El estudio de cómo tomamos las decisiones es un campo fascinante que ha dado lugar a una nueva ciencia conocida con varios nombres: «ciencia de la predicción«, «Toma de decisiones«, «decision taking«, o a falta de una mejor traducción superpronosticadores (superforecasting).
Para explorar este tema, vamos a adentrarnos en el mundo de los superforecasters: Personas expertas en la toma de decisiones y la predicción de eventos futuros.
Tabla de contenidos
Los Superforecasters y el Arte de la Predicción
Imagina un grupo de personas que tiene la habilidad casi mágica de predecir con precisión eventos futuros, desde resultados electorales hasta movimientos del mercado de valores. Estas personas son conocidas como «superforecasters», y su talento ha revolucionado la forma en que entendemos la toma de decisiones.
No solo empezamos a conocer que existen tales habilidades. También podemos analizar que no son fruto del azar, y lo más importante de todo: Podemos averiguar qué hay detrás de tan buenas predicciones.
Son pinceladas de un bet-seller que junto con otros autores ofrece en un tono técnico-divulgativo las principales ideas que se esconden tras esta nueva ciencia.
Os animamos a leer el original o su traducción. No os va a defraudar, y os ayudará a tomar mejores decisiones:
La Psicología de la Toma de Decisiones
Para convertirse en un superforecaster, es crucial comprender cómo funciona la mente humana cuando se enfrenta a la toma de decisiones. Conceptos como el sesgo cognitivo, la intuición y la heurística, y cómo estos elementos influyen en nuestras elecciones diarias.
Es todo un proceso de autoconocimiento. Al contrario que otros libros psudo-científicos, este libro viene repleto de experimentos que explican cómo actuamos realmente.
Poco a poco podemos auto-analizarnos y ver cómo hemos llegado a una conclusión. Lo divertido es es consciente de los sesgos. TODOS tenemos sesgos, pero si asumimos que los tenemos podremos minimizarlos.
Si por el contrario pecamos de soberbia y nos decimos a nosotros mismos que nuestros pensamientos son objetivos, pues…. cómo decirlo… la realidad siempre gana.
Las Lecciones de la Historia y el teorema de Bayes
Los superforecasters no son adivinos, pero han aprendido a aplicar lecciones clave de la historia para tomar decisiones informadas sobre el futuro. El estudio de eventos pasados junto con técnicas básicas d estadística pueden ser una guía perfecta para prever eventos futuros.
La toma de decisiones no siempre es un proceso lineal. Los superforecasters han desarrollado una habilidad especial para adaptarse a medida que nuevos datos y eventos surgen en un mundo en constante cambio.
Tomemos un simple ejemplo de una predicción tomando el teorema de Bayes como nuestro aliado:
Queremos hayar la probabilidad de que suceda A, sabiendo que B ha sucedido, o lo que es lo mismo, Saber la probabilidad de que A sea cierto, dando por hecho que B es cierto.
X = Prior = Probabilidad de que suceda un evento A, sin tener en cuenta nada más. P(A)
Y = Probabilidad de que suceda (o sea cierto) el evento B, dando por hecho que A es cierto. P(B/A)
Z = Probabilidad de que suceda (o sea cierto) el evento B. P(B)
Bayes nos dice que si conocemos X, Y y Z podemos calcular la probabilidad de que suceda A, sabiendo que B ha sucedido P(A/B):
P(A/B) = P(A)*P(B/A) / P(B)
El resultado de los cálculos, puede incluso ser el Prior de la siguiente estimación a medida que van surgiendo muevas evidencias. Mejorando la predicción con cada nueva información.
Para obtener el primer «Prior» lo único que debemos hacer es irnos al caso base: Será dato más simple que tengamos sin conocer nada más.
Parece un trabalenguas, pero no os preocupéis que ahora viene un ejemplo, aunque con datos inventados pero tendréis la idea:
Si queremos conocer si una persona que llega al hospital tiene COVID dado que tiene fiebre:
Sabemos que la probabilidad de que una persona tenga COVID en un momento dado P(A) es del 60% . Este dato es el Prior, que bien puede venir de las estadísticas publicadas de incidencia en un momento dado.
También conocemos que la probabilidad de que tenga fiebre sabiendo que tiene COVID (lo contrario del Prior) es del 36%. Este sará P(B/A)
Y por último sabemos que la probabilidad de tener fiebre sin tener en cuenta otro dato es del 40%. P(B)
Realizando los cálculos nos queda:
P(A/B) = P(A)*P(B/A) / P(B) = 0.60* 0.40 / 0.36 = 0.66= 66%
Fijaos bien: En el ejemplo hemos pasado de un 60% inicial (Prior) a un 66%. No solo comprobamos lo obvio (que la probabilidad debe aumentar si el sujeto tiene fiebre), sino que estimamos numéricamente en cuánto aumenta. Esto es lo importante.
La Importancia de la Diversidad de Pensamiento
Otra de las claves para el éxito de los superforecasters es su capacidad para reunir diferentes perspectivas. Aprendemos cómo la diversidad de pensamiento puede mejorar la precisión de las predicciones y cómo evitar la trampa del pensamiento grupal.
El grupo es una herramiento muy poderosa, pero también muy peligrosa si se utiliza mal.
El poder del grupo recae en lo que se denomina la sabiduría de grupo. Cada uno de los integrantes de un grupo puede realizar una predicción e inevitablemente cada uno cometerá un error.
Lo interesante es que algunos integrantes del equipo fallarán por exceso y otros por defecto, por lo que dichos errores se anularán hasta cierto punto.
El único requisito para que esto funcione es que las predicciones individuales sean independientes. Ahí es donde suele estar el error del pensamiento en grupo, pues es muy probable que algunos miembros «contaminen» con su opinión al resto.
Francis Bacon catalogaba los errores de la opinión en 4 tipos:
- La tendencia a encubrir la propia ingorancia fingiendo conocimiento.
- El poder persuasivo de la autoridad.
- La adhesión ciega a la costumbre.
- La influencia de la opinión popular.
Desde el siglo XVII la cosa ha avanzado mucho en la clasificación de sesgos, pero no por ello parece que sea menos válida la visión que Bacon tenía hace tanto tiempo.
El Papel de los Datos y la Tecnología
La era digital ha brindado a los superforecasters acceso a una gran cantidad de datos y herramientas de análisis. Quizás demasiados.
La tecnología ha cambiado la forma en que tomamos decisiones y cómo podemos utilizarla de manera efectiva para mejorar nuestras predicciones, pero es fundamental no perderse.
Si utilizamos datos de mala calidad (que no representan la realidad) inevitablemente tendremos malas predicciones. Aquí también puede estar presente el sesgo de confirmación: Si obtenemos un buen resultado tendemos a pensar que es debido a que hemos tomado una decisión acertada. No somos conscientes que algunas veces no es así:
Existen resultados satisfactorios con decisiones mal tomadas y viceversa.
Obviamente en general tendremos más posibilidades de tener buenos resultados si tomamos buenas decisiones, pero no podemos esperar que siempre sea así, y deberíamos aprender que aunque el resultado no es el deseable, si creemos que la acción que llevó a ese resultado es correcta debemos repetirla en las mismas circunstancias.
No olvidéis: La vida se juega más en el largo plazo que en el corto.
Cómo Convertirse en un Superforecaster
¿Quieres convertirte en un superforecaster?
En este libro os indican los pasos prácticos que puedes tomar para mejorar tus habilidades de toma de decisiones y comenzar a hacer predicciones más precisas, con infinidad de ejemplos:
El Futuro de la Ciencia de la Predicción
La ciencia de la predicción está en constante evolución. Las tendencias en este campo junto con la omnipresente IA son constantes. L
as decisiones informadas pueden ayudar a resolver problemas globales, desde el cambio climático hasta una pandemia, pero también nos pueden ayudar en nuestro día a día. Y recuerda que los modelos actuales como ChatGPT pueden ayudar a generar ideas, pero muy fácilmente puede también inventar datos. Se crearon como modelos de lenguajes, no lo olvidemos.
Como bonus aquí os dejamos algunas de las frases que nos han parecido más interesantes:
«If you do happen to agree, don’t take that agreement – in itself – as proof that you are right. Never stop doubting.»
— Superforecasting. The Art and Science of Prediction
«Si llegas a un acuerdo, no lo tomes como una prueba de que estás en lo cierto. Nunca dejes de dudar.»
«Consensus is not always good; disagreement not always bad.»
— Superforecasting. The Art and Science of Prediction
«Llegar a un consenso no siembre es bueno. El desacuerdo no siempre es malo»
«People often assume that when decision is followed by a good outcome, the decision was good, which isn’t always true.»
— Superforecasting. The Art and Science of Prediction
«A menudo se asume que si una decisión es seguida de un buen resultado, la elección estaba bien tomada, lo que no siempre es cierto»
«»Why» directs us to metaphysics. «How» sticks with physics.»
— Superforecasting. The Art and Science of Prediction
«El «porqué nos lleva a la metafísica. El «como» queda para la física.»
«Beliefs are hypothesis to be tested, not treasures to be guarded.»
— Superforecasting. The Art and Science of Prediction
«Las crencias son hipótesis a probar, no tesoros que hay que defender.»
«There are two types of people in the world: those who think there are two types, and those who don’t. I’m of the second type.»
— Superforecasting. The Art and Science of Prediction
«Hay 2 tipos de personas en el mundo: Aquellas que creen que hay 2 tipos de personas, y aquellas que no lo creen. Yo soy del segundo tipo.»