Resumen Técnico: Búsqueda Secuencial con Planificación

1. Formulación del Problema

El artículo modela un problema de búsqueda secuencial donde un tomador de decisiones (DM, por sus siglas en inglés) explora una secuencia fija de $n$ opciones (o "cajas"), cada una de las cuales contiene una recompensa incierta $X_i$ extraída de una distribución conocida $F_i$. La búsqueda está restringida por dos estructuras de costos distintas que diferencian este modelo de los problemas estándar de la Caja de Pandora:

1. Costos de Inspección ($c_i$): El costo para observar la recompensa de una caja específica.
2. Costos de Planificación y Ajuste:
   • Costo de Alcance ($\phi(j_0)$): Antes de que comience la búsqueda, el DM debe elegir un "alcance" inicial $j_0 \in \{1, \dots, n\}$, que representa el número de etapas que se harán accesibles. Esto incurre en un costo ex-ante $\phi(j_0)$, el cual es estrictamente creciente y convexo.
   • Costo de Ajuste ($\psi$): Durante la búsqueda, el DM puede revisar el alcance. Expandir el alcance de $j$ a $j' > j$ en la etapa $i$ incurre en un costo marginal adicional $\psi(i, j, j')$. La contracción no tiene costo.

El DM es neutral al riesgo y busca maximizar el beneficio neto esperado, definido como el máximo entre la dotación inicial y la recompensa más alta observada, menos la suma de todos los costos de inspección, de alcance inicial y de ajuste. La secuencia de cajas viene dada exógenamente; el DM no puede omitir etapas.

2. Metodología

Los autores emplean Programación Dinámica (DP) para resolver el problema de decisión secuencial. El espacio de estados se define por tres variables:

• $i$: La etapa actual (índice de la caja).
• $z$: La "garantía" actual (el máximo de la dotación inicial y todas las recompensas observadas hasta el momento).
• $j$: El "alcance pagado" actual (la etapa más lejana para la cual ya se han incurrido en los costos de acceso).

La función de valor $V(i, z, j)$ representa el valor de continuación esperado óptimo tras observar la etapa $i$ con una garantía $z$ y un alcance pagado $j$. La ecuación de Bellman compara la opción de detenerse (obteniendo un beneficio $z$) contra la opción de continuar, lo cual implica seleccionar un nuevo alcance $j' \geq i+1$, pagar el costo de ajuste $\psi(i, j, j')$ y el siguiente costo de inspección $c_{i+1}$, y recibir el valor esperado futuro.

Una innovación metodológica clave es la introducción de valores de reserva dependientes del alcance. A diferencia de los modelos de búsqueda estándar donde un valor de reserva es una propiedad fija de una caja específica, aquí el umbral para continuar depende de la variable de estado $j$.

3. Contribuciones Clave y Resultados

A. Valores de Reserva Dependientes del Alcance

El artículo establece la existencia y unicidad de una familia de valores de reserva, denotados como $r_i(j)$, para cada etapa $i$ y cada alcance pagado factible $j$.

• Definición: $r_i(j)$ es el valor único tal que el DM es indiferente entre detenerse y continuar de manera óptima dado el alcance pagado actual $j$.
• Estrategia Óptima: La política óptima es una regla de umbral:
  • Detenerse si la garantía actual $z \geq r_i(j)$.
  • Continuar si $z < r_i(j)$. Si continúa, el DM elige un nuevo alcance $j'$ para maximizar el valor de continuación neto esperado.
• Implicación: La regla de parada óptima ya no es "indexable" en el sentido tradicional (un solo valor por etapa). Dos DMs en la misma etapa con el mismo historial observado pero diferentes alcances pagados tomarán decisiones de parada distintas.

B. Análisis Comparativo

Los autores derivan varios resultados de monotonicidad respecto a los valores de reserva y las elecciones de alcance óptimo:

1. Efecto del Alcance: El valor de reserva $r_i(j)$ es débilmente creciente en el alcance pagado $j$. Un DM con un alcance prepagado más amplio está dispuesto a continuar la búsqueda con garantías más altas porque el costo marginal de acceder a las etapas futuras es menor.
2. Efecto del Costo: Los valores de reserva son débilmente decrecientes en los costos de inspección ($c$) y los costos de ajuste ($\psi$).
3. Submodularidad y Elección de Alcance: Bajo el supuesto de que los costos de ajuste son submodulares (es decir, el costo marginal de expansión disminuye a medida que el alcance actual aumenta), el siguiente alcance óptimo es débilmente creciente en el alcance actual. Esto implica que una firma con un alcance actual más amplio elegirá un alcance futuro (débilmente) más amplio.

C. Fuerzas Económicas

El artículo identifica y caracteriza tres fuerzas económicas que interactúan y que dan forma a la estrategia óptima:

1. Efecto de la Garantía: Una oferta actual más alta ($z$) reduce la mejora esperada de la siguiente etapa, induciendo un cese temprano. Esto es paralelo al efecto del "valor de respaldo" en la literatura existente.
2. Efecto del Alcance Pagado (Novedad): Un alcance prepagado mayor reduce el costo marginal de acceso futuro, elevando el valor de continuación y apoyando la continuación con garantías más altas. Este efecto no tiene contraparte en modelos donde el acceso futuro es gratuito (ej. Weitzman, 1979; Boodaghians et al., 2020).
3. Efecto del Horizonte Remanente: A medida que la búsqueda progresa, el valor de la opción de continuar se reduce porque quedan menos etapas disponibles.

La interacción de estas fuerzas genera dos regímenes distintos:

• Sub-planificación: La firma elige un alcance inicial estrecho y se expande de forma adaptativa a medida que se materializan los resultados (común cuando las recompensas son normales y los costos son convexos).
• Sobre-planificación: La firma se compromete con un alcance amplio ex-ante pero se detiene prematuramente (común bajo condiciones específicas de recompensas de cola pesada o estructuras de costos específicas).

D. Referencia de Planificación sin Costo

El artículo demuestra que cuando los costos de planificación y ajuste desaparecen ($\phi = 0, \psi = 0$), el modelo se reduce al estándar de búsqueda ordenada (Boodaghians et al., 2020). En este límite, la formulación de alcance adaptable coincide con la función de valor de programación dinámica, y los valores de reserva se vuelven independientes de la historia de la planificación.

4. Significado y Reivindicaciones

El artículo afirma llenar un vacío en la literatura sobre búsqueda secuencial y planificación de I+D al modelar explícitamente la planificación ex-ante costosa y la revisión adaptativa del alcance.

• Contribución Teórica: Generaliza el problema de la Caja de Pandora a entornos donde el acceso a opciones futuras no es gratuito, sino que requiere inversiones hundidas. Demuestra que el "valor de reserva" no es una propiedad estática de una opción, sino una variable de estado dinámica que depende de los compromisos de planificación pasados.
• Perspectiva Económica: Los autores argumentan que el "efecto del alcance pagado" altera fundamentalmente el comportamiento de búsqueda. En los modelos estándar, la decisión de una firma de continuar depende solo de la recompensa actual y la distribución de las recompensas futuras. En este modelo, la decisión también depende de cuánto ha invertido la firma para hacer que esas etapas futuras sean accesibles.
• Aplicación a I+D y Exploración: El marco está motivado por escenarios del mundo real como la I+D de múltiples etapas (ej. desarrollo de IA, ensayos clínicos) y la exploración de recursos naturales, donde las firmas deben comprometerse con infraestructura o aprobaciones regulatorias (alcance) antes de conocer los resultados, y donde los planes suelen revisarse de forma adaptativa basándose en resultados intermedios.
• Modestia: El artículo no pretende resolver todas las interacciones estratégicas en la organización industrial, sino que proporciona un marco de un solo agente tratable que captura la tensión entre el compromiso inicial y la flexibilidad adaptativa. Reconoce que las extensiones a recompensas correlacionadas o entornos competitivos se dejan para trabajos futuros.

El artículo concluye que la interacción entre el efecto de la garantía, el efecto del alcance pagado y el efecto del horizonte remanente genera comportamientos adaptativos realistas (tanto de sub- como de sobre-planificación) que no pueden capturarse mediante modelos que asumen planificación sin costo o horizontes fijos.