Margen
Fins a deu dòlars damunt de la taula i una sola decisió: lligar-los a les teves previsions o a les d’un programa. Això és el que van posar al davant de 361 persones en un laboratori de l’escola de negocis de Wharton, a Filadèlfia. La tasca era endevinar en quin percentil quedaria cadascun d’uns estudiants de màster a partir de vuit dades de la seva sol·licitud: la nota del GMAT, l’assaig, l’entrevista, els anys d’experiència, el sou anterior. El programa era un model estadístic corrent, construït amb aquestes mateixes dades.
El programa no encertava. S’equivocava, de mitjana, en 22 percentils —vint-i-dos llocs de cada cent—. Les persones s’equivocaven en 26,6.
Quatre percentils i mig de diferència, mesurats sobre les previsions que de debò valien diners. En aquella tasca, els humans van acumular entre un 15 % i un 29 % més d’error que el model.
I aquí hi ha el que ningú no espera. A una part dels participants se’ls va ensenyar el programa treballant abans de triar: quinze previsions, amb els seus encerts i els seus errors a la vista. Aquells van ser els que menys el van triar.
La confiança en el model es va mesurar en una escala d’1 a 5. Qui no l’havia vist treballar li donava un 3,04. Qui l’havia vist treballar li donava un 2,49. Mentrestant, als qui van veure equivocar-se una persona —i les persones s’equivocaven més— la confiança en aquella persona no els va baixar de manera apreciable: 2,70 sense haver-la vista i 2,47 havent-la vista, una diferència que els autors no van poder separar del soroll.
I no és només qüestió de confiança en abstracte. Abans de veure’l treballar, els participants calculaven que el programa encertaria dins de cinc percentils gairebé la meitat de les vegades: un 46,5 %. Després de veure’l treballar, aquella mateixa estimació els baixava al 28,2 %. El programa era el mateix i els quinze exemples que acabaven de veure eren reals.
Dit a l’inrevés: veure equivocar-se un programa el desqualifica, i veure equivocar-se un humà no.
El detall més incòmode és al grup a qui van ensenyar les dues coses, el programa i la persona, l’una al costat de l’altra. Entre les cinc tandes de l’experiment, 610 d’aquelles 741 persones van veure amb els seus ulls com el model guanyava l’humà. Aquell grup va ser, en tots els estudis, dels que menys van triar el model. Van veure la comparació sencera, van veure qui guanyava, i després van apostar pel perdedor.
Els autors ho van anomenar aversió a l’algoritme, i ho van publicar Berkeley Dietvorst, Joseph Simmons i Cade Massey el 2015. En totes les condicions de tots els estudis, el participant hauria guanyat més diners triant el model. En el primer, 1,78 dòlars de mitjana contra 1,38.
L’explicació que ells proposen no és que la gent es pensi que les màquines són tontes. Al contrari: abans de veure’l funcionar, al model se li suposa gairebé perfecte. El problema és aquest «gairebé». A un programa se li exigeix no fallar, i al primer error se li retira la confiança sencera; a una persona se li concedeix fallar perquè ja s’hi comptava. A l’humà se’l perdona per endavant.
Tres anys després, els mateixos autors van publicar la segona meitat de la troballa, i és la part útil. Van provar de deixar que la gent toqués el resultat del model: veure’n la previsió i moure-la. Amb això, l’elecció va canviar: l’feien servir, la defensaven i quedaven més satisfets. L’asombrós és quant els deixaven moure-la. A uns, deu percentils; a d’altres, cinc; a d’altres, dos. Va ser igual. La mida del marge no va canviar res apreciable; el que canviava era tenir un marge.
Això no va de models estadístics. Va del pressupost que et surt de la plantilla i que corregeixes a ull perquè aquest client és diferent, de la llista de símptomes que recorre el metge d’urgències i del barem de punts amb què es reparteixen les places d’una llista d’espera. Totes aquestes regles tenen una cosa en comú: estan fetes amb la teva experiència passada, i el moment en què les llençaràs és just després de veure-les fallar una vegada.
Així que la quantitat de marge que et permetràs es decideix abans, no després, i s’escriu al mateix full on hi ha la regla: quant puc moure el número que em surti i en quines unitats. Un 10 % amunt o avall, dues setmanes, dos-cents euros.