Experimento del buey de Galton

En un famoso experimento de Sir Francis Galton de 1906, el promedio de las estimaciones de 787 asistentes a una feria sobre el peso de un buey fue de 1197 libras: una diferencia de menos del uno por ciento respecto al peso real de 1198 libras. Esto demostró que el juicio colectivo de un grupo diverso puede ser muy preciso porque los errores individuales —unos estiman de más y otros de menos— tienden a compensarse.

Por ejemplo, si le pides a un grupo grande que estime cuántas gomitas hay en un frasco, es probable que el promedio de sus estimaciones se acerque más a la cantidad real que la mayoría de las respuestas individuales.

Pregúntate: ¿Cuándo podría obtener una mejor respuesta consultando a un grupo en vez de preguntarle a un solo experto?

El experimento del buey de Galton es el ejemplo fundacional de la «sabiduría de las multitudes». Su mecanismo central es la agregación estadística, es decir, combinar muchas estimaciones. Aunque la estimación de cada persona contiene tanto información como errores, estos errores suelen ser aleatorios. Al combinar muchas estimaciones independientes, esos errores tienden a compensarse y dan lugar a un juicio colectivo sorprendentemente cercano al valor real.

En el estudio de Galton, tanto la media (el promedio simple) como la mediana (el valor central) fueron muy precisas. En esta entrada, «promedio» se refiere a la media, salvo que se indique lo contrario.

Para que este efecto funcione, hay cuatro condiciones fundamentales:

• Diversidad: El grupo necesita una mezcla de perspectivas e información diferentes.
• Independencia: Cada persona debe formar su opinión sin dejarse influir por los demás.
• Descentralización: Las personas deben poder recurrir a sus propios conocimientos locales y específicos.
• Agregación: Debe existir un mecanismo que combine los juicios individuales en una decisión colectiva.

Este principio se aplica en muchos contextos actuales. En teoría, los mercados financieros combinan las diversas opiniones de millones de inversores para determinar los precios de los activos. Las empresas usan mercados internos de predicción y consultan a sus empleados para prever plazos de proyectos o cifras de ventas. A menudo, esto ofrece resultados más precisos que los métodos tradicionales de planificación.

Sin embargo, la sabiduría de las multitudes no es una solución infalible. Falla cuando al grupo le falta diversidad, cuando las personas empiezan a copiarse unas a otras (lo que da lugar a cascadas de información o pensamiento de grupo) o cuando el problema exige conocimientos especializados. Funciona para estimar el peso de un buey, pero no para realizar una cirugía cerebral.

La «sabiduría de las multitudes» es el principio según el cual combinar juicios independientes puede producir estimaciones muy precisas, ya que el error colectivo del grupo suele ser menor que el error individual promedio. Su eficacia depende de condiciones clave identificadas en investigaciones posteriores.

• Galton (1907): En el experimento fundacional, la mediana de las estimaciones del grupo sobre el peso de un buey fue de 1207 libras y la media fue de 1197 libras. El peso real era de 1198 libras, lo que demostró una notable precisión colectiva. [1]
• Surowiecki (2004): Identificó cuatro condiciones fundamentales para que un grupo muestre sabiduría colectiva: diversidad de opiniones, independencia de sus miembros, descentralización del conocimiento y un mecanismo de agregación. [2]
• Larrick y Soll (2006): Demostraron la fuerza de este efecto con el «principio del promedio»: calcular el promedio de incluso dos estimaciones independientes suele ser más preciso que elegir la mejor estimación individual. [3]

La sabiduría de las multitudes no es universal. Su principal limitación es que requiere juicios independientes. Cuando las personas se influyen entre sí, los errores pueden correlacionarse y amplificarse, lo que da lugar a comportamientos de rebaño, burbujas de mercado o pensamiento de grupo. Además, si todo el grupo comparte un sesgo sistemático (por ejemplo, si todos son demasiado optimistas), el promedio simplemente reflejará ese sesgo. El principio también es menos eficaz para resolver problemas que requieren conocimientos profundos y especializados que no se pueden descomponer en juicios más pequeños e independientes.