El sesgo de supervivencia: las pruebas que nunca aparecen

En 1943, el ejército estadounidense tenía un problema: derribaban demasiados bombarderos sobre Europa. Así que hicieron lo sensato — examinaron los aviones que volvían, mapearon cada agujero de bala y se dispusieron a atornillar blindaje extra en las zonas más castigadas. Las alas y el fuselaje estaban acribillados; los motores estaban casi limpios. Blindar las alas, pues. Caso cerrado.

El estadístico Abraham Wald miró el mismo mapa y llegó a la conclusión contraria. Los agujeros no te decían dónde reciben impactos los aviones — te decían dónde puede recibir un impacto un avión y aun así volver a casa. Los motores no mostraban agujeros no porque nunca los alcanzaran, sino porque los aviones alcanzados ahí nunca volvían para ser medidos. El blindaje pertenecía justo donde los supervivientes no tenían agujeros. Wald tenía razón, el blindaje fue a los motores, y el modelo que salvó esos aviones tiene un nombre: sesgo de supervivencia (survivorship bias) — el error sistemático de sacar conclusiones de los supervivientes de un filtro mientras las bajas, invisibles, destrozan discretamente tu razonamiento.

Este es uno de los errores de razonamiento más generalizados y caros que existen, porque las pruebas que faltan no se anuncian. No dejan ningún hueco que puedas ver. Cuando estudias los hábitos de los milmillonarios, los rendimientos de los fondos que aún existen, el diseño de los edificios que siguen en pie, los consejos de la gente que «lo logró» o las lecciones de las empresas retratadas en cada superventas empresarial, estás leyendo una muestra que fue pre-filtrada por el éxito — y los fracasados que hicieron exactamente lo mismo están callados, sin contar y a menudo son muchos más. Los ganadores son visibles; el cementerio no. Saca tus conclusiones solo de la mitad visible y fiablemente sobrevalorarás las apuestas arriesgadas, atribuirás a la habilidad lo que fue suerte y copiarás los «secretos» de los supervivientes que los muertos siguieron con la misma fidelidad.

Este curso construye el modelo desde cero. Primero la mecánica central: cómo un filtro de selección borra en silencio parte de tus datos, de modo que la muestra que analizas no es la población que crees. Luego los bombarderos de Wald al completo — la lógica resuelta de blindar los huecos, y por qué «donde están los agujeros» es exactamente al revés. Luego el modelo en su hábitat: los fondos de inversión cuyos fracasos se esfuman del historial, los «hábitos de la gente de éxito» que los fracasados también compartían, los viejos edificios resistentes y la ilusión de que «antes se construía mejor», el testimonio de los supervivientes del Titanic y las pruebas silenciosas de los adoradores ahogados de Taleb. Luego por qué nuestra mente pica — los ganadores son accesibles y vívidos, los perdedores se han ido, y ninguna alarma suena por datos que sencillamente no están. Por último, cómo defenderse: encuentra el denominador, busca la cohorte que falta, pregunta «¿qué fue de todos los que empezaron?» y exige la tasa base de toda la población, no solo la de los que siguen en pie. Pilotarás tú mismo la flota de Wald y verás cómo los impactos mortales se esconden justo donde los supervivientes no muestran daño. Al terminar, nunca más confundirás a los supervivientes con la historia completa.