¿REALMENTE NECESITAS MÁS INFORMACIÓN?

Las dificultades asociadas con el análisis de inteligencia a menudo se atribuyen a la insuficiencia

de la información disponible. Por lo tanto, la comunidad de inteligencia de los EE. UU. Invierte
mucho en sistemas de recopilación de inteligencia mejorados, mientras que los administradores
de análisis lamentan las sumas comparativamente pequeñas dedicadas a mejorar los recursos
analíticos, a mejorar los métodos analíticos o a obtener una mejor comprensión de los procesos
cognitivos involucrados en la toma de decisiones analíticas. Este capítulo cuestiona la suposición
a menudo implícita de que la falta de información es el principal obstáculo para los juicios de
inteligencia precisos. 52

*******************

Usando expertos en una variedad de campos como sujetos de prueba, los psicólogos
experimentales han examinado la relación entre la cantidad de información disponible para los
expertos, la precisión de los juicios que hacen en base a esta información y la confianza de los
expertos en la exactitud de estos juicios. La palabra "información", como se usa en este contexto,
se refiere a la totalidad del material con el que cuenta un analista para trabajar al emitir un juicio.

Los hallazgos clave de esta investigación son:

 Una vez que un analista experimentado tiene la información mínima necesaria para hacer
un juicio informado, obtener información adicional generalmente no mejora la precisión
de sus estimaciones. Sin embargo, la información adicional lleva al analista a tener más
confianza en el juicio, hasta el punto de exceso de confianza.

 Los analistas experimentados tienen una comprensión imperfecta de la información que

realmente usan para emitir juicios. No son conscientes de la medida en que sus juicios
están determinados por unos pocos factores dominantes, en lugar de por la integración
sistemática de toda la información disponible. Los analistas en realidad usan mucho
menos de la información disponible de lo que creen.

Como se indicará más adelante, estos hallazgos experimentales no deben aceptarse

necesariamente a su valor nominal. Por ejemplo, existen circunstancias en las que la información
adicional contribuye a un análisis más preciso. Sin embargo, también existen circunstancias en
las que la información adicional, especialmente la información contradictoria, disminuye en lugar
de aumentar la confianza del analista.

Para interpretar los hallazgos perturbadores pero no sorprendentes de estos experimentos, es

necesario considerar cuatro tipos diferentes de información y discutir su valor relativo para
contribuir a la precisión de los juicios analíticos. También es útil distinguir el análisis en el que los
resultados se basan en los datos del análisis que se basa en el marco conceptual empleado para
interpretar los datos.

Comprender la relación compleja entre la cantidad de información y la precisión del juicio tiene
implicaciones tanto para la gestión como para la realización del análisis de inteligencia. Tal
comprensión sugiere procedimientos analíticos e iniciativas de gestión que pueden contribuir a
juicios analíticos más precisos. También sugiere que los recursos necesarios para lograr una
mejor comprensión de todo el proceso analítico podrían desviarse de manera rentable de
algunos de los programas de recopilación de inteligencia más costosos.

Estos hallazgos tienen una amplia relevancia más allá de la Comunidad de Inteligencia. El análisis
de la información para comprender mejor los desarrollos actuales y estimar los resultados
futuros es un componente esencial de la toma de decisiones en cualquier campo. De hecho, los
experimentos psicológicos que son más relevantes se han realizado con expertos en campos tan
diversos como el diagnóstico médico y psicológico, el análisis del mercado de valores, el
pronóstico del tiempo y la desventaja de la carrera de caballos. Los experimentos reflejan
procesos humanos básicos que afectan el análisis de cualquier tema.

Se pueden realizar experimentos para demostrar estos fenómenos en cualquier campo en el que
los expertos analicen un número finito de tipos de información identificables y clasificables para
emitir juicios o estimaciones que puedan verificarse posteriormente para verificar su exactitud. El
analista del mercado de valores, por ejemplo, generalmente trabaja con información sobre las
relaciones precio-ganancias, márgenes de ganancia, ganancias por acción, volumen de mercado
y niveles de resistencia y soporte, y es relativamente fácil medir cuantitativamente la precisión
de las predicciones resultantes. Al controlar la información puesta a disposición de un grupo de
expertos y luego verificar la precisión de los juicios basados en esta información, es posible
investigar cómo las personas usan la información para llegar a los juicios analíticos.

Un experimento: apostando a los caballos.

Una descripción de uno de estos experimentos sirve para ilustrar el procedimiento. 53 A ocho
personas con experiencia en carreras de caballos se les mostró una lista de 88 variables
encontradas en un cuadro típico de desempeño anterior, por ejemplo, el peso que debe
cargarse; el porcentaje de carreras en las que el caballo terminó primero, segundo o tercero
durante el año anterior; el récord del jockey y el número de días transcurridos desde la última
carrera del caballo. Se le pidió a cada handicap que identificara, primero, lo que consideraba los
cinco elementos de información más importantes, aquellos que desearía usar para obstaculizar
una carrera si estuviera limitado a solo cinco elementos de información por caballo. Luego se le
pidió a cada uno que seleccionara las 10, 20 y 40 variables más importantes que usaría si estuviera
limitado a esos niveles de información.

En este punto, a los handicappers se les proporcionaron datos reales (esterilizados para que los
caballos y las razas reales no pudieran identificarse) en 40 carreras anteriores y se les pidió que
clasificaran a los cinco caballos principales en cada carrera en orden de finalización esperado. A
cada handicap se le dieron los datos en incrementos de las 5, 10, 20 y 40 variables que había
considerado las más útiles. Por lo tanto, predijo cada carrera cuatro veces, una vez con cada uno
de los cuatro niveles diferentes de información. Para cada predicción, cada handicap asignó un
valor de 0 a 100 por ciento para indicar el grado de confianza en la precisión de su predicción.