Imagine dos grupos de cien consumidores con casi el mismo entusiasmo promedio por su producto. En el primero compran los cien. En el segundo compra uno solo. Entre ambos cambia una sola persona: en el primer grupo se anima a probar en cuanto ve a un vecino hacerlo; en el segundo necesita ver a dos. Una encuesta de intención de compra los calificaría igual. Su inventario no correría la misma suerte.
El caso lo publicó el sociólogo Mark Granovetter en 1978, en el American Journal of Sociology. Cada persona tiene un umbral: cuántos otros necesita ver haciendo algo antes de hacerlo ella. En el primer grupo hay alguien con umbral cero, que prueba solo; otro con umbral uno, que lo sigue; otro con dos, y así hasta 99: la cadena llega al final. En el segundo grupo nadie tiene umbral uno: el primero compra y la cadena muere ahí. Granovetter advirtió que es arriesgado deducir lo que quiere cada individuo mirando el resultado colectivo.
Piense en una fila de fichas de dominó. Un estudio de mercado convencional pesa cada ficha y saca el promedio. Lo que decide si la fila cae completa no está en ninguna ficha: está en la distancia entre ellas. Un solo hueco deja de pie a todas las que siguen, aunque sean idénticas a las que cayeron.
Esa es la lógica del modelado basado en agentes. En lugar de un consumidor promedio, se construye en computadora una población de consumidores, cada uno con su regla y su círculo de contactos. Luego se empuja la primera ficha miles de veces, cambiando el orden y la separación, para ver en qué arreglos el lanzamiento avanza y en cuáles se detiene.
Traslade esto a una empresa de alimentos de León que lleva su salsa a Querétaro. La pregunta habitual es cuántas cajas producir, y se contesta con una encuesta y un promedio. La simulación la cambia por otra: dónde poner la primera ficha. En un modelo de 2002, publicado por la Academia de Ciencias de Estados Unidos, Eric Bonabeau mostró que el mismo producto, con el mismo 5% de compradores iniciales, se adopta mucho más rápido cuando los consumidores se agrupan en círculos cercanos que cuando sus contactos se reparten al azar. Para la salsa, eso es decidir entre cuarenta tiendas dispersas o tres colonias donde los mismos vecinos coinciden en la tiendita, el mercado y la escuela. Ambas se pueden ensayar antes de cargar el camión.
Una advertencia honesta: la simulación no le dirá cuántas cajas venderá. Le dirá en qué condiciones su lanzamiento se detiene, justo lo que su consejo necesita antes de aprobar el inventario. Es ciencia aplicada a los negocios en su forma más práctica: equivocarse en la computadora para no equivocarse en la plaza. Pregunte hoy a sus diez mejores clientes a quién vieron con su producto antes de comprarlo. ¿Su último estudio de mercado midió las fichas o las distancias?
Concepto científico aplicado: Modelado basado en agentes (ABM), anclado en el modelo de umbrales de Mark Granovetter (American Journal of Sociology, 1978) y en el modelo de difusión de Eric Bonabeau (PNAS, 2002). El resultado de un lanzamiento depende de la distribución de umbrales y de la estructura de contactos, no del consumidor promedio.
Problema empresarial que resuelve: Una empresa de alimentos del Bajío lleva su producto de León a Querétaro y decide inventario, plaza y siembra con una encuesta de intención de compra y un promedio. Si el lanzamiento se detiene, el capital ya está en el camión. Decidir plaza, siembra e inventario inicial con escenarios, en lugar de un promedio de intención de compra.
Servicio GEN Corp asociado: DATAINN · Simulación de lanzamiento basada en agentes. Ensayar el lanzamiento miles de veces antes de comprometer inventario y saber en qué condiciones se detiene; elegir dónde sembrar (disperso o concentrado) con escenarios defendibles ante el consejo.

