Neuroeconomía, Inteligencia Artificial y big data

En los primeros años del siglo XXI, la neuroeconomía emergió como una promesa revolucionaria. Por primera vez, la ciencia podía explorar no solo el qué y el porqué de las decisiones económicas, sino también el cómo, analizando directamente los procesos cerebrales que las impulsaban.

Desde la utilización de herramientas como la resonancia magnética funcional (fMRI) hasta su interdisciplinariedad con la psicología, la neuroeconomía parecía destinada a redefinir los fundamentos de la economía. Sin embargo, dos décadas después, sus objetivos parecen ir cambiando. ¿Qué fue de esta disciplina, de la cual quien escribe esta nota es autor de un libro?

Los orígenes y sus promesas

La neuroeconomía surgió con un objetivo ambicioso: superar las limitaciones de la teoría económica clásica, que asumía que los individuos son agentes racionales que maximizan su utilidad. Con aportes pioneros de figuras como el premio nobel Daniel Kahneman, quien mostró lo poco optimizador del comportamiento humano (sistemas 1 y 2), y Antonio Damasio, quien exploró el papel de las emociones en la toma de decisiones, la neuroeconomía combinó neurociencia, psicología y economía.

Entonces, sus promesas iniciales eran deslumbrantes:

- Comprender por qué los consumidores toman decisiones aparentemente poco racionales.

- Mejorar las políticas públicas y el diseño de mercados.

- Crear herramientas más precisas para predecir comportamientos en finanzas y marketing.

Aportes y Logros

La neuroeconomía no decepcionó en sus primeros años, se trabajó fuerte sobre:

- Aversión a la pérdida: Experimentó cómo esta emoción/sentimiento se reflejaba en regiones específicas del cerebro, como la amígdala, ayudando a entender por qué las personas evitan riesgos en situaciones inciertas.

- Preferencias temporales: Los estudios mostraron que las decisiones de corto plazo activan regiones cerebrales diferentes a las de planificación a largo plazo, desafiando modelos tradicionales de descuento exponencial.

- Neuromarketing: Aunque polémico, sentó las bases para nuevas estrategias de comunicación con consumidores, al medir directamente sus reacciones emocionales a productos y campañas.

Críticas y desafíos

Sin embargo, pese a ciertos avances, la neuroeconomía enfrentó importantes obstáculos:

- Dificultad de generalización: La extrapolación de estudios de laboratorio al mundo real no siempre es precisa.

- Costos y accesibilidad: Herramientas como el fMRI (resonancia magnética funcional) son costosas, lo que limita su aplicación en estudios masivos.

- Críticas éticas: La posibilidad de manipular decisiones mediante estímulos neurocognitivos generó debates sobre privacidad y libre albedrío.

- Expectativas exageradas: Muchas de las promesas iniciales no lograron materializarse, llevando a que algunos cuestionaran su utilidad práctica.

- El problema epistemológico: no es fácil maridar una ciencia hipotética deductiva como la economía con otra de tradiciones más inductivas como la neurología (este punto es la principal tesis de mi libro sobre el tema).

El presente de la neuroeconomía

En la actualidad, la neuroeconomía parece haber cedido espacio a la economía conductual, lo que era esperable, porque esta última es más accesible y aplicable en diversos contextos, y más fácil de entender por los colegas economistas (la psicología siempre es más fácil de entender que la anatomía cerebral). Sin embargo, ciertos fundamentos de la neuroeconomía no han desaparecido. Avances recientes han demostrado su utilidad en áreas específicas, como el análisis del comportamiento de inversionistas en mercados volátiles o el diseño de políticas basadas en el comportamiento humano en crisis económicas.

Pero además, la neuroeconomía está encontrando nuevas oportunidades en campos como la inteligencia artificial y el análisis de big data, que prometen hacer más accesibles y robustos sus hallazgos. Recordemos que la IA se apoya en comportamientos de redes neuronales, para lo cual lo neuroeconómico es de mucha utilidad.

Mirando al futuro

La neuroeconomía tiene el potencial de evolucionar, pero probablemente no como un reemplazo de la economía tradicional, sino como un complemento (siempre lo dije en mi libro). La integración con tecnologías avanzadas podría permitir un renacimiento de la disciplina, conectando su enfoque en el cerebro humano con herramientas como algoritmos de aprendizaje automático. Entre ellas:

1. Mejora de modelos predictivos en decisiones humanas

La neuroeconomía estudia cómo las personas toman decisiones bajo incertidumbre, influenciadas por emociones y sesgos cognitivos. Estos conocimientos pueden ayudar a desarrollar algoritmos de IA más precisos, que incorporen variables psicológicas y emocionales al predecir comportamientos.

• Ejemplo: Sistemas de IA en marketing que anticipan decisiones de compra considerando tanto datos históricos como respuestas emocionales.

2. Desarrollo de IA emocional

La neuroeconomía profundiza en cómo las emociones afectan las decisiones. Este entendimiento puede aplicarse en el diseño de IA emocional, capaz de interpretar y responder a estados emocionales humanos.

• Ejemplo: Chatbots avanzados que ajustan su interacción en función del estado emocional detectado del usuario, mejorando la experiencia del cliente.

3. Diseño de interfaces humanas-máquina

Los estudios de neuroeconomía sobre cómo el cerebro procesa información pueden guiar el diseño de interfaces más intuitivas y adaptadas a la forma en que los humanos piensan y toman decisiones.

• Ejemplo: Interfaces de usuario en plataformas financieras que simplifican la presentación de datos complejos, disminuyendo la sobrecarga cognitiva.

4. Optimización de sistemas de recomendación

Los sistemas de recomendación de IA pueden beneficiarse de los hallazgos neuroeconómicos sobre preferencias humanas, considerando no solo elecciones racionales sino también impulsivas o emocionales.

• Ejemplo: Plataformas de streaming que integran datos sobre aversión a la pérdida o gratificación instantánea para sugerir contenido.

5. Entrenamiento de modelos de aprendizaje profundo

La neuroeconomía puede inspirar arquitecturas neuronales en modelos de aprendizaje profundo. La forma en que el cerebro prioriza información o resuelve conflictos en decisiones complejas puede replicarse en redes neuronales.

• Ejemplo: Redes neuronales que simulan procesos de elección similares a los humanos, como el equilibrio entre opciones a corto y largo plazo.

6. Evaluación de sesgos en la IA

Dado que la neuroeconomía estudia los sesgos cognitivos en los humanos, sus principios pueden ayudar a identificar y corregir sesgos presentes en los sistemas de IA, haciéndolos más éticos y justos.

• Ejemplo: Modelos financieros que evitan sesgos en la evaluación de riesgos crediticios.

7. Aplicaciones en neurocomputación

La neuroeconomía puede ser útil en el desarrollo de la neurocomputación, una rama de la IA que busca replicar los procesos cerebrales. Al comprender cómo se toman decisiones en el cerebro humano, los investigadores pueden diseñar sistemas más eficientes y naturales.

Para finalizar

Aunque el impacto de la neuroeconomía no ha sido tan transformador como se esperaba, su legado es indiscutible: abrió un camino para entender el comportamiento económico desde una perspectiva más real, considerando las emociones, los sesgos y las limitaciones cognitivas.

En un mundo donde las decisiones económicas se ven cada vez más influenciadas por la tecnología y la psicología, la neuroeconomía podría encontrar un nuevo lugar. La pregunta sigue siendo: ¿será suficiente para recuperar su protagonismo? Creemos que sí, pero probablemente sirviendo de apoyo a la emergente inteligencia artificial y al big data.

Libros recomendados

- Laza, S. (2019). Neuroeconomía: La Nueva Ciencia de las Decisiones. Editorial Libryco.

- Laza, S. y Cuevas Sarmiento, M. (2021). Economía de las Emociones. Editorial Libryco.