Cómo la ciencia del comportamiento puede hacer que los aeropuertos sean menos miserables

La ciencia del comportamiento se utiliza a menudo para buscar puntos de fallo consistentes y o^frecer sugerencias2 sobre cómo remediarlos, pero puede ofrecer predicciones aún más específicas. Cuando se trata de muchos individuos, o multitudes, podemos utilizar una técnica llamada modelización basada en agentes para comprender cómo interactúan las personas entre sí.

El modelado basado en agentes (ABM) es un método algorítmico de creación de múltiples entidades independientes ("agentes") que reaccionan a estímulos según condiciones predefinidas. Esto permite imaginar a los seres humanos no como una masa amorfa, sino como elementos predecibles en una ecuación.

Veamos un ejemplo: Recientemente se ha prestado mucha atención a la evacuación de peatones en caso de emergencias, como incendios, terremotos, tsunamis o atentados terroristas. Como la gente se apresura a escapar de situaciones como éstas y converge en un número limitado de salidas, existe un gran riesgo de lesiones o incluso de muerte como resultado de ser empujado o pisoteado por la multitud^. Las revisiones de vídeos de evacuaciones3 y los modelos de física estadística utilizados para reproducir el comportamiento de las evacuaciones han confirmado que los mayores embotellamientos suelen producirse cerca de las salidas.

En lugar de considerar a los peatones de esta ecuación como un grupo indiferenciado y presa del pánico, la modelización basada en agentes los considera un conjunto de individuos que responden de forma previsible y racional a lo que ocurre a su alrededor. Los investigadores que utilizan este enfoque han sido capaces de identificar algunas soluciones sorprendentes al problema: ajustaron sus modelos añadiendo un pilar justo delante de la salida y descubrieron que reducía los atascos, ya que canali^zaba a la gente en dos líneas naturales.4

Aunque el pilar mejoraba el movimiento de salida, aumentaba el tiempo hasta la salida. Otro grupo de investigadores decidió que este tiempo añadido era un peligro en sí mismo, y descubrió que cambiando el obstáculo de un pilar a un plano ancho, se reducían tanto el cuello de botella como ^el tiempo.4

Lo interesante de esto no es sólo que se trata de una solución clara y contraria a la intuición, sino que la solución no se podría haber descubierto necesariamente observando sólo a los individuos. Poner obstáculos en el camino de las personas no debería hacer que se movieran más rápido, y para una sola persona, probablemente no lo haría. Pero al utilizar un modelo basado en agentes, s^e ponen de manifiesto comportamientos que de otro modo serían invisibles5.

Esto nos lleva de nuevo al embarque en las líneas aéreas. El método de embarque de delante hacia atrás no sólo es lento, sino que es prácticamente el método m^ás lento posible para embarcar en un avión.6 Se ha demostrado que incluso ha^cer embarcar a la gente al azar sería más rápido.7

Si volvemos a imaginar a los pasajeros como agentes, podemos modelizar sus comportamientos, como colocar el equipaje en el compartimento superior, levantarse para dejar pasar a otro pasajero a su asi^ento (lo que se conoce como interferencia de asiento)8 , etc. Los investigadores probaron variaciones de este experimento ABM y descubrieron que la mejor forma de embarcar a los pasajeros es que los grupos de embarque se alternen en función del número de fila y del lado del avión en el que se encuentren (véase más adelante).

Este método redujo el número de interferencias en los asientos de 91 a 9 por término medio. En términos de tiempo, esto supone un ahorro de 11 minutos o más en el proceso de embarque. Esto podría ahorrar a las aerolíneas unos 300 dólares por vuelo y al resto de nosotros un par de millones de horas ^de espera al año9.

Llegados a este punto, quizá se pregunte por qué importa todo esto. ¿No son los seres humanos meros agentes y toda la ciencia "modelización basada en agentes"? A lo que responderíamos: ¡sí, absolutamente! En efecto, la ABM copia a las personas y nos permite responder a cuestiones complejas o prohibitivas replicando algorítmicamente una aproximación del comportamiento humano. No suele ser práctico subir y bajar a varios cientos de personas de un avión una y otra vez para comprobar qué método de embarque funciona mejor (aunque alguien ^lo ha hecho).10

La aplicación de la gestión por actividades a problemas reale^s relacionados con el movimie^nto de turistas11 , las estruct^uras organizativas12 y la protección del medio ambiente12 nos permite alcanzar un nuevo nivel de comprensión del comportamiento humano agregado. Espero que este artículo te ayude a reducir la animadversión hacia una sola persona la próxima vez que te encuentres atrapado en un atasco en un festival (tómate el tiempo de explicarle el ABM, ¡seguro que te lo agradecerá!).

Nota: el ABM es más accesible de lo que se piensa: existen herramientas fáciles de usar en javascript y python que hacen que la aplicación de estas técnicas sea una forma potente y relativamente sencilla de ofrecer información empresarial.