Lyndon Johnson[1] |
Todos hemos escrito alguna vez que la inteligencia permite reducir la incertidumbre asociada al proceso de toma de decisiones[2]. Así que cualquier inversión en inteligencia debería tener como finalidad última conseguir una mayor reducción de esa incertidumbre. Y por “cualquier inversión” me refiero no solo a las orientadas a dotarse de mejores equipos técnicos o a incrementar la plantilla de personal, sino también aquellas otras que persiguen mejorar la cualificación de los que trabajan en el servicio de inteligencia.
Hace unas pocas décadas, la mayor parte de los analistas de inteligencia practicaban lo que podríamos llamar “análisis natural” (es decir, aplicaban su sentido común al procesamiento intuitivo de la información disponible). En los últimos tiempos, sin embargo, los servicios han hecho un esfuerzo importante para formar a sus analistas en las técnicas estructuradas de análisis. ¿Debemos entender que el uso sistemático de esas técnicas permite mejorar sustancialmente la calidad de los productos de inteligencia, es decir, reducir la incertidumbre a la que se deben enfrentar los “clientes”?
La reina de las técnicas estructuradas es el ACH, el analysis of competing hypotheses[3], expresión que se suele traducir como “análisis de hipótesis en competencia”[4]. En la práctica, se ha convertido en parte fundamental de la enseñanza de técnicas de inteligencia, tanto en las escuelas internas de los servicios como en los programas universitarios. Podemos preguntarnos si es cierto que el uso de ACH reduce la incertidumbre, como se supone que debe hacer la inteligencia.
Y la respuesta es negativa. Según la experiencia recogida en entornos docentes[5], el resultado, a menudo, es el contrario. Del uso sistemático de ACH es frecuente que se derive una mejor comprensión de posibilidades alternativas a la que se había en un principio considerado como principal, pero muy raro que una hipótesis cualquiera se vea confirmada con un alto grado de confianza.
Intentaremos explicar por qué es así. Asumiremos, para ello, que el analista está utilizando ACH con la ayuda de un sencillo programa, como es PARC ACH[6]. Siguiendo la lógica de este programa, el propio analista puede construir una alternativa utilizando software de hoja de cálculo.
Primer problema. Muchas de las informaciones son ambiguas
El primer problema que se nos plantea al utilizar ACH es que muchas de las informaciones que debemos utilizar son ambiguas. Y ello es así por dos motivos principales[7]:
1) En todos los asuntos de los que se ocupa la inteligencia, existe siempre un adversario que persigue objetivos distintos de los nuestros y que intentará “embarrar” el terreno de juego para que nos resulte más difícil comprender la realidad de su situación o de sus intenciones.
2) Las técnicas de obtención son imperfectas. Producen “agujeros negros”, “ruido” y errores.
Un ejemplo ilustrativo. En el terreno de la inteligencia estratégica es frecuente que tomemos como piezas de evidencia las declaraciones de actores políticos relevantes. Lo que pasa es que no siempre resulta fácil decidir si estas declaraciones traducen un mensaje real (a sus propios ciudadanos, a las audiencias exteriores) o son simples actos de desinformación, destinados a confundir a observadores externos. Dependiendo de la decisión que en cada caso tome el analista, el resultado final de aplicar el programa (es decir, la probabilidad relativa de las hipótesis que se consideran) puede cambiar mucho.
Podemos pensar que una alternativa válida sería excluir todas aquellas piezas de evidencia sobre las que no haya seguridad total acerca de su significado y valor. El problema es que, entonces, nos quedaríamos con tan pocas evidencias que su conjunto resultaría insuficientes para inclinar la balanza hacia una hipótesis u otra.
Segundo problema: el problema de las hipótesis prioritarias
Si los medios de obtención están orientados en una dirección, el número de informaciones, correctas o no, que se reciben de esa dirección será superior al de las que llegan de otras. Si utilizamos un programa como PARC ACH, la reiteración de noticias en un determinado sentido reforzará artificialmente ciertas hipótesis en perjuicio de otras. Algo parecido nos ocurrirá si no utilizamos ningún tipo de asistente informático para computar las informaciones que recibimos: la reiteración de noticias puede convencernos de que ciertas hipótesis son más creíbles.
Y aquí, el analista se encontrará ante un dilema:
1) Si no toma ninguna medida de compensación, su ACH funcionará en la práctica como “análisis de una sola hipótesis”, la preferida.
2) Si quiere evitar este problema, alterará el “peso” que da a diferentes informaciones, o eliminará noticias que entienda pueden ser “redundantes”. Al hacerlo así, sin embargo, reducirá la sensibilidad del sistema e incrementará la probabilidad de que el resultado final del análisis no sea concluyente.
Tercer problema: el problema de los “pesos”
En principio, con ACH intentamos encontrar evidencias que invaliden hipótesis, Y, como decía Sherlock Holmes, “una vez que has eliminado lo imposible, lo que queda, por improbable que nos parezca, debe de ser la verdad”[8]. El problema es que, si tenemos en cuenta los factores ya expuestos, resulta raro encontrar información de la que podamos fiarnos al 100% y que resulte incompatible con alguna hipótesis. Mucho más, disponer de informaciones que nos permitan invalidar todas las hipótesis menos una.
Esta es la lógica básica de ACH, pero, si no podemos aplicarla, tenemos que recurrir a un cálculo alternativo, como el que nos ofrece PARC ACH o cualquier otro instrumento informático similar. Aquí, cada una de las hipótesis acaba teniendo una determinada puntuación y, en principio, asumimos que la más probable es aquella que obtiene la puntuación más alta.
Un problema importante es que, a efectos de cálculo, estamos asignando “pesos” distintos a las informaciones que computamos (o a diferentes categorías de informaciones). Esa asignación es arbitraria y solo se justifica por la bondad de los resultados que con ella se obtenga. Pesos diferentes nos conducirían a resultados finales distintos, debilitando, de esta manera, nuestra fe en la calidad global del proceso.
Recapitulando: virtudes y limitaciones de ACH
Como hemos anticipado en una nota, en la inteligencia estratégica, de carácter político o militar, ACH no se suele utilizar. El motivo es que requiere mucho tiempo y trabajo, sin que los resultados que se obtienen de su aplicación compensen el esfuerzo que exige.
Por ello, en la práctica se empieza con la obtención de información y se espera que el propio sentido de lo que se recibe vaya apuntando en una cierta dirección (hipótesis básica). Como dicen en las películas de juicios, facts speak for themselves (los hechos hablan por sí mismos). Una vez que se ha generado esta primera hipótesis, el resto de nuestra tarea (si hay tiempo) consiste en intentar validarla. En general, solo cuando resulte evidente que no es correcta se puede intentar generar una segunda hipótesis. Es un proceso relativamente rápido y nos conduce a producir un mensaje claro para el cliente. Que es lo que la inteligencia le promete: reducir su incertidumbre.
Un uso más riguroso de las técnicas analíticas estructuradas (en primer lugar, de ACH), “incrementa la incertidumbre y complica la adopción de decisiones”[9]. Algo que no necesariamente será bien recibido por los clientes. Lo mejor que ACH ofrece (la generación de hipótesis alternativas, con la conciencia de que la realidad puede ser más complicada de lo que a primera vista parece) no es lo que ellos buscan: seguridad, certidumbre.
¿Hay solución? Sí y no. Sí la hay si los clientes llegan a tener una actitud sofisticada ante el proceso de toma de decisiones y utilizan no solo lo que saben, sino también lo que ignoran. Los known unknowns[10]. La conciencia de sus lagunas de conocimiento los hará, en muchos casos, ser más prudentes, lo que no necesariamente es una mala opción.
Y esa sería la valiosa contribución de la inteligencia (ACH mediante) al proceso de toma de decisiones. No es de extrañar que políticos como el que fuera presidente de Estados Unidos, Lyndon Johnson, la comparen con su vaca Bessie, echando a perder con su sucio rabo un cubo lleno de leche.
[1] Jervis, R. (2010). Why Intelligence and Policymakers Clash. Political Science Quarterly, vol. 125, no. 2. P. 185.
[2] «The primary purpose of intelligence is to reduce uncertainty». Véase Fingar, T. (2011). Reducing Uncertainty: Intelligence Analysis and National Security. Stanford University Press. P. 35.
[3] Según se explica en Heuer, R.J, Jr. (1999). Psychology of Intelligence Analysis. Center for the Study of Intelligence (CIA). Disponible en
[4] Por ejemplo, en Díaz Fernández, A.M. (2013). Diccionario LID Inteligencia y Seguridad. Madrid, LID Editorial Empresarial. P, 36-37.
[5] Evidencia anecdótica sugiere que los analistas de inteligencia utilizan raramente ACH en situaciones reales, probablemente por falta de tiempo. Quizá también (al menos, en parte) porque esta técnica no ofrece los resultados que los clientes desearían.
[6] Puede encontrarse un tutorial en la siguiente dirección: https://www.youtube.com/watch?v=c16QDwLk53o.
[7] Para una explicación más sofisticada, véase Pillar, P. (2011). Intelligence and U. S. Foreign Policy. Columbia University Press. P. 7.
[8] Conan Doyle, A. (1890). The Sign of the Four, Capítulo 6.
[9] Marrin, S. (2017). Why strategic intelligence analysis has limited influence on American foreign policy. Intelligence and National Security, 32,6. P. 730. https://doi.org/10.1080/02684527.2016.1275139.
[10] «También sabemos que hay incógnitas conocidas; es decir, sabemos que hay cosas que ignoramos”. Brifin del Secretario de Defensa norteamericano Donald Rumsfeld el 12 de febrero de 2002. https://archive.ph/20180320091111/http://archive.defense.gov/Transcripts/Transcript.aspx?TranscriptID=2636 (acceso: 12.11.2023).