Un reciente estudio publicado por el Instituto de Investigación Operativa y Ciencias de la Gestión revela una paradoja fascinante: la psicología de las predicciones explicaría por qué muchas personas prefieren tener la razón absoluta antes que cometer un error menor. Este hallazgo desafía la lógica en la que se basan muchos sistemas de pronóstico, herramientas de análisis predictivo y modelos de inteligencia artificial.
La investigación apunta a que, para una parte significativa de la población, el acto de predecir o evaluar un resultado no se rige por la misma lógica que los modelos estadísticos. En lugar de valorar una reducción en el margen de error esperado, las personas otorgan un peso desmedido a la posibilidad de un acierto exacto. Según el Instituto, esta tendencia se intensifica notablemente cuando alguien pasa de un estado de total certeza a uno de error leve.
El artículo, publicado en la reconocida revista Management Science, fue liderado por Berkeley J. Dietvorst, de la Escuela de Negocios Booth de la Universidad de Chicago. El investigador señaló a través del Instituto que “para muchas personas, el objetivo de una predicción es tener razón, no solo minimizar el error promedio”. Esta perspectiva humana choca frontalmente con la filosofía de diseño de la mayoría de los sistemas automatizados.
Hallazgos clave sobre la percepción del error
Dietvorst y su equipo llevaron a cabo un riguroso análisis que incluyó 16 estudios con diversas tareas de predicción y formatos experimentales. El patrón emergente fue consistente: los participantes mostraron lo que los investigadores denominan una sensibilidad decreciente al error de predicción.
En múltiples experimentos, se pidió a los participantes que evaluaran distribuciones de probabilidad y formularan sus pronósticos. Con frecuencia, se inclinaron por opciones que maximizaban la posibilidad de un acierto exacto, incluso cuando otras alternativas ofrecían un mejor desempeño en términos de reducción del error esperado general.
La investigación también profundizó en las reacciones emocionales ante los fallos. Se observó que la satisfacción de una persona se desploma drásticamente cuando pasa de un acierto perfecto a un error mínimo. Por el contrario, cuando el error ya es considerable, aumentos adicionales del mismo apenas afectan su nivel de satisfacción. Este patrón, según el Instituto, sugiere que una vez que una predicción se percibe como “fallida”, la magnitud del error pierde relevancia para el usuario.
Implicaciones para la inteligencia artificial y la confianza del usuario
Este descubrimiento tiene profundas implicaciones para el diseño y la adopción de tecnologías basadas en inteligencia artificial. Sistemas como motores de recomendación, modelos de negocio y herramientas de apoyo a la toma de decisiones están optimizados para minimizar el error promedio, pero los humanos los evalúan con una lógica diferente.
Dietvorst advirtió que “los resultados resaltan la importancia de comprender los objetivos humanos antes de diseñar sistemas predictivos. Si los modelos se optimizan para metas que difieren de lo que las personas valoran, la adopción y la confianza pueden verse afectadas”.
El estudio, publicado en Management Science en 2025, pone en duda una idea ampliamente aceptada por especialistas y organizaciones. Si el público valora por encima de todo el acierto exacto, un sistema diseñado para equivocarse menos en promedio podría no ser percibido como satisfactorio, generando rechazo.
Este fenómeno se manifiesta en múltiples ámbitos donde la tecnología y el juicio humano convergen. En el sector financiero, por ejemplo, los usuarios suelen desconfiar de recomendaciones automatizadas si estas no coinciden punto por punto con sus expectativas, incluso cuando el sistema demuestra un bajo margen de error global. Algo similar ocurre en las aplicaciones de salud digital, donde la percepción de exactitud absoluta influye de manera determinante en la aceptación de diagnósticos o sugerencias médicas generadas por algoritmos.
Este desacople entre la optimización técnica y la experiencia subjetiva del usuario puede derivar en frustración, erosionar la confianza en las herramientas y, en última instancia, limitar su adopción masiva. Para los desarrolladores, comprender esta brecha psicológica es crucial a la hora de diseñar interfaces, comunicar las capacidades y limitaciones de los modelos predictivos, y así lograr alinear las soluciones tecnológicas con las expectativas reales de las personas.
Fuente: Infobae