Dos importantes investigadores discuten el valor de los datos extraños

Las empresas a menudo se enfrentan a problemas grandes y complicados: desafíos que desafían una definición precisa, cambian constantemente y tienen numerosas causas. Para encontrar soluciones, dice Roger Martin, decano de la Escuela de Administración Rotman de la Universidad de Toronto y autor de El diseño de los negocios (Harvard Business Press), los directores deben pasar por un «embudo de conocimiento» que consta de tres etapas: mirar fijamente el misterio; desarrollar una regla general heurística o aproximada; y crear un algoritmo o una fórmula paso a paso para abordar el problema. Para explorar este proceso, Martin recurrió a alguien que ha luchado con un problema de confusión durante dos décadas: el mundialmente conocido investigador de trastornos del espectro autista y genómica Stephen Scherer, del Hospital para Niños Enfermos de Toronto. Esta es una versión editada de su conversación.

Martin: Me interesa mucho cómo los gerentes, científicos y diseñadores abordan los llamados problemas perversos: rompecabezas grandes y difíciles de manejar que parecen absolutamente inmanejables. Tomemos los orígenes del autismo: Podría pasarse años averiguando qué ángulo de ataque adoptar, ¿es genético, ambiental o viral? La mayoría de los solucionadores de problemas comenzarían con una hipótesis, la probarían y, a continuación, buscarían datos que la confirmaran o refutaran. Pero adoptó un enfoque diferente. ¿Puede explicar su proceso?

Scherer: El autismo es un gran problema; ningún investigador o laboratorio puede asumir toda su amplitud. Me he centrado en una sola parte: los datos que todos los demás estaban tirando. Yo lo llamo el enfoque de la papelera. Creo que las respuestas a problemas realmente difíciles a menudo se encuentran en los puntos de datos que no parecen ajustarse a los marcos existentes. Para mí, esas pequeñas variaciones son como señales que dicen «¡No me ignore!» La evolución no tolera la basura inútil durante mucho tiempo, por lo que todos los puntos de datos, incluso los más extraños, deben tenerse en cuenta con seriedad.

Las respuestas a problemas difíciles a menudo se encuentran en los puntos de datos que no parecen encajar.

Martin: Creo que la mayoría de la gente barrería las cosas anómalas debajo de la alfombra, dirían que es solo ruido y deberíamos centrarnos en los resultados que vemos una y otra vez, los datos que confirman. ¿Qué vio en los datos extraños?

Scherer: He notado un patrón en las variaciones genéticas: los niños con autismo tenían más deleciones y duplicaciones de genes de lo habitual, y las variaciones tendían a producirse en genes específicos. La literatura científica sostiene que el 99,9% del genoma humano (el libro de instrucciones genéticas que indica a nuestro cuerpo cómo desarrollarse) era exactamente el mismo para todos nosotros y que las variaciones equivalían a solo una letra alterada aquí y allá, por así decirlo. Pero nuestro grupo descubrió que las eliminaciones y duplicaciones eran importantes, que se parecían más a diferencias textuales que a simples errores tipográficos. Nos propusimos explicarlos en el autismo.

Martin: Así que atacó el misterio preguntando qué podía ser cierto, en lugar de qué era cierto. Y redujo el campo de investigación y creó una heurística basada en la evidencia que redujo el misterio a un tamaño manejable.

Scherer: Me centré mucho en lo que hacen los niños con autismo (sobreanalizar repetidamente los patrones numéricos, por ejemplo) y por qué lo hacen. Y deduje que las deleciones genéticas y las duplicaciones que vi, conocidas como variaciones en el número de copias, predispusieron a algunos niños a tener desequilibrios del desarrollo, lo que llevó a comportamientos típicos del autismo. Desde entonces, hemos podido identificar algunos genes de susceptibilidad al autismo.

Martin: La mayor parte de la investigación se centra en crear resultados fiables, resultados que se puedan recrear de forma coherente. Eso es una gran parte del método científico. Pero creo que los principales avances en el conocimiento vienen de centrarse, como usted, en lograr un resultado válido, uno que realmente responda a la pregunta para proporcionarnos la información que realmente necesitamos. Me parece que la fiabilidad y la validez son inherentemente incompatibles, que para lograr un resultado válido, hay que incorporar algunos aspectos de la subjetividad y el juicio que normalmente se erradican en la búsqueda de un resultado fiable. Creo que la distinción entre fiabilidad y validez está en el corazón del dilema de la innovación.

Scherer: Estoy de acuerdo. Las medidas cuantitativas que producen fiabilidad a menudo eliminan los matices y el contexto y, por lo tanto, a veces incluso impiden el descubrimiento de un resultado válido. Al hacer hincapié en la validez, incluso a expensas de la fiabilidad, un investigador puede llegar a una heurística que haga avanzar el trabajo. Centrándome en los datos anómalos, pude ver cosas que otros no podían. Cuando la clase científica no lo creía, sabíamos que teníamos algo grande. En retrospectiva, es muy sencillo ver que estas variaciones en el número de copias no eran en absoluto valores atípicos biológicos, solo valores atípicos del dogma científico de la época.

Martin: La ortodoxia consiste en utilizar lo que ya sabemos, para perfeccionarlo y perfeccionarlo. Antes era consultora y cada vez que iniciábamos un caso, la primera pregunta de, tal vez, el 85% de mis colegas era: «¿Dónde puedo encontrar una plantilla? ¿Hay un resumen en PowerPoint de otro caso en la base de datos que me diga que haga esto, esto y esto?» Queremos tener un algoritmo al que recurrir. Las fórmulas son importantes, las necesitamos para desarrollar eficiencias. Cuando tiene una metodología para resolver los problemas, un guion que seguir, se ahorra mucho tiempo, pero el peligro es que deje de mirar los misterios por completo.

Scherer: No hemos avanzado del todo a la etapa de algoritmo en la investigación del autismo; seguimos explorando aspectos del misterio y refinando nuestra heurística en áreas que entendemos mejor. Pero llegará el momento. Mire el proyecto del genoma humano. Una vez que hubiéramos descubierto el misterio del genoma, podríamos crear un mapa del mismo, un algoritmo. Y los laboratorios de todo el mundo podrían coordinarse con ese algoritmo. Así que hay enormes ventajas. Pero lleva tiempo llegar allí.