La creación ya tiene un genoma
Cada uno de los tres ayuda a demostrar cómo los grupos de presonas organizadas pueden trabajar juntos de manera electrónica en jornadas largas y holgadas y de una forma sorprendentemente efectiva. A veces, incluso, sin saber que trabajan juntos, como en el caso de Google.
Esta empresa toma juicios hechos por millones de personas conforme crean ligas en las páginas web y utiliza el conocimiento colectivo en todo internet para producir respuestas sorprendentemente inteligentes a las preguntas que nosotros ponemos en la barra de Google.
En Wikipedia, miles de colaboradores de todo el mundo han creado de manera colectiva la enciclopedia más grande del mundo con artículos de gran calidad. Ha sido desarrollada con prácticamente ningún control centralizado. Cualquier persona que quiera puede cambiar casi cualquier cosa, y las decisiones sobre los cambios que se mantienen son hechos por un consenso amplio de aquéllos a quienes les importa. Aún más, la gente que hace este trabajo ni siquiera recibe una paga; son voluntarios.
En Threadless, cualquier persona que quiera puede diseñar una playera, someterla a un concurso semanal y entonces votar por su favorita. Para aquéllos que reciben las calificaciones más altas, la empresa selecciona sus diseños y los pone en producción, además de que les da premios y regalías. De esta manera, la empresa utiliza el conocimiento colectivo de una comunidad de casi medio millón de personas para diseñar y escoger playeras.
Estos ejemplos de inteligencia colectiva facilitada por internet nos motiva a leer sobre ellas, y más que inspirar es, incluso, el cumplimiento de un deseo de administración: la evidencia de que todo lo que se necesita para que una empresa adivine de manera mágica los deseos del mercado es la inteligencia colectiva, y a partir de ella se puede crear exactamente lo que se requiere para satisfacerlos con un costo nulo o mínimo. Significa hacer que la multitud haga el trabajo por usted "barato, perfecto y al instante".
Pero es posible que la inteligencia colectiva se haya convertido en algo más o menos mágico para la mirada de los gerentes. La magia es buena, diría un gerente, pero es muy complicado replicarla. Si la inteligencia colectiva resulta una forma poderoza para que las organizaciones lleguen a sus objetivos, ¿por qué, en esta era de sabiduría masiva y ‘wikinomia', no hay más negocios que echen mano de ella? Pensamos que la respuesta es que no todo mundo sabe cómo. Los gerentes necesitan un mejor entendimiento de la manera en que este tipo de sistemas funcionan para desatar el potencial de la inteligencia colectiva. No se necesita magia, sino la ciencia de donde nace.
En nuestro trabajo, en el Centro de Inteligencia Colectiva del Massachusetts Institute of Technology (MIT), hemos reunido cerca de 250 ejemplos de inteligencia colectiva basada en internet. A primera vista, lo que llama más la atención de esta colección de ejemplos es su diversidad, con sistemas compuestos por una enorme ga-
ma de propuestas y métodos.
Pero después de examinarlos a profundidad, identificamos un relativamente pequeño grupo de ‘ladrillos' que son combinados y recombinados de muchas maneras en diferentes sistemas de inteligencia colectiva. Para clasificar estos ‘ladrillos' empleamos cuatro preguntas:
¿Qué se está haciendo?
¿Quién lo está haciendo?
¿Por qué lo están haciendo?
¿Cómo lo están haciendo?
Si se hace una analogía con la biología, los ‘ladrillos' podrían ser los genes de los sistemas de inteligencia
colectiva. Definimos un gen como una respuesta particular a una de las preguntas clave asociadas con una tarea sencilla en un sistema. Como los genes de un organismo que se desarrolla, estos genes organizacionales son los elemen-tos centrales de un sistema colectivo de conocimiento en desarrollo. La combinación completa de genes asociados con un ejemplo específico de inteligencia colectiva puede ser visto como el genoma de todo el sistema.
Imaginémonos en el año 1991. Usted es Linus Torvalds, un estudiante graduado de la Universidad de Helsinki y ha escrito el corazón de un sistema operativo rudimentario para computadoras personales. Está considerando lo que tiene que hacer ahora. Aún no lo sabe, pero las decisiones que está a punto de tomar lo llevarán a la creación de una comunidad de miles de programadores voluntarios de todo el mundo que desarrollarán algo llamado Linux, uno de los sistemas operativos para computadoras más importantes de los primeros años del siglo xxi. Usted será reconocido como el líder de la comunidad más grande de desarrollo de software ‘de código abierto' (ejemplo prototipo de una nueva clase de inteligencia colectiva).
Ahora imaginemos algo más: al tomar su decisión, tiene aceso a todos los conceptos usados en este artículo. Desde luego, Torvalds nunca tuvo en realidad este conocimiento y el éxito de su decisión debieron sorprenderlo. Pero si usted pudiera emplear estos conceptos para diseñar de manera conciezuda el tipo de comunidad de código abierto que creó Torvalds, ¿cómo lo haría?
Primero, se preguntaría: ¿cuál es la actividad principal que quiero hacer? Tal como lo veremos posteriormente, existen dos genes básicos para responder a esta pregunta (crear y decidir) y en este caso usted querrá crear un código de programación para un nuevo sistema operativo de computadoras.
La siguiente pregunta que haría es: ¿quién hará esto? Los dos genes básicos para responder esta pregunta son lo que llamamos ‘Jerarquía' y ‘Multitud', y su respuesta a esta pregunta -que es de hecho la respuesta de Torvalds- es que en lugar de evaluar a gente en particular para hacer diferentes partes del desarrollo de software de una manera jerárquica tradicional, usted decide hacer uno de uso libre y disponible para cualquier persona en internet que quiera agregar o cambiar cualquier parte del software. En otras palabras, decide dejar que sea la toda la multitud de usuarios de la red quienes desarrollen diferentes partes.
¿Por qué querría considerar la opinión de la multitud? En el caso de Linus Torvalds, simplemente no hay otra opción: no tiene el tiempo para hacerlo solo o el dinero para contratar a otros. Al mismo tiempo, usted evalúa correctamente que existen suficientes programadores de buen nivel en el mundo que serían capaces de hacerlo de manera colectiva si son motivados de la manera adecuada.
Esto de inmediato conduce a la siguiente pregunta: ¿por qué la gente lo hace? Debido a que no puede acceder a lo que nosotros llamamos el gen del ‘Dinero', usted tendrá que recurrir a otro tipo de motivadores, lo que llamaremos los genes de la ‘Gloria' y del ‘Amor'. De hecho, Torvalds utilizó un tono juguetón en muchos de sus mensajes de correo, apelando al deseo de las personas para divertirse escribiedo este software como si se tratara de un hobby. Además, la participación activa en tal proyecto visible rápidamente se convirtió en una señal del nivel del programador y, por lo tanto, una especie de reconocimiento del estatus y de la gloria de muchos programadores.
Finalmente, usted necesita responder: ¿por qué la gente los hace? Para responder como el creador de Linux, usted se da cuenta de que las piezas del software que la gente está desarrollano no son independientes de cada una, de hecho, son interdependientes. Cuando un módulo de software pasa una variable a otro módulo, ambos tienen que hacer suposiciones similares acerca del formato de la variable. Esto significa que el gen ‘Có-
mo' que requerirá, es lo que llamaremos el gen de la ‘Colaboración'.
Y ahora se da cuenta de que es existe una omisión muy importante en su modelo de pensamiento. Si cualquiera que lo desee puede escribir diferentes partes del software, cómo sabe que determinada pieza (que escribió alguien que usted ni siquiera conoce) tiene una calidad lo suficientemente buena y, ¿cómo se asegurará de que todas las diferentes piezas trabajen juntas de manera adecuada?
El gen de la ‘Colaboración', por lo regular, requiere ser combinado con al menos un gen de ‘Decisión' para escoger las piezas con estas características. En particular, desde el momento en que usted desea que toda la comunidad se enfoque en una versión primaria del software (y no divida sus esfuerzos a lo largo de diferentes versiones) necesitará un gen de ‘Desición de Grupo', donde cada persona en el grupo está guiado a las mismas decisiones sobre lo que se debe o no incluir.
Usted considera brevemente varios subtipos del gen de ‘Grupo de Decisión', tal como el ‘Voto' (todos en la comunidad podrían votar sobre cuáles piezas usar) o el de ‘Consenso' (con el que cada persona puede discutir hasta que estén de acuerdo en cuales piezas emplear), pero usted decide emplear una forma de decisión simple que es común en las organizaciones y de la que está seguro que funcionarán aquí: el gen de ‘Jeraquía'.
En otras palabras, usted mismo tomará estas decisiones o las delegará a las personas en las que confía. Usted puede llamar a esta combinación de genes como genoma para la comunidad Linux. Desde luego que Torvalds nunca decidió de manera consciente todas estas cosas de la manera en que lo exponemos, pero en una combinación de intuición, de prueba y error y de suerte; estas son decisiones de diseño que él y la comunidad de Linux tomaron de manera implícita. Ahora con el beneficio de su experiencia y de las experiencias plasmadas en muchos otros ejemplos resumidos en este artículo, usted puede ser más sistemático al diseñar ejemplos de inteligencia colectiva para su propia situación.
Para usar de manera sistemática el enfoque del genoma -y que pueda construir el tipo de sistema de Inteligencia Colectiva (IC) para cumplir su trabajo deseado- requiere de una clasificación comprensiva de los diferentes tipos de genes. En este artículo nos enfocaremos a los 16 genes principales -hay otros nuevos y algunos subtipos de genes también- y los otros relacionados en la selección de éstos para la creación de un genoma. Los 16 se vuelven más fáciles de comprender cuando se puede ver que están clasificadas en categorías determinadas por las cuatro preguntas centrales que todo diseñador de un genoma de ic necesita preguntar: ¿qué?, ¿quién?, ¿por qué?, ¿cómo?
La primer pregunta para ser contestada en cualquier actividad es ¿qué se ha hecho? En las organizaciones tradicionales, la respuesta a menudo es la meta o la misión. Aquí, para nuestro propósito, las muchas tareas organizacionales encontradas en los sistemas de inteligencia colectiva pueden ser reducidos a dos genes básicos:
Crear. En este gen, los actores en el sistema generan algo nuevo: una pieza de código de software, una entrada de blog, un diseño de una playera, etcétera.
Decidir. En este gen, los actores evalúan y seleccionan alternativas, deciden si se debe incluir un nuevo módulo en el próximo lanzamiento de Linux, seleccionan cuál diseño de playera fabricar o si se borra un artículo de Wikipedia.
Identificar sus metas básicas determina con cuál de estos dos genes comenzar, pero en todo el genoma para la realización de un trabajo por lo regular se necesita al menos uno de cada uno. Crear genes casi siempre requiere de un gen de ‘Decisión' para seleccionar cuál de los artículos creados mantener. Y normalmente necesitan un gen de ‘Creación' para generar las opciones consideradas.
La siguiente pregunta a contestar es: ¿quién se hace cargo de la actividad? Existen dos genes básicos aquí:
Jerarquía. En una organización tradicional la pregunta es respondida típicamente por alguna autoridad que asigna a una persona o grupo, en particular, para llevar a cabo la tarea. De hecho, tal como lo vimos antes, Linus Trovalds y sus tenientes emplean el gen ‘Jerarquía' cuando deciden cuál de los muchos módulos que la gente ha incorporado será incluido en el próximo lanzamiento del software.
Multitud. Al usar este gen, las actividades pueden ser tomadas por cualquiera que tenga una posición de autoridad. Por ejemplo, quien lo desee puede proponer un módulo para su posible inclusión a Linux.
De hecho, cualquiera puede crear una liga a una página de internet y cada nueva liga se convierte en parte de la base de datos que Google emplea para enviar respuestas a las búsquedas. Cualquier persona puede proponer un nuevo artículo o editar uno ya existente en Wikipedia. Y cualquiera puede proponer el diseño de una playera en Threadless o votar por los ya propuestos.
La confianza en el gen de la ‘Multitud' es una característica central de los sistemas de inteligencia colectiva habilitados por la red. De hecho, todos los ejemplos que hemos estudiado incluyen al menos una instancia de este gen, al menos una tarea donde cada uno de los que elige también puede participar.
La razón más importante para usar el gen de la ‘Multitud' es llegar a una masa más grande de personas, lo cual no sería posible de otra manera. Esto significa que el gen de la ‘Multitud' es más útil en situaciones donde: a) muchas personas tienen recursos y habilidades necesarias para llevar a cabo una actividad, o b) no se sabe en un principio quién tiene esos recursos y habilidades. Mientras que estas características no describen todas las actividades, éstas son verdaderas en muchos más casos de los que en realidad se presumen. Décadas atrás, de hecho, cuando un equipo de edición y grabación de video era tan caro que sólo algunas empresas grandes podrían adquirirlo, tenía sentido que para la creación de las películas y de los programas de televisión se administraran de manera jerárquica por los estudios de cine y las cadenas televisivas. No obstante, las ideas creativas siempre han sido distribuidas ampliamente en la población y ahora que muchas personas pueden acceder a equipos de edición y a cámaras de video, los sitios como YouTube permiten a cualquier persona crear y compartir sus propios videos.
Al alcanzar audiencias largas, en lugar de sólo asignar una tarea a una cierta cantidad de personas previamente seleccionadas, las organizaciones pueden tener a menudo varios tipos de ventajas. Por ejemplo, en Linux y Wikipedia son capaces de ahorrar dinero cuando encuentran personas que están dispuestas a desempeñar una tarea sin cobrar. Con empresas con InnoCentive a menudo se encuentra gente dentro de una multitud que pueden resolver problemas que una empresa no es capaz de resolver por sí misma. En el software de código abierto (como Linux) muchas compañías creen que la calidad de los resultados es más alta porque muchos ojos han examinado el código más minuciosamente. Las multitudes de colaboradores de Wikipedia a menudo incorpora noticias en algunos artículos mucho más rápido que otros sitios. Y finalmente, al encontrar y dar sentido de control a la gente que participa con más entusiasmo sobre diseño de artículos en las playeras, Threadless parece aprovechar más la motivación y energía de las personas, que lo haría con el gen de la ‘Jerarquía'.
Para que funcione el gen de la ‘Multitud' en una situación determinada, también hay algunos requerimientos técnicos que deben cumplirse. Por ejemplo, también debe ser posible dividir la actividad en pedazos que pueden ser presentados de manera satisfactoria por diferentes miembros de la multitud. Además, debe haber mecanismos situados como protección contra aquellas personas que solo lo hagan por juego o con intenciones de sabotaje.
Cuando no se cumplen las condiciones para usar a la multitud se puede utilizar entonces la jerarquía (por lo regular llamado administración). De hecho, si sólo algunas personas tienen las habilidades que se buscan y ya se sabe quiénes son, entonces lo mejor será asignar las tareas directamente. O si no conoce la manera de prevenirse de gente en una multitud que pueda sabotear sus objetivos, será mejor emplear la jerarquía. En este sentido, puede pensar en el gen de la ‘Jeraquía' tradicional como un gen ‘base', el cuál se usa cuando no es posible saber cómo poner a trabajar un gen de la ‘Multitud'.
Estrechamente relacionado con la pregunta de ¿quién?, están otras: ¿por qué las personas forman parte de la actividad?, ¿qué los motiva a participar?, ¿qué los incentiva a trabajar?
Resulta imposible ser justo en un breve resumen para explicar todo lo que se conoce sobre la motivación humana. Como una revisión simplificada de las posibilidades, sin embargo, son tres genes de ‘Por qué', los principales para cubrir las motivaciones en un alto nivel que hagan que la gente participe en sistemas de inteligencia colectiva:
Dinero. La promesa de obtener ganancias financieras resulta en un importante motivador para la mayoría de los actores del mercado y las organizaciones tradicionales. A veces las personas reciben pagos directos, como un salario, y a veces esperan que su participación en una actividad incremente la posibilidad de obtener mejores ingresos en pagos futuros tal como en los casos donde las personas llevan a cabo una trea que mejore su reputación personal o sus habilidades.
Amor. Éste es también un motivador importante en muchas situaciones, incluso, cuando no se espera una ganancia monetaria. El gen del ‘Amor' puede presentar varias formas: la gente puede verse motivada sólo por su placer intrínseco para realizar una actividad, por las oportunidades de socializar con otros, o porque les hace sentir que contribuyen a una causa mucho mayor que ellos mismos. Estudios de Wikipedia han mostrado que todos sus participantes están motivados por las tres variantes del gen ‘Amor'.
Gloria. El reconocimiento es otro motivador importante. En este gen, los programadores que participan en muchas de las comunidades de software de código abierto, por ejemplo, se encuentran motivados por el deseo de que sus pares reconozcan todas sus contribuciones.
Desde luego que estos tres genes no son una novedad, pues éstos son utilizados en todas las organizaciones. Lo que sí es nuevo sobre muchos de los sistemas de inteligencia colectiva, que han surgido en los últimos años, es la confianza que depositan en los genes del ‘Amor' y de la ‘Gloria', en contraste con las organizaciones tradicionales, las cuales se recargan más en el ‘Dinero' como una fuerza motivacional.
De hecho, los sistemas de inteligencia colectiva a menudo ofrecen oportunidades explícitas para que los ingenieros obtengan reconocimiento al recopilar y publicar listas con los nombres de los colaboradores más importantes mediante la institucionalización de clases de membresías basadas en el desempeño que confieren varios grados de estatus, tal como vendedores de eBay o como los top reviewers de Amazon.
Dos reglas de dedo son especialmente importantes para motivar a los grupos para que participen en sistemas de inteligencia colectiva: apelar al amor o la gloria, o ambos puede reducir costos. Amazon no paga un centavo por las reseñas de los libros, los usuarios las hacen para ganar reconocimiento o simplemente porque disfrutan el hecho de hacerlo.
Cuando la empresa HJ Heinz invitó al público a ayudarles con la creación de un comercial de salsa catsup aún tuvo que gastar cantidades significativas de dinero en la promición del concurso y en la revisión de la enorme cantidad de propuestas. Heinz acabó alineando a algunos clientes que hablaron mal de la empresa en foros de internet, tan sólo por pereza y para buscar algo de mano de obra barata.
El dinero y la gloria pueden ayudar a la multitud a moverse más rápido. A menudo esto dificulta el control de cuán rápido o en qué dirección trabaja la multitud. Pero si existen algunos objetivos específicos en mente, la multitud en ocasiones puede ser influenciada para lograr que actúen más rápido al proveerles de dinero y gloria a los miembros de la multitud que vayan en la dirección deseada.
Un ejemplo de este enfoque es IBM, que asigna a muchos de sus empleados a trabajar en características de Linux que son importantes para la empresa. Aunque la selección y combinación de genes motivacionales es un asunto complejo, también es importante. Mientras que no conocemos la existencia de ningún estudio sistemático sobre este tema, sospechamos que tener equivocados los factores motivacionales resulta en el factor más importante detrás de los esfuerzos fallidos para lanzar nuevos sistemas colectivos de inteligencia.
La última pregunta para responderse respecto a una actividad es ¿cómo se está haciendo? En las organizaciones tradicionales la pregunta ¿cómo? es contestada normalmente al describir las estructuras y procesos organizacionales. Muchos sistemas de inteligencia colectiva aún emplean jerarquías para algunas de sus tareas, pero lo novedoso es la manera en la que emplean a las masas. Por lo tanto, nos enfocamos en los aspectos que tienen que ver con el gen del ‘Cómo' donde las multitudes realizan tareas de crear o decidir.
Algo determinante es si los diferentes miembros de la multitud hacen sus colaboraciones o toman sus decisiones de manera independiente entre ellos o si existe alguna fuerte dependencia entre sus colaboraciones.
Esta reflexión nos lleva al surgimiento de cuatro tipos de genes de ‘Cómo' para la multitud: ‘Colección', ‘Colaboración', ‘Decisión individual' y ‘Decisión en grupo'. Los dos genes de ‘Cómo', asociados con la tarea de creación, son ‘Colección' y ‘Colaboración'. El primero ocurre en el momento en que los aspectos de contribución de los miembros de una multitud son creados de manera independiente entre cada uno.
Por ejemplo, los videos de YouTube son creados mayoritariamente de manera independiente entre ellos, y esto hace de YouTube una colección. Otros ejemplos comunes de este gen son Digg, una colección de artículos noticiosos o Flickr, una colección de fotografías. Además a las condiciones para las multitudes en general, la condición más importante para que el gen de ‘Colección' sea útil es que resulta posible dividir todas las otras actividades en pequeñas partes, las cuales pueden ser hechas de manera independiente por cada uno de los integrantes de la multitud. Si esta condición no está en su lugar, entonces el gen de la ‘Colaboración' es probablemente requerido.
Un importante subtipo del gen de ‘Colección' es el de ‘Concurso'. En éste, como en Threadless y en InnoCentive, uno o varios elementos de la colección son designados como las mejores entradas y reciben un premio y otra forma de reconocimiento. Así, el premio Netflix ofrece un millón de dólares para el primer algoritmo que sea al menos 10% mejor que el que se esté utilizando en el momento por dicha empresa para sugerir a los clientes cuál dvd les gustará.
Algunos matemáticos y científicos en computación más expertos y devotos en el planeta dedican horas a este reto durante casi tres años. El equipo que finalmente resultó ganador combinó tanto gente como algoritmos de varios otros equipos, cada uno de los cuales tenían soluciones que eran buenas, pero no lo suficiente como para ganar por sí solas. El gen de ‘Concurso' es muy útil cuando se tienen todas las condiciones de una colección y sólo una de varias soluciones buenas se requieren.
Los clientes de InnoCentive, por ejemplo, no necesitan un gran número de soluciones alternativas a sus problemas. Ellos sólo necesitan una, o, cuando mucho, unas cuantas. También, para que funcione un concurso de los genes de ‘Por qué', tales como ‘Dinero' y ‘Gloria', deben ser lo suficientemente poderosos como para motivar a los participantes a entrar en éste sin que tengan una recompensa garantizada. En efecto, esto representa un riesgo de parte del patrocinador del concurso para los participantes; las empresas que publican problemas en InnoCentive no tienen que pagar una recompensa a menos que alguien, de hecho, resuelva el problema.
Colaboración. Este gen ocurre cuando los miembros de una masa trabajan en conjunto para crear algo y existen importantes dependencias entre sus colaboraciones. Tal como lo vimos antes, Linux y otros pro aplicaciones de código abierto son buenos ejemplos del gen ‘Colaboración' debido a la interdependencia entre los módulos, propuesta por los diferentes colaboradores.
De manera similar, lo cambios editoriales que distintos colaboradores hacen en un simple artículo de Wikipedia son fuertemente interdependientes por lo que cada artículo independiente es una colaboración. Este gen es útil mientras se alcancen dos condiciones. Primero, una colección es imposible porque existen formas satisfactorias para dividir una actividad de gran escala en pequeñas partes. Segundo, existen maneras satisfactorias para administrar las dependencias entre las contribucines de piezas individuales hechas por miembros de la multitud.
En la práctica, las dependencias administradas entre cada pieza por lo regular involucra alguna combinación de genes de ‘Decisión'. Para las tareas de decisión existen dos categorías posibles de genes: los de ‘Decisiones en grupo' y los de ‘Decisiones individuales'. Las primeras son muy útiles cuando los todos en el grupo están atados a la misma decisión. De hecho, todos los miembros de un equipo de desarrollo de producto deberían estar trabajando con las mismas especificaciones para el producto.
Cuando no se necesita un acuerdo más exten-dido o cuando las pruebas y puntos de vista de la población son altamente heterogéneos co-mo lo es para decidir cuáles videos de YouTube verán, los individuos pueden tomar decisiones con mayor efectividad y el gen de ‘Decisión individual' es más apropiado. El gen de ‘Decisiones grupales' aparece cuando la información recibida de los miembros se ensambla para generar una decisión que se incorpore al grupo como un todo.
En algunos casos, como en Threadless, esta decisión determina el subgrupo de artículos aportados que serán incluidos en la retroalimentación final. Y en otros casos, tal como sucede en los mercados de predicción, la decisión tiene que ver con la agregación de aportaciones individuales para formar un estimado público visible o una cantidad. Existen variantes importantes en el gen de ‘Decisiones de grupo' como son ‘Votación', ‘Consenso', ‘Promedio' y ‘Mercados de predicción':
Votación. Las nuevas tecnologías hacen que el gen de ‘Votación' sea más y más factible en muchas situaciones donde no hubiera sido práctico. Por ejemplo, los usuarios de Digg votan sobre cuáles historias nuevas son las más interesantes y las ganadoras son mostradas con más presencia en el sitio. Una subvariación importante de la votación es la votación implícita, donde las acciones como compra o vistas son contadas como votos implícitos.
De hecho, iStockphoto muestra imágenes en función de aquellas que han sido descargadas más veces y YouTube presenta los videos según el número de veces que han sido vistos. Otra subvariación importante es el voto pesado. Por ejemplo, Google enlista los resultados de búsqueda, en parte, basado en cómo otros sitios se ligan a los sitios de la lista. No obstante, los algoritmos de Google dan mayor peso a las ligas de los sitios que son, en sí mismos, más populares.
Consenso. Significa que todos los miembros de un grupo están de acuerdo con la decisión final. Por ejemplo, en Wikipedia, los artículos que permanecen sin cambios son aquéllos cuya versión satisface a quienes les importa dicho artículo. Si el grupo es lo suficientemente empático y pequeño para alcanzar un consenso en una cantidad razonable de tiempo, el consenso puede ser el método más deseable. No obstante, alcanzar un acuerdo completo en un grupo grande o diverso suele ser imposible, por lo que votar es por lo regular lo mejor en esos casos. ‘Votación' y ‘Consenso' son muy útiles cuando es importante tener a todos comprometidos con el resultado.
Promedio. En los casos en los que las decisiones tienen que ver con la elección de un número, la práctica común es sacar promedios de las cifras aportadas por los miembros de la comunidad. En algunos casos, como por ejemplo, adivinar el peso de un buey, realizar un ejercicio simple de premediación puede arrojar resultados sorprendentes. Por lo regular, éste se usa en sistemas donde se usan listados de cantidades. Otro ejemplo: los usuarios de Amazon pueden calificar libros o discos compactos en una escala de cinco estrellas, y estas calificaciones son promediadas para publicar un resultado final para cada uno de los artículos. Algunos sistemas similares ofrecen la posibilidad a los usuarios de Expedia evaluar o calificar hoteles, mientras que los de Internet Movie Database hacen lo mismo con películas.
Un asombroso caso de premediación es la nasa que entre los años 2001 y 2002 permitió a todas las personas ver las fotos de la superficie de Marte en internet para que identificaran cualquier elemento que consideraran que podría ser un cráter. Cuando se promediaron las contribuciones de todos los amateurs, se encontró que fueron tan precisas como las clasificaciones hechas por científicos expertos.
En general, el gen de ‘Promedio' puede ser usado para permitir que una multitud estime cualquier cosa que pueda ser expresada en números. Cuando los miembros de una masa proveen un estimado, el número que se propone incluye información relevante (señales) y algunos errores aleatorios (ruido).
Cuando los errores son realmente aleatorios y no sistemáticos, orientados en alguna direc-ción, el remedio funciona bien porque los fallos se eliminan entre ellos. Pero el promedio puede traer estimados pobres, si los desaciertos ocurren de manera sistemática. A veces, las tendencias pueden surgir en situaciones donde los primeros participantes influencian a los que llegan después o cuando el grupo de participantes no es lo suficientemente diverso como para incluir una mayor variedad de perspectivos.
Mercados de predicción. En éstos las personas compran y venden ‘acciones' o predicciones sobre eventos futuros. Si las predicciones son correctas, se ofecen recompensas, ya sea con dinero real o con puntos que pueden ser cambiados después por dinero o premios.
Decisiones individuales. Esta categoría de genes sucede cuando los miembros de una multitud toman decisiones que, aún basadas en información de la multitud, no necesariamente tienen que ser idénticas para todos. Un caso es lo que podemos observar en las decisiones de los usuarios de YouTube en cuanto a los videos que desean ver. Claro que pueden ser influenciados por recomendaciones o listados de otros, pero no están obligados a ver videos que otros ven. Dos variaciones importantes del gen de ‘Decisiones individuales' son ‘Mercados' y ‘Redes sociales'.
En el caso de los ‘Mercados', existe algún tipo de intercambio informal, como dinero, que afecta las decisiones. Cada miembro de la multitud toma decisiones propias sobre los productos que quieren vender o comprar. Las decisiones de compra en una masa, determina la demanda colectiva que, en parte, afecta la disponibilidad de los productos y sus precios. Así, las calidades y los precios de los bienes puestos en venta, tienen una influencia pero no obligan en nada las decisiones de compra. Los mercados para este tipo de bienes y servicios han existido por miles de años, pero las nuevas tecnologías permiten la existencia de nuevas formas de mercados electrónicos. Por ejemplo, en iStockphoto, los fotógrafos publican sus fotos y las ponen en venta en un sitio web, y los editores y otras personas compran los derechos para usarlas. En eBay los vendedores publican los productos que desean vender y los compradores hacen una oferta por ellos.
Redes sociales. Aquí, los miembros de una multitud forman redes de relaciones que dependiendo de un contecto determinado, puden traducirse en niveles de confianza, similaridad, gustos y puntos de vista u otras carac-
terísticas comunes que hacen que las personas sientan alguna u otra afinidad.
