Segun MIT News - Artificial Intelligence, un equipo de investigadores del Massachusetts Institute of Technology ha reforzado una teoría psicológica de casi un siglo: que las decisiones humanas pueden ser modeladas matemáticamente mediante el análisis de preferencias. La investigación, publicada en junio de 2026, desmonta una limitación clásica en los modelos de utilidad aleatoria (RUMs), que hasta ahora se basaban en comparaciones de pares. Los investigadores demostraron que no es posible inferir relaciones entre opciones únicamente mediante comparaciones directas entre dos elementos. Sin embargo, al exponer a grandes grupos de personas a elecciones entre tres alternativas, se logra identificar patrones de correlación con precisión significativa. Este hallazgo no solo valida el trabajo de L. L. Thurstone, psicólogo que en 1927 propuso que las personas eligen lo que consideran más valioso, sin poder asignar números a sus preferencias, sino que también abre nuevas vías para aplicar modelos predictivos en entornos reales.
La innovación reside en que el sistema de evaluación se transforma de una simple comparación binaria a un análisis tridimensional. Cada persona ordena tres opciones, como elegir entre tres productos o servicios, y su respuesta se convierte en una fuente de datos rica para detectar preferencias latentes. Este enfoque permite no solo identificar qué opción es más deseada, sino también cuáles combinaciones de opciones están asociadas entre sí. El estudio, liderado por Gabriele Farina del Departamento de Ingeniería Eléctrica y Ciencia de la Computación de MIT, subraya que las diferencias individuales en preferencias no son solo triviales, sino que generan variabilidad inherente que los modelos tradicionales ignoraban. La idea de que cada persona tiene un "valor interno" para cada elección — que puede cambiar con el tiempo o el contexto — se convierte así en una base sólida para predicciones más precisas.
Para los lectores peruanos, este avance es especialmente relevante en contextos donde se toman decisiones cotidianas bajo incertidumbre. Por ejemplo, en el sector de servicios financieros, donde se deben evaluar múltiples productos (como cuentas corrientes, tarjetas de crédito o fondos de inversión), el modelo tridimensional podría ayudar a personalizar ofertas según el perfil de cada cliente. No se trata de adivinar preferencias, sino de medirlas de forma objetiva, basándose en datos reales de elección. Así, instituciones bancarias o plataformas de inversión podrían diseñar estrategias más eficaces, que no solo se basen en suposiciones generales, sino en respuestas reales de usuarios. Además, en contextos como el desarrollo de políticas públicas o la planificación de infraestructura, esta metodología podría ofrecer una herramienta más robusta para entender cómo las personas deciden entre opciones con impacto social.
Este hallazgo no solo enriquece la psicología del comportamiento humano, sino que también resuelve una brecha clave en la capacidad de predecir decisiones complejas. Al integrar el número tres en el análisis, se logra una precisión que antes era inalcanzable, convirtiéndose en un pilar para futuras aplicaciones en finanzas, educación o servicios públicos.