Óptimo de Pareto: qué es, cómo se mide y ejemplos clave

Inicio » Economía » Óptimo de Pareto: qué es, cómo se mide y ejemplos clave

Cuando en economía o en optimización se habla de que una situación es eficiente, muchas personas piensan en la mejor opción posible para todos. Sin embargo, el óptimo de Pareto pone el foco en otra idea: un estado donde ya no puede mejorarse el bienestar de alguien sin empeorar el de otro. Es un criterio potente, muy usado en teoría de juegos y en decisiones multiobjetivo, pero también es deliberadamente minimalista: no dice nada sobre justicia, reparto o equidad.

De hecho, el óptimo de Pareto no garantiza una distribución “bonita” de recursos. Puede ser eficiente tanto una asignación 10-0 como otra 5-5 si no existe forma de aumentar el bienestar de un individuo sin perjudicar al otro. Este matiz abre debates relevantes: ¿qué hacemos con la equidad?, ¿cómo se integra la ética en el análisis? A lo largo del texto verás la definición formal, ejemplos gráficos y cotidianos (como el clásico de los coches o el reparto de camiones), las conexiones con la economía del bienestar, las críticas (Sen, Arrow, Lerner) y su relación con el equilibrio de Nash en teoría de juegos.

Qué significa ser óptimo en el sentido de Pareto

En un problema con varios objetivos (minimizar costes y tiempos, o maximizar rendimiento y calidad), se dice que una solución es Pareto-óptima si no existe otra que mejore al menos uno de los objetivos sin empeorar algún otro. En jerga de optimización, una solución A “domina” a otra B si A es igual o mejor en todos los criterios y estrictamente mejor en, al menos, uno; por tanto, un punto es Pareto-óptimo cuando no está dominado por ningún otro. El conjunto de soluciones no dominadas conforma el frente de Pareto (o conjunto de Pareto), y no suele ser único: es toda la “frontera” de intercambios eficientes entre objetivos en conflicto.

De forma formal y en términos sencillos: dado un vector de resultados u = (u1, …, uk) y otro v = (v1, …, vk), diremos que u domina a v si para todo i se cumple u_i ≤ v_i, y además existe, como mínimo, un índice i0 tal que u_{i0} < v_{i0} en problemas de minimización. Bajo esta regla de dominancia de Pareto, una solución x* es Pareto-óptima si no hay otra x con f(x) que domine a f(x*). Dicho sin símbolos: no hay forma de mejorar un objetivo sin estropear otro a la vez.

Esta visión, que nace en economía y en la discusión sobre la eficiencia económica pero se formaliza con fuerza en investigación operativa, permite trabajar con múltiples metas de forma rigurosa. Por eso la verás en optimización multiobjetivo, en análisis coste-beneficio y, cada vez más, incluso en técnicas como la optimización bayesiana cuando hay que negociar entre varias métricas.

Cómo se ve un frente de Pareto y qué dice el gráfico

Imagina una función con dos objetivos, por ejemplo, minimizar el tiempo y minimizar el coste. Si representamos su imagen (las combinaciones alcanzables) como un área T, la parte “de borde” de esa área donde ya no puedes mejorar simultáneamente ambos objetivos constituye el frente de Pareto. Cualquier punto del interior de T queda por detrás del frente: moviéndote hacia la frontera encuentras otra alternativa que te mantiene un objetivo igual y te mejora el otro. En cambio, entre dos puntos de la propia frontera no hay dominancia mutua: si uno mejora el primer objetivo, lo hace a costa de empeorar el segundo.

Visualízalo así (sin necesidad de fórmulas): toma un punto interno cualquiera (p3). Al proyectarlo verticalmente hacia el frente, llegas a un punto de la frontera (p1) con el mismo valor de uno de los objetivos y un valor mejor del otro. Si comparas dos puntos sobre el propio frente (p1 y p2), verás que “ganar” en el primer objetivo significa “perder” en el segundo. Esa tensión es la esencia del intercambio o trade-off que el criterio de Pareto captura muy bien.

Ejemplos cotidianos: coches, repartos y la Caja de Edgeworth

Pongamos el caso de la compra de un coche. Si el presupuesto no es un problema, te centras solo en prestaciones: sería un problema monoobjetivo. Pero si tienes presupuesto ajustado, comparas prestaciones y precio. ¿Cuál es el mejor coche? En realidad, hay un conjunto de opciones “mejores”, el conjunto Pareto: desde el deportivo con máximas prestaciones y precio alto hasta el utilitario de bajo coste y menos potencia. Ninguno domina al otro porque mejorar prestaciones suele encarecer el precio, y abaratarlo recorta prestaciones. La selección final dependerá de tus preferencias concretas (familia, espacio, costes de mantenimiento, imagen, etc.).

Otro ejemplo clásico es el de repartir 20 camiones entre dos empresas. Hay 21 asignaciones posibles (0-20, 1-19, …, 20-0). Muchas de ellas son eficientes en el sentido de Pareto: si intentas mejorar la dotación de una empresa, la otra necesariamente pierde camiones. Nótese que una asignación 10-10 puede parecer más “justa”, pero 12-8 también puede ser Pareto-óptima si no hay forma de aumentar el número de vehículos de una sin reducir el de la otra. No sería eficiente, en cambio, repartir solo 19 (10-9), pues queda un camión sin asignar que permitiría mejorar a alguien sin perjudicar a nadie.

Con dos individuos (f1 y f2) y un conjunto de bienes a repartir, podemos hablar de puntos como P1 (más para f1 que para f2) o P2 (al revés). Si ambos puntos usan todos los bienes disponibles, cualquier paso de P1 a P2 o de P2 a P1 mejora a uno y empeora al otro, con lo que ambos pueden ser óptimos de Pareto. Los puntos por debajo no son eficientes porque no emplean todos los recursos; y otros por encima (el típico p3) son inalcanzables con la dotación actual.

Para profundizar, la Caja de Edgeworth y las curvas de indiferencia permiten visualizar asignaciones y preferencias de dos agentes. La línea que une los puntos de tangencia de ambas curvas (donde sus pendientes coinciden) es la famosa curva de contrato. Esos puntos son óptimos en el sentido de Pareto, pero su localización depende de la dotación inicial. Si partimos de una dotación W, los intercambios voluntarios llevarán a alguna tangencia E o F donde ya no es posible que ambos ganen a la vez. En W o Z, si existe un intercambio mutuamente beneficioso, todavía no se ha alcanzado la eficiencia paretiana.

Eficiencia no es justicia: equidad, críticas y propuestas

La eficiencia de Pareto es una vara de medir intencionadamente “mínima”. Que algo sea eficiente no implica que sea deseable socialmente. Puede haber muchas situaciones eficientes en términos de Pareto, con distribuciones muy distintas, y la sociedad podría valorar unas por encima de otras por razones éticas o de equidad. Imagina un mundo donde el 1% posee el 99% de la riqueza y el resto el 1%: sin tocar la producción total, podrías tener estados pareto-eficientes que, aun así, generan malestar social (medido, por ejemplo, por el índice de Gini). Medidas redistributivas, sostienen algunos, no solo mejorarían la equidad sino que podrían dinamizar la demanda y la producción (una intuición muy cercana al pensamiento keynesiano).

¿Cómo incorporar la justicia? Una vía es proponer un “mejor óptimo de Pareto” mediante una función de bienestar social que agregue preferencias con criterios éticos. Kenneth Arrow mostró lo delicado que es ese empeño: sus resultados de imposibilidad señalan las dificultades de construir una regla de elección social que cumpla condiciones deseables a la vez. Aun así, Amartya Sen defendió que, con comparaciones interpersonales de utilidad y un análisis cuidadoso, se pueden ordenar estados sociales y estudiar las
consecuencias distributivas (pobreza, desigualdad) sin caer en arbitrariedades absolutas.

Otra perspectiva interesante es la de Abba Lerner. Bajo supuestos concretos (ingreso total fijo, función de bienestar social cóncava, funciones de bienestar individuales cóncavas y distribución equiprobable de esas funciones entre individuos), la maximización de la esperanza del bienestar social se alcanza con una distribución igualitaria del ingreso. No es un resultado “universal”, pero ilustra que la eficiencia distributiva puede empujar hacia repartos más igualitarios si la sociedad valora decrecientemente ingresos adicionales.

En resumen de este bloque: el óptimo de Pareto no pronuncia sentencia sobre la equidad. Es útil para detectar cuándo se agotan las posibilidades de mejora mutua, pero se queda corto al decidir entre estados eficientes con diferentes repartos. Ahí entran la ética, la política y la teoría del bienestar con sus funciones de bienestar, preferencias sociales y comparaciones interpersonales.

Mercados, teoremas del bienestar y límites en la práctica

En condiciones ideales (competencia perfecta, mercados para todos los bienes, equilibrio general, información perfecta, costes de transacción nulos y ausencia de externalidades), el primer teorema del bienestar nos dice que un equilibrio competitivo es eficiente en el sentido de Pareto. Es decir, los mercados por sí solos nos llevarían a resultados
pareto-eficientes. El problema es que esas condiciones son muy estrictas y raras en el mundo real.

De hecho, el teorema de Greenwald-Stiglitz muestra que, cuando esas condiciones ideales fallan (información imperfecta, externalidades, costes de transacción, mercados incompletos), los resultados competitivos suelen ser ineficientes desde el punto de vista de Pareto. En ese terreno, el diseño de políticas públicas, la regulación o los impuestos correctivos pueden mejorar la eficiencia, aunque también hay que considerar el fallo del Estado junto al fallo de mercado: intervenir mal también empeora las cosas.

El segundo teorema del bienestar añade un matiz: bajo ciertas condiciones, cualquier asignación eficiente de Pareto puede alcanzarse como equilibrio competitivo si “ajustamos” las dotaciones iniciales mediante transferencias de suma fija. En otras palabras, eficiencia y equidad pueden separarse conceptualmente: primero llegamos a la eficiencia con precios y mercados; después nos ocupamos del reparto con transferencias. En la práctica, esta separación no es sencilla y nos topamos con la famosa Teoría del Segundo Mejor (Lipsey y Lancaster): si una condición ideal no se cumple, optimizar el resto de condiciones no garantiza el mejor resultado global.

En tanto, la condición de Samuelson para bienes públicos (igualar la suma de las tasas marginales de sustitución al coste marginal) apunta al criterio de eficiencia en su provisión, y enlaza con los grandes capítulos de la economía del bienestar. Todo este andamiaje teórico convive con el “barro” de la realidad: información asimétrica, poder de mercado, problemas de agencia y costes de coordinación que, si no se afrontan, nos alejan de la frontera de Pareto.

Óptimo de Pareto y equilibrio de Nash: cuando la confianza lo cambia todo

En teoría de juegos, no debe confundirse el óptimo de Pareto con el equilibrio de Nash. El ejemplo de manual es el dilema del prisionero: si ambos prisioneros no confiesan, reciben una condena baja (mejor para los dos); pero el equilibrio racional, si no pueden coordinarse ni confiar, es que ambos confiesen y caigan en una condena media. Este equilibrio (2,2) es estable, pero ineficiente en el sentido de Pareto frente a la alternativa (3,3). El óptimo de Pareto es (3,3), pero es inestable sin mecanismos de compromiso.

Esta tensión aparece también en los negocios. En relaciones de cooperación a largo plazo (proveedores-clientes con repetición de transacciones) puede imponerse un resultado cercano al óptimo de Pareto si hay confianza, contratos ejecutables y mecanismos para castigar desviaciones. En entornos competitivos puntuales, y en mercados donde la legislación de competencia impide coordinar estrategias (por buenas razones), la falta de compromiso mutuo empuja hacia equilibrios de Nash menos eficientes. Crear confianza y alinear incentivos cambia drásticamente dónde acabamos.

Aplicaciones prácticas: decisiones, análisis y algoritmos

Más allá de la economía pura, la formalización de Pareto alimenta la investigación operativa y la ciencia de datos. En optimización multiobjetivo se trabajan algoritmos que buscan aproximaciones al frente de Pareto (poblaciones de soluciones no dominadas) para que el decisor elija según sus preferencias. Un buen ejemplo es la planificación industrial con coste, plazo y calidad; o el diseño de productos, equilibrando rendimiento, peso y precio.

El análisis coste-beneficio bebe del criterio de Pareto para evaluar proyectos: si hay una alternativa que mejora a todos sin empeorar a nadie, mejor. Como esto rara vez ocurre, se usan variantes como el criterio de Kaldor-Hicks (potencial de compensación), siempre sabiendo que nos alejamos del estándar “puro” de Pareto. Incluso en optimización bayesiana, cuando hay varias métricas a maximizar o minimizar simultáneamente (por ejemplo, precisión y latencia en modelos), se habla de superficies de Pareto y de decisiones basadas en preferencias.

Conceptos y nombres que conviene tener a mano

• Economía del bienestar, condición de Samuelson y provisión eficiente de bienes públicos.
• Fallo de mercado y fallo del Estado, con mención a Greenwald-Stiglitz y a la regulación.
• Optimización, optimización multiobjetivo y frente de Pareto en investigación operativa.
• Teoría del Segundo Mejor (Lipsey y Lancaster), utilidad y Vilfredo Pareto como origen conceptual.
• Rol de Joseph E. Stiglitz, aportes de Amartya Sen, y la idea de optimización bayesiana en contextos multiobjetivo.

Mirado en conjunto, el óptimo de Pareto sirve como una brújula que indica cuándo se agotan las mejoras mutuas: a partir de ahí todo es intercambio. Es tremendamente útil para estructurar decisiones con objetivos en tensión, para pensar políticas cuando los mercados no son perfectos y para entender por qué la coordinación y la confianza marcan la diferencia entre quedarnos en un equilibrio mediocre o acercarnos a la frontera. Pero no decide por nosotros entre estados eficientes con repartos distintos; ahí entran las preferencias sociales, la ética y la política pública con sus inevitables trade-offs.

Artículo relacionado:

Asignación eficiente en el sentido de Pareto: teoría, ejemplos y aplicaciones