En un post anterior clasificábamos los métodos de previsión en dos grandes familias: cuantitativos y cualitativos. Dentro de los cualitativos podemos distinguir aquellos basados en juicio individual (opinión experta, analogías históricas, escenarios narrativos) y aquellos que intentan estructurar el juicio colectivo para reducir sesgos. El método Delphi pertene a esta segunda categoria.
No es predicción basada en datos en sentido estricto porque no parte de series temporales ni modelos matemático pero tampo es simple intuición. Es, probablemente, el intento más sofisticado del siglo XX de convertir el juicio experto en una herramienta sistemática de predicción.
Este método nació además en un contexto donde equivocarse podía significar una guerra nuclear.
Origen: la Guerra Fría y la obsesión por anticipar
A comienzos de los años sesenta, en plena escalada geopolítica, la RAND Corporation trabajaba para el Departamento de Defensa de Estados Unidos con una pregunta central: ¿Cómo anticipar avances tecnológicos que podrían alterar el equilibrio estratégico?
La intuición individual no era suficiente. Tampoco bastaba con reunir mentes brillantes en una sala. Era necesario diseñar un procedimiento que redujera la arbitrariedad del juicio experto.
El resultado fue el Método Delphi, bautizado irónicamente en referencia al Oráculo griego —aunque sus creadores detestaban cualquier asociación mística—.
En 1964 aplicaron el método a gran escala para intentar anticipar desarrollos científicos y tecnológicos del año 2000 en adelante. Participaron 82 expertos de disciplinas diversas. Lo que estaba en juego no era una predicción puntual, sino la posibilidad de sistematizar la prospectiva.
El procedimiento: fases del Método Delphi
La innovación del Delphi no estuvo en consultar expertos —eso ya era habitual— sino en cómo estructurar esa consulta. El método sustituye el debate presencial por un proceso iterativo y anónimo que puede resumirse en las siguientes fases:
- Formulación del problema: Se define con precisión la cuestión prospectiva: tecnologías, eventos o escenarios a evaluar, normalmente asociados a horizontes temporales y probabilidades.
- Primera ronda (exploratoria): Los expertos responden de forma individual y anónima, generalmente mediante preguntas abiertas o estimaciones preliminares. Se busca amplitud y diversidad de hipótesis.
- Agregación estadística: Las respuestas se sintetizan en distribuciones (medianas, rangos, dispersión). No se publican nombres, solo resultados agregados.
- Retroalimentación controlada: Cada participante recibe la distribución del grupo junto con un resumen argumental. Puede comparar su estimación con la del conjunto.
- Revisión individual (actualización): Los expertos ajustan —o mantienen— su posición a la luz de la información agregada. No hay necesidad de “defender” públicamente la postura inicial.
- Iteración hasta estabilización: El proceso se repite hasta que las respuestas muestran convergencia suficiente o dejan de variar significativamente.
El objetivo del Delphi no es alcanzar la unanimidad, sino lograr una convergencia razonable bajo condiciones de anonimato. Desde una perspectiva bayesiana, el mecanismo resulta especialmente elegante: cada experto revisa y actualiza su estimación al observar la información agregada del grupo. El resultado no es un relato persuasivo ni una conclusión retórica, sino una distribución estructurada del juicio colectivo.
La experiencia de 1964: ¿qué predijeron?
El informe final incluyó decenas de tecnologías evaluadas según su probabilidad y horizonte temporal.
Algunas predicciones fueron notablemente precisas:
- Desarrollo funcional de órganos artificiales.
- Generalización de la anticoncepción oral.
- Automatización industrial avanzada y robótica.
- Sistemas de traducción automática y asistencia gramatical.
En retrospectiva, sorprende su capacidad para extrapolar trayectorias científicas reales en un momento donde la informática apenas daba sus primeros pasos.
Pero también hubo errores llamativos:
- La crianza de simios superinteligentes para tareas domésticas.
- Dispositivos capaces de manipular o neutralizar la gravedad.
Estos fallos no fueron simples excentricidades. Revelan algo profundo: cuando el marco científico es difuso o especulativo, incluso el juicio colectivo puede deslizarse hacia la imaginación no anclada. Aquí encontramos una lección metodológica clave.
Post-mortem: ¿qué funcionó y qué no?
Mirando hacia atrás podemos aplicar un breve post-mortem de los pronósticos del experimento de 1964 para ver qué podemos aprender de él.
Predicción original (1964): anticipar qué tecnologías serían viables hacia el año 2000.
Resultado real: varias se cumplieron (órganos artificiales, automatización, asistentes lingüísticos); otras no (control de la gravedad, simios superinteligentes).
Evaluación: buena dirección en campos con bases científicas sólidas; menor fiabilidad en ámbitos especulativos.
Errores detectados: exceso de extrapolación tecnológica en dominios sin anclaje físico claro; convergencia interpretada como plausibilidad.
Lección aprendida: el Delphi no garantiza verdad, pero reduce extremos y convierte juicio experto disperso en señal estructurada. Y en entornos de alta incertidumbre, eso ya es una ventaja estratégica significativa.
De la estrategia militar a la política pública
Tras la Guerra Fría, el Método Delphi trascendió el ámbito militar y se consolidó como herramienta civil en planificación tecnológica, evaluación de políticas públicas y generación de consenso clínico. Organismos como TAISS lo utilizan para definir estándares en procedimientos médicos complejos cuando la evidencia empírica es incompleta, pero las decisiones no pueden posponerse.
Este desplazamiento desde la estrategia militar hacia la práctica sanitaria revela algo más profundo: el verdadero problema nunca fue la guerra, sino la gestión de la incertidumbre. Y esa sigue siendo, hoy, nuestra condición estructural.
Reflexión final: ¿qué nos enseña hoy el Delphi?
En un mundo de la predicción dominado o por expertos (cuyas opiniones son ámpliamente difundidas por los medios y las redes sociales) o por métodos frios que analizan patrones numéricos , el Método Delphi ocupa un lugar peculiar. No es cuantitativo ni produce intervalos de confianza clásicos, pero es profundamente racional. Nos recuerda que predecir no es solo un problema matemático, sino también institucional: cómo diseñamos procesos que obliguen a pensar mejor en grupo.
En 1964 anticiparon asistentes gramaticales que hoy son triviales y también imaginaron simios domésticos que hoy resultan absurdos. La cuestión no es si hoy acertaremos con nuestra predicciones sobre IA o longevidad, sino si estamos construyendo procedimientos que nos permitan actualizar nuestras creencias con disciplina.
La lección que nos parece dar el método Delphi es que el futuro no se adivina: se estructura.
The Bayesian Fox 