A continuación se expone y se reflexiona sobre una idea extraída del libro “Superpronosticadores. El arte y la ciencia de la predicción”. Se trata de la llamada “sabídura de las masas” que defiende que la agregación combinada de muchas opiniones es mejor que la de unas pocas, aunque estas se consideren expertas.
En 1906, el estadístico Francis Galton visitó una feria agrícola en Plymouth, Inglaterra. Allí observó un curioso concurso: los asistentes debían adivinar el peso de un buey expuesto, y el ganador sería quien más se acercara al peso real.
Galton, escéptico del «pueblo llano», recopiló los 787 boletos con estimaciones y decidió analizarlos. Calculó la mediana de todas las predicciones: 1.207 libras. El peso real del animal era 1.198 libras. Solo nueve libras de diferencia. Increíblemente preciso.
Este episodio se ha convertido en un clásico ejemplo de lo que hoy conocemos como la «sabiduría de las multitudes»: cuando se agregan muchas opiniones independientes, incluso si no son expertas, el resultado puede ser sorprendentemente acertado.
¿Por qué ocurre esto?
Cuando muchas personas hacen estimaciones sobre un fenómeno incierto, cada una aporta su propia información, intuición o experiencia. Aunque cada juicio individual esté sesgado o sea impreciso, al promediar todos los errores individuales, estos tienden a compensarse unos con otros. Lo que queda es una señal estadísticamente robusta: una predicción razonable.
Claro, esto solo funciona bajo ciertas condiciones:
- Que haya diversidad de opiniones.
- Que cada estimación sea independiente y autónoma.
- Que no haya un sesgo sistemático que afecte a todos por igual.
Cuando estas condiciones se cumplen, incluso un grupo sin conocimientos expertos puede superar a un solo experto.
Mercados financieros: ¿la multitud perfecta?
La idea de la sabiduría colectiva no solo se aplica a ferias ganaderas. De hecho, una teoría económica muy influyente se basa en un principio similar: la Hipótesis del Mercado Eficiente (EMH, por sus siglas en inglés).
Propuesta en los años 70 por Eugene Fama, esta hipótesis sostiene que los precios en los mercados financieros ya reflejan toda la información disponible. Es decir, si miles de inversores analizan constantemente datos y ajustan sus carteras, el precio de una acción, bono o criptomoneda no es un capricho, sino una especie de «mejor predicción colectiva» del valor futuro.
En su versión más fuerte, la EMH sugiere que es imposible «ganarle al mercado» de forma sistemática, porque todo lo que se puede saber ya está incorporado en el precio.
¿Qué podemos aprender para mejorar nuestras propias predicciones?
Tanto el ejemplo del buey como la teoría de los mercados eficientes nos enseñan algo valioso: nuestras predicciones mejoran cuando integramos múltiples puntos de vista.
Esto tiene aplicaciones prácticas:
- Cuando estimes algo incierto (¿cuántos visitantes tendrá mi web? ¿cuál será el resultado de unas elecciones?), intenta recopilar más de una opinión.
- Si participas en un equipo, no busques consenso prematuro: fomenta primero la expresión individual y luego agrega.
- Usa modelos que promedian hipótesis o combinan estimaciones (como los modelos bayesianos jerárquicos o los ensembles en aprendizaje automático).
- Y si puedes, consulta o participa en mercados de predicción.
Polymarket, predicciones y sesgos
En los últimos años han ganado popularidad plataformas de apuestas online como Polymarket, donde los usuarios pueden apostar dinero sobre eventos futuros: elecciones, decisiones judiciales, lanzamientos tecnológicos, etc. Al igual que en los mercados financieros, el precio resultante representa la «probabilidad implícita» que los participantes atribuyen a un evento.
Y lo fascinante es que muchas veces aciertan. Por ejemplo, estos mercados suelen predecir resultados electorales mejor que las encuestas tradicionales, gracias a que agregan muchísima información dispersa.
Pero también pueden fallar. La sabiduría de la multitud no es infalible.
Un ejemplo: si un evento tiene mucha visibilidad en medios, como un escándalo político reciente, los apostadores pueden sobreestimarlo debido al sesgo de disponibilidad. Es decir, si algo está más presente en nuestra memoria, le atribuimos más importancia o probabilidad, aunque no sea estadísticamente justificable.
Además, si los participantes no son diversos o independientes —por ejemplo, si todos siguen las mismas fuentes de información o si hay manipulación interesada—, se rompe la magia del promedio.
Conclusión
La clave para predecir mejor no está en saber más, sino en saber combinar. La sabiduría de las multitudes, los precios de mercado o los sistemas bayesianos nos enseñan que agregar puntos de vista es una herramienta poderosa.
Pero no olvidemos que una multitud sesgada es solo una masa confundida.
Por eso, cuando uses estas herramientas —ya sea una encuesta, un mercado predictivo o tu propio juicio—, recuerda: la calidad de una predicción colectiva depende de la diversidad, independencia y honestidad de sus partes.
The Bayesian Fox 