← Curso básico de inteligencia · Catálogo de análisis
ACINP · AMPLIACIÓN DE ANÁLISIS
Qué explica este capítulo. Qué distingue una probabilidad inicial de una condicional, cómo revisar su coherencia y qué significa una simulación de escenarios.
Un evento modifica las condiciones de otro
En prospectiva, los acontecimientos no siempre son independientes. Un cierre de una vía, una subida de demanda y una pérdida de capacidad pueden modificar conjuntamente la continuidad de un servicio. Los impactos cruzados probabilísticos expresan cómo cambia la plausibilidad de un evento bajo la condición de que ocurra otro.
El horizonte es imprescindible. «Interrupción del servicio» puede significar al menos un día sin actividad durante el próximo mes; no es lo mismo que cualquier demora durante un año. La definición debe mantenerse igual en todas las estimaciones y en el seguimiento.
Marginal y condicional son cantidades distintas
P(A) expresa la probabilidad de A sin fijar B. P(A dado B) expresa la probabilidad de A en el subconjunto de situaciones donde B ocurre. En general, P(A dado B) no es igual a P(B dado A). Cambiar el sentido de una celda puede modificar por completo su significado.
Una probabilidad condicional necesita una condición
El árbol divide el futuro en dos condiciones. El 40 % de situaciones con demanda alta aporta 28 puntos porcentuales a la interrupción: 0,40 × 0,70. El 60 % restante aporta 12: 0,60 × 0,20. La probabilidad marginal coherente con esas entradas es 40 %. Este cálculo sirve para comprender la lógica; no es una estimación real de un servicio.
La coherencia limita las entradas
No cualquier combinación de probabilidades es posible. Si un evento tiene una probabilidad marginal muy baja, no puede ser extremadamente frecuente dentro de una condición que ocupa casi todo el universo sin que exista contradicción. La revisión de coherencia detecta incompatibilidades aritméticas, pero no comprueba si los juicios expertos describen bien la realidad.
También es necesario distinguir influencia y mera asociación. Una relación condicional puede resumir un vínculo común con un tercer factor. Presentarla como intervención causal exige argumentos adicionales. El modelo debe conservar la procedencia de los porcentajes y el razonamiento que los sustenta.
Qué aporta la simulación
Una simulación genera muchas realizaciones compatibles con las reglas del modelo. Permite observar combinaciones de eventos, cambios en frecuencias simuladas y sensibilidad a las entradas. Su utilidad es explorar consecuencias y dependencias difíciles de seguir mentalmente.
Incrementar el número de ejecuciones reduce parte de la variabilidad del cálculo, pero no corrige una definición ambigua ni una probabilidad inicial mal fundamentada. Un resultado con muchos decimales puede seguir teniendo gran incertidumbre de modelo. Por eso la comunicación debe explicar supuestos y no limitarse a mostrar una cifra.
Un escenario no es una suma de porcentajes
Un escenario combina condiciones de forma coherente: por ejemplo, demanda alta, capacidad estable y obras prolongadas. Los porcentajes marginales de sus eventos no se suman para obtener su probabilidad conjunta. Si se presupone independencia, debe justificarse; cuando existe dependencia, el cálculo necesita representarla.
La decisión puede beneficiarse de comparar escenarios aunque no se disponga de probabilidades suficientemente sólidas. En ese caso, resulta más honesto describir condiciones y señales de seguimiento que asignar cifras arbitrarias.
De dónde salen las probabilidades
En el método SMIC, de la escuela francesa de prospectiva, varios expertos estiman la probabilidad de cada suceso y su probabilidad condicionada a que otro ocurra o no; después se combinan esas estimaciones de forma coherente. Con seis sucesos que pueden ocurrir o no, hay 64 combinaciones posibles, y suele bastar un puñado de ellas para concentrar la mayor parte de la probabilidad. El número de juicios necesarios crece deprisa con cada suceso añadido, así que lo decisivo es elegir bien los sucesos: lo que no se incluye no existe para el modelo.
El método Delphi es una fuente habitual de esas estimaciones. Un grupo de especialistas responde de forma anónima en varias rondas; tras cada una recibe la mediana y el rango de las respuestas, y quien se aparta mucho explica por qué. Una encuesta de una sola ronda no es un Delphi. Sus riesgos son conocidos: coste, abandonos, mala selección de expertos y confundir consenso con acierto.
Uso en Yappari One
El objeto de impactos cruzados permite trabajar con eventos, probabilidades y relaciones. La lectura depende de la escala y del tratamiento de esas relaciones en la versión utilizada. Antes de interpretar una matriz importada, comprueba si las celdas representan probabilidades condicionales o una codificación de impacto: no son unidades intercambiables.
Una conclusión adecuada identifica el horizonte, las entradas decisivas y las condiciones que modificarían el escenario. La coherencia matemática es necesaria para un modelo probabilístico, pero su calidad sustantiva depende de fuentes, conocimiento del sistema y revisión.
Fuentes y continuidad
Theodore J. Gordon, trabajos sobre el método de impactos cruzados recogidos en Futures Research Methodology (Millennium Project); Comisión Europea, Guía práctica de prospectiva regional en España (2002), sobre el método Delphi; IPyDE, Manual de prospectiva estratégica básica (2010), sobre SMIC. La explicación distingue los fundamentos del método de su implementación en Yappari One.
Ejemplos y diagramas de elaboración propia, con datos ficticios; no son capturas ni resultados de la aplicación. Para explorar la herramienta: Yappari One (fase alfa; las pantallas pueden cambiar entre versiones).
