Una matriz de decisión es una tabla que cruza las alternativas entre las que hay que elegir con los criterios que importan, asigna a cada casilla una puntuación y suma por filas para ordenar las opciones. Si además se da a cada criterio un peso que multiplica sus puntuaciones, se habla de matriz de decisión ponderada. Es la herramienta más simple del análisis de decisiones con varios criterios, y su valor está en un sitio distinto del que se le suele atribuir.
El antecedente más citado es una carta de Benjamin Franklin a Joseph Priestley del diecinueve de septiembre de 1772. Priestley dudaba sobre aceptar un empleo, y Franklin le describió su método: dividir una hoja en dos columnas, pros y contras, anotar durante varios días todo lo que se le ocurra a favor y en contra, estimar el peso de cada motivo y tachar los que se anulan entre sí, uno a uno o dos contra tres, hasta ver hacia dónde se inclina el saldo. Franklin lo llamó álgebra moral o prudencial, y añadió la observación que sigue siendo la más importante sobre el asunto: los pesos no pueden tener la precisión de las cantidades algebraicas, pero el hecho de tener todo el cuadro delante, en vez de recordar los motivos de uno en uno, es lo que evita el paso precipitado. La versión industrial la formalizó el ingeniero británico Stuart Pugh en 1981 para la selección de conceptos de diseño, comparando cada alternativa con una de referencia criterio a criterio con un más, un menos o un igual, y la versión con pesos y escalas es la que circula en los manuales de gestión.
Lo que la matriz hace bien es obligar a tres cosas que el juicio espontáneo se salta: enumerar los criterios antes de mirar las opciones, evaluar cada opción en todos los criterios y no solo en el que la favorece, y dejar constancia de por qué se eligió, de modo que la decisión pueda revisarse. Es, ante todo, un antídoto contra el efecto anclaje y contra la opción que llega primero y ordena las demás.
Lo que hace mal es aparentar precisión. Los pesos son la parte más frágil y la más manipulable: basta subir el de un criterio para invertir el resultado, y como se fijan a ojo, el que ya tiene favorita puede elegir pesos que la confirmen y presentar la suma como si fuera un cálculo. La regla práctica es asignar los pesos antes de puntuar, y mejor si lo hace alguien que no puntúa. Hay además un hallazgo incómodo sobre los pesos que conviene conocer. Robyn Dawes mostró en 1979 que, para predecir un resultado a partir de varios indicadores, los modelos lineales con pesos iguales, o incluso con pesos aleatorios del signo correcto, predicen casi tan bien como los pesos óptimos y mejor que el juicio de los expertos. La lección no es que los pesos den igual, sino que la ganancia está en decidir qué criterios entran y en aplicarlos a todas las opciones por igual, no en afinar el segundo decimal. Ese resultado se apoya en una literatura más antigua, la comparación entre predicción clínica y estadística que Paul Meehl abrió en 1954 y que un metaanálisis de 136 estudios confirmó en 2000: las reglas mecánicas igualan o superan al juicio experto en casi todos los dominios comparados.
Dos precisiones. La primera es que la matriz solo sirve si los criterios son independientes y las puntuaciones comparables; sumar un tres en precio con un cuatro en fiabilidad exige haber decidido antes qué significa cada cifra, y un criterio que sea condición necesaria no se pondera, se aplica como filtro previo. La segunda es la que enlaza con el resto del itinerario: entre los criterios no puede figurar lo ya gastado, porque no depende de la elección; si aparece, la matriz está formalizando la falacia del coste hundido en vez de evitarla. Franklin no pretendía que la hoja decidiera por él. Pretendía que, cuando decidiera, hubiera visto todo.
Toma de decisiones – Efecto anclaje – Falacia del coste hundido – Principio de Pareto – Navaja de Occam