En primer lugar, se abordarán los modelos probabilísticos en contraste con la intuición, con el fin de demostrar cómo la estadística matemática supera las corazonadas y el azar en la evaluación de amenazas.
El método científico transforma la incertidumbre ciega en riesgos calculables y controlables mediante datos empíricos y modelos cuantitativos.
Por ejemplo, en la gestión de desastres naturales o fallos industriales, la ciencia no intenta adivinar el futuro por azar. En su lugar, utiliza disciplinas como la geofísica, la meteorología y la estadística inferencial para predecir escenarios con un nivel de confianza matemático. Mientras que el azar nos deja indefensos ante la aleatoriedad, el método científico permite diseñar sistemas de alerta temprana y normativas de construcción basadas en la física de materiales y el cálculo de probabilidades.
Para estructurar la investigación de la manera más interesante, se proponen tres puntos de partida. Se elige para comenzar con los modelos probabilísticos enfrentados a la. Intuición; descubrir cómo la estadística matemática supera las "corazonadas" y al azar en la evaluación de amenazas.
Los otros dos ejes de análisis consisten en examinar casos históricos donde la aplicación del método científico redujo significativamente el impacto de distintos desastres y analizar el papel de los sesgos cognitivos en la percepción del riesgo, con el fin de comprender por qué la mente humana requiere herramientas metodológicas para evaluar adecuadamente la incertidumbre.
Inicialmente, es importante construir un estudio donde, paso a paso, utilizando argumentos científicos, se demuestre por qué el método científico supera por completo al azar y al ensayo y error en la gestión del riesgo.
Para hacerlo de forma estructurada, primero se analiza a fondo cada uno de los tres enfoques (el azar, el ensayo/error y el método científico) y luego se contrastan en una matriz de análisis.
Empecemos con el primer enfoque, el azar y la intuición. En la toma de decisiones histórica o no científica, el azar ocurre cuando se toman decisiones sin un control de variables, esperando que la suerte o el destino favorezcan el resultado. Por otro lado, la "certeza subjetiva" se basa en la intuición o el "presentimiento" de un tomador de decisiones.
Desde la perspectiva científica, este enfoque es sumamente peligroso debido a cómo funciona nuestro cerebro. La psicología cognitiva y las neurociencias (con autores clave como Daniel Kahneman) han demostrado que la mente humana no está equipada evolutivamente para calcular probabilidades estadísticas de forma intuitiva. Caemos constantemente en sesgos cognitivos, como el sesgo de disponibilidad, donde se evalúa el riesgo de un evento basándose solo en los recuerdos más recientes o dramáticos, no en su frecuencia real.
Asimismo, la ilusión de control lleva a las personas a creer erróneamente que pueden influir sobre eventos que son inherentemente aleatorios.
En la teoría de la probabilidad, el azar no tiene memoria. Tomar decisiones de riesgo (como evacuar una zona o reforzar una estructura) basándose en el "azar" o en la intuición equivale a lanzar una moneda al aire, ignorando las leyes de la termodinámica, la física o la estadística.
Antes de analizar el método de ensayo y error, conviene destacar que las consecuencias de confiar únicamente en la intuición o en la suerte dentro de la gestión del riesgo suelen ser catastróficas.
Desde una perspectiva científica, esto genera vulnerabilidad sistémica, al desconocer las variables, la población queda expuesta a desastres que eran predecibles y prevenibles. Traducido a la realidad, esto significa colapsos de infraestructura, pérdida de vidas humanas, destrucción económica y una total incapacidad para responder a tiempo, ya que no existe un plan basado en datos.
Si se trata ahora del segundo punto de esta investigación para luego poder contrastarlos, se observa que el método de ensayo y error es una estrategia conductual y técnica antigua. Consiste en probar una alternativa y, si no funciona o produce un fallo, intentar con una opción diferente hasta encontrar una solución que funcione.
Si bien este método ha sido útil en la historia humana para inventos sencillos, en la reducción del riesgo presenta graves limitaciones científicas. Este método es puramente reactivo, requiere que el fallo ocurra (por ejemplo, que un dique se rompa o que una planta química tenga una fuga) para aprender cómo corregirlo.
Su principal limitación radica en el elevado costo y la irreversibilidad de los errores. En sistemas complejos, los fallos no constituyen simples datos experimentales, sino que pueden traducirse en daños ambientales permanentes o pérdidas humanas irreparables.
Otra limitación es la falta de comprensión de las causas subyacentes. El método de ensayo y error puede indicar qué funcionó en una situación determinada, pero no explica el mecanismo científico responsable de dicho resultado. Por lo tanto, si las condiciones cambian mínimamente, el método vuelve a fallar.
En la ingeniería de la resiliencia, el ensayo y error es inviable porque viola el principio de prevención. Los sistemas modernos de riesgo se estudian mediante la teoría de sistemas complejos, donde un pequeño error en un componente puede desencadenar una falla catastrófica en cadena (efecto dominó).
Para conectar esto con el siguiente punto (el método científico)
Si el ensayo y error requiere que el desastre ocurra para aprender de él, el método científico busca anticiparse a ese resultado mediante la observación, la medición y el análisis predictivo.
El método científico logra "adelantarse" al desastre gracias a su capacidad de predicción y modelado. En lugar de esperar a que una estructura falle en el mundo real, la ciencia utiliza leyes físicas, datos históricos y herramientas matemáticas para simular escenarios extremos.
Aquí es donde entra el tercer punto de esta investigación, el empleo del método científico en la toma de decisiones
El método científico se apoya en tres pilares fundamentales:
• Modelación matemática y simulación computacional: permiten crear representaciones virtuales de sistemas reales y evaluar su comportamiento ante escenarios extremos.
• Estadística inferencial y teoría de la probabilidad: posibilitan estimar la ocurrencia de eventos futuros a partir de datos históricos.
• Control y aislamiento de variables: facilitan la comprensión precisa de los factores que influyen en el comportamiento de materiales, sistemas o procesos.
El método científico sustituye la incertidumbre (no saber qué va a pasar) por el riesgo cuantificable (saber exactamente qué probabilidad hay de que pase y qué impacto tendrá). Esto permite diseñar defensas específicas antes de que el peligro se materialice.
Ahora que se han analizado los tres enfoques, resulta importante contrastarlos para evidenciar la superioridad del método científico. La transición hacia este enfoque constituye el único camino capaz de garantizar una reducción real y eficiente del riesgo
En conclusión, la comparación entre el azar, el ensayo y error y el método científico demuestra que este último constituye la herramienta más eficaz para la gestión del riesgo y la toma de decisiones. Mientras que la intuición se encuentra expuesta a sesgos cognitivos y el ensayo y error depende de la ocurrencia de fallos reales para generar aprendizaje, el método científico permite anticipar escenarios, cuantificar probabilidades y diseñar estrategias preventivas basadas en evidencia.
En el ámbito de la inversión, esta diferencia resulta especialmente relevante. Las decisiones fundamentadas en corazonadas o en experiencias aisladas suelen conducir a pérdidas significativas, mientras que la aplicación de modelos cuantitativos, análisis estadísticos y simulaciones permite evaluar riesgos antes de comprometer recursos financieros. Aunque ningún método puede eliminar completamente la incertidumbre, el enfoque científico la transforma en un riesgo medible y gestionable.
Por ello, las organizaciones modernas deben priorizar el uso de herramientas científicas para la gestión de riesgos, sustituyendo enfoques reactivos por estrategias proactivas basadas en evidencia. Solo mediante la observación sistemática, la modelación y el análisis riguroso es posible reducir de manera efectiva las pérdidas humanas, económicas y ambientales asociadas a eventos adversos.
Referencias
Kahneman, D. (2011). Thinking, Fast and Slow.
Taleb, N. N. (2007). The Black Swan.
Ross, S. (2014). Introduction to Probability Models.
Montgomery, D. (2020). Introduction to Statistical Quality Control.
No hay comentarios:
Publicar un comentario