el genoma de la inteligencia colectiva

5/9/2018 El Genoma de La Inteligencia Colectiva - slidepdf.com

http://slidepdf.com/reader/full/el-genoma-de-la-inteligencia-colectiva 1/15

22 harvarddeustobusinessreview

Thomas MaloneTitur e cáter Ptrick J. McGer e Gestió y

irectr e MIT Ceter fr Cectie Iteigece e MIT

S Sch f Mgemet.

Robert Laubacher

Iestigr y irectr ejecuti e fucies e MIT Ceterfr Cectie Iteigece.

Chrysanthos DellarocasPrfesr sci e Gestió e Bst Uiersity

e iestigr sci e MIT Ceter fr Cectie

Iteigece.

Le presentamos una guía del usuario para loselementos básicos de la inteligencia colectiva:recombinando los “genes” de la inteligenciacolectiva según el trabajo requerido, los directivospueden diseñar el potente sistema que necesitanpara cada situación.

El genomade lainteligenciacolectiva



El GEnoMa dE la InTElIGEnCIa ColECTIva

julio2010 23

G oogle, Wikipedia o Threadless. Todos ellos sonejemplos de la inteligencia colectiva en acción. Dos

de ellos son amosos. El tercero va camino de serlo.Cada uno de ellos contribuye a demostrar cómo los

grupos de personas extensos e inormales pueden cola

borar de orma electrónica de un modo sorprendente mente eectivo, a veces incluso sin saber que están co laborando entre ellos, como es el caso de Google. Goo gle recoge las opiniones de millones de personas a me dida que crean vínculos a páginas web y aprovecha eseconocimiento colectivo de toda la Red para generar res puestas sorprendentemente inteligentes a las pregun tas que tecleamos en la barra de búsqueda de Google.

En la Wikipedia, miles de colaboradores de todo elmundo han creado colectivamente la mayor enciclope dia del mundo, con artículos de una calidad increíble mente elevada. Wikipedia se ha desarrollado práctica

mente sin ningún control centralizado. Cualquier per sona que quiera puede modicar prác ticamente cualquier cosa, y las decisio nes sobre qué modicaciones se man tienen se toman mediante un consensoinormal de los interesados. Es más, alas personas que realizan todo este tra bajo ni siquiera se les paga; son volun tarios.

En Threadless, cualquiera que lo de see puede diseñar una camiseta, presen tar ese diseño a un concurso semanal y,a continuación, votar por sus diseños a voritos. A partir de las entradas que hanrecibido la puntuación más alta, la empresa seleccionalos diseños ganadores, los pone en producción y orecepremios y royalties a los diseñadores ganadores. De estemodo, la empresa aprovecha la inteligencia colectiva deuna comunidad de más de 500.000 personas para di señar y seleccionar camisetas.

Es estimulante leer sobre estos ejemplos de inteligen cia colectiva a través de Internet. Incluso más que esti mulante; han acabado por convertirse en la materializa ción de un deseo de los directivos, una prueba de queuna adopción comprometida de la inteligencia colectiva

es todo lo que hace alta para que una empresa adivinemágicamente los deseos del mercado, cree exactamentelo que es necesario para satisacerlos y lo haga sin costealguno o a un coste muy bajo. Deje que la multitud ha ga el trabajo por usted: barato, perecto y ahora.

De hecho, es posible que la inteligencia colectiva sehaya llegado a considerar excesivamente como algo má gico en opinión de muchos directivos. La magia estámuy bien, es posible que arme cualquier directivo, pe

ro es terriblemente diícil de duplicar. Si la inteligenciacolectiva es un modo tan eectivo a la hora de lograr quelas organizaciones cumplan sus objetivos en esta épocade sabiduría de masas y “wikinomics”, ¿por qué no loutilizan más empresas?

La respuesta, creemos, es que no saben cómo. Parasacar el máximo provecho de las nuevas posibilidadesque representan ejemplos realmente estimulantes, esnecesario ir más allá de simplemente considerarlo comouna conusa colección de ideas “interesantes”. Si quie ren explotar el potencial de la inteligencia colectiva, losdirectivos necesitan en cambio una comprensión másprounda de cómo uncionan estos sistemas. No necesi tan magia, sino la ciencia de la que procede la magia.

En nuestro trabajo en el Centro para la InteligenciaColectiva en el MIT hemos reunidos cerca de 250 ejem plos de inteligencia colectiva a través de Internet. A pri

mera vista, lo más sorprendente de esta colección de

ejemplos es su diversidad, ya que los sistemas presen tan una extensa variedad de objetivos y métodos.

Sin embargo, tras examinar estos ejemplos en pro undidad, hemos identicado un conjunto relativamen te reducido de elementos básicos que se combinan y re combinan de diversas ormas en dierentes sistemas deinteligencia colectiva. Para clasicar estos elementos bá sicos, utilizamos cuatro preguntas:

• ¿Qué se está haciendo?• ¿Quién lo está haciendo?

• ¿Por qué lo están haciendo?• ¿Cómo se está haciendo?

(Este marco de trabajo es similar a los que se han de sarrollado en el campo del diseño organizacional, y susdimensiones son importantes a la hora de diseñar cual quier sistema de acción colectiva, ya sea una organiza ción tradicional o un nuevo tipo de grupo conectadoelectrónicamente.)

Al igual que los genes a partir de loscuales se desarrollan los organismos

individuales, los genes organizacionalesson los elementos centrales en los que se

basan los sistemas de inteligenciacolectiva





Utilizando una analogía con la biología, denomina mos a estos elementos básicos los “genes” de los siste mas de inteligencia colectiva. Denimos un gen comouna respuesta particular a una de las preguntas clave(Qué, Quién, Por qué o Cómo) asociadas con una única

tarea en un sistema de inteligencia colectiva. Al igual quelos genes a partir de los cuales se desarrollan los orga nismos individuales, estos genes organizacionales sonlos elementos centrales en los que se basan los sistemas

de inteligencia colectiva. La combinación de genes aso ciada con un ejemplo especíco de inteligencia colectivase puede considerar como el “genoma” de ese sistema.

En este artículo oreceremos un nuevo marco paracomprender esos sistemas y, lo que es más importante,para comprender cómo desarrollarlos. Este marco iden tica los elementos esenciales subyacentes –los “genes”–que se hallan en el centro de los sistemas de inteligen cia colectiva. Explora las condiciones en las cuales cadagen es útil. Y empieza por sugerir las posibilidades pa ra combinar y recombinar estos genes no sólo con el nde aprovechar las masas en general, sino también paraaprovecharlas de la manera exacta que precisa su orga nización.

Los pasos de un genoma famosoImagine que corre el año 1991, y que usted es LinusTorvalds, un estudiante de la Universidad de Helsinki.

Acaba de programar el corazón de un rudimentariosistema operativo para ordenadores personales y estápensando qué hacer a continuación. Usted aún no losabe, pero las decisiones que está a punto de tomar lle varán a la creación de una comunidad de miles de pro

gramadores voluntarios de todo el mundo que desa rrollarán algo llamado Linux, uno de los sistemas ope rativos más importantes de principios del siglo xxi. Yusted será reconocido como el líder de la primera co

munidad importante de desarrollo desoftware de “código abierto”, un ejemploprototípico de un nuevo tipo de inteli gencia colectiva.

Ahora imagine otra cosa: imagine quea la hora de tomar sus decisiones, ustedtiene acceso a todos los conceptos de es te artículo. Por supuesto, Linus Torvalds

no tenía realmente ese conocimiento yes posible que el éxito de sus decisionesle sorprendiera. Sin embargo, si ustedpudiera utilizar los conceptos de este ar tículo para diseñar de orma consciente

el tipo de comunidad de código abierto que creó Torvalds,¿cómo lo haría?

En primer lugar, se preguntaría: ¿cuál es la principalactividad que quiero realizar? Tal y como veremos a con tinuación, hay dos genes básicos para responder a estapregunta (Crear y Decidir), y en este caso querría crearun código de programación para un nuevo sistema ope rativo.

La siguiente pregunta que se ormularía es: ¿quiénhará esto? Los dos genes básicos para responder estapregunta son lo que denominaremos Jerarquía y Mul titud, y su respuesta a esta pregunta –en este ejemplo,la respuesta de Torvalds– es qué hará que sus esuerzossean tan notables. En lugar de asignar determinadaspersonas a las dierentes partes del desarrollo del soft-ware como en una jerarquía tradicional, usted decideque todo el mundo pueda acceder al software de ormagratuita a través de Internet y dejar que cualquier perso-na que lo desee añada o modique cualquier parte del


Agradecimientosl cició pr este trbj prprció e MIT Ceter fr Cectie Iteigece, icuye u resp especipr este pryect pr prte e BT Grup. ns gustrí expresr uestr especi grecimiet pr su yu e ies tigció Richr li, Mrgret dig y Greg litte, y pr s prtcies Handbook of Collective Intelligence e aex Ks rukff. Tmbié querems grecer sus cmetris Ychi Beker, Jh Hge III, Miche Kers, Be Sheierm,H vri, duc Wtts y trs prticiptes e s grups s que se presetr s ersies terires e mrc etrbj: grup e estui daRPa sbre “prucció etre pres”, Cectie Iteigece F Cmp (ptrci pr Ggey o’Reiy Mei), Highs Frum sbre “Iteigeci cecti”, e ter e nti Sciece Futi (nSF) sbre“digit Cheges i Iti Reserch” y e Prgrm fr the Future Cferece.

Es posible trabajar con dieciséis genesbásicos clasicados en categorías

determinadas por las cuatro preguntasprincipales que todo diseñador del

genoma de la inteligencia colectiva debeormular: qué, quién, por qué y cómo




julio2010 25

software. En otras palabras, usted decide dejar a toda unamultitud de usuarios de Internet que desarrollen die rentes partes del software.

¿Por qué debería considerar la opción de la multitud?En el caso de Linus Torvalds, simplemente no tiene otra

posibilidad: no dispone del tiempo para hacerlo ni deldinero para contratar a otros. Además, llega correcta mente a la conclusión de que hay sucientes programa dores cualicados en todo el mundo que podrían reali zar este trabajo colectivamente si se les motivara de or ma adecuada.

Esto, por supuesto, lleva inmediatamente a la siguien te pregunta: ¿por qué haría esto la gente? Dado que nopuede permitirse utilizar lo que denominaremos el gendel Dinero, tendrá que apelar en cambio a otras motiva ciones, a las que denominaremos los genes del Amor yla Gloria. Por ejemplo, Torvalds utilizó un tono lúdico

en muchos de sus mensajes de correo electrónico, ape lando al deseo de las personas de divertirse escribiendoeste software como un hobby. Además, la participaciónactiva en un proyecto tan visible como éste pronto seconvirtió en un signo de habilidad en programación y,por consiguiente, en una codiciada uente de estatus ygloria para muchos programadores.

Por último, debe plantear la pregunta: ¿Cómo lo ha rán? Al responderla, como el creador de Linux, ustedse da cuenta de que las partes de software que las per sonas crearán no son independientes entre sí. En cam bio, hay importantes interdependencias entre los dieren tes tipos de partes. Por ejemplo, cuando un módulo desoftware pasa una variable a otro módulo, ambos tienenque plantear supuestos similares res pecto al ormato de la variable. Esto sig nica que el gen Cómo que usted nece sitará es lo que denominaremos el gende la Colaboración.

Y ahora se da cuenta de que hasta elmomento hay una omisión muy impor tante en su pensamiento. Si cualquierpersona que lo desee puede escribir di erentes partes del software, ¿cómo pue de saber si una determinada parte –pro

cedente de alguien a quien ni siquieraconoce– tiene la suciente calidad? Y loque es igual de importante, ¿cómo pue de asegurarse de que todas y cada una delas dierentes partes uncionarán al combinarlas de or ma adecuada?

El gen de la Colaboración necesita por lo generalcombinarse con al menos un gen de Decidir para elegirlas partes con esas características. En particular, dado

que quiere que toda la multitud se centre en una ver sión principal del software (y no dividir sus esuerzos en tre muchas versiones dierentes), necesitará un gen deDecisión Grupal, en el que todas las personas que or man parte del grupo respeten las mismas decisionesrespecto a qué se incluye y qué no se incluye.

Brevemente considera dierentes subtipos del gende Decisión Grupal, como Votación (todos los miem

bros de la multitud pueden votar sobre qué partes uti lizar) o Consenso (todos pueden debatir hasta que to dos estén de acuerdo sobre qué partes utilizar), perousted decide utilizar un tipo sencillo de toma de deci sión que es habitual en las organizaciones tradiciona

Utilizando el gen de Multitud, lasactividades pueden ser desarrolladas porcada uno de los individuos que orman

parte de un extenso grupo que así lodecida, sin necesidad de que estas tareas

sean asignadas por alguien en unaposición de autoridad

La pregunta clave

¿Cómo puede lograr que una multitudhaga lo que su empresa necesita?

Hallazgos

• Se h emstr que iteigeci cectifuci, y es psibe iseñr y gestir ssistems e iteigeci cecti pr que ecjec ecesies especícs.

• ls eemets esecies, “gees”, e iteigeci cecti se puee recmbir prcrer e tip ecu e sistem.

• Cutr preguts pricipes impus e iseñe “gem” e iteigeci cecti: ¿quése está hcie?; ¿quié está hcie?; ¿prqué?; y ¿cóm?

Cuadro 1





les y que está bastante seguro de que uncionará en es te caso: el gen de la Jerarquía. En otras palabras, ustedmismo tomará esas decisiones o las delegará en otraspersonas en las que coníe. A esta combinación de ge nes podría denominarla el “genoma” básico de la co munidad Linux.

Por supuesto, Torvalds no tomó realmente todas es tas decisiones de este modo, pero mediante alguna com binación de intuición, prueba y error, y suerte, éstas sonlas decisiones de diseño que él y la comunidad Linuxadoptaron de orma implícita. Ahora, con el beneciode esta experiencia –y las experiencias plasmadas enmuchos otros ejemplos que se resumen en este artícu lo– usted puede ser más sistemático a la hora de dise ñar los ejemplos de inteligencia colectiva para su propiasituación.

Los genes de la inteligencia colectiva (ycómo desarrollar un genoma propio)Utilizar el enoque del genoma de un modo sistemáti co –de orma que pueda desarrollar exactamente el tipode sistema de inteligencia colectiva que le ayudará a rea lizar la tarea que desea– requiere una exhaustiva clasi cación de los dierentes tipos de genes. En este artícu lo nos centraremos en los dieciséis genes principales

(hay otros emergentes y también algunos subtipos degenes) y los actores implicados en su selección para ungenoma. Los dieciséis serán más áciles de comprendercuando vea que están clasicados en categorías deter minadas por las cuatro preguntas principales que tododiseñador del genoma de la inteligencia colectiva debeormular: qué, quién, por qué y cómo.

¿Qué?La primera pregunta que es necesario responder paracualquier actividad es: ¿qué se está haciendo? En las or ganizaciones tradicionales, la respuesta a esta preguntamuchas veces es contestada por la misión u objetivo. Aun nivel más detallado, es la tarea.

Para nuestros objetivos en este caso, las numerosastareas organizacionales a las que tienen que hacer ren te los sistemas de inteligencia colectiva se pueden resu

mir en dos genes básicos:

• Crear. En este gen, los actores en el sistema generanalgo nuevo: una parte de código de software, una en trada de blog, un diseño para una camiseta.

• Decidir. En este gen, los actores evalúan y seleccionanlas alternativas, decidiendo si se debería incluir unnuevo módulo en el siguiente lanzamiento de Linux,seleccionando qué diseño de camiseta se debe abri

Acerca del estudio

E 2006, recurrie más e quice ñs e experie ci ietic s ccimiets sbre s prcess eegci, uestr equip e iestigció reuió más ecie ejemps e iteigeci cecti e u wiki mHandbook of Collective Intelligence. ls escripcies sebsr pricipmete e ifrmes y estuis pubicse s sitis web e s ejemps. C e tiemp, ñi ms más ejemps prceetes e u gr rie efuetes, etre es u petició pubic e amzMechic Turk sicit gete que prprcirejemps e iteigeci cecti pr t só 3 cétimspr c ejemp. E ctui hy 249 ejemps e bse e ts e equip.

Premete, tmbié empezms esrrr u

serie e mrcs e csicció. E bjeti er estbe cer isticies imprttes (uque bis) y csi cr s ejemps e ctegrís que fuer mutumeteexcuyetes, cectimete exhustis y más fáci eituitis psibes e cmpreer y utiizr.

Pr prbr e mer ifrm e qué mei s mr cs e trbj pseí ests prpiees, s preset

ms s estuites e s cses e MIT, irectisy iestigres e reuies prfesies y siste tes e iestigció que s utiizr pr csicr sejemps.

E mrc e trbj que quí presetms es curtgeerció que hems esrr, c ris iterciese c geerció. U crcterístic ce e curtgeerció es e éfsis e izr c ejemp cmu cmbició e eemets esecies y itruc ció e gí geétic.

U e s eccies más imprttes que hemsprei e este trbj es que existe muchs frmse csicr s ejemps e iteigeci cecti. ncbe u e que e mrc e trbj preset e este

rtícu es e úic que puee ser úti. otrs mrcsque hce hicpié e fctres iferetes prí serúties pr bjetis istits. l pricip rmciórespect este mrc e ccret es que es úti prcmpreer s recies etre s iferetes tips eiteigeci cecti y pr geerr ies sbre uespsibiies.

Cuadro 2




julio2010 27

car, decidiendo si borrar o no un artículo de la Wiki- pedia, etc.

Identicar su objetivo básico determina con cuál deestos dos genes empezar, pero en la totalidad del geno ma, para realizar una tarea necesita por lo general almenos uno de cada. Los genes que corresponden aCrear casi siempre necesitan un gen de Decidir paraseleccionar cuál de los elementos creados se debe man tener. Y los genes de Decidir precisan por lo general ungen de Crear para generar las opciones que se deberánevaluar.

¿Quién?La siguiente pregunta que es necesario responder es:¿quién participa en la actividad? En este caso, hay dosgenes básicos:

• Jerarquía. En las organizaciones jerárquicas tradicio nales, esta pregunta es contestada cuando alguien con

autoridad asigna a una determinada persona o grupo de personas la ejecución de una tarea. Porejemplo, como hemos visto antes, Li nus Torvalds y sus colaboradores cla ve utilizan el gen de la Jerarquía cuan do deciden cuál de los numerososmódulos que se han presentado se in cluirá de hecho en el siguiente lanza miento del software.

• Multitud. Utilizando el gen de Multitud, las activida des pueden ser desarrolladas por cada uno de los in-dividuos que forman parte de un extenso grupo que así lo decida, sin necesidad de que estas tareas sean asig nadas por alguien en una posición de autoridad. Porejemplo, como hemos visto, cualquiera puede enviarun módulo para su posible inclusión en Linux.

A pesar de que las multitudes han hecho durantemucho tiempo algunas cosas, como votar en unas elec ciones, la comunicación electrónica de bajo coste a tra vés de Internet hace actible que en la actualidad lasmultitudes puedan hacer muchas más.

Por ejemplo, cualquiera puede crear un enlace a unapágina web, y cada nuevo enlace se convierte en unaparte de la base de datos que Google utiliza para pre sentar las respuestas a las búsquedas. Cualquiera pue de proponer un nuevo artículo o editar uno ya existen te en Wikipedia. Y cualquiera puede enviar un diseñode una camiseta a Threadless o votar por los diseños

presentados.

Del superordenador Cray a la potencia en nuestro escritorio

“déjeme ctres u histri sbre ifíci que esestr í c e ritm e cmbi e s tecgís,icus si, cm y, se supe que es su prfesió.

Hce pc tue prtui e isitr e deutschesMuseum e Muich, u e s muses más imprttese mu sbre cieci e igeierí. Es u prís prs fátics e tecgí. Tiee t u eic ispsitis e cácu y e guí e u recrri prt histri e s ispsitis mecáics, eectr mecáics, y pr útim s igites. Es u mrisexpsició.

Just se h u e s jys e cr esu cecció, u superrer Cry rigi. Cm espsibe que recuere, ests prts cuest fácime te mies e óres. Teí s fmss cmpetesitercects que miimizr istci tt e scbes, y que es ceerb eci e prcesmie t. Icus teí u bc pr setrse que er prte e

prcesr, cm u rr piez merist e mbii ri. Simpemete, t u ic e ifrmátic.Me ectré pregutáme si s reres pers

es e hy í er más rápis más ets que usuperrer Cry. deb ecir que sbí respues t. Pr tt, cu í cs, hice gu búsquee Gge y escubrí bstte prt que e rer que uste y y teems cces e ctui –pr upreci e tr s 1.000 óres ifereci e precie u Cry, que puee ir ese u mió hst 10 miese óres– es, cre pr mes 100 eces más pteteque e superrer Cry.

E cs es que icus qués e strs que se su pe que estms tt e ests teecis pr efr mció prfesi pems irs e ejs quehems eg. Y c qué rpiez hems hech”.

arew Mcafee, utr e Empresa 2.0.

Cuadro 3

La combinación de genes asociada con uejemplo especíco de inteligencia

colectiva se puede considerar como el“genoma” de ese sistema





La dependencia del gen Multitud es una caracterís tica central de los sistemas de inteligencia colectiva através de la Red. De hecho, todos los ejemplos que he mos estudiado incluían al menos un ejemplo del genMultitud, es decir, una tarea en la que todo aquél que

quisiera podía participar.

Cóm eegir etre Jerrquís y MutituesLa razón más importante para utilizar el gen de la Mul titud es explotar un conjunto mucho mayor de personasde lo que normalmente sería posible. Esto signica queel gen de la Multitud es muy útil en situaciones en lasque muchas personas tienen los recursos y las capaci dades necesarias para desarrollar una actividad o cuan do usted no sabe de antemano quién tiene tales recur sos y capacidades.

A pesar de que estas características no describen to

das las actividades, son aplicables en muchos más casosde los que normalmente creemos. En décadas anterio res, por ejemplo, cuando la grabación en vídeo y losequipos de edición eran tan caros que sólo unas pocasgrandes corporaciones se los podían permitir, era lógi co que la creación de películas y programas de televisiónse gestionara de orma jerárquica por parte de los estu

dios y los canales de televisión. Sin embargo, las ideascreativas siempre han estado ampliamente distribuidasentre la población, y ahora que muchas personas puedepermitirse sus propias cámaras de vídeo y equipo de edi ción, sitos como YouTube permiten que cualquiera pue

da crear y compartir sus grabaciones.Al explotar una gran multitud, en lugar de simple

mente asignar una tarea a unas pocas personas prese leccionadas, las organizaciones pueden por lo generalmaterializar varios tipos de ventajas. Por ejemplo, en Li nux y Wikipedia, pueden ahorrar dinero buscando per sonas dispuestas a realizar las tareas gratis. En Inno Centive, las empresas suelen encontrar personas de esamultitud que pueden solucionar los problemas que las em-

presas son incapaces de solucionar por sí mismas. En el mo vimiento de software de código abierto (como Linux),muchas personas creen que la calidad de los resultados

es mayor porque “muchos observadores” han examina do el código de orma más rigurosa. La multitud de co laboradores de Wikipedia suele incorporar noticias deúltima hora en los artículos sobre actualidad con mayorrapidez que otros sitios web. Y, por último, proporcio nando una sensación de control a las personas quemuestran un mayor entusiasmo sobre las camisetas ar

tísticas, Threadless parece aprovechar en mayor medida la motivación y la ener -

gía de las personas de lo que lo haría elgen de la Jerarquía.

Para que el gen de la Multitud un cione en una determinada situación,también es necesario satisacer algu nos requisitos “técnicos”. Por ejemplo,debe ser posible dividir la actividad enpartes que se pueden ejecutar de ormasatisactoria por dierentes miembrosde la multitud. Además, debe habermecanismos en vigor que protejanrente a personas que pretenden apro vecharse o sabotear el sistema.

Cuando no se cumplen las condicio nes para utilizar una Multitud, puedeutilizar una Jerarquía (por lo general

con el signicado de “gerencia”). Porejemplo, si sólo unas pocas personastienen las capacidades que usted nece sita, y ya sabe quiénes son estas perso nas, puede asignarles la tarea directa mente. O si no sabe cómo evitar quelas personas de una Multitud saboteensus objetivos, es posible que necesiteutilizar una Jerarquía. En este sentido,

Las preguntas de diseño detrás de lainteligencia colectiva

Pr cstruir exctmete e tip e sistems e iteigeci cectique grrá reizr tre que ese u rgizció, s irectisebe frmur cutr preguts pricipes: ¿Qué se está hcie?¿Quié está hcie? ¿Pr qué está hcie? y ¿Cóm?

Cuadro 4

Estructur/Prcess

objeti

Qué

Cómo

Quién Por qué IcetisPers





puede considerar el gen de la Jerarquía tradicional co mo el gen “por deecto”, aquél que se debe utilizar cuan do no sabe cómo lograr que uncione el gen de la Mul titud.

¿Por qué?Estrechamente relacionado con la pregunta “Quién” sehalla “Por qué”. ¿Por qué las personas toman parte enla actividad? ¿Qué las motiva a participar? ¿Cuáles sonsus incentivos?

Es imposible hacer justicia en un breve resumen atodo lo que se sabe sobre las motivaciones humanas.A modo de síntesis simplicada de las posibilidades,sin embargo, tres principales genes de Por Qué pue den abarcar las motivaciones de alto nivel que llevan alas personas a participar en los sistemas de inteligen cia colectiva:

• Dinero. La promesa de benecios económicos esun importante actor de motivación para la mayo ría de actores en los mercados y las organizacionestradicionales. Algunas veces, las personas reciben

pagos directos, como un salario, y otras veces espe ran que participar en una actividad aumentará lasprobabilidades de retribución económica en el u turo, como en los casos en los que se ejecutan ta

reas para mejorar la reputación proesional o lashabilidades.

• Amor. El amor también es un importante actor demotivación en muchas situaciones, incluso cuandono hay ninguna perspectiva de benecio económico.

El gen del Amor puede adoptar diversas ormas; lagente puede estar motivada por el disfrute inherentede realizar una actividad, por las oportunidades queorece socializar con otros o porque les hace sentir queestán contribuyendo a una causa mayor que ellos. Losestudios de Wikipedia han mostrado que sus colabo radores están motivados por estas tres variantes delgen del Amor.

• Gloria. La gloria o reconocimiento es otro importan te actor de motivación para las personas. Los pro gramadores de muchas comunidades de software decódigo abierto, por ejemplo, extraen su motivación

del deseo de ser reconocidos por sus homólogos porsus aportaciones.

Cóm eegir etre s gees Pr QuéPor supuesto, estos tres genes Por Qué no son algo nue

vo; este tipo de palancas motivacionalesse utilizan en todas las organizaciones.Lo que es nuevo respecto a muchos delos sistemas de inteligencia colectiva quehan surgido en los últimos años es sudependencia de los genes del Amor y laGloria, a dierencia de las organizacionestradicionales, que han utilizado en ma

yor medida el Dinero como uerza demotivación. Por ejemplo, los sistemas deinteligencia colectiva suelen diseñar deorma explícita oportunidades de reco nocimiento compilando y publicando lis

tas de los “principales colaboradores” o institucionalizan do dierentes tipos de miembros en base a la participa ción que coneren dierentes grados de estatus, como

power seller en eBay y top reviewer en Amazon.

Cuadro 5

El genoma de la inteligencia colectiva de Linux

Ejemplo Qué Quién Por qué Cómo

Linux Crer nues móus e software Mutitu amr, Gri Cbrció

deciirQué móus grtiz icusió Trs y

amr, Gri Jerrquíe e siguiete zmiet cbrres

El gen de la Multitud es muy útil ensituaciones en las que muchas personas

tienen los recursos y las capacidades

necesarias para desarrollar una actividado cuando usted no sabe de antemanoquién tiene tales recursos y capacidades




julio2010 31

Cuadro 6

La tabla genética de la inteligencia colectiva

Pregunta Gen Útil cuando...

Quién Multitud • ls recurss úties pr ejecutr s ctiies se h mpimeteistribuis e ugres ccis e tem.

• ls ctiies se puee iiir e prtes e frm stisfctri (ifrmció ecesri se puee cmprtir; e sbtje y trs prácticssimires se puee gestir).

• ls mutitues puee hcer css e u m más brt, más rápi,c myr ci c myr mtició.

Jerarquía (o gerencia) • n se reúe s cicies e Mutitu.

Por qué Dinero • Muchs fctres s picbes, emsi cmpejs pr eumerrs

Amor quí, per hy s regs básics:

Gloria – aper amr y Gri, e ugr e dier, puee pr geer(uque siempre) reucir s cstes.

– ofrecer dier y Gri puee pr geer (uque siempre) iuire irecció y rpiez e u grup.

Cómo- Colección • Cicies e Mutitu, más… Crear • l ctii se puee iiir e prtes más pequeñs que se puee

reizr (e su myr prte) e frm iepeiete etre sí.

Ccurs • Cicies e Cecció, más… • Só u ( us pcs) bues sucies s ecesris.

Colaboración • l ctii se puee iiir e prtes más pequeñs iepeietes(e ctrri, Cecció serí mejr).

• Hy frms stisfctris e gestir s epeecis etre s prtes.

Cómo- Decisiones grupales • Cicies e Mutitu, más…

Decidir • T e mu e e grup tiee que ceptr mism ecisióvtció • Cicies e decisies grupes, más… • Es imprtte que Mutitu esté cmprmeti c ecisió.

Prmei • Cicies e vtció, más… • l ecisió csiste e ccur u cifr. • l Mutitu preset igú sesg sistemátic hr e ccur cifr.

Cses • Cicies e vtció más… • lgrr u cses e u tiemp rzbe (e grup es sucietemete

pequeñ tiee puts e ist simires).

Mercs e • l ecisió csiste e ccur u cifr.preicció • l Mutitu tiee gu ifrmció pr ccur cifr ( hy sesgs i

ifrmció iepeiete). • agus perss puee teer (u bteer) mejr ifrmció que trs. • S úties s estimcies ctuizs e frm ctiu.

Decisiones • Cicies e Mutitu, más… individuales • ls iiius puee tmr sus prpis ecisies.

Merc • Cicies e decisies Iiiues, más… • E dier es ecesri pr mtir s perss pr que prprcie

e esfuerz ecesri u trs recurss.

Rees Scies • Cicies e decisies Iiiues, más… • ls mticies ecómics s sucietes pr que s perss

prprcie e esfuerz ecesri u trs recurss. • a s iiius es prece que piió e s emás es úti pr tmr

sus prpis ecisies.

C u e s gees imprttes – eemets esecies– e iteigeci cecti se puee cmbir ctrs gees c e e crer e sistem ecu pr reizr u tre. Est tb eumer s gees más

imprttes y escribe s cicies e s cues s más úties.





Dos reglas básicas son especialmente importantespara motivar a los grupos a participar en los sistemasde inteligencia colectiva:

• Apelar al Amor o a la Gloria, o a ambos, puede redu-

cir costes. Amazon no orece ningún tipo de remu neración por las valoraciones que publica; los usua

rios las escriben con el n de obtener reconocimien to o porque simplemente disrutan haciéndolo.

La dependencia del Amor o la Gloria, sin embar go, no unciona siempre. Cuando la empresa H.J.Heinz invitó al público a que la ayudara a crear unnuevo anuncio de ketchup, tuvo que hacer rente aimportantes gastos para promocionar el concurso yanalizar la gran cantidad de propuestas enviadas. YHeinz acabó alienando a algunos clientes, quienes“hablaban mal [de la compañía] en los oros de su si tio web por ser perezosa y buscar sólo mano de obrabarata”.

• El Dinero y la Gloria pueden ayudar a la Multitud avan-zar con mayor rapidez. Suele ser diícil controlar a quévelocidad o en qué dirección avanza una multitud. Sinembargo, si existen objetivos especícos, algunas ve ces es posible infuir en la Multitud con el n de lo grarlos con mayor rapidez oreciendo Dinero o Gloriaa los miembros de esa Multitud que avanzan en la di rección deseada. Un ejemplo de este enoque es IBM,

que asigna a muchos de sus proesionales tareas so bre las características de Linux que son especialmen te importantes para la compañía.

Aunque la selección y combinación de los genes mo tivacionales es un asunto muy complejo, también re sulta extremadamente importante. A pesar de que noconocemos ningún estudio sistemático sobre este te ma, sospechamos que equivocarse en los actores mo

tivacionales es el principal actor detrás de los allidosesuerzos por lanzar nuevos sistemas de inteligenciacolectiva.

¿Cómo?

La última pregunta que es necesario responder con re lación a una actividad es: ¿cómo se está haciendo? En

las organizaciones tradicionales, estapregunta se suele responder al describirlas estructuras y los procesos organiza cionales.

Muchos sistemas de inteligencia co lectiva aún emplean jerarquías para al gunas de sus tareas, pero lo que es nue vo es cómo utilizan a las multitudes. Porconsiguiente, nos hemos centrado enejemplos del gen Cómo en los que la

multitud ejecuta tareas de Crear o De cidir.Un elemento clave de la respuesta a

esta pregunta es si los dierentes miem bros de la multitud realizan sus aporta

ciones y toman las decisiones de forma independiente en tre sí o si hay uertes dependencias entre sus aportaciones.Esta perspectiva da lugar a cuatro tipos de genes Cómopara las Multitudes: el gen de la Colección, la Colabora ción, la Decisión Individual y la Decisión Grupal.

Los dos genes Cómo asociados con la tarea de Crearson Colección y Colaboración.

• Colección. Este gen ocurre cuando los elementos queaporta cada miembro de la multitud se crean de or ma independiente entre sí. Por ejemplo, los vídeosde YouTube se crean en su mayor parte de orma in dependiente entre ellos, y esto convierte a YouTubeen una colección. Otros ejemplos de este gen habi tual son Digg, una colección de noticias, y Flickr, unacolección de otograías.

Además de las condiciones de Multitud en gene ral, la condición más importante para que el gen deColección sea útil es que sea posible dividir la activi dad global en partes más pequeñas que pueden eje

cutar de orma independiente los dierentes miem bros de la multitud. Si no se da esta condición, en tonces el gen de la Colaboración es probablementenecesario.

Un subtipo importante del gen de Colección es elConcurso. En los concursos, como Threadless e In noCentive, uno o varios elementos de la colección sedesignan como las mejores entradas y reciben un pre mio u otra orma de reconocimiento.

Los sistemas de inteligencia colectivasuelen diseñar oportunidades de

reconocimiento presentando listas de los“principales colaboradores” o

institucionalizando dierentes tipos de

miembros en base a la participación queconeren dierentes grados de estatus





En Netfix Prize, se orecía un premio de 1 millónde dólares por el primer algoritmo que uera al me nos un 10% mejor que el que utilizaba Netfix parasugerir a los clientes qué DVD les gustarían más. Al gunos de los matemáticos e inormáticos más inte ligentes del planeta dedicaron un número incalcula ble de horas a este reto durante un período que abar có casi más de tres años. El equipo que nalmenteganó combinó las personas y los algoritmos de otros

equipos, cada uno de los cuales tenía soluciones queeran buenas, pero no lo sucientemente buenas pa ra ganar por sí solas.

El gen del Concurso es útil cuando existen todaslas condiciones para una Colección y sólo son nece sarias una o varias soluciones. Los clientes de Inno Centive, por ejemplo, no necesitan una gran cantidadde soluciones alternativas a sus problemas. Tan sólonecesitan una o, a lo sumo, unas pocas. Además, pa

Cuadro 7

Una historia de tres genomas: ‘Wikipedia’, InnoCentive y Threadless

Cmpre e ejemp e liux c e m e e que JimmyWes y trs iseñr cmui que h cre Wi-kipedia. E este cs, cm e liux, e bjeti básices grr que u Mutitu pue Crer g (u ecic pei on-line grtuit) pr amr y Gri. Si embrg,est ez, ifereci e liux, s iferetes prtes quese cre s e su myr prte iepeietes etre sí.Est sigic que ecesitms e ge que emimsCecció. Cuquier pers e Mutitu puee creru rtícu ue, y Cecció e ts ess rtícusiepeietes cstituye ecicpei.

a igu que e ge e Cbrció, e ge e C ecció requiere pr geer u ge e deciir prseeccir qué eemets e ts s eemets cres

pr mutitu se ebe mteer.U m e tmr ests ecisies h si utiizr ege e Jerrquí, cm hiz liux, y ejr que Wesy trs pcs perss eci qué rtícus brrr. Siembrg, Wes y trs querí que ts s miembrse cmui tuier u myr sesció e per yprpie respect Wikipedia y, pr csiguiete, queestuier más mtis pr ctribuir su éxit. Pre sumibemete tmbié querí u prces que puiermpir su esc rápimete que fuer cpz e ges tir u gr cti e rtícus si hcer ecesri prticipció irect e Wes e s perss e sque cb persmete.

Pr tt, utiizr s gees e deciir e re.E primer es u ge e vtció: cuquier pers e mutitu puee “mir” u rtícu pr ser brr . Y cuquier pers e mutitu puee tmbiéexpresr su piió sbre ese rtícu se ebe brrr . E segu ps es u ge e Jerrquí: u e smiistrres e Wikipedia iz s ts (y trsebtes) y ecie si hy que brrr e rtícu . Hsthr hems hb e cóm se icuye s rtícus e cecció gb e Wikipedia, per u e s spec ts más estcbes e su iseñ es e m e e que seeit s rtícus iiiues; este prces utiiz e gee Cbrció, y que hy fuertes iterepeecisetre s eicies que iferetes perss reiz e

mism rtícu. Pr ejemp, u pers puee ñ ir u frse u pbr que tr pers hy brr.U frm e gestir ests iterepeecis serí ce ge e Jerrquí, pr ejemp, mbr u eitrpr c rtícu que se respsbe e chereci yci e ese rtícu.

Si embrg, Wikipedia eigió u terti muchmás ric: e ge e Cses. Cuquier que eseepuee micr prácticmete cuquier rtícu, y estse repite mietrs hy guie que quier reizr cu quier tr cmbi. a pesr e que s muchs s fctresecesris pr que u etermi sistem teg éxit,cuquier que iseñe u sistem pr que u cmui pue crer pructs iteectues cmpejs –cm

iseñs e pructs, sesrmiet ibrs– eberíizr cuismete s pc hbitues cmbici es e gees itrucis pr liux y Wikipedia.

Comparando Threadless y InnoCentiveEste m e izr s gems tmbié puee p er e reiee imprttes simiitues y iferecis etreejemps recis. Pr ejemp, tmems s csse que mrems e ge e Ccurs, e e que smiembrs e Mutitu cre u Cecció e eeme ts y, ctiució, eige gus e ess eemetscm gres.

E primer ejemp es Threess, e s eemetscres s iseñs e cmisets. E segu es ICe tie, e s eemets cres s sucies ifíciesprbems cietícs que se es pte s empress,pr ejemp cóm sitetizr u etermi cmpetequímic. C ICetie, s empress pubic e primerugr sus prbems e pági web e ICetie. actiució, u mutitu e más e 100.000 cietícsy tecógs e t e mu puee er s prbems,y gus eciirá trbjr e es. ls cietícs queresuee stisfctrimete u prbem preset sussucies, y empres s recmpes c premis ehst 100.000 óres más pr mejr sució.

ls gems básics e Threess e ICetie sprácticmete iétics. ambs empiez c u ge e




julio2010 35

ra que un concurso uncione, los genes de Por Qué,como el Dinero o la Gloria, deben ser lo suciente mente poderosos como para motivar a los concursan tes a participar sin ninguna garantía de recibir unpremio. Esto transere de orma eectiva los riesgosdel patrocinador del concurso a los concursantes; lasempresas que publican problemas en InnoCentiveno tienen que pagar una recompensa a menos quealguien de hecho resuelva el problema.

• Colaboración. El gen de la Colaboración ocurre cuan do los miembros de una Multitud trabajan de ormaconjunta para crear algo y existen importantes depen dencias entre sus aportaciones. Como vimos anterior mente, Linux y otros proyectos de software de códigoabierto son ejemplos del gen de la Colaboración de bido a las interdependencias entre los módulos pre sentados por los dierentes colaboradores. Igualmen te, los cambios que los dierentes colaboradores rea

Crer e e que s miembrs e Mutitu presetsus eemets u Ccurs, y mbs termi c uge e Jerrquí e e que s irectis e empresecie cuá e s prpuests grá. l úic iferecies que Threess tmbié icuye e ge e Prmei,meite e cu s miembrs e cmui putús iseñs e s cmisets, y ests putucies iu ye sigictimete e ecisió útim e ireccióe empres.

E e cs e ICetie, est fse e tció prprte e cmui prbbemete terí seti,

y que empres que tiee e prbem que precis usució querrá pr geer que cmui ets s etrs. aemás, irecció e empresestá mejr cuic que cmui pr eur iei e s sucies prpuests e e ctext es ecesies úics e empres. a est hy que ñ ir que e bjeti e Threess es prucir cmisetsque se eerá bie e e merc. Pr tt, e estecs –y e muchs trs e s que ecisió impiceur qué e gustrá ms– pregutr piió e ms es muy ógic.


Crear la colección Crer artícu ue Mutitu amr, Gri Cecció

de los artículos

deciir Si brrr (preimir) Mutitu amr, Gri vtcióde la Wikipediadeciir Si brrr () amiistrres amr, Gri Jerrquí

e Wikipedia

Editar un artículo ya Crer nue ersió e Mutitu amr, Gri Cbrcióexistente de la rtícu.

Wikipedia deciir Si mteer e ctu Mutitu amr, Gri Cses

El genoma de la inteligencia colectiva de ‘Wikipedia’


InnoCentive Crer Sucies cietícs Mutitu dier Ccurs

deciir Quié recibe recmpes Gereci dier Jerrquí

Threadless Crer diseñs e cmisets Mutitu dier, amr Ccurs

deciir Qué iseñs s mejres Mutitu amr Prmei

deciir Qué iseñs utiizr Mutitu dier Jerrquí

Comparación de los genomas de la inteligencia colectiva de InnoCentive y Threadless





lizan en un único artículo de Wikipedia son uerte mente interdependientes, por lo que cada artículo in dividual es una colaboración.

El gen de la Colaboración es útil cuando se cum plen dos condiciones. En primer lugar, una Colección

es imposible porque no hay ormas satisactorias dedividir una extensa actividad en partes independien tes. En segundo lugar, hay ormas satisactorias degestionar las dependencias entre las partes individua les aportadas por los miembros de la multitud. En lapráctica, gestionar las dependencias entre las partessuele implicar alguna combinación de los genes deDecidir.

Para las tareas de Decidir, hay dos categorías posiblesde genes: los genes de Decisión Grupal y los genes deDecisión Individual. Las Decisiones Grupales son úti

les cuando todos en el grupo tienen que respetar la mis ma decisión. Por ejemplo, todos los miembros del equi pos de desarrollo de un producto deberían trabajar apartir de las mismas especicaciones de producto. Cuan do no es necesario un acuerdo general o cuando los gus tos o los puntos de vista de la población son altamenteheterogéneos, por ejemplo a la hora de decidir qué ví deos ver de YouTube, los individuos por lo general pue den tomar sus propias decisiones de un modo más eec tivo y el gen de Decisión Individual es más adecuado.

• Decisiones Grupales. El gen de la Decisión Grupalocurre cuando los miembros de la comunidad se reú

nen para tomar decisiones que repercuten en el gru po como unidad. En algunos casos, como Thread less, esta decisión determina el subconjunto de ele mentos aportados que se incluirán en el resultadonal. En otros, como Digg, la decisión está relacio nada con generar un orden común de clasicación

de las contribuciones. En algunos otros casos, comolos mercados de predicción, las decisiones están re lacionadas con sumar las aportaciones individualespara ormar una estimación visible públicamente deuna cantidad.

Variantes importantes del gen de Decisiones Gru pales son Votación, Consenso, Promedio y Mercadosde Predicción.– Votación. Las nuevas tecnologías hacen que el gen

de la Votación sea actible en muchas situacionesen las que antes no hubiera sido práctico. Por ejem plo: los usuarios de Digg votan qué historias sonmás interesantes y las historias ganadoras se mues tran de orma destacada en el sito web.

Una importante subvariación de Votación es Vo tación implícita, donde acciones como comprar ovisitar elementos se cuentan como “votos” implíci

tos. Por ejemplo, iStockphoto muestra las otos se gún el número de veces que cada oto ha sido des cargada, y YouTube clasica los vídeos según el nú mero de veces que han sido vistos.

Otra importante subvariación implica Votaciónponderada. Por ejemplo, Google clasica los resul tados de las búsquedas, en parte en base al núme ro de páginas web que tienen enlaces con otros si tios de la lista. Sin embargo, el algoritmo de Goo gle da más peso a los enlaces de los sitios que son,a su vez, más populares.

– Consenso. Consenso signica que todos, o básica mente todos, los miembros de un grupo están de

acuerdo con la decisión nal. Por ejem plo, en Wikipedia, los artículos que per manecen sin cambios son aquéllos cuyaversión actual es satisactoria para laspersonas a las que les interesa.

Si el grupo es lo sucientemente pe queño y con ideas anes para llegar a unconsenso en un período de tiempo razo nable, entonces el Consenso puede serel método más adecuado. No obstante,alcanzar un consenso total en un grupogrande o diverso suele ser por lo gene

ral imposible, por lo que la Votación sue le ser mejor en estos casos. Votación yConsenso son ambos útiles cuando es

importante que todo el mundo esté comprometidocon el resultado.

– Promedio. En los casos en los que las decisionesimpliquen calcular una cira, otra práctica habituales determinar el promedio de las ciras aportadaspor los miembros de la Multitud. En algunos casos,

A pesar de que no conocemos ningúnestudio sistemático sobre ello,

sospechamos que equivocarse en losactores motivacionales es el principal

elemento detrás de los allidos esuerzospor lanzar nuevos sistemas de

inteligencia colectiva




julio2010 37

como adivinar el peso de un buey, una sencilla me dia unciona sorprendentemente bien.

El Promedio se suele utilizar en sistemas que sebasan en una escala de puntos para valorar la cali dad. Por ejemplo, los usuarios de Amazon pueden

puntuar libros o CD en una escala de cinco estre llas, y se determina el promedio deestas valoraciones con el n de ore cer una puntuación global para ca da artículo. Sistemas similares per miten a los usuarios de Expedia va lorar los hoteles y a los usuarios deInternet Movie Database puntuarlas películas. En un ejemplo de pro medio especialmente sorprenden te, la NASA en 2001 2002 dejó quetodo el mundo pudiera ver las otos

de la supercie de Marte en Inter net e identicara características quecreían que eran cráteres. Cuando se determinó elpromedio de las aportaciones de los acionados,hallaron que era tan exacto como las clasicacionesque habían realizado los expertos cientícos.

En general, el gen del Promedio se puede utili zar para permitir a una multitud calcular cualquiercosa que se pueda expresar mediante una cira.Cuando los miembros de una multitud proporcio nan este tipo de estimaciones, las ciras que pre sentan incluyen alguna inormación relevante (se ñal) y algunos errores aleatorios (ruido). Cuandolos errores son realmente aleatorios y no sistemá ticamente sesgados en alguna dirección, el prome dio unciona bien, ya que los errores se eliminanmutuamente. No obstante, el promedio puede re sultar en estimaciones decientes si los errores pre sentan de algún modo desviaciones sistemáticas.Por ejemplo, el sesgo puede aparecer en situacio nes en las que los primeros participantes infuyenen los que deciden colaborar con posterioridad, ocuando el grupo de participantes no es lo sucien temente diverso para incluir todas las perspectivasrelevantes.

• Mercados de Predicción. Un modo muy útil de per mitir que la multitud calcule la probabilidad de even tos uturos es con los Mercados de Predicción, en loscuales las personas compran y venden “participacio nes” de predicciones sobre los eventos uturos. Si supredicción es correcta, son recompensados, ya seacon dinero real o con puntos que se pueden canjearen metálico o con premios. Google, Microsot y BestBuy han utilizado los mercados de predicción para

explotar la inteligencia colectiva de las personas en elseno de sus organizaciones.– Decisiones Individuales. La categoría de genes de

las Decisiones Individuales ocurre cuando losmiembros de una Multitud toman decisiones que,

aunque basadas en las aportaciones de la multitud,

no es necesario que sean idénticas para todos. Porejemplo, los usuarios individuales de YouTube de ciden por sí mismos qué vídeos ver. Es posible queestén infuidos por las recomendaciones o puntua ciones de los demás usuarios, pero no es necesarioque vean los mismos vídeos que los demás.

Dos variaciones importantes del gen de las De cisiones Individuales son Mercados y Redes So ciales.n Mercados. En los mercados, algún tipo de inter

cambio ormal (por ejemplo dinero) está presen te en las decisiones. Cada miembro de la multi tud toma una decisión individual sobre qué pro

Las Redes Sociales son especialmenteútiles cuando no es preciso pagara los individuos y les parece que

la inormación sobre las opinionesde los demás es útil a la hora de tomar

sus propias decisiones





ductos comprar o vender. Las decisiones de com pra por parte de los compradores de la comuni dad determinan la demanda colectiva, la cual,por su parte, aecta a la disponibilidad de los pro ductos y a sus precios. A su vez, las cantidades y

los precios de los bienes que los vendedores po nen en venta en la comunidad infuyen, pero novinculan, las decisiones de compra.

Durante milenios han existido mercados detodo tipo de bienes y servicios, pero las nuevas

tecnologías permiten nuevas ormas electróni cas de los mercados. Por ejemplo, en iStockpho to, los otógraos ponen sus otos a la venta enun sitio web, y los editores y otras personas in teresadas compran los derechos para utilizar lasotos que quieren. En eBay, los vendedores pu blican los elementos que quieren vender, y loscompradores pujan por ellos.

n Redes Sociales. En las redes sociales, los miem bros de una comunidad orman una red de rela ciones que, dependiendo del contexto, se puedetraducir en niveles de conanza, similitud degustos y puntos de vista u otras característicashabituales que pueden generar que los indivi duos sientan anidad con otros. Los miembrosde una comunidad asignan dierentes pondera ciones a las aportaciones individuales en base asu relación con las personas que los proporcio nan y, a continuación, toman decisiones indivi duales. Excelentes ejemplos son los “canales” deYouTube, las redes de conanza de Epinions.com, las recomendaciones personalizadas de

Amazon.com y la propia blogosfera.Cuando las decisiones individuales son necesa

rias, los Mercados son especialmente útiles cuan do el dinero o incentivos similares resultan impres cindibles para motivar a las personas para que rea licen un esuerzo necesario o proporcionen otrosrecursos. Las Redes Sociales son especialmente úti

les cuando no es preciso pagar a los individuos yles parece que la inormación sobre las opinionesde los demás es útil a la hora de tomar sus propiasdecisiones.

El genoma de la inteligencia colectiva:¿qué será lo siguiente?Los primeros ejemplos de inteligencia colectiva a tra vés de red no son el nal de la historia, sino tan sólo

el principio. A medida que las capaci dades de la inormática y las comunica ciones sigan mejorando, habrá una mi ríada de ejemplos como éstos en laspróximas décadas.

Queda aún mucho trabajo por hacerpara identicar todos los genes de la in

teligencia colectiva, las condiciones enlas que estos genes son útiles y las limi taciones que rigen sus posibles combi

naciones. No obstante, creemos que el marco genéticoque aquí se describe proporciona un punto de partidamuy útil.

Con este marco de trabajo, los directivos pueden ha cer algo más que simplemente analizar los ejemplos yesperar la inspiración. En cambio, para cada actividadclave que se debe ejecutar, pueden analizar sistemática mente muchas combinaciones posibles de respuestas alas preguntas de Qué, Quién, Por Qué y Cómo.

Este enoque no garantiza el desarrollo de ideas nue vas y brillantes. Sin embargo, aumenta las oportunida des de que los demás empiecen a explotar las sorpren dentes posibilidades que ya han demostrado sistemascomo Google, Wikipedia y Threadless.

El gen de la Decisión Grupal ocurrecuando los miembros de la comunidadse reúnen para tomar decisiones que

repercuten en el grupo como unidad

Si desea más información relacionadacon este tema, introduzca el código 21151

en www.e-deusto.com/buscadorempresarial

«E gem e iteigeci cecti». © Msschusetts Istitute f Tech gy. Este rtícu h si pubic terirmete e MIT Sloan Manage-ment Review c e títu “The Cectie Iteigece Geme”. Refereci.o 3654.

el genoma de la inteligencia colectiva

Documents