🎲 El problema de Monty Hall y su utilidad en la gestión de riesgos de proyectos de IA

A veces, la gestión de riesgos no necesita más fórmulas… sino un buen problema matemático clásico que nos haga cuestionar nuestros sesgos al tomar decisiones.
Y uno de mis favoritos es el problema de Monty Hall.

No es solo un juego de probabilidad. Bien entendido, es una lección directa sobre cómo gestionar la incertidumbre cuando toca elegir caminos clave en un proyecto.

Hoy te cuento cómo aplicarlo en un caso real: la selección del modelo de lenguaje (LLM) en un proyecto de implantación de IA en una empresa.


🎯 ¿Qué es el problema de Monty Hall (y qué tiene que ver con un proyecto)?

Para los que no lo recuerdan: el problema de Monty Hall nos plantea un concurso donde puedes elegir entre tres puertas.

  • Una tiene un premio.
  • Las otras dos, nada.
    Después de que eliges una puerta, el presentador abre una de las otras dos (que siempre es vacía) y te da la oportunidad de cambiar tu elección.

La pregunta es:
👉 ¿Deberías mantener tu elección inicial o cambiar?

La intuición dice: “Da igual”. Pero las matemáticas dicen lo contrario:
📌 Cambiar duplica tus probabilidades de éxito (pasas de un 33% a un 66%).


🧩 ¿Y esto cómo se aplica a la gestión de riesgos en proyectos?

En cualquier proyecto complejo, especialmente los tecnológicos, nos enfrentamos constantemente a decisiones bajo incertidumbre:

  • Selección de proveedor
  • Elección de tecnología
  • Definición de la arquitectura
  • Elección del modelo de IA (en nuestro caso)

Y lo más peligroso: tomamos esas decisiones con información parcial y muchas veces nos aferramos a la primera opción elegida, por sesgo de confirmación o por inercia.


🧠 Caso práctico: elegir un modelo LLM en un proyecto de IA

Imagina que estás liderando un proyecto de implantación de IA en una empresa industrial y tienes que seleccionar el modelo LLM que impulsará tu primer copiloto.

Inicialmente, tienes tres opciones:

  1. OpenAI GPT-4
  2. Google Gemini
  3. Un modelo open source adaptado a tu dominio (por ejemplo, LLaMA o Mistral)

Tras una primera evaluación técnica, eliges GPT-4 por precisión general.
Sin embargo, semanas después, tu equipo de arquitectura y ciberseguridad te proporciona nuevos datos:

  • El modelo open source ofrece mejor personalización y control
  • La integración con tu stack tecnológico es más fluida
  • La latencia es menor en entorno on-prem

Ahora tienes la oportunidad de revisar tu decisión.

💡 Aquí es donde entra Monty Hall:
👉 ¿Mantienes tu elección inicial por lealtad a tu decisión o cambias al ver mejor evidencia?


✅ Lección aplicable a la gestión de riesgos

Monty Hall nos recuerda tres cosas fundamentales en proyectos:

  1. La primera opción no siempre es la mejor.
    Elegir rápido no es malo, pero revisar la decisión es obligatorio.
  2. Los nuevos datos reducen la incertidumbre.
    Igual que el presentador revela una puerta vacía, nueva información descarta riesgos.
  3. Cambiar de decisión a tiempo es una muestra de madurez, no de debilidad.
    En la gestión de riesgos, adaptar la estrategia es mejor que defender la intuición inicial.

🔍 Conclusión

Aplicar el problema de Monty Hall a la gestión de riesgos no se trata de jugar a las probabilidades, sino de entender cómo nuestros sesgos nos afectan en la toma de decisiones.
Especialmente cuando lideramos proyectos con alta incertidumbre como los de inteligencia artificial, necesitamos marcos mentales que nos ayuden a decidir mejor, no solo más rápido.

👉 ¿Te ha pasado alguna vez tomar una decisión inicial y no querer cambiarla aunque los datos te dijeran lo contrario?

En GEDPRO y desde ISO31000.es trabajamos precisamente en eso: en mejorar la calidad de las decisiones en proyectos complejos, con métodos sólidos, pero también con pensamiento crítico.

Sin comentarios

Deja una respuesta

Tu dirección de correo electrónico no será publicada. Los campos obligatorios están marcados con *