A continuación, seguimos explorando ideas del libro «Superforecasting: The Art and Science of Prediction» que considero muy relevantes para todo aquel que quiera mejorar su capacidad de predecir. En el momento de explorar la idea de ver el mundo como una libélula, es decir, abordar un problema des de todas las perspectivas posibles.
Las libélulas tienen una forma extraordinaria de ver el mundo. Sus ojos están compuestos por miles de lentes individuales, cada una captando una porción distinta del entorno. El resultado no es una imagen fragmentada, sino una visión integrada y más rica. ¿Y si aplicáramos ese mismo principio a cómo pensamos sobre el futuro?
El sesgo de nuestra única perspectiva
Uno de los mayores retos al hacer predicciones es que solemos ver el mundo desde un solo ángulo: el nuestro. Nuestra experiencia, nuestras creencias y nuestras emociones actúan como filtros que limitan lo que vemos —y lo que somos capaces de anticipar.
El método de la libélula
Philip Tetlock, experto en predicción y coautor de «Superpronosticadores. El arte y la ciencia de la predicción«, propone adoptar la mirada de la libélula. La idea es simple pero poderosa: cuantas más perspectivas agregues a tu análisis, mejor será tu comprensión y tus predicciones.
Así funciona este enfoque en la práctica:
- Actualiza constantemente
La visión de libélula no es estática. A medida que recibes nueva información, deberías ajustar tus creencias y tus predicciones. - Divide el problema en partes
En lugar de lanzarte a una predicción global, separa el problema en subcomponentes más manejables. ¿Qué factores intervienen? ¿Qué escenarios son posibles? - Consulta múltiples fuentes
Lee, pregunta, escucha. No te quedes con una única narrativa. Contrasta visiones opuestas, busca datos alternativos, examina lo que dicen expertos con distintos enfoques. - Agrega sin promediar ciegamente
No se trata de hacer la media entre opiniones, sino de integrar los distintos puntos de vista en un todo coherente, valorando la solidez y la lógica de cada uno. - Cuestiona tu propio punto de vista
Pregúntate: ¿y si estoy equivocado? ¿Qué datos podrían cambiar mi opinión? ¿Qué evidencia tendría que ver para pensar lo contrario?
Ejemplo práctico: ¿Subirá el precio del petróleo más de un 20 % el próximo año?
Supongamos que estás tratando de predecir si el precio del barril de petróleo aumentará más de un 20 % durante el próximo año. En lugar de hacer una estimación única basada en tu intuición, aplicas la visión compuesta de la libélula y recoges estimaciones desde distintas perspectivas:
- Perspectiva económica: Revisas las previsiones de crecimiento global y la evolución esperada de la demanda energética.
- Probabilidad estimada: 40 %
- Perspectiva geopolítica: Tienes en cuenta tensiones en Oriente Medio, elecciones en EE. UU., y decisiones estratégicas de la OPEP.
- Probabilidad estimada: 65 %
- Perspectiva climática: Analizas patrones como El Niño y posibles desastres naturales que podrían afectar la producción.
- Probabilidad estimada: 30 %
- Perspectiva técnica (análisis de precios pasados): Estudias tendencias históricas y análisis técnico que sugieren un posible repunte.
- Probabilidad estimada: 50 %
¿Cómo combinar estas visiones?
Supongamos que das pesos distintos a cada perspectiva en función de su fiabilidad o relevancia para este caso. Por ejemplo:
| Perspectiva | Probabilidad | Peso relativo |
|---|---|---|
| Económica | 40% | 30% |
| Geopolítica | 65% | 40% |
| Climática | 30% | 10% |
| Técnica | 50% | 20% |
El resultado de combinar estas visiones (una media ponderada) es:
Pfinal=(0.4×0.3)+(0.65×0.4)+(0.3×0.1)+(0.5×0.2)=0.12+0.26+0.03+0.10=0.51
➡️ Probabilidad final estimada de que el petróleo suba más de un 20 %: 51 %
Ver con ojos compuestos
Pensar como una libélula no garantiza certezas, pero te aleja de los errores más comunes en la predicción: la sobreconfianza, la rigidez mental y el pensamiento en grupo.
Al final, ver el mundo con múltiples lentes no es solo una metáfora elegante: es una estrategia concreta para tomar mejores decisiones en un mundo incierto.
The Bayesian Fox 