En los últimos años han surgido muchas prácticas que vienen a definirse bajo el paraguas de “Washing” para identificar lavados de imagen ante prácticas que no se aplican en la realidad o con la pureza y ética que requieren: Greenwashing (vender productos y servicios eco o ambientalmente responsables de la marca, muy por encima del compromiso real de la empresa), El Bluewashing (práctica de algunas empresas que proclaman de manera engañosa su compromiso con la sostenibilidad marina y oceánica), Rainbow-washing (Empresas que lanzan un mensaje - normalmente coincidiendo con la celebración del orgullo LGBTQ+ - a favor de esta comunidad) o Healthwashing (empresas que hacen afirmaciones engañosas sobre la salud o los beneficios para la salud de sus productos), entre otros.
En la era de los datos, el poder de los números se ha convertido en un recurso fundamental para tomar decisiones en todos los sectores de actividad. Sin embargo, la obsesión por respaldar todo con cifras ha dado lugar a un nuevo fenómeno: el mathwashing. Este término se refiere al uso de matemáticas, estadísticas o algoritmos para justificar decisiones, productos o estrategias sin que los análisis que los generan sean transparentes, sólidos, éticos ni reales.
Uno de los casos más sonados fue el de Cambridge Analytica, en las elecciones presidenciales de EE.UU. de 2016 y el referéndum del Brexit, en la que esta compañía afirmó utilizar análisis de datos avanzados y psicografía para influir en los votantes. La empresa presentó sus modelos como altamente precisos y capaces de prever comportamientos individuales con gran exactitud, lo que generó una percepción de poder absoluto de sus métodos. Sin embargo, investigaciones posteriores revelaron que las capacidades reales de su modelo estaban exageradas y no eran tan efectivas como se proclamaba. Aunque los resultados políticos fueron evidentes, el uso de los datos fue más especulativo que realista, y la dependencia de predicciones matemáticas dio una falsa sensación de control y precisión.
En un mundo en el que cada vez hay más compañías manejando datos, modelos de predicción y estimaciones, creo que es importante que en el ámbito de la investigación de mercados sigamos manteniéndonos ajenos a este tipo de prácticas; nuestro compromiso debe centrarse en seguir protegiendo la confianza que los clientes han depositado en nosotros durante años, evitando distorsionar los objetivos para los cuales ofrecemos nuestros servicios.
Desde Punto de Fuga, rechazamos este tipo de prácticas y trabajamos para garantizar un uso responsable y ético de la información. A veces, comunicar a los clientes resultados que no cumplen con sus expectativas puede ser complicado, pero la ética y las buenas prácticas son los pilares que sustentan la confianza que, tanto nosotros como el sector, hemos construido. Como profesionales que trabajamos con datos, nuestra misión debe ser buscar la verdad sin sesgos ni manipulaciones, manteniendo la transparencia como guía.
Y para mitigar este problema, es crucial seguir apostando por prácticas transparentes y éticas, que sustentan la buena credibilidad de nuestro sector:
- Transparencia en los métodos y procesos: Explicar claramente cómo se recopilan, procesan y analizan los datos, así como ofrecer la base de datos a los clientes para que puedan hacer la explotación de resultados internamente.
- Validación de modelos: Someter los algoritmos y análisis a contraste con expertos externos para verificar su solidez (desde Punto de Fuga solemos aplicar el contraste con reconocidos académicos, expertos en la materia
- Ética en el uso de datos: la aplicación de normas como el Código Internacional ICC/ESOMAR o las directrices del comité de ética de la asociación del sector (I+A) son fundamentales para garantizar una correcta praxis.
- Utilización de muestras que garanticen la robustez de los análisis – reducir las incertidumbres: trabajar con muestras importantes ayuda a minimizar los márgenes de error, y por tanto, llegar a conclusiones más fiables.
- Impulsar la didáctica de los datos: saber explicar y trasladar bien esos datos, promoviendo una visión crítica y constructiva de la información que manejamos.
- Abrazar la IA con una mirada crítica: debemos analizar con ojo crítico el uso que hacemos de la inteligencia artificial (IA), herramienta que nos puede desvirtuar la búsqueda del insight correcto, de la conclusión acertada. No todo lo que proviene de esta tecnología debe ser aceptado sin cuestionamientos. Es necesario aplicar un análisis profundo, sensato y respaldado por nuestra experiencia, para asegurarnos de que su uso no comprometa los resultados que realmente hay detrás de los datos.
Convertir los datos en conocimiento y el conocimiento en decisiones correctas es un desafío que debemos seguir trabajando. En un mundo gobernado por el Big Data y los algoritmos, sigamos apostando por encontrar los relatos auténticos detrás de los números, dando la espalda al datawashing y otras prácticas cuestionables. Nuestra credibilidad, como sector y como empresa, debe seguir siendo el eje que nos diferencie y nos permita avanzar con pies de plomo en este nuevo mundo tan cargado de datos y analistas. La confianza del cliente en los datos depende de la integridad con la que se presenten y utilicen, y cualquier estrategia que comprometa esta confianza es un paso hacia el fracaso.
El reto para la industria está claro, un reto que llevamos trabajando desde hace muchos años y que nos sigue otorgando la credibilidad que tiene el sector: usar los números para iluminar la verdad, no para ocultarla.
Como diría mi querido Sherlock Holmes: "Es un error capital teorizar antes de tener todos los datos. Insensiblemente, uno comienza a torcer los hechos para adaptarlos a las teorías, en lugar de que las teorías se ajusten a los hechos."
Alberto Plazas (Account Director)
