se pone a los budistas, judíos, islámicos, mormones y cienciólogos, como si fueran iguales (Bowker y Leigh, 2000). No solo eso, se pone en el mismo rubro a los católicos que nunca van a la iglesia, a los que profesan la teología de la liberación, a los que siguen al Opus Dei, a los que usan condón con sentimiento de culpa y a los que lo usan sin remordimiento. La ilusión de exactitud que dan los números hace que las decisiones homogeneizadoras que los producen a menudo no se vigilen de un modo suficiente.
2. Mientras más compleja es una clase de cosa, mayor es la pérdida de información, de detalle, que implica el categorizarla como idéntica a otras (véase Guénon, 2001, pp. 70-73). No hay problema en contar una papa y otra papa como “papas”, pero sí lo hay en tratar a Chile y al Congo, indistintamente, como “economías basadas en el sector primario”. Si un amigo me da a cuidar su pez dorado y lo pierdo, quizás lo puedo resarcir comprando otro pez dorado —un pez dorado es igual a otro pez dorado—; si me da a cuidar a su hijo por una tarde y lo pierdo, no sería válida una operación análoga.
Los problemas de la cuantificación son mayores en la medida en que ascendemos en la escala del ser. Corolario: si a un grupo de personas que antaño no ha sido sometido a procesos cuantitativos de control se le introduce una medida de este tipo, sentirá que se le trata por debajo de su dignidad; piénsese en una universidad en la que, al comienzo de un nuevo semestre, se anuncia a los profesores que se les controlará con tecnología biométrica la cantidad de horas que pasan trabajando en las aulas.
3. El poder predictivo o explicativo de un modelo está limitado por la calidad de la información bruta con que se alimenta; si esta es de baja calidad, también lo será el desempeño del modelo: garbage in, garbage out (Andrade, 2016). Por lo tanto, y siguiendo el punto anterior, mientras más compleja y heterogénea sea la clase de cosas que estoy contando, más inexactos serán mis cálculos. Sin embargo, la sofisticación matemática de los cálculos que se realizan sobre las cantidades producto de dicha abstracción da la impresión de exactitud.
Se dice que un estudiante escolar tiene un promedio de 7,23 —dos puestos decimales: ¡cuánta exactitud!—, pero esta medición homogeneiza cosas tan dispares como su asma no diagnosticada —que afecta su rendimiento en Educación Física—, su capacidad de razonamiento abstracto y su mala nota en Biología, la cual tiene que ver con que es la primera clase de la mañana y, por su fisiología particular, este alumno solo comienza a pensar con claridad después de las 9:00 a. m.
Así, en sentido técnico, hacer cálculos finos y complejos con datos producto de la abstracción es un sinsentido (Beer, 1994); como limpiarse las manos con jabón antibacteriano antes de comer un perro caliente callejero. La operación de contar nos da una idea falsa de con cuánta exactitud conocemos.
4. La ilusión de exactitud que producen los números causa, a su vez, un sesgo en la selección de los datos y modelos para dar cuenta del mundo; se pone un énfasis excesivo en los datos contables y que se prestan a un tratamiento matemático. Krugman (1994) argumenta que la disciplina de la economía abandonó el campo de la economía del desarrollo, a pesar de que este es útil y fértil, principalmente porque no es posible modelar sus ideas matemáticamente. Según un adagio que a veces se le atribuye a Einstein, pero viene de Bruce Cameron (1936): “no todo lo que cuenta se puede contar, ni todo lo contable cuenta”.
¿En qué consiste el atractivo del cuantitativismo? Los modelos cuantitativos producen la ilusión de exactitud. A su vez, esta ayuda a crear una ilusión de control sobre fenómenos que nos exceden en su complejidad. La ilusión de exactitud de la cuantificación guarda en sí la promesa del control (véase Schumacher, 2004, p. 120); pensamos así: “por ahora, no podemos, por ejemplo, predecir y controlar el crimen, pero en el futuro, una vez tengamos suficientes datos y suficiente poder computacional, podremos”.
Por otra parte, al producir un modelo de un fenómeno, podemos realizar operaciones sobre el primero y crear la ilusión de que tenemos algún grado de control sobre el segundo. Piénsese en los comentaristas deportivos que le otorgan un significado especial a que un jugador haya anotado su centésimo gol o a que un equipo nunca haya ganado más de tres partidos seguidos —hasta que ocurre y, entonces, eso también tiene un significado especial—. O piénsese en los funcionarios de gobierno que, ante un problema espinoso como la pobreza o el microtráfico de drogas, dan la apariencia de control y competencia citando incrementos del 2,3 % en esta u otra métrica.
El atractivo de los indicadores cuantitativos se explica, en parte, porque estos posibilitan un totemismo de control, la ilusión de control sobre el fenómeno que produce la manipulación del modelo de este. Otros ejemplos del totemismo son la cartomancia, la cleromancia, la astrología o el I Ching: “no puedo conseguir que ella me ame, pero sí puedo manipular las cartas o las monedas perforadas”. Un posible corolario del totemismo de control: en las sociedades más impunes se dan los castigos más severos y crueles a quienes sí se judicializan.
Una raíz más profunda del atractivo del cuantitativismo se encuentra en nuestra epistemología. En concreto, en nuestra tendencia a pensar el mundo desde la perspectiva de la física clásica (Capra, 1996) y, por consiguiente, a tratar la totalidad de la realidad como pléroma en lugar de creatura (Bateson, 1993): el primero es la materia no organizada, sin individualidad ni historia, que se puede entender a plenitud mediante las leyes de la física; por su parte, la segunda es la materia organizada, los sistemas complejos adaptativos que no solo lidian con energía, sino con información.
Siguiendo un ejemplo del que gustaba Bateson (1993): si pateo una piedra, puedo predecir su trayectoria si conozco su peso, la fuerza de mi patada, el ángulo de incidencia, etcétera; por el contrario, si pateo a un perro, tengo que saber, y esto es mucho más importante, de cuál perro se trata y en qué contexto lo he pateado: si es Rufo o Rintintín, si siente que acaba de hacer algo malo, si soy su amo o un extraño… Y esto en adición a la consideración de las leyes newtonianas, que también operan sobre el perro: es más difícil entender a las creaturas que al pléroma. Pero las ciencias que tratan con creaturas —como la psicología o la economía— a menudo intentan parecerse a las del pléroma, principalmente a la física, en detrimento de una verdadera comprensión de su objeto de estudio (Capra, 1996).
Willke (1987) ha llamado a este complejo de inferioridad un anacronismo, el cual no entiende lo que son los sistemas complejos. La diferencia entre pléroma y creatura es una variable continua, una escala deslizante: un cristal es más complejo y autoorganizado que el agua, pero menos que una hormiga, y esta lo es menos que un venado, dado que es el nido, no la hormiga, la verdadera unidad completa de autoorganización, reproducción y alimentación de esa especie. Hay un life ratio (Gershenson, 2012), un grado en el que lo que le ocurre a una cosa es producto de su propia organización, de sus propias leyes internas, no de las leyes más amplias que rigen su entorno. Entonces: mientras más viva está una cosa, es más difícil medirla… y, presumimos, queremos que nuestras escuelas y universidades estén vivas, no muertas, ¿no?
Hay dos diferencias claves entre pléroma y creatura ante la posibilidad de entenderlos mediante indicadores cuantitativos. La primera es que las creaturas no funcionan con máximos, sino con óptimos: en efecto, si pateo una piedra, la distancia que viaja es casi linealmente una función de la fuerza con que la pateo; no obstante, una planta no crece en proporción a la cantidad de agua o estiércol que recibe; hay niveles tóxicos para una y otra cosa (Bateson, 1993).
