E

l desafío en algunas organizaciones es no tomar suficientes riesgos: Los empleados son demasiado cautelosos y no están dispuestos a probar cosas nuevas, incluso cuando serían beneficiosas, en promedio, para la organización. En otras organizaciones, el problema es la toma de riesgos excesivos: El comportamiento arriesgado se propaga a través de la organización hasta que algo sale mal.

Entonces, ¿cómo se propaga la toma de riesgos en una organización? La extrema incertidumbre que rodea al COVID-19 proporcionó un entorno único para estudiar esa pregunta. Con el inicio de la pandemia, personas de todo el mundo cuestionaron simultáneamente qué comportamientos eran apropiados para reducir el riesgo individual y social de exposición al virus.

Nuestra investigación aclara dos canales clave a través de los cuales se propaga la toma de riesgos: desde el aprendizaje social y desde el aprendizaje experiencial, o prueba y error. Las empresas deben comprender ambos y cómo interactúan potencialmente para alentar o desalentar comportamientos de riesgo.

Teorías de la toma de riesgos

Décadas de trabajo sobre normas sociales muestran que las personas a menudo se ven influenciadas por lo que observan hacer a otros. Estas observaciones ayudan a las personas a comprender qué comportamientos son comunes y cuáles probablemente les generarán recompensas o castigos sociales.

Como cualquier gerente sabe, los empleados responden menos a lo que se les dice que es un comportamiento apropiado y más a lo que ven que otros hacen en el lugar de trabajo. En culturas fuertes, estos dos van de la mano, reforzándose mutuamente.

Pero, ¿qué sucede cuando no hay señales obvias del entorno social? Aquí, es probable que las personas confíen en su propio aprendizaje experimental de prueba y error. Las personas pueden “probar las aguas”, asumiendo un riesgo modesto y luego evaluar el resultado, una evaluación que está guiada por las emociones más que por un cálculo racional.

Si las personas se involucran en comportamientos riesgosos sin consecuencias graves, pueden desarrollar una sensación de seguridad y volverse menos cuidadosas con su comportamiento. Llamamos a este fenómeno “filtración del riesgo”.

“Filtración del riesgo” durante el COVID-19

En un estudio de campo longitudinal de cinco meses, posterior al confinamiento, y antes de las vacunas, rastreamos lo que hacían las personas cuando salían de sus hogares.

Descubrimos que el nivel de actividades no discrecionales de las personas (hacer mandados para comestibles o farmacia, grupos de estudio escolares) no se modificó durante el período de tiempo. Sin embargo, las personas que vieron a otros participar en actividades discrecionales fuera del hogar (ejercicio, reuniones sociales y grandes eventos) hicieron más de estas mismas actividades a la semana siguiente, evidencia de una tolerancia progresiva al riesgo asociado con el aprendizaje social.

Implicaciones para las empresas

La lección para las empresas es, en pocas palabras: Cuidado con las “por poco y…”. Si alguien hace algo arriesgado, ya sea intencionalmente o no, y las cosas salen bien, será más probable que lo vuelva a hacer.

Este patrón es más peligroso cuando el riesgo es relativamente bajo, debido a la forma en que se combina con el aprendizaje social, como lo ilustró perfectamente la pandemia. Incluso en 2020, era muy improbable que contrajera el virus una persona que olvidó su cubrebocas y, por lo tanto, se quedó sin cubrebocas para hacer un recado. El efecto “fluencia del riesgo” los lleva a ser más propensos a ir sin cubrebocas la próxima vez. Un poco de buena suerte desencadena una reacción en cadena que termina en un comportamiento más arriesgado.

E

n un nuevo libro, recurro a las herramientas de investigación en ciencias sociales para desarrollar lo que yo llamo la “escalera de la inferencia errónea”, que clasifica la desinformación en cuatro pasos en falso. Este marco puede resultar útil para líderes de todo tipo, que necesitan gestionar sus propias avalanchas informativas.

El primer paso en falso es que una afirmación no es un hecho, porque puede no ser exacta. ¿Con qué frecuencia aceptamos una declaración tal como se presenta porque nos gusta lo que dice? Por ejemplo, mi investigación destaca los beneficios del gobierno corporativo y el valor del capitalismo de partes interesadas. Por ello, cuando me encontré con un informe de una influyente ONG, que afirmaba que las empresas con altos estándares ambientales, sociales y de gobierno corporativo (ASG o ESG, por sus siglas en inglés) superan a sus homólogas, estaba ansioso por aceptar esta afirmación acríticamente. El estudio incluía notas a pie de página que sugerían que había evidencia que lo respaldaba, por lo que fue tentador pensar que esto era suficiente y seguir adelante.

Pero el primer paso para un pensamiento más inteligente es verificar los hechos. En este caso, seguí la nota a pie de página sólo para descubrir que la fuente subyacente decía lo contrario de lo que afirmaba el informe. La nota a pie de página llevaba a un artículo titulado «Donde los criterios ASG fallan», y cuyo subtítulo afirmaba que «A pesar de innumerables estudios, nunca ha habido evidencia concluyente de que las pantallas socialmente responsables proporcionen alfa». Una nota al final de una oración no significa que la nota realmente respalde la oración: la afirmación no es un hecho.

El segundo problema es que un hecho no es un dato, porque puede no ser representativo. Los estudios de casos son un método de enseñanza popular y poderoso. Pero los gurús suelen elegir el ejemplo que ilustra el punto de la manera más destacada posible, ya que hace que la historia sea más memorable.

Nos encanta aprender de las historias de éxito, pero nunca se puede identificar lo que impulsó el éxito, a menos que también se estudie el fracaso. El conjunto de datos debe incluir empresas con la fórmula secreta que fracasaron, así como aquellas que no la tenían y que tuvieron éxito. Si solo se presentan aquellas que siguieron la fórmula y ganaron el premio mayor, entonces se tiene una muestra seleccionada.

La tercera advertencia es que los datos no son evidencia, porque pueden no ser concluyentes. Los datos a gran escala pueden ser representativos, pero son sólo un primer paso, porque los datos no son más que un conjunto de hechos. La evidencia es un conjunto de hechos que nos permite llegar a una conclusión. Para ello, no sólo es necesario respaldar su teoría, sino también rechazar teorías rivales, del mismo modo que las pruebas en un juicio penal sólo son significativas si señalan a un sospechoso en particular.

Siempre pregúntese si existen otras teorías que sean consistentes con los datos que tiene ante usted, en lugar de aceptar de inmediato la explicación que desea que sea cierta.

El último punto a tener en cuenta es que la evidencia no es una prueba, porque puede no ser universal. Incluso si la evidencia respalda un resultado a la perfección, puede que sólo lo haga en el contexto en el que se recopiló, y que no lo haga en ningún otro.

Según uno de mis estudios, las empresas con un alto grado de satisfacción de sus empleados superan a sus homólogas en un 2.3% y un 3.8% anual en rentabilidad bursátil a largo plazo, lo que equivale a un aumento acumulado del 89% al 184%, incluso después de controlar otros factores que impulsan la rentabilidad. Otros análisis sugieren que es la satisfacción de los empleados la que genera un buen rendimiento, en lugar de que un buen rendimiento permita a una empresa invertir en la satisfacción de los empleados.