No se trata de tener más datos, sino de entender qué muestran y qué ocultan; no se trata de imaginar que todo es predecible, sino de reconocer los límites de la predicción. El futuro, dice, no está escrito. Lo construimos en el terreno gris del “no saber”, donde la ciencia encuentra su verdadero motor. Temas que Walter Sosa Escudero asume como apasionantes y desafiantes, propios de un tiempo histórico que disfruta, pero a la vez toma con pinzas. Porque, a fin de cuentas, ¿qué fue más revolucionario para la historia de la humanidad? ¿La irrupción de la inteligencia artificial o el aprendizaje de la agricultura?
Horas antes de llegar a Tucumán agitó las aguas en X preguntando dónde se come el mejor sandwich de milanesa. Sonriente, apunta que lo hizo sólo para hacer un poco de ruido, porque es un visitante asiduo de la provincia. Esta vez lo convocó la Facultad de Ciencias Económicas (UNT), en el marco de la jornada sobre “Desafíos y aplicaciones de la ciencia de datos en las organizaciones”. Allí Sosa Escudero compartió escenario con la intendenta Rossana Chahla, ya que el encuentro invitó a reflexionar sobre el presente y el futuro de la analítica en contextos diferentes: el académico, el municipal y el tecnológico
Es economista y escritor, pero Sosa Escudero prefiere definirse como un científico curioso que se mueve en el territorio de la incertidumbre. Su último libro, dedicado a la cuestión de las predicciones, se sumerge en un tema que obsesiona a sociedades, gobiernos y empresas: ¿qué se puede anticipar y qué no? Entre la confianza ciega en los algoritmos y la humildad del “no sabemos”, Sosa Escudero propone trabajar sobre los alcances y los límites del conocimiento en un mundo saturado de datos.
- En tu libro contás que “fuiste al futuro” y volviste para relatarlo. ¿Qué viste ahí?
- Mirá, lo primero que encontrás es una contradicción enorme: para que una predicción sea interesante tiene que ser confiable, pero la calidad de esa predicción tengo que evaluarla en el presente, antes de que ocurra. Es como apostar al número de la ruleta y juzgar la jugada sin que haya salido la bolilla. El libro trata de ordenar esa paradoja. Hay fenómenos donde las predicciones han mejorado muchísimo, otros donde avanzaron poco y otros en los que seguimos sin progresar nada.
- ¿Por ejemplo?
- El pronóstico meteorológico a corto plazo es infinitamente mejor que antes de la Segunda Guerra Mundial. Ahora se combinan datos, algoritmos, tecnología y avances en física. Lo mismo pasa con algunos pronósticos empresariales, sobre todo los ligados a hábitos de consumo: las redes sociales escupen información en tiempo real y aprender de eso se volvió fácil. En cambio, nadie sabe quién será el próximo presidente ni a cuánto va a estar el dólar en diciembre. Entonces, el punto es: ¿por qué algunas cosas son predecibles y otras no?
- Eso lleva a una conclusión curiosa: ¿la mejor predicción posible, en algunos casos, es decir que algo es impredecible?
- Claro. Aunque suene paradójico, una buena predicción es reconocer que ciertos fenómenos son impredecibles. Te doy un ejemplo tonto, pero gráfico: los penales en el fútbol. La teoría y la evidencia dicen que son imposibles de anticipar. Claro, la probabilidad de que la pelota entre es mayor que la de que no entre, pero no hay estrategia que garantice el resultado. Los datos muestran que patear un penal es, en sí mismo, impredecible. Y eso se parece mucho a lo que pasa con las finanzas. Por las mismas razones, no podés predecir de manera confiable el precio de un activo. O son impredecibles, o se comportan “como si lo fueran”. En definitiva, lo que veo en el futuro es un escenario mixto: fenómenos en los que la capacidad predictiva seguirá mejorando, otros donde avanzaremos lentamente y algunos que seguirán siendo opacos para siempre.
- Nombraste un “terreno intermedio” que genera temor. ¿A qué te referís?
- A esos espacios donde hay avances, pero también riesgos. La medicina es un buen ejemplo. Hoy la tecnología de diagnóstico por datos avanzó muchísimo. Ponés síntomas en un sistema y enseguida aparece una sugerencia de enfermedad o tratamiento. Pero el costo social de equivocarse es altísimo, porque un error de diagnóstico puede ser letal. Por eso la práctica médica está fuertemente regulada. Algo parecido pasó con las radiografías: al principio se pensaba que servían para todo, incluso para elegir el talle de un zapato. Después la experiencia mostró que no, que había contextos donde eran útiles y otros donde resultaban dañinas. Con la inteligencia artificial va a ocurrir algo similar, ya que aprenderemos qué se puede esperar de ella en áreas como medicina, en derecho o en el agro, y dónde están los límites.
- Da la impresión de que más datos y más capacidad de análisis deberían traer mejores predicciones. ¿Funciona así de manera automática?
- No. Ese es uno de los mitos más grandes. Se tiende a creer que el azar es ignorancia, que no podemos predecir porque nos faltan datos. Entonces, si juntamos más datos y mejores algoritmos, reducimos el azar. Y en algunos campos eso es cierto: el clima, por ejemplo. Los pronósticos meteorológicos mejoraron gracias a un combo de física, modelos, computación y sensores. Pero hay un detalle crucial: a las nubes no les importa lo que dicen los meteorólogos. En cambio, en política, en finanzas o en el deporte, los pronósticos alteran el evento. Si yo digo que el dólar va a estar a 5.000 pesos en diciembre y todos lo creemos, sube ahora mismo. Si alguien anuncia que el mejor día para comprar pasajes es el miércoles a las tres de la tarde, todos compran ese día y el beneficio desaparece. A eso lo llamo “impredecibilidad estratégica”. No es falta de datos: es que el hecho de pronosticar cambia la realidad.
- Entonces, ¿la impredecibilidad está más en la interacción entre las personas que en el azar?
- Exacto. Te doy otro ejemplo: Maradona pateó unos 149 penales en su carrera. Supongamos que le regalo los datos de 148 de esos penales a las mejores mentes del planeta con sus algoritmos. No podés anticipar qué hará Maradona en el penal número 149. ¿Por qué? Porque usar siempre la misma estrategia daría ventaja al arquero. Para ser efectivo, el pateador necesita ser impredecible. Esa impredecibilidad no desaparece aunque tengas toda la información del mundo.
- Se suele decir que cada uno de nosotros es “big data ambulante”. ¿Coincidís?
- Sí, pero con matices. Lo interesante del big data no es la cantidad de datos, sino el tipo. Que vos y yo tengamos el celular prendido significa que estamos transmitiendo información todo el tiempo: ubicación, hábitos, preferencias. Eso es real. Pero ojo: big data muestra mucho y oculta mucho. Nos da toneladas de información sobre lo que la gente hace, pero nada sobre lo que la gente no hace o haría en otras condiciones. Y para tomar decisiones políticas o empresariales necesitás las dos cosas, lo fáctico y lo contrafáctico.
- ¿Cómo es esto?
- Te doy un ejemplo: puedo medir con precisión cuánta gente pasa por una esquina del centro de Tucumán. Ahora, si me pedís que estime cuántos pasarían si se habilitara un carril nuevo en una autopista cercana, ahí me falta la información de los que no usan la autopista. Y esa es clave. Entonces, el error común es pensar que más datos equivalen a más información. No siempre es así. A veces tenés más datos, pero no la información necesaria para decidir.
- Hablemos de inteligencia artificial y del impacto en nuestra vida, en muchos casos visto de manera apocalíptica. ¿Cuál es tu mirada?
- Primero, hay que bajar un cambio. No es claro que esta sea “la” gran revolución tecnológica. La humanidad atravesó la aparición de la escritura, la agricultura, la revolución industrial, internet. Todas fueron disrupciones enormes. El problema es que ahora lo estamos viviendo en tiempo real. Probamos ChatGPT y nos asombra con algunas respuestas brillantes, pero al rato dice barbaridades. Eso no prueba que sirva ni que no sirva: muestra que hay que aprender cuándo funciona y cuándo fracasa.
- Tiene que ver con cómo manejamos la herramienta...
- Para regular algo, primero tenés que entender cómo opera. Así pasó con los autos, la genética, la radiología. El gran desafío hoy es que todavía no comprendemos bien los alcances de la inteligencia artificial. Y regular dinámicamente -como algunos proponen- es casi lo mismo que no regular. Por eso digo: no es un problema solo de abogados. La regulación de la medicina va a requerir médicos y abogados; la del mercado financiero, instituciones financieras; la del derecho penal, jueces y sociedad. Y todo eso mientras el fenómeno avanza a una velocidad tremenda.
- Más allá de la incertidumbre, ¿estás disfrutando este momento histórico?
- Sí, absolutamente. Nos gusta pensar que vivimos el momento clave de la historia de la humanidad, pero en realidad eso lo pensó cada generación. Lo que pasa es que para un científico el mayor estímulo es la duda. Yo siempre digo que el rol del científico se parece al de un profesor de tenis: tirarte la pelota al lado débil para que tengas que esforzarte. El “no sabemos” es lo que llama a la acción, lo que activa la curiosidad. Cuando creemos que ya sabemos todo, nos volvemos cómodos o nos paralizamos. Y no es la primera vez que enfrentamos algo que no entendemos: pasó con internet, con la revolución genética, con la física cuántica. Siempre que surge un fenómeno disruptivo aparece la incomodidad. Para muchos es angustiante; para mí es lo más interesante. Porque mientras exista la duda, la pelota sigue de nuestro lado.
El protagonista y el encuentro que lo convocó en Tucumán
- Walter Sosa Escudero es licenciado en Economía por la Universidad de Buenos Aires y PhD por la Universidad de Illinois, en Urbana-Champaign. Se especializa en estadística y econometría teórica aplicadas a cuestiones sociales.
- Es profesor de la Universidad de San Andrés y director de su departamento de Economía; profesor en la Universidad Nacional de La Plata, investigador principal del Conicet y miembro titular de la Academia Nacional de Ciencias Económicas.
- Comparte su tarea como investigador y docente con la divulgación científica. Entre otros, publicó los libros “Viajar al futuro (y volver para contarlo)”, “Qué es (y qué no es) la estadística”, “Borges, Big Data y yo”, y “Big Data”.
- La actividad realizada en la Facultad de Ciencias Económicas se organizó desde el Laboratorio de Analítica, Ciencia de Datos e Innovación creado en junio de 2024. Su objetivo fue acompañar a los estudiantes de la Diplomatura en Ciencias de Datos Organizacionales para fortalecer los vínculos con ellos e invitar a todos los interesados a mantener contactos con investigadores y usuarios de datos en la gestión, para permitirles escucharlos y dialogar con ellos.