Si afirma que “es muy posible”, ¿qué tan posible creen las personas que es?

Cuando usa palabras vagas para describir la probabilidad de un evento, tiene mucho espacio para hacerse ver bien después de que suceda

Este artículo es exclusivo para suscriptores (3)

Suscríbase para disfrutar de forma ilimitada de contenido exclusivo y confiable.


Ingrese a su cuenta para continuar disfrutando de nuestro contenido


Este artículo es exclusivo para suscriptores (2)

Suscríbase para disfrutar de forma ilimitada de contenido exclusivo y confiable.


Este artículo es exclusivo para suscriptores (1)

Suscríbase para disfrutar de forma ilimitada de contenido exclusivo y confiable.

Las personas usan todo el tiempo palabras imprecisas para describir la probabilidad de eventos: “es probable que llueva” o “hay una posibilidad real de que lancen antes que nosotros” o “es dudoso que las enfermeras se vayan a huelga.” Estos términos no sólo son subjetivos, sino que también pueden tener interpretaciones muy diferentes. El “muy probable” de una persona es el “lejos de ser seguro” de otra. Nuestra investigación muestra qué tan grandes pueden ser estas brechas de entendimiento, y la clase de problemas que pueden surgir de las diferencias en la interpretación.

Cuando usa palabras vagas para describir la probabilidad de un evento, tiene mucho espacio para hacerse ver bien después de que suceda. Si el evento predicho ocurre, uno podría declarar: “Dije que probablemente sucedería”. Si no ocurre, la respuesta de respaldo podría ser: “Yo sólo dije que probablemente sucedería.” Estas palabras ambiguas no sólo le permiten evitar reclamos al orador, también provocan que el receptor interprete el mensaje en una forma consistente con sus nociones preconcebidas. Obviamente, el resultado es una mala comunicación.

Para nuestra investigación, creamos una encuesta con un par de metas en mente. Una fue encuestar individuos fuera de las comunidades científicas y de inteligencia. Otra fue ver si podríamos detectar alguna diferencia de edad o género, o entre aquellos que aprendieron inglés como primer o segundo idioma.

He aquí las tres principales lecciones de nuestro análisis:

1. Use porcentajes en lugar de palabras para evitar malas interpretaciones

Nuestra encuesta les pidió a miembros del público en general que asignaran probabilidades a 23 frases o palabras comunes que aparecieron en orden aleatorio.

Inmediatamente destacan las diversas probabilidades que las personas le asignan a ciertas palabras. Mientras que algunas están construidas de forma muy estrecha, otras son ampliamente interpretadas. La mayoría de las personas piensa que “siempre” significa “100% del tiempo,” por ejemplo, pero la probabilidad que la mayoría le atribuye a un evento descrito como con una “posibilidad real” de suceder puede variar entre un 20% y un 80%. En general, descubrimos que la palabra “posible” y sus variaciones invitan a la confusión.

También descubrimos que los hombres y mujeres ven de forma distinta algunas palabras probabilísticas. Las mujeres tienden a asignarle mayores probabilidades a frases y palabras ambiguas, como “quizá”, “posiblemente” y “podría suceder”. Una vez más, el término “posible” y sus equivalentes suelen llevar a malas interpretaciones.

No observamos diferencias significativas de interpretación entre grupos de edad o entre hablantes nativos de inglés y quienes lo usan como segundo idioma, con una excepción: la frase “slam dunk” (un enceste sencillo, en términos de basquetbol). En promedio, los hablantes nativos de inglés interpretaron que la frase indica una probabilidad de 93%, mientras que los no nativos la colocaron en 81%. Este resultado ofrece una advertencia para que cuando trate de ser claro evite frases culturalmente sesgadas en general y metáforas deportivas en particular.

2. Use enfoques estructurados para establecer probabilidades

Una de las principales razones de que las personas usen palabras ambiguas en lugar de cifras precisas es para reducir el riesgo de equivocarse, pero las personas también se cubren con palabras por que no están familiarizadas con formas estructuradas de definir probabilidades.

Las investigaciones muestran que tendemos a estar excesivamente confiados en nuestros juicios. Por ejemplo, en otra encuesta le pedimos a las personas que respondieran 50 preguntas de verdadero o falso (como “La distancia de la Tierra al Sol permanece constante durante el año”) y que estimaran su confianza. Más de 11.000 personas participaron. Los resultados muestran que el nivel promedio de confianza en responder correctamente era del 70%, mientras que el promedio de respuestas buenas fue solo de un 60%. Nuestros encuestados estuvieron excesivamente confiados por 10 puntos porcentuales.

Entonces, ¿cómo definir probabilidades en forma inteligente?

Cuando las posibilidades son ambiguas, a diferencia de una situación de apuesta simple (donde una moneda al aire tiene 50% de posibilidades), estará lidiando con lo que los teóricos de las decisiones llaman “probabilidades subjetivas”. Estas no pretenden ser la probabilidad correcta; reflejan las creencias personales de un individuo respecto al resultado. Debería actualizar sus estimados de probabilidad subjetiva cada vez que recibe información relevante.

Una forma de clarificar su probabilidad subjetiva es comparar su estimado con una apuesta concreta. Digamos que se espera que un competidor lance una nueva oferta el próximo trimestre, amenazando con disrumpirle a usted su producto más redituable. Usted trata de evaluar la probabilidad de que el lanzamiento no suceda. Una forma de encuadrar su apuesta pudiera ser: “Si el producto no se lanza, recibo $1 millón, pero si sí se lanza, no recibo nada.”

Ahora imagine una jarra con 25 canicas verdes y 75 azules. Cierre los ojos y seleccione una canica. Si es verde, recibe $1 millón, y si es azul no recibe nada. Sabe que tiene una posibilidad del 25% de obtener una canica verde y ganar el dinero.

¿En cuál preferiría apostar: en la de que no se realice el lanzamiento del producto o en la de extraer una canica de la jarra?

Optar por la jarra indica que considera que su oportunidad de ganar esa apuesta (25%) es mayor que la de ganar la apuesta de que su competidor no lance el producto. Por lo tanto, debe creer que la probabilidad de que falle el lanzamiento del producto de su competidor es menor al 25%.

De esta forma, usar una referencia objetiva puede ayudarlo a identificar su probabilidad subjetiva

3. Busque retroalimentación para mejorar predicciones

Ya sea que esté usando términos vagos o números precisos para describir probabilidades, lo que realmente está haciendo es pronosticar. Si señala que hay “una posibilidad real” de que se lance el producto de su competidor, está prediciendo el futuro. En los negocios y muchos otros ámbitos, ser un buen pronosticador es importante y requiere práctica. Sin embargo, el simplemente predecir no es suficiente; necesita retroalimentación. Asignar probabilidades brinda una forma de retroalimentación el permitirle llevar registro de su desempeño.

Los escritores de opinión y los intelectuales públicos suelen hablar acerca del futuro, pero típicamente no expresan sus convicciones con la precisión suficiente para permitir un registro adecuado de su desempeño. Por ejemplo, un analista podría especular, “Facebook muy probablemente seguirá siendo la red social dominante en los próximos años”. Es difícil medir la corrección de este pronóstico, porque es subjetivo y la redacción ambigua sugiere un amplio rango de posibilidades. Una declaración como “Hay una probabilidad del 95% de que Facebook tendrá más de 2.500millones de usuarios mensuales el próximo año” es precisa y cuantificable.

La siguiente vez que se vea declarando que un trato u otro resultado empresarial es “poco probable” o, alternativamente, que es “virtualmente seguro”, deténgase y pregunte: ¿Qué porcentaje les adjudicaría a las probabilidades de este resultado? Encuadre su predicción de esta forma, y su posición le quedará clara a usted y a los demás.

Andrew Mauboussin es un científico de datos en Twitter. Michael J. Mauboussin es director de investigación en BlueMountain Capital Management y profesor adjunto en la Columbia Business School.