HISTORIA DEL MTODO

El mtodo de impacto cruzado fue desarrollado originalmente por Theodore Gordon y Olaf Helmer en 1966. El mtodo se origin en una pregunta simple: Los pronsticos pueden basarse en las percepciones acerca del modo en que interactuarn los eventos futuros? En su aplicacin inicial de los principios de impacto cruzado, a mediados de la dcada del 60 Gordon y Helmer idearon un juego para Kaiser Aluminum y Chemical Company llamado Futuro (Future). La empresa fabric miles de copias del juego y las utiliz como regalos promocionales para su 100 aniversario. El juego, que ya hace tiempo dej de fabricarse, inclua una serie de tarjetas; cada una de ellas describa un nico evento futuro. A cada una de las tarjetas se le asignaba una probabilidad de ocurrencia a priori, basada fundamentalmente en el criterio de Gordon y Helmer. Luego se tiraban los dados a fin de determinar si, en el escenario construido, el evento "sucedi o no". En el juego, el dado era un icosaedro con nmeros escritos en las caras, nmeros que representaban la probabilidad de que dicha cara fuera la que quedara hacia arriba luego de tirar los dados. Si la probabilidad revelada en la cara del dado era equivalente o mayor que la probabilidad del evento, ste "suceda". Si un evento suceda, se daba vuelta la carta. En el reverso de la misma, se describan los "impactos cruzados", por ejemplo, "si este evento sucede, entonces la probabilidad de que ocurra el evento 12 aumenta un 10%; la probabilidad de que ocurra el evento 53 disminuye un 15%, etc." Se formularon algunas razones para dichas interacciones, y se proporcion un sistema simple para seguir las probabilidades a medida que progresaba el juego. Al final del juego, un grupo de tarjetas representaba los eventos que haban sucedido y otro los eventos que no haban ocurrido. De hecho, el escenario estaba determinado por el azar, las probabilidades predeterminadas y los impactos cruzados. El juego tambin brindaba a los jugadores la posibilidad de "invertir" en un item favorecido, simulando una inversin en investigacin y desarrollo. Esta posibilidad ofreca a los jugadores un mecanismo para ejercer una "poltica", un medio para provocar un futuro deseado estudiando detalladamente los posibles impactos cruzados. La mejor estrategia, por ejemplo, sera invertir en un evento secundario o terciario que podra producir un impacto cruzado favorable en el evento finalmente deseado. Gordon y Hayward programaron el enfoque en la Universidad de California, Los ngeles (UCLA, Estados Unidos) en 1968. Las probabilidades condicionales se expresaron como coeficientes del impacto y variaban desde -10 a +10. Los primeros programas se desarrollaron casi de manera exacta que el juego Futuro: los eventos se elegan al azar, se decidan y luego se determinaban las probabilidades de los eventos que hubieran sufrido un impacto cruzado.

Un "juego" se completaba cuando se decidan todos los eventos (Gordon y Hayward, 1968). Entonces, se repeta el proceso varias veces, al estilo Monte Carlo. . La computadora guardaba el nmero de escenarios que contena cada evento. El clculo de la "ocurrencia" de los eventos se utilizaba para calcular las probabilidades definitivas de los eventos, en funcin de sus impactos cruzados.

EJEMPLO Y APLICACIN Supongamos que se estuviera realizando un estudio del futuro de la industria qumica. En el transcurso del estudio se genera una lista de eventos futuros importantes. Una parte de esa lista podra incluir los siguientes eventos: 1. El uso de plsticos en los vehculos de transporte y en la construccin aumenta seis veces desde 1992. 2. La mayor intervencin gubernamental en el proceso de innovacin se origina en las demandas de proteccin al consumidor y control de la contaminacin. 3. La teora qumica progresa hasta el punto de que la mayor parte de la investigacin qumica se realiza mediante clculos por computadora ms que mediante la experimentacin real. 4. La industria qumica se expande a la produccin textil y a la fabricacin de ropa mediante el desarrollo de una tela sinttica no tejida. 5. Las empresas qumicas obtienen un menor retorno o realizan mayores inversiones en la investigacin convencional. La primera etapa en la utilizacin de estos eventos en un anlisis de impacto cruzado es estimar las probabilidades iniciales de los eventos. Los especialistas, reconociendo que todos estos eventos son posibles e interactan, pueden ofrecer las siguientes probabilidades: Probabilidad de que ocurra Evento para el ao 2000 1. El uso de plsticos aumenta seis veces 0,15 2. Mayor intervencin gubernamental en la innovacin 0,20 3. La investigacin qumica se realiza por computadora 0,25 4. La industria qumica se expande a los textiles 0,10 5. Menor retorno respecto de la investigacin convencional 0,20 El prximo paso es estimar las probabilidades condicionales. En este paso, se disea una matriz similar al Cuadro 1. Cada celda de la matriz representa la respuesta a la pregunta: "Si ocurre el evento x, cul es la nueva probabilidad del evento y?" Por ejemplo, la primera celda completa de la primera fila de la matriz

contiene la nueva probabilidad del evento 2 dada la ocurrencia del evento 1. As, la pregunta respondida aqu es, "Si el uso de plsticos en el transporte y la construccin aumenta seis veces (evento 1), cul es la posibilidad de una mayor intervencin gubernamental en el proceso de innovacin originado en la demanda de proteccin al consumidor y control de la contaminacin (evento 2)?". Dado que el aumento en el uso de los plsticos probablemente aumente la demanda de proteccin al consumidor y de control de la contaminacin, la ocurrencia del evento 2 ser ms probable que en el clculo inicial (0,20) si ocurre el evento 1. De este modo, podemos considerar que la nueva probabilidad del evento 2 ser de 0,30, si ocurre el evento 1.
La probabilidad de este evento ser:

Si este evento ocurre 1.el uso de plsticos aumenta 6 veces 2.mas intervencin gubernamental en la innovacin 3.investigacion qumica por computadora 4.la industria qumica se expande a los textiles 5.menor retorno respecto de la investigacin convencional

Probabilidad inicial para 1985 0,15 0,20

2 0,30

3 0,25 0,35

4 0,10 0,07

5 0,15 0,40

0,10

0,25 0,10 0,20

0,15 0,15 0,25

0,20 0,25 0,15 0,25 0,50

0,15

0,05 0,15

0,20

Cuadro 1.Ejemplo de matriz de probabilidad condicional

Dado que las influencias mutuas de los eventos estaban incluidas en los clculos de la probabilidad inicial, ahora esta opinin debe analizarse para probar su coherencia con las probabilidades iniciales. Utilizando la ecuacin 5 y las probabilidades de los eventos 1 y 2, podemos observar que los lmites a la probabilidad condicional del evento 2, dado el evento 1, son 0,0 y 1,00. De este modo, no existen problemas respecto de la opinin de 0,30 para la probabilidad del evento 2, dado el evento 1. De manera similar, se completa toda la matriz. La prxima tarea ser especificar la poltica o las evaluaciones de sensibilidad a fin de correrlas con la matriz. En este caso, podramos desear conocer el efecto sobre los dems eventos si ocurre el evento 3 (uso de computadoras para la mayor parte de las investigaciones qumicas). De este modo, se realizara una evaluacin asignando la probabilidad de 1,0 al evento 3 y corriendo nuevamente la matriz. Se realizara una nueva evaluacin para analizar la sensibilidad de los eventos respecto del evento 2 (mayor intervencin gubernamental en el proceso de innovacin). Estas evaluaciones se indican a continuacin:

EVALUACIN DE OCURRENCIA DEL EVENTO 3

Evento 1 2 3 4 5

Probabilidad inicial 0,15 2 0,25 0,10 0,20

Prueba de la Probabilidad 0,15 0,20 1,00 0,10 0,20

Probabilidad Final 0,14 0,20 1,00 0,12 0,13

Cambio -0.01 0,00 0,00 0,02 -0,07

EVALUACIN DE LA SENSIBILIDAD DEL EVENTO 2

Evento 1 2 3 4

Probabilidad inicial 0,15 0,20 0,25 0,10

Prueba de la probabilidad 0,15 1 0,25 0,10

Probabilidad final 0,13 1 0,30 0,09

cambio -0,02 0,00 0,05 0,01

De este modo, si el evento 2 ocurriera, la consecuencia ms importante sera un aumento de la probabilidad del evento 6, del 20 por ciento al 29 por ciento. En efecto, en este ejemplo observamos un pequeo escenario.