El análisis de impacto cruzado es una metodología desarrollada por Theodore Gordon y Olaf Helmer en 1966 para ayudar a determinar cómo las relaciones entre eventos impactarían los eventos resultantes y reducir la incertidumbre en el futuro. [1] La Agencia Central de Inteligencia (CIA) se interesó en la metodología a fines de la década de 1960 y principios de la de 1970 como una técnica analítica para predecir cómo diferentes factores y variables impactarían las decisiones futuras. [2] A mediados de la década de 1970, los futurólogos comenzaron a usar la metodología en mayor número como un medio para predecir la probabilidad de eventos específicos y determinar cómo los eventos relacionados impactaban entre sí. [3] Para 2006, el análisis de impacto cruzado maduró en una serie de metodologías relacionadas con usos para empresas y comunidades, así como para futurólogos y analistas de inteligencia. [4]
Los principios básicos del análisis de impacto cruzado se remontan a fines de la década de 1960, pero los procesos originales eran relativamente simples y se basaban en un diseño de juego. [1] Con el tiempo, se desarrollaron técnicas, metodologías y programas avanzados para aplicar los principios del análisis de impacto cruzado, y el método básico ahora se aplica en grupos de expertos sobre futuros, entornos comerciales y la comunidad de inteligencia.
Theodore J. Gordon escribe que el análisis de impacto cruzado fue el resultado de una pregunta: "¿pueden basarse los pronósticos en percepciones sobre cómo pueden interactuar los eventos futuros?" [1]
El primer formato del método fue un juego de cartas llamado Future , donde los eventos se determinaban mediante probabilidades, un dado especial e impactos de eventos jugados previamente. [1] Este formato de juego inicial de análisis de impacto cruzado fue programado para computadoras en UCLA en 1968. [3] A partir de este punto, la metodología experimentó un desarrollo y sofisticación cada vez mayores para satisfacer ciertas necesidades y condiciones de los usuarios.
A principios de los años 1970, cuando se amplió el análisis de impacto cruzado, los investigadores y futurólogos modificaron los principios básicos para mejorar la metodología. En 1972, los investigadores del Institute for the Future añadieron series temporales en lugar de "segmentos de tiempo", Norman Dalkey utilizó probabilidades condicionales y Julius Kane desarrolló "KSIM", una técnica de simulación que utilizaba interacciones entre variables de series temporales en lugar de eventos. [5] En 1974, Duperrin y Godet desarrollaron sistemas y matrices de impacto cruzado (o SMIC) en Francia para estudios de previsión prospectiva. [4]
Los avances en los modelos de simulación continuaron hasta la década de 1980. En 1980, Selwyn Enzer de la Universidad de California incorporó el análisis de impacto cruzado en un método de simulación conocido como Interax. La técnica Delphi se combinó con el análisis de impacto cruzado en 1984, y los investigadores de la Universidad Texas A&M utilizaron el impacto cruzado en un proceso llamado "EZ-IMPACT" que se basaba en el algoritmo de Kane de KSIM. [5]
Después de que se desarrollaron los modelos y métodos de simulación para el análisis de impacto cruzado, los analistas comenzaron a desarrollar la gama de temas que podría abordar. El análisis de impacto cruzado se estaba utilizando para resolver problemas del mundo real cuando John Stover aplicó la metodología para simular la economía de Uruguay. [5] Sin embargo, la aplicación en el mundo real de la metodología avanzó rápidamente en la década de 1990. En 1993, el SMIC se utilizó para temas tan diversos como la industria nuclear, la evolución geopolítica mundial y las actividades y empleos corporativos hasta el año 2000. [6] En 1999, Robert Blanning y Bruce Reinig de la Owen Graduate School of Management de la Universidad de Vanderbilt utilizaron una forma modificada de análisis de impacto cruzado para determinar el futuro de Hong Kong y la economía de Hong Kong cuando el Reino Unido cedió el control a la República Popular China. [7]
El análisis de impacto cruzado tiene dos escuelas de pensamiento y formas de enfoque. La primera es el estilo de pronóstico de futuros que desarrolló originalmente la metodología. La segunda es una subescuela de analistas de inteligencia que modificó la metodología original para abordar mejor sus necesidades. Sin embargo, el análisis de impacto cruzado se basa en la premisa de que los eventos y las actividades no ocurren en el vacío y que otros eventos y el entorno circundante pueden influir significativamente en la probabilidad de que ocurran ciertos eventos. [8]
El análisis de impacto cruzado intenta establecer relaciones entre eventos y variables. Estas relaciones se clasifican como positivas o negativas entre sí y se utilizan para determinar qué eventos o escenarios son más probables o factibles de ocurrir dentro de un período de tiempo determinado. [4]
El estilo de previsión de futuros se basa en los sistemas y métodos desarrollados durante los años 1970 y 1980 y sigue varios pasos estrictos.
En primer lugar, los analistas deben considerar la cantidad y el tipo de eventos que se deben considerar en el análisis y crear un conjunto de eventos. Debido a que cada evento tendrá una interacción con todos los demás eventos, Gordon recomienda que se utilicen entre 10 y 40 eventos. [8]
En segundo lugar, los analistas deben tener en cuenta la probabilidad inicial de cada acontecimiento. Las probabilidades de los acontecimientos deben considerarse de forma aislada unas de otras. [8]
En tercer lugar, los analistas deben generar probabilidades condicionales que los eventos tienen entre sí. Básicamente, esto plantea la pregunta: "Si ocurre el evento 'A', ¿cuál es la nueva probabilidad de que ocurra el evento 'B'?" Esto debe hacerse para cada interacción posible entre eventos. [9]
En cuarto lugar, los analistas deben comprobar sus probabilidades condicionales iniciales para asegurarse de que no haya errores matemáticos. Esto se hace normalmente ejecutando simulaciones en una computadora varias veces. [9]
En quinto lugar, los analistas pueden ejecutar el análisis para determinar escenarios futuros [4] o determinar qué importancia tienen otros eventos para eventos específicos. [10]
El estilo de predicción futurista del análisis de impacto cruzado se basa en gran medida en probabilidades y matemáticas en sus procesos. Las probabilidades iniciales y las probabilidades condicionales se calculan utilizando porcentajes [9] o números de factores equivalentes a porcentajes. [4] Los investigadores deben calcular los valores numéricos o porcentajes con mucha precisión para garantizar resultados precisos y que los impactos de los eventos entre sí sean realistas y no contradictorios. Además, los investigadores deben ser cuidadosos al calcular los impactos negativos, ya que la influencia negativa puede crear imposibilidades matemáticas. [9]
Esta rigurosidad matemática hace que el estilo de pronóstico futurista del análisis de impacto cruzado sea uniforme y las diferencias en los métodos analíticos, simulaciones y programas reales solo tengan diferencias menores para adaptarse a las necesidades del investigador o analista específico.
La precisión de las matemáticas y de los eventos específicos requiere una especialización en los eventos o el tema de discusión. Para obtener la información necesaria para obtener los eventos y los cálculos, los analistas suelen ponerse en contacto con una gran cantidad de expertos y les piden sus opiniones sobre los eventos o las probabilidades en persona, en grupos [9] o mediante encuestas. [4]
Estas agrupaciones suelen parecerse a la técnica Delphi , que es una técnica analítica que reúne a un grupo de expertos en un tema y les pide su opinión sobre un escenario o predicción. Por lo general, los analistas consideran que la predicción o el escenario promedio es el que tiene más probabilidades de ocurrir. [11] Las dos están tan estrechamente relacionadas que los analistas suelen utilizar las dos técnicas en combinación o como parte de una metodología más amplia. [5]
El estilo de predicción futurista del análisis de impacto cruzado tiene algunas ventajas clave. Su uso de grupos de expertos garantiza una serie de opiniones que vale la pena considerar al calcular las probabilidades de los eventos. El nivel de matemáticas en el cálculo de probabilidades garantiza que los resultados sean tan precisos como un investigador pueda hacerlos. Además, cuando se utiliza en conjunto con otras técnicas analíticas, este tipo de análisis de impacto cruzado puede brindar resultados cuantitativos mayores que un análisis que de otro modo sería cualitativo. [9] La conformidad relativa de los métodos garantiza que los analistas que utilizan diferentes métodos o simulaciones puedan llegar a resultados similares, lo que hace que los resultados sean comprobables en un contexto más amplio.
Muchas de las fortalezas del estilo de predicción futurista del análisis de impacto cruzado dan lugar a muchas de sus debilidades. La conformidad del estilo genera un cierto nivel de inflexibilidad cuando se trata de variables distintas de los eventos, como las condiciones ambientales o las cuestiones políticas. Además, el alto nivel de matemáticas involucrado en este estilo conduce a grandes demoras ya que se deben ejecutar escenarios para garantizar la precisión matemática de las probabilidades [12] , o aparecen problemas particulares con el teorema de Bayes [13] . El nivel de matemáticas también requiere que los investigadores tengan conocimientos de matemáticas o de programas informáticos adicionales para tratar los escenarios y las probabilidades del método.
Poco después de que Theodore Gordon y Olaf Helmer desarrollaran el método original de impacto cruzado, la comunidad de inteligencia de los Estados Unidos adoptó la técnica y la ha estado utilizando durante más de treinta años. [2]
Si bien la premisa básica de las relaciones y los impactos entre múltiples variables sigue siendo la misma, la comunidad de inteligencia modificó el análisis de impacto cruzado para satisfacer sus diversas necesidades.
La comunidad de inteligencia ha creado un sistema más flexible y variable que la metodología original. Las relaciones entre los eventos y los impactos siguen siendo similares al método incorporado por los futuristas. [14] Sin embargo, los analistas de inteligencia han ampliado los parámetros del análisis de impacto cruzado más allá de la comparación de eventos para incluir variables como el entorno, las circunstancias políticas y la opinión popular para influir en las probabilidades de ciertos eventos. [15] Además, los analistas de inteligencia pueden optar por utilizar mediciones más flexibles como "mejora", "inhibición" o "no relacionada" en lugar de las matemáticas rígidas de la metodología tradicional para incluir variables no relacionadas con los eventos. [16]
Una parte importante del estilo de análisis de inteligencia del análisis de impacto cruzado es la matriz de impacto cruzado. La matriz es una visualización del análisis de impacto cruzado y permite la modificación. También permite al analista encontrar tanto las variables más influyentes como las variables que se ven afectadas por la mayoría de las otras variables, no solo las relaciones directas de uno a uno. [17] Si bien varios métodos tradicionales de análisis de impacto cruzado sugieren la creación de una matriz, la prioridad aún depende de las probabilidades, las relaciones de uno a uno y el orden de los eventos. [12]
En la matriz de impacto cruzado del estilo de análisis de inteligencia, los analistas utilizan signos más y menos en lugar de valores numéricos, lo que permite que haya variables que no sean eventos y que el analista pueda comparar las variables directamente con todas las demás variables sin realizar cálculos. [18]
El análisis de impacto cruzado, que se lleva a cabo en el estilo de análisis de inteligencia, tiene varias ventajas clave. La flexibilidad del modelo permite a los analistas medir distintos tipos de variables entre sí, no solo eventos probables. [19] Además, la capacidad de descartar criterios matemáticos estrictos significa que los investigadores no necesitan una formación matemática extensa ni software especializado para utilizar el análisis de impacto cruzado. Esto también permite a los expertos en un tema utilizar la metodología con relativa rapidez sin tener que contrastar los numerosos cálculos a los que se enfrenta el estilo de pronóstico futurista. [20]
La falta de procedimientos estrictos del estilo de análisis de inteligencia también trae desventajas considerables. La flexibilidad del estilo depende en gran medida de las opiniones y el conocimiento de los analistas involucrados, y es difícil reproducir los resultados con un grupo diferente. Además, la opción de eliminar las matemáticas puede perjudicar a los analistas al crear resultados que no tienen valores numéricos que los respalden. Esta falta de matemáticas puede hacer que el proceso sea más fácil al principio, pero la cantidad de software especializado es limitada en comparación con el estilo de pronóstico futurista, lo que hace que el trabajo sea más tedioso a medida que aumenta el número de variables.
Los investigadores pueden utilizar el análisis de impacto cruzado para una amplia variedad de aplicaciones. Los futurólogos ya han utilizado la metodología para pronosticar eventos en industrias específicas, en la política, en los mercados e incluso en comunidades enteras. [6] [7]
En el análisis de inteligencia, los analistas pueden utilizar el método para predecir eventos, condiciones o decisiones basándose en una amplia variedad de variables y condiciones a nivel local, nacional e internacional. [19]