado.

Simon siguió a Chester Barnard, quien señaló que «las decisiones que toma una persona como
miembro de una organización son bastante distintas de sus decisiones personales».4 Las elecciones
personales pueden determinarse ya sea que un individuo se una a una organización en particular y
continúe haciéndolo en su vida privada extra-organizacional. Sin embargo, como miembro de una
organización, ese individuo toma decisiones que no están relacionadas con las necesidades y
resultados personales, sino en un sentido impersonal como parte de los objetivos, el propósito y el
efecto de la organización. Los incentivos, recompensas y sanciones organizacionales están
diseñados para formar, fortalecer y mantener esta identificación.

Simon vio dos elementos universales del comportamiento social humano como clave para crear la
posibilidad de un comportamiento organizacional en los individuos humanos: Autoridad (abordada
en el Capítulo VII - El Papel de la Autoridad) y Lealtad e Identificación (Abordada en el Capítulo X:
Lealtad, e Identificación Organizacional).

La autoridad es una marca primaria, bien estudiada, del comportamiento organizacional,

claramente definida en el contexto organizacional como la capacidad y el derecho de un individuo
de rango superior para guiar las decisiones de un individuo de rango inferior. Las acciones,
actitudes y relaciones de las personas dominantes y subordinadas constituyen componentes del
comportamiento de roles que pueden variar ampliamente en forma, estilo y contenido, pero no
varían en la expectativa de obediencia por parte del estado superior y la voluntad de obedecer del
subordinado.

La lealtad fue definida por Simon como el «proceso por el cual el individuo sustituye los objetivos
organizacionales (objetivos de servicio u objetivos de conservación) por sus propios objetivos
como los índices de valor que determinan sus decisiones organizacionales».5 Esto implicó la
evaluación de opciones alternativas en términos de sus consecuencias para el grupo en lugar de
solo para uno mismo o su familia.6
Las decisiones pueden ser mezclas complejas de hechos y valores. La información sobre los
hechos, especialmente los hechos o hechos probados empíricamente derivados de la experiencia
especializada, se transmiten más fácilmente en el ejercicio de la autoridad que las expresiones de
valores. A Simon le interesa principalmente buscar la identificación del empleado individual con
los objetivos y valores de la organización. Siguiendo a Lasswell,7 afirma que «una persona se
identifica con un grupo cuando, al tomar una decisión, evalúa las diversas alternativas de elección
en términos de sus consecuencias para el grupo especificado».8 Una persona puede identificarse
con cualquier número de grupos sociales, geográficos, económicos, raciales, religiosos, familiares,
educativos, de género, políticos y deportivos. De hecho, el número y la variedad son ilimitados. El
problema fundamental para las organizaciones es reconocer que las identificaciones personales y
grupales pueden facilitar u obstaculizar la correcta toma de decisiones de la organización. Una
organización específica tiene que determinar deliberadamente, y especificar con el detalle
apropiado y un lenguaje claro, sus propias metas, objetivos, medios, fines y valores.

Simon ha criticado la comprensión elemental de la economía tradicional sobre la toma de

decisiones y argumenta que «es demasiado rápida para construir una imagen idealista e irreal del
proceso de toma de decisiones y luego prescribir sobre la base de una imagen tan poco realista».
Sus contribuciones a la investigación en el área de la toma de decisiones administrativas se han
vuelto cada vez más comunes en la comunidad empresarial.

Sociología y economía

[editar]

Simon ha sido acreditado por algunos cambios revolucionarios en microeconomía. Él es

responsable del concepto de toma de decisiones organizacionales como se lo conoce hoy.
También fue el primero en discutir este concepto en términos de incertidumbre; es decir, es
imposible tener información perfecta y completa en un momento dado para tomar una decisión.
Si bien esta noción no era del todo nueva, Simon fue el que teorizó de manera consistente al
respecto. Fue en esta área en la que recibió el Premio del Banco de Suecia en Ciencias Económicas
en memoria de Alfred Nobel en 1978.9

En la Comisión Cowles, el objetivo principal de Simon era vincular la teoría económica con las
matemáticas y las estadísticas. Sus principales contribuciones fueron en los campos de equilibrio
general y econometría. Fue muy influenciado por el debate marginalista que comenzó en la
década de 1930. La doctrina de la época argumentaba que no era aparente empíricamente que los
empresarios necesitaran seguir los principios marginalistas de maximización de beneficios /
minimización de costos en las empresas en funcionamiento. El argumento pasó a señalar que la
maximización de los beneficios no se lograba, en parte, debido a la falta de información completa.

En la toma de decisiones, Simon creía que los agentes enfrentan incertidumbres sobre el futuro y
los costos para adquirir información en el presente. Estos factores limitan la medida en que los
agentes pueden tomar una decisión completamente racional, por lo tanto, poseen solo una
«racionalidad limitada» y deben tomar decisiones eligiendo lo que podría no ser óptimo, pero que
les hará lo suficientemente felices. La racionalidad limitada es un tema central en la economía del
comportamiento. Se refiere a las formas en que el proceso real de toma de decisiones influye en la
decisión. Las teorías de la racionalidad limitada relajan una o más suposiciones de la teoría
estándar de la utilidad esperada.

Además, Simon enfatizó que los psicólogos invocan una definición «de procedimiento« de
racionalidad, mientras que los economistas emplean una definición «sustantiva». Gustavo Barros
argumentó que el concepto de racionalidad procedimental no tiene una presencia significativa en
el campo de la economía y nunca ha tenido tanto peso como el concepto de racionalidad
limitada.10 Sin embargo, en un artículo anterior, Bhargava (1997) destacó la importancia de los
argumentos de Simon y enfatizó que hay varias aplicaciones de la definición de racionalidad
«procedimental» en los análisis econométricos de los datos sobre la salud. En particular, los
economistas deben emplear «suposiciones auxiliares» que reflejen el conocimiento en los campos
biomédicos relevantes, y orientar la especificación de modelos econométricos para los resultados
de salud.

Simon también fue conocido por su investigación sobre la organización industrial. Determinó que
la organización interna de las empresas y las decisiones comerciales externas de las mismas, no se
ajustaban a las teorías neoclásicas de la toma de decisiones «racionales». Simon escribió muchos
artículos sobre el tema a lo largo de su vida, centrándose principalmente en el tema de la toma de
decisiones dentro del comportamiento de lo que denominó «racionalidad limitada».

El comportamiento racional, en economía, significa que los individuos maximizan su función de

utilidad bajo las restricciones que enfrentan (por ejemplo, su restricción presupuestaria, opciones
limitadas, ...) en pos de su propio interés. Esto se refleja en la teoría de la utilidad subjetiva
esperada. El término, racionalidad limitada, se utiliza para designar una elección racional que
tenga en cuenta las limitaciones cognitivas tanto del conocimiento como de la capacidad cognitiva.
La racionalidad limitada es un tema central en la economía del comportamiento. Se ocupa de las
formas en que el proceso real de toma de decisiones influye en las decisiones. Las teorías de la
racionalidad limitada relajan una o más suposiciones de la teoría estándar de utilidad esperada.

Simon determinó que la mejor manera de estudiar estas áreas era a través de simulaciones por
ordenador. Como tal, desarrolló interés en la informática. Los principales intereses de Simon en
informática eran la inteligencia artificial, la interacción hombre-computadora, los principios de la
organización de humanos y máquinas como sistemas de procesamiento de información, el uso de
computadoras para estudiar (modelando) problemas filosóficos de la naturaleza de la inteligencia
y de la epistemología, y las implicaciones sociales de la tecnología informática.

En su juventud, Simon se interesó en la economía de la tierra y el georgismo, una idea conocida en

su momento como el «impuesto único».11 El sistema está destinado a redistribuir la renta
económica no devengada al público y mejorar el uso de la tierra. En 1979, Simon todavía mantuvo
estas ideas y argumentó que el impuesto al valor de la tierra debería reemplazar los impuestos
sobre los salarios.12

Algunas de las investigaciones económicas de Simon estaban dirigidas a comprender el cambio

tecnológico en general y la revolución del procesamiento de la información en particular.

Inteligencia artificial

[editar]
Simon fue un pionero en el campo de la inteligencia artificial, creando con Allen Newell los
programas Logic Theory Machine (1956) y General Problem Solver (GPS) (1957). El GPS
posiblemente sea el primer método desarrollado para separar la estrategia de resolución de
problemas de la información sobre problemas particulares. Ambos programas se desarrollaron
utilizando el lenguaje de procesamiento de la información (IPL) (1956) desarrollado por Newell,
Cliff Shaw y Simon. Donald Knuth menciona el desarrollo del procesamiento de listas en IPL, con la
lista vinculada originalmente llamada «memoria NSS» por sus inventores.13 En 1957, Simon predijo
que el ajedrez por computadora superaría las habilidades del ajedrez humano en «diez años»
aunque, en realidad, esa transición duró unos cuarenta años.14

A principios de la década de 1960, el psicólogo Ulric Neisser afirmó que si bien las máquinas son
capaces de reproducir comportamientos de «cognición fría» como el razonamiento, la
planificación, la percepción y la decisión, nunca serían capaces de reproducir comportamientos de
«cognición caliente» como el dolor, el placer y el deseo. y otras emociones. Simon respondió a los
puntos de vista de Neisser en 1963 escribiendo un documento sobre cognición emocional,15 que
actualizó en 1967 y publicó en Psychological Review. [37] La comunidad de investigación de
inteligencia artificial ignoró en gran medida el trabajo de Simon sobre cognición emocional
durante varios años, pero el trabajo subsiguiente sobre las emociones realizado por Sloman y
Picard ayudó a centrar la atención en el trabajo de Simon y, finalmente, lo hizo muy influyente en
el tema.16

Simon también colaboró con James G. March en varias obras de teoría organizacional.17

Con Allen Newell, Simon desarrolló una teoría para la simulación del comportamiento de
resolución de problemas humanos usando reglas de producción.18 El estudio de la resolución de
problemas humanos requirió nuevos tipos de mediciones humanas y, con Anders Ericsson, Simon
desarrolló la técnica experimental del análisis del protocolo verbal.19 Simon estaba interesado en
el papel del conocimiento en la experiencia. Dijo que para convertirse en un experto en un tema
se necesitaban unos diez años de experiencia y que él y sus colegas estimaban que la experiencia
era el resultado de aprender aproximadamente 50 000 fragmentos de información. Se dice que un
experto ajedrecista aprende alrededor de 50 000 patrones de posición de ajedrez.20

Fue galardonado con el Premio ACM Turing, junto con Allen Newell, en 1975:21

En esfuerzos científicos conjuntos que se extendieron durante más de veinte años, inicialmente en
colaboración con JC (Cliff) Shaw en la Corporación RAND, y posteriormente con numerosos
profesores y estudiantes colegas en la Universidad Carnegie Mellon, han hecho contribuciones
básicas a la inteligencia artificial, la psicología de la cognición humana y el procesamiento de listas

ACM, 2018

Psicología

[editar]

Simon estaba interesado en cómo los humanos aprenden y, con Edward Feigenbaum, desarrolló la
teoría EPAM (Perceptor Elemental y Memorizador), una de las primeras teorías del aprendizaje
que se implementará como un programa de computadora. EPAM pudo explicar una gran cantidad
de fenómenos en el campo del aprendizaje verbal.22 Las versiones posteriores del modelo se
aplicaron a la formación de conceptos y la adquisición de experiencia. Con Fernand Gobet, ha
expandido la teoría EPAM al modelo computacional CHREST.23 La teoría explica cómo simples
fragmentos de información forman los bloques de construcción de los esquemas, que son
estructuras más complejas. CHREST se ha usado predominantemente para simular aspectos de la
experiencia ajedrecística.

Escritos

[editar]

Libros

[editar]

 1947. Administrative Behavior: A Study of Decision-Making Processes in Administrative

Organization – 4th ed. in 1997, The Free Press

 1957. Models of Man. John Wiley. Presents mathematical models of human behaviour.

 1958 (with James G. March and the collaboration of Harold Guetzkow). Organizations.
New York: Wiley. the foundation of modern organization theory

 1969. The Sciences of the Artificial. MIT Press, Cambridge, Mass, 1st edition. Made the idea
easy to grasp: «objects (real or symbolic) in the environment of the decision-maker
influence choice as much as the intrinsic information-processing capabilities of the
decision-maker»; Explained «the principles of modeling complex systems, particularly the
human information-processing system that we call the mind» - 3rd ed. in 1996, MIT Press.

 1972 (with Allen Newell). Human Problem Solving. Prentice Hall, Englewood Cliffs, NJ,
(1972). «the most important book on the scientific study of human thinking in the 20th
century»

 1977. Models of Discovery : and other topics in the methods of science. Dordrecht,
Holland: Reidel.

 1979. Models of Thought, Vols. 1 and 2. Yale University Press. His papers on human
information-processing and problem-solving.

 1982. Models of Bounded Rationality, Vols. 1 and 2. MIT Press. His papers on economics. -
Vol. 3. in 1997, MIT Press. His papers on economics since the publication of Vols. 1 and 2
in 1982. The estudios grouped under the category «The Structure of Complex Systems»–
dealing with issues such as causal ordering, decomposability, aggregation of variables,
model abstraction– are of general interest in systems modelling, not just in economics.

 1983. Reason in Human Affairs, Stanford University Press. A readable 115pp. book on
human decision-making and information processing, based on lectures he gave at Stanford
in 1982. A popular presentation of his technical work.
  1987 (with P. Langley, G. Bradshaw, and J. Zytkow). Scientific Discovery: computational
explorations of the creative processes. MIT Press.

 1991. Models of My Life. Basic Books, Sloan Foundation Series. His autobiography.

 1997. An Empirically Based Microeconomics. Cambridge University Press. A compact and

readable summary of his criticisms of conventional «axiomatic» microeconomics, based on
a lecture series.

 2008 (posthumously). Economics, Bounded Rationality and the Cognitive Revolution.

Edward Elgar Publishing, ISBN 1847208967. Reprint some of his papers not widely read by
economists.

Artículos

[editar]

 1938 (with Clarence E. Ridley). Measuring Municipal Activities: a Survey of Suggested

Criteria and Reporting Forms For Appraising Administration.

 1943. Fiscal Aspects of Metropolitan Consolidation.

 1945. The Technique of Municipal Administration, 2d ed.

 1955. «A Behavioral Model of Rational Choice», Quarterly Journal of Economics, vol. 69,
99–118.

 1956. «Reply: Surrogates for Uncertain Decision Problems», Office of Naval Research,
January 1956. – Reprinted in 1982, In: H.A. Simon, Models of Bounded Rationality, Volume
1, Economic Analysis and Public Policy, Cambridge, Mass., MIT Press, 235–44.

 1958 (with Allen Newell and J. C. Shaw). Elements of a theory of human problem solving[54]

 1967. «Motivational and emotional controls of cognition», Psychological Review, vol. 74,
29–39, reprinted in Models of Thought Vol 1.

 1972. «Theories of Bounded Rationality», Chapter 8 in C. B. McGuire and R. Radner, eds.,

Decision and Organization, Ámsterdam: North-Holland Publishing Company.

 1980 (with K. Anders Ericsson). «Verbal reports as data», Psychological Review, vol. 87,
215–251.

 1985 «Human Nature in Politics: The Dialogue of Psychology with Political Science», The
American Political Science Review, vol. 79, no. 2 (Jun., 1985), pp. 293–304

 1995 (with Peter C.-H. Cheng). «Scientific discovery and creative reasoning with
diagrams», in S. M. Smith, T. B. Ward & R. A. Finke (Eds.), The Creative Cognition
Approach (pp. 205–228). Cambridge, MA: MIT Press.

 1998 (with John R. Anderson, Lynne M. Reder, K. Anders Ericsson, and Robert Glaser).
«Radical Constructivism and Cognitive Psychology», Brookings Papers on Education Policy,
no. 1, 227–278.
  2000 (with John R. Anderson and Lynne M. Reder). «Applications and misapplications of
cognitive psychology to mathematics education», Texas Education Review, vol. 1, no. 2,
29–49.

Bibliografía

[editar]

 Barnard, C.I. (1938), The Functions of the Executive, Cambridge: Harvard University Press

 Lasswell, H.D. (1935), World Politics and Personal Insecurity, New York: Whittlesey House

 Simon, Herbert (1976), Administrative Behavior (3rd ed.), New York: The Free Press

 Simon, Herbert (1991), Models of My Life, United States: Basic Books

 Simon, Herbert A. 'Organizations and markets', Journal of Economic Perspectives, vol. 5,

no. 2 (1991), pp. 25–44.

 Augier, Mie; March, James (2001). «Remembering Herbert A. Simon (1916-2001)». Public
Administration Review.

Véase también

[editar]

 Racionalidad limitada

 Modelo de cubo de basura

 James Gary March

Referencias

[editar]

1. ↑ Simon, Herbert (1976), Administrative Behavior (3rd ed.), New York: The Free
Press.

2. ↑ Simon 1976, p. 67.

3. ↑ C. Barnard and H. A. Simon. (1947). Administrative Behavior: A Study of

Decision-making Processes in Administrative Organization. Macmillan, New York.

4. ↑ Barnard 1938, p. 77 cited by Simon 1976, pp. 202–203.

5. ↑ Simon 1976, pp. 218.

6. ↑ Simon 1976, pp. 206.

7. ↑ Lasswell 1935, pp. 29–51 cited by Simon 1976, pp. 205.

8. ↑ Simon 1976, p. 205.

 9. ↑ «The Prize in Economics 1978 - Press Release». [Link].
Consultado el 1 de marzo de 2018.

10. ↑ Barros, Gustavo (2010). «Herbert A. Simon and the Concept of Rationality:
Boundaries and Procedures». Brazilian Journal of Political Economy: 455-472.

11. ↑ «It is clearly preferable to impose the additional cost on land by increasing the
land tax, rather than to increase the wage tax»Simon, Herbert (1979). Letter to the
Pittsburgh City Council. Archived in the Herbert A. Simon Collected Papers,
Carnegie Mellon University Library.

12. ↑ John Mighton: The Ubiquitous Bell Curve, en Big Ideas, TVOntario, emitido el 6
de noviembre de 2010 a las 1:30 a.m.

13. ↑ Volume 1 of The Art of Computer Programming.

14. ↑ «Computer Chess: The Drosophila of AI». Dr. Dobb's. Consultado el 1 de marzo
de 2018.

15. ↑ Herbert A. Simon, A Theory of Emotional Behavior. Carnegie Mellon University

Complex Information Processing (CIP) Working Paper #55, June 1, 1963.

16. ↑ Simon, Herbert A. (1967). Motivational and Emotional Controls of

Cognition 74 (1=). pp. 29-39 |páginas= y |en= redundantes (ayuda).

17. ↑ «Studies and models of decision-making are the themes that unify most of
Simon's contributions»Feigenbaum, Edward (2001). «Herbert A. Simon, 1916-
2001». Science.

18. ↑ Allen, Newell; Simon, Herbert A. (1972). Human Problem Solving.

19. ↑ Ericsson, K. A.; Simon, H. A. (1993). Protocol Analysis: Verbal Reports as Data.

20. ↑ Chase; Simon (1973). Perception in Chess 4. Cognitive Psychology.

21. ↑ «Herbert A. Simon - A.M. Turing Award Winner». [Link] (en inglés).
Consultado el 1 de marzo de 2018.

22. ↑ Feigenbaum, E. A.; Simon, H. A. (1984). «EPAM-like models of recognition and

learning». Cognitive Science. 8: 305–336.

23. ↑ Gobet, F.; Simon, H. A. (2000). «Five seconds or sixty? Presentation time in
expert memory». Cognitive Science. 24: 651–682.

Chester Barnard
Chester Barnard

Información personal
 Nombre de
Chester Irving Barnard
nacimiento

Nacimiento 16 de noviembre de 1886

Malden (Estados Unidos)

Fallecimiento 7 de junio de 1961 (74 años)

Nueva York (Estados Unidos)

Nacionalidad Estadounidense

Educación

Educado en  Universidad Harvard

 Escuela Northfield Monte

Hermón

Información profesional

Ocupación Economista

Área Teoría organizacional

Obras notables Functions of the Executive

Miembro de Academia Estadounidense de las Artes y

las Ciencias

Distinciones  Miembro de la Academia

Estadounidense de las Artes y las
Ciencias

[editar datos en Wikidata]

Chester Irving Barnard fue un ejecutivo empresario, administrador público y destacado como
economista estadounidense, autor de trabajos pioneros en teoría de la administración y en el
estudio de las organizaciones.

Biografía

[editar]

Chester Irving Barnard nació el 16 de noviembre de 1886 en Malden (Massachusetts), Estados

Unidos.

En su juventud Barnard trabajó en una granja hasta que pudo ingresar en la Universidad de
Harvard donde estudió economía mientras se mantenía vendiendo pianos y operando un grupo de
baile. Harvard le negó el título en Administración de negocios por causa de un tecnicismo, pero
más tarde varias universidades le dieron doctorados honoríficos.1

Barnard se vinculó a AT&T en 1909 y en 1927 asumió la presidencia de una de sus subsidiarias,
la Compañía Telefónica de Nueva Jersey (New Jersey Bell Telephony Company).

Durante la Gran Depresión Chester Barnard dirigió el sistema de ayuda social del estado de Nueva
Jersey.2

En su primer libro, Las funciones del ejecutivo, publicado en 1938, lanzó una teoría de la
organización y del papel de los ejecutivos en las organizaciones. El libro fue ampliamente utilizado
en cursos universitarios de Administración de Empresas y de sociología de las organizaciones.2

Fue elegido miembro de la Academia Americana de Artes y Ciencias en 19393 y presidente de

la United Service Organizations (USO) entre 1942 y 1945.

Tras retirarse de los negocios presidió de la Fundación Rockefeller entre 1948 y 1952 y entre 1952
y 1954 la Fundación Nacional de Ciencias (National Science Foundation), agencia que financia el 20
por ciento de la investigación en los institutos y universidades de los Estados Unidos.

En 1954 se contó entre los primeros miembros de la Society for General Systems Research, que se
convertiría en la International Society for the Systems Sciences (ISSS), organización internacional
para el apoyo de la investigación en ciencias sociales.4

Falleció el 7 de junio de 1961 en Nueva York.

Obra de Chester Barnard

[editar]

Al estudiar la organización, Barnard la definió como Un sistema de actividades o fuerzas

conscientemente coordinadas de dos o más personas. El sistema pues, al que damos el nombre de
organización está compuesto de las actividades de los seres humanos, lo que convierte esas
actividades en un sistema es que aquí se coordinan los esfuerzos de diferentes personas. Por esta
razón sus aspectos significativos no son personales. Están determinados por el sistema, ya sea
cuanto a la manera, en cuanto al grado, en cuanto al tiempo.

Barnard observó que por regla general las organizaciones son de corta duración y lo atribuyó a que
no cumplían dos criterios necesarios para la supervivencia: la eficacia (capacidad de lograr las
metas establecidas) y eficiencia (grado en que esa organización es capaz de satisfacer las
motivaciones de los individuos). Si una organización cumple con los motivos de sus miembros y la
consecución de sus objetivos explícitos, la cooperación entre sus miembros va a durar y
consiguientemente la organización perdurará.

La organización informal, para Barnard, se genera como producto de las interacciones

inconscientes entre los miembros de la organización formal, quienes tratan de proteger sus
intereses individuales, en ocasiones contra los intereses de la organización formal, por ello es
importante para el dirigente influir en las organizaciones informales y aprovecharlas ya que
proveen cohesión, motivación y facilitan el trabajo de equipo.
Haciendo foco en el papel de los ejecutivos en las organizaciones, lo resumió en tres funciones
principales:

 Establecer y mantener un sistema de comunicación

 Asegurar servicios esenciales a la actividad de los restantes miembros

 La formulación de propósitos y objetivos organizacionales

Formuló dos teorías, uno respecto de la autoridad y otra acerca de los incentivos, ambos
analizados en el contexto de un sistema de comunicación basado en siete reglas esenciales:

 Los canales de comunicación deben ser claros

 Deben ser conocidos por todos los miembros de la organización

 Deben ser accesibles a todos ellos

 Las líneas de comunicación deben ser lo más cortas y directas posible

 La capacidad de las personas que sirven como centros de comunicación debe ser
adecuada

 La línea de comunicación no debe ser interrumpida cuando la organización está

funcionando

 Toda comunicación debe ser autenticada.

Respecto de la autoridad Barnard, de manera similar a Mary Parker Follet, sostenía que una
autoridad efectiva se apoya en una eficaz comunicación entre los subordinados y sus superiores,
además afirma que la jerarquía debe sustentar su autoridad en la capacidad de gestión y la ventaja
que supone ganarse el respeto de sus empleados.

Gran admirador de Talcott Parsons, mantuvo con el cientista social una activa correspondencia
desde 1930, al punto de intercambiarse sus manuscritos para recoger las observaciones y puntos
de vista del otro.

En cuanto a los incentivos, proponía dos maneras de convencer a los subordinados a cooperar:
incentivos tangibles y la persuasión. Barnard daba gran importancia a la persuasión, incluso más
que a los incentivos económicos. Enunciaba cuatro incentivos generales y cuatro específicos. Estos
últimos eran:

 Dinero y otros incentivos materiales

 Condiciones físicas deseables de trabajo

 Reconocimientos intangibles que aseguraran prestigio personal

 Beneficios inmateriales (orgullo por el trabajo realizado, etc)

Algunas de sus obras fueron:

 The Functions of the Executive (Harvard University Press, 1938)

  Las funciones de los elementos dirigentes. (Instituto de Estudios Políticos, Traducción de
Francisco F. Jardón, Madrid, 1959)

 Dilemmas of Leadership in the Democratic Process (1939)

 A Report on the International Control of Atomic Energy (1946)

 Organization and Management (1948)

 Organization and Management: Selected Papers (1956)

 On the Teaching of Law in the Liberal Arts Curriculum (1956)

 Elementary Conditions of Business Morals (1958)

 Conversations With Chester I. Barnard (1973)

 Philosophy for Managers; Selected Papers of Chester I. Barnard (1986)

Notas y referencias

[editar]

1. ↑ R.C.S. Trahair (1994) "Barnard's exectutive functions", en From Aristotelian to

Reaganomics. Greenwood Publishing Group. p.40

2. ↑ Saltar a:a b Chester (Irving) Barnard Biography (1886 - 1961),

en [Link] (recuperado el 16 de junio de 2008).

3. ↑ «Book of Members, 1780-2010: Chapter B». American Academy of Arts and

Sciences. Consultado el 17 de mayo de 2011.

4. ↑ International Society for the Systems Sciences

Bibliografía

[editar]

 Anicich, Adam. (2009) Management Theorist: Chester Barnard's Theories of

Management, Doctoral Research Papers, UMD (2): 1-15.

 Gehani, R. Ray (2002) Chester Barnard's “executive” and the knowledge-based

firm, Management Decision 40(10): 980 - 991.

 Mahoney, Joseph T. (2002) The relevance of Chester I. Barnard's teaching to contemporary

management education: communicating the aesthetics of management, (enlace
roto disponible en Internet Archive; véase el historial, la primera versión y la última). Int.
J. of org. Theory & behav. 5 (1&2): 159-72.

 Mathews, Gary S. (1981) An Examination of Cooperative Organizational Behavior and the

Functions of Executives in Formal Organizations: The Theory of Chester Irving Barnard and
Its Implications for Educational Administration. A Research Paper.

 Marshall, Gordon (1998) Chester I. Barnard" in A Dictionary of Sociology.

  Scott, William G. (1992) Chester I. Barnard and the guardians of the management state.

 Wolf, William B. (1974). The basic Barnard: an introduction to Chester i. Barnard and his
theories of organization and management.

Enlaces externos

[editar]

 Julius Caesar, Crassus, and Chester Barnard. Archivado el 28 de septiembre de 2007

en Wayback Machine.