This audio is powered by Spokn.
Riley Mann
Muchas famosas historias de éxito comenzaron con un fracaso: Henry Ford quebró antes de fundar la Ford Motor Company; Thomas Edison y sus colegas probaron miles de materiales antes de crear el bombillo de filamento de carbono; J. K. Rowling sufrió doce rechazos antes de publicar su primer libro de Harry Potter.
Son ejemplos sin duda alentadores. Para Dashun Wang, sin embargo, no aclaraban un misterio: ¿cómo fue que esas personas por fin consiguieron el éxito, mientras que tantas otras nunca logran superar su etapa de fracasos?
"Si entendiéramos ese proceso, ¿podríamos pronosticar si alguien se va a convertir en ganador, aunque todavía esté en su etapa de perdedor?" se preguntaba Wang, profesor asociado de Gestión y Organizaciones de la Kellogg Management School y director del Centro de Ciencias de la Ciencia y la Innovación (CSSI).
En un nuevo estudio publicado en la edición conmemorativa del 150 aniversario de la revista Nature, Wang y sus colegas crearon un modelo matemático para determinar con precisión lo que distingue a los que triunfan de los que, por más que lo intentan, parecen seguir destinados al fracaso. En colaboración con el doctorando Yian Yin, el investigador posdoctoral Yang Wang del CSSI, y James A. Evans, de la Universidad de Chicago, Wang descubrió que la clave del éxito consiste en aprender de los errores pasados, por ejemplo: seguir mejorando los componentes de un invento que no funcionan en lugar de desecharlos, o saber qué secciones de una solicitud de subvención denegada conservar y cuáles reescribir.
Pero no basta con aprender cada vez más para aumentar las probabilidades de éxito. El hecho es que hay un punto crítico de inflexión. Si nuestra habilidad para aprovechar lo aprendido de nuestros intentos anteriores rebasa cierto umbral, es probable que al final alcancemos el éxito. Pero, como esté a tan solo un pelín de distancia de ese umbral, podemos estar condenados a seguir cosechando fracasos indefinidamente.
"Los que están a uno u otro lado del umbral pueden ser exactamente el mismo tipo de personas —dice Wang— pero sus resultados serán totalmente distintos".
Este conocimiento permite a los investigadores predecir con acierto si una persona tendrá éxito a largo plazo con tan solo una pequeña cantidad de información sobre sus anteriores intentos.
Un creciente acervo de investigación avala la idea de que el fracaso puede tener un efecto beneficioso a largo plazo. De hecho, en otro reciente estudio, el propio Wang observó que sufrir un contratiempo a principios de carrera suele aumentar las posibilidades de éxito de los científicos más adelante.
Sin embargo, como demuestran las historias de Ford, Edison y Rowling, el camino que conduce al éxito normalmente presenta más de un obstáculo. "No se fracasa una sola vez — dice Wang— sino una y otra y otra más". Y si bien una larga lista de fracasos puede tener el efecto de beneficiar a los Edisons de este mundo, muchos otros parecen salir frustrados.
Para investigar el porqué, Wang y sus colegas necesitaban una gran cantidad de información acerca del proceso de caer, levantarse e intentarlo de nuevo.
Y la encontraron en tres grandes conjuntos de datos de éxitos y fracasos de muy distinta índole: 776 721 solicitudes de subvención presentadas a los Institutos Nacionales de Salud (NIH) entre 1985 y 2015; la base de datos de la Asociación Nacional de Capital Riesgo, con las 58 111 empresas emergentes que recibieron financiación de capital riesgo entre 1970 y 2016; y la Base de Datos sobre el Terrorismo Mundial, donde figuran los 170 350 ataques registrados entre 1970 y 2016.
A través de esas fuentes, los investigadores pudieron rastrear a grupos e individuos en sus repetidos intentos a lo largo del tiempo de alcanzar un objetivo: obtener una subvención; conseguir un elevado precio por una empresa mediante venta u oferta pública de adquisición; y, en el caso de las organizaciones terroristas, ejecutar un atentado que cause como mínimo una víctima mortal, una medida del éxito sombría sin lugar a dudas.
Los tres campos "no pueden ser más distintos —dice Wang— pero, por muy diferentes que parezcan, lo curioso es que en todos ellos se observan tendencias sumamente similares y previsibles".
Una vez obtenidos los datos, el equipo comenzó a reflexionar sobre el éxito y el fracaso a su nivel más básico. El éxito, teorizaron, debe ser el resultado de uno de dos fenómenos primarios: la suerte o el aprendizaje. Las personas que alcanzan el éxito en un ámbito determinado o bien han mejorado con el tiempo o han sido favorecidas por la suerte. Los investigadores pusieron a prueba ambas teorías.
Si las victorias fuesen principalmente el fruto del azar, pensó el equipo, todos los intentos tendrían las mismas probabilidades de éxito o de fracaso, como con el lanzamiento de una moneda, donde lo que sucede antes apenas influye en lo que sucede a continuación. Eso significa que el centésimo intento de la persona promedio no tiene por qué tener más éxito que el primero, ya que la persona no está mejorando sistemáticamente.
Por lo tanto, los investigadores examinaron el primer intento y el penúltimo (el inmediatamente anterior al exitoso) de cada aspirante a científico, empresario y terrorista en su conjunto de datos. Para medir la mejora (o su ausencia) a lo largo del tiempo, los investigadores examinaron los cambios de puntuación en la escala de valoración de las solicitudes de subvención de los científicos; la cantidad de capital riesgo recibida por las empresas emergentes; y el número de personas que resultaron heridas a causa de los atentados terroristas.
El análisis llevó a la conclusión de que la teoría del azar carecía de fundamento, ya que, en los tres conjuntos de datos, el penúltimo intento sí mostraba tener más probabilidades de éxito que el primero.
Sin embargo, los aspirantes no estaban aprendiendo de la manera en que los investigadores habían previsto. Según la clásica idea de la curva de aprendizaje, cuanto más se hace algo, más competencia se adquiere para hacerlo. En consecuencia, si los integrantes del conjunto de datos hubieran aprendido debidamente de sus fracasos, sus probabilidades de éxito hubieran aumentado especularmente con cada nuevo intento, y sus rachas de fracasos anteriores al éxito hubieran sido breves.
Pero, según los datos, las rachas habían sido mucho más largas de lo previsto por los investigadores.
"Si las personas mejoran su rendimiento a lo largo del tiempo, pero siguen fracasando más de lo esperado —explica Wang— eso quiere decir que se han quedado estancadas, que no avanzan a pesar de sus esfuerzos".
En otras palabras, ninguna de las dos teorías lograba dilucidar la dinámica de los repetidos fracasos. Por lo cual los investigadores decidieron crear un modelo que la explicara.
El modelo parte del supuesto de que cada intento está compuesto de varios elementos, tales como las secciones de introducción y presupuesto de una solicitud de subvención, o el lugar y las tácticas empleadas en un atentado terrorista. Cabe destacar que incluso un intento que fracasa en su conjunto puede contener elementos perfectamente válidos. A la hora de emprender un nuevo intento, el autor tiene que decidir qué componentes recrear desde cero y cuáles simplemente mejorar a partir de una versión procedente de un intento anterior (fallido).
El interesado evalúa los componentes de sus intentos anteriores en función de la retroalimentación recibida de otras fuentes (que, en el análisis de Wang, eran los NIH, los capitalistas de riesgo y los altos mandos de una organización terrorista).
Pero el modelo reconoce que hay personas que aprenden de sus intentos fallidos más que otras, siendo las que "más aprenden" aquellas que más componentes de sus intentos fallidos incorporan en sus siguientes intentos.
En un extremo, los que menos aprenden no incorporan ni la más mínima información de sus intentos anteriores y parten de cero a la hora de reconstruir cada componente. En el otro extremo están los que más aprenden, que toman en consideración todos sus fracasos anteriores cada vez que emprenden un nuevo intento. La mayoría de la gente se encuentra en algún punto entre estos dos extremos.
El modelo predice que los que mejor aprenden tienen grandes probabilidades de alcanzar rápidamente el éxito, al contrario de los que peor aprenden, cuyas probabilidades son escasas. Según Wang, estos últimos, como nunca aprenden nada, simplemente se “rompen la cabeza creando versiones nuevas” y malgastan un tiempo valioso volviendo a empezar desde cero una y otra vez.
Los investigadores probaron el modelo con sus datos, utilizando el tiempo medio entre un intento y otro como sustituto de la capacidad de aprendizaje de la persona (ya que los que mejor aprenden reconstruyen menos componentes a partir de cero, lo que les permite producir nuevas iteraciones rápidamente).
Lo que hallaron fue una extraña relación entre el aprendizaje y la obtención de la victoria a la larga. Porque no es que cada unidad adicional de aprendizaje aumente las probabilidades de éxito por igual; es más bien que existe un umbral de aprendizaje singular que separa los éxitos finales de los demás intentos.
Wang compara este umbral al de la transición del hielo al agua. "Imaginemos que la temperatura va de cinco a cuatro grados centígrados bajo cero", explica. "Nada sucede. El hielo permanece en forma de hielo". Pero en cuanto la temperatura llega a cierto punto, comienza a derretirse.
Del mismo modo, si la capacidad de aprendizaje de una persona se encuentra por debajo del umbral, es lo mismo que si no estuviese aprendiendo absolutamente nada. Puede que mejore ligeramente con el tiempo, dice Wang, pero nunca conservará el número de componentes válidos suficientes para producir un éxito resonante.
En cambio, los que están más allá del umbral sí conservarán las lecciones suficientes como para garantizarse el éxito. Con el tiempo, producirán nuevas iteraciones más y más rápidamente, hasta que por fin una de ellas dé en el clavo.
Según explica Wang, esto significa que en la práctica no es que sea necesario aprender de todas las experiencias pasadas para lograr el éxito a la larga. Pero sí se necesita un número mínimo de fracasos para aprender y, aunque no es fácil cuantificarlo en todos los casos, para obtener una subvención de los NIH los investigadores lograron situarlo en torno a tres.
La investigación descarta la idea generalizada de que el éxito sea simplemente el fruto de la casualidad y arroja nueva luz sobre lo que el aficionado realmente necesita para convertirse en un experto.
Por ejemplo, está claro que no basta con "intentarlo una y otra vez". Los datos muestran que las personas que estaban por debajo del umbral de aprendizaje realizaron el mismo número de intentos que los que estaban por encima, y que probablemente trabajaron mucho más, ya que insistieron en introducir cambios en intentos anteriores que habían sido perfectamente válidos. Pero este duro trabajo resultó infructuoso, ya que no incorporaba las lecciones del pasado.
Para Wang, la lección está clara: hay que dar mucho valor a la retroalimentación, lo mismo que a las lecciones que aprendemos de los fracasos. "Son dos activos muy valiosos a la hora de lanzar un nuevo intento", dice. Pero, como demuestra el estudio, solo tienen valor si los incorporamos a los nuevos intentos, lo que confirma la validez del mantra de Silicon Valley de que "fracasar mejor" es la clave del éxito.
El estudio arroja luz sobre el misterio de quién alcanzará el éxito y quién no. Los investigadores demostraron que la capacidad de aprendizaje de un empresario, científico o terrorista se puede calcular con tan solo medir el tiempo trascurrido entre sus primeros intentos. Su modelo fue capaz de predecir correctamente qué empresarios, científicos y terroristas por fin lograrían sus propósitos mucho antes de que se evidenciaran sus primeras señales de éxito.
"Como dijo Thomas Edison, 'la gente se rinde porque no sabe lo cerca que está del éxito'", explica Wang. "Pues bien, lo que aporta nuestro estudio es la manera de saberlo. Porque si tenemos información sobre cómo fracasas, tenemos una idea más clara de lo que te aguarda al final del camino".
