Heurísticos y sesgos
Así se titula la segunda parte de la obra de Kahneman. Los heurísticos cognitivos son reglas simples que nos permiten resolver problemas complejos de forma rápida e intuitiva, sin necesidad de hacer un razonamiento costoso.
Los heurísticos son tremendamente útiles y proporcionan al ser humano una ventaja evolutiva frente a otras especies. Nos permiten identificar situaciones de peligro y anticipar circunstancias adversas, así como decidir con gran velocidad.
Sin embargo, esta forma de tomar decisiones, que en la gran mayoría de los casos funciona bien, conlleva algunos sesgos que pueden llevarnos a cometer errores. Kahneman identifica nuestra incapacidad de pensar de forma estadística como el origen de muchos de estos problemas.
A continuación, algunos de estos sesgos reportados por Kahneman.
1. La ley de los pequeños números
Me encanta el título que Kahneman usa para describir este sesgo de apreciación tan habitual. Es una ironía que hace referencia a la conocida ley de los grandes números, la que justifica, entre otras cosas, que la media de un valor en una muestra suficientemente grande de individuos converge a la media en el total de la población.
¿A qué se refiere Kahneman con “ley de los pequeños números”? Las personas manejamos muy mal el concepto de error muestral. Si nos dicen que el 60% de los electores prefieren al candidato “A”, lo mismo nos da que el dato provenga de una encuesta realizada a 50, a 100 o a 1.000 personas (salvo que seamos profesionales de la investigación de mercados o la estadística). Nuestra certidumbre acerca del dato va a ser la misma.
Nuestra mente es extraordinaria buscando relaciones de causalidad pero no ponderando la significancia estadística. Somos implacables sacando conclusiones a partir de muestras insuficientes. Ejemplo: paso un fin de semana en París, voy a cenar a un restaurante y los camareros me atienden mal. A mi regreso, comento a mis conocidos sin ningún tipo de rubor que “en París el servicio es pésimo”. Y lo afirmo con la seguridad que me da una muestra de… ¡una unidad!.
Esta tendencia a sacar conclusiones con escasa base estadística tiene una explicación biológica que se remonta a nuestros orígenes como especie. Voy andando por la selva, me encuentro un león y me ataca. Concluyo que no quiero volver a tener encuentros con leones sin necesidad de comprobar si he tenido mala suerte y el león que me ha tocado tiene una particular animadversión por la especie humana. Es más seguro sacar conclusiones precipitadas con muestras pequeñas que tratar de tener una base estadística segura.
Nuestra capacidad para conectar causas y efectos nos persigue, no podemos desactivarla: tengo un accidente de coche con un taxista y concluyo que los taxistas son temerarios. Siempre que identifico un rasgo característico en un suceso no puedo evitar pensar que puede ser algo más que una coincidencia; puede ser una causa.
2. Anchoring (anclaje)
Observa las dos preguntas siguientes:
- ¿Tenía Gandhi más o menos de 144 años cuando murió?
- ¿Qué edad tenía Gandhi cuando murió?
Al formular ambas preguntas de forma consecutiva, la estimación que las personas hacen de la edad que tenía Gandhi al morir es muy superior a la que hacen las personas a las que se les formula únicamente la segunda pregunta.
Este fenómeno se conoce como “anchoring” o anclaje. Cuando tenemos que hacer estimaciones y actuar en consecuencia, nos agarramos a cualquier información que pase frente a nosotros, aunque esa información sea absolutamente irrelevante.
El “anchoring” afecta a nuestra vida diaria. Por ejemplo, vas a comprar una vivienda, has visto una que te resulta atractiva y no tienes ni idea de cuánto puede costar. Hablas con el vendedor y éste lanza un precio de venta inicial. Aunque no estés dispuesto a aceptar ese precio, inconscientemente tu valoración se moverá en torno a ese valor inicial (el ancla) por lo que difícilmente vas a acabar pagando una cantidad muy diferente.
El “anchoring” es un fenómeno clave en el arte de la negociación. El ejemplo anterior nos enseña que, contrariamente a lo que muchas personas piensan, suele ser ventajoso lanzar una propuesta en primer lugar cuando se inicia una negociación; al hacerlo, estás fijando el rango de valores en torno a los que versará la discusión.
Asimismo, muchos especialistas en marketing usan el “anchoring” para diseñar promociones. Un experimento realizado en USA relativo a una promoción de sopas Campbell mostró que el texto “promoción limitada a 12 productos por persona” no solo promovía más venta (por el efecto “escasez” a que apela el límite de la promoción) sino que permitió demostrar que fijar el límite de producto a 12 unidades doblaba la cantidad de producto que compraban los usuarios. La simple mención del número 12 se ancló en la mente de los consumidores.
3. Sesgo de disponibilidad
Otro fenómeno fácil de observar: cuando nos preguntan algo, el hecho de tener a mano algún ejemplo concreto en nuestra memoria nos hará juzgar un fenómeno como más probable de lo que realmente es.
Por ejemplo, nos preguntan acerca de la seguridad del transporte aéreo la semana después de que haya habido un accidente; nuestra respuesta tenderá a ser más negativa, simplemente porque tenemos un caso a mano que soporta la idea de que volar es inseguro.
El sesgo de disponibilidad es justamente el resorte mental al que apelan las organizaciones terroristas. La probabilidad de padecer un atentado en un país desarrollado es ínfima, pero la percepción que la población tiene de este riesgo es muy superior al riesgo real gracias a la gran notoriedad que tienen los atentados. La notoriedad los hace muy disponibles para nuestra memoria.
4. Sesgo de representatividad
Tendemos a ignorar lo que se conoce como “frecuencia de base” o base rate; nos guiamos demasiado por los estereotipos. Kahneman lo explica perfectamente con un experimento que realizó en numerosas ocasiones. Se trata del siguiente enunciado.
Tom W. es un estudiante de una universidad pública de tu país. Ordena de 1 a 9 qué estudios crees que está cursando Tom:
- Administración de empresas
- Informática
- Ingeniería
- Humanidades
- Derecho
- Medicina
- Biblioteconomía
- Biología
- Ciencias sociales y laborales
Al enfrentarnos a un enunciado así, la mayoría de nosotros optamos por usar las “frecuencias de base” de las diferentes carreras universitarias. Es decir, si no sé nada más de Tom W., debería considerar que la carrera más probable es la más popular, la que más estudiantes escogen actualmente. Es la estrategia correcta.
Kahneman verificó que así era: la mayor parte de personas priorizaban carreras como Humanidades frente a otras como Biblioteconomía o Informática (en la época en la que Kahneman hizo este estudio, la informática era mucho menos popular que ahora).
Sin embargo, imagina que ampliamos el enunciado anterior con un perfil psicológico de Tom W. que afirma lo siguiente:
“Tom W. tiene un nivel de inteligencia alta, aunque falto de creatividad. Tiene necesidad de orden y claridad, así como de sistemas precisos en los que cada detalle encuentra su lugar apropiado. Escribe de forma fría y mecánica (…) Tiende a sentir poca simpatía por otras personas y no disfruta de la interacción con otros. Aunque egocéntrico, tiene un sentido de la moral estricto.”
Al añadir esta información, los participantes del estudio ordenan las carreras de forma muy diferente. Donde antes se priorizaba “Humanidades”, ahora se prioriza “Informática”, “Ingenierías”, “Administración de empresas”, “Biología” y “Biblioteconomía”.
¿Qué ha sucedido? Simplemente nos hemos dejado llevar por los estereotipos (el perfil psicológico de un “nerd” se ajusta mejor a la imagen que tenemos de un informático que de un estudiante de historia) y, lo que es más grave, hemos ignorado por completo las proporciones de base. De pronto, una carrera tan minoritaria como Biblioteconomía pasa a estar en quinta posición.
Este fenómeno – ignorar las frecuencias de bases – es justamente el que pretende resolver el enfoque estadístico que está tan de moda últimamente y que se conoce como pensamiento bayesiano. El perfil psicológico de Tom W. no debería evaluarse de forma aislada, debería considerarse como una evidencia a añadir a una información a priori: la probabilidad de que Tom W. estudie cada carrera si no supiéramos nada más de él.
Razonando de forma bayesiana podemos corregir el sesgo de representatividad que, de forma natural, nos lleva a ignorar la información a priori en cuanto aparece una evidencia (en este caso el perfil psicológico).
5. Regresión a la media
Este fenómeno es largamente conocido, pero no suficientemente comprendido, a mi parecer.
La regresión a la media es un puro efecto estadístico que nos dice que en una población normal, caracterizada por una media, cuando observamos un fenómeno improbable (lejano a la media) lo más habitual es que vaya seguido de un fenómeno más probable (cercano a la media).
Sin embargo, nuestra intuición puede jugarnos malas pasadas. Por ejemplo, pensamos que los hijos de una pareja excepcionalmente alta (los dos) deberían ser aún más altos que los padres. En realidad, los padres son dos humanos excepcionales y lo más probable es que sus hijos, aun siendo altos, no sean tan excepcionales como sus padres.
Kahneman expone un ejemplo muy ilustrativo de cómo nos puede engañar la regresión a la media. Impartiendo un curso de motivación, uno de los asistentes negaba la tesis de que es mejor recompensar que castigar para mejorar el rendimiento de los equipos. Su argumento era simple: “siempre que alguien de mi equipo lo hace muy bien y le felicito, la vez siguiente lo hace peor, mientras que cuando alguien lo hace muy mal, si le grito, la vez siguiente lo hace mejor”. ¿Qué está sucediendo en este caso? Una simple regresión a la media. Cada vez que alguien hace un ejercicio excepcionalmente bien, lo más probable es que la próxima vez lo haga de forma menos excepcional y por tanto peor. Y a la inversa.
En un próximo post revisaremos la tercera parte de Thinking, Fast and Slow, dedicada a nuestro exceso de confianza en lo que creemos saber.
