Economía Conductual

Objetivos de Aprendizaje

Al completar este libro, serás capaz de:

1. Explicar por qué el modelo del agente racional falla como descripción del comportamiento humano y qué implica esto para el diseño de sistemas que dependen de las decisiones de las personas.

2. Aplicar la Teoría Prospectiva de Kahneman y Tversky para predecir cómo las personas evaluarán ganancias, pérdidas y probabilidades en situaciones reales de decisión.

3. Identificar los sesgos conductuales sistemáticos—efecto dotación, contabilidad mental, sesgo del statu quo—y reconocer cómo distorsionan la formulación y ejecución de intenciones.

4. Diseñar arquitecturas de elección que utilicen defaults, simplificación y feedback para alinear el comportamiento real con la intención declarada.

5. Analizar la brecha intención-comportamiento como fenómeno predecible y estructural, no como fallo de voluntad individual.

6. Aplicar los principios de la economía conductual al diseño de interacciones con IA que anticipen y compensen las desviaciones sistemáticas del comportamiento humano.

1. Del Homo Economicus al Humano Real

Durante más de dos siglos, la economía construyó sus modelos sobre un supuesto extraordinario: que los seres humanos son agentes racionales que maximizan su utilidad esperada con preferencias consistentes y estables. Este ser hipotético—el Homo economicus—calcula costos y beneficios con precisión, nunca se deja influir por cómo se presentan las opciones, y siempre elige lo que más le conviene a largo plazo. Es un modelo matemáticamente elegante. Y es sistemáticamente falso como descripción de cómo las personas realmente deciden.

“Un ejecutivo declara en la reunión del lunes: «Este trimestre voy a priorizar la planificación estratégica.» El viernes ya lleva cinco días respondiendo urgencias. No cambió de opinión—sus preferencias no son inconsistentes en abstracto. Lo que pasa es que cada mañana, la urgencia inmediata activa su Sistema 1, que sobrepondera lo presente y descuenta lo futuro. Su intención declarada era sincera. Su comportamiento sigue otra lógica.”

La economía conductual nació como una rebelión empírica contra este modelo. No propuso reemplazar la economía por la psicología, sino enriquecer los modelos económicos con lo que la psicología cognitiva ya había descubierto: que las decisiones humanas son predeciblemente irracionales. No aleatorias—predecibles. Los errores tienen estructura, patrón y dirección. Y es precisamente esa predictibilidad lo que permite diseñar intervenciones.

Richard Thaler, en Misbehaving, documenta cómo la profesión económica resistió durante décadas la evidencia de que los humanos no se comportan como predice el modelo estándar. Los economistas sabían que la gente comete errores, pero arguían que estos se cancelaban en el agregado, o que la competencia de mercado los eliminaba. Ambos argumentos resultaron empíricamente incorrectos: los sesgos son sistemáticos, no aleatorios, y persisten incluso en mercados competitivos y entre profesionales experimentados.

“Los médicos—profesionales entrenados en razonamiento basado en evidencia—muestran los mismos sesgos conductuales que cualquier persona cuando toman decisiones clínicas bajo presión de tiempo. Sobrevaloran los casos recientes (disponibilidad), buscan confirmar su diagnóstico inicial (confirmación), y son reacios a cambiar un tratamiento que ya iniciaron (statu quo). La experiencia profesional no elimina los sesgos; a veces los refuerza.”

Para la Arquitectura de la Intención, esta lección es fundacional: un sistema que modela a sus usuarios como agentes racionales fracasará sistemáticamente en predecir su comportamiento. Si diseñas una interfaz, un prompt o una política asumiendo que las personas elegirán lo que más les conviene cuando se les presenta información correcta, estás cometiendo el error del Homo economicus. La información necesaria no es suficiente. El cómo se presenta, cuándo se presenta y qué se requiere del usuario para actuar sobre ella determina si la intención se traduce en comportamiento o se queda en aspiración.

1.1 De la Anomalía al Patrón

Lo que hoy llamamos economía conductual comenzó como una colección de «anomalías»: comportamientos que no encajaban en la teoría estándar. Los economistas las trataban como curiosidades de laboratorio. Kahneman y Tversky demostraron que no eran anomalías sino la norma—que el modelo teórico, no el comportamiento humano, era la desviación.

Tres hallazgos fundamentales demolieron el modelo clásico. Primero, las preferencias no son estables: dependen del punto de referencia y del marco en que se presentan. Segundo, las personas no evalúan probabilidades correctamente: sobrevaloran las pequeñas y subvaloran las grandes. Tercero, las pérdidas duelen más que las ganancias equivalentes alegran: la función de valor es asimétrica. Estos tres hechos empíricos son la base de la Teoría Prospectiva, que estudiarás en la siguiente sección.

“Un restaurante ofrece un menú con tres opciones de vino: uno a 20 euros, otro a 35 y otro a 60. La mayoría elige el de 35—el del medio. Si el restaurante cambia las opciones a 35, 60 y 90 euros, la mayoría elige el de 60. Las preferencias no cambiaron—el contexto sí. El agente racional elegiría el mismo vino independientemente de las alternativas. El humano real elige en función del conjunto de opciones disponibles.”

2. Teoría Prospectiva: Cómo Evaluamos Realmente

La Teoría Prospectiva, publicada por Daniel Kahneman y Amos Tversky en 1979, es probablemente la contribución más importante de la psicología a la economía del siglo XX. Reemplazó la teoría de la utilidad esperada—que dice cómo deberían decidir las personas—con un modelo descriptivo de cómo realmente deciden. No es un modelo normativo (cómo decidir mejor) ni prescriptivo (qué deberías hacer), sino descriptivo: así es como funciona tu mente cuando evalúa opciones con riesgo.

La teoría tiene tres pilares que transforman cómo entendemos las decisiones humanas, y cada uno tiene implicaciones directas para la Arquitectura de la Intención.

2.1 Puntos de Referencia y Aversión a la Pérdida

El primer pilar de la Teoría Prospectiva es que las personas evalúan los resultados no en términos absolutos sino relativos a un punto de referencia. No calculas cuánto tienes, sino cuánto ganas o pierdes respecto a donde estás. Este punto de referencia es típicamente el statu quo—tu situación actual—pero puede ser manipulado por el encuadre, las expectativas o la comparación social.

“Un empleado que esperaba un aumento del 10% y recibe un 7% experimenta una pérdida, aunque objetivamente ganó un 7%. Su punto de referencia no era su salario actual sino el aumento esperado. Mientras tanto, un colega que esperaba un 3% y recibe un 5% experimenta una ganancia del 2%. Ambos reciben aumentos. Solo uno está satisfecho. La realidad objetiva es idéntica para los efectos prácticos de su bolsillo; la experiencia subjetiva es radicalmente diferente.”

El segundo descubrimiento es la aversión a la pérdida: las pérdidas pesan aproximadamente el doble que las ganancias equivalentes. Perder 100 euros produce más dolor que la alegría de ganar 100 euros. La función de valor tiene forma de S asimétrica: es cóncava para ganancias (cada euro adicional vale un poco menos) y convexa para pérdidas (cada euro perdido duele un poco más), con una pendiente más pronunciada en el territorio de las pérdidas.

Esto significa que las personas son aversión al riesgo cuando se trata de ganancias (prefieren ganar 80 euros seguros a un 80% de probabilidad de ganar 100) y buscan riesgo cuando se trata de pérdidas (prefieren un 80% de probabilidad de perder 100 a perder 80 euros seguros). El mismo individuo es conservador y arriesgado, dependiendo únicamente de si el encuadre presenta la situación como ganancia o como pérdida.

“Un director financiero que ha acumulado pérdidas en un proyecto tiende a duplicar la apuesta—invierte más recursos en lugar de cortar pérdidas. No es que sea irracional; su cerebro está en territorio de pérdidas, donde la Teoría Prospectiva predice exactamente este comportamiento de búsqueda de riesgo. El efecto de costos hundidos (sunk cost fallacy) que estudiaste en el Módulo I no es solo un sesgo cognitivo: es una consecuencia directa de la función de valor asimétrica.”

2.2 Ponderación No Lineal de Probabilidades

El tercer pilar es que las personas no procesan las probabilidades de forma lineal. Sobrevaloran los eventos de baja probabilidad (por eso compran lotería y seguros contra catástrofes improbables) y subvaloran los de probabilidad media-alta. Existe un efecto de certeza: un resultado seguro tiene un peso psicológico desproporcionadamente mayor que un resultado altamente probable. La diferencia entre 99% y 100% es psicológicamente enorme; la diferencia entre 45% y 46% es imperceptible.

“Cuando un sistema de IA dice «tengo un 95% de confianza en esta respuesta», el usuario procesa ese 5% de incertidumbre de forma muy diferente según el contexto. En una búsqueda casual, el 95% se trata como certeza. En un diagnóstico médico, el 5% de error se magnifica hasta dominar la experiencia. La misma probabilidad objetiva produce reacciones radicalmente diferentes según lo que está en juego y cómo se presenta.”

La combinación de aversión a la pérdida y ponderación no lineal de probabilidades produce un patrón de cuatro actitudes hacia el riesgo que Kahneman llama el «patrón cuádruple»: aversión al riesgo ante ganancias probables (aceptar el trato seguro), búsqueda de riesgo ante pérdidas probables (apostar para evitar la pérdida segura), búsqueda de riesgo ante ganancias improbables (comprar lotería), y aversión al riesgo ante pérdidas improbables (comprar seguros). Este patrón explica comportamientos que la teoría clásica consideraba contradictorios.

3. Sesgos Conductuales Sistemáticos

La Teoría Prospectiva proporciona el marco general; los sesgos conductuales son sus manifestaciones específicas en la vida cotidiana. No son defectos aleatorios sino patrones estructurados que emergen de la arquitectura cognitiva que estudiaste en el Módulo I. Lo que el Módulo I explicó como sesgos de procesamiento de información, la economía conductual lo conecta con consecuencias económicas medibles y diseñables.

3.1 El Efecto Dotación

El efecto dotación es la tendencia a valorar más las cosas que ya poseemos que las que no poseemos, incluso cuando la posesión es trivial o reciente. Thaler lo documentó en experimentos clásicos: estudiantes a los que se les regala una taza de café piden, en promedio, el doble de dinero para venderla de lo que otros estudiantes estarían dispuestos a pagar por comprarla. La misma taza, valorada por el mismo tipo de persona, vale el doble cuando la tienes que cuando no la tienes.

“Un usuario que lleva meses usando una herramienta de software mediocre se resiste a cambiar a una alternativa objetivamente superior. No es que no vea las ventajas—es que el efecto dotación convierte las funcionalidades de la herramienta actual en posesiones que perdería, mientras que las funcionalidades de la alternativa son ganancias potenciales. Y la aversión a la pérdida dice que las pérdidas pesan más. Resultado: el usuario sigue con lo mediocre, no por falta de información sino por asimetría en cómo su cerebro valora lo que tiene versus lo que podría tener.”

El efecto dotación es una consecuencia directa de la aversión a la pérdida: cuando posees algo, deshacerte de él se codifica como pérdida; cuando no lo posees, adquirirlo se codifica como ganancia. Como las pérdidas pesan más, la disposición a vender siempre es mayor que la disposición a comprar. Esto tiene implicaciones enormes para la Arquitectura de la Intención: cualquier cambio que le pidas al usuario implica perder algo (su configuración actual, su forma de trabajar, su flujo conocido), y esa pérdida percibida pesará más que la ganancia objetiva.

3.2 Contabilidad Mental

La contabilidad mental, concepto central de Thaler, describe cómo las personas organizan, evalúan y rastrean su actividad financiera en cuentas mentales separadas, violando el principio económico de fungibilidad del dinero. Un euro no es un euro: un euro del salario no se gasta igual que un euro de un bono inesperado, un euro «ahorrado» en un fondo de emergencia no se toca aunque se tenga deuda de tarjeta de crédito al 20% de interés.

“Una persona que juró ahorrar 500 euros al mes para su fondo de retiro se niega a cancelar tres suscripciones digitales de 15 euros que no usa. En términos racionales, cancelar las suscripciones es un ahorro instantáneo de 45 euros mensuales sin ningún costo real. Pero en la contabilidad mental del usuario, el ahorro para el retiro está en una cuenta mental de largo plazo, mientras las suscripciones están en la cuenta mental de gastos cotidianos. Son compartimentos estancos que no se comunican.”

La contabilidad mental produce tres efectos particularmente relevantes para la Arquitectura de la Intención. El primero es el tratamiento asimétrico de costos y beneficios en diferentes cuentas. El segundo es la evaluación de transacciones no en términos de resultado neto sino según cómo se agrupan: las personas prefieren ganar 50 dos veces que ganar 100 una vez (segregar ganancias), y prefieren perder 100 una vez que perder 50 dos veces (integrar pérdidas). El tercero es el cierre de cuentas: cerrar una cuenta mental en negativo—vender una acción con pérdida—produce un dolor que impide tomar decisiones óptimas.

3.3 El Sesgo del Statu Quo

El sesgo del statu quo es la preferencia desproporcionada por el estado actual de las cosas, independientemente de si es óptimo. Combina el efecto dotación (valorar más lo que se tiene), la aversión a la pérdida (temer más lo que se pierde que desear lo que se gana), y la aversión a la ambigüedad (lo conocido parece menos arriesgado que lo desconocido, aunque no lo sea). El resultado es un sesgo poderoso hacia la inacción: cuando la opción por defecto es no cambiar, la mayoría no cambia.

“Cuando los países cambian el sistema de donación de órganos de opt-in (hay que registrarse activamente para ser donante) a opt-out (eres donante a menos que te excluyas), las tasas de donación pasan del 15-20% al 85-99%. Las preferencias de la población no cambiaron. Lo que cambió fue el default. El sesgo del statu quo hizo el resto. Esta es quizás la demostración más poderosa de que el diseño del entorno de decisión puede importar más que las preferencias del individuo.”

4. Arquitectura de Elecciones

Si los sesgos conductuales son predecibles, entonces el entorno de decisión puede diseñarse para compensarlos. Esta es la tesis central de Nudge, el libro de Richard Thaler y Cass Sunstein que introdujo el concepto de arquitectura de elecciones: el diseño deliberado del contexto en el que las personas toman decisiones, con el objetivo de facilitar mejores resultados sin restringir la libertad de elección.

La idea fundamental es que no existe tal cosa como un «diseño neutral.» Toda presentación de opciones tiene un diseño, y ese diseño influye en la elección. El orden en que aparecen las opciones, cuál es la opción por defecto, cómo se describe cada alternativa, cuánta información se presenta y qué esfuerzo requiere cambiar la selección—todo esto moldea la decisión. El arquitecto de elecciones es la persona que configura ese contexto, conscientemente o no. Si no lo diseñas, alguien o algo lo está diseñando por ti.

“La cafetería de una empresa que coloca las ensaladas a la altura de los ojos y las papas fritas en un estante inferior no prohíbe las papas fritas—solo cambia la arquitectura de elección. La accesibilidad visual es un nudge. Los empleados siguen pudiendo elegir papas fritas, pero el diseño del entorno favorece la opción más saludable. Lo mismo sucede cuando un sistema de IA presenta opciones: cuál aparece primero, cuál tiene más detalle, cuál está preseleccionada—todo es arquitectura de elección.”

4.1 El Poder de los Defaults

De todas las herramientas de la arquitectura de elecciones, la más poderosa es el default—la opción que se aplica si el usuario no hace nada. Los defaults son extraordinariamente pegajosos: la mayoría de las personas acepta el default, independientemente de cuál sea. Esto no se debe a preferencia sino a una combinación de sesgo del statu quo, esfuerzo cognitivo de evaluar alternativas, y la señal implícita de que el default es la opción «recomendada.»

Thaler y Sunstein documentaron el poder de los defaults en múltiples dominios: planes de ahorro para la jubilación (la inscripción automática multiplicó la participación), donación de órganos (los defaults de opt-out aumentaron las tasas al 85-99%), y configuraciones de privacidad (la mayoría nunca cambia las configuraciones por defecto de sus aplicaciones). En cada caso, la opción elegida como default domina el comportamiento final, independientemente de las preferencias declaradas.

“Cuando un sistema de IA genera una respuesta y ofrece un botón de «aceptar» preseleccionado y un enlace pequeño de «editar», el default es aceptar. La arquitectura de elección está empujando al usuario hacia la aceptación pasiva. Si el objetivo es que el usuario revise críticamente la respuesta, el diseño debe invertir la arquitectura: hacer que la revisión sea el camino de menor fricción.”

4.2 Simplificación, Feedback y Fricción

Más allá de los defaults, la arquitectura de elecciones opera a través de tres mecanismos adicionales. La simplificación reduce la carga cognitiva: cuanto más fácil es entender las opciones, mejor es la decisión. El feedback informa sobre las consecuencias: las personas toman mejores decisiones cuando reciben información oportuna sobre los resultados de sus elecciones. Y la fricción—la dificultad de ejecutar una acción—puede usarse bidireccionalmente: reducirla para facilitar buenos comportamientos, aumentarla para desalentar malos.

“Un sistema de IA que quiere que el usuario formule mejor sus solicitudes puede usar fricción productiva: en lugar de aceptar cualquier prompt y generar la mejor respuesta posible, puede hacer una pregunta de clarificación antes de responder. Esa fricción—un segundo de pausa y reflexión—mejora la calidad de la intención formulada. Pero debe ser fricción calibrada: demasiada y el usuario abandona; demasiado poca y el usuario nunca mejora su formulación.”

Thaler propuso el acrónimo NUDGES para resumir los principios de diseño: iNcentivos, comprensión del mapeo (Understanding mapping), Defaults, Dar feedback, Esperar errores (Expect errors), y Estructurar opciones complejas (Structure complex choices). Cada principio aborda una limitación cognitiva específica documentada por la psicología y ofrece una herramienta de diseño para compensarla.

5. La Brecha Intención-Comportamiento

Quizás el fenómeno más relevante de toda la economía conductual para la Arquitectura de la Intención es la brecha intención-comportamiento: el hecho documentado de que las personas sistemáticamente no hacen lo que dicen que quieren hacer. No por falta de información, no por falta de motivación declarada, no por falta de acceso a los medios. Sino porque la arquitectura cognitiva humana produce una desconexion predecible entre el yo que planifica y el yo que ejecuta.

“El 88% de los propósitos de Año Nuevo fracasan antes de febrero. No porque la gente no quisiera cambiar—quisieron lo suficiente como para declararlo públicamente. Fracasan porque el yo de enero, lleno de motivación abstracta, tomó compromisos que el yo de febrero, enfrentado a la realidad concreta del esfuerzo, no puede o no quiere sostener. Son dos agentes con diferentes funciones de utilidad negociando dentro de la misma persona.”

5.1 El Yo Presente vs. el Yo Futuro

El descuento temporal—la tendencia a preferir recompensas pequeñas inmediatas sobre recompensas grandes futuras—es uno de los hallazgos más robustos de la economía conductual. Pero la formulación más útil no es la del descuento: es la de los «múltiples yoes.» Thaler propone que dentro de cada persona hay un planificador (el yo futuro, que establece metas a largo plazo) y un hacedor (el yo presente, que toma las decisiones momento a momento). El conflicto entre ambos explica la brecha intención-comportamiento.

El yo planificador opera con Sistema 2: reflexivo, orientado al futuro, capaz de ponderar consecuencias lejanas. El yo hacedor opera con Sistema 1: impulsivo, orientado al presente, dominado por la gratificación inmediata. Cuando una persona formula una intención—«quiero ahorrar más», «quiero hacer ejercicio», «quiero usar la IA más estratégicamente»—está hablando el planificador. Cuando llega el momento de ejecutar, decide el hacedor. Y el hacedor no leyó el memo del planificador.

“Un profesional se propone reservar 30 minutos cada mañana para formular con precisión sus solicitudes a la IA antes de enviarlasa. Es una intención perfectamente formulada. Pero cada mañana, al abrir el ordenador, ve 47 correos urgentes. El yo hacedor—activado por la urgencia, operando con Sistema 1—empieza a responder correos inmediatamente. Los 30 minutos de formulación nunca ocurren. La intención era sincera; el entorno no estaba diseñado para soportarla.”

5.2 Dispositivos de Compromiso

Si la brecha intención-comportamiento es predecible, también es diseñable. Los dispositivos de compromiso son estrategias que el yo planificador implementa para restringir las opciones del yo hacedor, reduciendo la probabilidad de desviación. Ulises ordenó a sus marineros que lo atasen al mástil antes de pasar junto a las sirenas: el ejemplo original de un dispositivo de compromiso.

Los dispositivos de compromiso modernos toman muchas formas: la transferencia automática de ahorro que se ejecuta el día que cobras (antes de que el yo hacedor pueda gastar), la alarma que bloquea el teléfono después de las 23h, el contrato social de ir al gimnasio con un compañero. Todos comparten una estructura: son decisiones tomadas por el planificador, en un momento de claridad, que restringen las opciones del hacedor en el momento de tentación.

“Una empresa configura su sistema de IA para que, antes de ejecutar una solicitud ambigua, exija al usuario completar un breve formulario de clarificación. El usuario—el yo planificador que diseñó la política—sabe que la clarificación mejora los resultados. El usuario—el yo hacedor que quiere la respuesta ya—maldice el formulario. Pero la clarificación es un dispositivo de compromiso: una fricción productiva que el planificador impone al hacedor para proteger la calidad de la intención.”

6. Economía Conductual y Sistemas Inteligentes

Todo lo anterior converge en una pregunta práctica para el arquitecto de intención: ¿cómo diseñar interacciones con IA que anticipen y compensen las desviaciones conductuales del usuario? La respuesta no es corregir al usuario—es diseñar el sistema para que funcione con humanos reales, no con agentes racionales imaginarios.

Cuando un usuario interactúa con un sistema de IA, trae consigo todo el equipaje conductual que hemos estudiado: puntos de referencia que sesgan su evaluación de las opciones, aversión a la pérdida que magnifica el riesgo de cambiar, contabilidad mental que fragmenta su razonamiento, sesgo del statu quo que lo ancla a su formulación inicial, y descuento temporal que prioriza la respuesta rápida sobre la respuesta correcta. Un sistema que ignora estos factores es un sistema que sistemáticamente decepciona.

“Un usuario le pide a un sistema de IA: «Dame una estrategia de marketing rápida para este lanzamiento.» El adjetivo rápida es el yo hacedor hablando—quiere la respuesta ahora, no la mejor respuesta. Si el sistema obedece literalmente, produce una respuesta superficial que confirma el sesgo temporal del usuario. Si el sistema aplica economía conductual, puede responder: «Puedo darte tres ideas en 30 segundos. También puedo darte una estrategia más robusta si me das 3 minutos para hacer algunas preguntas. ¿Cuál prefieres?» Esto preserva la libertad de elección mientras hace visible el trade-off.”

Hay cinco principios de diseño que emergen de aplicar la economía conductual a la interacción con IA:

1. No asumas racionalidad. Diseña para usuarios con Sistema 1 activo, atención fragmentada y aversión a la pérdida. Si tu sistema requiere que el usuario lea, evalúe y compare opciones complejas, la mayoría no lo hará—elegirá la primera opción razonable o la opción por defecto.

2. Diseña los defaults deliberadamente. Cada respuesta tiene un default implícito: la primera opción, el formato sugerido, el nivel de detalle presentado. Elige esos defaults basándote en qué produce mejores resultados para el usuario, no en qué es más fácil de generar.

3. Usa la fricción productivamente. No toda facilidad es buena. A veces, un segundo de pausa—una pregunta de clarificación, una reformulación del problema—mejora radicalmente la calidad del resultado. La fricción debe ser calibrada: suficiente para activar Sistema 2 sin ser tanta que el usuario abandone.

4. Haz visible la brecha intención-comportamiento. Cuando detectes una inconsistencia entre lo que el usuario dice querer y lo que su comportamiento sugiere, señálalo con respeto. «Dices que quieres un análisis profundo, pero tus preguntas sugieren que necesitas una respuesta rápida. ¿Cuál es la prioridad real?»

5. Ofrece dispositivos de compromiso. Permite al usuario configurar restricciones para su yo futuro: «quiero que siempre me pidas clarificación antes de responder a solicitudes ambiguas», «quiero que me muestres los trade-offs antes de darme la respuesta», «quiero que me recuerdes los efectos de segundo orden.»

7. Aplicación Práctica: El Caso de la Plataforma de Bienestar

HealthPath es una plataforma digital de bienestar corporativo que integra IA para personalizar programas de salud para empleados. Su propuesta de valor es clara: usar inteligencia artificial para adaptar recomendaciones de ejercicio, nutrición y manejo del estrés a cada usuario. La tecnología funciona. Los algoritmos son sofisticados. Los datos son precisos. Y sin embargo, después de seis meses, solo el 12% de los empleados inscritos sigue usando la plataforma activamente. El 88% abandonó.

El equipo de producto diagnostica el problema como un problema de engagement y propone solución: gamificación, notificaciones push más frecuentes y un sistema de puntos canjeables por recompensas. Apliquemos el análisis conductual completo antes de aceptar ese diagnóstico.

7.1 Diagnóstico Conductual

El primer error es de encuadre (Módulo II): el equipo diagnosticó un problema de engagement cuando el problema real es de diseño conductual. La plataforma fue diseñada asumiendo un usuario racional que, al recibir información personalizada sobre su salud, actuará en consecuencia. Pero sabemos que la información no produce comportamiento—la arquitectura de elecciones sí.

Análisis sesgo por sesgo: El sesgo del statu quo opera a favor de no usar la plataforma—el default es la rutina existente del empleado, y la plataforma requiere esfuerzo activo para cambiarla. La aversión a la pérdida magnifica los costos inmediatos (tiempo, esfuerzo, incomodidad) mientras minimiza los beneficios futuros (salud, bienestar). La contabilidad mental separa el «tiempo de trabajo» del «tiempo de bienestar», y el primero siempre gana. El descuento temporal hace que los beneficios—que se materializan en semanas o meses—sean psicológicamente invisibles frente a los costos—que se pagan ahora.

“El empleado promedio recibe la notificación de HealthPath a las 9:15 de la mañana, justo cuando está revisando el correo. El yo hacedor, activado por las urgencias del día, descarta la notificación en menos de un segundo. El yo planificador—que se inscribió en la plataforma con entusiasmo—no participa en esa decisión. La intención de hacer ejercicio sigue intacta; la ejecución nunca ocurre.”

7.2 Rediseño Basado en Economía Conductual

Un rediseño informado por la economía conductual abordaría el problema de forma radicalmente diferente:

Cambiar el default. En lugar de requerir que el empleado abra la app y elija una actividad, el sistema pre-agenda una microactividad de 5 minutos en su calendario laboral. El default pasa de «no hacer nada» a «hacer algo mínimo.» El empleado puede cancelar, pero ahora cancelar requiere acción activa.

Reducir la fricción inicial. En lugar de pedir al usuario que complete un perfil de 15 minutos antes de empezar, la plataforma comienza con una sola pregunta: «¿Qué te gustaría mejorar: energía, sueño o estrés?» El perfil completo se construye gradualmente.

Reencuadrar como evitación de pérdida. En lugar de prometer ganancias futuras de salud, la plataforma muestra lo que el empleado ya ha logrado y lo que perdería si se detiene: «Llevas 12 días de racha. Si paras hoy, pierdes el progreso acumulado.» La aversión a la pérdida trabaja a favor del comportamiento deseado.

Crear dispositivos de compromiso social. Emparejar empleados en duplas de bienestar donde la inactividad de uno afecta la racha del otro. La presión social ligera—combinada con reciprocidad (Cialdini)—produce consistencia conductual que la motivación individual no logra.

Ofrecer feedback inmediato. Cerrar la brecha temporal entre acción y recompensa: después de cada microactividad, mostrar un impacto medible inmediato («tu frecuencia cardíaca en reposo mejoró 2 bpm esta semana») en lugar de prometer beneficios a largo plazo.

7.3 Principios de Diseño Derivados

Principio 1: Diseña para el yo hacedor, no para el yo planificador. El planificador se inscribe; el hacedor decide cada día si participa. El diseño debe funcionar para el hacedor.

Principio 2: El default es la decisión más importante del arquitecto. La mayoría de los usuarios aceptará el default. Diseña el default que produce el mejor resultado para ellos.

Principio 3: La información no es intervención. Saber qué es bueno para ti no produce comportamiento. Solo la arquitectura del entorno traduce conocimiento en acción.

Principio 4: Cada intervención conductual tiene efectos de segundo orden. La gamificación puede producir motivación extrínseca que desplaza la intrínseca (Módulo I). Los nudges pueden infantilizar al usuario. Los dispositivos de compromiso pueden generar resentimiento. Aplica el pensamiento sistémico del Módulo III.

Principio 5: La transparencia es la línea ética. Todo nudge debe ser visible si el usuario pregunta cómo funciona el sistema. El nudge que no resistiría la transparencia probablemente es manipulación, no arquitectura.

8. Glosario de Términos Clave

9. Reflexión Final y Autoevaluación

Antes de pasar al siguiente tema (Incentivos), verifica que puedes aplicar la economía conductual como herramienta de análisis y diseño, no solo como vocabulario.

10. Bibliografía y Lecturas Recomendadas

Lecturas Esenciales

• Thaler, R. (2015). Misbehaving: The Making of Behavioral Economics. W.W. Norton. [Todo lo que he aprendido con la psicología económica. Deusto]

• Kahneman, D. & Tversky, A. (1979). «Prospect Theory: An Analysis of Decision under Risk.» Econometrica, 47(2), 263–292.

• Thaler, R. & Sunstein, C. (2008). Nudge: Improving Decisions About Health, Wealth, and Happiness. Yale University Press. [Un pequeño empujón (Nudge). Taurus]

Lecturas Complementarias

• Kahneman, D. (2011). Thinking, Fast and Slow. Farrar, Straus and Giroux. [Capítulos 25–34 sobre Teoría Prospectiva y economía conductual]

• Ariely, D. (2008). Predictably Irrational. HarperCollins. [Las trampas del deseo. Editorial Ariel]

• Sunstein, C. (2016). The Ethics of Influence: Government in the Age of Behavioral Science. Cambridge University Press.

• Gigerenzer, G. (2014). Risk Savvy: How to Make Good Decisions. Viking. [Contraste crítico con el enfoque de sesgos]

Próximo Tema: El siguiente libro de este módulo aborda Incentivos: las recompensas y penalizaciones que traducen análisis en acción. Estudiarás con Cialdini, Thaler y Sunstein cómo los incentivos extrínsecos pueden desplazar la motivación intrínseca (conectando con el Módulo I), cómo los incentivos sociales frecuentemente superan a los materiales, cómo el descuento temporal sabotea los incentivos a largo plazo, y cómo los incentivos perversos producen exactamente lo contrario de lo que buscaban—el efecto cobra que ya estudiaste en el Módulo III transformado en principio de diseño.