Mathis Bitton, autor en DirigeHoy PREMIUM https://dirigehoy.info Todo lo que un gerente tiene que saber Thu, 21 Aug 2025 16:25:35 +0000 es hourly 1 https://wordpress.org/?v=6.9.4 https://dirigehoy.info/wp-content/uploads/2022/02/cropped-identidad-32x32.png Mathis Bitton, autor en DirigeHoy PREMIUM https://dirigehoy.info 32 32 242473640 Cómo la IA puede ayudar a abordar la toma de decisiones colectivas https://dirigehoy.info/como-la-ia-puede-ayudar-a-abordar-la-toma-de-decisiones-colectivas/ Thu, 21 Aug 2025 11:00:17 +0000 https://dirigehoy.info/?p=274494 La IA puede ser una herramienta poderosa para todos los líderes que enfrentan decisiones complejas, especialmente aquellas que deben tomarse de manera colaborativa.

La entrada Cómo la IA puede ayudar a abordar la toma de decisiones colectivas se publicó primero en DirigeHoy PREMIUM.

]]>

Cómo la IA puede ayudar a abordar la toma de decisiones colectivas

L

a toma de decisiones colectivas no es una ciencia exacta. Los procesos rotos, la sobrecarga de datos, la asimetría de información y otras inequidades solo agravan los desafíos que surgen cuando grandes y dispares facciones con diferentes objetivos intentan trabajar juntas. Y las herramientas que a menudo ayudan con la toma de decisiones (análisis de datos, planificación de escenarios, árboles de decisión, etc.) pueden flaquear ante la magnitud y la complejidad de los problemas más grandes a los que se enfrentan los grupos y los líderes.

Aquí es donde la IA puede ayudar, y está ayudando. Con su capacidad para analizar grandes cantidades de datos, la IA puede ser una herramienta poderosa para todos los líderes que enfrentan decisiones complejas, especialmente aquellas que deben tomarse de manera colaborativa.

Un campo que ya está aprovechando el apoyo de la IA en la toma de decisiones colectivas es la planificación urbana. Hace tres años, comenzamos a trabajar con la Conferencia de Alcaldes de Estados Unidos para comprender cómo la IA está ayudando a las ciudades a resolver sus desafíos más apremiantes. En el camino, estudiamos la historia de la ciudad alemana de Hamburgo, que ha afrontado una crisis de vivienda agravada por la llegada masiva de refugiados.

En 2016, Hamburgo se asoció con MIT Media Lab, creador de una plataforma de IA llamada CityScope. La plataforma permite a los planificadores urbanos recopilar y asimilar las necesidades y preferencias de grandes grupos de residentes, simular cientos de escenarios de construcción, identificar oportunidades ocultas y encontrar puntos en común entre facciones en conflicto.

La crisis en Hamburgo

En 2016, Alemania decidió acoger a 1 millón de refugiados de Medio Oriente, y Hamburgo se encargó de encontrar vivienda para unas 80,000 familias en una ciudad con menos de 2 millones de habitantes. En ese momento, la ciudad había estado atrapada durante décadas en conversaciones improductivas sobre leyes de zonificación, luchando por construir suficientes viviendas para sus propios residentes.

Tres desafíos tienden a salir a la luz en situaciones de toma de decisiones colectivas, y Hamburgo no fue la excepción:

  1. Los procesos y los incentivos están rotos.

El proceso tradicional para lograr algo (en este caso, construir nuevas viviendas) implica docenas de pasos e instituciones, cada una con su propia lógica procedimental y cultura interna. Las partes interesadas no tienen incentivos para unirse. En Hamburgo, la ciudad luchaba por construir algo porque cada proyecto requería la aprobación de una docena de burocracias, a menudo escleróticas y opacas.

  1. La información es cada vez más abundante y no se distribuye por igual.

Cada decisión (en este caso, sobre desarrollos específicos o leyes de zonificación) involucra enormes cantidades de información en diferentes ámbitos: desde las preferencias de los residentes y documentos técnicos hasta métricas de tráfico y uso. Además, los procesos a menudo se expresan en documentos extensos, detallados y técnicos que la persona promedio no puede comprender.

  1. Otras inequidades.

Los actores dominantes poseen una amplia gama de herramientas para bloquear las transformaciones. En este caso, los propietarios pueden detener los desarrollos urbanos mediante regulaciones de preservación histórica, requisitos de tamaño mínimo de lote, restricciones de altura, etc.

Cómo ayudó CityScope

La IA puede ayudar a resolver estos desafíos y mejorar la forma en que los grupos toman decisiones juntos. Ariel Noyman, uno de los ingenieros clave detrás de CityScope, nos dijo que su equipo diseñó la plataforma para cumplir con cuatro funciones clave:

— Insight (perspectiva): Construir un modelo dinámico de las condiciones sociales, económicas y ambientales mediante recopilación integral de datos, escaneo ambiental, análisis de transacciones, análisis de opiniones y visualización con retroalimentación.

— Predicción: Identificar necesidades y simular el impacto de intervenciones alternativas evaluando miles de escenarios hipotéticos.

— Transformación: Iterar posibles intervenciones en caminos de acción validados.

— Consenso: Involucrar a las partes interesadas en un proceso de toma de decisiones compartido y facilitado para alcanzar una visión unificada del futuro.

Así fue como estas funciones se desarrollaron en el proceso de trabajo con residentes y planificadores en Hamburgo para avanzar.

El primer paso consistió en recopilar la mayor cantidad de datos posible. CityScope recurrió a datos sobre vivienda y leyes de zonificación, pero también sobre desarrollo económico, patrones de compra, eventos y servicios de la ciudad, transporte e infraestructura, oportunidades de empleo, diversidad demográfica, impacto ambiental, seguridad y más. También aplicó encuestas a los residentes para recopilar sus preferencias.

Para ofrecer perspectiva, la plataforma correlacionó las dimensiones centrales de la vivienda (densidad y diversidad de personas) con indicadores de desempeño como consumo de energía, seguridad, preferencias de los residentes y más. Con esos datos, la plataforma analizó la relación entre vivienda y calidad de vida en el statu quo.

Luego, la plataforma pasó a hacer predicciones sobre las tendencias actuales y transformaciones hipotéticas, identificando restricciones que podría ser valioso modificar en el camino. CityScope destacó, por ejemplo, la infrautilización sistemática de propiedades comerciales. También señaló las áreas donde los servicios públicos tenían más probabilidades de verse afectados y aquellas con la mayor capacidad para recibir a nuevos residentes.

Una vez realizado el análisis, CityScope mostró los resultados en un diagrama simple y fácil de entender para ayudar a los ciudadanos y a otros participantes a ver fácilmente cómo los posibles cambios afectarían los indicadores clave que reflejan las prioridades comunes de los residentes de la ciudad.

Haciendo que la toma de decisiones sea más democrática

Mediante su uso de IA, CityScope aborda los principales desafíos que identificamos en la planificación urbana, y en la toma de decisiones colectivas en general:

Primero, sortea los lentos procesos burocráticos. Al agregar todos los datos relevantes en un modelo dinámico, CityScope analiza compensaciones mejor de lo que los funcionarios de la ciudad podrían hacerlo por sí mismos, porque integra todas las perspectivas y prueba miles de alternativas. El resultado es un proceso considerablemente más ágil, y además uno que toma en cuenta más perspectivas con mayor precisión.

Segundo, resuelve el problema de la sobrecarga y la asimetría de información. Al recopilar y procesar grandes cantidades de datos, y luego proporcionar visualizaciones claras y métodos para interactuar y compartirlos, CityScope elimina las barreras informativas que favorecen a quienes tienen más recursos sobre aquellos que carecen de dinero, tiempo o experiencia, brindando a cualquiera la oportunidad de comprender y proponer cambios.

Tercero, CityScope permite que toda la comunidad encuentre un camino hacia el consenso, no solo la élite. Los residentes pueden no estar de acuerdo sobre este o aquel proyecto de vivienda, pero pueden encontrar puntos en común en torno a prioridades compartidas. Al cambiar el enfoque de la deliberación de proyectos o leyes específicas a prioridades más amplias para la ciudad, CityScope replantea la discusión hacia una visión más global.

Dieciocho meses después de que comenzara la asociación con CityScope, Hamburgo no solo había alojado a miles de refugiados: los había distribuido estratégicamente a lo largo de la ciudad para maximizar la cohesión social, la oportunidad económica y la resiliencia comunitaria. Desde entonces, la ciudad ha estado integrando CityScope en sus procesos de toma de decisiones de manera más amplia para transporte, uso de energía y regulación ambiental.

Más allá de CityScope

Los humanos no somos especialmente buenos para procesar grandes cantidades de información y traducirla en políticas. CityScope muestra que la IA puede ayudar.

Sin embargo, por sí solas, las plataformas como CityScope no pueden resolver problemas conflictivos. La mayoría de las decisiones colectivas siguen siendo inevitablemente propensas al conflicto, y aunque la IA puede ayudarnos a comprender y gestionar las concesiones, no puede hacer que desaparezcan. Ningún algoritmo, por muy sofisticado que sea, puede reemplazar una cultura de desacuerdo saludable y respeto mutuo. En Hamburgo, fueron los residentes y sus líderes quienes hicieron que esta conversación fuera productiva, no solo la plataforma en sí.

Lejos de ser un sustituto de la toma de decisiones humanas, estas plataformas ofrecerán un complemento poderoso: una manera de aprovechar los datos al servicio de objetivos comunes.

© 2025 Harvard Business School Publishing Corp. | De: hbr.org  |  Distribuido por: The New York Times Syndicate.

Artículo en inglés

Collective decision-making is hardly a perfect science. Broken processes, data overload, information asymmetry and other inequities only compound the challenges that come from large, disparate factions with different goals trying to work together. And the tools that often help with decision-making — data analysis, scenario planning, decision trees and so on — can falter in the face of the scale and complexity of the biggest problems that groups and leaders face.

This is where AI can help, and is helping. With its ability to analyze vast troves of data, AI can be a powerful tool for all leaders facing complex decisions, especially those that must be made collaboratively.

One field already taking advantage of AI’s collective decision-making support is city planning. Three years ago, we started working with the United States Conference of Mayors to understand how AI is helping cities solve their most pressing challenges. Along the way, we studied the story of the German city of Hamburg, which has addressed a housing crisis exacerbated by an influx of refugees.

In 2016, Hamburg partnered with MIT Media Lab, the creator of an AI platform called CityScope. The platform allows urban planners to collect and digest the needs and preferences of swathes of residents, simulate hundreds of building scenarios, identify hidden opportunities and find common ground among conflicting factions.

THE CRISIS IN HAMBURG

In 2016, Germany decided to welcome 1 million refugees from the Middle East, and Hamburg was tasked with finding housing for an anticipated 80,000 families in a city of under 2 million people. At the time, the city had been stuck in unproductive conversations about zoning laws for decades, struggling to build enough houses for its own residents.

Three challenges tend to come to the fore in situations of collective decision-making, and Hamburg was no exception:

PROCESSES AND INCENTIVES ARE BROKEN.

The traditional process to get things done (in this case, to get new housing built) involves dozens of steps and institutions, each with its own procedural logic and internal culture. Stakeholders have no incentive to come together. In Hamburg, the city struggled to get anything built because each project required the approval of a dozen bureaucracies, often sclerotic and opaque.

INFORMATION IS INCREASINGLY ABUNDANT AND ISN’T EQUALLY DISTRIBUTED.

Every decision (in this case, about specific developments or zoning laws) involves vast amounts of information across domains — from resident preferences and technical documents to traffic and usage metrics. Furthermore, processes are often expressed in long, detailed, technical documents that the average person cannot be expected to understand.

OTHER INEQUITIES.

Dominant players possess a wide array of tools to block transformations. In this case, property owners can stop urban developments with historic preservation regulations, minimum lot size requirements, height restrictions, etc.

HOW CITYSCOPE HELPED

AI can help to solve these challenges and improve the way that groups make decisions together. Ariel Noyman, one of the key engineers behind CityScope, told us that his team designed the platform to fulfill four key functions:

INSIGHT: Building a dynamic model of social, economic and environmental conditions through comprehensive data collection, an environmental scan, transaction analytics and sentiment analysis; visualization with feedback.

PREDICTION: Identifying needs and simulating the impact of alternative interventions by evaluating thousands of “what-if” scenarios.

TRANSFORMATION: Iterating possible interventions into validated paths of action.

CONSENSUS: Engaging stakeholders in a shared, facilitated decision-making process to reach a unified vision of the future.

Here’s how these functions played out in the process of working with residents and planners in Hamburg to move the needle forward.

The first step involved gathering as much data as possible. CityScope drew on data about housing and zoning laws, but also economic development, purchasing patterns, citywide events and amenities, transportation and infrastructure, employment opportunities, demographic diversity, environmental impact, safety and more. It also administered surveys to residents to gather their preferences.

To deliver the first function, insight, the platform then correlated the core dimensions of housing — density and diversity of people — with performance indicators such as energy use, safety, resident preferences and so on. With that data, the platform analyzed the relationship between housing and quality of life in the status quo.

Then the platform went on to make predictions about current trends and hypothetical transformations, identifying constraints that might be valuable to alter along the way. CityScope highlighted the systematic underuse of commercial properties, for instance. It also highlighted the areas where public services were most likely to be strained and those with the most capacity to welcome new residents.

Once the analysis was done, CityScope displayed the results in a simple, easy-to-understand diagram to help citizens and other participants to easily see how potential changes would affect key performance indicators that reflect the common priorities of the city’s residents.

MAKING DECISION-MAKING MORE DEMOCRATIC

Through its use of AI, CityScope addresses the key challenges we identified in city planning, and in group decision-making more generally:

First, they circumvent slow bureaucratic processes. By aggregating all the relevant data into a dynamic model, CityScope analyzes trade-offs better than city officials ever could on their own because it integrates all perspectives and tests thousands of alternatives. The result is a considerably streamlined process, and also one that takes more perspectives into account more accurately.

Second, they solve the problem of information overload and asymmetry. By intaking and processing vast troves of data and then providing clear visuals and methods for interacting with and sharing them, CityScope removes the informational barriers that favor those with more resources over those who lack money, time or expertise, giving anyone the opportunity to understand and propose changes.

Third, CityScope enables the full community to find a path to consensus, not just the elite. Residents may not agree on this or that housing project, but they can find common ground around shared priorities. By shifting the focus of deliberation from specific projects or laws to broader priorities for the city, CityScope reframes the discussion toward the bigger picture.

Eighteen months after the partnership with CityScope began, Hamburg had not just housed thousands of refugees: It had strategically distributed them across the city to maximize social cohesion, economic opportunity and community resilience. Since then, the city has been integrating CityScope into its decision-making processes more broadly, for transportation, energy use and environmental regulation.

BEYOND CITYSCOPE

Humans are not especially good at processing immense amounts of information and translating it into policy. CityScope shows that AI can help.

However, by themselves, platforms like CityScope cannot solve contentious problems. Most group decisions remain inescapably prone to conflict and while AI can help us understand and navigate trade-offs, it cannot make trade-offs disappear. No algorithm, however sophisticated, can replace a culture of healthy disagreement and mutual respect. In Hamburg, it was the residents and their leaders who made this conversation productive, not just the platform itself.

Far from a substitute for human decision-making, these platforms will offer a powerful complement to it: a way to harness data at the service of common goals.

La entrada Cómo la IA puede ayudar a abordar la toma de decisiones colectivas se publicó primero en DirigeHoy PREMIUM.

]]> 274494