La racionalidad limitada y el satisficing

Estás plantado en un pasillo del supermercado frente a cuarenta tarros de salsa para pasta. Lo «racional», lo que tu libro de economía da por supuesto en voz baja, es sopesar cada tarro contra todos los demás por precio, sabor, azúcar, marca y el recuerdo de la cena del martes pasado — construir la clasificación completa y levantar el único mejor tarro hacia tu cesta. Nadie ha hecho esto jamás. Lo que haces de verdad es echar un vistazo a un puñado, ver uno que parece decente y meterlo. No encontraste la mejor salsa del pasillo. Encontraste una que era suficientemente buena, y luego paraste. Y aquí viene lo incómodo: ese movimiento con pinta de vago era casi con seguridad el inteligente.

Esta es la forma de casi toda decisión real. La imagen del libro de texto — un optimizador racional que conoce todas las opciones, calcula el resultado de cada una y maximiza la utilidad esperada — es una ficción. No porque la gente sea tonta, sino porque optimizar suele ser imposible en principio: las opciones son demasiadas para enumerarlas, el futuro demasiado incierto para puntuarlo, y el cálculo demasiado largo para terminarlo antes de que venza la decisión. Un ajedrecista perfecto tendría que explorar más posiciones del tablero que átomos hay en el universo. Un elector de carrera perfecto tendría que entrevistar todos los empleos que jamás existirán. Los agentes reales tienen tiempo, información, atención y capacidad de cálculo limitados — así que no pueden optimizar aunque quieran.

Herbert Simon, que ganó el Premio Nobel de Economía de 1978 por exactamente esta idea, dio un nombre a la alternativa: satisficing — una mezcla del inglés satisfy (satisfacer) y suffice (bastar). En lugar de cazar el inalcanzable mejor, fijas un nivel de aspiración —un listón de «suficientemente bueno»—, buscas hasta que una opción lo supera, y entonces paras y la tomas. El satisficing no es un fracaso de la racionalidad; es lo que la racionalidad parece de verdad una vez que cuentas el coste de pensar. La imagen más profunda de Simon es la mente como unas tijeras: una hoja son nuestros límites cognitivos, la otra la estructura del entorno. No puedes entender un corte estudiando una sola hoja.

Este curso construye el modelo entero, peldaño a peldaño. Abre con por qué fracasa la optimización: la explosión combinatoria, los conjuntos de opciones inenumerables y el puro coste de calcular, para que sientas por qué el optimizador es un mito. Después define el satisficing con precisión: el nivel de aspiración, la regla de buscar-hasta-que-sea- suficiente, y cómo es en realidad una regla de parada con valor de reserva (reservation value) — la misma maquinaria que el curso de parada óptima, con la aspiración haciendo de listón. Se vuelve hacia la psicología — la paradoja de la elección de Barry Schwartz, y por qué los maximizadores obtienen resultados marginalmente mejores pero acaban menos felices, ahogándose en el arrepentimiento y los contrafactuales, mientras que los satisfacedores deciden más rápido y siguen contentos. Levanta las heurísticas rápidas y frugales y la racionalidad ecológica de Gerd Gigerenzer — reglas simples como take-the-best (coge-la-mejor), la heurística del reconocimiento y 1/N que explotan la estructura del mundo y a menudo igualan o superan a la optimización compleja fuera de muestra, porque no sobreajustan. Y cierra con la transferencia: cómo elegir y ajustar un nivel de aspiración, y cómo saber qué decisiones merecen la optimización completa y cuáles se satisfacen mejor.

Porque el modelo puede mentirte si lo tomas con pereza. El satisficing no es una excusa para pensar de forma chapucera: es óptimo sujeto a restricciones reales, y el nivel de aspiración aún hay que elegirlo bien — fíjalo demasiado bajo y te conformas con basura, demasiado alto y no paras nunca. No dice que optimizar sea siempre un error: para problemas pequeños, bien definidos, de alto riesgo y repetibles, deberías optimizar. El «suficientemente bueno» puede afianzar en silencio la mediocridad y ocultar que un problema merecía la búsqueda completa. Y una heurística brillantemente adaptada a un entorno puede fallar estrepitosamente cuando el mundo cambia — una regla rápida y frugal solo es tan buena como su ajuste a la realidad. Sujeta esos bordes y lo que te queda es una herramienta de pensamiento de verdad: decide primero si una elección merece optimizarse o satisfacerse, fija un listón explícito, y comprométete a parar cuando se cumpla — suficiente y rápido en las muchas; optimización profunda reservada para las pocas que se lo ganan.