Para tomarte en serio el satisficing, primero tienes que matar a un ídolo: la creencia de que con suficiente disciplina podrías optimizar, y que el satisficing no es más que el atajo perezoso con el que te conformas. Es un error. Para una enorme clase de decisiones reales, optimizar no es solo difícil — es imposible en principio, por muy listo, paciente o bien provisto de recursos que estés. Esta lección lo concreta en tres frentes: los problemas estallan demasiado rápido para poder recorrerlos (la explosión combinatoria, combinatorial explosion), las opciones ni siquiera se pueden enumerar, y pensar cuesta algo que estás intentando conservar. Cuando sientas los tres, el satisficing deja de parecer un compromiso y empieza a parecer la única jugada sobre el tablero.
Antes de empezar — arriésgate a adivinar
Un ajedrecista quiere jugar la jugada verdaderamente óptima: la que conduce al mejor resultado suponiendo juego perfecto de ambos bandos para siempre. ¿Cómo de factible es, más o menos, calcular esa jugada para una posición de mediojuego?
La explosión combinatoria: los números detonan
El primer muro es aritmético. Muchas decisiones son combinatorias: el número de respuestas posibles no crece sumando sino multiplicando a medida que el problema se agranda — y la multiplicación se te escapa de las manos a una velocidad aterradora.
Toma el problema del viajante (travelling salesman problem): visitar N ciudades una sola vez cada una y volver a casa por la ruta total más corta. Para optimizar — garantizar el único recorrido más corto — debes, en el peor de los casos, comparar todas las ordenaciones distintas. Con 5 ciudades son un puñado. Con 15 ya son más de 43.000 millones. Con 25 ciudades el número de recorridos supera con creces el número de segundos transcurridos desde el Big Bang. Nada cambió salvo añadir unos cuantos puntos más al mapa, y sin embargo el espacio de búsqueda detonó.
| Tamaño del problema (N) | Número de disposiciones que comprobar | Sensación |
|---|---|---|
| 5 ciudades | 12 (½ de 4!) | trivial |
| 10 ciudades | ~181.000 | un aperitivo para un ordenador |
| 15 ciudades | ~43.600.000.000 | ahora sí que duele |
| 20 ciudades | ~6 × 10¹⁶ | territorio de superordenador |
| 25 ciudades | ~3 × 10²³ | más que segundos desde el Big Bang |
| Ajedrez (árbol de juego) | ~10¹²⁰ | más que átomos en el universo |
Esto es la explosión combinatoria (combinatorial explosion), y no es un fallo de esfuerzo ni de hardware. Es la matemática del propio problema. Un optimizador de fuerza bruta no se vuelve lento según crece N; choca contra un muro donde el cálculo no puede terminar antes de que el sol se apague. Y, lo crucial, las decisiones que nos importan — rutas, planificación de horarios, empaquetado, elegir una secuencia de movimientos profesionales, planificar varios pasos por adelantado en cualquier cosa — están atravesadas por esta estructura.
Por qué 'usa un ordenador y ya' no te salva
Los ordenadores no vencen a la explosión combinatoria optimizando más rápido — la vencen negándose a optimizar. Los motores de ajedrez podan ramas enteras, evalúan posiciones con heurísticas aprendidas y dejan de buscar a una profundidad “suficientemente buena”. Los planificadores de rutas usan aproximaciones que se acercan mucho al recorrido más corto sin demostrar que sea el más corto. Hasta nuestras máquinas más potentes son satisficers con bata de laboratorio. Lo máximo que prometen es “muy bueno, rápido”, no “demostrablemente óptimo”.
Opciones inenumerables: no puedes clasificar lo que no puedes ver
El segundo muro es más sutil y, para las decisiones humanas, más importante. Todo el procedimiento del optimizador empieza con un paso que suena inocente: considera todas las opciones. Pero para la mayoría de las decisiones reales, el conjunto completo de opciones no se puede enumerar en absoluto.
¿Cuáles son todas las carreras profesionales que podrías seguir? ¿Todas las personas con las que podrías casarte? ¿Todas las ideas de negocio que podrías arrancar, todas las formas en que podrías pasar la próxima década? No son listas grandes — son abiertas, generativas y en parte incognoscibles. Muchas de las mejores opciones aún no existen (el puesto de trabajo, la empresa, la persona que aún no has conocido). No puedes calcular el máximo de un conjunto que no puedes escribir. El primer paso del optimizador ya es imposible.
Aquí es donde la racionalidad limitada muerde con más fuerza, y conecta directamente con tu círculo de competencia (circle of competence, un prerrequisito de este curso): la razón por la que no puedes optimizar fuera de lo que entiendes es que fuera de tu competencia ni siquiera ves con claridad el conjunto de opciones — no sabes lo que no sabes. La optimización asume una mirada divina sobre un menú cerrado. La realidad te entrega una niebla y una linterna.
El menú que ves frente al menú que existe
Elegir un cereal entre diez cajas de una estantería es una decisión rara y mansa: las opciones son finitas, visibles y fijas. Podrías, en principio, optimizar. Pero elegir una carrera profesional, una pareja o una estrategia no se parece en nada a esa estantería — las opciones son ilimitadas, muchas aún no existen, y el conjunto cambia a medida que te mueves por él. Tratar una decisión abierta y generativa como si fuera una estantería de cereales es una de las formas más comunes en que la gente inteligente se paraliza a sí misma.
¿Por qué 'elige la carrera profesional óptima' es fundamentalmente distinto de 'elige la más barata de diez cajas de cereales visibles'?
El coste del cálculo: pensar no es gratis
El tercer muro es el que la teoría clásica ignoró por completo: deliberar tiene un coste. Cada minuto dedicado a reunir información, comparar opciones y hacer las cuentas es un minuto (y a menudo dinero, atención y energía emocional) que no recuperas. El tiempo empleado en decidir es tiempo no empleado en hacer — y a veces la opción que estabas analizando caduca mientras la analizas.
Esto replantea todo el problema. Lo “racional” no es calcular la mejor respuesta sin importar el coste. Es tener en cuenta el coste de calcular. Un procedimiento de decisión que encuentra una respuesta ligeramente mejor pero tarda diez veces más puede ser peor, considerándolo todo, que una regla rápida que te lleva al 95% del camino. Esta es exactamente la lógica de el valor de la información (the value of information, otro prerrequisito): seguir buscando solo merece la pena mientras la mejora esperada que compra supere lo que cuesta la búsqueda. Pasado ese punto, reunir más no es diligencia — es desperdicio.
Herbert Simon llamó al ideal que ignora esto racionalidad “olímpica” — un optimizador con mirada divina y cálculo ilimitado — y sostuvo que era inútil como modelo de cualquier agente real, humano o máquina. Lo que los agentes tienen de verdad es la racionalidad “procedimental” (procedural rationality): ser sensato acerca del proceso de decidir, dado que el proceso mismo es escaso y costoso.
Las tijeras de Simon
La imagen más famosa de Simon: la conducta racional está moldeada por las dos hojas de un par de tijeras — los límites cognitivos de la mente y la estructura del entorno. No puedes explicar cómo corta alguien estudiando una sola hoja. Una decisión que parece “irracional” frente al ideal olímpico suele ser perfectamente afilada una vez tienes en cuenta los límites reales y el mundo real que está atravesando al cortar. Volveremos a encontrarnos con la segunda hoja en la Lección 4, donde la estructura del entorno es precisamente lo que hace que las reglas simples funcionen.
Tres muros, una conclusión
Junta los muros y el veredicto es ineludible. La optimización fracasa no porque nos falte voluntad, sino porque:
- El espacio de búsqueda estalla — para los problemas combinatorios, ningún cálculo alcanzable puede comprobar todas las opciones (ajedrez, rutas, planificación de horarios, planificación de varios pasos).
- Las opciones no se pueden enumerar — para las decisiones abiertas, no hay un menú cerrado del que tomar el máximo (carreras, parejas, estrategias, ideas de negocio).
- El propio cálculo es costoso — incluso cuando optimizar es posible, el tiempo, el dinero y la atención que consume pueden convertirlo en lo incorrecto que hacer.
Así que el optimizador perfecto no es un listón alto que no alcanzamos. Es una ficción que no describe a ningún decisor real, ni siquiera a un superordenador. Y eso es liberador, no deprimente: significa que la meta nunca fue “encontrar lo mejor”. La meta es tomar una buena decisión a un coste razonable — que es precisamente para lo que está diseñado el satisficing, y lo que construye el resto de este curso.
Clasifica cada decisión según si un verdadero OPTIMIZADOR podría, en principio, encontrar la única mejor opción — o si la optimización está fundamentalmente bloqueada (explosión, opciones inenumerables o coste prohibitivo).
Place each item in the right group.
- Elegir la pareja de vida objetivamente ideal de entre todos los vivos
- Calcular la jugada de ajedrez perfecta desde una posición de mediojuego
- Elegir la cuenta de mayor interés entre 5 cuentas de ahorro listadas
- Seleccionar la única mejor carrera profesional que jamás podrías haber seguido
- Encontrar la ruta demostrablemente más corta a través de 30 paradas de reparto
- Elegir el más barato de 8 vuelos con precios claros mostrados en una sola pantalla
- Comprar el litro más barato de una marca de leche entre 3 tiendas cercanas
Simon distinguió la racionalidad 'olímpica' de la racionalidad 'procedimental'. ¿Cuál es la diferencia clave?
Lo único que hay que recordar
La optimización no es solo poco práctica — para los problemas combinatorios, los conjuntos de opciones abiertos y las decisiones costosas de calcular, es imposible en principio. Ninguna cantidad alcanzable de esfuerzo o hardware encuentra “lo mejor”, porque la búsqueda estalla, el menú no se puede enumerar o el propio cálculo cuesta más de lo que vale. El optimizador perfecto es una ficción. Por eso necesitamos otro tipo de racionalidad — una que fije un listón para “suficientemente bueno” y se detenga. Eso es el satisficing, y es lo que viene ahora.