Clase 017 — Probabilidad, incertidumbre y riesgo

Parte: 01 — Pensamiento crítico y toma de decisiones
Nivel: Etapa 1 — Profesional → Líder
Duración sugerida: 150–180 minutos · Estándar: deep-class-v2

🎯 Propósito

Decidir bajo incertidumbre exige separar probabilidad, impacto y tolerancia al riesgo. No saber con certeza no impide actuar: se pueden construir escenarios, rangos, valor esperado y decisiones robustas. La meta es evitar dos extremos, falsa precisión y parálisis por incertidumbre.

La salida de esta parte es decidir con evidencia, incertidumbre, causalidad y pensamiento sistémico. En esta clase, esa progresión se concreta al exigir que cada afirmación sobre probabilidad, incertidumbre y riesgo termine en una definición operacional, una señal observable, una decisión y una condición de revisión.

📚 Resultados de aprendizaje

Al finalizar podrás:

Distinguir incertidumbre, probabilidad, impacto, riesgo, valor esperado mediante observables, no por memoria verbal.
Explicar por qué esas distinciones cambian una decisión de profesional → líder.
Aplicar la secuencia 1. enumerar estados futuros materialmente distintos → 2. asignar rangos o probabilidades justificadas → 3. estimar impacto y reversibilidad → 4. comparar opciones por valor y downside → 5. definir triggers para actualizar la decisión conservando supuestos, alternativas y trazabilidad.
Interpretar rango de forecast, probabilidad calibrada, downside máximo sin confundir señal, explicación y causalidad.
Resolver el caso ejecutivo con al menos dos opciones plausibles y un criterio explícito de stop/revisión.
Contrastar dos obras de referencia y explicar dónde sus lentes son complementarias o entran en tensión.

🧭 Agenda

Tramo	Evidencia de aprendizaje
0–20 min	Recuperación: define incertidumbre y probabilidad sin mirar la tabla; corrige con la fuente.
20–70 min	Lectura guiada de conceptos + contraste de dos referencias.
70–115 min	Ejemplo trabajado con rango de forecast y trazabilidad de supuestos.
115–155 min	Caso ejecutivo: dos alternativas, trade-offs y decisión provisional.
155–180 min	Entregable, preguntas de comprobación y registro de lo que aún no sabes.

🧩 Conceptos centrales

Concepto	Definición operacional	Cómo demostrar comprensión
incertidumbre	falta de conocimiento completo sobre estados o resultados futuros	Distingue un hecho compatible y otro que lo refute.
probabilidad	grado cuantificado de creencia o frecuencia esperada de un evento	Distingue un hecho compatible y otro que lo refute.
impacto	consecuencia si el evento ocurre	Distingue un hecho compatible y otro que lo refute.
riesgo	exposición combinada a probabilidad y consecuencia	Distingue un hecho compatible y otro que lo refute.
valor esperado	promedio ponderado de resultados por sus probabilidades	Distingue un hecho compatible y otro que lo refute.

🧠 Modelo mental

1. enumerar estados futuros materialmente distintos → 2. asignar rangos o probabilidades justificadas → 3. estimar impacto y reversibilidad → 4. comparar opciones por valor y downside → 5. definir triggers para actualizar la decisión

La secuencia nace del problema de esta clase: Decidir bajo incertidumbre exige separar probabilidad, impacto y tolerancia al riesgo. No saber con certeza no impide actuar: se pueden construir escenarios, rangos, valor esperado y decisiones robustas. La meta es evitar dos extremos, falsa precisión y parálisis por incertidumbre. El método es útil mientras las condiciones permitan observar las señales requeridas. No elimina incertidumbre; la hace visible y obliga a decidir proporcionalmente a la evidencia. Límite principal: Probabilidades numéricas débiles pueden crear ilusión de precisión. Cuando no existe base suficiente, rangos, escenarios y decisiones robustas son preferibles a porcentajes arbitrarios.

📖 Desarrollo

1. incertidumbre: mecanismo central

incertidumbre se entiende aquí como falta de conocimiento completo sobre estados o resultados futuros. Esta es la pieza causal o estructural desde la que se inicia probabilidad, incertidumbre y riesgo: antes de enumerar estados futuros materialmente distintos, el gerente debe poder señalar qué cambia en el sistema si el concepto está presente y qué debería observar si no lo está. Una definición que no produce predicciones observables todavía es demasiado vaga para dirigir.

La lectura rectora de este bloque es Daniel Kahneman — Thinking, Fast and Slow. Su aporte se usa para examinar sesgos, juicio bajo incertidumbre y límites de la intuición. Aplica esa lente al caso sin convertirla en dogma: escribe una proposición de la obra que apoye tu diagnóstico, una condición del caso que la limite y una consecuencia práctica. La evidencia mínima es rango de forecast; regístrala con periodo, unidad, población y baseline.

Relaciona el mecanismo con probabilidad. Si ambos cambian juntos, no concluyas causalidad automáticamente: identifica una tercera variable o mecanismo alternativo que también pueda explicar el patrón. El resultado de este bloque debe ser una hipótesis refutable, no una recomendación anticipada.

2. probabilidad: frontera conceptual y error de clasificación

Definición operacional: grado cuantificado de creencia o frecuencia esperada de un evento. Su valor está en distinguirlo de incertidumbre y impacto. En una decisión real, clasificar una situación en la categoría equivocada cambia la intervención: puedes asignar autoridad donde faltaba información, medir un output cuando debías observar un proceso o tratar una restricción como si fuera una preferencia.

Contrasta el problema con Gary Klein — Sources of Power, que aporta una mirada sobre reconocimiento de patrones y decisión naturalista en contextos reales. Formula dos mini-casos: uno que sí satisface la definición de probabilidad y otro que solo se parece superficialmente. Luego pregunta qué señal distinguiría ambos; para esta clase, probabilidad calibrada es una candidata, pero debe combinarse con evidencia cualitativa o documental cuando el fenómeno no sea directamente medible.

Antes de asignar rangos o probabilidades justificadas, registra explícitamente qué decisión sería errónea si esta frontera conceptual se ignora. Esa frase convierte el vocabulario en criterio gerencial.

3. impacto: operacionalización y medición

impacto significa consecuencia si el evento ocurre. El problema ya no es definirlo, sino operacionalizarlo: qué contar, durante qué ventana, con qué denominador, contra qué baseline y con qué segmentación. Una métrica útil conserva suficiente contexto para no confundir mejora local con mejora del sistema.

Donella H. Meadows — Thinking in Systems orienta este bloque mediante perspectiva de Sistemas aplicada al problema de la clase. Usa esa perspectiva para diseñar una ficha de medición: señal → fórmula/criterio → fuente → frecuencia → owner → interpretación permitida → interpretación prohibida. La señal asignada es downside máximo. Si no existe un dato confiable, la salida correcta no es inventar precisión: diseña el mecanismo de captura y declara la incertidumbre.

Al llegar a estimar impacto y reversibilidad, compara tendencia, distribución y casos atípicos. Pregunta además si el indicador es leading o lagging y si puede ser manipulado por quienes son evaluados con él. La medición debe informar una decisión; nunca convertirse en el objetivo que reemplaza al fenómeno.

4. riesgo: trade-offs y efectos de segundo orden

Definición: exposición combinada a probabilidad y consecuencia. Este concepto obliga a abandonar la idea de que probabilidad, incertidumbre y riesgo tiene una solución gratuita. Toda intervención consume autonomía, tiempo, caja, capacidad, atención, reputación o tolerancia al riesgo. Por eso, antes de comparar opciones por valor y downside, se comparan al menos dos alternativas plausibles y se explicita qué se sacrifica en cada una.

Annie Duke — How to Decide aporta una lente sobre perspectiva de Decisiones aplicada al problema de la clase. Úsala para construir una matriz beneficio / costo / reversibilidad / stakeholder afectado / señal temprana. La evidencia valor esperado ayuda a detectar si el trade-off está ocurriendo como se esperaba, pero no elimina la necesidad de observar efectos laterales fuera del KPI principal.

Haz un pre-mortem de probabilidad, incertidumbre y riesgo: supone que la opción recomendada fracasó seis meses después y enumera tres mecanismos que podrían explicarlo. Al menos uno debe provenir de un efecto de segundo orden asociado a riesgo y otro de una hipótesis del caso que nunca fue validada.

5. valor esperado: gobernanza, límites e integración

valor esperado se define como promedio ponderado de resultados por sus probabilidades y cierra el circuito porque traduce análisis en responsabilidad. La pregunta ejecutiva es quién decide, quién ejecuta, quién debe ser consultado, qué evidencia queda registrada y qué condición obliga a detener, corregir o escalar.

Max H. Bazerman & Don A. Moore — Judgment in Managerial Decision Making se utiliza para estudiar perspectiva de Decisiones aplicada al problema de la clase y contrastar la recomendación final. Al ejecutar definir triggers para actualizar la decisión, deja una traza que permita a otra persona reconstruir por qué la decisión parecía razonable con la información disponible en ese momento. Esa trazabilidad protege contra el sesgo retrospectivo y mejora las revisiones posteriores.

La frontera de esta clase es explícita: Probabilidades numéricas débiles pueden crear ilusión de precisión. Cuando no existe base suficiente, rangos, escenarios y decisiones robustas son preferibles a porcentajes arbitrarios.. Conviértela en una regla operativa: si ocurre X → no aplicar automáticamente → consultar/escalar/revalidar. Integrar incertidumbre, probabilidad, impacto, riesgo y valor esperado significa poder explicar qué parte del diagnóstico sostiene la decisión y cuál sigue siendo una apuesta.

6. Integración: de conceptos a una decisión defendible

La síntesis de probabilidad, incertidumbre y riesgo no consiste en sumar cinco definiciones. Empieza por incertidumbre, contrasta probabilidad con impacto, incorpora riesgo como restricción o mecanismo y usa valor esperado para cerrar el ciclo. Si el análisis no puede explicar cuál de esas piezas cambió la recomendación, todavía no hay comprensión transferible.

Aplica ahora la secuencia 1. enumerar estados futuros materialmente distintos → 2. asignar rangos o probabilidades justificadas → 3. estimar impacto y reversibilidad → 4. comparar opciones por valor y downside → 5. definir triggers para actualizar la decisión. Para cada paso conserva tres columnas: evidencia utilizada, alternativa descartada y razón. Esa disciplina permite que una revisión posterior distinga una mala decisión de un mal resultado y evita reescribir la historia después de conocer el desenlace.

📚 Lectura comparada

Las obras no cumplen el mismo papel. Esta tabla señala el lente que debes buscar; después de leer, escribe una discrepancia real entre al menos dos fuentes.

Fuente	Lente que aporta	Pregunta crítica
Daniel Kahneman — Thinking, Fast and Slow	sesgos, juicio bajo incertidumbre y límites de la intuición	¿Qué supuesto de probabilidad, incertidumbre y riesgo ayuda a desafiar?
Gary Klein — Sources of Power	reconocimiento de patrones y decisión naturalista en contextos reales	¿Qué supuesto de probabilidad, incertidumbre y riesgo ayuda a desafiar?
Donella H. Meadows — Thinking in Systems	perspectiva de Sistemas aplicada al problema de la clase	¿Qué supuesto de probabilidad, incertidumbre y riesgo ayuda a desafiar?
Annie Duke — How to Decide	perspectiva de Decisiones aplicada al problema de la clase	¿Qué supuesto de probabilidad, incertidumbre y riesgo ayuda a desafiar?
Max H. Bazerman & Don A. Moore — Judgment in Managerial Decision Making	perspectiva de Decisiones aplicada al problema de la clase	¿Qué supuesto de probabilidad, incertidumbre y riesgo ayuda a desafiar?

En probabilidad, incertidumbre y riesgo, la lectura se evalúa por uso, no por cantidad de páginas. La nota debe indicar qué tesis de las fuentes modifica tu lectura de incertidumbre, qué evidencia del caso tensiona esa tesis y qué decisión concreta cambiarías después del contraste.

🧮 Ejemplo trabajado

Situación: Una empresa puede invertir 120 millones en capacidad adicional. La demanda futura puede crecer 30%, mantenerse o caer 15%; cada escenario cambia uso de caja y margen.

Paso 1 — enumerar estados futuros materialmente distintos. La gerencia escribe primero el supuesto asociado a incertidumbre y evita convertirlo en hecho. Luego busca rango de forecast para contrastarlo en el caso de probabilidad, incertidumbre y riesgo. El resultado del paso debe ser un artefacto revisable —dato, mapa, cálculo, registro o decisión— y una frase explícita: “cambiaríamos de rumbo si…”.

Paso 2 — asignar rangos o probabilidades justificadas. La gerencia escribe primero el supuesto asociado a probabilidad y evita convertirlo en hecho. Luego busca probabilidad calibrada para contrastarlo en el caso de probabilidad, incertidumbre y riesgo. El resultado del paso debe ser un artefacto revisable —dato, mapa, cálculo, registro o decisión— y una frase explícita: “cambiaríamos de rumbo si…”.

Paso 3 — estimar impacto y reversibilidad. La gerencia escribe primero el supuesto asociado a impacto y evita convertirlo en hecho. Luego busca downside máximo para contrastarlo en el caso de probabilidad, incertidumbre y riesgo. El resultado del paso debe ser un artefacto revisable —dato, mapa, cálculo, registro o decisión— y una frase explícita: “cambiaríamos de rumbo si…”.

Paso 4 — comparar opciones por valor y downside. La gerencia escribe primero el supuesto asociado a riesgo y evita convertirlo en hecho. Luego busca valor esperado para contrastarlo en el caso de probabilidad, incertidumbre y riesgo. El resultado del paso debe ser un artefacto revisable —dato, mapa, cálculo, registro o decisión— y una frase explícita: “cambiaríamos de rumbo si…”.

Paso 5 — definir triggers para actualizar la decisión. La gerencia escribe primero el supuesto asociado a valor esperado y evita convertirlo en hecho. Luego busca frecuencia de actualización de supuestos para contrastarlo en el caso de probabilidad, incertidumbre y riesgo. El resultado del paso debe ser un artefacto revisable —dato, mapa, cálculo, registro o decisión— y una frase explícita: “cambiaríamos de rumbo si…”.

Síntesis del caso. La recomendación debe terminar con responsable, fecha, evidencia de éxito y señal de stop. En probabilidad, incertidumbre y riesgo, omitir cualquiera de esas cuatro piezas convierte el análisis en opinión difícil de auditar.

🔀 Comparación y límites

Camino	Qué privilegia	Cuándo elegirlo	Riesgo
incertidumbre	falta de conocimiento completo sobre estados o resultados futuros	Cuando rango de forecast es observable y accionable.	Sobrerreaccionar a una señal parcial.
probabilidad	grado cuantificado de creencia o frecuencia esperada de un evento	Cuando la primera explicación no distingue mecanismo o responsabilidad.	Convertir el concepto en etiqueta.
Experimento/revisión	Aprender antes de comprometer recursos mayores	Cuando la decisión es reversible y la incertidumbre es alta.	Experimentar eternamente y no decidir.
Escalamiento	Elevar autoridad o especialidad	Cuando hay derechos, capital material, regulación o irreversibilidad.	Delegar hacia arriba lo que sí corresponde decidir.

Frontera de aplicación: Probabilidades numéricas débiles pueden crear ilusión de precisión. Cuando no existe base suficiente, rangos, escenarios y decisiones robustas son preferibles a porcentajes arbitrarios.

🪜 De profesional a owner

Nivel	Responsabilidad sobre probabilidad, incertidumbre y riesgo
Profesional	usa probabilidad, incertidumbre y riesgo para mejorar una contribución propia y explicar sus supuestos con evidencia.
Jefe / Team Lead	aplica incertidumbre y probabilidad para coordinar personas sin sustituir conversación por métricas.
Manager / Gerente	conecta rango de forecast con capacidad, presupuesto, dependencias y riesgo interáreas.
CEO / Director	decide si probabilidad, incertidumbre y riesgo cambia estrategia, economía o riesgo de empresa y qué debe llegar al comité o directorio.
Founder / Owner	pregunta si la solución de probabilidad, incertidumbre y riesgo reduce dependencia del fundador, preserva caja y puede operar como sistema repetible.

El cambio de nivel en probabilidad, incertidumbre y riesgo aumenta el número de personas, dinero, dependencias y consecuencias que quedan dentro de la decisión. Por eso la misma herramienta debe volverse más explícita en evidencia, gobernanza y revisión a medida que crece el alcance.

🏢 Caso ejecutivo

Una empresa puede invertir 120 millones en capacidad adicional. La demanda futura puede crecer 30%, mantenerse o caer 15%; cada escenario cambia uso de caja y margen.

Entrega un decision brief de probabilidad, incertidumbre y riesgo que contenga: (a) hechos y fuentes; (b) hipótesis; (c) dos opciones realmente defendibles; (d) efecto sobre personas, cliente, operación, caja y riesgo; (e) recomendación; (f) condición que haría cambiarla; (g) dueño y fecha de revisión. Utiliza al menos dos fuentes de la lectura comparada para desafiar tu primera respuesta.

🧪 Práctica

Reconstruye el caso de probabilidad, incertidumbre y riesgo con una tabla hecho / interpretación / hipótesis / decisión.
Ejecuta 1. enumerar estados futuros materialmente distintos → 2. asignar rangos o probabilidades justificadas → 3. estimar impacto y reversibilidad → 4. comparar opciones por valor y downside → 5. definir triggers para actualizar la decisión y adjunta evidencia para cada transición entre pasos.
Calcula o documenta rango de forecast, probabilidad calibrada; si no existe dato, diseña cómo obtenerlo.
Escribe una alternativa que contradiga tu preferencia inicial y haz un pre-mortem específico del caso.
Lee dos referencias, registra una coincidencia y una tensión, y modifica el brief si corresponde.
Repite la decisión desde el rol de CEO/owner: identifica qué cambia al aumentar el alcance y la irreversibilidad.

⚠️ Errores frecuentes

Síntoma	Causa probable	Corrección
Usar incertidumbre y probabilidad como sinónimos	Se pierde la distinción entre “falta de conocimiento completo sobre estados o resultados futuros” y “grado cuantificado de creencia o frecuencia esperada de un evento”	Vuelve a los observables y exige una señal distinta para cada concepto.
Empezar por “definir triggers para actualizar la decisión”	Se saltó “enumerar estados futuros materialmente distintos” y la solución llegó antes que el diagnóstico	Reconstruye la cadena 1. enumerar estados futuros materialmente distintos → 2. asignar rangos o probabilidades justificadas → 3. estimar impacto y reversibilidad → 4. comparar opciones por valor y downside → 5. definir triggers para actualizar la decisión y marca el primer supuesto no demostrado.
Optimizar solo rango de forecast	La métrica local sustituyó al resultado del sistema	Contrástala con probabilidad calibrada y explicita el costo de oportunidad.
Generalizar desde un caso favorable	Se confundió evidencia local con una regla universal sobre probabilidad, incertidumbre y riesgo	Probabilidades numéricas débiles pueden crear ilusión de precisión. Cuando no existe base suficiente, rangos, escenarios y decisiones robustas son preferibles a porcentajes arbitrarios.
No fijar revisión	Una decisión sobre probabilidad, incertidumbre y riesgo se vuelve permanente por inercia	Define responsable, fecha, señal de éxito y condición de stop.

❓ Preguntas de comprobación

Explica la diferencia entre incertidumbre y probabilidad usando un ejemplo donde elegir mal cambie la decisión.
¿Qué observarías para validar impacto y qué observación obligaría a rechazar tu interpretación?
Aplica enumerar estados futuros materialmente distintos → asignar rangos o probabilidades justificadas al caso de la clase. ¿Qué dato todavía falta?
¿Por qué rango de forecast no basta por sí sola para atribuir causalidad?
Compara dos fuentes de la tabla de lectura. ¿Dónde podrían llevar a recomendaciones distintas para probabilidad, incertidumbre y riesgo?
¿Qué decisión equivocada podría producirse si se ignora este límite: Probabilidades numéricas débiles pueden crear ilusión de precisión. Cuando no existe base suficiente, rangos, escenarios y decisiones robustas son preferibles a porcentajes arbitrarios.?

📥 Entregable

Guarda en portfolio/017-probabilidad-incertidumbre-y-riesgo/:

risk-governance-brief.md con el problema específico de probabilidad, incertidumbre y riesgo, evidencia, alternativas, decisión y gobernanza;
reading-note.md contrastando las fuentes de probabilidad, incertidumbre y riesgo con edición/páginas consultadas;
decision-journal.md registrando los supuestos de incertidumbre, confianza, responsable y revisión;
red-team.md con la objeción más fuerte al caso Una empresa puede invertir 120 millones en capacidad adicional. La demanda futura puede crecer 30%, mantenerse o caer 15%; cada escenario cambia uso de caja y margen. y el dato que podría invalidar la recomendación.

📗 Fuentes y verificación

Daniel Kahneman — Thinking, Fast and Slow (Farrar, Straus and Giroux, 2011). Uso en esta clase: sesgos, juicio bajo incertidumbre y límites de la intuición. Lectura selectiva sobre probabilidad, incertidumbre y riesgo. Localizador: ISBN-13 9780374275631.
Gary Klein — Sources of Power (The MIT Press, 1999). Uso en esta clase: reconocimiento de patrones y decisión naturalista en contextos reales. Lectura selectiva sobre probabilidad, incertidumbre y riesgo. Localizador: ISBN-13 9780262611466.
Donella H. Meadows — Thinking in Systems (Earthscan, 2009). Uso en esta clase: perspectiva de Sistemas aplicada al problema de la clase. Lectura selectiva sobre probabilidad, incertidumbre y riesgo. Localizador: ISBN-13 9781849773386.
Annie Duke — How to Decide (Portfolio, 2020). Uso en esta clase: perspectiva de Decisiones aplicada al problema de la clase. Lectura selectiva sobre probabilidad, incertidumbre y riesgo. Localizador: ISBN-13 9780593418482.
Max H. Bazerman & Don A. Moore — Judgment in Managerial Decision Making (John Wiley & Sons Inc). Uso en esta clase: perspectiva de Decisiones aplicada al problema de la clase. Lectura selectiva sobre probabilidad, incertidumbre y riesgo. Localizador: ISBN-13 9781119427384.
Annie Duke — Thinking in Bets (Portfolio/Penguin, 2019). Uso en esta clase: calidad de la decisión separada del resultado y razonamiento probabilístico. Lectura selectiva sobre probabilidad, incertidumbre y riesgo. Localizador: ISBN-13 9780735216358.
Susan A. Ambrose et al. — How Learning Works (John Wiley & Sons, Incorporated, 2010). Uso en esta clase: diseñar los objetivos, la práctica y el feedback de probabilidad, incertidumbre y riesgo sobre conocimiento previo verificable. Localizador: ISBN-13 9780470617601.
Peter C. Brown, Henry L. Roediger III & Mark A. McDaniel — Make It Stick (Harvard University Press, 2014). Uso en esta clase: justificar la recuperación inicial y las preguntas de comprobación de probabilidad, incertidumbre y riesgo. Localizador: ISBN-13 9780674986572.
Grant Wiggins & Jay McTighe — Understanding by Design (Pearson Education, Inc., 2006). Uso en esta clase: derivar el entregable de probabilidad, incertidumbre y riesgo desde el desempeño observable y no desde el temario. Localizador: ISBN-13 9780131950849.
Anders Ericsson & Robert Pool — Peak (Penguin Random House, 2016). Uso en esta clase: convertir la práctica de probabilidad, incertidumbre y riesgo en práctica deliberada con criterios explícitos. Localizador: ISBN-13 9781473513143.
William Ellet — The Case Study Handbook (Harvard Business Review Press, 2018). Uso en esta clase: estructurar el caso ejecutivo de probabilidad, incertidumbre y riesgo como problema, evidencia, alternativas y recomendación. Localizador: ISBN-13 9781633696150.

Regla de fuentes para Probabilidad, incertidumbre y riesgo: las obras anteriores estructuran las perspectivas de esta materia; cualquier norma, ley, impuesto o estándar vivo mencionado en probabilidad, incertidumbre y riesgo debe comprobarse nuevamente en su fuente primaria vigente. El desarrollo es original y no reproduce capítulos protegidos.