El fin de la confianza

Era una tarde lluviosa de 1906 en el sur de Inglaterra. El científico británico Francis Galton visitaba una feria de ganado que reunía a los agricultores y campesinos de los alrededores de su pueblo. Además de hacer negocios, muchos llevaban sus mejores piezas a competir en el concurso anual. En aquella ocasión, los participantes debían estimar el peso de un buey Varios centenares de personas pusieron por escrito su estimación, aunque no se trataba, en mayor medida, de especialistas en ganado. Galton, ilustrado y escéptico de la lucidez de las masas incultas, se motivó por su interés en las estadísticas y tomó nota de cada estimación ya que creía que nadie acertaría. Suma tras suma, calculó la media de las apuestas hechas por 8 0 0 personas a ojo. Resultado: 1.197 libras. Peso real: 1 . 1 9 8 libras. No lo sabía esa tarde, en los albores de un corto siglo 20, pero había puesto el dedo en un concepto que movería los negocios varias décadas después: el de la inteligencia colectiva; esa capacidad de las masas de llegar a una conclusión correcta por encima de las estimaciones de un experto ilustrado. El concepto tardó en popularizarse pero se hizo carne en la era de internet. Los negocios pegaron un vuelco hacia la colaboración, la comunidad y la descentralización. El motor que impulsó este cambio en todos los niveles sociales fue la llegada, con inusitada fuerza, de la confianza. Las personas empezaron, como nunca antes, a confiar una en la otra sin siquiera conocerse y empezaron a cooperar en diferentes aspectos. Esta cooperación y mutualismo, a su vez, dio lugar a lo que hoy se conoce como "economía del compartir", un nuevo tipo de ecosistema de negocios donde lo que importa no es quién es dueño de qué, sino quién puede usarlo. De la cooperación, el compartir y la confianza se tejen enormes redes donde los individuos acoplan una sobre otra diferentes clases de relaciones, generando un gran fondo común de conocimientos.

Este concepto moderno de "inteligencia colectiva" es la gasolina que impulsó la maquinaria de enormes gigantes de la economía como eBay, Uber, Airbnb y Wikipedia. En 2015, PwC estimó que, de US$ 15.000 millones en ingresos globales en 2014, el uso compartido de automóviles y habitaciones, crowdfunding, servicios personales y transmisión de video y audio alcanzaría los US$ 335.000 millones para 2025.

Las aplicaciones para teléfonos inteligentes, los servidores basados en la nube y la tecnología de geolocalización permitieron que los servicios para compartir sean fáciles de ejecutar y usar, a la vez que los datos que generan son fáciles de almacenar y verificar. Muchas aplicaciones incorporan funciones sociales que les permiten a los usuarios y proveedores calificarse entre sí, aumentando la confianza entre quienes son en realidad extraños, a la vez que depura el sistema de usuarios deshonestos. En este nuevo modelo, a veces las personas poseen y comparten los activos, como habitaciones adicionales, herramientas para el hogar, archivos de música o videos de películas, su propio tiempo libre y habilidades y hasta sus mascotas. Entre los campeones de la nueva economía están Airbnb, HomeStay, Uber, Lyft, Rover, TrustedHousesitters y Taskrabbit (adquirido por Ikea).

Pero el modelo no carece de fallas; está, como casi todo el software que nos rodea, roto.

Hoy, hay fisuras en el sistema de confianza y referato, errores en la matriz de la inteligencia colectiva que demostraron que, muchas veces, la estupidez también se comparte. Desafortunadamente para las empresas que participaron del "boom" de la economía del conocimiento no fueron las protestas de taxis ni las regulaciones contra hoteles las que pusieron enjaque su modelo de negocios: fue, después de todo, su confianza en sus usuarios.
Del social boosting al control centralizado, es hora de poner a la inteligencia colectiva en el banquillo.

Dos es mejor que uno

Es válido preguntarse cómo es posible que las decisiones colectivas funcionen, siendo las personas tan dispares entre sí y, a ^ priori, difícilmente más competentes que los expertos. Esta idea, por intuitiva que sea, está lejos de la realidad. "No hay dudas de que cuando hay muchos individuos separados tomando decisiones independientes, todos tienen una parte de la respuesta correcta, pero disgregada, y cuando se promedian se genera una inteligencia colectiva que está distribuida en varias personas y eso es posible porque ahora todos tenemos una computadora en nuestro bolsillo", explica Joaquín Navajas, físico y neurocientífico investigador de la Escuela de negocios Di Tella y del Conicet, especializado en toma de decisiones colectivas. "Como cada persona tiene errores no correlacionados, esos mismos errores se desvanecen. Estadísticamente, es como la ley de los grandes números", desarrolla Navajas, que explica que cuando, por ejemplo, se agregan una gran cantidad de estimaciones sobre algo, las personas extremistas y las conservadoras terminan en promedio anulando y generando un punto medio muy cercano a la realidad. "La inteligencia colectiva lo que hace es definir a las personas no ya como consumidores o productores, sino como prosumidores, personas que crean y consumen. Allí entra enjuego la reputación y los sistemas de scoring que ayudan a moderar la participación colaborativa para que los que participan negativamente se excluyan y los que aportan virtuosamente tengan más preponderancia. Eso genera un sistema eficiente. Los ejemplos van desde la movilidad con Uber y Cabify hasta la hospitalidad con Airbnb", expone Alan Boryszanski, CEO del sitio de crowdfunding del agro Wuabi y referente local de la ONG internacional de economías colaborativas OuiShare.

Uno de los proyectos pioneros y, al día de hoy, más representativos del modelo de la inteligencia colectiva es Wikipedia, la enciclopedia virtual abierta más grande del mundo. "Wikipedia demostró que es posible romper con la lógica verticalista y apostar al modelo cooperativo. Es uno de los primeros proyectos grandes de inteligencia colectiva y actualmente creció hasta convertirse en una fundación con diversos proyectos que van desde bases de datos hasta servicios en la nube.

Desplazó del mercado a los competidores tradicionales como la Enciclopedia Británica o la Encarta de Microsoft", explica Anna Torres Adell, la directora ejecutiva de Wikimedia Argentina y politóloga especializada en cooperación internacional. Desde su fundación en 2001, la enciclopedia online logró reunir la nada despreciable cifra de 33 millones de usuarios registrados, que producen y editan más de 5,5 millones de artículos en cerca de 300 idiomas y que registraron unas 18.000 millones de visitas al mes en 2017, según los propios datos de Wikipedia, y recibe cuantiosas donaciones de líderes de la industria tecnológica global, como Google que en el último año donó más de US$ 1 millón.

Fue, de alguna mánera, un "caso testigo" porque luego del caso Wikipedia muchas empresas se subieron al modelo y lo enfocaron hacia diferentes segmentos de negocios. Algunas de esas empresas que apostaron al modelo de la sabiduría de las masas hoy facturan millones y están en el radar de las grandes empresas de tecnología. Así le sucedió a la startup de origen israelí Waze, que fue adquirida en 2011 por Google por la suma de US$ 1.300 millones, una cantidad astronómica para ser una empresa que aún no ganaba dinero. Acaso Google haya visto el potencial de la "crowdeconomy". Hoy, Waze es una aplicación que cuenta con más de 100 millones de usuarios en todo el mundo (7 millones en la Argentina) y, según la base de datos de empresa de TechCrunch, su revenue asciende a casi US$ 38 millones anuales. "Waze empezó siendo un mapa en blanco, literalmente, y los usuarios individualmente fueron trazando las rutas y rellenando la información. Se decidió hacer así porque las comunidades tienen un poder mayor a cualquier ente gubernamental o autoridad central. Se apostó a que los usuarios conocen mejor que nadie su entorno y hoy la plataforma es el mapa más poderoso y actualizado del mundo", relata Ariadna Travini, Country Manager de Waze en la Argentina.

En el corazón del negocio de Waze está la inteligencia colectiva, ya que la plataforma fue diseñada con el objetivo de usar el feedback masivo de los usuarios para reducir el tráfico y generar las mejores rutas para desplazarse en auto. "Entendimos que el mapa no es nuestro, es de la comunidad. El funcionamiento está en manos de esa comunidad", resume Travini. Para lograr que todo ese feedback genere valor, y negocio, la compañía se apoya en herramientas de BI, geolocalización y algoritmos de eficiencia, como así también análisis de datos para generar reportes personales de cada usuario. Sobre esta tecnología, toda desarrollada in house, no puede conocerse demasiado ya que la empresa comparte la política de su compañía madre, Google, de no divulgar demasiados detalles técnicos sobre cómo funciona su core de negocio tecnológico. Lo cierto es que sobre ella reposa la estrategia de la startup para generar engagement y los tan preciados datos. "Recompensamos a los usuarios que más contribuyen con más cantidad de permisos para incidir en el mapa compartido. Carnificamos el uso de la plataforma, y los usuarios suben rangos y ganan puntos por contribuir a la experiencia de uso positivamente, es un refuerzo positivo", explica la autoridad de Waze en la región. Los usuarios con mejor rango pueden bloquear a usuarios maliciosos, generar reportes sobre eventos de gran incidencia en el tráfico y validar los inputs de los usuarios de menor rango. Como dato de color, entre los usuarios de los rangos máximos se encuentra un argentino que tiene poder de veto y moderación en todo el mundo, aunque es solo uno de los 800.000 que usan la app en el país. Estos moderadores son elegidos por la propia comunidad que, en principio, pugna individualmente por sus propios intereses. La inteligencia está distribuida, sí, pero con cuidado.

Los otros dos proyectos exitosos de la economía de las masas son Uber y Airbnb, sendas compañías llevaron el negocio de la inteligencia colectiva al mercado masivo. Airbnb tuvo un muy buen año 2017. Rompió sus propios pronósticos internos para generar US$ 93 millones en ganancias con US$ 2.600 millones en ingresos de acuerdo a un informe de este año de Bloomberg. "La confianza es la moneda fundamental de la economía colaborativa, y está en el corazón de todo lo que hacemos. Se sabe que la idea de abrir la casa o quedarse con un desconocido puede parecer un acto de fe. Por eso se diseñó intencionalmente a la comunidad para ayudar a ganar y generar confianza dentro y entre nuestros millones de anfitriones e invitados", explica Nick Shapiro, jefe global de Confianza y Manejo de Riesgo en Airbnb y ex vicejefe de la CIA.

En el caso de Uber, todas sus fichas están puestas en su modelo de confianza. La empresa ya lleva años de pérdidas históricas, y en el primer trimestre de este año tuvo pérdidas que  ascienden a US$ 312 millones, aunque la impresionante cifra signifique una reducción de pérdidas del 50 por ciento en comparación con los primeros tres meses de 2017, según los datos financieros proporcionados por la empresa. Esta compañía ya quemó más de US$ 10.000 millones pero su valuación, paradójicamente, sigue en aumento: alcanzó, este año, los US$ 72.000 millones. "La posibilidad que brinda Uber a usuarios y socios conductores de evaluar la experiencia y dar feedback es una pieza clave del sistema", reconoce Juan Labaqui, jefe de Comunicaciones Cono Sur en Uber.

No hay que perder de vista que el avance de la inteligencia colectiva como concepto de negocio hace ya un tiempo que no se agota en los servicios tecnológicos. El mundo de los servicios analógicos también cambió de la mano de la sabiduría de masas, como ejemplifica la empresa brasileña Dog- Hero, que generó un negocio a partir de la economía del compartir y la confianza. Esta aplicación se encarga de conectar a dueños de perros con anfitriones que se ocupan de hospedarlos en sus casas, poruña tarifa diaria. Además, permite al dueño seguir la rutina, recibir fotos y acompañar todo el hospedaje de su mascota durante el viaje. "Las evaluaciones tienen un gran impacto en la evolución de la plataforma, pues ellas son responsables de construir confianza del cliente con el anfitrión y con la aplicación. Las evaluaciones se generan después del término del alojamiento, cuando el cliente escribe un breve relato de la experiencia y la clasifica con una nota de cero a 10. El algoritmo que calcula el orden en que se muestran los perfiles de los anfitriones toma en consideración una serie de atributos y métricas de calidad, como tiempo de respuesta, número de evaluaciones y número de clientes fieles", explica Felipe Cario, líder de Inteligencia de Negocios en DogHero. "El sistema de scoring está 100 por ciento automatizado y depende únicamente del cliente", aclara Cario, y confirma que la Argentina es un mercado clave para la empresa, donde ya cuenta con más de 800 anfitriones.

La Argentina también dice presente en el ecosistema de la inteligencia colectiva. Boryszanski es fundador de la plataforma de financiamiento colectivo para el agro Wuabi y uno de los tantos emprendedores locales que quiere subirse al negocio de la inteligencia masiva. "Lo que hacemos es financiar colectivamente proyectos relacionados al agro", resume uno de sus fundadores. De hecho, la plataforma ya cuenta con una serie de proyectos de inversión. Específicamente, de fideicomiso agropecuario destinado a ciclos de cultivo mixto, incluyendo girasol, trigo, soja y maíz; de inversiones agroganaderas, para módulos de ciclo completo que involucren cría, engorde y comercialización, y de préstamos a agropymes para compra de maquinaria. "Nuestra idea es ver si la comunidad conoce y valida al posible inversor, que la persona es real y que lo que va a hacer es factible y viable. Si es parte del ecosistema productivo, si organizaciones del sector lo avalan, si están en la cadena de valor de otros players, y lo que experimentan los que aportan capital. Es un sistema de scoring alternativo y permite brindarles inclusión financiera a los que no pueden acceder por condiciones diferentes", explica el emprendedor respecto de cómo aplican la inteligencia colectiva a su negocio. La capacidad de ahorro de la clase media regional se estima "en más de US$ 30.000 millones anuales, por lo que aplicar inteligencia colectiva es una forma de, por un lado, generar un entorno amigable y confiable para los capitales pequeños y, por el otro, de atacar un nicho de mercado hasta ahora descuidado ya que Wuabi es la primera startup de su tipo en el país. En 2018 transaccionaron alrededor de $ 4 millones en cerca de 10 proyectos.

Dado que es la tecnología la que habilita y realmente potencia el concepto de inteligencia colectiva, esa misma tecnología es uno de los drivers más poderosos. Así lo demuestra otro argentino, Federico Ast, que es uno de los pioneros en intentar llevar la inteligencia grupal un paso más allá y aplicarla a una nueva gama de problemas y temáticas muy sensibles. La idea de Ast es llevar el crowdsourcing a la justicia, apalancando en la criptografía, las criptomonedas y la economía matemática. "Internet abrió el juego a la inteligencia colectiva porque permitió que existan muchísimos nodos de información conectados. Qué es lo que hace una comunidad, al final del día, trabaja procesando información. Si se lo piensa desde un punto de vista epistemológico es lo mismo que hace un decidor pero de manera descentralizada", explica Ast, que es filósofo y economista por la UBA, además de docente sobre blockchain en el sitio de aprendizaje online Coursera.

Bajo esa definición, trabaja desde 2015 en un proyecto para resolver disputas legales desde la inteligencia colectiva. "Kleros es una organización autónoma de blockchain que funciona como tercera parte descentralizada e imparcial para realizar arbitraje de disputas. En la plataforma hay jurados que van a poner un token en un fondo común o bolillero virtual, son miles de personas las que hacen eso y se eligen cinco, por ejemplo, para ser jurados. Esos token quedan bloqueados hasta que acaba el juicio y hay una deliberación", explica Ast. Es ahora donde los jurados deliberan y llegan a una conclusión, presumiblemente legítima, ya que según explica Ast "la teoría de punto focal del economista ganador del Nobel, Thomas Schelling, muestra que los expertos llegan a conclusiones similares de forma paralela si manejan la misma información". Tras confinnarse el veredicto, los jueces que votaron conforme a la opinión general —o consenso inteligente descentralizado— reciben una recompensa en tokens de la plataforma mientras que los jueces que votaron en contra del consenso son penalizados y los tokens que aportaron al fondo común se distribuyen entre los que resolvieron la disputa. Recientemente lanzaron una ICO, una suerte de evento de fondeo donde se vendieron sus tokens PNK a posibles interesados, y levantaron casi US$ 3 millones (unos 5.200 ethers, la token de Ethereum, la red donde está montado Kleros).
A ojos de los emprendedores y los usuarios, las opciones parecen infinitas. Sin embargo, cuando se analizan los vericuetos de la tecnología y en particular de su uso, saltan a la vista no pocas situaciones que involucran, más que inteligencia colectiva, una suerte de "estupidez colectiva" que desnuda cómo, a veces no alcanza cuando la tecnología depende únicamente de la buena voluntad de sus usuarios.

Otra clase de grieta

En 2014, cientos de usuarios de Waze en Israel cambiaron sus rutas y esquivaron el tráfico gracias a la aplicación. No parece nada nuevo, aunque el único problema fue que jamás existió ningún caos vehicular por fuera de las pantallas de los smartphones de los usuarios de Waze. Para un proyecto escolar, Shir Yadid y Meital Ben-Sinai, estudiantes de cuarto año en el Technion-Israel Institute ofTechnology, piratearon Waze y sacudieron los cimientos de confianza en los que se basa la app. Los estudiantes crearon y registraron miles de usuarios falsos de Waze, utilizando un programa que emula teléfonos inteligentes, como Android Studio o BlueStack. Luego, esas cuentas falsas generaron coordenadas GPS falsas a la aplicación. Este ejército de usuarios falsos o, estrictamente, de bots, luego envió informes que afirmaban estar atrapados en el tráfico en las coordenadas falsas. Los estudiantes fueron capaces de simular un atasco de tráfico que se prolongó durante horas y horas haciendo que los automovilistas que usaron Waze se desvíen de sus rutas programadas. Allí estaban miles de usuarios desviando sus rutas porque así Waze lo pedía. Los autores del ataque publicaron su caso en un artículo académico y advirtieron que la misma técnica podría usarse con fines menos benévolos que solo probar un punto. "Entra en juego la naturaleza humana, las falencias se trasladan a las tecnologías", admite Travini, aunque agrega que "las nuevas generaciones son más altruistas. Usan correctamente las plataformas porque encuentran valor en ellas. Les veo más problemas a las plataformas centralizadas que a las comunitarias".

No fue esa la única vez que alguien intentó usar maliciosamente la inteligencia de las comunidades. En otra ocasión, fueron los propios usuarios los que, inteligentemente, aprovecharon una función inintencionada de la plataforma. Este año, Waze firmó algunas alianzas en la Argentina con cuerpos del Estado, por ejemplo la provincia de Neuquén y el municipio de San Isidro, y la preocupación era la misma: cómo evitar que los usuarios usen Waze para comunicarse y esquivar los controles policiales. Una de las opciones en  la aplicación permite publicar la posición de un control policial, presumiblemente para generar mapas más completos, pero también es una oportunidad para que sea más sencillo viajar alcoholizado, sin  las credenciales necesarias o a velocidades ilegales. “Tuvimos problemas con la policía pero no quitamos las alertas. Las entidades tradicionales jugan con otros paradigmas y hay ciudades que entendieron que lo pueden usar a su favor. En muchos casos, estar alertas de controles sirven para que el conductor ponga más atención y le genera un incentivo para bajar la velocidad. La misma sociedad se autorregula cuando hay un control de los propios usuarios”, concede Triviani. En diálogo con este medio, la posición de Waze de parece ser muy firme: “No vamos a intervenir en lo que decidan los usuarios en este tema. Mientras más abierta sea la inteligencia colectiva, más le juega a favor y en contra la naturaleza humana”, concluye la responsable regional de Waze.

Esta metodología puede, por definición, aplicarse a cualquier plataforma fundada en la masividad. Así es como en Airbnb se conocen casos de posible lavado de dinero, cunado dos usuarios nuevos y sin historial empiezan a hacer reservaciones por grandes sumas de dinero. En la misma línea, si un anfitrión y un invitado se reservan habitaciones entre si en repetidas ocasiones podría ser una estafa crear críticas positivas artificailes. Uno de los casos más llamativos es el llamado “ransackgate”: un anfitrión fue robado y su casa vandalizada. En respuesta, Airbnb instituyó nuevas disposiciones de serguiridad, estableció una línea directa de atención al cliente 24/7, estableció una garantía de anfitrión de US$50.000 – que luego aumentó a US$1 millón – y creó una nueva división de confianza y seguridad. Además, la compañía tomó un rol más preponderante y pasó a gestionar los pagos, hacer revisiones, contratar fotógrafos profesionales para filmar propiedades y creó una plataforma para que los anfitriones e invitados se comuniquen entre sí. "Hay más de 300 millones de visitantes en las listas de Airbnb y los incidentes negativos son raros. Aun así, trabajamos constantemente para mejorar nuestra plataforma, porque incluso un incidente es demasiado", dice Shapiro, quien ahora está a cargo de la flamante área.
El sueño de una plataforma de couchsurfing libre se desvaneció y, como explica Shapiro, hoy los controles son polémicos. "Se aplican tecnologías, como Machine Learning, para evaluar todas las reservas con anticipación a los riesgos. Si bien ningún sistema de verificación de antecedentes es infalible, chequeamos la información de cada usuario en listas de vigilancia, de terroristas y de sanciones. Para los residentes de los Estados Unidos, también realizamos verificaciones de antecedentes en busca de condenas por delitos graves, registros de delincuentes sexuales y delitos menores significativos", expresa. Aunque, pese a todos estos esfuerzos, una pane del sistema sigue siendo vulnerable. Así lo demostró la última Copa del Mundo en Rusia, donde florecieron docenas de empresas dedicadas a recibir a miles de potenciales turistas —posibles clientes de empresas como Airbnb, Booking o TripAdvisor— con miles de reseñas falsas pagadas por los propios interesados. Este tipo de servicios se conocen con las siglas SERM (manejo de reputación en los motores de búsqueda, por sus siglas en inglés) y son proveedores de fake news sobre hoteles y restaurantes (Airbnb no contestó directamente a esta consulta efectuada por INFOTECHNOLOGY).

El experto Navajas recuerda que, también en la toma de decisiones grupales, hay problemas inherentes a la naturaleza humana. "Se puede dar un efecto de cascada de información, donde la presión social a no ser diferentes, que es castigada en el cerebro de la misma forma neurofisiológica que el dolor, incentiva a las personas a ir con la manada. Entonces un negocio que tuvo un mal año difícilmente pueda recuperarse en un sistema de scoring porque simplemente nadie va a consumir sus servicios con buenas expectativas", dice el científico.

En este sentido, el problema humano es relevante pero no técnico. En esta línea, Google tiene varios programas diferentes enfocados en la inteligencia colectiva. Uno de los más innovadores, pero no muy conocidos, es Google Places: una función creada para que los usuarios puedan acceder a información sobre puntos especiales del mapa de Google, particularmente los comercios. "Lo principal es educar a las personas en cómo mantener los mapas actualizados. Se pueden agregar lugares que no están en el mapa y sugerir ediciones. Para aportar su conocimiento local, la gente puede unirse al programa Local Guides donde pueden ganar puntos y obtener recompensas por hacer ediciones o agregar nueva información", explica Google Argentina a este medio a través de un comunicado.

Desde el año pasado existe una nueva forma para que los usuarios puedan ayudar a aprobar ediciones sugeridas por otros, reduciendo el tiempo que las ediciones tardan en aparecer en el mapa. A los usuarios les aparecen las sugerencias pendientes y pueden votar si son confiables. En cuanto se obtienen suficientes votos que confirman que la información es precisa, se publica en el mapa. "Reconocemos que hay imprecisiones o sugerencias erróneas de usuarios. Nuestras estrategias además son a largo plazo, los spammers, por ejemplo, son un problema tanto para usuarios como para comercios y empresas de tecnología que proveen información local de comercios. Estamos siempre trabajando en nuevas formas de combatir spammers pero no revelamos detalles para que no sean aprovechados como tips por los propios spammers", aclaran.

De frente a esta "grieta" y a contramano de lo que las hizo crecer, muchas empresas optaron por modelos alternativos. Así como Airbnb tomó el toro por las astas, otras compañías decidieron que la descentralización si está "un poquito" centralizada parece funcionar mejor. La compañía argentina IguanaFix, un marketplace para servicios y empleos que cuenta con una red de 2 0 . 0 0 0 profesionales entre la Argentina, México y Brasil y realiza alrededor de 4 0 . 0 0 0 servicios por mes, decidió ordenar sus prioridades. "Apostamos a un Managed Marketplace, un modelo en el que confluyen oferta y demanda pero en el que nosotros controlamos algunos aspectos. En el sitio hay un scoring mínimo para permanecer y muchas métricas se toman automáticamente y eso evita los sesgos y se garantiza la calidad", explica Andrés Bernasconi, cofundador y CTO de la empresa, que durante 2017 facturó US$ 20 millones. Dentro de la plataforma, hay un sistema de estrellas con un piso mínimo para permanecer. Además, varias métricas se recuperan automáticamente —vía alertas de la aplicación que es obligatoria para los contratistas— y, por ejemplo, las alertas de geolocalización y temporización indican hora y lugar sin ambigüedades y a esto se suman los datos sobre si se enviaron presupuestos para el trabajo. "Optamos por este modelo porque no alcanza solo con la versión de los usuarios para tener un visión integral del negocio. Queríamos generar un valor diferente al de ser un clasificado online", dice Bernasconi.

Es el propio sitio el que clasifica a sus usuarios profesionales y, mucho de ese proceso, pasa por detrás de escena para los clientes, donde su feedback es importante pero solo uno entre muchos. "Como nuestro sistema es prepago tampoco tenemos problemas relacionados al abuso del sistema, ya que calificar mal o bien a alguien implica un gasto de dinero y de acercarse efectivamente hasta el lugar que indica el cliente porque lo tiene que verificar la aplicación", resume el CTO del emprendimiento nacional. Incluso empresas como Uber adquieren, parcialmente, este tipo de prácticas. "El sistema de calidad tiene múltiples mecanismos para dar objetividad a las evaluaciones. Los comentarios son revisados para entender si efectivamente hay un problema de calidad o circunstancial de un viaje, ya sea cortes de calle o tráfico excesivo. Ocurre a veces, por ejemplo, que una persona supone que la máxima calificación es una estrella, en lugar de cinco. Cuando una de las partes reporta una experiencia negativa o un incidente, el equipo de Calidad interviene y tiene en consideración la opinión de ambas partes por igual para entender la causa y determinar la manera adecuada de responder", explica el responsable de Uber. "También en el caso de los socios conductores la aplicación destaca comentarios y temas seleccionados a la hora de ser calificados. Por eso, un conductor puede rápidamente entender si los comentarios están siendo relacionados con cuestiones específicas (por ejemplo, uso de navegación, limpieza del vehículo) y aprender del feedback para mejorar la experiencia", comenta Labaqui.

El indiscutido líder de los marketplaces en el país, Mercado- Libre, también parece estar dejando atrás sus raíces y apostando a un modelo más centralizado. "A fin de 2017, ajustamos el sistema de calificación. Ahora, la experiencia de compra es evaluada a partir del porcentaje de envíos con atraso, el porcentaje de reclamos y el volumen total de ventas realizadas", aclara Hernán Pérez Stoisa, director Comercial de Mercado- Libre Argentina. Para los Mercado Líderes (vendedores que presentan mayor volumen de ventas) ahora se toman en cuenta los porcentajes de mediaciones y de devolución de dinero. Con este cambio, el criterio anterior de calificación, que emergía de los votos y comentarios de los clientes, ya no se utiliza para evaluar la reputación. "No nos estamos alejando del comprador ni del vendedor individual. Le estamos dando al vendedor más canales y al comprador más herramientas para hacer que su compra online sea más eficiente", expresa la autoridad de MercadoLibre, aunque contextualiza con un dato que pennite relativizar esa información: hoy, el 95 por ciento de los productos que se venden en MercadoLibre y la cantidad de "tiendas oficiales" ya asciende a más de 4.000. "El sistema general de evaluación se mantiene, aunque las antiguas calificaciones y opiniones sobre el vendedor solo estarán disponibles en el perfil del vendedor. Las calificaciones negativas ahora no cuentan, sino el porcentaje de reclamos", concluye Pérez Stoisa. Con estos cambios, MercadoLibre parece alejarse más del eBay que supo ser y acercarse más a ser un Amazon.

Una salida posible

La inteligencia colectiva va a existir, latente y sin explotar, ya como activo clave en las propuestas de valor de las empresas, y con los mismos riesgos que siempre existen en las deliberaciones populares. Para Navajas, una de las posibles salidas está en la discusión.
"Según las investigaciones, hay dos formas de generar mejores decisiones en los grupos. Una es formar grupos más pequeños y que puedan deliberar, para no ser arrastrados por la masa o por un líder carismático. Y la otra es tener grupos lo más diversos posibles, porque eso permite anular los sesgos." Otros, como Ast, ven en la tecnología y la cultura, la salida. "Encontramos en blockchain una forma de evitar múchos problemas de seguridad y de abusos de la participación. Más allá de los problemas, Uber es un modelo exitoso, por eso el problema está en el software mental; no en el físico."

En cualquier caso, la fuerza de la inteligencia colectiva es tan poderosa como manipulable, y dependerá del ingenio y la estrategia de las empresas decidir si están en condiciones de someterse al arbitrio de las masas o si, por ahora, es mejor dirigir desde la seguridad de la centralidad.

Mirá la nota en la edición impresa acá: