La pregunta correcta
Lavaiol
El correo llegó a media mañana, con olor a barniz viejo en el pasillo y pan tostado del bar de la esquina, un mensaje breve que anunciaba la puesta en marcha del piloto; su modelo salía del entorno controlado y entraba en un programa real de apoyo a estudiantes. Leyó dos veces, cerró el portátil, lo abrió de nuevo, en la pantalla seguían las columnas de probabilidades con su apariencia tranquila, cifras limpias que no parecían capaces de afectar a nadie.
En la sala de reuniones había una jarra de agua con rodajas de limón opacas y un proyector que tardó en enfocar. Se habló de eficiencia, de optimizar recursos, de anticipar quién abandonaría el proceso antes de solicitar la ayuda. El modelo señalaba con bastante acierto a quienes tenían más probabilidad de no completar la solicitud aun cumpliendo requisitos, así el personal dedicaría tiempo a quienes el algoritmo marcaba como proclives a terminar el trámite.
La palabra quedó suspendida en el aire. Proclives. A los otros se les dejaría tranquilos, se evitarían recordatorios insistentes, se ahorrarían llamadas que casi nunca obtienen respuesta. Todo sonaba razonable. Una técnica comentó que insistir a quien no responde desgasta, que también hay que cuidar al equipo. Hubo asentimientos breves.
Le pidieron un ejemplo y proyectó una gráfica sencilla, puntos dispersos que mostraban cómo pequeñas decisiones repetidas forman una pauta. Habló de hábitos: si alguien ha dejado formularios a medias varias veces, lo más probable es que vuelva a hacerlo. Evitó palabras complicadas, explicó que el sistema no juzga, solo calcula a partir de lo ya ocurrido. Una risa ligera recorrió la mesa cuando alguien dijo que en el fondo todos somos previsibles. Ella sonrió y sintió una incomodidad leve, como una costura que roza la piel.
Al terminar, la coordinadora mencionó un caso concreto: una estudiante brillante, situación económica frágil. El sistema la había marcado con baja probabilidad de solicitar la ayuda, decidieron no insistir para no saturarla, respetar su ritmo. Lo decía convencida de estar actuando con cuidado.
Imaginó a esa estudiante frente a una pantalla a medianoche, el cursor parpadeando sobre un formulario abierto demasiadas veces, la habitación apenas iluminada por el portátil. Imaginó la mano dudando sobre el teclado, la tentación de cerrar la ventana y prometerse que mañana sería distinto. El modelo no estaba fallando, respondía con fidelidad a la pregunta que le habían dado: ¿quién terminará lo que empieza? Una pregunta útil, medible, que premiaba la continuidad y convertía el intento de cambiar en anomalía.
Volvió al laboratorio con la garganta seca. El zumbido de los servidores parecía más alto. Abrió el tablero y ejecutó la predicción sobre sí misma. El sistema llevaba semanas registrando sus microdecisiones: horarios, tiempos de respuesta, noches en que el móvil permanecía encendido sin que escribiera nada. El resultado apareció sin dramatismo: probabilidad alta de que no haría la llamada esa noche.
El número no la empujaba, solo repetía lo que había repetido antes. La llamada llevaba días esperando en la lista de favoritos, el nombre al otro lado era una conversación aplazada por miedo a lo que pudiera alterar. Sintió el impulso de demostrarle al sistema que estaba equivocado, enseguida entendió que no era un adversario, era un espejo.
Se quedó quieta, escuchando su respiración irregular. En la reunión habían hablado de eficiencia como si fuera neutra. Ella misma había diseñado el modelo para minimizar error, para ajustar cada predicción a la conducta previa. Siempre le había pedido que anticipara quién repetiría un patrón, nunca qué pasaría si alguien decidía romperlo.
Abrió el archivo donde definía el objetivo del sistema, ese lugar silencioso donde una pregunta toma forma. Cambió el foco. Dejó de optimizar la repetición y empezó a buscar señales de margen, indicios de que una intervención mínima podría inclinar la decisión en otra dirección. Sabía que la precisión descendería, que los porcentajes perderían brillo, aceptó esa pérdida.
Cuando volvió a ejecutar la predicción sobre sus propios datos, la probabilidad de no llamar ya no ocupaba toda la pantalla. Aparecía acompañada de alternativas, de caminos posibles que antes quedaban enterrados bajo la estadística. El teléfono estaba frío en su mano, luego tibio. Lo sostuvo unos segundos, notó el pulso en la yema de los dedos, marcó el número antes de negociar consigo misma y esperó el tono con el corazón desordenado.
Mientras sonaba la señal comprendió que el futuro no depende de que una máquina acierte, depende de la pregunta que decidamos hacerle y de la que nos atrevamos a hacernos.
En la sala de reuniones había una jarra de agua con rodajas de limón opacas y un proyector que tardó en enfocar. Se habló de eficiencia, de optimizar recursos, de anticipar quién abandonaría el proceso antes de solicitar la ayuda. El modelo señalaba con bastante acierto a quienes tenían más probabilidad de no completar la solicitud aun cumpliendo requisitos, así el personal dedicaría tiempo a quienes el algoritmo marcaba como proclives a terminar el trámite.
La palabra quedó suspendida en el aire. Proclives. A los otros se les dejaría tranquilos, se evitarían recordatorios insistentes, se ahorrarían llamadas que casi nunca obtienen respuesta. Todo sonaba razonable. Una técnica comentó que insistir a quien no responde desgasta, que también hay que cuidar al equipo. Hubo asentimientos breves.
Le pidieron un ejemplo y proyectó una gráfica sencilla, puntos dispersos que mostraban cómo pequeñas decisiones repetidas forman una pauta. Habló de hábitos: si alguien ha dejado formularios a medias varias veces, lo más probable es que vuelva a hacerlo. Evitó palabras complicadas, explicó que el sistema no juzga, solo calcula a partir de lo ya ocurrido. Una risa ligera recorrió la mesa cuando alguien dijo que en el fondo todos somos previsibles. Ella sonrió y sintió una incomodidad leve, como una costura que roza la piel.
Al terminar, la coordinadora mencionó un caso concreto: una estudiante brillante, situación económica frágil. El sistema la había marcado con baja probabilidad de solicitar la ayuda, decidieron no insistir para no saturarla, respetar su ritmo. Lo decía convencida de estar actuando con cuidado.
Imaginó a esa estudiante frente a una pantalla a medianoche, el cursor parpadeando sobre un formulario abierto demasiadas veces, la habitación apenas iluminada por el portátil. Imaginó la mano dudando sobre el teclado, la tentación de cerrar la ventana y prometerse que mañana sería distinto. El modelo no estaba fallando, respondía con fidelidad a la pregunta que le habían dado: ¿quién terminará lo que empieza? Una pregunta útil, medible, que premiaba la continuidad y convertía el intento de cambiar en anomalía.
Volvió al laboratorio con la garganta seca. El zumbido de los servidores parecía más alto. Abrió el tablero y ejecutó la predicción sobre sí misma. El sistema llevaba semanas registrando sus microdecisiones: horarios, tiempos de respuesta, noches en que el móvil permanecía encendido sin que escribiera nada. El resultado apareció sin dramatismo: probabilidad alta de que no haría la llamada esa noche.
El número no la empujaba, solo repetía lo que había repetido antes. La llamada llevaba días esperando en la lista de favoritos, el nombre al otro lado era una conversación aplazada por miedo a lo que pudiera alterar. Sintió el impulso de demostrarle al sistema que estaba equivocado, enseguida entendió que no era un adversario, era un espejo.
Se quedó quieta, escuchando su respiración irregular. En la reunión habían hablado de eficiencia como si fuera neutra. Ella misma había diseñado el modelo para minimizar error, para ajustar cada predicción a la conducta previa. Siempre le había pedido que anticipara quién repetiría un patrón, nunca qué pasaría si alguien decidía romperlo.
Abrió el archivo donde definía el objetivo del sistema, ese lugar silencioso donde una pregunta toma forma. Cambió el foco. Dejó de optimizar la repetición y empezó a buscar señales de margen, indicios de que una intervención mínima podría inclinar la decisión en otra dirección. Sabía que la precisión descendería, que los porcentajes perderían brillo, aceptó esa pérdida.
Cuando volvió a ejecutar la predicción sobre sus propios datos, la probabilidad de no llamar ya no ocupaba toda la pantalla. Aparecía acompañada de alternativas, de caminos posibles que antes quedaban enterrados bajo la estadística. El teléfono estaba frío en su mano, luego tibio. Lo sostuvo unos segundos, notó el pulso en la yema de los dedos, marcó el número antes de negociar consigo misma y esperó el tono con el corazón desordenado.
Mientras sonaba la señal comprendió que el futuro no depende de que una máquina acierte, depende de la pregunta que decidamos hacerle y de la que nos atrevamos a hacernos.