Predicción no es simulación: el error conceptual que puede debilitar las decisiones públicas y privadas
En tiempos donde los datos, la inteligencia artificial y los algoritmos parecen ofrecer respuestas para todo, el académico Sergio Quijada, PhD, advierte sobre una confusión cada vez más frecuente en la toma de decisiones estratégicas: tratar la predicción y la simulación como si fueran lo mismo.
Según explica el director del Master of Engineering Management (MEM) de la Universidad de los Andes, esta confusión no es solo conceptual, sino que puede afectar seriamente la calidad de las decisiones en políticas públicas, proyectos de infraestructura y planificación estratégica.
La predicción, señala Quijada, se basa en estimar lo que ocurrirá en el futuro utilizando la inercia del pasado. Es decir, toma datos históricos, tendencias y supuestos de continuidad para proyectar resultados. Este enfoque funciona relativamente bien en sistemas cerrados o estables, donde las variables cambian poco y los comportamientos son previsibles.
Sin embargo, el problema surge cuando este método se aplica a sistemas socio-técnicos complejos, donde intervienen múltiples actores, intereses y cambios constantes. En esos contextos, pequeñas variaciones pueden generar efectos desproporcionados y las reglas del sistema pueden modificarse en el camino. Allí, la predicción puede ofrecer una sensación de certeza que en realidad oculta riesgos importantes.
Frente a esto, Quijada plantea que la simulación ofrece una mirada distinta y más robusta. A diferencia de la predicción, la simulación no busca afirmar qué ocurrirá, sino explorar qué podría suceder bajo distintos escenarios.
A través de modelos que evolucionan en el tiempo, la simulación permite observar cómo interactúan las variables de un sistema, medir resultados mediante indicadores o KPIs y poner a prueba políticas, estrategias o proyectos en entornos virtuales antes de implementarlos en la realidad. Esto permite anticipar errores, reducir costos y evitar fallas que podrían ser muy onerosas en la práctica.
El avance de la inteligencia artificial amplifica tanto las capacidades predictivas como las de simulación. Sin embargo, el académico advierte que más datos y mayor capacidad de procesamiento no eliminan la incertidumbre. La tecnología puede mejorar las herramientas, pero no sustituye el pensamiento estratégico ni la comprensión de sistemas complejos.
Una cultura de decisiones más inteligentes
Para Sergio Quijada, diferenciar claramente entre predicción y simulación es clave para avanzar hacia una cultura de decisiones adaptativa, especialmente en contextos de alta complejidad.
Simular, explica, es una forma de aprendizaje: equivocarse en el modelo para no equivocarse en la realidad.
Conclusión
En un mundo donde las decisiones públicas y privadas se enfrentan a escenarios cada vez más inciertos, comprender la diferencia entre predecir y simular no es un detalle técnico, sino un verdadero cambio de mentalidad. Como plantea Sergio Quijada, PhD, académico de la Universidad de los Andes y director del Master of Engineering Management (MEM), el desafío ya no es solo tecnológico, sino también cognitivo e institucional: aprender a pensar en escenarios, anticipar riesgos y diseñar políticas que se adapten a la complejidad del mundo real.
Fuente: Sergio Quijada adaptado para SCMThink
