Cuando se habla de predicción, la conversación suele girar rápidamente hacia modelos cuantitativos, datos y algoritmos. Sin embargo, en muchos contextos reales, la mejor estrategia predictiva no es cuantitativa, ni tampoco una simulación formal.
Antes de números, a menudo solo hay experiencia, analogías, narrativas plausibles y/o juicios informados.
A eso lo llamamos predicción cualitativa y lejos de ser un recurso “menor”, es una estrategia legítima y, en muchos casos, necesaria.
1. ¿Cuándo conviene usar predicción cualitativa?
La predicción cualitativa es especialmente útil cuando forzar una predicción cuantitativa sería artificial o engañoso. No siempre faltan datos; a veces lo que falta es estructura, comparabilidad o estabilidad.
Hay cuatro situaciones típicas:
- Escasez de datos: fenómenos nuevos o cambios estructurales sin historial fiable. (Ejemplos: impacto inicial de ChatGPT en el mercado laboral; implantación del Ingreso Mínimo Vital; Brexit antes de 2016)
- Datos poco comparables o no estructurados: fenómenos con información dispersa, cualitativa o procedente de fuentes heterogéneas. (Ejemplos: comités clínicos durante la COVID-19; informes previos a fusiones empresariales; señales regulatorias y borradores normativos)
- Horizonte largo o alta incertidumbre: cuando el resultado depende más de decisiones humanas que de patrones estadísticos (Ejemplos: escenarios geopolíticos sobre la guerra en Ucrania; entrada en nuevos mercados; reformas del sistema de pensiones)
- Fase exploratoria: en ocasiones, antes de usar un modelo cuantitativo, conviene entender el espacio de posibilidades. (Ejemplo: diseño de escenarios en stress tests bancarios antes de modelizar impactos)
En resumen, la predicción cualitativa no sustituye a la cuantitativa: a veces es la única opción, a veces el punto de partida y a veces el complemento necesario.
2. Tipos de predicción cualitativa
En el post introductorio vimos que no hay una sola forma de predecir cualitativamente. Veamos cada una con ejemplos reales.
2.1 Juicio experto
El juicio experto se basa en la experiencia acumulada de personas con conocimiento profundo del dominio. No es intuición improvisada, sino la capacidad de interpretar señales incompletas desde el contexto.
Un ejemplo habitual son las estimaciones macroeconómicas preliminares, que se elaboran antes de disponer de datos oficiales completos.
Su principal fortaleza es la rapidez y el conocimiento del entorno; su mayor riesgo, los sesgos individuales.
2.2 Analogías
La predicción por analogías compara el caso actual con situaciones pasadas similares, buscando patrones relevantes sin necesidad de modelos formales.
Un ejemplo claro es el análisis de crisis financieras, donde episodios anteriores sirven como referencia para interpretar dinámicas actuales.
Este enfoque aporta estructura cuando los datos escasean, pero puede fallar si las analogías están mal elegidas.
2.3 Escenarios narrativos
Los escenarios narrativos exploran varios futuros plausibles en lugar de una única predicción, aceptando que la incertidumbre no siempre puede resumirse en un número.
Se utilizan, por ejemplo, en la planificación estratégica empresarial, para evaluar decisiones bajo contextos alternativos.
Su fortaleza es explorar incertidumbre profunda; su límite, quedarse en lo narrativo si no se conectan con decisiones reales.
2.4 Métodos de consenso
Los métodos de consenso agregan juicios de múltiples expertos para reducir sesgos individuales y aprovechar información dispersa. El método Delphi es el caso más conocido.
Un ejemplo típico son las previsiones tecnológicas cuando no existen datos históricos suficientes.
Aportan diversidad de perspectivas, aunque pueden derivar en conformismo si no se gestionan bien.
Para cerrar
Las predicciones cualitativas no son un “plan B” al que recurrir cuando faltan datos. Son una forma distinta —y a menudo necesaria— de enfrentarse a la incertidumbre, especialmente cuando el contexto es nuevo, cambiante o difícil de formalizar.
En muchos casos permiten abrir el espacio de posibilidades, formular mejores preguntas y preparar el terreno para modelos cuantitativos más sólidos, en lugar de sustituirlos.
En el próximo post daremos el siguiente paso y entraremos en la clasificación de las predicciones cuantitativas analíticas. Veremos cómo cambia el planteamiento cuando empezamos a cuantificar la información disponible intentado separar la señal del ruido.
The Bayesian Fox 