La asignación de asignaturas optativas del MBA de Wharton era una subasta de pujas por puntos y, según la evaluación del equipo de investigación, los mecanismos que las escuelas usaban realmente eran ineficientes, injustos o ambas cosas. Los estudiantes adivinaban qué pujas se adjudicarían, cubriéndose respecto de sus verdaderas preferencias; los cursos con exceso de demanda dejaban a compañeros con malos horarios; el juego recompensaba a los estrategas. El artículo de Eric Budish de 2011 en el Journal of Political Economy planteó una solución teórica —el equilibrio competitivo aproximado a partir de ingresos iguales (A-CEEI)—, pero señaló obstáculos prácticos: complejidad para reportar preferencias, complejidad computacional y violaciones de capacidad.

Course Match, creado por Budish con Gerard Cachon, Judd Kessler y Abraham Othman, cerró esas brechas. Los estudiantes reportan preferencias sobre horarios en lugar de pujas por curso; el motor ejecuta una búsqueda heurística paralela masiva que resuelve miles de millones de programas enteros mixtos para llegar a un equilibrio competitivo aproximado en una economía de dinero ficticio para las plazas; y se respetan las restricciones de capacidad. En uso a escala completa asignó cursos para aproximadamente 1.700 estudiantes de Wharton que enfrentaban hasta 350 cursos por semestre, con estadísticas resumidas de dos semestres que muestran un resultado tanto justo como eficiente.

Se redujo el riesgo de la adopción con un novedoso experimento de laboratorio en Wharton: usando un método de «preferencias elicitadas» construido a partir de elecciones binarias, Budish y Kessler encontraron que los participantes preferían los horarios que les daba A-CEEI a los que producía la subasta de puntos vigente, con una envidia medible menor. Informan que el experimento ayudó a persuadir a la Wharton School de adoptar el mecanismo y moldeó cómo funciona el reporte de preferencias en el producto. En 2017, Wharton escindió la implementación como una startup, Cognomos, con Budish como director fundador.

Asignar horarios completos a precios de equilibrio, no plazas

Los presupuestos iguales hacen que la asignación reduzca la envidia por construcción: a nadie se le supera en la puja porque empezó con menos puntos, sino porque la plaza valía más para otra persona.

Pujar por horarios completos elimina el problema de exposición: los estudiantes ya no ganan el curso uno mientras pierden el curso que hacía que el curso uno valiera la pena.

Los precios de equilibrio reemplazan las conjeturas: los precios suben para los cursos con exceso de demanda y los estudiantes se reasignan hacia las gangas, de modo que la demanda se distribuye sin una carrera de clics a medianoche.

El truco computacional —miles de millones de pequeños programas enteros mixtos en una búsqueda paralela— es lo que convirtió un resultado de existencia de 2011 en un sistema que asigna 1.700 estudiantes frente a 350 cursos.

El equipo probó el mecanismo con estudiantes reales de Wharton antes del despliegue completo, de modo que la escuela lo adoptó sabiendo que los participantes podían reportar preferencias complejas con suficiente precisión.

Cualquier asignación escasa de múltiples artículos se desmorona cuando se resuelve artículo por artículo: la gente estrategiza, los postores honestos pierden. Asigna todos los paquetes a precios de equilibrio y la honestidad se vuelve casi óptima.

El diseño del mecanismo y el procedimiento computacional son de dominio público, y Wharton es dueño de la implementación en producción, habiéndola financiado; la divulgación en el documento de trabajo de la NBER señala que la escuela escindió esa propiedad intelectual en Cognomos en 2017, con Budish como director fundador y titular de participaciones. El caso se ha convertido en la referencia estándar para llevar un mecanismo de asignación combinatoria de la teoría —donde se demostraron las propiedades de equidad y eficiencia de A-CEEI— a un mercado en funcionamiento que asigna miles de horarios por semestre.

CONSULTA LAS PRUEBAS

Las fuentes

  1. Course Match: A Large-Scale Implementation of Approximate Competitive Equilibrium from Equal Incomes for Combinatorial Allocation SSRN / Chicago Booth Research Paper No. 15-28 (Budish, Cachon, Kessler, Othman) · ssrn.com ·
  2. Can Market Participants Report their Preferences Accurately (Enough)? — NBER Working Paper 22448 NBER (Budish & Kessler) · nber.org
  3. The Combinatorial Assignment Problem: Approximate Competitive Equilibrium from Equal Incomes Journal of Political Economy 119(6):1061–1103 (Budish) · journals.uchicago.edu