Qué es el análisis de árboles de decisión (y a qué árbol de decisión nos referimos)
Busca 'árbol de decisiones' hoy y la mayor parte de lo que encuentres es un algoritmo de aprendizaje automático — un clasificador que divide los datos en características. Esta página trata sobre la herramienta humana más antigua: el árbol de análisis de decisiones, la técnica canonizada en Decision Analysis de Howard Raiffa (1968) y la tradición de análisis de decisiones de Harvard/Stanfod, para razonar sobre elecciones bajo incertidumbre.
La gramática es pequeña. Nodos de decisión (dibujados como cuadrados) son puntos donde eliges. Nodos de oportunidad (círculos) son puntos donde el mundo elige: una aprobación llega o no, la demanda es alta o baja, cada rama lleva tu probabilidad estimada. Nodos terminales (hojas) llevan la recompensa de terminar allí. El tiempo fluye de izquierda a derecha: primero el compromiso, luego las consecuencias posteriores.
El análisis es el rollback: comenzando desde las hojas y trabajando hacia atrás, cada nodo de oportunidad se colapsa a su promedio ponderado por probabilidad, cada nodo de decisión a su mejor rama disponible — porque cuando llegas allí, elegirás la mejor rama. Lo que llega a la raíz es el valor esperado de cada opción inicial, y a menudo algo más útil: el descubrimiento de que una estrategia escalonada ('piloto primero, luego decidir') domina tanto el compromiso audaz como no hacer nada. Donde se encuentra en la caja de herramientas: modelos de toma de decisiones; para la versión estática de la cuestión del dinero, consulta análisis de costo-beneficio.
Cuándo usarlo — y cuándo no usarlo
Los árboles de decisión justifican su uso cuando:
- ✓La decisión es secuencial. Las elecciones ahora abren o cierran elecciones más adelante: pilotos, inversiones escalonadas, estructuras de opción de expansión. Este es el terreno conocido del árbol, y es lo que las comparaciones planas no pueden ver.
- ✓La incertidumbre es discreta y estimable. La aprobación regulatoria, el cierre de un acuerdo, un hito técnico: eventos a los que puedes poner honestamente un rango de probabilidad.
- ✓Usted sospecha que la información tiene valor. Los árboles valoran la rama de 'realizar primero el estudio' — el valor esperado de adquirir conocimiento antes de comprometerse, una de las contribuciones realmente profundas del análisis de decisiones.
Y donde desinforman:
- ✗Apuestas que definen la empresa. El valor esperado es el criterio correcto para decisiones repetibles; para apuestas de supervivencia únicas, una probabilidad del 10% de ruina no se compensa con una media jugosa. La actitud hacia el riesgo debe incluirse en el análisis, y el EV ingenuo la ignora.
- ✗Probabilidades que nadie puede defender. La salida del árbol hereda la calidad de sus estimaciones; 0.6 escrito en una rama es una afirmación, y si nadie puede decir por qué, la aritmética es teatro. (Esta es la conexión árbol-argumento a continuación.)
- ✗Explosión combinatoria. Modelar cada incertidumbre y el árbol se vuelve ilegible. El arte consiste en elegir las dos o tres incertidumbres que realmente impulsan la decisión.
- ✗Ambigüedad profunda. Cuando ni siquiera puedes enumerar los resultados, las probabilidades son prematuras — ese es el territorio de la planificación de escenarios.
Paso a paso, con un ejemplo trabajado
Escenario ilustrativo: una startup de herramientas biotecnológicas inventada decidiendo si lanzar su producto ahora o realizar primero un estudio de certificación. El procedimiento:
- 1Enmarcar la decisión raíz. Tres ramas del primer cuadrado: lanzar ahora; realizar primero el estudio de certificación (un año, a un costo); archivar el producto.
- 2Mapear las incertidumbres por rama. Lanzar ahora → nodo de oportunidad: el mercado acepta el producto no certificado (estimado 40%) o lo rechaza (60%). Estudiar primero → nodo de oportunidad: certificación concedida (70%) o denegada (30%); si se concede, un cuadrado de decisión adicional: lanzar certificado (mayor aceptación, estimado 80%) o licenciar la tecnología.
- 3Adjuntar pagos en las hojas. Cada estado final recibe un valor: el éxito del lanzamiento certificado es el gran pago; el lanzamiento no certificado fallido es una pérdida más daño a la reputación (costeado explícitamente); el archivo es cero menos el desarrollo hundido.
- 4Revertir. Promedia cada nodo de oportunidad por sus probabilidades; en cada cuadrado de decisión mantén la mejor rama. Supón que los números hacen que estudiar primero valga más que lanzar ahora a pesar del retraso de un año: el impulso de la certificación a la aceptación compensa más que la espera.
- 5Enfatiza las estimaciones. ¿A qué probabilidad de aceptación gana lanzar ahora? Si la respuesta es 55% y tu rango honesto es de 30 a 50%, la conclusión es robusta; si el punto de cambio se encuentra en el rango medio, la decisión depende de una estimación — y esa estimación merece el escrutinio del paso 6.
- 6Interroga los números que soportan la carga. La estimación de certificación del 70% provino de algún lugar: ¿aprobaciones comparables? ¿el juicio del abogado? Haz que la base sea explícita y cuestionable antes de que se crea en la aritmética.
Árboles de decisión y árboles de argumentos: complementos, no rivales
Los nombres invitan a la confusión, así que aquí está la división clara. Un árbol de decisiones calcula: dadas estas probabilidades y pagos, ¿qué estrategia vale más? Un árbol de argumentos razona: ¿son realmente creíbles estas probabilidades y pagos? En términos de calidad de decisiones, el árbol de decisiones estructura alternativas (incluyendo las que el análisis plano por etapas omite) y información (estimaciones hechas explícitas); el árbol de argumentos proporciona razonamiento sólido sobre exactamente esos insumos:
Cada probabilidad → una reclamación
"La certificación tiene un ~70% de probabilidad de éxito" se convierte en un argumento que lleva su base — aprobaciones comparables, la opinión del asesor — con desafíos y apoyo adjuntos, y una calificación que refleja el escrutinio del grupo.
Cada pago → un mini-caso
El valor de la hoja de gran éxito es una previsión; sus supuestos (precios, tasa de adopción) se convierten en subargumentos que alguien puede atacar antes de que el número haga su trabajo.
La estrategia recomendada → reclamación raíz
"Ejecutar primero el estudio" se encuentra en la raíz con el retroceso como evidencia principal — y los puntos de inversión de sensibilidad como preguntas abiertas nombradas.
Las estimaciones se mueven → las actualizaciones del árbol
Cuando el asesor revisa las probabilidades de aprobación, la reclamación se actualiza, la reversión se recalcula y el apoyo visible de la recomendación cambia — no hay una hoja de cálculo obsoleta.
El árbol de decisiones hace la aritmética; el árbol de argumentos gana las entradas. Ejecuta los números donde pueden ser desafiados — consulta calidad de decisión para entender por qué el vínculo de razonamiento es el que ningún marco proporciona.
Árboles de decisión vs las alternativas
| Si tu pregunta es… | Alcanza para | ¿Por qué no un árbol de decisiones? |
|---|---|---|
| Comparación de un solo disparo, incertidumbre menor | Análisis de costo-beneficio | La maquinaria de los árboles no añade nada sin ramas. |
| La flexibilidad en sí misma es el valor — esperar, actuar, abandonar | Pensamiento de opciones reales | La lógica de opciones extiende el árbol con un marco de precios de mercado. |
| Los resultados no se pueden enumerar, y mucho menos probabilizar. | Planificación de escenarios | Las probabilidades sobre futuros incognoscibles son un falso consuelo. |
| El descuento de pagos lejanos es el meollo. | VPN y TIR: los límites | Los árboles heredan cada decisión de descuento. |