El condicionamiento operante moldea el comportamiento cotidiano a través de programas de refuerzo y de errores de predicción de recompensa impulsados por la dopamina, que hacen que las recompensas variables e inciertas resulten neurológicamente más atractivas que las predecibles, un mecanismo que se aprovecha deliberadamente en el diseño de productos digitales; identificar estos patrones con un terapeuta colegiado y formado en terapia cognitivo-conductual es fundamental para romper los ciclos de comportamiento compulsivo.
Tus hábitos parecen elecciones personales, pero la mayoría de ellos no lo son. Desde mirar el móvil hasta picar a altas horas de la noche, el condicionamiento operante controla silenciosamente cada comportamiento que crees que controlas, y comprender cómo funciona podría ser lo más importante que aprendas sobre por qué resulta tan difícil lograr un cambio duradero.
¿Qué es el condicionamiento operante? Explicación de la teoría fundamental de Skinner
Cada vez que miras el móvil con la esperanza de encontrar una nueva notificación, pillas algo de picar cuando estás aburrido o te esfuerzas un poco más después de que tu jefe te haya elogiado, hay algo que se está produciendo silenciosamente en segundo plano. No es fuerza de voluntad, ni es algo aleatorio. Es el condicionamiento operante, y lleva moldeando tu comportamiento desde antes de que pudieras hablar.
La Asociación Americana de Psicología define el condicionamiento operante como una forma de aprendizaje en la que el comportamiento se moldea y se mantiene en función de sus consecuencias. En términos sencillos: las acciones que producen buenos resultados tienden a repetirse, y las que producen malos resultados tienden a desaparecer. Esto difiere del condicionamiento clásico, el proceso que Pavlov hizo famoso al entrenar a los perros para que salivaran al oír el sonido de una campana. El condicionamiento clásico vincula respuestas automáticas a estímulos neutros. El condicionamiento operante funciona de manera diferente. Regula el comportamiento voluntario —las decisiones que tomas de forma activa— vinculándolas a recompensas y castigos.
Esa distinción es de enorme importancia. B. F. Skinner, el psicólogo de Harvard que formalizó el condicionamiento operante a mediados del siglo XX, construyó su marco teórico en torno a una premisa radical: todo comportamiento voluntario es una función de sus consecuencias. Utilizando su ya famosa «caja de Skinner», demostró que los animales modificaban de forma fiable su comportamiento en función de lo que le seguía. Si pulsaban una palanca, recibían un gránulo de comida. El comportamiento aumentaba. Si pulsaban una palanca, recibían una descarga eléctrica leve. El comportamiento cesaba. Sencillo, repetible e inquietantemente predecible.
Skinner trazó los patrones de comportamiento con precisión. Lo que no pudo ver del todo fue la maquinaria biológica que los sustentaba. La neurociencia moderna ha revelado desde entonces ese mecanismo, y lo que muestra es más complicado que una palanca y una bolita de comida. El condicionamiento operante no es una reliquia de la psicología del siglo XX. Es el sistema operativo que rige tus decisiones diarias sobre el trabajo, la comida, las pantallas y las relaciones, seas consciente de ello o no.
Los cuatro tipos de condicionamiento operante: definición de refuerzo y castigo
Refuerzo positivo y negativo: por qué «negativo» no significa malo
Antes de seguir adelante, conviene aclarar uno de los conceptos erróneos más persistentes de la psicología conductual. En el condicionamiento operante, «positivo» y «negativo» no significan bueno o malo. Significan añadir o eliminar un estímulo, según las investigaciones sobre el refuerzo positivo y negativo y el castigo en la psicología conductual. Ambos tipos de refuerzo aumentan la probabilidad de que se repita un comportamiento.
El refuerzo positivo añade algo deseable tras un comportamiento. Una bonificación salarial, una avalancha de «me gusta» en una publicación o los elogios de un amigo tras compartir buenas noticias: todo ello hace que seas más propenso a repetir el comportamiento que te los ha valido. El refuerzo negativo elimina algo desagradable para aumentar un comportamiento. Tomar un analgésico para aliviar un dolor de cabeza es un ejemplo clásico. También lo es consultar compulsivamente el correo electrónico para acallar esa molesta sensación de temor, un patrón estrechamente vinculado a los síntomas de ansiedad que muchas personas experimentan sin reconocer el bucle conductual que hay detrás.
Castigo positivo y negativo: por qué el castigo rara vez surte efecto
El castigo funciona en sentido contrario: reduce la probabilidad de que se produzca un comportamiento. El castigo positivo añade un estímulo aversivo tras un comportamiento. Una multa por exceso de velocidad, la vergüenza pública o una reprimenda severa entran en esta categoría. El castigo negativo elimina algo deseable para desalentar un comportamiento. Piensa en un padre o una madre que retira el tiempo de pantalla, o en la pérdida de un privilegio tras infringir una norma.
Ambas formas de castigo pueden suprimir un comportamiento a corto plazo. El problema es que la supresión no es lo mismo que un cambio duradero. El castigo te dice lo que no debes hacer, pero no te enseña qué hacer en su lugar, y por eso la lección rara vez se mantiene.
La asimetría: por qué gana el refuerzo
El refuerzo, tanto positivo como negativo, es sencillamente más eficaz a la hora de moldear un comportamiento duradero que el castigo, tal y como deja claro la clasificación de refuerzos y castigos primarios y secundarios. Los comportamientos reforzados se repiten. Los comportamientos castigados se evitan cuando alguien está mirando. Esta asimetría explica mucho sobre la motivación humana, incluido por qué a las personas que sufren depresión a menudo les resulta tan difícil volver a involucrarse en actividades gratificantes: cuando el refuerzo desaparece de la vida cotidiana, el comportamiento tiende a derrumbarse hacia dentro. Las recompensas no solo te hacen sentir bien. Son el motor que mantiene el comportamiento en marcha.
Esquemas de refuerzo: por qué las recompensas variables son la fuerza más poderosa en tu comportamiento
No todas las recompensas son iguales. El momento en que se produce una recompensa y su previsibilidad moldean tu comportamiento tanto como la propia recompensa. B. F. Skinner descubrió esto a través de un meticuloso trabajo de laboratorio, y los cuatro patrones que identificó, denominados «esquemas de refuerzo», explican todo, desde por qué miras el móvil de forma compulsiva hasta por qué es tan difícil dejar de jugar.
Fijo frente a variable: la previsibilidad que lo cambia todo
La distinción más importante en los programas de refuerzo es si la recompensa es predecible. Un programa fijo ofrece una recompensa tras un desencadenante constante y conocido. Un programa variable ofrece una recompensa tras un desencadenante impredecible, y esa imprevisibilidad es lo que lo hace tan potente desde el punto de vista conductual.
Cuando sabes exactamente cuándo va a llegar una recompensa, tu cerebro puede dosificar sus esfuerzos. Cuando no lo sabes, no puede dejar de intentarlo. Las palomas de Skinner sometidas a programas de recompensa variable picoteaban los paneles de respuesta hasta el agotamiento físico, mucho después de que las recompensas hubieran dejado de llegar por completo. El mismo patrón se repite en el comportamiento humano cada vez que alguien actualiza una vez más el feed de una red social, con la esperanza de recibir una notificación que puede aparecer o no.
Esta resistencia a la extinción —es decir, el tiempo que persiste un comportamiento una vez que cesan las recompensas— es lo que distingue a los programas variables de todos los demás. Según los programas de refuerzo y sus distintos patrones de respuesta, los programas de ratio variable producen las tasas de respuesta más altas y la mayor resistencia a la extinción de entre todos los tipos de programas.
Proporción frente a intervalo: entrega de recompensas basada en el esfuerzo y basada en el tiempo
La segunda distinción es si la recompensa está vinculada al esfuerzo (respuestas) o al tiempo. Esto nos da los cuatro programas básicos:
- Razón fija (FR): recompensa tras un número determinado de respuestas. Piensa en la tarjeta de fidelidad de una cafetería: compra diez, llévate una gratis. Las tasas de respuesta son constantes, pero el comportamiento suele detenerse brevemente justo después de cada recompensa.
- Razón variable (VR): recompensa tras un número impredecible de respuestas. Las máquinas tragaperras, los «me gusta» en las redes sociales y las cajas de botín funcionan según este esquema. Produce las tasas de respuesta más altas y la mayor atracción compulsiva. Sus huellas aparecen en trastornos como el trastorno obsesivo-compulsivo y el trastorno por atracón, en los que los ciclos de recompensa impredecibles impulsan un comportamiento repetitivo y difícil de detener.
- Intervalo fijo (FI): recompensa tras haber transcurrido un periodo de tiempo determinado. El sueldo semanal o una notificación programada de una aplicación siguen este patrón. El comportamiento tiende a ralentizarse justo después de recibir la recompensa y, a continuación, se intensifica bruscamente a medida que se acerca el siguiente intervalo, un patrón que los investigadores denominan «respuesta festoneada».
- Intervalo variable (VI): recompensa tras un periodo de tiempo impredecible. Revisar el correo electrónico o esperar a que pique un pez siguen este patrón. Produce una tasa de respuesta constante y moderada, sin la urgencia frenética de la proporción variable.
El esquema de ratio variable destaca sobre el resto. Su combinación de desencadenantes basados en el esfuerzo y la total imprevisibilidad genera un comportamiento notablemente resistente al cambio, que es precisamente la razón por la que se convirtió en el modelo a seguir para el diseño de productos digitales modernos.
Por qué la anticipación de la recompensa te controla más que la propia recompensa
Skinner describió este comportamiento. Nos demostró que las recompensas variables producen respuestas implacables, que la imprevisibilidad es más atractiva que la consistencia. Pero no pudo explicarnos por qué el sistema nervioso funciona así. Para encontrar esa respuesta, el neurocientífico Wolfram Schultz tuvo que examinar el interior del propio cerebro.
En 1997, Schultz y sus colegas registraron la actividad de neuronas individuales productoras de dopamina en primates durante tareas de recompensa. Lo que descubrieron lo cambió todo. Las neuronas dopaminérgicas no se activaban con mayor intensidad cuando el animal recibía una recompensa. Se activaban con mayor intensidad en el momento de una recompensa inesperada, o en el momento en que aparecía una señal que predecía que podría llegar una recompensa. La recompensa en sí misma, una vez recibida, resultaba casi insignificante desde el punto de vista neurológico.
Al cerebro le importa la diferencia, no el premio
Este hallazgo nos proporcionó el concepto de «error de predicción de la recompensa»: la idea de que la dopamina codifica la diferencia entre lo que esperabas y lo que realmente ocurrió, no el valor absoluto de la recompensa. Cuando un resultado es mejor de lo previsto, la dopamina se dispara. Cuando un resultado coincide exactamente con tu predicción, la dopamina se mantiene estable. Cuando un resultado es peor de lo previsto, la dopamina cae por debajo del nivel de referencia.
Cuando una recompensa se vuelve totalmente predecible, la liberación de dopamina en el momento de recibirla desciende hasta el nivel de referencia. La recompensa sigue ahí. Sigues recibiéndola. Pero tu cerebro ya la ha descontado, por lo que apenas se percibe. Por eso el tercer cumplido de la misma persona tiene menos impacto que el primero, y por eso un aumento de sueldo que te emocionó la primera semana te parece algo normal a las seis semanas. Tu sistema de dopamina no está averiado. Está haciendo exactamente lo que se diseñó para hacer.
La incertidumbre es el acelerador neurológico
Cuando una recompensa es incierta, la activación de la dopamina alcanza su punto álgido ante la señal, no ante el resultado. Cada tirón de la palanca de la máquina tragaperras, cada actualización del feed de una red social, cada vez que compruebas una insignia de notificación desencadena un pico de actividad de dopamina precisamente porque el resultado aún no se ha decidido. Tu cerebro está más vivo en el «aún no saber».
Este es el mecanismo que subyace al programa de ratio variable de Skinner. La incertidumbre maximiza estructuralmente la liberación de dopamina en el momento de la señal. El comportamiento queda fijado incluso antes de que llegue la recompensa. La habituación a las recompensas no es un fallo de fuerza de voluntad ni de gratitud. Es una característica intrínseca del sistema de la dopamina. Las recompensas predecibles pierden su impacto neurológico con el tiempo. Las recompensas inciertas nunca lo pierden.
La arquitectura deliberada de las recompensas variables: cómo se diseñaron tus aplicaciones para condicionarte
Los principios que Skinner descubrió en el laboratorio no se quedaron ahí. Diseñadores, gestores de producto y científicos del comportamiento llevan décadas aplicando el condicionamiento operante a las aplicaciones de tu teléfono, a menudo con una intención explícita. Esto no es una especulación. Es una estrategia de diseño documentada.
«Deslizar para actualizar» y la máquina tragaperras que llevas en el bolsillo
Cuando deslizas el dedo hacia abajo para actualizar el feed de una red social, estás tirando de una palanca. El gesto es casi idéntico al que realizaban las palomas de Skinner para ganarse los gránulos de comida, y al que realiza un jugador de tragaperras en un casino. La recompensa es variable: a veces obtienes algo interesante, otras veces nada. Esa imprevisibilidad es la clave. La función «deslizar para actualizar» fue inventada por Loren Brichter, quien desde entonces ha expresado su pesar por sus cualidades adictivas. El programa de ratio variable que crea es el patrón de refuerzo más resistente a la extinción que conoce la ciencia del comportamiento.
