Para la construcción de escenarios y modelos de futuro hay varias técnicas y herramientas. Dejando de lado las financieras y de análisis de mercados por constituir éstas un arsenal demasiado específico y especializado, vale la pena detenerse un poco en algunas muy interesantes que, convenientemente adaptadas, pueden llegar a ser de utilidad práctica en un marco bastante amplio. Una de ellas es el análisis de riesgos con sus procedimientos matemáticos asociados.

Probabilidades: La apuesta básica.

Sería muy difícil determinar desde cuando los seres humanos hacemos apuestas. Jugamos a los dados, a las cartas, a la ruleta, a las carreras de caballos y hasta a la ocurrencia o no-ocurrencia de eventos de la vida cotidiana como, por ejemplo, cuando apostamos con un amigo a que mañana lloverá o hará un hermoso día.

En realidad cualquier actividad que emprendemos es una apuesta al futuro. Cuando iniciamos una empresa - aún cuando hayamos tomado todos los recaudos del caso en materia de estudios del mercado, diseños y previsiones - nuestros márgenes de incertidumbre son siempre bastante altos. Apostamos a la gente que hemos contratado, apostamos a que ciertas condiciones se mantendrán, apostamos a que los gustos de los consumidores continuarán aproximadamente estables, a que el valor del dinero y el crédito oscilarán dentro de determinados parámetros. Mirándolo desde cierto punto de vista, toda nuestra vida no es sino una gran apuesta.

El problema que tenemos es el de manejar nuestros márgenes de incertidumbre. Si suponemos que un suceso, de un total de casos posibles - todos igualmente factibles - puede ocurrir en una cantidad determinada de casos, la probabilidad matemática de la ocurrencia del suceso es:

Probabilidad = Cantidad de ocurrencias
                    Cantidad de casos posibles

Por supuesto, ejemplos como el del dado, o la moneda lanzada a cara o cruz, o el naipe extraído de una baraja sirven sólo para ilustrar los conceptos básicos y elementales del cálculo de probabilidades. En la vida real resultan poco aplicables y las fórmulas comienzan a complicarse rápidamente a medida en que se avanza sobre casos prácticos. No obstante, muchas de nuestras actividades más importantes se basan esencialmente en una estimación del riesgo implícito en determinada "apuesta". Un caso típico de esto es, por ejemplo, el de las compañías de seguros.

El seguro: una apuesta a futuro

Como es conocido, las compañías de seguros amparan a sus clientes garantizándoles un resarcimiento o indemnización en el caso de materializarse algún evento o acontecimiento que haya sido objeto específico del contrato del seguro.

Cuando una persona contrata con una compañía de seguros una cobertura por el riesgo de incendio amparando, por ejemplo, su establecimiento fabril, la compañía, a cambio del pago de una suma que es sólo una fracción relativamente pequeña del valor total de la fábrica, se compromete a pagar el valor de los bienes que se quemen en el supuesto caso de que esa fábrica realmente se incendie. En otras palabras: si el evento (el incendio) se produce, la compañía paga los daños; si no se produce, se queda con la suma abonada por el dueño de la fábrica en concepto de costo del seguro.

Puede comprenderse que, al momento de negociar el contrato, las compañías de seguros están más que interesadas en poder determinar de antemano la probabilidad de ocurrencia del evento que están por asegurar. En términos amplios y muy simplificados puede decirse que, estando la probabilidad estadística de un evento expresada por un número entre 1 y 0, se comprende que un evento de probabilidad 1 (ocurrencia cierta) es prácticamente no asegurable porque ninguna compañía asumiría un riesgo que seguramente habrá de ocurrir mientras que, por el otro lado, un riesgo de probabilidad 0 (probabilidad nula) tampoco resulta asegurable porque nadie compraría un seguro para cubrirse de un evento que seguramente no ocurrirá. En la gama intermedia se halla la "zona de incertidumbre" expresada en grados de probabilidad entendiéndose que, a mayor probabilidad de ocurrencia, más cara será la póliza de seguro y viceversa, a menor probabilidad menor precio tendrá la cobertura.

El seguro funciona así sobre el principio básico de una apuesta hecha sobre un acontecimiento futuro: el asegurado apuesta a que el evento sucederá y la compañía de seguros apuesta a que no sucederá. El que pierde, paga.

El costo de la incertidumbre

Dentro de este contexto puede comprenderse que, así como las compañías de seguros tienen sumo interés en aislar estadísticamente la verdadera probabilidad de ocurrencia de determinados eventos, los asegurados de todo el mundo por su parte, especialmente las grandes empresas y corporaciones cuyos gastos en seguros ascienden a cifras muy importantes, han estado más que interesadas en desarrollar métodos y técnicas que permitan (1) reducir esa probabilidad de ocurrencia o, al menos, (2) aumentar la certeza en las predicciones.

Consiguiendo reducir la probabilidad de ocurrencia del evento se logra reducir - y hasta eliminar - los costos del seguro porque, de llegar esa reducción al grado en que el evento se torna muy improbable, ya no habrá razón para comprar un seguro que lo ampare. Por otro lado, si se consigue aumentar su predictibilidad en un grado razonablemente confiable, no sólo se pueden dimensionar costos del seguro de un modo más acorde con la realidad sino que también puede llegarse a una situación en que se prescinde de la cobertura.

Si en una empresa las tareas de limpieza se realizan con algún líquido inflamable, esa empresa seguramente necesitará un seguro contra incendio y pagará por él una suma importante desde el momento en que el líquido inflamable aumenta considerablemente la probabilidad de que se produzca el incendio. Pero si esa misma empresa elimina el uso de líquidos inflamables en tareas de limpieza y pasa a utilizar, digamos, detergentes solubles en agua para el mismo propósito, el riesgo de incendio puede llegar a bajar tanto que el seguro termine siendo una precaución innecesaria.

Por otro lado, si la empresa de nuestro ejemplo distribuye sus productos mediante una flota de camiones, necesitará imperiosamente un seguro que ampare esos vehículos. Pero si, por algún medio, consigue establecer que cada año se accidentan, por ejemplo, no más de ocho camiones, representando estos accidentes un total de daños de no más de 8,000 unidades de moneda, en ese caso difícilmente la empresa esté dispuesta a pagar más de 8,000 por su póliza de seguro - y la compañía de seguros, si hace el mismo cálculo, difícilmente acepte cubrir el riesgo por menos de 8,000 - con lo que, nuevamente, es improbable que el seguro termine contratándose en absoluto.

La técnica o disciplina mediante la cual se ha estado enfocando este tipo de problemas ha recibido por parte de los anglosajones el nombre de Risk Management, un concepto que figura indistintamente en la literatura especializada como "administración", "gestión" o "manejo" de riesgos por la gran dificultad que existe para traducir correctamente el término "management". Lo interesante de ella es que, aún siendo en cierto modo específica - ya que su nacimiento se ha producido en el ámbito de las compañías aseguradoras - se ha ido desarrollando, ampliando y refinando en múltiples direcciones abarcando prácticamente todas las actividades del ser humano. No es sólo que la actividad de las compañías de seguros comprende un ámbito muy amplio de nuestro quehacer, al punto en que hay muy pocos rubros que no sean asegurables, sino que, además, cualquier actividad, en la medida en que está expuesta a acontecimientos - o eventos - desfavorables o indeseados, está de hecho corriendo un riesgo y, por consiguiente puede ser objeto de un análisis de Risk Management porque precisamente de eso trata la disciplina en forma esencial: del análisis y del control de riesgos.

Lo primero que hay que decir de las modernas técnicas de administración de riesgos es que se trata de herramientas muy nuevas cuya eficacia aún está siendo discutida en muchos casos. Y lo segundo que hay para agregar inmediatamente es que, como en toda técnica, no se trata de una panacea. Es, con todo, una herramienta que promete ser muy interesante y razonablemente apta para enfrentar aquellos casos típicos en que las decisiones deben ser tomadas bajo consideración de probables o posibles resultados adversos en un futuro determinado, vale decir: en todos los procesos de cambio y modificación de las condiciones existentes como lo son, casi por excelencia, todas las decisiones que, de algún modo u otro, pueden considerarse como políticas o estratégicas.

Las etapas del proceso

A grandes rasgos, la moderna técnica que permite una administración de eventos a futuro comprende tres etapas básicas: (1) la identificación de los riesgos existentes, (2) el control de los riesgos identificados y (3) el monitoreo constante de toda la situación.

Mediante las técnicas de identificación o análisis de riesgos se llega a la posibilidad de establecer (a) la probabilidad de ocurrencia de un hecho; (b) su frecuencia estadística en lapsos de tiempo determinados (por ejemplo, cuántas veces es esperable que suceda a lo largo de, digamos, un año) y (c) su severidad promedio, o sea: la magnitud del daño o de las consecuencias que puede llegar a producir.

Una vez identificados los riesgos a los que se halla expuesta determinada actividad, empresa o emprendimiento humano, las técnicas desarrolladas permiten elaborar criterios optimizados para un abanico de alternativas. Frente a cada hecho o evento, identificado se procede a implementar una estrategia de control de riesgos dentro de cuyo contexto se puede optar por: (a) una eliminación del riesgo, que implica la anulación lisa y llana de las causas que lo producen (la suplantación del inflamable por el detergente soluble en agua de nuestro ejemplo anterior sería un caso típico de eliminación); o bien (b) una minimización del riesgo, que implica arbitrar medios para reducir su probabilidad de ocurrencia, su frecuencia o su posible severidad; o bien (c) una transferencia del riesgo, que implica traspasarlo a otras personas o a otras áreas en las que su efecto sea menor o más soportable; o bien se puede también optar por (d) asumir el riesgo lo que significa prepararse para su ocurrencia tomando las medidas necesarias para garantizar la continuidad de las operaciones en el caso de que el hecho previsto suceda efectivamente.

Ninguna de estas medidas es, por supuesto, excluyente. Se podrá, dado el caso, eliminar en parte, minimizar en parte, transferir en parte y asumir el riesgo remanente. De lo que se trata siempre y en todos los casos es de reducir el margen de incertidumbre representado por determinados hechos de ocurrencia contingente o eventual pero temporalmente indeterminada ya que las técnicas funcionan tanto para acontecimientos de los que no estamos muy seguros de si habrán - o no - de ocurrir, como para acontecimientos de los que estamos seguros que ocurrirán pero no sabemos cuando lo harán.

El conjunto de medidas implementadas no es, en absoluto, un esquema definitivo o estático. No puede serlo por la sencilla razón de que la incertidumbre es siempre relativa al futuro y el futuro nunca termina. Además de ello, los riesgos identificados ni son inalterables, ni su número es constante. Con el correr del tiempo - por múltiples razones - los factores del análisis cambian. El trabajo de administrar el futuro es pues una tarea absolutamente dinámica, elástica y, sobre todo, cíclicamente reiterativa. Las situaciones a controlar deben ser constantemente monitoreadas, la eficacia de las medidas tomadas debe ser permanentemente verificada, la tarea de análisis e identificación de nuevos riesgos no termina nunca y toda la tarea se convierte en un ciclo periódico al cual, por supuesto, se van incorporando los datos que surgen de decisiones nuevas siendo que estos nuevos datos aportan, en cada caso, nuevos modelos de previsión.

La posibilidad de este monitoreo permanente es posible, en gran medida, gracias a las técnicas de procesamiento y ordenamiento de datos que no sólo permiten la obtención de la información casi instantáneamente a medida en que la realidad la produce (on line) sino que, además, admiten toda una serie de manipuleos experimentales como, por ejemplo, el modelajes sobre los "sistemas expertos" en los que se está comenzando a implementar la "inteligencia artificial", o bien sobre escenarios construidos con esquemas de relaciones conocidas mediante modificaciones experimentales del tipo "¿qué pasaría si..."?. Esto último, como puede verse, se conecta estrechamente con la técnica del planeamiento por escenarios.

Observar y aprender.

El monitoreo constante también es necesario por motivos más fundamentales. Como se comprenderá, en principio la administración de riesgos no inquiere acerca de la corrección o incorrección de la actividad que se desea realizar. No analiza ni los objetivos que la actividad se ha impuesto, ni las razones que han concurrido a determinar la decisión de realizarla. En principio no inquirirá si es "correcto" - o no - sembrar trigo en lugar de girasol, fabricar escarbadientes y no automóviles; construir hospitales en lugar de escuelas. Tampoco está a su alcance emitir un juicio de valor acerca de los móviles o las razones que han concurrido para tomar la decisión de realizar cierta actividad, con determinados métodos, normas y procedimientos.

Pero una vez puesto en marcha el mecanismo de identificación, control y monitoreo, la técnica detecta con una seguridad muy satisfactoria los peligros que amenazan a la actividad desplegada y la exposición al fracaso de la actividad. El no-logro de los objetivos propuestos, es justamente uno de los principales eventos analizables y controlables. De modo tal que, si bien en un principio la técnica no podrá decirnos si determinada decisión es - o no - "correcta", el constante monitoreo de los resultados y de las nuevas situaciones mostrará de un modo sumamente claro la medida, el modo y el costo con que se están - o no - alcanzando los objetivos propuestos. Esto permite, por añadidura, establecer también con bastante claridad las causas y las consecuencias del éxito - o del fracaso - de la gestión, lo que permite calibrar más finamente el proceso de toma de decisiones retroalimentando la experiencia obtenida hacia las instancias que se ocupan de la planificación estratégica.

Naturalmente, no se puede pedir de una técnica de este tipo que establezca lo "correcto" desde el punto de vista de una categoría moral. A menos que se asocie lo moral con lo exitoso, todo lo que se puede pedir de esta clase de métodos es que nos vayan informando de lo "correcto" - o "incorrecto" - de una decisión, desde el punto de vista de su viabilidad o posibilidad concreta en términos de realización práctica. Lo que, decididamente, no es poco. Sobre todo si tenemos presente la cantidad considerable de ficciones ideológicas y meras expresiones de deseos que todavía impulsan múltiples actividades y decisiones en nuestra civilización.

La existencia de este tipo de técnicas es sumamente interesante porque, quizás por primera vez en toda nuestra existencia como especie, no tenemos que esperar a que una equivocación se convierta en una catástrofe para darnos cuenta de que hemos elegido un mal camino. Todos los modernos métodos de previsión siguen sin permitirnos predecir exactamente los acontecimientos; pero podemos ya, al menos en alguna medida, "administrar" o "manejar" nuestros riesgos vigilando y previendo las consecuencias de nuestros actos; verificando constantemente si nos conducen - o no - al objetivo que deseamos. El sólo hecho de tener esta posibilidad nos abre perspectivas cuyos alcances estamos lejos de vislumbrar siquiera porque aún debemos acostumbrarnos a toda una nueva estrategia de programar, diseñar y proyectar la acción mediante decisiones permanentemente verificadas.

Que "los números gobiernan al mundo" es una verdad popular que no por ampliamente extendida ha contribuido en modo significativo a fomentar el amor por las matemáticas. Quienes sienten una aversión especial por las abstracciones matemáticas suelen argumentar que las cosas más importantes de la vida quedan fuera de su esfera de acción. En parte es cierto: no podríamos expresar el amor, la lealtad, el honor o el entusiasmo con una fórmula matemática. Pero, siendo el método matemático el mejor que conocemos para medir y comparar, la pregunta es: ¿se puede expresar la realidad en términos matemáticos? La respuesta es, en parte obvia y en parte evasiva: se puede, pero no por completo. De hecho, sin embargo, se puede expresar mucho más de lo que la mayoría de la gente cree.

Clive Martin, administrador de riesgos de una importante compañía naviera, señaló alguna vez algo muy interesante. ¿Cómo haríamos para describir el rostro de una persona? Podemos, como los novelistas del Siglo XIX, sentarnos a escribir una larga y detallada descripción, pero ¿daría eso al lector una idea realmente acabada de ese rostro? Difícilmente. El lenguaje tiene muchas limitaciones; no sólo nos faltarían palabras sino que, además, la descripción le resultaría incomprensible a todo aquél que no hablase el mismo idioma. Podemos, por supuesto, tomar una fotografía. Pero deberíamos llevar esa fotografía con nosotros todo el tiempo para poder mostrársela a los demás.

Hay un medio mucho más efectivo: digitalizar la imagen del rostro que queremos describir. Una vez hecho eso, podríamos mandarla por fax a cualquiera; mostrarla por televisión, incluirla en un E-mail; grabarla en un soporte magnético. En menos de un par de minutos la descripción precisa de ese rostro, con su sonrisa, con su gesto, con la expresión de sus ojos, con su cabello y con toda su sugestividad, podría literalmente dar la vuelta al mundo y resultar comprensible para orientales, africanos, europeos, australianos o americanos.

Y todo eso se haría con números. Más precisamente, con sólo dos números: 0 y 1. Porque eso es todo lo que utiliza una imagen digitalizada en un archivo binario. En realidad y muy en última instancia, eso es todo lo que sabe interpretar una computadora: dos números.

De modo que la pregunta de hasta qué punto la realidad es expresable matemáticamente no tiene una respuesta tan directa y simple como lo suponen muchas personas convencidas de que los procedimientos matemáticos son aplicables solamente a objetos materiales o a fenómenos físicos. Durante mucho tiempo fue así, es cierto. Pero hoy podemos expresar en forma digital la sonrisa de una persona, la novena sinfonía de Beethoven, un video mostrando la violencia de un huracán o las huellas digitales de un empleado. Todo esto con solamente dos números.

Lo que muchas veces necesitamos son "traductores" que sepan interpretar esos números de una forma en que nuestro cerebro los entienda. Necesitamos ciertas herramientas para convertir la realidad en números y luego necesitamos otras herramientas para volver a rehacer esa realidad a partir de los números obtenidos. Con lápiz y papel muy difícilmente conseguiríamos expresar la sonrisa de la Gioconda en una serie numérica; para ello necesitaríamos una cámara fotográfica digital. Pero, por otra parte, mirando los números del archivo binario construido por la cámara digital nos resultaría imposible imaginarnos esa sonrisa; para ello necesitaríamos una computadora, una aplicación de tratamiento de imágenes y - sobre todo - un buen monitor.

El gran error que muchas veces se comete es el de suponer que los números sólo sirven para medir cuando, en realidad, también sirven para expresar la realidad. Es muy cierto que no todo se puede medir matemáticamente. Pero no menos cierto es que se puede expresar matemáticamente mucho más de lo que generalmente se cree. Y, si podemos expresar la belleza de un atardecer en forma binaria, ¿por qué no habríamos de poder expresar de alguna manera matemática cosas tales como el riesgo inherente a nuestras decisiones, las consecuencias futuras de nuestros actos presentes, la composición de la población de un país o el nivel de capacidad cognitiva de los alumnos de una Universidad?

De hecho, podemos hacerlo, y en varios casos hasta sin computadoras. Por ejemplo, las estadísticas y los gráficos son herramientas que hemos venido empleando desde hace mucho tiempo. Por más que Bernard Shaw dijera alguna vez que la estadística es el arte de mentir con cifras y por más que muchas estadísticas han fallado - como, por ejemplo las de ciertas encuestas de opinión - el método estadístico sigue siendo un excelente método para expresar una realidad dada. Lo que hay que tener en cuenta son las limitaciones obvias del método, los márgenes de error y - no en última instancia - la honestidad profesional de las personas que "trituran los números".

Lo que no hay que perder de vista es que la "matemática de la realidad" nunca es la realidad sino solamente una forma de expresarla. Y lo otro que no hay que olvidar es que los "traductores" muchas veces distorsionan: la forma en que se convierte la realidad en datos y la forma en que luego esos datos se muestran de una forma inteligible pueden ser - y de hecho muchas veces son - formas imperfectas, sujetas además a una interpretación imperfecta. La forma en que recabemos los datos para nuestra estadística decidirá en alto grado la calidad de la misma. Y la forma en que mostremos e interpretemos esos datos es decisiva para la utilidad concreta que querramos darles.

Distribuciones

Imaginemos que alguien nos pone al frente del Ministerio de Salud Pública y de pronto nos encontramos con el problema de determinar, digamos, cual es la tasa de enfermedad de nuestra población. Podríamos atacar el problema desde muchos ángulos. Uno de ellos sería, por ejemplo, el de establecer cuantas consultas médicas por año está haciendo nuestra gente.

Revisando los registros de los hospitales y de los centros de atención médica de, pongamos por caso, los últimos cinco años muy probablemente podríamos encontrarnos con un cuadro similar al siguiente:

• En esos cinco años, muy poca gente no hizo absolutamente ninguna consulta médica.
• Una cierta cantidad de gente hizo unas 10 consultas
• Una cantidad algo mayor hizo unas 20 consultas
• Muchísima gente hizo unas 30 consultas.
• Una cantidad algo menor hizo unas 40 consultas
• Una cantidad menor aún hizo unas 50 consultas
• Muy poca gente hizo más de 60 consultas

Si ahora se nos ocurriese tomar estos datos (que, por supuesto, son completamente arbitrarios y sólo se mencionan aquí a título de ejemplo) y los graficáramos, obtendríamos un cuadro como el siguiente:

Lo que tenemos aquí es la famosa Curva de Gauss. Su particularidad consiste en que representa una distribución de frecuencia que expresa una cantidad realmente impresionante de fenómenos reales, hasta el punto en que también se la conoce como Curva de Distribución Normal. Si tomáramos una población y graficáramos los datos relacionados con cosas tan dispares como estatura corporal, capacidad cognitiva, ingreso medio del grupo familiar, calificaciones de estudiantes, tasa de criminalidad, tasa de mortandad, etc. etc. probablemente obtendríamos curvas de distribución muy similares a la de nuestra ilustración. Más aún: si, por algún motivo, no obtuviésemos una curva similar, el hecho sería para prestarle atención.

Una curva de ingresos medios por grupo familiar en muchos países estaría fuertemente sesgada hacia la izquierda. ¿Que nos dice esto? Pues, algo que sabemos por observación directa: en varios lugares hay muchos muy pobres y pocos muy ricos. En una población armónicamente balanceada, podríamos tomar como normal una distribución con pocos pobres muy pobres, con pocos ricos muy ricos, y con la enorme mayoría de la población agrupada alrededor de una media promedio estadística. Si tenemos muchos más pobres de lo normal, nuestra curva se sesgará hacia la izquierda indicándonos que tenemos algo que no anda bien con nuestro sistema de distribución de riqueza.

Aunque deberíamos tener cuidado: también podría ser que algo anda mal con nuestro sistema de creación de riqueza. En algunos casos podría darse que estamos distribuyendo mal la riqueza, mientras que en otros podríamos estar distribuyendo mal los recursos para la creación de riqueza. Además, si tuviésemos, por ejemplo, la curva de capacidad cognitiva también sesgada hacia el mismo lado podríamos sospechar alguna correlación en el sentido de que, quizás, los muy pobres podrían ser también los muy tontos y los muy ricos podrían ser también los muy inteligentes; algo que seguramente nos discutirán a muerte los partidarios de la infinita educabilidad del ser humano.

Es preciso hacer la advertencia, sin embargo, de que una distribución normal tan perfecta como la de nuestra ilustración difícilmente sería expresión fiel de algún hecho real. Pero muchísimos fenómenos presentan distribuciones que se aproximan sorprendentemente a la normal. Lo extraordinario - tanto por exceso como por defecto - constituye siempre una minoría en el mundo real. La Naturaleza tiene una extraña predilección por las medias promedio estadísticas. Quizás para tener el pretexto de sorprendernos con las - escasas - excepciones.

Desviación standard

Pero ¿qué tan excepcional es una excepción?. Si volvemos a mirar nuestro gráfico veremos que la media de nuestras consultas médicas está ubicada en 30 consultas. También se ve que quienes han hecho 10 y 50 consultas están ubicados más lejos de la media que aquellos que han hecho 20 y 30 consultas. En la jerga matemática diríamos que están más desviadas de la media.

Básicamente, la desviación standard no es nada más que una medida de estos desvíos respecto de la media. Simplificando un poco las cosas podríamos decir que el concepto de desviación standard se refiere al promedio de las desviaciones que se observan en una distribución normal.

La desviación standard tiene unos cuantos usos muy útiles. Si tomamos los casos de un fenómeno que caen dentro de 1 desviación standard por encima y por debajo de la media, habremos aislado nada menos que el 68.27% de todos los casos existentes. Tomando 2 desviaciones standard abarcaríamos el 95.45% de los casos. Un alumno cuyas calificaciones estuviesen a más de dos desviaciones standard de la media sería tan excepcional que probablemente estaría por encima (o por debajo) del 95% de su clase. Una familia con un ingreso mensual clasificable dentro del rango de una desviación standard a ambos lados de la media representaría muy probablemente a una familia-tipo, similar al 68% de las familias del país.

Correlaciones, Regresiones y Tendencias

El modelaje matemático nos permite investigar muchas cosas más acerca de la realidad y acerca del probable destino de nuestros proyectos. No podemos entrar aquí en los detalles del análisis estadístico y desarrollar conceptos ya tan sofisticados como, por ejemplo, la Teoría del Caos. No es el objeto de esta exposición. Pero, a modo de simple ilustración - sólo para dar una idea de que podemos analizar, expresar y prever de un modo mucho más completo de lo que generalmente se supone - mencionemos algunos aspectos complementarios.

Todos habremos podido observar que, a veces, ciertos fenómenos "acompañan" a otros. Por ejemplo, si vamos al supermercado y nos paramos frente a la góndola de las naranjas, sabemos por experiencia que hay cierta relación entre el peso y el diámetro de las naranjas. Ya el sentido común nos dice que, casi con seguridad, esa relación es positiva; vale decir: a mayor diámetro mayor peso. Pero ¿Qué tan positiva es la relación?. Para saberlo, podemos calcular correlaciones, sabiendo que una correlación es el grado de concordancia que hay entre un fenómeno y otro.

El cálculo de correlaciones, al igual que el de las probabilidades, también nos arroja una cifra entre 1 y 0. Con una correlación de +1 tenemos una correspondencia absoluta, o "lineal", entre los fenómenos analizados. Si la correlación entre el consumo de pomada para lustrar borceguíes y la cantidad de soldados fuese igual a 1, podríamos determinar la cantidad de soldados de un ejército con sólo saber cuanta pomada para borceguíes se consume; algo que a simple vista puede hasta parecer ridículo.

A medida en que nos alejamos de 1 y nos vamos aproximando a 0 la correlación se debilita y disminuyen nuestras capacidades de predicción. Con una correlación igual a 0 no hay ninguna relación entre los fenómenos analizados, indicándonos el análisis que se trata de eventos independientes entre si. Finalmente, la correlación también puede estar expresada con magnitudes negativas, entre -1 y 0, con el mismo significado que el ya expresado pero en sentido inverso. Por ejemplo, a mayor calidad de atención médica, es razonable esperar menor frecuencia y severidad de epidemias.

Hay varias cosas, sin embargo, que es necesario decir respecto de las correlaciones. La primera es que, si bien es cierto que nos permiten prever la aparición de un fenómeno si detectamos la existencia de otro correlacionado, también es cierto que, en los casos reales de fenómenos socioeconómicos, raramente hallaremos una correlación mucho mayor de 0.5. Para varios fenómenos que caen dentro de las llamadas ciencias sociales, una correlación de 0.2 o 0.3 ya es muy importante.

Lo segundo que es preciso señalar es que ya una pequeña correlación puede producir efectos acumulados muy significativos a lo largo del tiempo. Por ejemplo, toda la teoría de la evolución de las especies se basa sobre este hecho. Finalmente, también hay que tener sumo cuidado con aparentes correlaciones que no son tales: si hallamos que la cantidad de mariposas en el Amazonas aumenta aproximadamente en forma paralela a la tasa de apendicitis en Shanghai, esto no necesariamente implicaría que la natalidad de las mariposas amazónicas está correlacionada con la apendicitis de los chinos.

Además, con una correlación sólo sabemos qué tan fuertemente se relacionan dos o más variables. Para hacer previsiones, la correlación sola no nos alcanzaría. Para saber, por ejemplo, cuanto aumento de consumo de energía eléctrica podemos esperar en una ciudad con un aumento de 5°C en la temperatura ambiente, lo que deberíamos hallar es el llamado "coeficiente de regresión" que nos permite estimar la medida o proporción en que un fenómeno "acompaña" a otro correlacionado.

Por supuesto que, para dar una idea de cómo funcionan nuestras herramientas de previsión aquí hemos simplificado mucho las cosas y hemos recurrido a ejemplos muy elementales. En la práctica, lo más frecuente es que los problemas no sean tan simples y nos veamos ante múltiples variables concurriendo a determinar un mismo fenómeno.

Sin embargo, los cálculos de regresiones múltiples son perfectamente posibles y es totalmente factible realizar análisis sobre, por ejemplo, el modo y la magnitud en que se relacionan la edad, el sexo, los años de escolaridad, el ingreso anual y el producto bruto interno. Incluso procesos aparentemente tan aleatorios como las cotizaciones en bolsa, las fluctuaciones de precios en diversos mercados o los cambiantes gustos del público consumidor, resultan accesibles al análisis estadístico con grados de precisión que, a veces, no dejan de ser sorprendentes. Las cada vez más populares encuestas que se realizan últimamente casi a propósito de cualquier tema (cuando están bien hechas) descansan fuertemente sobre procedimientos similares a los que hemos estado describiendo.

Con todo lo expuesto es posible, no obstante, formarse una idea (más que una simple idea es imposible de lograr sin entrar en el árido terreno de los formuleos) de cómo se obtienen por análisis matemático las tendencias que nos permiten construir escenarios y prever acontecimientos futuros. Por un lado, el concepto de "tendencia" es específico y también resulta matemáticamente expresable. Por el otro, las probabilidades de ocurrencia de un evento, su correlación con diversos fenómenos, la magnitud en que resulta previsible que se alteren sus variables en función de otras variables correlacionadas, la experiencia histórica obtenida de situaciones similares en condiciones equiparables, etc.etc. son todos elementos que nos permiten construir modelos de futuro.

Amenazas y oportunidades

El grado de certeza de estos modelos nunca será, por supuesto, absolutamente exacto. Pero, la certeza posible alcanza - en muchísimos casos - para atacar los problemas más cruciales que nos amenazan y para aprovechar racional y planificadamente las oportunidades que se nos presentan.

Por poco que miremos a nuestro alrededor, por poco que conozcamos de los datos detallados de nuestra realidad, es evidente que nuestra civilización se enfrenta a una serie de amenazas, algunas de las cuales son realmente muy serias. Pero, al menos en alguna medida, varias de esas amenazas encierran también oportunidades que podríamos y hasta deberíamos aprovechar. Y sería realmente hora de ponernos seriamente a hacerlo porque lo más inquietante de todo es que no hay nada que justifique satisfactoriamente nuestra aparente parálisis intelectual.

Porque la problemática de nuestra civilización no es nada nueva. Venimos dando vueltas alrededor de los mismos problemas desde hace años. En 1973, seis años después de la publicación de los trabajos de Kahn y Wiener, Konrad Lorenz recibía el Premio Nobel de Medicina y Fisiología. Ese mismo año dió a conocer un pequeño trabajo, preparado originalmente como escrito para el festejo del 70° cumpleaños de Eduard Baumgarten, titulado "Los Ocho Pecados Mortales de la Humanidad Civilizada" y en el cual identificaba ocho amenazas particularmente graves a las cuales estaban expuestos los seres humanos civilizados del planeta.

Esos riesgos siguen siendo actuales al día de hoy y, si bien es cierto que se les podría agregar un número considerable de amenazas potenciales adicionales, no menos cierto es que plantean cuestiones vitales cuyo tratamiento adecuado resulta altamente prioritario y aún hoy, más de un cuarto de siglo después, sirven a la perfección como columna vertebral para exponer los desafíos con los que nace el Siglo XXI.