Colaboración masiva vs. sabiduría colectiva

La colaboración masiva, o crowdsourcing, consiste en conseguir que muchas personas hagan un trabajo o aporten contenido: por ejemplo, los editores de Wikipedia que escriben artículos, quienes financian proyectos en Kickstarter o los conductores de Uber que realizan viajes. La multitud es un recurso para completar tareas. La sabiduría colectiva, o «sabiduría de las multitudes», es diferente: consiste en obtener información precisa al combinar juicios diversos e independientes, como al predecir resultados electorales, calcular distancias o adivinar cuántos caramelos hay en un frasco. Aquí, la multitud es una herramienta estadística que compensa los errores individuales. ¿Cuál es la diferencia clave? La colaboración masiva pide a las personas que creen o hagan; la sabiduría colectiva les pide que juzguen o predigan. Cuando las personas de un grupo se influyen entre sí, pierden su independencia y la sabiduría colectiva falla, aunque todas se esfuercen al máximo.

Reflexiona sobre esto: Piensa en una ocasión en la que cambiaste tu respuesta tras escuchar las opiniones de otras personas: ¿mejoró o empeoró la precisión?

En qué se diferencian los dos conceptos

La colaboración masiva, o crowdsourcing, reparte el trabajo entre muchas personas, a menudo por internet. Es un modelo de externalización en el que un grupo distribuido, que a menudo no recibe remuneración o cobra poco, realiza tareas que de otro modo podrían encargarse a empleados. Wikipedia recurre a la colaboración masiva para crear conocimiento. Amazon Mechanical Turk la utiliza para pequeñas tareas, como etiquetar imágenes. Kickstarter la utiliza para obtener financiación. El objetivo es completar tareas: conseguir que el trabajo se haga.

La sabiduría colectiva es un fenómeno estadístico: cuando muchas personas emiten juicios independientes sobre una pregunta con una respuesta factual, su promedio o su mediana suele ser más preciso que las respuestas de la mayoría de las personas por separado. El experimento de Francis Galton sobre el peso de un buey en una feria de 1906, publicado en Nature en 1907, lo demostró: la mediana de las estimaciones de unos 800 asistentes se acercó de forma sorprendente al peso real del buey. Entre los ejemplos actuales están los mercados de predicción que pronostican resultados electorales y las estimaciones de indicadores económicos. El objetivo es la precisión: extraer la verdad del ruido.

Por qué importa la independencia

Las investigaciones muestran que la influencia social destruye la sabiduría colectiva. Cuando las personas conocen las estimaciones de otras antes de dar la suya, sus respuestas se acercan al consenso. Esto reduce la diversidad sin mejorar la precisión. En los experimentos, incluso compartir un poco de información sobre las estimaciones ajenas hizo que los grupos perdieran su sabiduría: las estimaciones se concentraron en torno a respuestas incorrectas mientras aumentaba la confianza. Esta es la paradoja: conocer las opiniones ajenas nos hace sentir más seguros, incluso cuando el grupo pierde precisión en conjunto.

Cuándo funciona cada enfoque

La colaboración masiva destaca cuando las tareas pueden dividirse en partes y las aportaciones pueden combinarse o someterse a votación: software de código abierto, proyectos de ciencia ciudadana o elaboración de mapas para responder a desastres. La sabiduría colectiva funciona en problemas de estimación y predicción en los que las personas disponen de información parcial y los errores son aleatorios en lugar de sistemáticos. Pero requiere diversidad de perspectivas, independencia de los juicios, descentralización del conocimiento y un mecanismo para combinar las aportaciones. Fíjate en esto: La próxima vez que veas una predicción colectiva o el resultado de una encuesta, pregúntate si las personas que participaron realmente tomaron sus decisiones de forma independiente.

El efecto de la sabiduría de las multitudes depende de cuatro condiciones: diversidad de opiniones (cada persona aporta información o una perspectiva propia), independencia (las opiniones no están determinadas por quienes la rodean), descentralización (las personas pueden especializarse y recurrir al conocimiento local) y agregación (existe un mecanismo para convertir los juicios individuales en una decisión colectiva). Cuando se cumplen estas condiciones, el error colectivo equivale al error individual promedio menos la diversidad del grupo. Es decir, la diversidad resta literalmente errores al conjunto. Surowiecki (2004): las multitudes toman mejores decisiones que los individuos o los expertos cuando se cumplen las cuatro condiciones, y el autor establece paralelismos con el muestreo estadístico. [1]

Las investigaciones experimentales revelan lo fácil que es que la sabiduría colectiva deje de funcionar. Lorenz et al. (2011): incluso una influencia social leve debilita el efecto de la sabiduría de las multitudes al reducir la diversidad de opiniones sin mejorar la precisión. Esto provoca tres efectos negativos distintos: menor diversidad sin mejoras en la precisión, un intervalo de estimaciones más estrecho que desplaza la verdad hacia sus extremos y mayor confianza individual pese al peor rendimiento colectivo. [2]

Page (2007): formaliza el teorema de la predicción basada en la diversidad, que muestra que el error colectivo equivale al error individual menos la diversidad. Así demuestra matemáticamente por qué los grupos diversos superan a los homogéneos en tareas de predicción. [3]

La investigación también identifica limitaciones fundamentales. Couzin y Kao (2014): en entornos complejos, los grupos grandes son muy susceptibles a la información correlacionada, y los grupos pequeños suelen maximizar la precisión de las decisiones. Esto cuestiona la idea de que las multitudes más grandes siempre son más sabias. [4]

La sabiduría colectiva falla cuando el grupo no es realmente diverso (todos comparten los mismos sesgos), cuando las personas tienen vínculos emocionales entre sí o son susceptibles a la presión del grupo, cuando las cascadas de información hacen que las primeras opiniones dominen las posteriores, cuando la pregunta requiere creatividad en lugar de estimación o cuando no existe una verdad objetiva con la que comparar las respuestas. Las burbujas financieras lo ilustran de forma espectacular: el comportamiento de rebaño lleva a multitudes enteras a tomar decisiones desastrosas. Además, Lanier sostiene que los colectivos solo son inteligentes cuando los problemas implican optimización con criterios de evaluación sencillos, no creatividad o innovación. Los críticos también señalan que las multitudes pueden fallar de forma sistemática cuando los supuestos culturales impiden que todos vean los mismos puntos ciegos o cuando las preguntas requieren conocimientos especializados de los que la mayoría carece.