Tema 57
La toma de decisiones en la empresa. Tipos de decisiones. Incertidumbre y riesgo. Decisiones en sistemas abiertos.
Introducción
La toma de decisiones constituye la esencia misma de la dirección empresarial. Como afirmó Herbert A. Simon (Premio Nobel de Economía 1978), «dirigir es, fundamentalmente, decidir». Toda organización, desde un autónomo hasta una multinacional como Inditex o Telefónica, se estructura en torno a un flujo continuo de decisiones que configuran su estrategia, sus resultados y su supervivencia.
En un entorno cada vez más volátil, incierto, complejo y ambiguo —el conocido acrónimo VUCA—, la capacidad de tomar decisiones racionales, oportunas y éticas se convierte en una ventaja competitiva de primera magnitud. Los choques recientes (crisis financiera de 2008, pandemia de la COVID-19, guerra en Ucrania, tensiones inflacionistas 2022-2024) han puesto a prueba la capacidad decisoria de las empresas españolas y europeas.
Este tema, en conexión directa con el Tema 58 (Planificación), el Tema 59 (Teorías de la organización) y el Tema 61 (Liderazgo), aborda: (1) el concepto y características de la decisión empresarial; (2) la tipología de decisiones; (3) los entornos de decisión (certeza, riesgo, incertidumbre); (4) los modelos de decisión (racional, racionalidad limitada, político, garbage can); (5) las técnicas cuantitativas (árboles de decisión, matrices, valor esperado); y (6) su aplicación en sistemas abiertos con el enfoque sistémico.
1. Concepto y naturaleza de la decisión empresarial
1.1. Definición de decisión
La decisión es el proceso cognitivo de selección, entre dos o más alternativas posibles, de aquella que se considera más idónea para alcanzar un determinado objetivo, dadas unas restricciones y un contexto específico. No hay decisión sin: (a) un agente decisor, (b) un objetivo, (c) un conjunto dealternativas, (d) un entorno con estados de la naturaleza y (e) un criterio de elección.
Herbert Simon (1947), en Administrative Behavior, redefinió el management como «ciencia de la decisión»: los directivos son esencialmente decisores que procesan información y eligen cursos de acción. Esta visión revolucionó el enfoque clásico (Taylor, Fayol), centrado en funciones administrativas estáticas, y abrió las puertas a la teoría del comportamiento organizativo.
1.2. Características de las decisiones empresariales
a) Orientación a objetivos: toda decisión debe contribuir a la consecución de un objetivo (beneficio, cuota, sostenibilidad).
b) Información asimétrica e incompleta: raramente se dispone de toda la información relevante (Stiglitz y Akerlof, Nobel 2001).
c) Irreversibilidad parcial: muchas decisiones generan costes hundidos (sunk costs).
d) Impacto sobre stakeholders múltiples: trabajadores, accionistas, clientes, proveedores, administración, sociedad.
e) Dimensión temporal: efectos a corto, medio y largo plazo, no siempre alineados.
f) Dimensión ética: toda decisión económica incorpora juicios de valor (Amartya Sen, Nobel 1998).
1.3. Elementos del problema de decisión (Luce y Raiffa, 1957)
Todo problema de decisión puede representarse como una matriz con:
• Estrategias (E₁, E₂, …, Eₘ): acciones entre las cuales puede elegir el decisor.
• Estados de la naturaleza (N₁, …, Nₙ): situaciones externas fuera de su control.
• Resultados (Rᵢⱼ): consecuencia de adoptar Eᵢ bajo Nⱼ.
• Probabilidades (pⱼ): verosimilitud de cada estado (en entornos de riesgo).
Anatomía del problema
Elementos del problema de decisión (Luce y Raiffa, 1957)
| Símbolo | Descripción | Ejemplo empresarial |
|---|---|---|
| Estrategias (Eᵢ) | m alternativas entre las que elige el decisor | Lanzar / no lanzar un producto; abrir / no abrir tienda |
| Estados (Nⱼ) | n situaciones externas fuera del control del decisor | Demanda alta / media / baja; recesión / expansión |
| Resultados (Rᵢⱼ) | Consecuencia de adoptar Eᵢ bajo Nⱼ | Beneficio en miles € de cada combinación |
| Probabilidades (pⱼ) | Verosimilitud de cada estado (solo en riesgo) | P(demanda alta) = 0,4; P(media) = 0,4; P(baja) = 0,2 |
| Criterio | Regla de elección entre estrategias | VME en riesgo; Wald / Maximax / Hurwicz / Savage en incertidumbre |
2. Tipos de decisiones empresariales
2.1. Clasificación de Ansoff (1965) — según nivel jerárquico
Igor Ansoff, en Corporate Strategy (1965), propuso la clasificación más influyente:
a) Decisiones estratégicas: afectan a la organización globalmente, a largo plazo (3-10 años), alta incertidumbre, irreversibles. Ejemplo: entrada deInditex al mercado chino (2006) o lanzamiento de Zara Home (2003).
b) Decisiones tácticas: de alcance departamental, medio plazo (1-3 años). Ejemplo: campaña publicitaria estacional, apertura de un punto de venta.
c) Decisiones operativas: diarias, repetitivas, programables, corto plazo. Ejemplo: cuota de producción semanal, asignación de turnos.
2.2. Clasificación de Simon (1977) — según estructuración
a) Programadas (estructuradas): repetitivas, rutinarias, con procedimientos estandarizados (SOP). Pueden automatizarse. Ejemplo: sistema de reposición automática de stock en Mercadona.
b) No programadas (no estructuradas): nuevas, únicas, con altos niveles de incertidumbre; exigen creatividad y juicio directivo. Ejemplo: entrada deIberdrola al mercado eólico marino (2007).
c) Semiestructuradas: combinan elementos de ambas (concesión de crédito bancario, asignación de presupuestos).
2.3. Otras clasificaciones
Según el número de agentes: individuales vs. grupales (consejo de administración, comités). Las grupales evitan sesgos individuales pero padecen groupthink (Janis, 1972) y polarización.
Según reversibilidad: reversibles vs. irreversibles (fusión, liquidación).
Según temporalidad: inmediatas, corto, medio y largo plazo.
Según dependencia: autónomas vs. secuenciales (cada decisión condiciona las siguientes, caso de los árboles de decisión).
Tipología jerárquica
Pirámide de decisiones (Ansoff, 1965)
3. Entornos de decisión: certeza, riesgo e incertidumbre
3.1. Decisiones en certeza
En entornos de certeza, el decisor conoce con exactitud el estado de la naturaleza; hay una única consecuencia para cada alternativa. Son situaciones hipotéticas, poco frecuentes en la práctica empresarial real, aunque sirven como punto de referencia para calibrar los demás entornos. La elección es directa: la mejor alternativa por resultado. Ejemplos: pagar una factura con vencimiento determinado, elegir entre depósitos bancarios con TAE conocida, misma duración y garantía de depósito. En el aula, las decisiones en certeza son el primer escalón didáctico para introducir la lógica de la maximización antes de incorporar probabilidades.
3.2. Decisiones en riesgo
En entornos de riesgo, el decisor conoce (o puede estimar) las probabilidades objetivas o subjetivas de los estados de la naturaleza. Frank Knight (Risk, Uncertainty and Profit, 1921) fue el primero en distinguir formalmente «riesgo» (cuantificable) de «incertidumbre» (no cuantificable), una distinción que sigue siendo de referencia. El criterio dominante es el valor monetario esperado (VME) o expected monetary value, que pondera cada resultado por su probabilidad.
Para evaluar la dispersión en torno al VME se emplean la varianza y la desviación típica (indicadores de riesgo estadístico) y el coeficiente de variación (CV = σ/VME), que permite comparar alternativas con distintas escalas. El Teorema de Bayes —esencial en análisis bayesiano de decisión— permite actualizar las probabilidades a posteriori cuando se recibe nueva información (resultado de un estudio de mercado, un prototipo, etc.), con lo que el árbol de decisión se enriquece con ramas de «información perfecta» o «información muestra». Raiffa y Schlaifer sistematizaron este enfoque en los años 60, y hoy es la base del expected value of sample information (EVSI) utilizado en ensayos clínicos, exploración petrolera y due diligence en M&A.
3.3. Decisiones en incertidumbre
Frank Knight (1921) distinguió formalmente riesgo (probabilidades conocidas) deincertidumbre (desconocidas). Los criterios no probabilísticos principales son:
• Laplace (razón insuficiente): asumir equiprobabilidad. Media aritmética de los resultados.
• Wald o maximin: pesimista. Elegir la alternativa cuya peor consecuencia sea la mejor entre las peores.
• Maximax: optimista. Elegir la alternativa con el mejor resultado posible.
• Hurwicz (1951): combinación ponderada del mejor y peor resultado mediante un coeficiente α (optimismo).
• Savage (mínimo arrepentimiento): minimizar la máxima pérdida de oportunidad. Matriz de arrepentimientos.
3.4. El criterio de Savage (mínimo arrepentimiento)
El criterio de Savage construye una matriz de arrepentimientos (regret matrix): para cada estado de la naturaleza Nⱼ, se calcula la diferencia entre el mejor resultado posible en ese estado y el resultado real obtenido con cada estrategia. El decisor elige la estrategia que minimiza el máximo arrepentimiento posible —de ahí la denominación minimax regret. Es el criterio más sofisticado de los cinco porque incorpora información comparativa (¿cuánto pierdo respecto a la mejor opción?) frente a la mera evaluación de resultados absolutos. Luce y Raiffa (1957) lo incluyen como criterio estándar del análisis de decisión en condiciones de incertidumbre.
Criterios comparados
Los 5 criterios de decisión en incertidumbre
| Lógica | Fórmula | Actitud | Caso de uso | |
|---|---|---|---|---|
| Laplace | Equiprobabilidad de los estados | Media aritmética de Rᵢⱼ | Neutral / imparcial | Sin información sobre probabilidades |
| Wald (maximin) | Elige el peor escenario posible y lo maximiza | max(min Rᵢⱼ) | Pesimista / conservador | Decisiones críticas irreversibles |
| Maximax | Elige el mejor escenario posible | max(max Rᵢⱼ) | Optimista / arriesgado | Startups, proyectos de alto potencial |
| Hurwicz | Combina mejor y peor resultado ponderados por α | α·max + (1−α)·min | Ajustable según optimismo | Cuando se quiere calibrar la aversión al riesgo |
| Savage (minimax regret) | Minimiza el máximo arrepentimiento de oportunidad | min(max de la matriz de arrepentimientos) | Prudente / comparativo | Cuando importa no quedar lejos del óptimo |
Ejemplo numérico
Aplicación de los 5 criterios — caso de beneficio (miles €)
4. Modelos de decisión
4.1. Modelo racional (Von Neumann-Morgenstern, 1944)
El modelo racional puro, formalizado por Von Neumann y Morgenstern en Theory of Games and Economic Behavior (1944), asume que el decisor: (1) tiene información completa, (2) conoce todas las alternativas, (3) tiene preferencias transitivas y consistentes, (4) maximiza una función de utilidad esperada. Etapas: identificación → objetivos → generación de alternativas → evaluación → elección → implementación → control.
4.2. Racionalidad limitada (Simon, 1947)
Simon formuló la crítica definitiva: los decisores humanos tienen racionalidad limitada (bounded rationality) por (a) capacidad cognitiva finita, (b) información incompleta, (c) tiempo limitado. No maximizan, sino que satisfacen (satisficing): aceptan la primera alternativa que cumple unos mínimos aspiracionales.
La economía conductual de Kahneman y Tversky (Nobel 2002) y Thaler (Nobel 2017) amplió y sistematizó los sesgos del decisor real. Daniel Kahneman, en Pensar rápido, pensar despacio (2011), distingue el Sistema 1 (rápido, intuitivo, automático, propenso a heurísticas y sesgos) y el Sistema 2 (lento, deliberado, analítico). Las decisiones empresariales bajo presión tienden a activar el Sistema 1, generando los sesgos documentados: aversión a la pérdida (las pérdidas duelen el doble que lo que placer producen las ganancias equivalentes), efecto de anclaje (la primera cifra mencionada ancla el juicio posterior), sesgo de disponibilidad (se sobreestiman los eventos recientes o llamativos), sesgo de confirmación y sobreconfianza directiva. Richard Thaler y Cass Sunstein, en Nudge (2008), desarrollaron la arquitectura de elección (choice architecture) como instrumento para mejorar las decisiones individuales y organizativas sin restringir la libertad: pequeños cambios en la presentación de las opciones (el nudge) pueden inducir decisiones más racionales. Esta perspectiva ha influido en el diseño de políticas públicas (UK Behavioural Insights Team, 2010) y en la gestión de recursos humanos —desde el diseño de planes de pensiones de empresa hasta los sistemas de evaluación del rendimiento. La implicación práctica para el directivo es doble: reconocer sus propios sesgos (desbiasing) y diseñar procesos de decisión que los amortigüen: protocolos formales, «red teams» que defienden la alternativa opuesta, tiempos de reflexión obligatorios ante decisiones irreversibles.
4.3. Modelos político y garbage can
El modelo político (Allison, 1971; Pfeffer, 1981) concibe la organización como una coalición de grupos de interés con objetivos divergentes. Las decisiones son resultado de negociaciones, alianzas y ejercicio de poder. Frente al modelo racional que presupone un decisor único con función de utilidad definida, el modelo político reconoce que en las grandes organizaciones los «decisores» son múltiples y sus intereses raramente convergen de forma espontánea. Las fusiones empresariales fallidas —como la de Daimler-Chrysler (1998-2007)— ilustran la primacía de las disputas de poder sobre el análisis racional.
El modelo del «cubo de basura» (garbage can), de Cohen, March y Olsen (1972), describe organizaciones anárquicas donde problemas, soluciones, participantes y ocasiones se encuentran aleatoriamente. Las soluciones a menudo preceden a los problemas. Este modelo resulta especialmente relevante en universidades, administraciones públicas y organizaciones con objetivos ambiguos: la elección de una solución no es el resultado de un análisis, sino de la coincidencia temporal de los cuatro flujos (problems, solutions, participants, choice opportunities) en el mismo «cubo».
Conviene añadir una perspectiva contemporánea sobre los entornos de decisión digital. La transformación de la banca española en la última década ilustra los cuatro modelos en paralelo: CaixaBank decidió su fusión con Bankia (2021) combinando un análisis racional (VME positivo por economías de escala estimadas en 770 M€ anuales), las presiones de la tecnoestructura interna (modelo político), los sesgos de anclaje sobre precios de fusión (racionalidad limitada) y la coincidencia de una ventana regulatoria favorable —la «ocasión» del modelo garbage can. Asimismo, la irrupción de herramientas de inteligencia artificial para soporte a la decisión —como los sistemas de decision intelligence que combinan machine learning con análisis de escenarios— no elimina la racionalidad limitada: desplaza la heurística humana a la selección y parametrización del modelo, donde los sesgos de quien diseña el sistema se amplifican a escala. El informe Microsoft WorkLab 2023 documenta que, incluso con apoyo de IA, el 63 % de los directivos reconocen tomar decisiones estratégicas con información insuficiente, ratificando la vigencia del concepto de Simon tres cuartos de siglo después de su formulación.
Modelos de decisión
Cuatro modelos — del óptimo al anárquico
5. El árbol de decisión: técnica fundamental
5.1. Concepto y utilidad
L’árbol de decisión es una representación gráfica secuencial de un problema con: nodos de decisión (cuadrados ▪), nodos de azar (círculos ●) y resultados terminales (triángulos ▲). Formalizado por Howard Raiffa (1968) en Decision Analysis.
Especialmente útil para decisiones secuenciales multietapa: lanzamiento de producto con fase piloto, planes de inversión por fases, litigio vs. negociación.
5.2. Algoritmo — backward induction
Resolución por inducción hacia atrás: (1) evaluar los nodos terminales; (2) en los nodos de azar, calcular VME; (3) en los nodos de decisión, elegir el mayor VME (beneficios) o menor (costes); (4) recorrer el árbol hasta el nodo inicial.
Backward induction
Árbol de decisión — ¿lanzar un nuevo producto?
6. Decisiones en sistemas abiertos y enfoque sistémico
6.1. Teoría general de sistemas (Bertalanffy, 1968)
Ludwig von Bertalanffy formuló en General System Theory (1968) que las organizaciones son sistemas abiertos que interactúan con el entorno mediante inputs (recursos, información, capital) y outputs (productos, servicios, residuos). Las propiedades esenciales son: totalidad (el todo es más que la suma de las partes), sinergia, equifinalidad (distintos caminos pueden llevar al mismo resultado), retroalimentación (feedback) y homeostasis (tendencia al equilibrio dinámico).
Las decisiones, en un sistema abierto, no son aislables: generan feedback e interacciones en cascada. La decisión de Volkswagen de manipular las emisiones de sus vehículos diésel (caso Dieselgate, 2015) ilustra cómo una decisión operativa puede desencadenar consecuencias sistémicas en reputación, regulación, litigios y valor accionarial, afectando a toda la cadena de valor. Es necesario un enfoque holístico que considere externalidades, stakeholders y horizontes temporales múltiples, en consonancia con los marcos de sostenibilidad ESG y los reportes CSRD.
6.2. Decisiones en entornos VUCA
• Análisis de escenarios (Shell, 1970): construir 3-4 futuros plausibles y evaluar robustez.
• Real options (Myers, 1977; Dixit y Pindyck, 1994): tratar decisiones como opciones financieras que incorporan flexibilidad.
• Simulación Monte Carlo: generar miles de trayectorias aleatorias para estimar distribuciones de resultados.
• IA y big data: algoritmos de machine learning aplicados a decisiones comerciales y logísticas (Inditex usa IA para predecir demanda en las 5.800 tiendas Zara).
Decisiones en entornos VUCA
Cuatro técnicas para decidir bajo incertidumbre estructural
| Lógica | Origen | Caso típico | |
|---|---|---|---|
| Análisis de escenarios | Construir 3-4 futuros plausibles y evaluar robustez de cada estrategia | Shell, 1970 (planificación estratégica) | Política energética, planes a 10 años |
| Real options | Tratar decisiones como opciones financieras que incorporan flexibilidad (esperar, abandonar, expandir) | Myers, 1977; Dixit y Pindyck, 1994 | I+D farmacéutico, minería, startups |
| Simulación Monte Carlo | Generar miles de trayectorias aleatorias para estimar distribución de resultados | Métodos numéricos (Ulam-Von Neumann, 1946) | Valoración de proyectos, riesgo financiero |
| IA y big data | Algoritmos de machine learning aplicados a decisiones comerciales y logísticas | Auge desde 2010 (deep learning) | Inditex predice demanda en 5.800 tiendas Zara |
Conclusión
La toma de decisiones es, en la formulación canónica de Herbert Simon (Nobel 1978), la esencia misma de la dirección. No es una actividad marginal que ocurre entre reuniones y correos: es el tejido continuo del que están hechas la planificación, la organización, el liderazgo y el control. Entender cómo se decide en la empresa implica dominar tanto los instrumentos formales (matriz de decisión, árbol, criterios de incertidumbre) como las limitaciones cognitivas y organizativas que hacen que las decisiones reales se alejen sistemáticamente del modelo racional puro.
El tema ha recorrido los siguientes ejes. Primero, la anatomía del problema de decisión: agente, alternativas, estados, resultados y probabilidades, según la formalización de Luce y Raiffa (1957). Segundo, la tipología de decisiones: la clasificación jerárquica de Ansoff (1965) —estratégica, táctica, operativa— y la de Simon (1977) según estructuración —programada, no programada, semiestructurada. Tercero, los entornos de decisión y sus criterios: en certeza (directo), en riesgo (VME de Von Neumann-Morgenstern, 1944; actualización bayesiana de Raiffa-Schlaifer) y en incertidumbre (Laplace, Wald, Maximax, Hurwicz, Savage). Cuarto, los modelos de decisión organizativa: racional puro, racionalidad limitada (Simon), político (Allison, 1971) y garbage can (Cohen, March y Olsen, 1972). Quinto, el árbol de decisión como herramienta de análisis secuencial y el enfoque de sistemas abiertos (Bertalanffy).
Este tema es fundacional para el resto del Bloque G. La toma de decisiones estratégicas presupone la planificación del Tema 58; los modelos político y de racionalidad limitada remiten a las teorías organizativas del Tema 59; las decisiones en incertidumbre reaparecen en el análisis de inversiones (Temas 68-69) y en la gestión del riesgo financiero. El modelo garbage can conecta con la cultura organizativa del Tema 62 y con el cambio del Tema 60.
Idea-clave para el opositor: «El decisor real no maximiza, satisface» (Simon, 1947); los criterios de incertidumbre no son algoritmos infalibles sino actitudes ante lo desconocido —lo que el examen evaluará es la capacidad de elegir el criterio correcto según el perfil del decisor y justificar la elección.
- SIMON, H.A. (1947): Administrative Behavior, Macmillan [trad. El comportamiento administrativo, Aguilar, 1972].
- VON NEUMANN, J. i MORGENSTERN, O. (1944): Theory of Games and Economic Behavior, Princeton Univ. Press.
- LUCE, R.D. i RAIFFA, H. (1957): Games and Decisions, John Wiley.
- ANSOFF, H.I. (1965): Corporate Strategy, McGraw-Hill.
- RAIFFA, H. (1968): Decision Analysis, Addison-Wesley.
- KNIGHT, F.H. (1921): Risk, Uncertainty and Profit, Houghton Mifflin.
- COHEN, M., MARCH, J. i OLSEN, J. (1972): «A Garbage Can Model of Organizational Choice», ASQ 17(1).
- KAHNEMAN, D. (2011): Pensar rápido, pensar despacio, Debate.
- THALER, R. i SUNSTEIN, C. (2008): Nudge, Taurus.
- BERTALANFFY, L. von (1968): General System Theory, Braziller.
- IBORRA, M. et al. (2019): Fundamentos de dirección de empresas, 3a ed., Paraninfo.
- Real Decreto 243/2022 (currículum Batxillerat — Empresa i DMN).
Síntesis del tema
El one-pager de síntesis del tema, para repaso rápido.
Herramienta incluida en la suscripción.
Suscríbete · 20 €/mes