Imagina que eres el árbitro de un juego gigante e invisible que se juega en el mundo de los negocios y las escuelas. En este juego, los jugadores (como empresas que intentan ser ecológicas o estudiantes que intentan entrar en la universidad) realizan acciones ocultas para mejorar su rendimiento. Un árbitro (como una agencia de calificación o un calificador de exámenes) ve una pista ruidosa sobre cuánto se esforzó el jugador, pero la audiencia real (inversores o universidades) solo ve la puntuación final del árbitro. La parte difícil es que los jugadores son inteligentes; conocen las reglas del árbitro y podrían intentar "manipular el sistema" fingiendo su esfuerzo o centrándose solo en lo que les dé una puntuación alta, en lugar de hacer realmente el buen trabajo. Este es el mundo del diseño de información y el riesgo moral. El "riesgo moral" es solo una forma elegante de decir que "la gente podría holgazanear o hacer trampa si cree que no la atraparán", mientras que el "diseño de información" es el arte de decidir exactamente cuánta verdad revelar para mantener a todos jugando limpio. La gran pregunta es: ¿Debería el árbitro mostrar cada detalle del rendimiento del jugador, o debería ocultar algunas partes para mantener a los jugadores motivados?

Este artículo, titulado "Diseño de Calificación Óptima bajo Riesgo Moral", profundiza en esa pregunta. Los autores, Maryam Saeedi y Ali Shourideh, actúan como maestros diseñadores de juegos tratando de averiguar el manual de reglas perfecto para los sistemas de calificación. Descubren que no hay una respuesta única para todos. A veces, mostrar todo es lo mejor. Pero a menudo, la jugada más inteligente es censurar la información, lo que significa que se desdibujan deliberadamente las líneas entre ciertos resultados. Encuentran que la mejor forma de censurar depende enteramente de cómo el esfuerzo del jugador cambie las probabilidades de éxito. Si esforzarse más hace que un "home run" sea más probable pero también hace que un "ponche" sea más probable, el mejor sistema de calificación debería ocultar los malos resultados (menor censura) para fomentar la toma de riesgos. Por el contrario, si esforzarse más simplemente hace que los resultados sean más consistentes y menos arriesgados, el mejor sistema debería ocultar los resultados asombrosos (censura superior) para desincentivar la inacción. Incluso demuestran que en situaciones complejas donde los jugadores pueden fingir su camino hacia una buena puntuación sin realizar realmente el trabajo (lo que se llama "maquillaje de fachada" o window dressing), el árbitro debería a veces ocultar los puntajes medios por completo para detener a los farsantes.

El Juego del Esfuerzo Oculto y las Pistas Ruidosas

Para entender el artículo, preparemos el escenario con una historia sencilla. Imagina a un panadero que quiere vender el mejor pan de la ciudad. El panadero puede elegir trabajar duro (usando harina de primera calidad y amasando durante horas) o tomar un atajo (usando harina barata y una máquina). Los clientes de la ciudad (el mercado) quieren un gran pan, pero no pueden ver las manos del panadero; solo pueden probar la hogaza final. Una agencia de calificación (el intermediario) observa al panadero y ve una "pista": tal vez el olor de la cocina o el color de la corteza. Esta pista es ruidosa; un buen olor no garantiza un gran pan, y un mal olor no garantiza un mal pan.

La agencia de calificación tiene una elección: decirle a los clientes exactamente lo que dice la pista, o darles un resumen vago como "Bueno", "Regular" o "Malo". El panadero conoce las reglas de la agencia. Si la agencia es demasiado severa, el panadero podría rendirse. Si la agencia es demasiado permisiva, el panadero podría dejar de esforzarse y solo intentar parecer bueno. La agencia quiere diseñar un sistema de calificación que logre que el panadero trabaje lo más duro posible, o quizás ayudar a que los malos panaderos sobrevivan, o detener a los panaderos que intentan fingir su camino hacia una calificación de "Bueno".

El truco principal del artículo es darse cuenta de que el sistema de calificación no solo da una puntuación; crea un precio para el esfuerzo del panadero. Si la calificación es "Buena", el panadero obtiene un precio alto por su pan. Si es "Mala", obtiene un precio bajo. El panadero decide cuánto trabajar basándose en cuánto dinero extra espera ganar si se esfuerza más. Los autores introducen un concepto ingenioso llamado precios intermedios. Piensa en esto como la creencia de "segunda intención" del panadero. Antes de que salga la calificación final, el panadero piensa: "Si veo un buen olor, ¿qué pensarán los clientes finalmente?". El artículo demuestra que si el sistema de calificación es justo (es decir, si los mejores olores siempre conducen a precios esperados más altos), entonces el conjunto de posibles sistemas de calificación se limita a aquellos que "suavizan" los altibajos extremos de las pistas puras. No puedes crear un sistema de calificación que haga que el precio salte más salvajemente que las pistas puras; solo puedes promediarlas.

La Magia de Ocultar la Verdad

La parte más emocionante del artículo es cómo responde a la pregunta: "¿Cuándo debemos ocultar la verdad?". Los autores descubren que la respuesta depende de cómo el esfuerzo del panadero cambie la forma de los posibles resultados. Identifican tres escenarios principales, que llaman MLRP, ELRP y CLRP.

1. El Caso Estándar (MLRP): ¡Muestra Todo!
En el mundo clásico de los libros de texto, si el panadero trabaja más duro, el pan simplemente mejora en todos los sentidos. Un panadero que trabaja duro siempre tendrá más probabilidades de tener una hogaza excelente y menos probabilidades de tener una mala, sin importar dónde mires. El artículo confirma que en este mundo aburrido y predecible, el mejor sistema de calificación es la divulgación total. Debes contarle todo a los clientes. ¿Por qué? Porque si ocultas el pan malo, podrías ocultar accidentalmente el hecho de que el panadero en realidad se está esforzando. Si ocultas el pan bueno, le quitas la recompensa por su esfuerzo. Así que, en este caso estándar, la transparencia es la reina.

2. El Innovador Arriesgado (ELRP): ¡Oculta los Desastres!
Ahora, imagina que el panadero es un innovador. Está probando una receta loca. Si trabaja duro, podría crear un pan legendario y mundialmente famoso (una gran victoria), pero también podría quemar toda la tanda (un gran desastre). Si no se esfuerza, solo obtiene una hogaza mediocre. Aquí, trabajar más duro expande las colas: hace que los mejores resultados y los peores resultados sean más probables. Este es el Propiedad de la Relación de Verosimilitud Expandida (ELRP).

El artículo sugiere que en este caso, el mejor sistema de calificación es la censura inferior. Esto significa que la agencia debería ocultar los resultados realmente malos. Si el panadero quema el pan, la agencia debería decir simplemente: "Bueno, no es genial", pero no revelar el desastre específico. ¿Por qué? Porque si el panadero sabe que un fracaso total será avergonzado públicamente, podría tener demasiado miedo de probar la nueva receta arriesgada. Al agrupar los malos resultados y darles una calificación promedio "segura", la agencia le da al panadero un seguro contra las desventajas. Esto anima al panadero a asumir el riesgo y trabajar duro, con la esperanza de lograr el pan legendario. Es como un padre que le dice a un niño: "Si intentas construir este cohete y explota, diremos que fue una experiencia de aprendizaje", para que el niño no tenga demasiado miedo de encender la mecha.

3. El Mantenedor Cuidadoso (CLRP): ¡Oculta los Milagros!
Por el contrario, imagina a un panadero que solo quiere asegurarse de que el pan sea consistente. Si trabaja duro, deja de cometer errores. No logra panes más legendarios, pero deja de hacer panes quemados. Trabajar duro comprime la distribución hacia el centro. Esto es la Propiedad de la Relación de Verosimilitud de Compresión (CLRP).

Aquí, el artículo argumenta a favor de la censura superior. La agencia debería ocultar los resultados realmente buenos. Si el panadero accidentalmente hace una hogaza perfecta, la agencia debería decir simplemente: "Es bueno", sin revelar que fue un milagro. ¿Por qué? Porque si el panadero sabe que una hogaza perfecta será recompensada generosamente, podría verse tentado a tomar atajos y esperar la suerte. Pero si la agencia oculta los premios máximos, el panadero se da cuenta de que la única forma de obtener una calificación de "Bueno" es ser consistente y evitar las calificaciones "Malas". Al ocultar los puntajes altos, la agencia desincentiva al panadero de caer en la inacción, porque si hay inacción, podría producir accidentalmente un pan malo, y ese pan malo será revelado y castigado. Es como un profesor que oculta los "A+" pero muestra las "F", obligando a los estudiantes a centrarse en no fallar en lugar de esperar un golpe de suerte.

La Trampa del Maquillaje de Fachada (Window Dressing)

El artículo también aborda un problema astuto: el maquillaje de fachada (window dressing). Esto sucede cuando un jugador puede hacer algo que se ve bien en la calificación pero que no ayuda realmente al mercado. Por ejemplo, una empresa podría gastar dinero en una campaña publicitaria llamativa (maquillaje de fachada) para que su puntuación ESG parezca excelente, mientras ignora el daño ambiental real. O un estudiante podría memorizar respuestas de examen sin aprender el material.

Los autores encuentran que incluso si el sistema de calificación es perfecto para medir el esfuerzo, todavía puede fallar si el jugador puede "falsificar" la señal. Introducen una regla llamada Informatividad Relativa Monótona (MRIP). Esta es una forma elegante de decir: "¿Un puntaje alto significa que el jugador hizo el trabajo real, o solo el trabajo falso?".

Si los puntajes altos siempre son más probables de venir del trabajo falso, el mejor sistema de calificación es la censura superior (ocultar los puntajes altos). Esto evita que el farsante obtenga una gran recompensa por su truco. Si los puntajes altos son siempre más probables de venir del trabajo real, el mejor sistema es la censura inferior (ocultar los puntajes bajos) para fomentar al trabajador real. La clave de la idea aquí es que no necesitas cambiar todo el sistema; solo necesitas censurar la parte específica de la puntuación en la que los farsantes son buenos. Es como un profesor que se da cuenta de que un estudiante es bueno adivinando respuestas de opción múltiple pero malo en ensayos. El profesor podría decidir ocultar los puntajes de opción múltiple y solo mostrar los puntajes de ensayo para obtener una imagen verdadera del conocimiento del estudiante.

El Punto Medio: Pruebas Redistributivas

Finalmente, el artículo analiza un objetivo diferente: la redistribución. Imagina un sistema escolar que quiere ayudar a los estudiantes desfavorecidos. La escuela sabe que algunos estudiantes lo tienen más difícil (tal vez no tienen un lugar tranquilo para estudiar), por lo que tienen que trabajar el doble de duro para obtener la misma puntuación. La escuela quiere diseñar una prueba que anime a todos a intentarlo, pero que también dé un impulso a los estudiantes con dificultades.

Los autores encuentran que, en este caso, la prueba óptima podría usar la censura media. Este es un punto medio extraño donde la prueba oculta los puntajes medios pero revela los muy altos y los muy bajos. ¿Por qué? Porque si ocultas el medio, evitas que los estudiantes con dificultades se desanimen por una puntuación "mediocre" que no refleja su arduo trabajo. Al mismo tiempo, mantienes visibles los puntajes altos para recompensar a los mejores y los bajos para mantener a todos motivados. Es un equilibrio: agrupas los resultados "regulares" para ser amable, pero mantienes los extremos nítidos para mantener el incentivo de dar lo mejor de sí.

La Visión General

El artículo concluye que no existe un único sistema de calificación "mejor". El diseño perfecto depende enteramente de la naturaleza del trabajo que se está calificando.

• Si el trabajo es rutinario y predecible, muestra todo.
• Si el trabajo es arriesgado e innovador, oculta los fracasos para fomentar la audacia.
• Si el trabajo trata sobre consistencia y seguridad, oculta los milagros para desincentivar la inacción.
• Si el trabajo implica falsificación, oculta los puntajes que los farsantes pueden manipular.
• Si el objetivo es la equidad, oculta el punto medio para proteger a los vulnerables.

Los autores prueban estos resultados matemáticamente, demostiendo que estas estrategias de "censura" no son solo suposiciones, sino las soluciones óptimas derivadas de ecuaciones complejas. Demuestran que los mejores sistemas de calificación son a menudo reglas deterministas simples: "Si la puntuación es inferior a X, di 'Malo'; si está entre X e Y, di 'Promedio'; si es superior a Y, di 'Bueno'". Pero la magia reside en dónde se trazan esas líneas. Al comprender cómo el esfuerzo cambia las probabilidades de éxito, podemos diseñar sistemas de calificación que no solo midan el rendimiento, sino que realmente creen un mejor rendimiento.

En un mundo lleno de calificaciones —desde las reseñas de Amazon hasta los ingresos universitarios y las puntuaciones ESG— este artículo ofrece un conjunto de herramientas para reguladores y diseñadores. Sugiere que cuando vemos un sistema de calificación que parece ocultar la verdad, puede que no sea un error o una conspiración. Podría ser la decisión más inteligente posible.