En un juicio, saber cómo les fue a personas similares a mi puede afectar mis decisiones

En abril de 2016 escribí sobre un experimento de campo que estaba en proceso de implementación, con la hipótesis de que proveer información estadística a las partes y abogados involucrados en un juicio, sobre el desenlace de juicios similares, podría afectar la decisión de llegar a un acuerdo conciliatorio

Esta hipótesis y el proyecto experimental para comprobarla tuvo tres motivaciones principales: Primero, la tasa de convenios en juicios de despido es baja en México en comparación con juicios similares en otros países. Segundo, la justicia laboral es lenta e incierta, con altos costos de intermediación legal. Tercero, sospechamos que la sobre-confianza de las partes que litigan un conflicto de despido podría causar las tasas bajas de conciliación.

Con estas motivaciones diseñamos e implementamos un experimento de campo, Enrique Seira y yo del ITAM, con Christopher Woodruff de Oxford. Calibramos una “calculadora de compensación por despido”, que utiliza alrededor de 20 variables para realizar una predicción estadística del desenlace de un juicio. Predice las probabilidades de terminar el juicio a través de un convenio, una sentencia, un desistimiento y una caducidad. Para cada uno de estos “modos de término”, la calculadora predice la duración del juicio y el monto promedio obtenido por el trabajador despedido.

El experimento consistió en intervenir en todos los juicios con audiencias dentro de un periodo de 3 meses, donde ambas partes estuvieran notificadas para la audiencia. Las partes y litigantes que asistieran a la audiencia fueron invitadas a participar, llenando una encuesta con preguntas detalladas sobre las expectativas que tenían del juicio en cuestión. Después de llenar la encuesta, los sujetos fueron asignados aleatoriamente a 3 grupos, el grupo control, el grupo “calculadora” y el grupo “conciliador”. El grupo de control fue enviado a su audiencia sin más intervención del equipo de investigación. Al grupo de la calculadora se le otorgó la predicción estadística de su caso, con una breve explicación, y se le dio la oportunidad de hablar con un conciliador. Al grupo conciliador se le pasó de manera obligatoria para hablar con un conciliador, sin ver la información de la calculadora.

Se llevó a cabo este experimento entre el 3 de marzo y el 27 de mayo 2016, en un juzgado laboral en la Junta Local de Conciliación y Arbitraje de la Ciudad de México. Durante el experimento se intentó el tratamiento de casi 1100 juicios. Un poco menos del 25% no aceptaron participar en el experimento. Los resultados fueron notables, como se muestra con los porcentajes de conciliación en la siguiente tabla.

La variable “conciliación” toma valor de 0 si no se llegó a un convenio para terminar el juicio, el mismo día de la audiencia programada, y 1 si se concluyó ese mismo día en un convenio. El grupo “fuera” es el grupo de expedientes que tuvieron audiencias programadas, pero donde no estaba notificada debidamente alguna de las partes de la fecha de audiencia. En este grupo, solamente el 2% de los juicios concluyeron en un convenio. En el grupo control, con ambas partes notificadas para su audiencia, pero participando en el experimento solamente con el llenado del cuestionario, aumenta la tasa de conciliación al 5%. El grupo T1, de la calculadora, aumenta al doble, hasta el 10%, su tasa de convenios conciliatorios. Finalmente, el grupo T2 del conciliador también aumenta su tasa de conciliación, un poco menos que el aumento experimentado por T1. Se muestra en la siguiente tabla la regresión correspondiente para mostrar que estos efectos son muy significativos estadísticamente.

 

La claridad de estos resultados implica que utilizar calculadoras puede resultar una buena política en las cortes, para aumentar las tasas de convenio en diversos tipos de juicios. Sin embargo, lo más interesante académicamente es la explicación de porqué tenemos este resultado, y cuáles son las variables o elementos de los juicios que pueden reforzar o aumentar el efecto calculadora.

La literatura identifica dos razones principales, ambas ligadas a la información, por el hecho de que una proporción importante de partes involucradas en un conflicto legal proceden con el litigio hasta obtener una sentencia de la autoridad jurisdiccional, a pesar de los altos costos de continuar el litigio. En primer lugar, aunque no exista información asimétrica entre las partes en un litigio, ambas partes operan bajo información incompleta sobre la probabilidad de ganar y la cantidad que ganarían o perderían al final del juicio. Si cada parte forma sus expectativas sobre el juicio basado en alguna señal privada, podrían ambas partes tener expectativas suficientemente diferentes, y en ese caso no llegarían a un convenio para concluir el conflicto. En segundo lugar, si alguna de las partes de un juicio es mejor informada sobre el valor el juicio, el equilibrio bajo información asimétrica generalmente resultará en la parte informada realizando convenios conciliatorios solamente con una proporción de sus contrapartes.

Ambas teorías se relacionan a la falta de información completa en un proceso litigioso, pero ninguna de ella se enfoca en el problema de información que surge entre las partes y sus representantes legales. Es decir, estas teorías tratan a las partes y sus abogados como una unidad, sin ningún problema de información o de negociación dentro de la pareja cliente-abogado.

Observamos algunos hechos que nos pueden ayudar a distinguir cual teoría es más útil para explicar estos resultados. Aunque los trabajadores que demandan por haber sido despedidos generalmente no tienen experiencia previa en un litigio laboral, prácticamente todos son representados por abogados litigantes con mucha experiencia. Ante preguntas del cuestionario sobre su trayectoria en litigio, más del 70% de los abogados de los trabajadores referían haber litigado más de 30 juicios, lo que implica cierta experiencia que probablemente reduzca los efectos de la información asimétrica.

Se observa, además, una sobre confianza muy fuerte del lado tanto del trabajador como de su abogado. Es decir, el trabajador estima la probabilidad de obtener un pago positivo en caso de continuar hasta una sentencia de la corte laboral, mucho más grande, en promedio, que la probabilidad asignada por la calculadora para su juicio. Las gráficas a continuación muestran la sobre confianza y el hecho de que parece ser un fenómeno tan fuerte entre los trabajadores como entre sus abogados, lo que parece indicar que la experiencia del abogado no tiende a reducir su aparente sobre confianza.

También observamos que los convenios son mucho más probables si en el momento de otorgar la información de la calculadora, el trabajador mismo está presente, no solamente su abogado, lo que implica que la información estadística tiene mucho más impacto sobre el trabajador. Y finalmente, del cuestionario y de entrevistas de mayor detalle con trabajadores se revela que la mayoría de los abogados de trabajadores cobran un porcentaje (entre 30 y 50%) de lo que obtiene el trabajador en la demanda, además de un cobro fijo por iniciar la demanda.

Estos hechos sugieren la siguiente teoría. La información asimétrica entre empleador y trabajador no es una explicación relevante de la tasa baja de conciliación, por el papel primordial que juegan los abogados experimentos que representan ambas partes. La divergencia entre las expectativas de trabajadores y empleadores sí explica la baja tasa de conciliación, pero las expectativas poco realistas de la parte trabajadora no provienen de su poca experiencia, sino de un problema de principal-agente entre el trabajador y su abogado. Una mayoría de los juicios que resultan de un despido son de baja cuantía y baja probabilidad de ganar. Si el abogado es honesto en la opinión que le da a un trabajador interesado en entablar una demanda, la mayoría de los trabajadores no demandarían, y el abogado quedaría con pocos juicios. Si el abogado, en cambio, no es del todo honesto, y logra inflar las expectativas del trabajador suficientemente, puede garantizar una demanda y una representación legal para él, con alguna probabilidad positiva de un ingreso por el pago contingente acordado. Finalmente, si además cobra una cuota fija por redactar y entregar la demanda, puede asegurar una ganancia positiva del asunto a pesar de tener una probabilidad y cuantía bajas.

Actualmente trabajamos en dos expansiones de este programa, uno de ellos se enfoca en tratar a trabajadores que aún no han demandado, con la información estadística de la calculadora. Se espera que siguiendo los trabajadores del grupos de control e intervención en el tiempo, se podrán observar diferencias en tasas de conciliación, tasas de demanda, expectativas de la demanda y en la calidad del abogado seleccionado como representante.

 

 

 

Referencias:

  1. Bebchuk, Lucian, “Litigation and Settlement Under Imperfect Information”, Rand Journal of Economics 15(3): 404-415, Autumn 1984.
  2. Benabou, Ronald, “The Economics of Motivated Beliefs”, Jean-Jacques Laffont lecture, June 2014 Congress of the French Economic Association.
  3. Eisenberg, Theodore and Carlotte Lanvers, “What is the Settlement Rate and Why Should We Care?” Journal of Empirical Legal Studies 6(1): 111-146, March 2009.
  4. Fong, Yuk-Fai, “When Do Experts Cheat and Whom do they Target?”, working paper, University of Chicago, 2003.
  5. Hilton, Keith N. and Haizhen Lin, “A Formalization and Extension of the Priest Klein Hypothesis”, Boston University School of Law Working Paper No. 11-28, June 2011.
  6. Nalebuff, Barry, “Credible pretrial settlement”, Rand Journal of Economics 18(2): 198-210, Summer 1987.
  7. Priest, George L. and Benjamin Klein, “The Selection of Disputes for Litigation”, The Journal of Legal Studies 13(1): 1-55, January 1984.
  8. Waldfogel, Joel, “Reconciling Asymmetric Information and Divergent Expectation Theories of Litigation”, Journal of Law and Economics 41(2): 451-476, October 1998.

 

Deja un comentario