El pensamiento computacional en la vida cotidiana

Razonar, organizar, decidir y aprender a dudar

El pensamiento computacional no vive solo en los programas informáticos. Descomponer problemas, identificar dependencias, describir procedimientos, comparar alternativas y comprobar resultados también puede ayudarnos en las decisiones de cada día. No significa pensar literalmente como un ordenador, sino hacer nuestro razonamiento más explícito y comprobable.

En los dos primeros artículos transformamos la intuición en procedimientos precisos y aprendimos a construir secuencias, decisiones y bucles. Ahora cambia la pregunta: no solo «¿Cómo ejecuto estas instrucciones?», sino «¿Estoy abordando el problema adecuado, con el objetivo adecuado e hipótesis fiables?».

Partimos de acciones ordinarias, pasamos a la organización del trabajo y la escuela y llegamos a decisiones bajo incertidumbre. No todas estas situaciones son problemas algorítmicos en sentido estricto: también intervienen pensamiento crítico, pensamiento sistémico, probabilidad y organización. La intuición sigue siendo valiosa, pero se convierte en una hipótesis que debemos poner a prueba.

Las dos primeras etapas del recorrido: De la intuición a la precisión de los algoritmos · Secuencias, decisiones y bucles.

Abrir el laboratorio: Organiza, compara, comprueba

Organizar mejor el tiempo

Antes de intentar trabajar más deprisa, observemos el orden de las actividades. Algunas dependen de otras; algunas pueden avanzar juntas, siempre que no requieran simultáneamente el mismo recurso o nuestra atención continua.

1. Llamar al ascensor antes de salir

Secuencia A: saco las bolsas, cierro la puerta, llego al ascensor, lo llamo y espero. Secuencia B: si puedo alcanzar el botón con seguridad, llamo primero al ascensor y termino los preparativos mientras llega.

Si prepararse y llegar al ascensor requiere 30 segundos y su llegada 20, la primera secuencia tarda unos 50 segundos; la segunda puede tardar unos 30. No hemos acelerado el ascensor: hemos superpuesto una espera a una actividad.

Detente y piensa. Si el ascensor llega tras 20 segundos pero no puede esperarme hasta el segundo 30, ¿sigue garantizado el ahorro?

2. El peaje: liberar un recurso compartido

Después de pagar puedo guardar inmediatamente la cartera o liberar el peaje y guardarla más tarde, estando parado en un lugar permitido y seguro. La segunda opción reduce el tiempo de ocupación de un recurso que también necesitan los demás.

En informática encontramos la misma idea cuando limitamos el tiempo de ocupación de un recurso común. El objetivo no es realizar cada gesto más deprisa, sino evitar retener innecesariamente a los demás.

Detente y piensa. ¿Desaparece el tiempo personal necesario para guardar la cartera?

3. Guardar la compra y hervir agua

Si primero guardo la compra durante 8 minutos y después caliento agua durante 10, necesito 18 minutos. Si inicio el calentamiento y guardo la compra mientras avanza, en condiciones ideales ambas actividades terminan en unos 10 minutos, manteniendo la vigilancia necesaria.

Para dos actividades independientes, el tiempo secuencial es T1 + T2; el mínimo con superposición completa es max(T1, T2). El ahorro máximo teórico es min(T1, T2). Inicio, control, recursos y dependencias pueden reducir esa ventaja.

T1 + T2 = 8 + 10 = 18
max(T1, T2) = max(8, 10) = 10
min(T1, T2) = min(8, 10) = 8

Detente y piensa. Si la segunda actividad necesita un objeto disponible solo al terminar la primera, ¿puedo usar max(T1, T2)?

4. Las pausas publicitarias: observar y planificar

Durante un programa puedo observar cuánto duran las pausas y con qué frecuencia aparecen, y preparar pequeñas actividades con una duración estimada. Una pausa media de cuatro minutos puede permitir una actividad breve y fácil de interrumpir.

Reconocer regularidades ayuda a planificar, pero una media no es una promesa. Conviene dejar un margen y prever que la pausa termine antes de lo esperado. Descansar también es un objetivo legítimo: no todo intervalo debe volverse productivo.

Detente y piensa. ¿Una actividad de cuatro minutos cabe siempre en una pausa media de cuatro minutos?

Descomponer y coordinar un problema

Dividir una tarea compleja en partes ayuda solo si sabemos reunirlas. Responsabilidades, interfaces, restricciones y comprobaciones importan tanto como el trabajo individual.

5. Reformar una casa: ¿por especialidades o por habitaciones?

Una vivienda necesita albañil, electricista, fontanero, decorador y especialista en mobiliario. Podemos organizar el trabajo por especialidades, con cada profesional en todas las habitaciones necesarias, o por habitaciones, asignando a cada una un responsable que realiza o coordina los trabajos.

El primer modelo favorece especialización, equipos compartidos y uniformidad; el segundo, autonomía, responsabilidades claras y finalización progresiva de las habitaciones. Ninguno elimina las dependencias: las instalaciones pueden conectar varias habitaciones. Es posible una solución híbrida.

En software podemos dividir los equipos por interfaz, datos y lógica o hacer responsable a cada equipo de un componente completo. La elección depende también de cuánto deban comunicarse las partes: definir bien las interfaces evita sorpresas al reconstruir el sistema.

Detente y piensa. ¿Asignar un responsable a cada habitación elimina la necesidad del fontanero?

6. La formación técnica de edificación: partir de lo que se debe saber hacer

Un itinerario educativo puede partir de los resultados esperados: levantar planos de un edificio, leer un proyecto, calcular superficies y volúmenes, preparar mediciones y comprobar fases y costes. Matemáticas, construcción, topografía, valoración, derecho e informática contribuyen a competencias concretas sin perder su identidad.

Consideremos un trabajo dividido en fases, cada una con un peso en el total y un grado de avance. Si ambos se escriben como números porcentuales, la contribución en puntos porcentuales es peso × avance / 100. Los pesos deben sumar 100 y responder a un criterio coherente, por ejemplo económico.

Una albañilería a medio terminar con un peso del 10% contribuye con 50/100 × 10% = 5% del trabajo global. Sumando las contribuciones de la tabla obtenemos el 22,5%. No estamos contando simplemente cuántas fases han empezado o terminado.

Es sobre todo un ejemplo de enseñanza por competencias y diseño interdisciplinar. También se convierte en pensamiento computacional cuando hacemos explícitos objetivos, subobjetivos, datos, dependencias, reglas de cálculo y comprobaciones.

Detente y piensa. ¿Por qué la media simple del 35% no es correcta para esta tabla?

Elegir bien y aprender a dudar

Un procedimiento puede ejecutarse sin errores y llevar aun así a una decisión poco sensata. Puede optimizar la medida equivocada, ignorar información esencial o pasar por alto las reacciones de otras personas.

7. La política: ¿cambiar los incentivos cambia el resultado?

Podemos formular la hipótesis de que quien gobierna busca el apoyo necesario para la reelección y, en algunas circunstancias, favorece medidas atractivas para grupos específicos. Si la alternancia fuera segura, ese incentivo cambiaría: ¿se seguirían necesariamente decisiones mejores?

La deducción no es automática. Permanecerían otros intereses y también podría disminuir la responsabilidad ante los votantes. Un razonamiento explícito enumera actores, incentivos, alternativas, efectos posibles, pruebas y contraejemplos. La elección política sigue siendo una valoración personal, no la salida obligatoria de un algoritmo.

Detente y piensa. ¿Un argumento coherente basta para demostrar que una reforma tendrá el efecto deseado?

8. El supermercado: optimizar la variable correcta

La cola más corta no es necesariamente la más rápida. Tres carros llenos pueden requerir más tiempo que seis clientes con pocos artículos. El número de personas es fácil de observar, pero el objetivo real es reducir el tiempo de espera previsto.

Un modelo simple suma el tiempo de atención por cliente y el tiempo por artículo. No lo predice todo: velocidad de la caja, pagos, imprevistos y clientes ya atendidos parcialmente pueden cambiar la estimación. El laboratorio permite variar personas, artículos y tiempos.

Detente y piensa. ¿Basta contar las personas para elegir la cola?

9. El tráfico: ventaja individual y resultado colectivo

Añadir una carretera siempre parece útil. Sin embargo, en ciertas redes una nueva conexión puede hacer que los conductores cambien de ruta y aumentar los tiempos: es la paradoja de Braess. No significa que todas las carreteras nuevas empeoren el tráfico.

La red no es un escenario inmóvil: los tiempos dependen de cuántas personas elijan cada tramo. Una modificación cambia las decisiones individuales, y esas decisiones cambian el sistema. Para evaluar una intervención hay que considerar las reacciones, no solo dibujar una conexión más.

Detente y piensa. ¿La paradoja demuestra que no deben construirse nuevas carreteras?

10. Las ofertas: descuento y ahorro no son sinónimos

«Gasta otros 20 euros y obtén 10 euros de descuento». Si esos 20 euros compran bienes que no habría adquirido, mi gasto aumenta en 10 euros respecto a detener la compra. El descuento es real, pero no implica necesariamente ahorrar para mi objetivo.

Antes de calcular la conveniencia debo elegir la comparación: gasto previsto para lo necesario o cesta ampliada. Si los productos añadidos ya eran necesarios, el juicio puede cambiar. Optimizar el descuento sin comprobar el gasto total puede premiar la variable equivocada.

Detente y piensa. Si no necesito más productos, ¿gastar 20 euros para recibir 10 de descuento me hace gastar menos?

11. Un test: atención a las probabilidades iniciales

Usamos un ejemplo matemático inventado, no una herramienta para interpretar pruebas personales. En una población de 10.000 personas, el 1%, es decir, 100 personas, tiene la condición. Una sensibilidad del 90% produce 90 verdaderos positivos; una especificidad del 95% genera falsos positivos en el 5% de las 9.900 personas sin la condición: 495.

Los positivos esperados son 90 + 495 = 585. Entre ellos, la proporción con la condición es 90/585 × 100% ≈ 15,4%. La sensibilidad del 90% responde a otra pregunta: con qué frecuencia el test es positivo entre quienes tienen la condición. Invertir la pregunta sin considerar la probabilidad inicial es el error.

Sensibilidad, especificidad y valor predictivo positivo son medidas distintas. Los valores reales dependen del test y el contexto clínico; el cálculo explica una relación probabilística, no un diagnóstico.

Detente y piensa. ¿De dónde salen los 495 falsos positivos?

Un método común: observar, modelar, comprobar

1. Definir el objetivo: ¿tiempo, calidad, coste, seguridad o aprendizaje? ¿Qué comparación hace significativo el resultado?
2. Descomponer el problema: ¿qué actividades, personas y recursos intervienen? ¿Qué partes dependen de otras?
3. Explicitar las hipótesis: ¿qué datos conozco y cuáles solo estoy estimando o suponiendo?
4. Buscar alternativas: ¿puedo reordenar, superponer, distribuir o coordinar de otra forma?
5. Comprobar y revisar: ¿qué excepciones, contraejemplos o consecuencias inesperadas cambiarían la conclusión?

Abrir el laboratorio: Organiza, compara, comprueba

Tres formas de pensar que se ayudan mutuamente

Estas perspectivas no son compartimentos separados ni coinciden todas con la programación. Su encuentro ayuda a pasar de la intuición a una representación más clara de objetivos, reglas y consecuencias. El pensamiento computacional no sirve solo para resolver problemas, sino también para reconsiderar cómo los abordamos.

Podemos pedir a la IA que compare estrategias, declare hipótesis y busque contraejemplos. Pero una explicación convincente no basta: debemos comprobar cálculos, premisas y significado del resultado. En problemas con personas y valores, el modelo apoya el juicio, no lo sustituye.

No basta hacer bien los pasos: debemos preguntarnos si son los pasos adecuados, para el objetivo adecuado y sobre hipótesis fiables.

Para profundizar

Estos enlaces profundizan en los conceptos tratados; las situaciones y los datos numéricos del artículo son ejemplos didácticos.

• Jeannette M. Wing, Computational Thinking (2006): formular y representar problemas
• Cornell University, Traffic Network Games: la paradoja de Braess
• FDA: sensibilidad, especificidad y medidas predictivas de los tests

De la intuición a la precisión de los algoritmos · Secuencias, decisiones y bucles

Todos los artículos de Pensamiento computacional