Sandeep D. Pillai, del Departamento de Gestión y Tecnología de Bocconi, sostiene este punto en su reciente artículo "Lovely and probable:Usando métodos históricos para mejorar la inferencia a la mejor explicación en estrategia", escrito con Brent Goldfarb y David Kirsch (ambos de la Universidad de Maryland en Estados Unidos) y publicado en el Strategic Management Journal .

Gran parte de la literatura empresarial trata, aparentemente, de encontrar soluciones a problemas específicos. Idealmente, estas soluciones son lo suficientemente amplias como para sustentar una teoría, o al menos se consideran aplicables a una variedad de casos. Sin embargo, los problemas rara vez pueden resolverse abordando un único factor causal. Las cuestiones de gestión, que se aplican a organizaciones complejas como empresas que operan en entornos complejos como los mercados, están obligadas a verse influenciadas por una gran cantidad de factores interdependientes que son difíciles o imposibles de diferenciar.

En medio de tal incertidumbre, es poco probable que alguna vez descubramos la "verdadera" solución a un problema. Lo máximo que podemos esperar lograr es la mejor solución o explicación entre muchas. Pero, ¿qué hace que una solución parezca mejor que otra?

Sandeep Pillai y sus colegas sostienen que la "inferencia hacia la mejor explicación", o EBI para abreviar, es el proceso en juego en estos casos. Por lo tanto, las explicaciones que son hermosas, en el sentido de que son útiles, generales y proporcionan significado, y probables, en el sentido de que están cercanas a la verdad, generalmente se adoptan como las mejores posibles.

Por supuesto, no todas las explicaciones hermosas son también probables, y viceversa. Además, la EIB sólo será fiable si la teoría verdadera se encuentra entre las teorías que se están considerando. Pero no hay razón para creer que éste sea el caso, ni que nuestra "mejor" explicación sea cierta. Este enigma se conoce como el "problema del lote malo", porque cuando se nos escapa la explicación más verdadera, terminaremos eligiendo lo mejor de un lote malo.

Y dado que la mayoría de los fenómenos en la estrategia empresarial son ambiguos, la inferencia hacia la mejor explicación a menudo se convierte en un ejercicio de inferencia hacia una explicación preferida, y las preferencias seguramente estarán influenciadas por varios sesgos diferentes. Esto no es intrínsecamente malo, porque es necesario abordar los problemas y decidir por dónde empezar significa buscar una solución aceptable en lugar de encontrar la verdad absoluta. Pero es importante ser consciente de que tales sesgos existen para limitar sus consecuencias negativas.

Pillai y sus coautores sostienen que abordar las cuestiones estratégicas adoptando únicamente un método estadístico (es decir, algún tipo de análisis de datos) es común, pero puede conducir a caer en el problema de los lotes malos. Sugieren que los métodos "históricos" pueden mejorar la observación de datos y, en consecuencia, permitir una mejor generación de hipótesis.

El término "métodos históricos" incluye tres conceptos principales:hermenéutica (comprender quiénes son quienes toman las decisiones y sus perspectivas), contextualización (comprender las situaciones de los tomadores de decisiones y cómo se relacionan entre sí) y crítica de fuentes (comprender el peso de adjuntar a cualquier registro específico del pasado).

"Utilizamos trabajos recientes en filosofía de la ciencia para considerar cómo llegamos a las mejores explicaciones que sean útiles, generales, proporcionen significado y, al mismo tiempo, estén cercanas a la verdad. Interpretar los resultados de las observaciones requiere una comprensión del contexto en el que se encuentran. El análisis estadístico por sí solo no puede dar resultados", afirma Sandeep Pillai.

"Las herramientas metodológicas del campo de la historia pueden mejorar el proceso de determinar la mejor explicación al ayudar a los académicos a generar nuevas explicaciones candidatas y a juzgar y privilegiar sistemáticamente las explicaciones. El uso de registros históricos para aplicar una metodología EIB aclara los juicios que estamos haciendo en múltiples niveles y ayuda a los investigadores y lectores a evaluar estos juicios a medida que decidimos qué es necesario explicar y qué podemos dejar de lado por considerarlo inútil".