Lectura fácil
En nuestra vida diaria, tomamos decisiones constantemente, desde asuntos complicados como la salud y las finanzas personales hasta elecciones simples, como decidir qué comer o cómo llegar a un lugar.
Cuando enfrentamos este momento, especialmente si es complicada, nuestro primer instinto suele ser buscar la mayor cantidad de información posible. Parece lógico pensar que más información nos ayudaría a tomar 'el camino' más inteligente.
Sin embargo, una investigación reciente publicada en 'Cognitive Research: Principles and Implication' desafía esta creencia común. En lugar de mejorar, el decidir de la mayoría de las personas empeora cuando se les proporciona datos y detalles adicionales. Esto es un tanto sorprendente, ya que generalmente pensamos que usamos la información de manera inteligente para decidirnos de manera acertada.
Decisiones e información masiva, no son un buen cóctel para cambios en tu vida
Para comprender cómo las personas toman decisiones, los investigadores suelen utilizar diagramas simples o modelos causales que ilustran cómo diferentes factores interactúan de manera lógica para producir resultados específicos.
Estos modelos son especialmente efectivos cuando se aplican a situaciones abstractas e hipotéticas, donde las personas no tienen prejuicios o ideas preconcebidas que puedan influir en la decisión. En estas situaciones, las personas tienden a tomarlas acertadas al concentrarse en la información proporcionada por los modelos.
Sin embargo, el estudio de Samantha Kleinberg muestra que cuando nos enfrentamos a decisiones cotidianas, como elegir opciones saludables de alimentación, la capacidad de las personas para decidirse de forma efectiva se debilita.
Nuestras creencias y conocimientos previos tienden a distraernos de los modelos causales que tenemos ante nosotros. Esto significa que, por ejemplo, cuando intentamos decidir qué comer, nuestras ideas preconcebidas sobre lo que es saludable pueden dificultar el uso eficaz de la información disponible.
La raíz del problema radica en que la abundancia de información nos distrae más de lo que nos ayuda. Los investigadores realizaron una serie de experimentos que demostraron que, incluso en situaciones en las que las personas pueden utilizar modelos causales de manera efectiva, añadir información adicional, más allá de lo estrictamente necesario, puede hacer que las decisión sea menos acertada.
En otras palabras, cuando una decisión es sencilla y la respuesta es clara, agregar información innecesaria puede conducir a decisiones fallidas.
El efecto negativo de la información excedente es notable. Incluso una pequeña cantidad de información adicional puede tener un impacto significativo. Cuando la información se vuelve abrumadora, nuestras decisiones pueden ser tan deficientes como si no tuviéramos información en absoluto.
El estudio también tiene implicaciones importantes en campos como la salud pública. Sugiere que los mensajes educativos deben simplificarse y presentarse de manera cuidadosa, centrándose en las partes esenciales para tener un impacto positivo en el poder de decidir. Dar a las personas una larga lista de consideraciones sobre cuestiones de salud, como el uso de mascarillas o las pruebas de COVID-19, puede hacer que tomar la decisión correcta sea más difícil.
Entra en juego la Inteligencia Artificial
Incluso cuando se da a las personas la opción de recibir más o menos información, aquellos que solicitan información adicional suelen tomar decisiones peores que aquellos que prefieren menos información. Esto subraya la necesidad de modelos causales simples y específicos para facilitar la decisión.
Una posible solución es utilizar inteligencia artificial, como chatbots, para personalizar la información de salud y los consejos nutricionales según las necesidades individuales. Al alimentar un modelo causal complejo en un sistema de inteligencia artificial, este podría identificar y destacar los factores específicos más relevantes para cada persona, ayudando así en la toma de decisiones de manera más efectiva.
Añadir nuevo comentario