Modelos que rehacen la realidad

Todo modelo científico nace con humildad. Es una concesión ante la limitación: datos insuficientes, demasiadas variables, poco tiempo. Un modelo simplifica para que la acción sea siquiera posible. Ningún físico, economista o epidemiólogo confunde un modelo con lo modelado—al menos, no al principio.

Pero ocurre algo peculiar cuando un modelo sale del laboratorio y entra en el mundo. Se incrusta en decisiones, incentivos y rutinas. Deja de ser solo una descripción y empieza a comportarse como una instrucción. En ese momento, su estatus cambia. El modelo deja de ser pasivo. Se convierte en causa.

Esta transformación es la maquinaria oculta detrás de muchas de nuestras instituciones más estables y de nuestros errores más persistentes.

Lo curioso es que esta transición suele pasar desapercibida. Los modelos se deslizan del mapa al territorio, no por persuasión, sino por utilidad. Nos indican qué medir, qué recompensar y qué ignorar. Y una vez que la maquinaria de coordinación comienza a depender de ellos, el mundo empieza a adaptarse—a veces con elegancia, a veces de manera grotesca—a sus dictados.

La historia trata menos de epistemología que de ingeniería: cómo las restricciones se propagan por los sistemas y cómo la simplificación se convierte en estructura.

Es una de las pequeñas ironías de la vida moderna que nuestras métricas más “objetivas” suelen ser simples conjeturas obsoletas atrapadas en un plan de pensiones.

La parte sencilla es la siguiente: todo modelo selecciona. Recorta detalles—algunos irrelevantes, otros simplemente incómodos. Esto es inocuo a escala personal. Una persona puede revisar sus creencias cuando encuentra una contradicción. Una hoja de cálculo no puede.

Cuando un modelo opera a escala institucional, sus omisiones se endurecen en puntos ciegos. Lo que empieza como simplificación se convierte en filtrado. Las personas adaptan su comportamiento para ajustarse a lo que se cuenta, financia o sanciona. Las mediciones se transforman en incentivos, los incentivos en estrategias, las estrategias en normas. Los grados de libertad del mundo se reducen silenciosamente.

Se hace una predicción. La gente se ajusta. La predicción se cumple—no porque el mundo tendiera naturalmente en esa dirección, sino porque nosotros lo empujamos hacia allí.

Esta dinámica autorrealizadora suele confundirse con precisión. En realidad, es el cierre mecánico de un bucle de retroalimentación.

Una vez que un modelo aporta estabilidad—reduciendo la incertidumbre, estandarizando decisiones, permitiendo la coordinación—puede permanecer en uso mucho después de que haya dejado de representar algo relevante sobre el sistema subyacente. Su supervivencia depende no de la fidelidad, sino de la utilidad.

El asunto es aún más trascendental: a medida que los sistemas maduran, comienzan a optimizarse para el modelo en vez de para las condiciones que originalmente justificaron el modelo. Los hospitales optimizan para métricas; las empresas, para KPIs; las universidades, para rankings; las firmas financieras, para pronósticos de riesgo basados en datos generados por las propias firmas que optimizan para esos pronósticos.

El modelo se convierte en el hábitat. La realidad original queda como residuo.

Y los residuos se acumulan. Adoptan la forma de casos atípicos, costos no medidos, incentivos no modelados y las personas o procesos que no encajan en el esquema simplificado. Estos residuos ejercen presión sobre el sistema. Generan fragilidad. Siembran vulnerabilidad.

Un ejemplo llamativo proviene de la modelización del riesgo en las finanzas. Herramientas diseñadas para cuantificar la incertidumbre acabaron configurando los propios mercados que debían analizar. Los operadores se adaptaron, los reguladores se adaptaron, los productos se adaptaron. Con el tiempo, los modelos no solo describieron el riesgo—ayudaron a generar las condiciones bajo las cuales ciertas formas de riesgo se volvieron invisibles, hasta el momento en que regresaron dramáticamente en 2008.

La conclusión habitual es que los modelos estaban equivocados. Pero la conclusión más inquietante es que estaban operando. Impusieron una estructura al comportamiento que fue estable hasta que dejó de serlo. Su fracaso no fue epistemológico; fue ecológico.

Dinámicas similares aparecen lejos de Wall Street. Los rankings educativos distorsionan los planes de estudio. Los algoritmos policiales reconfiguran los patrones de denuncia de delitos. Las métricas de productividad redefinen qué significa “buen trabajo”. Los referentes se convierten en objetivos; los objetivos, en techos.

El mecanismo es siempre el mismo: inserta un modelo lo suficientemente profundo en un proceso de decisión, y el sistema empieza a organizarse en torno a las categorías e incentivos de ese modelo. Con el tiempo, el modelo deja de ser una herramienta y pasa a ser una restricción.

La implicancia es que debatir si un modelo es preciso puede ser profundamente irrelevante. La precisión solo importa brevemente—durante la adopción. Después, lo que importa es la durabilidad: si el mundo puede soportar ser esculpido por esa simplificación.

Un sistema optimizado para un modelo no está optimizado para el mundo. Está optimizado para reducir la fricción entre el mundo y las expectativas del modelo.

Esto plantea una pregunta práctica: si los modelos inevitablemente remodelan sus dominios, ¿qué distingue a los modelos que sostienen sistemas resilientes de aquellos que los llevan al colapso?

Una respuesta es que los modelos robustos son modestos. Tratan sus simplificaciones como negociables. Permiten que las señales de error penetren. Conservan holgura—grados de libertad para que el mundo se comporte de formas no anticipadas por el modelo.

Los modelos frágiles, en cambio, tratan las desviaciones como fallas. Obligan a la alineación. Eliminan la holgura. Producen una apariencia de orden que en realidad es una concentración de presiones no resueltas.

La diferencia entre ambos no es conceptual, sino arquitectónica. Radica en cómo se construyen los sistemas para incorporar—o suprimir—la retroalimentación.

La tentación, ante estas dinámicas, es rechazar por completo la abstracción. Pero esto sería una sobrerreacción. La vida humana sin modelos sería paralizante. La coordinación desaparecería. La complejidad asfixiaría la acción.

La conclusión más sensata es que todo modelo conlleva un costo, y ese costo crece con la escala. Cuantas más personas dependen de un modelo, más se doblará el mundo a su imagen. El peligro no surge de modelar en sí, sino de olvidar que el mundo es el sistema primario y el modelo es el derivado.

Los modelos son indispensables. Pero también lo es la capacidad de dejarlos romperse limpiamente, en vez de dejar que rompan el mundo.

El reto no es construir modelos perfectos, sino sistemas que sigan siendo permeables a la realidad—sistemas capaces de absorber sorpresas, reincorporar residuos y reconocer lo no modelado sin tratarlo como error.

La tarea es diseñar modelos que no se devoren al mundo, sino que lo alimenten: modelos que aclaren sin restringir, coordinen sin deformar y guíen sin gobernar.

Eso no es misticismo. Es simplemente ingeniería con la humildad de recordar qué es el andamio y qué es el edificio.

Disponible en espagnol en Amazon

Todos mis libros en espagnol están disponibles para ti en mi tienda: shop.willemdewit.work