Hay muchas opciones fáciles para el consumidor. Clips de papel:fácil. Esponjas para platos:fáciles. Esos productos se encuentran en un extremo del espectro. En el otro extremo, imposiblemente distante, es un seguro médico.

Eso es difícil.

"Gran cantidad de evidencia sugiere que las personas tienen dificultades para tomar decisiones en lo que respecta al seguro médico, "dice Kate Bundorf, profesor asociado en la Escuela de Medicina de Stanford con una cita de cortesía en la Escuela de Negocios de Stanford. La complejidad puede ser abrumadora y, como resultado, las personas a menudo eligen planes subóptimos que los castigan con costos más altos y crean mercados ineficientes. "Así que queríamos averiguar qué tipos de herramientas ayudarían a las personas a tomar decisiones, "dice Bundorf.

Con Maria Polyakova de la Facultad de Medicina de Stanford y Ming Tai-Seale de la Universidad de California, San Diego, desarrolló una herramienta basada en la web con un algoritmo que combinaba los registros médicos de los afiliados a la Parte D de Medicare con las mejores opciones de seguro médico para medicamentos recetados. Aquellos que usaron el algoritmo tenían más probabilidades de cambiar a un plan mejor. También informaron más satisfacción con el proceso de elección de un seguro médico, a pesar de que terminaron dedicando más tiempo a ello.

Haciendo que las opciones de seguros sean más fáciles y mejores

Los participantes del estudio fueron asignados a un grupo de control o a uno de dos tratamientos. El grupo de control fue dirigido a los recursos existentes de Medicare en línea para elegir uno de los 22 planes de medicamentos recetados disponibles para ellos. Grupos de tratamiento, mientras tanto, recibió el apoyo del algoritmo, que automáticamente extrajo información de sus registros médicos y la comparó con los planes de medicamentos recetados. Al revisar sus opciones, ambos grupos de tratamiento pudieron ver una tabla en línea que mostraba un análisis individualizado de los costos probables para cada uno de los planes. Además de esto, a uno de los grupos de tratamiento se le mostró una "puntuación de experto" para cada plan:un número, de 0 a 100, que el algoritmo produjo para clasificar los planes; las tres mejores opciones se destacaron en la parte superior de la tabla.

Ambos tratamientos alentaron a las personas a cambiar a planes de seguro más favorables. pero el tratamiento que incluía las sugerencias de los "expertos" junto con las estimaciones de costos resultó más eficaz. Los participantes de este tratamiento optaron por cambiar de plan un 36 por ciento más a menudo que los del grupo de control. "Encontramos evidencia clara de que la intervención cambió el comportamiento de las personas, particularmente en el caso en el que ofrecimos asesoramiento de expertos, "dice Bundorf.

En el contexto del experimento, estos cambios generaron $ 270, 000 en ahorros para los consumidores. Y aunque esto puede parecer un número relativamente pequeño, está vinculado a un grupo relativamente pequeño de 316 sujetos de tratamiento que tuvieron acceso a la recomendación de los expertos. Si se extrapolaran los mismos efectos a los casi 25 millones de personas inscritas en la Parte D de Medicare, y suponiendo una tasa de participación equivalente a la que vieron Bundorf y sus colegas en este experimento, los ahorros serían del orden de 680 millones de dólares. Esto es particularmente notable dado que la herramienta en sí costó menos de $ 1.8 millones para desarrollar.

Cruzando al mundo de las políticas

Aunque las implicaciones prácticas son claras, dos consideraciones importantes moderan la traducción de este hallazgo en políticas.

Primero, una pequeña parte de los elegibles para unirse al estudio eligió inscribirse. En el final, 1, 185 personas participaron en el estudio de casi 30, 000 que fueron invitados; y los que finalmente se unieron eran más conocedores de la tecnología que los que no lo hicieron. En la parte superior de esta, a los investigadores les preocupa que aquellos que se beneficiarían más podrían no haber elegido participar.

"Las personas que optaron por interactuar con el algoritmo eran consumidores sofisticados; eran compradores activos que buscaban información, "dice Polyakova." Esto sugiere que si queremos mejorar las opciones de las personas que actualmente tienen los peores planes, entonces, simplemente ofrecer la herramienta en línea no resolverá el problema. "Es necesario un enfoque más proactivo.

Segundo, Los datos demográficos del estudio en su conjunto no son representativos de la población más amplia de Medicare. Bundorf y sus colegas se asociaron con Palo Alto Medical Foundation para realizar el experimento, lo que significa que quienes participaron vivían en una de las partes más ricas y tecnológicamente más adaptadas del país. Se desconoce si los resultados se generalizarían. "Es concebible que la gente de otros lugares, que tienen ingresos más bajos y menos exposición a herramientas como esta, puede comportarse de manera completamente diferente, "dice Polyakova.

Un algoritmo gana (y una advertencia)

Bundorf y sus colegas no estaban seguros desde el principio de que esta intervención cambiara los comportamientos. Una gran cantidad de evidencia sugiere que simplemente dar información a las personas no influye en los resultados. Pero los resultados apuntan a uno de los ingeniosos diseños del estudio:al tener dos tratamientos distintos, los investigadores pudieron medir el efecto de la información sola, que muestra el costo total de cada plan para el consumidor, así como el asesoramiento de expertos junto con la información.

"Y los consejos hacen algo diferente a la información, "dice Polyakova." Cuando las personas están expuestas a consejos, no solo cambia su conocimiento sobre un producto, pero también cambia la forma en que valoran realmente las características de ese producto ".

Esta, ella nota, tiene implicaciones complicadas e importantes. Tendemos a pensar en el software como neutral (Microsoft Excel no tiene una agenda), pero este no es siempre el caso de los algoritmos modernos. Las empresas pueden, y probablemente lo hará, implementar estratégicamente algoritmos de asesoramiento, tal vez para promocionar un determinado producto o aumentar los ingresos, y ocultas en este proceso estarán las formas en que estos algoritmos alteran la forma en que valoramos diferentes productos.

"Si las personas responden a este tipo de asesoramiento algorítmico, entonces hace que el futuro muy cercano sea bastante interesante, ", dice Polyakova." Pronto necesitarán nuestra atención muchas cuestiones normativas y normativas sobre cómo proteger a los consumidores de intervenciones no benignas ".