L

a IA nos ha catapultado a una era que podría describir como de extrema opacidad respecto al futuro. Teniendo en cuenta todo lo que podría cambiar a causa de la IA, parece como si se hubiera extendido una niebla que nos impide ver el futuro. Y, en este momento, ese es su efecto económico más importante (y quizá también el más infravalorado).

Sin la capacidad de predecir con seguridad hacia dónde nos dirigiremos a partir de ahora, y considerando el alto costo de comprometerse demasiado pronto en entornos volátiles, creo que la mejor estrategia es optimizar para lo desconocido.

El dilema del capital humano

Para las empresas que dependen de trabajadores calificados, la “niebla de la IA” supone un problema sin precedentes en la planificación de la fuerza laboral. Los líderes deben decidir cuántas personas contratar, en qué puestos y con qué salarios, en un contexto en el que la vida útil de cualquier conjunto de habilidades es incognoscible. La misma incertidumbre que disuade a las personas de invertir en formación también dificulta que los líderes contraten e inviertan en su personal, particularmente en regiones con restricciones regulatorias para reducir su plantilla. Si los agentes de IA pueden redactar memorandos, escribir código, realizar tareas administrativas básicas, llevar a cabo investigaciones y construir modelos financieros más rápido y a menor costo que los empleados de nivel inicial, entonces las empresas ajustarán sus planes de contratación en consecuencia.

Las matemáticas corporativas

La incertidumbre del futuro también pone en duda la forma en que se valora a las empresas y, por lo tanto, si consiguen atraer capital y cómo lo hacen, así como la forma en que comunican su valor a inversionistas y otras partes interesadas. Para los líderes, esto significa que la niebla de la IA influirá en el costo del capital, en las condiciones bajo las cuales se financia el crecimiento y en si un plan estratégico cumple con las expectativas de analistas e inversionistas. El mecanismo de este cambio inducido por la niebla es sencillo, pero sus implicaciones son radicales.

El valor de las acciones se determina por la cantidad de efectivo que una empresa generará en el futuro. Si la niebla de la IA pone en duda la viabilidad a largo plazo del producto o servicio principal de una empresa, entonces también debemos cuestionar si logrará alcanzar su valor terminal. A su vez, si dudamos del valor terminal, la valoración se derrumba.

Otra forma de entender esta consecuencia de la niebla es que la IA está desafiando la preservación de las ventajas competitivas de las empresas. Cualquier negocio cuya ventaja competitiva dependa principalmente del software, los procesos, el capital humano o el contenido es ahora vulnerable frente a un competidor capaz de replicar esas características más rápido y a menor costo.

Dentro de la empresa, la misma niebla

La niebla envolvente también afecta los mercados internos de capital.

Imaginemos una empresa de fabricación por contrato de tamaño medio que produce componentes mecanizados de precisión para clientes de los sectores aeroespacial y de defensa. El equipo de operaciones propone una inversión de 30 millones de dólares en una nueva línea de producción. La ampliación de la planta está dimensionada para hacer frente a la cartera de pedidos prevista de la empresa. El equipo financiero elabora un modelo en el que compara los ingresos previstos para los próximos diez años con el desembolso de capital.

Gracias a su equipo especializado, largas series de producción y operarios cualificados, la nueva línea está optimizada para el paradigma actual de fabricación. Pero si los sistemas robóticos de uso general reducen drásticamente los costos de instalación que históricamente han protegido a los fabricantes especializados, la ventaja competitiva que respalda la proyección a 10 años de la empresa deja de ser confiable. La proyección original de ingresos se desvanece.

Optimizar para lo desconocido

Frente a la niebla de la IA, la repentina invisibilidad del futuro significa que la única opción verdaderamente convincente es la opcionalidad en sí misma.

Los líderes empresariales deben incorporar la opcionalidad tanto en sus modelos de asignación de capital como en sus diseños organizacionales.

En primer lugar, ha llegado el momento de pasar de compromisos de capital plurianuales a inversiones por etapas, con puntos de decisión explícitos. Del mismo modo, es momento de (re)considerar los sistemas de presupuestación base cero, para eliminar parte de la inercia incorporada en la asignación de recursos.

En segundo lugar, en vez de aferrarse a estructuras organizacionales optimizadas para un futuro estable, piense en cómo organizarse para la llegada de la IA agéntica. Los equipos modulares, los cambios frecuentes en los procesos y diseños organizacionales, el diseño de puestos de trabajo con flexibilidad incorporada y capas delgadas y adaptables de coordinación (ya sean humanas o mediante agentes de IA) ayudarán a preservar la capacidad de maniobra.

En tercer lugar, los líderes necesitan mejores sistemas de detección. Deben establecer un pequeño equipo cuyo trabajo a tiempo completo sea supervisar las capacidades de IA de vanguardia y traducir el progreso técnico en implicaciones de gestión para la empresa.

Estamos entrando en un cambio de paradigma en cuanto a cómo apostamos por el futuro. La incertidumbre ya está aquí. Ya no se trata de transformar la forma en que invertimos, contratamos, construimos y planificamos. La pregunta verdaderamente urgente es: ¿Rediseñaremos nuestras instituciones para adaptarlas a la opacidad antes de que se paralicen todo tipo de inversiones?

M

ientras muchos de nosotros seguimos trabajando desde casa durante la crisis del coronavirus, nuestra capacidad para concentrarnos y producir un trabajo de calidad está disminuyendo, incluso aunque el número de horas trabajadas esté aumentando. Muchos de mis clientes (ejecutivos y directivos, junto con sus socios de recursos humanos) buscan cada vez más orientación sobre cómo desconectarse, recargar energías y alentar a sus empleados a hacer lo mismo.

Las investigaciones demuestran los beneficios de las vacaciones en la productividad de los empleados y en la economía, que actualmente están amenazadas. En contraste, las vacaciones no disfrutadas le cuestan a las empresas estadounidenses 224 mil millones de dólares al año.

He aquí seis estrategias para los gerentes sobre cómo enfocar las vacaciones cuando un porcentaje tan alto de la fuerza laboral está trabajando desde casa:

1. Proporcionar claridad: Asegúrese de que su equipo tenga claras las políticas de tiempo de descanso en su organización. Incluya la postura de su empresa con respecto a los viajes y si se aplicarán restricciones cuando las personas regresen, en caso de que salgan de la ciudad. Es importante brindarles referencias a los empleados acerca de cualquier lineamiento gubernamental o de las autoridades sanitarias, de forma que también lo puedan tomar en cuenta. Ser transparentes les permite a los individuos sopesar conscientemente las condiciones y que todos operen a partir de la misma serie de principios.

2. Redefinir las vacaciones: Cuando trabajen desde casa, anime a sus empleados a considerar las “vacaciones” como herramientas para dedicar tiempo a la familia, al cuidado y al autocuidado. El tiempo de descanso puede dedicarse a fomentar la salud mental, en lugar de al ocio o los viajes. Algunos miembros del equipo de mis clientes prueban cosas que nunca han hecho (como dibujar o cantar) solo para aportar novedad.

3. Demostrar interés: La disparidad en las condiciones laborales se está haciendo evidente en la cantidad de trabajo. Por ejemplo, las mujeres académicas publican menos artículos, presumiblemente debido a su desproporcionada responsabilidad en el hogar. Anime a sus empleados a tomarse el tiempo que necesiten para equilibrar las prioridades contrapuestas. Considere la posibilidad de ofrecer tiempo libre informal, incrementar los límites para el máximo de vacaciones acumuladas e incentivar a las personas a tomar descansos.

4. Poner el ejemplo: Demuestre con sus propias acciones que usted se toma en serio el tiempo de descanso. Lo que dice es menos importante que lo que hace. Por ejemplo, puede declarar un día libre para toda la organización: uno de mis clientes ha programado un día mensual de autocuidado para toda la empresa.

5. Cambiar la duración: A muchas personas les resulta difícil saber qué hacer con un periodo vacacional de más de una semana. Anime a su equipo a tomar descansos más cortos con mayor frecuencia: una tarde cada semana o un día completo de vez en cuando. Los descansos frecuentes son más útiles porque los niveles elevados de estrés hacen que no siempre podamos esperar a unas vacaciones largas.

6. Activar a su equipo: Pida a los miembros del equipo que se cubran entre sí para que puedan turnarse y tomar un descanso sin interrumpir el trabajo. Al involucrar a todo el equipo, hace que los descansos formen parte de la cultura, junto con el apoyo y la generosidad mutuos.

Trabajar desde casa no significa trabajar todo el tiempo. Alivie el entumecimiento provocado por las constantes videollamadas y la larga lista de tareas pendientes reinventando las vacaciones y los descansos, y animando a su equipo a hacer lo mismo.

M

ientras los líderes empresariales entran al otoño, una confluencia de factores negativos está nublando sus perspectivas sobre la economía. El gran rebote del año pasado ha perdido fuerza, el estímulo se está desvaneciendo y una plétora de datos económicos más débiles está pesando en el sentimiento general. Todo esto se desarrolla delante del telón de fondo de la perniciosa variante delta del coronavirus.

Es comprensible que la desaceleración, los vientos en contra inesperados y el difícil traspaso a los consumidores fomenten las expectativas negativas. Sin embargo, los vientos en contra a los que se enfrentan ahora los consumidores deberían compensarse con los vientos de cola y las fuentes de fortaleza que han construido los hogares. He aquí cinco prominentes preocupaciones y por qué son exageradas.

En primer lugar, aunque las perspectivas económicas se siguen equiparando con la trayectoria de la variante delta, la realidad es que desde el principio la economía se desacopló en gran medida del virus. Esto no sólo fue una función del fuerte estímulo, sino también de la adaptabilidad. Los hogares y las empresas han aprendido a vivir con el virus, y es poco probable que la variante delta deshaga ese aprendizaje. Por ejemplo, incluso cuando los casos y las hospitalizaciones estaban en su punto más alto en Florida, no vimos un retroceso drástico de la actividad económica.

En segundo lugar, aunque el estímulo fiscal a los hogares se desvanece rápidamente, el mercado laboral está en auge. Sorprendentemente, a pesar de las cifras históricas de desempleo, el estímulo ayudó a que los ingresos personales se dispararan en 2020 y principios de 2021. Ahora, con un número récord de puestos de trabajo vacantes y muchas empresas luchando por cubrirlos, los hogares están en una buena posición para reemplazar con empleo y salarios más altos el estímulo que se desvanece, asegurando que el poder de gasto de los consumidores seguirá siendo fuerte.

En tercer lugar, aunque la inflación actual está erosionando las ganancias salariales, es poco probable que dure. El crecimiento de los precios en Estados Unidos sigue pareciendo transitorio (impulsado por la idiosincrasia de una tórrida reapertura y los cuellos de botella de la oferta), mientras que un mercado laboral tenso no volverá fácilmente a las condiciones de holgura. Los prospectos de un ciclo ajustado que proporcione aumentos salariales y de productividad siguen siendo sólidos.

En cuarto lugar, se ha hablado mucho de que la subida de los precios de la vivienda está minando la confianza y los presupuestos de los hogares. Sin embargo, el precio de la vivienda no es lo mismo que el costo de la misma. Considerando que las condiciones de financiación están en niveles históricamente bajos, el índice de asequibilidad de la vivienda se mantiene en línea con los niveles anteriores a la pandemia y es mucho más favorable que en las décadas anteriores a la crisis financiera mundial.

Por último, existe el temor de que el voluble sector de los hogares se repliegue en cualquier momento, y la elevada tasa de ahorro proporciona un cierto respaldo a esa idea. Sin embargo, esa opinión ignora el gran ahorro acumulado, sobre todo en relación con los niveles de riqueza de los hogares que ya son elevados. Esto sugiere que los hogares tienen margen para gastar y llevar más lejos una expansión que ya es fuerte.

Aun así, todas las cosas deben terminar en algún momento, y el ciclo posterior al Covid-19 alcanzará una madurez similar a la de 2019 mucho más rápidamente que cualquier otro ciclo anterior, a medida que los mercados laborales se endurezcan. Conforme el crecimiento se ralentice, la actividad económica probablemente se asentará en niveles que superen las expectativas previas a la pandemia, y ahí es donde debería estar el enfoque operativo. Los líderes empresariales deben hacer una interpretación más amplia de la trayectoria, seguida de una ejecución tranquila.

C

uando se produce una recesión, muchas empresas responden reduciendo inmediatamente su fuerza laboral para preservar el efectivo, optimizar operaciones y mantener la flexibilidad frente a la incertidumbre macroeconómica. Sin embargo, estos recortes de personal pueden tener consecuencias devastadoras para los trabajadores y causar daños persistentes en el mercado laboral general.

En esta nueva investigación, estudiamos los efectos colaterales que puede tener el recorte de empleos corporativos durante una recesión sobre el bienestar económico a largo plazo de los empleados y los mercados laborales en los que residen, así como lo que los líderes empresariales y los responsables de políticas públicas pueden hacer para mitigar dichos efectos. Nuestro trabajo sugiere que sería valioso que las empresas y los responsables de políticas trabajen conjuntamente para conservar a los trabajadores en medio de una recesión económica.

Cómo impacta la reducción de empleos individuales a la economía en general

Investigaciones académicas anteriores han establecido dos hechos sobre los despidos en las empresas. Primero, el inicio de una recesión impulsa a muchas compañías a destruir más empleos de forma brusca y repentina. Segundo, el trabajador promedio que es despedido durante una recesión experimenta una asombrosa disminución del 19% en sus ingresos futuros a lo largo de su vida, en comparación con una pérdida menos extrema del 11% asociada con los despidos en tiempos normales. En conjunto, estos dos hechos pintan un panorama preocupante: las empresas intensifican los recortes de empleo justo cuando estos causan el mayor daño a los empleados afectados.

No obstante, muchos líderes empresariales sienten que deben tomar la difícil decisión de reducir proactivamente su fuerza laboral al inicio de una recesión para salvaguardar la salud financiera y la viabilidad a largo plazo de sus empresas.

Pero aquí está el problema: las recesiones inducen a muchos líderes empresariales, en una amplia gama de geografías e industrias, a concluir simultáneamente que es prudente recortar empleos. Con tantos trabajadores despedidos desesperados por encontrar un nuevo empleo, incluso las empresas saludables pueden tener dificultades para ajustar sus planes de negocio y acomodar a los nuevos empleados. A su vez, los trabajadores desempleados pueden verse obligados a soportar un periodo prolongado de desempleo que debilita sus habilidades y su vinculación con la fuerza laboral. Como resultado, la toma de decisiones racional individual por parte de las empresas puede producir resultados colectivos ineficientes en el mercado.

Qué pueden hacer los responsables de políticas y los líderes empresariales

Nuestros hallazgos sugieren que los efectos agregados de la destrucción de empleos imponen costos sustanciales a los trabajadores al dañar las condiciones generales del mercado laboral.

Para los responsables de políticas, el gran efecto colateral de los despidos podría motivar mayores intervenciones para estabilizar directamente el empleo durante las recesiones. Si bien la expansión de subsidios laborales que salvan empleos (como el trabajo de jornada reducida) ha sido un pilar histórico de la política laboral en Europa, Estados Unidos solo ha experimentado recientemente con la expansión de tipos conocidos de apoyo empresarial. Las investigaciones sobre la más destacada de estas políticas (el Paycheck Protection Program durante la pandemia de COVID-19) han encontrado que estos subsidios ayudaron a evitar que millones de trabajadores perdieran sus empleos.

Nuestra investigación también tiene implicaciones para las difíciles decisiones que los empleadores deben tomar al reestructurar su fuerza laboral. El aviso anticipado de recortes de personal ayuda a mantener un mercado laboral dinámico al dar a los trabajadores tiempo para encontrar nuevas oportunidades que se ajusten a sus habilidades y experiencia. Debido a que los trabajadores tratarían de evitar buscar empleo cuando las condiciones del mercado laboral son malas, las empresas que atraviesan dificultades financieras podrían considerar arreglos laborales alternativos antes de recurrir a los despidos. Este tipo de intervenciones puede ayudar a mantener mercados laborales dinámicos y, al mismo tiempo, compensar algunos de los elevados costos financieros a los que se enfrentan los trabajadores.

L

a IA no necesita una actualización de ciencia ficción para transformar la economía: los modelos actuales (y las versiones más baratas y potentes que vienen) están a punto de alterar casi todos los rincones del mercado laboral.

Para navegar por este nuevo panorama, los líderes deben comprender y planificar cómo afectará la automatización a sus negocios. Para ello, es necesario comprender qué tareas y responsabilidades tienen más probabilidades de estar bajo presión, y trazar un rumbo para mover a la empresa a lo largo de la cadena de valor de la inteligencia antes de que se acabe el tiempo.

¿Qué es lo que no está en riesgo de ser automatizado?

Investigadores, académicos y profesionales han debatido ampliamente qué trabajos y tareas son más vulnerables a la automatización. Algunas amenazas son obvias: los vehículos autónomos pronto podrían estar en posición de reemplazar a millones de conductores de transporte compartido, autobuses y camiones. Mientras tanto, la traducción de idiomas, la escritura creativa, el diseño e incluso la programación cotidiana están pasando a manos de la IA.

Los pioneros en investigación de IA Ajay Agrawal, Joshua Gans y Avi Goldfarb argumentaron en 2018 que, a medida que avanza la IA, el último bastión de la ventaja humana será el juicio: la capacidad de sopesar opciones y tomar decisiones bajo incertidumbre. Sin embargo, esa perspectiva nos deja una tarea imposible: definir con precisión qué califica como juicio en un momento dado.

Hoy en día, las tareas que exigen juicio humano (elegir un tratamiento médico, revisar un contrato legal, escribir un guion que capture el espíritu de la época) pronto podrían ser realizadas por IA a medida que los modelos acceden a datos más ricos y mayor capacidad de cómputo. Tampoco podemos asumir que las personas siempre preferirán a un terapeuta, consejero o mediador humano, según investigaciones recientes.

Entonces, ¿cómo podemos separar las tareas que la IA automatizará próximamente de aquellas que requerirán nuevos avances tecnológicos para lograrlo? Para responder eso, debemos volver a los principios fundamentales y revisar dónde comenzó todo.

De un concurso de laboratorio a una revolución industrial

A mediados de la década del 2000, la científica computacional Fei-Fei Li observó que el campo de la visión computacional (enfocado en permitir que las computadoras “vean” e interpreten imágenes) enfrentaba un cuello de botella: los algoritmos carecían de datos visuales suficientes para alcanzar el rendimiento humano. Su solución fue contundente: construyó ImageNet, un vasto conjunto de imágenes meticulosamente etiquetadas armado con ayuda de Amazon Mechanical Turk. Pero su verdadero golpe de genialidad llegó en 2010, cuando agregó una clasificación global al conjunto de datos, transformando el reconocimiento de imágenes en una competencia estilo gladiador para investigadores.

Luego, en 2012, Alex Krizhevsky, Ilya Sutskever y Geoffrey Hinton arrasaron con la competencia. Con dos tarjetas gráficas NVIDIA GTX 580, el trío de Toronto logró entrenar una red neuronal convolucional en solo unos días, un enfoque revolucionario que demostró que era posible alterar la historia de la visión computacional con el presupuesto de un estudiante de posgrado.

Ese momento puso fin al largo invierno de la IA, colocó a las redes neuronales en el centro del progreso y reveló el libro de jugadas con el que sigue funcionando este campo: Primero, reunir datos relevantes. Luego, depender de métricas para cuantificar e impulsar el progreso. Por último, inundar el modelo con datos y GPU hasta que aprenda por sí solo.

Datos, recompensa y cómputo

El marco que impulsó el avance en reconocimiento de imágenes es mucho más general de lo que muchos creen. Puede aplicarse siempre que podamos: a) definir el entorno de la tarea y reunir sus datos; b) especificar una recompensa objetivo; y c) proporcionar el poder computacional para permitir que el sistema itere.

Si se apilan esos tres ingredientes, se obtiene un motor de automatización de uso general. Ahora, dos tendencias de datos aceleran este ciclo. En primer lugar, los modelos pueden generar ejemplos sintéticos ilimitados (por ejemplo, creando “kilómetros de conducción” virtuales que cubran todos los escenarios extraños, en lugar de depender de datos de conductores reales). Y, en segundo lugar, la IA se despliega cada vez más en una variedad de dispositivos y sensores (en teléfonos, autos y otros lugares), capturando y cuantificando señales del mundo real que antes resultaban demasiado costosas o poco prácticas de medir.

Si puede convertir un fenómeno en números, la IA lo aprenderá y lo reproducirá a escala. Eso significa que cualquier trabajo que pueda medirse puede, en teoría, automatizarse.

Prosperar a pesar de las incógnitas desconocidas

Los humanos somos generalistas evolutivos, seleccionados para navegar por mapas incompletos. No solo sobrevivimos a las incógnitas desconocidas: prosperamos con ellas, y esa resiliencia es nuestra mayor ventaja. A lo largo de incontables generaciones afinamos nuestras cuerdas vocales y cerebros sociales hasta que surgió el lenguaje, abriendo la puerta al conocimiento acumulativo, el razonamiento abstracto y el pensamiento simbólico. A partir de allí, superamos nuestros límites biológicos, creando herramientas que expandieron nuestros sentidos, memoria y habilidades.

Pero la piedra angular de nuestra ventaja es nuestra corteza prefrontal altamente plástica y densamente conectada. Este centro de comando neuronal nos permite imaginar infinitos “qué pasaría si”, ensayar futuros contrafactuales y ajustar la estrategia en el instante en que cambian las condiciones. A falta de una verdadera singularidad, incluso las máquinas cuánticas tendrán dificultades para igualar nuestro talento para la planificación contrafactual abierta y multidisciplinar.

A medida que la IA acelera el progreso, crea nuevas incógnitas desconocidas, por lo que nuestros mapas siguen redibujándose. Mientras tanto, convierte lo predecible en rutina, tal como la mecanización agrícola nos sacó de la subsistencia, liberando más de nuestra capacidad cerebral contrafactual para problemas de mayor nivel.

La IA también tendrá dificultades en dominios donde la medición roza lo imposible: como lo demuestra el esfuerzo de una década que el Event Horizon Telescope necesitó para capturar una sola imagen de un agujero negro, y los desafíos aún no resueltos de explorar la física a gran escala, el manto profundo de la Tierra, los océanos abisales o las interacciones celulares vivas dentro del cerebro humano. También se quedará atrás donde la medición esté limitada por la privacidad, la ética o la regulación; donde la sociedad exija un razonamiento transparente; y donde las personas simplemente prefieran un toque humano.

Pero una excepción crucial en lo que puede medirse podría resultar decisiva: tareas que desafían la cuantificación porque sus probabilidades de resultado son fundamentalmente incognoscibles.

El crecimiento de una empresa emergente, la asignación de capital o talento a proyectos altamente inciertos, la contención de un nuevo virus, el establecimiento de la política de un banco central durante un cambio de régimen financiero, la redacción de principios éticos de la IA, la invención de un nuevo medio artístico, el inicio de una tendencia de moda o la creación de un nuevo éxito de taquilla que rompa géneros: todas estas tareas se sitúan en zonas donde las probabilidades desaparecen. Algunos actos y descubrimientos creativos no son más que ingeniosas recombinaciones de lo conocido, pero los verdaderamente ambiciosos dependen de nuestra capacidad singular para imaginar nuevos y complejos mundos contrafactuales.

Para los líderes que guían a sus organizaciones en esta transición turbulenta, ¿qué hay más allá de la hoja de cálculo? Todo aquello que no cabe en una celda: las habilidades que se resisten a ser contabilizadas, los problemas abiertos sin precedentes fiables, lo intangible.

En términos generales, la receta es sencilla. Respalde las apuestas arriesgadas con retornos difusos, recompense a los equipos que replantean los problemas y se inclinan por lo desconocido, y rote el talento por las funciones que se enfrentan a la incertidumbre en I+D, nuevos mercados e interacciones complejas con clientes, socios y políticas. Reserve tiempo libre y fomente colisiones entre equipos para estimular la serendipia y la recombinación de ideas. No trate esos espacios de ambigüedad planificada como pasivos, sino como activos estratégicos.

Solo los líderes que presten atención a lo que es medible (y, más crucialmente, a lo que obstinadamente no lo es) estarán listos cuando llegue el próximo cambio.

L

as plataformas de trabajo en línea como Fiverr, Handy, Uber y Upwork han crecido de manera significativa desde finales de la década de 1990, transformando radicalmente la economía y las prácticas de gestión utilizadas para respaldar el trabajo gig. Uno de los principales cambios introducidos por estas plataformas es su dependencia de las valoraciones de los clientes para evaluar el desempeño de los trabajadores.

Las implicaciones de este cambio son profundas. Las valoraciones de los clientes en estas plataformas no son solo comentarios sobre el desempeño; influyen directamente en las oportunidades de empleo, las asignaciones de trabajo y los ingresos de los trabajadores.

Por qué falla la escala de cinco estrellas y cómo ayuda la dicotomización

Si bien muchas personas creen que las evaluaciones son meritocráticas en teoría, y que son una medida justa del desempeño, se ha demostrado que los sesgos sutiles pueden influir en las evaluaciones, incluso sin conciencia de ello. La probabilidad de que estos sesgos sutiles influyan en las valoraciones puede aumentar cuando los clientes tienen una mayor libertad para hacer la evaluación (por ejemplo, al incluir más puntos en la escala que fomenten una mayor diferenciación).

Por ejemplo, un cliente con un sesgo inconsciente podría calificar a un trabajador racializado con cuatro estrellas en lugar de cinco, creyendo que aún le está dando una buena valoración; al fin y al cabo, es la mayoría de las estrellas disponibles. Sin embargo, cuando estos ligeros cambios a la baja no están relacionados con la calidad y se repiten en miles de transacciones, estos pequeños sesgos se acumulan, dando lugar a desigualdades cuantificables en los ingresos y las oportunidades de los trabajadores.

Los trabajadores enfrentan una creciente inseguridad reputacional, ya que las plataformas de trabajo en línea utilizan algoritmos opacos y valoraciones de los clientes para determinar sus oportunidades laborales. Incluso pequeños cambios en las valoraciones de los trabajadores pueden reducir drásticamente sus ingresos.

Proponemos que cambiar a una escala de valoración dicotómica (por ejemplo, pulgar arriba/pulgar abajo) podría reducir estos sesgos al simplificar la decisión a una elección dicotómica. En lugar de permitir evaluaciones matizadas (pero potencialmente sesgadas), una escala dicotómica anima a los evaluadores a centrarse en la pregunta esencial: ¿El desempeño fue bueno o malo?

Recomendamos las siguientes estrategias para las plataformas que buscan reducir los sesgos en procesos de evaluación similares.

Identifique las brechas.

Las plataformas deben auditar periódicamente sus sistemas de valoración para determinar si las evaluaciones varían sistemáticamente en función de las características que comúnmente no están relacionadas con la calidad del trabajo, como la identidad demográfica del trabajador.

Para detectar con mayor precisión los sesgos (y no las diferencias de calidad), las plataformas deben comparar las valoraciones de los trabajadores que realizan trabajos similares con una experiencia comparable. También pueden analizar de manera proactiva los comportamientos individuales de valoración de los clientes para identificar a aquellos que de forma sistemática califican a los trabajadores de forma diferente en función de sus características demográficas y no de su rendimiento.

Simplifique el proceso.

Adopte procesos de evaluación más simples que dirijan la atención de los calificadores a la evaluación central: ¿El desempeño fue bueno o malo?, en lugar de sistemas de valoración complejos que puedan introducir ambigüedad y sesgo.

Proporcione directrices de valoración más claras.

En un principio, los responsables de las plataformas podrían preocuparse de que pasar a una escala más simple de pulgar arriba/pulgar abajo implique sacrificar las valiosas distinciones que ofrece una escala multipunto. Una posible solución es que las plataformas consideren el uso de una serie de valoraciones dicotómicas en los criterios más importantes para capturar comentarios detallados de manera clara y efectiva.

Los procesos de evaluación efectivos deben ser precisos, justos y fáciles de entender. Nuestra investigación demuestra que, cuando se trata de crear procesos de evaluación más eficaces, a veces las soluciones simples son las más poderosas.

E

l impacto de la IA, y en particular de la IA generativa, está sintiéndose en todas las industrias. Pero mientras los ejecutivos están entusiasmados con el potencial de esta tecnología, los trabajadores a menudo desconfían de lo que podría significar para ellos, sus trabajos y su futuro. Estas percepciones divergentes están creando nuevas tensiones y presentando nuevos desafíos para ambos grupos.

Estas tensiones tienen su origen (directa o indirectamente) en el acceso a datos contextuales de alta calidad. Los datos son la información que necesitan los algoritmos de aprendizaje automático para funcionar, y la IA está compuesta por estos algoritmos. Por lo tanto, quienes tienen acceso a datos de alta calidad pueden entrenar IA de alta calidad. A menos que los trabajadores y las organizaciones puedan abordar este problema de los datos de una manera significativa y duradera, el conflicto continuará dirimiéndose mediante enfrentamientos y negociaciones parciales.

Las cooperativas de datos ofrecen un camino significativo hacia adelante. Son un modelo organizacional que permite a las personas agrupar sus datos con el propósito de obtener poder de negociación frente a las empresas que analizan sus datos. Estas cooperativas enfatizan el control individual, el uso ético y el trato justo, y permiten a los usuarios conservar la propiedad y el control de su huella digital. Además, en muchos casos, ofrecen la monetización con fines de lucro de los datos de los miembros de la cooperativa, permitiendo que terceros obtengan información de esos datos (de una manera responsable y que preserve la privacidad).

Los datos como un nuevo factor de producción

El impacto de la tecnología en los empleados y sus empleadores suele analizarse como un juego de suma cero entre ambas partes, donde la automatización aumenta las ganancias de los empleadores mientras reduce los puestos de trabajo para los empleados. Sin embargo, la dependencia de la IA de los datos frescos desafía esta visión.

Las organizaciones que dependen de las capacidades actuales de la IA pueden (tarde o temprano) descubrir que los algoritmos que utilizan comienzan a funcionar peor que antes debido a la «decadencia del modelo», es decir, el deterioro del rendimiento de la IA con el tiempo. La razón es que los datos con los que fueron entrenados ya no son representativos de la realidad en la que la IA debe operar.

Nuestras preferencias, contexto, sentido del humor, gustos y modas cambian constantemente. Y nosotros, los humanos, somos necesarios para revelar nuestras preferencias. Los datos más valiosos serán sobre nosotros mismos, y es nuestra interacción con los sistemas digitales la que genera esos datos. Eliminar al ser humano implica eliminar los datos sobre la persona para la cual la IA está diseñada para generar contenido.

Este hecho, que surge únicamente de la naturaleza de la IA y no de otras tecnologías que en el pasado han afectado al mercado laboral, sorprendentemente puede ayudar a alinear las necesidades de los empleadores y los empleados, ya que los empleados humanos son fundamentales para generar nuevos datos que eventualmente impulsen la IA.

Las cooperativas de datos son a los datos lo que los sindicatos son al trabajo

En el contexto laboral, son los conocimientos de primera mano de los empleados, sus habilidades para resolver problemas y sus competencias en evolución las que cambian con cada nuevo desafío e innovación. Por lo tanto, los datos más valiosos para la IA que puede asumir las tareas de los trabajadores provendrán directamente de las tareas que estos realizan.

Es aquí donde las cooperativas de datos ofrecen un nuevo enfoque para la gestión de datos al permitir que los trabajadores sean copropietarios y gestionen sus datos colectivos a través de un proceso de toma de decisiones más o menos descentralizado. Esto sucede porque los miembros de una cooperativa de datos pueden extraer datos que actualmente están aislados en diferentes fuentes y combinarlos en un solo conjunto. La agregación de datos que los miembros generan a partir de diversas fuentes y situaciones puede conducir al desarrollo de nuevos productos, servicios y modelos de negocio que serían inalcanzables mediante contribuciones individuales o utilizando datos de una sola fuente.

Además, una vez que los trabajadores comienzan a ver la monetización de sus datos por parte de las cooperativas, es mucho más probable que reorganicen sus propios procesos para facilitar una mejor recopilación de datos, lo que a su vez puede generar mejores resultados de IA para la organización y mayores ingresos por datos para los trabajadores.

Ahora que los datos se utilizan cada vez más como un factor de producción (es decir, como insumo) en la economía, parece natural que las cooperativas de datos surjan como una solución. Esta es la misma lógica que llevó al desarrollo de los sindicatos en el pasado: la fragmentación de la estructura de propiedad del factor de producción (ya sea datos o trabajo) impide que cualquier individuo tenga poder de negociación frente al empleador.

Lo que esto significa para el futuro de las relaciones laborales

Para que se libere este valor económico (y para que tanto empleadores como empleados prosperen en la economía de los datos) todos los involucrados deben aumentar su nivel de alfabetización en datos. Tanto los trabajadores como los empleadores deben comprender cómo los datos crean valor mediante la agregación y el análisis para revelar información y patrones que puedan mejorar la toma de decisiones y entrenar modelos de IA. Además, los empleados deben comprender cómo contribuyen a la creación y gestión de dichos datos mientras trabajan, y utilizar la influencia colectiva que les otorgan las cooperativas, con el fin de tener una discusión adecuada sobre el futuro del trabajo.

Para aprovechar al máximo los datos que las personas producen y, al mismo tiempo, garantizar que los trabajadores tengan control sobre qué datos ofrecen y reciban una compensación justa por ellos, los empleadores y los empleados deben seguir estos pasos para poder dar forma al futuro de la economía digital y, por ende, al futuro del trabajo:

1. Evaluar los recursos y el potencial de los datos internos de la organización.

Los empresarios y los empleados deben comenzar por realizar una auditoría exhaustiva de los datos que la organización ya recopila y genera, centrándose en identificar los datos que podrían ser valiosos para la formación o el análisis de IA.

2. Involucrar a los empleados en programas de alfabetización en datos.

Las organizaciones pueden implementar programas de capacitación para mejorar la alfabetización en datos de sus empleados. Al formarlos sobre cómo sus actividades diarias generan datos valiosos, la importancia de estos datos en el desarrollo de la IA y cómo pueden participar en cooperativas de datos, se crean conocimientos valiosos.

3. Incorporar cláusulas de cooperativas de datos en los contratos de trabajo.

Al actualizar los contratos de trabajo para incluir cláusulas que reconozcan los derechos de los empleados sobre sus datos y describan cómo pueden utilizarse sus datos en cooperación con las cooperativas de datos, las organizaciones pueden posicionarse como pioneras en este ámbito. Esto garantizaría la transparencia y proporcionaría un marco jurídico para el uso de los datos, y puede ayudar a atraer nuevos talentos.

Dada la naturaleza dinámica de la sociedad, la IA necesitará (al menos en el futuro previsible) los datos y la orientación de los humanos para generar valor real. Por lo tanto, los trabajadores, deben enfocarse en comprender la interacción entre capital, trabajo y datos, y comenzar a guiar la discusión sobre el futuro del trabajo con una comprensión adecuada de la naturaleza de la IA.

Los líderes empresariales también deben comprender las dependencias entre capital, trabajo y datos para proponer proactivamente marcos colaborativos que permitan a las organizaciones (y por ende a la sociedad) prosperar en la era de la IA.

L

as micro, pequeñas y medianas empresas (mipymes) son aquellas que emplean a menos de 499 trabajadores, y representan casi seis de cada diez trabajadores estadounidenses y el 40% del valor agregado a la economía estadounidense. Y muchas de ellas no permanecen como pequeñas empresas. Las mipymes que recientemente se han convertido en grandes empresas representan una parte significativa (17%) de las empresas que cotizan en bolsa, con un valor de 10 mil millones de dólares o más. Las mipymes de Estados Unidos forman parte del sistema circulatorio de la economía. Si colapsan, todo el organismo sufre.

En beneficio de las economías locales, sus empleados y el tejido social de nuestras comunidades, lograr que las pequeñas empresas se recuperen después de un desastre debería ser una prioridad. Los gobiernos federales, estatales y locales ya están trabajando en ello. Muchos estadounidenses han dado un paso adelante, contribuyendo con su tiempo, dinero y experiencia. Sin embargo, las grandes empresas tienen un papel único y fundamental que desempeñar. Esto es lo que pueden hacer.

Hacer lo que mejor saben hacer

Los líderes empresariales saben más de negocios que de ayuda humanitaria. Así que, piense en lo que su empresa puede hacer (como empresa) para ayudar a sus homólogas más pequeñas a recuperarse tras una catástrofe. Muchas mipymes, por ejemplo, forman parte de grandes cadenas de suministro corporativas, y necesitarán ayuda (financiamiento y acceso a recursos) para volver a operar.

Las pequeñas empresas de distintos sectores tienen necesidades diferentes, y esto es algo que los líderes empresariales saben bien, ya que las pequeñas empresas son sus clientes y socios. Las grandes empresas están en condiciones de ofrecer ayuda precisa, personalizada y rápida. La idea no es sustituir el apoyo gubernamental necesario, sino ayudar a las mipymes para que se recuperen lo más rápido posible.

Las grandes empresas pueden ayudar a las pequeñas empresas expandiendo sus fuentes de ingresos y flexibilizando los plazos de pago.

Ir más allá

La cafetería local o el puesto de comida rápida al que todos acuden no figuran en la lista de activos corporativos. Sin embargo, estos negocios podrían considerarse un vínculo indirecto en las cadenas de bienestar de empleados y clientes. Ayudarles a retomar sus actividades puede contribuir a restaurar la moral y una sensación de normalidad.

Las grandes empresas pueden ayudar proporcionando apoyo especializado y facilitando el acceso a internet de banda ancha.

Estar preparados para una próxima ocasión

Las lluvias torrenciales y otros fenómenos climáticos no desaparecerán, ni tampoco otros desastres como los terremotos. Todo el mundo estará mejor si las grandes empresas desarrollan un plan de acción para responder, en lugar de improvisar ante cada nuevo fenómeno.

En este y en muchos otros casos, más vale prevenir que lamentar. Cuando las pequeñas empresas reciben apoyo en previsión de crisis, se llega más lejos.

Las grandes empresas pueden compartir su experiencia en la planificación de la preparación ante catástrofes y ayudar a las pequeñas empresas a garantizar una cobertura de seguros adecuada para pérdidas relacionadas con este tipo de eventos.

Un estudio del McKinsey Global Institute ha descubierto que cuando las pequeñas y grandes empresas trabajan juntas, ambas pueden beneficiarse en términos de mayor productividad. Colaborar también puede fortalecer la resiliencia de las empresas pequeñas, reflejando el principio de un tejido económico unificado. Por supuesto, después de un desastre natural mortal, lo más importante es un principio simple: Nos necesitamos unos a otros.

H

emos dedicado un siglo a crear organizaciones eficientes. Hemos creado empresas a gran escala que transforman nuestra economía y generan riqueza. La optimización y la gestión inteligente han convertido productos que inicialmente se consideraban novedades (el automóvil, el teléfono o las computadoras personales) en grandes empresas. La esencia de este impulso hacia adelante es un enfoque en la conveniencia y la eficiencia, de esfuerzos predecibles y manejables hacia la estabilidad y la rentabilidad.

Sin embargo, cuando nos centramos en mejorar la eficiencia de nuestro plan actual, inevitablemente perdemos la oportunidad de desarrollar una nueva estrategia en respuesta a nuevas condiciones. En su apogeo, Yahoo podría haber comprado fácilmente Google, un motor de búsqueda con un enfoque muy diferente de Internet. En su lugar, decidieron invertir ese dinero en el desarrollo de Yahoo Kids. Y mucho antes de eso, Western Union tuvo la oportunidad de comprar el sistema telefónico de Bell, pero optó por invertir en hacer que los telegramas fueran más fáciles de usar y más baratos de crear.

Estos son sólo dos ejemplos de “miopía estratégica”, que prioriza lo urgente, lo probado y lo que se mide fácilmente. Nos empuja a ejecutar planes confiables en lugar de aceptar la variedad de posibilidades.

En parte, esta miopía proviene de lo que esperamos de una nueva estrategia. La estrategia no es un plan. Un plan puede venir con una garantía: “Si hacemos esto, ganamos”. Una estrategia, por otro lado, viene con el lema: “Esto podría no funcionar”. La estrategia es una filosofía de transformación, una oportunidad para crear las condiciones que permitan el cambio que buscamos hacer en el mundo.

Es fácil quedar atrapado en la miopía estratégica, especialmente en este momento de intenso cambio tecnológico. Para evitarlo, los líderes exitosos siguen estos principios:

1. Rechazar los falsos poderes.

¿Qué transforma un proyecto o un nuevo mercado en una industria? Una combinación de conveniencia y eficiencia. La conveniencia nos ayuda a satisfacer las necesidades obvias de nuestros clientes existentes, colocando el artículo correcto en el lugar correcto. Mientras que la eficiencia reduce los costos, adopta la automatización y le da a la gerencia una herramienta para aumentar las ganancias.

Sin embargo, los nuevos proyectos que resuelven problemas futuros son siempre menos eficientes que el statu quo. Consideremos a Amazon, durante sus primeros años, la empresa perdió dinero con casi todos los libros que enviaba, porque estaba plantando las semillas para ser una industria eficiente.

Los líderes a menudo prefieren métricas concretas, que sean fáciles de medir y simples de comparar, pero una estrategia útil casi siempre comienza siendo incómoda e ineficiente. La estrategia se basa en la idea de que lo que es difícil ahora se volverá más fácil con el tiempo.

2. Elegir a sus clientes, elegir su futuro.

La miopía estratégica se produce cuando no logramos identificar a quién queremos servir y nos centramos en lo que queremos producir.

Un enfoque táctico y a corto plazo se basa en el pasado. Podemos intentar defender las máquinas y procesos ya existentes, trabajando para maximizar los activos que tenemos. O podemos visualizar al cliente y satisfacer sus necesidades a medida que el mundo cambia.

Si no estamos preparados para movernos hacia donde nuestros clientes esperan ir, es poco probable que ellos se preocupen lo suficiente como para adoptar lo que a nosotros nos importa.

3. Elegir a su equipo.

Cuando Netflix cambió su estrategia de DVDs a streaming, Reed Hastings y Ted Sarandos tomaron una decisión audaz: no invitaron a nadie de la división de DVDs a sus reuniones. A pesar de que estas personas representaban el 100% de las ganancias de la empresa, los líderes de la empresa sabían que los compromisos que exigirían (para proteger su negocio principal) harían que la nueva estrategia fracasara.

No se puede transigir para conseguir una estrategia elegante. Las estrategias efectivas provienen de equipos pequeños y personas perspicaces, no de comités. Si bien es tentador invitar a personas con poder en el organigrama a sentarse con nosotros mientras desarrollamos nuestra estrategia, este movimiento miope probablemente amplificará la defensa de los costos hundidos.

En su lugar, podemos elegir entre un espectro de actitudes y habilidades, específicamente:

— Personas expertas en empatía práctica, ansiosas por identificar y amplificar las necesidades del público al que se busca servir.

— Personas que hayan demostrado su dominio de lo que se puede hacer, con un enfoque particular en aquellas que logran cosas que otros dicen que son imposibles.

— Personas con pasión por la teoría de juegos y la planificación de escenarios.

— Gerentes de proyectos exitosos.

4. Los grandes problemas exigen pequeñas soluciones.

La organización exitosa (pero miope) quiere lanzar algo nuevo que sea tan pulido y confiable como la oferta principal. Sin embargo, todas las industrias comenzaron con una solución ineficiente que apenas funcionaba y que atendía a unos pocos clientes. El verdadero trabajo consiste en crear las condiciones para el progreso, no para la perfección.

Hace veinte años, los primeros sustitutos de leche comercializados en masa eran casi incomibles. Eso está bien, no se vendían a personas que querían sabor, sino a personas que buscaban una alternativa. Con el tiempo, después de cientos de generaciones de productos, la leche de avena y la leche de almendras están creciendo a tasas de dos dígitos, y es casi seguro que superarán a la leche antes de que termine la década.

Encuentre el mercado viable más pequeño, no el más grande posible. Si puede deleitar tanto a 500 personas que traigan a sus amigos, el sistema comenzará a cambiar.

Cualquier empresa que espere hasta que una nueva categoría de producto esté probada y sea exitosa, ha dejado que el miedo y el statu quo le cuesten el futuro.

5. Insistir en preguntas interesantes, no en respuestas correctas.

Para evitar la miopía estratégica, comience por buscar problemas. Los problemas exigen soluciones, y las soluciones se convierten en proyectos, y luego, eventualmente, los proyectos se convierten en industrias.

Por ejemplo, el pickleball es la respuesta a: ¿Qué quieren las personas mayores cuando deciden que el tenis es demasiado difícil de seguir? Warby Parker es la respuesta a: ¿Cómo comprará gafas una nueva generación? Hay preguntas a nuestro alrededor, probablemente nunca nos quedaremos sin ellas.

Las preguntas interesantes generalmente comienzan con sistemas y agentes de cambio.

Los sistemas son a menudo invisibles, ocultándose detrás de la cultura. Los sistemas surgen cuando los humanos necesitan interoperabilidad, una oportunidad para comerciar, realizar transacciones o conectarse.

Los sistemas luchan por permanecer iguales, pero cuando la tecnología o la comunicación cambian, llega un agente de cambio. El agente de cambio puede ser generacional, una nueva forma de comunicarse o un avance médico. El agente de cambio altera el sistema y crea nuevos problemas y oportunidades.

Un estudio en curso sobre la implementación de estrategias ha descubierto en repetidas ocasiones que los líderes suelen dedicar menos de un día al mes a trabajar y analizar la estrategia de la organización. La razón probable es que es más fácil centrarse en los planes y el rendimiento. La estrategia parece poco importante, mientras que hay un “trabajo real” que hacer ahora mismo.

Sin embargo, como muchos otros expertos en estrategia han advertido a lo largo de los años, si va en la dirección equivocada, no importa que tan rápido vaya.

Trabaje en la estrategia hoy. Siempre podrá hacer planes mañana.

L

os años electorales se han caracterizado tradicionalmente por un incremento de la incertidumbre política, que típicamente vuelve a niveles más bajos tras conocerse los resultados. Los partidos opositores tienen diferentes puntos de vista sobre una serie de políticas económicas que afectan el crecimiento, los riesgos y la rentabilidad de las empresas.

Pero ¿2024 es comparable con otros años electorales en Estados Unidos? ¿Podemos dar por hecho que la incertidumbre económica y política disminuirá después de noviembre?

No necesariamente. Independientemente del resultado electoral, hay muchos desafíos fiscales por delante, y las soluciones a estos problemas no son nada claras. Teniendo en cuenta la singularidad del ciclo electoral de 2024, los gerentes deben considerar los siguientes factores al planificar las decisiones de inversión:

Si la incertidumbre en materia de política monetaria disminuirá después de noviembre

La pandemia obligó a la Reserva Federal (Fed) a implementar políticas de flexibilización cuantitativa para prevenir una crisis financiera. Posteriormente, la presión inflacionaria global obligó a la Fed a mantener altas tasas de interés. Sin embargo, debido a su doble mandato de promover el máximo empleo y precios estables, la Reserva Federal también debe intentar evitar una recesión. Queda por ver si logrará un “aterrizaje suave”, y si la economía podrá adaptarse a los recortes de las tasas de interés sin provocar un nuevo aumento inflacionario. Los gerentes no deben pasar por alto los efectos de las decisiones de política monetaria sobre la carga de deuda pública estadounidense. Las tasas elevadas aumentan el costo del servicio de la deuda soberana del gobierno, amplificando aún más la incertidumbre en torno a la política fiscal.

Cómo afectan las tasas de interés y la disponibilidad de crédito a su negocio

Los sectores de bienes de consumo, construcción de viviendas y automóviles, que dependen de un modelo de negocio de “compre ahora y pague después”, son extremadamente sensibles a los costos por intereses, ya que los consumidores consideran principalmente las obligaciones mensuales del servicio de la deuda al tomar decisiones de compra.

Cómo afecta el estancamiento político y los cierres gubernamentales a su empresa

Las empresas que dependen de la infraestructura gubernamental (como las aerolíneas y el turismo) y las organizaciones que brindan servicios a los clientes en función de la financiación gubernamental (como las capitales estatales y los parques nacionales) son altamente vulnerables a estos eventos crediticios.

Cuánto depende su organización de las políticas gubernamentales

Cada estancamiento político y su posterior compromiso tienen el potencial de cambiar las políticas gubernamentales relacionadas con impuestos y aranceles, restricciones a las importaciones, subsidios gubernamentales, derechos mineros y disponibilidad de recursos. Los gerentes deben evaluar su dependencia de dichas políticas en términos de cómo afectan la rentabilidad y el crecimiento de su empresa.

Cómo afectan los ciclos políticos a la valoración de acciones y al costo del capital

Los mercados bursátiles están en máximos históricos, sin embargo, esto se debe principalmente a un puñado de gigantes tecnológicos cuyas valoraciones han alcanzado niveles sin precedentes. A nivel agregado, los mercados bursátiles parecen muy tranquilos y estables, pero existe una corriente subyacente de extrema inestabilidad a nivel de acciones individuales, muchas de las cuales no se han recuperado desde la COVID-19.

Cómo afectará la polarización política a las iniciativas verdes

Empresas de todo el mundo han puesto en marcha iniciativas ecológicas para responder a las demandas de sus inversionistas y clientes, y es probable que tengan que enfrentarse a maniobras intermitentes. Por ejemplo, la Comisión de Bolsa y Valores (SEC, por sus siglas en inglés) emitió recientemente una nueva normativa para la divulgación de riesgos relacionados con el clima en los informes anuales. La normativa ha sido impugnada en varios tribunales, pero actualmente se encuentra en un punto muerto a la espera de su resolución.

Además, las empresas podrían enfrentarse a regulaciones contradictorias, y el resultado de las elecciones presidenciales podría cambiar la posición de Estados Unidos con respecto al Acuerdo de París. Los eventuales desacuerdos políticos entre Estados Unidos y otros países podrían afectar la comercialización de productos de exportación estadounidenses.

La incertidumbre política en los años electorales es un hecho. En un año electoral típico, la incertidumbre se atenúa después de las elecciones, y los gerentes deben planificar sus decisiones de inversión para aprovechar este ciclo de incertidumbre. Sin embargo, este año podría ser diferente, y los gerentes deben estar preparados para una incertidumbre continua tras las elecciones.