Minimising Financial Risk under Enrolment Uncertainty: An Open-Source Entropy-Indexed POMDP Tool for University Governance

Las universidades son empresas de una clase peculiar, donde el dinero necesario para pagar al personal y los edificios del próximo año debe gastarse años antes de que lleguen los estudiantes que los financiarán. Esto crea una tensión constante entre la necesidad de planificar con antelación y la imposibilidad de conocer el futuro con certeza. En el Reino Unido, esta incertidumbre se ha vuelto aguda. Durante años, las universidades han dependido de pronósticos para guiar su gasto, pero los reguladores han descubierto que estas predicciones son persistentemente demasiado optimistas, dejando a casi la mitad de los proveedores ingleses ante déficits financieros. El problema central no es la falta de esfuerzo o inteligencia entre los líderes universitarios; es un fallo estructural en la forma en que toman decisiones. Cuando el futuro es genuinamente incierto, pedir a una junta de gobierno que acuerde un único escenario de "mejor conjetura" es pedirles que hagan algo que no pueden hacer de forma fiable. Se les pide que asignen pesos a diferentes futuros, pero la naturaleza misma del entorno actual significa que esos pesos son desconocidos.

Para resolver esto, investigadores de la Universidad de Bedfordshire han desarrollado una nueva clase de herramienta de planificación que cambia la pregunta. En lugar de pedir a los líderes que adivinen qué futuro es más probable, la herramienta mide qué tan confiable puede ser la institución sobre cualquier futuro en absoluto. Utiliza un método que rastrea el flujo de números de estudiantes para actualizar un mapa de probabilidad de la salud financiera de la universidad. Este mapa no se establece en un único resultado; en cambio, cambia constantemente a medida que llegan nuevos datos, mostrando si la universidad está en un periodo de crecimiento, estabilidad o problemas. Crucialmente, la herramienta calcula una puntuación de incertidumbre basada en qué tan dispersas están estas probabilidades. Cuando los datos son confusos y las probabilidades están divididas uniformemente, la herramienta señala que la situación es demasiado incierta para realizar grandes cambios permanentes. Cuando los datos se vuelven claros y un resultado domina, la herramienta señala que es seguro actuar. Este enfoque permite a las universidades navegar la profunda incertidumbre sin obligar a sus líderes a realizar conjeturas imposibles.

Los investigadores construyeron este sistema como una aplicación de software de código abierto, lo que significa que es gratuito para que cualquiera lo use e inspeccione. El sistema fue calibrado con una década de datos abiertos de la HESA en cuatro instituciones del Russell Group, cada una con una historia reciente diferente. Algunas de estas instituciones enfrentaron caídas bruscas en el número de estudiantes internacionales debido a cambios en las políticas de visados, mientras que otras experimentaron un crecimiento constante. El equipo luego probó la herramienta contra seis otras estrategias de planificación comunes mediante la ejecución de una evaluación de Monte Carlo a través de 500 futuros de matriculación simulados. Los resultados mostraron que la nueva herramienta, que llaman un sistema indexado por entropía, produjo consistentemente mejores resultados financieros que los métodos tradicionales. En estas simulaciones, alcanzó la mayor recompensa financiera promedio manteniendo la probabilidad de una crisis financiera más baja que cualquier otra de las estrategias. La clave de este éxito fue su capacidad para contenerse ante compromisos irreversibles, como la contratación de personal permanente o la construcción de nuevos campus, siempre que la puntuación de incertidumbre fuera alta.

La herramienta opera con una lógica simple pero poderosa. Trata la situación financiera de la universidad como un estado oculto que puede estar en uno de tres modos: un modo de bajo crecimiento donde el dinero es escaso, un modo estable donde las cosas son normales, o un modo de alto crecimiento donde hay margen para invertir. La universidad no puede ver estos modos directamente; solo ve el número anual de estudiantes que se matriculan. El software utiliza un proceso matemático para actualizar su creencia sobre en qué modo se encuentra la universidad cada vez que llega un nuevo número de matriculación. Si los números son confusos, la creencia del software permanece dispersa entre los tres modos. Este estado de confusión se mide mediante un valor llamado entropía. Cuando la entropía es alta, la herramienta bloquea automáticamente a la universidad de tomar decisiones grandes y difíciles de revertir. La obliga a esperar y reunir más evidencia. Una vez que los números de matriculación se vuelven consistentes y la creencia se concentra en un solo modo, la entropía cae y la herramienta da luz verde para invertir o expandirse.

Este enfoque ofrece una ventaja distinta sobre las formas estándar en que las universidades planifican actualmente. La planificación de escenarios tradicional pide a los líderes que imaginen algunos futuros diferentes, como un mejor caso y un peor caso, y luego intenten elegir entre ellos. Sin embargo, este método falla cuando los líderes no pueden acordar qué tan probable es cada escenario. La nueva herramienta elimina la necesidad de ese acuerdo. No pide a la junta decidir qué futuro es más probable; simplemente reporta lo que los datos dicen sobre el nivel de confianza actual. Si los datos son ambiguos, la herramienta recomienda una postura cautelosa, como mantener los niveles actuales de personal o enfocarse en reclutar estudiantes para aprender más sobre el mercado. Si los datos son claros, recomienda una acción decisiva. Esto permite que la universidad sea conservadora cuando es verdaderamente necesario y agresiva cuando la evidencia lo respalda, sin depender de corazonadas o presión política.

Los investigadores probaron el sistema en cuatro tipos específicos de trayectorias universitarias para ver cómo manejaría diferentes desafíos del mundo real. En un escenario, que imitaba la caída brusca de estudiantes internacionales vista después de 2022, la herramienta recomendó correctamente frenar el gasto durante los dos primeros años mientras la situación permanecía incierta. Otras estrategias que ignoraron la incertidumbre continuaron recomendando la inversión durante este periodo, lo que llevó a problemas financieros en las simulaciones. Una vez que los datos aclararon que la universidad se estaba estabilizando, la herramienta cambió su recomendación a una postura más activa, permitiendo que la universidad se recuperara más rápido que aquellas que habían permanecido excesivamente cautelosas. En otro escenario donde el crecimiento era constante y predecible, la herramienta eventualmente recomendó una inversión agresiva, pero solo después de que pasara el tiempo suficiente para confirmar que el crecimiento era una tendencia duradera y no un pico temporal. Esto evitó el error de construir nueva capacidad demasiado pronto, solo para encontrar que el crecimiento se había estancado.

Una característica única de esta herramienta es cómo presenta sus hallazgos a los líderes universitarios. Genera un documento de dos páginas, llamado Board Pack, que resume todo el análisis en lenguaje sencillo. Este documento incluye un gráfico que muestra cómo la estrategia recomendada se compara con otras seis aproximaciones comunes, junto con una explicación clara de por qué se tomó una decisión específica. Por ejemplo, podría explicar que la herramienta recomendó esperar para contratar nuevo personal porque la puntuación de incertidumbre aún era demasiado alta para justificar el riesgo. Debido a que el documento es generado por un programa informático que sigue reglas estrictas, es totalmente reproducible. Si otro líder ejecuta los mismos números a través de la herramienta, obtendrá exactamente el mismo resultado. Esto crea un rastro de auditoría claro, demostrando que la decisión se basó en un análisis transparente de los datos y no en una opinión subjetiva.

Los investigadores también diseñaron la herramienta para que sea accesible para personas sin formación en matemáticas o ciencias de la computación. Un director financiero de una universidad puede usar la herramienta en cuestión de minutos para obtener una recomendación básica, o pasar una hora calibrándola con los datos específicos de su propia institución. El software está disponible en línea de forma gratuita y puede ejecutarse en un navegador web estándar sin necesidad de instalar software complejo. Para las instituciones que deseen mantener la privacidad de sus datos, existe una versión que puede ejecutarse en una computadora local. La herramienta utiliza datos de la Higher Education Statistics Agency, que es la fuente oficial de las cifras de matriculación universitaria en el Reino Unido, pero los investigadores han puesto a disposición el código subyacente y los ajustes precalculados para que cualquiera pueda verificar los resultados.

El estudio destaca que el valor de este enfoque es más alto cuando el futuro es más incierto. En tiempos de estabilidad, los métodos de planificación tradicionales suelen funcionar bien. Pero cuando una universidad enfrenta un choque repentino, como un cambio en las leyes de visados o un cambio demográfico, la capacidad de medir la incertidumbre se vuelve crítica. La herramienta no promete predecir el futuro; en cambio, proporciona una forma de gestionar el riesgo de estar equivocado. Al restringir automáticamente las decisiones cuando la evidencia es débil, protege a la universidad de cometer errores costosos. Al liberar esas restricciones cuando la evidencia se vuelve fuerte, permite a la universidad aprovechar oportunidades que otros métodos de planificación más rígidos podrían perder.

Este trabajo representa un cambio en cómo se aplica la investigación operativa, un campo que utiliza métodos matemáticos para ayudar a las organizaciones a tomar mejores decisiones, a la educación superior. Durante mucho tiempo, estos métodos se usaron para problemas tácticos, como la programación de clases o la asignación de recursos dentro de un departamento. Esta herramienta lleva ese poder al nivel estratégico, ayudando a los niveles más altos de la gobernanza universitaria a navegar el riesgo financiero. Los investigadores enfatizan que la herramienta no es un reemplazo para el juicio humano, sino un sistema de apoyo que hace que ese juicio sea más fiable. Convierte el concepto abstracto de incertidumbre en un número concreto que los líderes pueden ver y sobre el cual pueden actuar.

Las implicaciones de este trabajo se extienden más allá del Reino Unido. Las universidades en otros países, como Australia, enfrentan desafíos similares con mercados de estudiantes internacionales volátiles y cambios de política. Los investigadores sugieren que la herramienta puede adaptarse para su uso en cualquier lugar, siempre que se utilicen los datos locales para calibrar el sistema. La lógica central de medir la incertidumbre y ajustar las decisiones en consecuencia es universal. Al hacer la herramienta de código abierto, los investigadores esperan que otras instituciones la prueben, la perfeccionen y la adapten a sus propios contextos. Este enfoque colaborativo asegura que la herramienta evolucione basada en la experiencia del mundo real en lugar de permanecer como un ejercicio teórico.

Al final, el artículo presenta una solución práctica a un problema persistente. Ofrece una forma para que las universidades planifiquen el futuro sin pretender conocer el futuro. Al enfocarse en lo que se puede medir —el nivel de confianza en los datos—, proporciona una base estable para la toma de decisiones en un mundo inestable. La herramienta no elimina el riesgo, sino que brinda a los líderes una forma de entenderlo y gestionarlo con mayor precisión. Para un sector que ha luchado con pronósticos excesivamente optimistas y déficits financieros, este tipo de claridad no es solo una mejora técnica; es un paso vital hacia la sostenibilidad a largo plazo. Los investigadores invitan a los directores financieros y equipos de planificación a probar la herramienta, para ver cómo se desempeña con sus propios datos y contribuir a su desarrollo. El objetivo es crear un estándar compartido de planificación basada en la evidencia que pueda ayudar a las universidades a navegar las incertidumbres de las próximas décadas.