¿Cómo aprende un sistema de una excepción resuelta sin generalizarla demasiado?

Por qué importa

Las excepciones muestran el proceso con una precisión que rara vez ofrece el recorrido habitual. Revelan información ausente, reglas implícitas, dependencias, conflictos de autoridad y formas reales de recuperar el trabajo.

Por eso cada excepción resuelta parece una oportunidad para que el sistema aprenda. El peligro aparece cuando una decisión válida para un caso se convierte en regla general sin conservar las condiciones que la hicieron razonable.

Una excepción puede ser un precedente, pero también una concesión única, una respuesta a información incompleta, un parche, un error tolerado o una señal de que la regla principal necesita cambiar.

Qué sabemos hasta ahora

Para aprender de una excepción conviene conservar al menos:

• qué la activó;
• el contexto y el ámbito;
• qué información faltaba o se contradijo;
• quién intervino y con qué autoridad;
• qué alternativas se consideraron;
• qué decisión se tomó y por qué;
• qué acción se ejecutó;
• qué resultado se observó;
• si la resolución debe caducar o revisarse.

Después puede clasificarse como:

• caso aislado que debe recordarse, pero no generalizarse;
• precedente consultable;
• nueva excepción explícita dentro de una regla;
• candidata a regla después de más evidencia;
• defecto de proceso o de interfaz;
• contradicción que exige decisión organizativa.

Antes de incorporar una nueva regla, resulta útil buscar contraejemplos, probarla sobre casos históricos y ejecutarla en modo de recomendación o sombra. La recurrencia ayuda, pero no sustituye una explicación de por qué la generalización es válida.

Qué continúa abierto

No existe un umbral universal de casos a partir del cual una excepción deba convertirse en regla. Una situación rara y de alto impacto puede merecer un recorrido explícito desde el primer caso; otra muy frecuente puede seguir dependiendo de un matiz difícil de representar.

Continúa abierto cómo distinguir automáticamente una práctica local de una política general, cómo decidir qué parte de una explicación humana es causal y qué parte es retrospectiva, y cómo evitar que el sistema aprenda los sesgos de quienes históricamente tuvieron autoridad para resolver.

También queda por resolver cuándo una acumulación de excepciones debe mejorar la automatización y cuándo demuestra que el proceso, la política o incluso el objetivo necesitan rediseñarse.