Cómo el dato construye información a través de tres décadas

La última vez que hice un análisis económico como el que hago hoy fue hace treinta años, en SOFOFA. Esta semana tuve una misión de las antiguas: correr ocho modelos econométricos, validados contra decenas de orígenes móviles. El proceso completo —desde el archivo crudo hasta el informe con su anexo de fuentes— tomó una tarde. En 1996 ese análisis no habría sido posible.

Vale la pena mirar qué cambió, porque no es lo que uno supondría.

1996: el dato era el trabajo

Chile creció 5,4% ese año, dentro de un período que entre 1993 y 1998 promedió 6,5% anual. Era una economía que había que explicar hacia arriba.

El país llevaba cuatro años conectado a internet: el primer enlace, en 1992, fue de 64 kbps para todo Chile, y hacia 1997 existían alrededor de mil dominios .cl registrados en total. Mil, en el país entero. La información económica no estaba en ninguna pantalla: estaba en los antiguos boletines blancos y naranjas impresos del Banco Central, en publicaciones del INE que llegaban por correo, en planillas que alguien tecleaba a mano desde una tabla en papel.

Reportes sectoriales de la Cámara de la Construcción, Cámaras de Comercio, Sociedad Nacional de Agricultura, entre otras. Encuestas de empleo y de producción de las subramas de la industria nacional —textil y calzado, industria metalúrgica, entre otros—. Permisos de edificación, despachos de cemento, beneficio ganadero, índices de ventas internas de la industria cruzadas con producción y ventas totales. Todo eso había que conseguirlo, hoja por hoja, antes de poder pensar.

Un alto porcentaje del tiempo de trabajo era conseguir el dato. Analizarlo era la siguiente etapa. Quien tenía las cifras antes que el resto tenía una ventaja, y esa ventaja se defendía con relaciones y paciencia.

2006 y 2016: primero se ordena

Diez años después Chile crecía 6,1% y el dato ya vivía en la web. El trabajo se movió de conseguir a ordenar: consolidar fuentes que no cuadraban entre sí, reconciliar definiciones, construir la serie larga a mano. Lo escaso ya no era el acceso; era la consistencia.

Para 2016 el problema se había dado vuelta otra vez. R y Python eran estándar, las APIs entregaban series completas en una línea de código, y apareció el tablero. El dashboard de aquellos tiempos resolvió un problema y creó otro: resolvió el acceso y creó la ilusión de que ver es entender. Empezó a ser posible tener veinte gráficos actualizados al minuto y ninguna conclusión. Lo escaso pasó a ser la atención.

2026: el modelo es gratis

Hoy el Banco Central proyecta que Chile crecerá entre 0,25% y 0,75% este año. Lo que ese número significa para la caja de una empresa lo desarrollo en un informe aparte. Y correr ocho modelos econométricos sobre una serie mensual cuesta minutos de cómputo. Validarlos fuera de muestra contra decenas de orígenes móviles, unos minutos más.

Lo que se volvió escaso

Cuando conseguir el dato costaba semanas, el costo mismo hacía de filtro: nadie pedía una serie sin saber para qué la quería. Hoy, que no cuesta nada, se piden todas. El riesgo cambió de lugar: ya no es quedarse sin información, sino producir una respuesta impecablemente calculada a una pregunta que nadie revisó si era la correcta.

Un ejemplo propio. El mes pasado construí un sistema de trading algorítmico y lo validé con criterios fijados por adelantado. De ochenta configuraciones probadas, ninguna superó el umbral de rentabilidad neta después de comisiones, y el único resultado positivo tenía 76% de probabilidad de ser un falso positivo dado el número de pruebas corridas. En 1996 yo habría corrido un modelo, porque correr uno tomaba días, y probablemente le habría creído.

La capacidad de computar creció mil veces. La de engañarse, exactamente lo mismo. Por eso los criterios de aprobación se fijan antes de ver los resultados y no se mueven después. Si se pueden ajustar al final, el análisis deja de ser análisis y pasa a ser una opinión con respaldo aritmético.

Lo que no cambió

Alguien tiene que decidir con el número en la mano —un gerente que aprueba un presupuesto, un directorio que aprueba una inversión— y ese momento no es un problema de cálculo. El hallazgo incómodo hay que decirlo, aunque la tentación haya cambiado de forma: antes contradecir al consenso era caro, y hoy con suficientes modelos siempre aparece uno que dice lo que conviene. La credibilidad se construye a la misma velocidad de siempre, que es lo único de esta lista que no se aceleró en treinta años.

Retomé los análisis justo por eso. Como asesora de empresas veo que hoy la abundancia de herramientas y modelos —financieros, económicos, de todo tipo— genera más ruido del que aporta, y confunde al gerente más de lo que lo ayuda a decidir. A eso me dedico ahora: a que la inteligencia artificial arme los productos que funcionan y saque de la ecuación el costo de tareas repetitivas, y no nos deje sin capacidad de análisis ni de decisión.

Si tuviera que elegir época como asesora, elijo esta. No por las herramientas, que son un medio, sino por lo que liberaron: treinta años atrás el mes se iba en conseguir la cifra, y hoy se va en entender qué está diciendo. Es un trabajo mejor.