En la lección 1 dibujasteis la curva de fiabilidad y visteis cómo los puntos de casi todo el mundo caían por debajo de la diagonal: la confianza adelantando a la precisión. Esa caída tiene nombre, el exceso de confianza (overconfidence), y es el hallazgo más fiable de toda la ciencia del juicio. Aparece en estudiantes, médicos, ingenieros, directivos y analistas de la CIA. Apenas se mueve con la inteligencia, la formación o lo que haya en juego.
Pero “el exceso de confianza” es en realidad una familia de fallos distintos que visten el mismo abrigo. Esta lección le quita el abrigo. Conoceréis sus dos caras principales — vuestros números salen demasiado altos y vuestras barras de error salen demasiado estrechas —, veréis exactamente cómo pillar cada una con las manos en la masa y aprenderéis por qué el fallo empeora justo cuando menos os lo podéis permitir: en las preguntas difíciles.
Antes de leer — adivina
Pedís a 100 personas un rango del que estén un 90 % seguras de que contiene la altura del Everest. De media, ¿qué fracción de esos rangos contendrá realmente la altura verdadera?
Las dos caras del exceso de confianza
Imaginad dos formas en las que un arquero puede ser malo. El primero apunta al sitio equivocado: todas las flechas aterrizan treinta centímetros a la derecha de la diana. El segundo apunta bien, pero jura que toda la aljaba caerá dentro de un círculo diminuto y luego ve cómo las flechas se esparcen por todo el blanco. La misma palabra —“exceso de confianza”—, dos problemas completamente distintos y una cura diferente para cada uno.
Esa es la distinción central de esta lección. El exceso de confianza se divide en dos caras:
- La sobreestimación (overestimation) — exceso de confianza en la magnitud o la probabilidad. Vuestras estimaciones puntuales salen demasiado altas y vuestras probabilidades salen demasiado calientes: decís “90 % seguro” y acertáis el 75 % de las veces. Es la caída por debajo de la diagonal en la curva de fiabilidad. El primer arquero.
- La sobreprecisión (overprecision) — exceso de confianza en la precisión de vuestras creencias. Vuestras barras de error, rangos e intervalos de confianza se dibujan demasiado estrechos: vuestro “intervalo del 90 %” contiene la verdad la mitad de las veces. Puede que de media apuntéis a la respuesta correcta, pero subestimáis radicalmente lo inciertos que estáis. El segundo arquero.
(Hay una tercera cara, más discreta — la sobrecolocación (overplacement), o el efecto “mejor que la media”: creer que estáis por encima del conductor, el inversor o el cómico medianos, lo cual no puede ser cierto para la mayoría de la gente a la vez. Vale la pena saber que existe, pero esta lección se queda con las dos que destrozan los pronósticos: la sobreestimación y la sobreprecisión.)
Por qué importa la división
Las dos caras necesitan arreglos distintos. La sobreestimación se cura bajando vuestros números: tirar del “90 %” hacia el “75 %”. La sobreprecisión se cura ampliando vuestros rangos: haciendo vuestras barras de error más grandes, no vuestras estimaciones más pequeñas. Confundidlas y aplicaréis la medicina equivocada: encoger una probabilidad demasiado alta no hace nada por una barra de error demasiado estrecha.
Una geóloga dice “Estoy un 95 % segura de que este pozo dará petróleo.” De 100 pozos así, exactamente 70 producen. Luego, por separado, sus intervalos del 95 % para el tamaño de las reservas contienen la reserva real solo el 55 % de las veces. ¿Qué caras del exceso de confianza son estas?
La sobreprecisión y la prueba del intervalo del 90 %
La forma más limpia de pillar la sobreprecisión es el experimento de la introducción: pedir intervalos de confianza del 90 % sobre datos curiosos y contar cuántos contienen la verdad. Si sois honestos, nueve de cada diez deberían hacerlo. La gente aterriza de forma fiable en torno a cuatro o cinco de cada diez: sus rangos son más o menos la mitad de amplios de lo que exige la honestidad.
Aquí tenéis un ejemplo trabajado. Supongamos que alguien da estos intervalos del 90 %, y luego comprobamos la realidad:
| Cantidad | Su intervalo del 90 % | Verdad | ¿Dentro? |
|---|---|---|---|
| Longitud del Nilo (km) | 4.000 – 6.000 | 6.650 | ❌ |
| Año de nacimiento de Beethoven | 1740 – 1760 | 1770 | ❌ |
| Altura del Everest (m) | 8.000 – 9.000 | 8.849 | ✅ |
| Punto de ebullición del mercurio (°C) | 200 – 300 | 357 | ❌ |
| Número de huesos del cuerpo humano | 200 – 240 | 206 | ✅ |
| Distancia Tierra–Luna (miles de km) | 300 – 360 | 384 | ❌ |
Seis rangos “90 % seguros”; dos contenían la verdad. Eso es una tasa de acierto del 33 % frente a un 90 % declarado: una brecha de calibración de 57 puntos. Y fijaos en el patrón de los fallos: la verdad sigue cayendo justo más allá del borde que dibujaron. No apuntaron salvajemente mal; simplemente se negaron a hacer los rangos lo bastante amplios.
La cura es casi vergonzosamente mecánica: ampliad deliberadamente cada rango. Coged el intervalo que os parezca correcto y luego empujad el extremo bajo más abajo y el alto más arriba hasta que el rango parezca casi demasiado generoso, ligeramente incómodo, incluso un poco ridículo. Esa incomodidad es la sensación de un 90 % honesto. La lección 4, Pensar en rangos, le da el tratamiento completo.
El reflejo del rango estrecho
La sobreprecisión es traicionera porque un rango amplio parece ignorancia. Decir “el Nilo mide entre 3.000 y 9.000 km” suena a admitir que no lo sabéis, así que lo apretáis para sonar competentes y os disparáis en el pie. Un intervalo del 90 % bien calibrado se supone que parece demasiado amplio. Si vuestros rangos nunca os dan un poco de vergüenza, son demasiado estrechos.
Vuestros últimos veinte intervalos de confianza del 90 % contenían la respuesta verdadera solo 9 veces. ¿Cuál es la corrección correcta?
El efecto difícil-fácil
El exceso de confianza no es un impuesto plano. Escala con la dificultad: cuanto más difícil y desconocida sea la pregunta, más amplia es la brecha entre lo seguros que os sentís y la frecuencia con la que acertáis. En preguntas genuinamente fáciles la brecha incluso puede invertirse: la gente se vuelve un pelín infraconfiada, acertando más a menudo de lo que afirma. Esto es el efecto difícil-fácil (hard-easy effect).
Vedlo en números. Imaginad que ordenáis vuestras respuestas de verdadero/falso en tres cubos según lo difíciles que eran las preguntas, y decís “80 % seguro” en todas:
| Dificultad de la pregunta | Confianza declarada | % real de aciertos | Brecha |
|---|---|---|---|
| Fácil | 80 % | 87 % | +7 (ligeramente infraconfiado) |
| Media | 80 % | 72 % | −8 (con exceso de confianza) |
| Difícil | 80 % | 58 % | −22 (con gran exceso de confianza) |
El mismo “80 % seguro” saliendo de vuestra boca cada vez; tres verdades completamente distintas por detrás. En el cubo fácil os infravendisteis. En el cubo difícil vuestro 80 % valía apenas algo más que lanzar una moneda. La moraleja no es “bajad toda vuestra confianza” — eso destrozaría vuestra calibración en las preguntas fáciles. Es que vuestra confianza necesita doblarse con la dificultad mucho más de lo que lo hace de forma natural.
En las preguntas difíciles y desconocidas tenéis menos señal real, pero vuestra sensación de confianza no se encoge para igualarla, porque está anclada a lo fluida que viene una respuesta a la mente, no a cuánto sabéis en realidad. Así que la sensación se mantiene alta mientras la precisión se desploma, y la brecha se abre de par en par. En las preguntas fáciles tenéis señal de sobra y tendéis a cubriros sin necesidad, así que la precisión adelanta calladamente a la confianza. Lección: tratad “esta es difícil” como una instrucción directa para acercar vuestras probabilidades al 50 % y ampliar vuestros rangos.
Según el efecto difícil-fácil, ¿en qué tipo de pregunta es MÁS probable que la confianza de una persona supere a su precisión?
Por qué vamos calientes (los mecanismos)
Entonces, ¿por qué la aguja se queda clavada en “demasiado confiado”? Un puñado de mecanismos vívidos, cada uno un hilo que lleva de vuelta a un modelo que ya conocéis:
- No buscamos pruebas que nos contradigan. Ante la pregunta “¿tendrá éxito este lanzamiento?”, enumeramos razones por las que sí y nunca repasamos las razones por las que no. Eso es el sesgo de confirmación (confirmation bias) inflando calladamente la probabilidad desde dentro.
- Recordamos los aciertos y olvidamos los fallos. Vuestra memoria es un resumen de las mejores jugadas, las veces que lo acertasteis; los fallos se desvanecen. Así que vuestro historial percibido es más rosa que el real, y la confianza de mañana toma prestado de un pasado amañado.
- Nos recompensan socialmente por sonar seguros. “¿Un 60 %, quizá?” suena flojo al lado de un golpe seguro en la mesa. Cubrirse se castiga en las reuniones aunque sea la respuesta más precisa, así que aprendemos a interpretar una seguridad que no tenemos.
- La visión interna ignora las tasas base. Al estimar este proyecto, esta startup, este trayecto, construimos una historia rosa a partir de los detalles concretos y nos saltamos la aburrida pregunta de la visión externa: ¿cómo fueron los últimos cien proyectos como este? Ese es el motor de la falacia de la planificación (planning fallacy), y el descuido de las tasas base disfrazado de optimismo.
El hilo común
Todos los mecanismos empujan en la misma dirección: hacia arriba. Por eso el exceso de confianza es casi unidireccional: no es ruido aleatorio, es una pila de sesgos todos inclinándose hacia el mismo lado. Lo cual también es una buena noticia. Un error sistemático y predecible es exactamente del tipo que se puede entrenar para corregir: eso es la lección 5.
Lo que hay en juego: cuando ir caliente sale caro
En un concurso de preguntas, la sobreprecisión os cuesta unos cuantos puntos. En el mundo real, arruina fondos y revienta plazos. Dos sabores de lo caro:
La estimación que se desliza. Un equipo está “90 % seguro de que entregamos en 6 semanas”. Su rango era de 6–6 semanas: anchura cero, la sobreprecisión definitiva. El intervalo honesto del 90 %, trazado a partir de cómo fueron de verdad los proyectos similares, era más bien de 6–14 semanas. Asignaron personal, hicieron marketing y firmaron contratos contra el número estrecho, y el desliz de cuatro semanas detonó las tres cosas. Lo peligroso no era la estimación puntual optimista; era la anchura que faltaba. Una barra de error bien calibrada les habría dicho que le prometieran al cliente la semana 14, no la 6.
El movimiento que “no podía ocurrir”. Un modelo de riesgo declara que un desplome del mercado es un “evento de 10 sigmas”: tan improbable que no debería ocurrir ni una vez en la vida del universo. Entonces ocurre, dos veces en una semana. El modelo no tuvo simplemente mala suerte; era sobrepreciso respecto a las colas, dibujando su distribución de probabilidad demasiado estrecha y declarando imposibles catástrofes que solo eran raras. (Conocisteis estos extremos subestimados de frente en el curso de las colas anchas.) El modelo demasiado confiado no solo falló: le dijo a todo el mundo que no había nada de lo que cubrirse.
Ese es el vínculo profundo con el margen de seguridad (margin of safety). Un margen de seguridad es el colchón que construís porque podríais estar equivocados, y cuánto colchón necesitáis lo fija enteramente cuán amplia sea vuestra barra de error honesta. La sobreprecisión encoge la barra de error hasta la nada, lo que susurra “no hace falta margen”, que es justo cuando llega lo raro y no hay colchón que lo absorba. Un rango bien calibrado es la entrada que os dice cuánto margen de seguridad comprar. Equivocaos con la anchura y cada decisión de seguridad posterior se equivocará con ella.
Un equipo se compromete a un plazo del que está “95 % seguro” de cumplir, y luego lo incumple por mucho. ¿Qué diagnóstico encaja mejor, y cuál es el coste más profundo?
Resumen
Las dos caras del exceso de confianza, la prueba que pilla cada una, el giro de la dificultad y por qué la anchura es lo que os protege:
¿Cuál es la diferencia entre la sobreestimación y la sobreprecisión?
Comprueba tu respuesta para continuar.
Hacia dónde va esto a continuación
Ya sabéis nombrar la enfermedad e incluso calcularla a ojo en una curva de fiabilidad o en una tasa de acierto de intervalos. Pero “más o menos la mitad” y “una gran brecha” siguen siendo vagos. El pronóstico necesita un único número que califique todo un lote de predicciones a la vez, y que recompense las probabilidades honestas mientras castiga al farolero que grita “¡99 %!”.
Ese número es el Brier score (puntuación de Brier), y la lección 3, Puntuar vuestras creencias, lo construye desde cero con un ejemplo trabajado que podéis copiar. Una vez que podáis puntuar el exceso de confianza, podréis verlo encogerse, que es el objetivo de todo esto: estar calibrados.