Sabiduría de las multitudes

Cuando las personas hacen estimaciones independientes sobre algo medible, sus errores individuales suelen compensarse. El promedio de muchas estimaciones diversas tiende a acercarse más a la realidad que la mayoría de las estimaciones individuales, incluso cuando nadie es experto. Los errores por exceso y por defecto se equilibran y dejan ver la información que tienen en común.

Fíjate en esto: Cuando escuchas estimaciones muy distintas sobre lo mismo, el punto medio suele ser sorprendentemente acertado.

Cómo funciona

La sabiduría de las multitudes surge cuando se cumplen tres condiciones: independencia (cada persona piensa por su cuenta), diversidad (distintas experiencias y perspectivas) y agregación (las respuestas individuales se combinan, normalmente calculando el promedio). Cuando se cumplen estas condiciones, los sesgos individuales y los errores aleatorios tienden a compensarse en lugar de acumularse.

Ejemplos cotidianos

Previsiones empresariales: Las empresas suelen mejorar sus previsiones de ingresos al promediar las estimaciones de los equipos de ventas, marketing y finanzas, en lugar de depender de la intuición del director ejecutivo. Cada departamento ve distintas partes del panorama, y sus sesgos suelen apuntar en direcciones opuestas. Concursos de caramelos de goma: Los experimentos en ferias locales muestran de forma consistente que la mediana de las estimaciones de 100 o más asistentes queda a entre un 3 y un 5 % de la cantidad real, mientras que solo una pequeña proporción de las estimaciones individuales se acerca tanto. Predicción de precios: Los mercados combinan las expectativas de millones de operadores sobre el valor futuro de las empresas y, a menudo, procesan la información más rápido de lo que podría hacerlo un solo analista.

Cuándo funciona mejor

La sabiduría de las multitudes se refuerza cuando las personas tienen algo de información relevante, aunque sea parcial, cuando hacen estimaciones realmente independientes en lugar de seguir a personas influyentes y cuando la pregunta tiene una respuesta concreta, como «cuántos» o «a qué precio». El efecto deja de funcionar cuando las personas copian las opiniones de otras, cuando unas pocas voces dominantes influyen en el grupo o cuando se difunde ampliamente información falsa. Las redes sociales suelen producir el efecto contrario: las multitudes amplifican los errores en lugar de compensarlos, porque los «me gusta» y las publicaciones compartidas crean ciclos de retroalimentación perjudiciales.

Aplicaciones prácticas

Puedes aprovechar la sabiduría de las multitudes buscando deliberadamente opiniones diversas antes de tomar decisiones importantes, calculando el promedio de varias estimaciones de expertos en lugar de elegir una sola o usando mercados de predicción para resultados inciertos. La clave es asegurar la independencia: recoge las opiniones por separado antes de comentarlas en grupo.

Francis Galton documentó por primera vez de forma sistemática la sabiduría de las multitudes en 1907. Analizó un concurso de una feria local que consistía en estimar un peso y descubrió que la mediana de 787 estimaciones quedó a un 0,8 % del peso real de un novillo, más cerca que cualquier estimación individual de un experto. La investigación moderna ha precisado cuándo funciona este efecto y cuándo falla.

• Surowiecki (2004): Identifica tres condiciones necesarias para la sabiduría de las multitudes —independencia, diversidad y descentralización— y muestra cómo los mercados y las democracias tienen éxito o fracasan según se cumplan o no estas condiciones [1].
• Lorenz et al. (2011): Demuestra que la influencia social destruye la sabiduría de las multitudes. Cuando las personas ven las estimaciones de otras antes de hacer las suyas, los errores convergen en lugar de compensarse, lo que reduce la precisión hasta en un 30 % [2].
• Mellers et al. (2014): Encuentra que los mercados de predicción superan a los expertos individuales el 71 % de las veces cuando los participantes tienen incentivos y algo propio en juego, pero no obtienen mejores resultados que el azar cuando los operadores están poco informados o poco motivados [3].

La sabiduría de las multitudes no es magia: depende de condiciones específicas que a menudo no se cumplen en situaciones reales. Cuando se producen cascadas de información (las personas siguen las primeras opiniones en lugar de pensar por su cuenta), las multitudes pueden amplificar enormemente los errores en lugar de compensarlos. Las burbujas financieras, la difusión de información falsa y el «pensamiento grupal» en las organizaciones son casos en los que no se cumplen las condiciones ideales. Quienes critican este enfoque señalan que calcular el promedio trata todas las opiniones como igualmente válidas, lo cual es peligroso cuando algunas personas tienen conocimientos especializados reales y otras estiman a ciegas. El enfoque también falla ante preguntas sin una respuesta que se pueda conocer (juicios morales, preferencias estéticas) o cuando un sesgo sistemático afecta a la mayoría de los miembros del grupo en la misma dirección (por ejemplo, el sesgo racial al estimar la duración de las condenas).