Inteligencia de Decisión de Mando de Incidentes
Utiliza esta habilidad cuando la parte difícil no es generar opciones, sino decidir cuánto reconocimiento, análisis, recopilación de información y disciplina de coordinación necesita realmente la situación.
Cuándo Usarla
- Los sistemas multiagente o humano-agente toman peores decisiones a medida que aumenta la presión de tiempo.
- Las transferencias, transmisiones de mando o coordinación entre equipos fallan incluso cuando cada componente parece individualmente competente.
- Un sistema duda porque la información es incompleta y nadie sabe qué vale la pena aprender a continuación.
- Un conjunto de entrenamiento derivado de autopsias o estudios de caso puede estar contaminado por racionalización retrospectiva.
- Necesitas enrutar el trabajo por nivel conductual: automático, guiado por reglas o completamente analítico.
NO para Límites
Esta habilidad no es el lente principal para:
- Trabajo de implementación rutinario con requisitos claros y sin incertidumbre significativa.
- Tareas estáticas de un solo agente donde el entorno no cambiará durante la ejecución.
- Problemas donde la optimización exhaustiva es barata y no hay penalización por demora.
- Tareas de estimación de probabilidad pura que no involucran juicio experto, coordinación o acción bajo presión.
Modelos Mentales Centrales
Reconocimiento Antes de la Enumeración
Bajo presión de tiempo, los expertos generalmente no comparan un conjunto clasificado de opciones. Reconocen el tipo de situación, sacan a relucir la primera respuesta viable, la simulan mentalmente y solo amplían la búsqueda si la simulación falla.
Enrutamiento por Nivel Conductual
Utiliza los niveles de Rasmussen como una disciplina de enrutamiento:
- Basado en habilidades: respuestas automáticas o compiladas para situaciones estables y bien ensayadas.
- Basado en reglas: aplicación de reglas desencadenadas por patrones con adaptación moderada.
- Basado en conocimiento: razonamiento explícito para novedad, ambigüedad o rupturas de marco de alto riesgo.
El riesgo clave es el desajuste. El tratamiento basado en conocimiento del trabajo a nivel de habilidad pierde tiempo. La automatización a nivel de habilidad en un problema a nivel de conocimiento es el error catastrófico.
Incertidumbre Epistémica
En entornos de crisis, la incertidumbre a menudo se refiere a lo que aún no se sabe, no a la aleatoriedad inherente. La pregunta es qué hecho faltante cambiaría más la acción, no cómo retrasarse hasta que aparezca la certeza.
Distorsión Retrospectiva
Los estudios de caso y las entrevistas a menudo reconstruyen lo que debería haber sucedido en lugar de lo que realmente sucedió. Las trazas observacionales merecen más peso que las narrativas limpias posteriores al hecho.
Excelencia Individual vs. Fiabilidad del Sistema
Los juicios locales excelentes no garantizan el éxito a nivel del sistema. Fallos en los límites, canales sobrecargados y desajustes de autoridad pueden abrumar decisiones individuales sólidas.
Puntos de Decisión
Consulta la vista de enrutamiento compacta en diagrams/01_flowchart_decision-points.md.
flowchart TD
A[Problema de decisión] --> B{¿Alta presión de tiempo o información fragmentada?}
B -->|Sí| C{¿Coincidencia fuerte de patrón?}
B -->|No| D[Usar manejo ordinario basado en reglas o analítico]
C -->|Sí| E[Acción basada en reconocimiento más simulación rápida]
C -->|No| F[Razonamiento basado en conocimiento más sonda dirigida]
E --> G[Actuar con punto de control de actualización]
F --> G
1. Elegir el Registro Conductual
- Usa manejo basado en habilidades solo cuando la situación sea verdaderamente familiar, la presión de tiempo sea significativa y la automatización ya haya sido validada.
- Usa manejo basado en reglas cuando se aplique un manual conocido pero aún necesite parametrización situacional.
- Usa razonamiento basado en conocimiento cuando el marco esté en disputa, la situación sea novedosa o las consecuencias penalicen una simplificación incorrecta.
2. Decidir Qué Información Adquirir
- Identifica el único hecho faltante con más probabilidades de cambiar la acción elegida.
- Adquiere ese hecho antes de una búsqueda exploratoria amplia.
- Si ninguna sonda previsible cambiaría la acción, avanza con la mejor estimación actual y crea un punto de control de actualización explícito.
3. Decidir Cómo Aprender del Episodio
- Prefiere trazas observacionales, marcas de tiempo, historiales de mensajes y registros de comportamiento sobre recuerdos pulidos.
- Trata los relatos sospechosamente limpios como material de enseñanza sobre ideales, no como verdad fundamental sobre la cognición real.
- Separa las causas de acción de las causas del sistema para que una autopsia no colapse en la asignación de culpas.
Modos de Falla
1. Parálisis Analítica
Síntomas: la generación de opciones se expande mientras la calidad de la acción no mejora. Regla de detección: siguen apareciendo nuevas alternativas pero ninguna cambia materialmente la decisión a corto plazo. Recuperación: cambia a la simulación basada en reconocimiento de la primera opción viable y establece un límite de tiempo para seguir buscando.
2. Desajuste de Nivel Conductual
Síntomas: el sistema sobre-razona tareas estables o automatiza a través de la novedad. Regla de detección: el estilo de respuesta no coincide con la verdadera novedad y ambigüedad de la situación. Recuperación: reclasifica la tarea como SB, RB o KB antes de cambiar herramientas o modelos.
3. Acaparamiento de Información
Síntomas: el sistema sigue pidiendo más datos sin cambiar el plan de acción. Regla de detección: la información adquirida aumenta principalmente la confianza en lugar de cambiar las decisiones. Recuperación: clasifica las sondas por impacto en la acción y deja de recopilar datos de bajo apalancamiento.
4. Sobreajuste Retrospectivo
Síntomas: las conclusiones de entrenamiento o autopsia se vuelven más limpias y racionales que el evento original. Regla de detección: las explicaciones convergen en historias elegantes que están débilmente respaldadas por trazas en vivo. Recuperación: degrada la evidencia de autoinforme y anota la incertidumbre en torno a los pasos reconstruidos.
5. Diagnóstico Ciego a la Coordinación
Síntomas: cada componente pasa la revisión local mientras el sistema completo sigue fallando. Regla de detección: las explicaciones se mantienen a nivel individual aunque las fallas aparecen en las transferencias o canales compartidos. Recuperación: audita los puntos de transferencia, los límites de roles y los flujos de información antes de reentrenar a los actores individuales.
Ejemplos de Trabajo
Ejemplo 1: Enrutamiento Urgente de Incidentes
Una capa de orquestación recibe una ráfaga de alertas durante una interrupción en vivo. Un sistema ingenuo enumera todas las secuencias posibles de respondedores y se bloquea. Usando esta habilidad, clasificas el problema como trabajo en el límite RB/KB, eliges la primera acción de contención creíble, simulas los siguientes tres pasos y solicitas solo la única señal faltante que podría revertir la decisión de contención.
Ejemplo 2: Triaje de Datos de Entrenamiento de Autopsia
Una revisión de incidente pulida afirma que el comandante evaluó tranquilamente tres alternativas antes de actuar. Los registros de chat en vivo muestran un salto de reconocimiento de patrones más una verificación rápida de viabilidad. La habilidad enruta la narrativa como "útil como doctrina, bajo peso como traza conductual" y protege el conjunto de entrenamiento de la distorsión retrospectiva.
Puertas de Calidad
- La tarea está explícitamente clasificada como SB, RB o KB antes de elegir la profundidad de razonamiento.
- Las solicitudes de información se clasifican según cuánto podrían cambiar la acción.
- Las autopsias separan la calidad de decisión individual de la calidad de coordinación.
- Los relatos retrospectivos se marcan como observacionales, autoinformados o mixtos.
- La arquitectura tiene una auditoría explícita de transferencia y transmisión de mando, no solo una puntuación a nivel de componente.
Archivos de Referencia
| Archivo | Cargar cuando |
|---|---|
references/recognition-primed-decision-making-for-agents.md | Diseñar selección de acción basada en reconocimiento o corregir sesgo de enumeración de opciones |
references/three-behavior-levels-for-agent-routing.md | Enrutar tareas por nivel SB/RB/KB o descomponer el trabajo por registro cognitivo |
references/epistemic-uncertainty-and-information-triage-in-crisis-systems.md | Triaje de información faltante bajo presión de tiempo |
references/crisis-decision-failures-taxonomy-for-agent-systems.md | Revisar patologías de decisión y comprobaciones de fallos previos al incidente |
references/coordination-failure-modes-in-multi-agent-crisis-systems.md | Diagnosticar fallos de transferencia y colapsos colectivos |
references/the-retrospective-distortion-problem-for-agent-learning.md | Ponderar evidencia de estudios de caso y proteger tuberías de aprendizaje |
references/novice-to-expert-progression-in-agent-capability.md | Decidir si un sistema es lo suficientemente experto para una clase de tarea |
references/the-theory-practice-gap-in-crisis-decision-research.md | Evaluar si un modelo de investigación se ajusta a la realidad operativa |
Anti-patrones
- Tratar cada decisión de crisis como un problema de optimización en lugar de un problema de reconocimiento y simulación.
- Pedir más información sin declarar primero cómo esa información podría cambiar la acción.
- Puntuar a los actores individuales ignorando la estructura de transferencia que moldeó la falla.
- Usar narrativas posteriores al hecho como si fueran grabaciones directas de la cognición experta.