El Efecto de Subaditividad

De un vistazo

1. Resumen rápido

Cuando pensamos en riesgos o posibilidades en términos generales, tendemos a subestimarlos. Pero cuando esas mismas posibilidades se dividen en escenarios específicos y vívidos, la suma de nuestras estimaciones para cada escenario excede nuestra estimación para el conjunto. Esencialmente, el detalle engendra creencia: cuanto más específica es la descripción, más probable creemos que es algo, incluso cuando la lógica dicta lo contrario. Esta es la razón por la que la "muerte por causas naturales" parece menos probable que la "muerte por cáncer más enfermedad cardíaca más otras causas naturales" combinadas.

2. La ciencia detrás de ello

2.1. Descubrimiento e historia

El efecto de subaditividad fue formalmente identificado y rigurosamente documentado en 1994 por los psicólogos cognitivos Amos Tversky y Derek Koehler en su artículo fundamental que introdujo la Teoría del Apoyo. Si bien investigaciones anteriores habían insinuado violaciones de la aditividad de la probabilidad, Tversky y Koehler fueron los primeros en proporcionar un marco teórico integral que explicaba por qué y cómo ocurren sistemáticamente estas violaciones.

El descubrimiento surgió del programa de investigación más amplio sobre el juicio bajo incertidumbre del que Tversky había sido pionero con Daniel Kahneman desde la década de 1970. Su trabajo sobre heurísticas y sesgos ya había revelado que los juicios de probabilidad humanos se desvían de los modelos normativos de manera predecible. La Teoría del Apoyo representó una extensión natural, formalizando la idea de que la probabilidad subjetiva no está unida a los eventos en sí, sino a las descripciones de esos eventos.

Hitos clave en la investigación:

• 1994: Tversky y Koehler publican "Support Theory: A Nonextensional Representation of Subjective Probability", estableciendo la base teórica.
• 1995: Redelmeier, Koehler y sus colegas extienden los hallazgos al diagnóstico médico, demostrando implicaciones clínicas en el mundo real.
• 1998: Fox y Tversky integran la Teoría del Apoyo con la Teoría de las Perspectivas, demostrando efectos en las apuestas deportivas y los mercados financieros.
• 2004: Bearden, Wallsten y Fox introducen modelos estocásticos que explican el papel del error aleatorio.
• 2008: Thomas y sus colegas proponen el modelo HyGene, ofreciendo una explicación mecanicista basada en la recuperación de la memoria.
• Década de 2010-presente: Aplicación al análisis de inteligencia, seguros y evaluación de riesgos geopolíticos.

2.2. Investigadores clave

2.3. Estudios emblemáticos

El estudio de las "Causas no naturales" (Tversky & Koehler, 1994)

Este experimento sigue siendo la demostración definitiva de la subaditividad. Utilizando un diseño entre sujetos, los participantes estimaron la probabilidad de muerte por diversas causas en los Estados Unidos.

Metodología:

• Condición agregada (empaquetada): Los sujetos estimaron la probabilidad de que una muerte seleccionada al azar se debiera a "causas naturales".
• Condición desglosada (desempaquetada): Diferentes sujetos estimaron las probabilidades para causas naturales específicas: "Cáncer", "Ataque cardíaco" y "Otras causas naturales".

Hallazgos clave:

• Estimación media para "causas naturales" (agregadas): 58%
• Suma de estimaciones separadas: Cáncer (18%) + Ataque cardíaco (22%) + Otras (33%) = 73%
• Inflación de 15 puntos porcentuales cuando se desglosó la categoría.

Esto demostró que el concepto de "causas naturales" no contiene psicológicamente el peso total de las enfermedades que lo constituyen. El desglose hace que las amenazas específicas sean más prominentes, aumentando así su probabilidad percibida.

El estudio de los Playoffs de la NBA (Fox & Tversky, 1998)

Para comprobar si la experiencia en el dominio mitiga la subaditividad, este estudio examinó las predicciones de baloncesto profesional.

Metodología:

• Los participantes (fanáticos y analistas) juzgaron la probabilidad de que los equipos ganaran el campeonato de la NBA.
• Juicios comparados a través de niveles jerárquicos: equipos individuales, divisiones y conferencias.

Hallazgos clave:

• Suma mediana de probabilidades para 8 equipos individuales: >2.0 (el doble del máximo lógico de 1.0).
• Suma para 4 divisiones: aproximadamente 1.5.
• Suma para 2 conferencias: aproximadamente 1.0.
• A medida que las particiones se volvían más finas (más desglosadas), la probabilidad total aumentaba monotónicamente.

Esto demostró que la experiencia no proporciona inmunidad a la subaditividad.

Estudio de Diagnóstico Médico (Redelmeier et al., 1995)

Metodología:

• Se presentó a los médicos el escenario clínico de un paciente con dolor abdominal.
• Un grupo recibió una lista que incluía "gastroenteritis", "embarazo ectópico" y "ninguna de las anteriores".
• Al segundo grupo se le desglosó "ninguna de las anteriores" en alternativas específicas (apendicitis, cálculos renales, etc.).

Hallazgos clave:

• La probabilidad asignada a la categoría "residual" disminuyó significativamente cuando se desglosaron las alternativas.
• La suma de las probabilidades para las alternativas desglosadas superó con creces el residual agregado.
• Los médicos subestiman sistemáticamente la probabilidad de enfermedades que no figuran explícitamente en el diagnóstico diferencial.

Estudio de Búsqueda y Rescate (Hill, 2012)

Metodología:

• Los planificadores de búsqueda asignaron probabilidades a diferentes segmentos del área de búsqueda y a la hipótesis residual de "resto del mundo".
• El residual se presentó agrupado o desglosado en escenarios específicos ("el sujeto tomó un autobús", "el sujeto fue secuestrado", "el sujeto hizo autostop").

Hallazgos clave:

• Cuando se desglosó, la probabilidad percibida de que el sujeto estuviera fuera del área de búsqueda aumentó significativamente.
• Demuestra un sesgo operativo peligroso: no desglosar el residual conduce a un exceso de confianza en que el sujeto se encuentra dentro de la cuadrícula de búsqueda.

2.4. Base neurológica

El efecto de subaditividad surge de propiedades fundamentales de la memoria humana y los sistemas de atención:

Cuellos de botella en la recuperación de la memoria: El Modelo HyGene (Generación de Hipótesis) propuesto por Thomas et al. (2008) explica que, al evaluar una hipótesis global, los tomadores de decisiones deben recuperar ejemplos relevantes de la memoria a largo plazo a la memoria de trabajo. Debido a las limitaciones de capacidad (la memoria de trabajo solo puede contener 4±1 fragmentos de información), no pueden recuperar todas las subhipótesis posibles. El desglose elude este cuello de botella al "subcontratar" el proceso de recuperación.

Regiones cerebrales involucradas:

• Corteza prefrontal: Funciones ejecutivas y limitaciones de la memoria de trabajo que restringen la generación de hipótesis.
• Hipocampo: Procesos de recuperación de la memoria que determinan qué ejemplos son accesibles.
• Amígdala: Procesamiento de relevancia emocional que amplifica escenarios vívidos y específicos por encima de categorías abstractas.

Mecanismos cognitivos:

• Heurística de disponibilidad: Los eventos que nos vienen a la mente fácilmente se juzgan como más probables.
• Ruido estocástico: Error aleatorio en el mapeo de sentimientos internos a probabilidades numéricas (Bearden et al., 2004).
• Juicio regresivo: Las estimaciones de eventos raros regresan hacia arriba, mientras que los eventos frecuentes regresan hacia abajo, hacia la media (Fiedler).

3. Orígenes evolutivos

El efecto de subaditividad probablemente evolucionó como una respuesta adaptativa a los desafíos computacionales de la supervivencia en entornos complejos e inciertos.

Ventaja de supervivencia: Nuestros antepasados enfrentaban amenazas inmediatas y específicas (un depredador en particular, una fuente de alimento específica) en lugar de categorías abstractas. La mente evolucionó para responder de manera óptima a información concreta y vívida, porque dicha información normalmente indicaba una amenaza u oportunidad procesable. Un sentido general de "peligro" es menos útil que el reconocimiento de "ese león específico detrás de esa roca específica".

Una característica, no un error: En términos evolutivos, sobreponderar escenarios específicos y detallados puede haber sido adaptativo:

• Las amenazas específicas requieren respuestas específicas: Reconocer la forma particular en que caza un depredador permite una defensa dirigida.
• Los escenarios vívidos son memorables: Las historias y los ejemplos concretos transmiten el conocimiento de supervivencia a través de las generaciones de manera más efectiva que las estadísticas abstractas.
• La vigilancia hacia lo específico previene la complacencia: Es mejor sobreestimar varios peligros específicos que subestimar una categoría de amenaza genérica.

Conservación de energía del cerebro: Mantener distribuciones de probabilidad completas sobre todos los eventos posibles sería computacionalmente prohibitivo. La mente utiliza representaciones "agregadas" como resúmenes eficientes, desglosándolas solo cuando el contexto o una descripción explícita hacen que escenarios específicos sean relevantes. Esto representa una compensación energéticamente eficiente entre la precisión y la conservación de los recursos cognitivos.

Desadaptativo en contextos modernos: Si bien es adaptativo en entornos ancestrales de amenazas físicas inmediatas, la subaditividad se vuelve problemática en contextos modernos que requieren una evaluación precisa de los riesgos: la fijación de precios de seguros, el diagnóstico médico, el análisis de inteligencia y la planificación estratégica sufren cuando el "todo" se subestima sistemáticamente en relación con la suma de las partes descritas explícitamente.

4. Cómo se manifiesta este sesgo

4.1. En la vida cotidiana

• Evaluación de riesgos de viaje: Las personas juzgan "el riesgo de que algo salga mal en las vacaciones" como menor que los riesgos combinados de "retrasos en los vuelos, pérdida de equipaje, enfermedades, robos y problemas climáticos".
• Preocupación por la salud: Una preocupación vaga acerca de "enfermarse" genera menos ansiedad que contemplar enfermedades específicas.
• Seguridad en el hogar: El "riesgo de daños en el hogar" parece menor que enumerar incendios, inundaciones, robos y fallas eléctricas.
• Preocupaciones en las relaciones: "Algo podría salir mal en mi matrimonio" parece menos probable que hacer una lista de posibles problemas específicos.
• Crianza de los hijos: Los padres pueden subestimar los "riesgos para los niños" en general hasta que se enumeren escenarios específicos (asfixia, ahogamiento, secuestro).

4.2. En el lugar de trabajo

• Evaluación de riesgos de proyectos: Los gerentes de proyectos subestiman el "riesgo de fracaso del proyecto" en relación con la suma de los modos de fallo específicos (sobrecostos, corrupción del alcance, pérdida de personal clave, fallos técnicos).
• Decisiones de contratación: El "riesgo de que este candidato no funcione" parece menor que detallar: problemas de desempeño, problemas de adaptación a la cultura, riesgo de retención, brechas de habilidades.
• Planificación estratégica: Las empresas subestiman las amenazas competitivas cuando se consideran de manera genérica versus desglosadas en acciones específicas de los competidores.
• Cumplimiento: El "riesgo legal" parece menor que enumerar violaciones regulatorias, disputas contractuales, demandas laborales e infracciones de propiedad intelectual.

4.3. En los negocios y el marketing

Cómo las empresas explotan este sesgo:

• Venta de seguros: Los agentes desglosan la cobertura en escenarios específicos (incendio, inundación, robo, responsabilidad) para aumentar el valor percibido y la disposición a pagar.
• Sistemas de seguridad: El marketing enfatiza escenarios específicos de asaltos en lugar de "protección" genérica.
• Publicidad farmacéutica: Los anuncios de medicamentos enumeran los síntomas específicos abordados en lugar de un "bienestar" general.
• Garantías extendidas: Los minoristas enumeran modos de fallo específicos (pantalla rota, fallo de batería, daño por agua) para aumentar el riesgo percibido.

Patrones de comportamiento del consumidor:

• Los consumidores pagan más por coberturas contra riesgos desglosados que por pólizas integrales "contra todo riesgo".
• Las advertencias de defectos específicos del producto generan más preocupación que los "problemas de calidad" generales.
• Las políticas de devolución detalladas que mencionan escenarios específicos parecen más completas.

4.4. En la política y los medios

• Infusores de miedo: Los políticos desglosan las amenazas vagas en escenarios vívidos para aumentar el peligro percibido.
• Cobertura mediática: Los informes detallados sobre crímenes aumentan la prevalencia percibida más allá de la realidad estadística.
• Mensajes de campaña: Los escenarios específicos de fracaso de las políticas son más persuasivos que las advertencias generales.
• Polarización: Ambas partes desglosan las consecuencias de las políticas opuestas en detalles aterradores.
• Apoyo a políticas: El apoyo a la acción aumenta cuando los problemas genéricos se desglosan hasta afectar a grupos identificables específicos.

4.5. En el cuidado de la salud

Implicaciones diagnósticas:

• Los médicos subestiman la probabilidad de diagnósticos que no figuran explícitamente en su diagnóstico diferencial.
• Las categorías "residual" o "otras" reciben un peso de probabilidad insuficiente.
• Las enfermedades raras permanecen "empaquetadas" en categorías generales y se omiten sistemáticamente.

Comunicación con el paciente:

• Los pacientes a los que se les dan listas de riesgos desglosados perciben un mayor riesgo general.
• Las discusiones sobre el consentimiento informado que enumeran complicaciones específicas aumentan la ansiedad.
• La adherencia al tratamiento se ve afectada por cómo se enmarcan los riesgos (agrupados frente a desglosados).

Planificación del tratamiento:

• La advertencia genérica "pueden ocurrir efectos secundarios" tiene menos impacto que una lista detallada.
• Las descripciones de síntomas desglosados afectan las decisiones de triaje diagnóstico.

4.6. En finanzas e inversiones

• Evaluación de riesgos: Los inversores subestiman el "riesgo de mercado" en relación con la suma de factores de riesgo específicos (tasas de interés, eventos geopolíticos, sorpresas en las ganancias, cambios regulatorios).
• Construcción de carteras: La "diversificación" genérica se valora menos que la cobertura contra tipos de eventos específicamente nombrados.
• Fijación de precios de seguros: La subaditividad crea desafíos de precios cuando la cobertura empaquetada vale menos para los consumidores que la suma de coberturas específicas.
• Ventaja de los corredores de apuestas: Los mercados de apuestas deportivas exhiben subaditividad (el "overround"): la suma de las probabilidades implícitas para todos los resultados supera 1.0, lo que garantiza el beneficio del corredor de apuestas.

5. Casos de estudio del mundo real

Caso de estudio 1: El fallo de inteligencia del 11 de septiembre

• Contexto: Antes de septiembre de 2001, las agencias de inteligencia estadounidenses evaluaban las amenazas del terrorismo, incluidos los ataques relacionados con la aviación.
• Qué sucedió: Los modelos mentales dominantes para "amenazas a la aviación" eran el secuestro para pedir rescate o el bombardeo de vuelos. La hipótesis específica de "secuestrar aviones para usarlos como misiles contra edificios" permaneció agregada dentro de la categoría más amplia.
• El sesgo en acción: Debido a que los ataques suicidas de pilotos no se desglosaron explícitamente en las evaluaciones de amenazas, la hipótesis recibió un apoyo y recursos insignificantes. El memorando "Phoenix EC" (sobre los sospechosos estudiantes de escuelas de vuelo) no tenía ninguna hipótesis desglosada que lo apoyara.
• Consecuencias: La Comisión del 11-S caracterizó esto como un "fracaso de la imaginación", un fracaso en el desglose. La evidencia que debería haber provocado una acción no fue reconocida porque la hipótesis que respaldaba nunca se articuló explícitamente.
• Lecciones aprendidas: Las agencias de inteligencia deben desglosar sistemáticamente las categorías de amenazas en escenarios específicos. Las técnicas analíticas estructuradas ahora requieren la consideración explícita de modos de ataque alternativos.

Caso de estudio 2: La estrategia de defensa en el juicio de O.J. Simpson

• Contexto: La fiscalía presentó una narrativa "empaquetada" de culpabilidad: Motivo + Oportunidad + Evidencia de ADN = Culpable.
• Qué sucedió: La defensa desglosó sistemáticamente la "Duda razonable" en escenarios vívidos y específicos: incompetencia policial, corrupción policial (Mark Fuhrman), sicarios de carteles de drogas, contaminación del ADN.
• El sesgo en acción: A pesar de que cada escenario de defensa individual podría tener una baja probabilidad, la suma del apoyo a estas alternativas desglosadas abrumó la narrativa agregada de la fiscalía. La defensa militarizó efectivamente la subaditividad.
• Consecuencias: Absolución. La investigación confirma que los jurados simulados asignan probabilidades de culpabilidad más bajas cuando "otros sospechosos" se desglosan en individuos específicos.
• Lecciones aprendidas: La estrategia legal puede explotar deliberadamente los sesgos cognitivos. Los fiscales deben anticipar el desglose por parte de la defensa y contrarrestarlo con su propia estructura narrativa detallada.

Ejemplo histórico: El desastre del transbordador espacial Challenger

La gerencia de la NASA veía el "Riesgo de lanzamiento" como una entidad global y manejable. Veinticuatro misiones exitosas habían creado una impresión "empaquetada" de seguridad. El modo de fallo específico (erosión de la junta tórica a bajas temperaturas) era conocido por los ingenieros de Morton Thiokol, pero no se desglosó con éxito en la toma de decisiones de alto nivel.

Durante las encuestas finales de "ir/no ir", la cadena causal específica (Frío → Endurecimiento de la junta tórica → Fuga → Explosión) no fue tratada como una hipótesis distinta. Se subestimó la categoría "residual" de los modos de fallo desconocidos.

El análisis posterior al accidente reveló marcadas disparidades de probabilidad:

• Probabilidad de fracaso estimada por la gerencia: 1 en 100,000
• Estimación de los ingenieros en activo: 1 en 100

Esta diferencia de mil veces ilustra cómo el desglose de los detalles técnicos frente a la visualización del "todo" agregado conduce a evaluaciones de riesgos fundamentalmente diferentes. El desastre podría haberse evitado si el modo específico de fallo de la junta tórica se hubiera desglosado y ponderado explícitamente en el proceso de decisión.

6. El coste de este sesgo

6.1. Costes personales

• Preparación inadecuada: Las personas subestiman los riesgos generales de la vida cuando los consideran de forma agregada, lo que lleva a insuficientes seguros, ahorros o planes de contingencia.
• Negligencia de la salud: Se descartan los "problemas de salud" genéricos, mientras que síntomas específicos desencadenarían la acción.
• Amenazas pasadas por alto: Los problemas de relaciones, los riesgos financieros y las amenazas a la seguridad personal se mantienen subestimados hasta que se desglosan.
• Mala calidad de decisión: Decisiones vitales (carrera, relaciones, ubicación) basadas en totales de riesgo subestimados.

6.2. Costes profesionales

• Fracasos de proyectos: El riesgo agregado subestimado conduce a contingencias insuficientes.
• Contratiempos en la carrera: Los profesionales que no desglosan "qué podría salir mal" son sorprendidos por problemas predecibles.
• Errores de diagnóstico: Los médicos omiten diagnósticos que no están en su diagnóstico diferencial.
• Fracasos de inteligencia: Los analistas pasan por alto amenazas que no se formularon como hipótesis explícitas.
• Pérdidas financieras: Los inversores carecen de cobertura frente a riesgos que no desglosaron.

6.3. Costes sociales

• Fracasos en políticas: Las categorías de riesgo genéricas reciben una atención insuficiente hasta que ocurren desastres específicos.
• Vulnerabilidad de la infraestructura: Se subestima el riesgo de "fallo del sistema" en relación con los modos de fallo enumerados.
• Salud pública: La preparación para pandemias es inadecuada cuando los riesgos se agrupan en una categoría genérica de "brote de enfermedad".
• Seguridad nacional: Fracasos de inteligencia cuando las hipótesis de amenazas permanecen agrupadas.

6.4. Impacto estadístico

Los hallazgos de las investigaciones cuantifican el efecto de la subaditividad:

• 15 puntos porcentuales: Inflación promedio de probabilidad en condiciones desglosadas versus agrupadas (Tversky & Koehler, 1994).
• >200%: Suma de probabilidades de equipos individuales de la NBA (debería ser 100%) (Fox & Tversky, 1998).
• 1.000x: Diferencia en estimaciones de probabilidad de fallo entre la dirección de la NASA y los ingenieros (Comisión Rogers).
• El "overround" de los corredores de apuestas suele oscilar entre 10-30%, explotando la subaditividad para un beneficio garantizado.

7. Los beneficios ocultos

No todos los sesgos son puramente negativos: algunos tienen propósitos útiles

• Eficiencia cognitiva: Las representaciones agrupadas ahorran recursos mentales para los desafíos inmediatos; desglosarlo todo sería abrumador a nivel computacional.
• Orientación a la acción: Las categorías genéricas permiten una toma de decisiones más rápida en situaciones críticas.
• Gestión de la ansiedad: Los riesgos agrupados son psicológicamente más manejables que amenazas totalmente enumeradas.
• Eficiencia en la comunicación: "El riesgo de fracaso" es más fácil de discutir que detallar cada modo de fallo específico.
• Vigilancia adaptativa: Cuando ocurre el desglose (debido a prominencia o descripción explícita), aumenta apropiadamente la atención a verdaderas amenazas.

El compromiso: El sesgo nos sirve bien cuando bastan los juicios rápidos y aproximados, y los costos de la inexactitud son bajos. Se vuelve problemático en dominios de alto riesgo que requieren una evaluación de probabilidad precisa: medicina, inteligencia, ingeniería y finanzas.

Por qué eliminarlo sería indeseable: Su eliminación completa requeriría mantener distribuciones de probabilidad exhaustivas para todos los eventos posibles, lo cual es cognitivamente imposible y poco práctico para la mayoría de las decisiones cotidianas.

8. Autoevaluación: ¿Tienes este sesgo?

8.1. Lista de señales de advertencia

• A menudo calculas los plazos o presupuestos de un proyecto considerando genéricamente "cuánto tiempo o dinero costarán", en lugar de detallar las tareas específicas.
• Te sorprenden resultados negativos que parecen "obvios en retrospectiva".
• Tus evaluaciones de riesgos aumentan dramáticamente cuando alguien enumera escenarios de fracaso específicos.
• Subestimas cuántas cosas pueden salir mal hasta que te ves obligado a enumerarlas.
• Descartas advertencias genéricas ("ten cuidado"), pero respondes a las específicas ("ten cuidado con el hielo en el puente").
• Tus planes rara vez incluyen contingencias para modos de fallo específicos.
• Te preocupan más las enfermedades con nombre y apellido que el "enfermarse" en general.
• Los escenarios de desastre detallados te resultan mucho más aterradores que las estadísticas sobre el riesgo general.
• Subestimas los costes al no detallar los gastos específicos.
• Con frecuencia te sorprenden problemas que entran en categorías tipo cajón de sastre ("otros gastos", "riesgos misceláneos").

Puntuación:

• 0-2 marcadas: Baja susceptibilidad
• 3-5 marcadas: Susceptibilidad moderada
• 6-8 marcadas: Alta susceptibilidad
• 9-10 marcadas: Susceptibilidad muy alta

8.2. Preguntas de autorreflexión

1. ¿Cuándo ocurrió un evento que "no debería haber sucedido" pero que, en retrospectiva, era predecible si hubieras enumerado los riesgos específicos?
2. ¿Cómo cambian tus estimaciones de riesgo cuando te obligas a detallar escenarios específicos frente a cuando piensas en categorías generales?
3. ¿En qué ámbitos te fías de categorías tipo "otros", "varios", o "todo lo demás", sin llegar a desglosarlas?
4. ¿Con qué frecuencia las estimaciones o planes de tus proyectos tienen en cuenta los modos de fallo específicos frente a simplemente usar "tiempo de margen"?
5. ¿Alguien te ha señalado riesgos que habías descartado solo porque no estaban en tu lista explícita?

8.3. Escenario de diagnóstico rápido

Escenario: Estás planeando una gran boda al aire libre para el próximo verano. Estimas que hay aproximadamente un 15% de probabilidades de que "algo salga mal con el clima o la logística".

Tu organizador de bodas te pide entonces que estimes por separado la probabilidad de: (a) lluvia durante la ceremonia, (b) calor extremo que obligue a cambiar el lugar, (c) un proveedor que no se presente, (d) problemas con el transporte de los invitados, y (e) otros problemas de logística.

¿Cómo responderías?

• A) "Esas cosas son todas poco probables de forma individual, tal vez un 5% cada una, por lo que en total serían alrededor de un 25%... espera, eso es más alto que mi 15% original." → Alta susceptibilidad (subaditividad clásica)
• B) "Déjame pensar... lluvia 10%, calor 8%, proveedor 5%, transporte 7%, otros 10%... ¡eso es el 40%! Mi estimación original era demasiado baja." → Susceptibilidad moderada (te diste cuenta cuando te lo preguntaron)
• C) "Debería desglosar esto de manera sistemática. Permíteme usar un enfoque estructurado para asegurarme de que mi estimación total sea coherente con sus partes." → Baja susceptibilidad (reconoces la necesidad de una evaluación estructurada)

9. Identificar este sesgo en otros

9.1. Indicadores conductuales

• Descartar riesgos de forma vaga: Decir "estaremos bien" sin realizar un análisis específico.
• Sorpresa ante los fracasos: Expresar asombro ante resultados que eran previsibles si se hubieran desglosado.
• Categorías cajón de sastre: Dependencia excesiva de "otros", "varios" o "etc." en los planes.
• Resistencia al desglose: Incomodidad cuando se les pide desglosar estimaciones globales.
• Ansiedad ante los detalles: Mostrar preocupación evidente cuando se enumeran escenarios específicos.

9.2. Banderas rojas conversacionales

Frases que las personas dicen bajo la influencia de este sesgo:

• "¿Qué probabilidades hay de que suceda eso?" (para eventos específicos que no habían considerado)
• "No pensé en ese escenario en concreto"
• "El riesgo general es bajo" (sin desglosar sus componentes)
• "Ya hemos cubierto los riesgos principales" (sin examinar lo restante)
• "Eso es demasiado específico como para preocuparse"

Tipos de argumentos que utilizan:

• Desestimar el riesgo agregado basándose en la intuición global en lugar de un análisis de los componentes.
• Tratar la categoría de "otros" como algo insignificante sin someterlo a examen.

Preguntas que evitan formular:

• "¿Qué cosas en concreto podrían salir mal?"
• "¿Qué incluye exactamente nuestra categoría de 'todo lo demás'?"
• "¿Hemos considerado explícitamente hipótesis alternativas?"

9.3. Desencadenantes situacionales

• Presión de tiempo: Al tener prisa, la gente confía en estimaciones globales empaquetadas.
• Carga cognitiva: Las múltiples exigencias reducen la capacidad para desglosar información.
• Exceso de confianza/experiencia: Paradójicamente, los expertos pueden agrupar hipótesis basándose en su experiencia.
• Complejidad: Los entornos sumamente complejos invitan a la simplificación por agrupación.
• Factores emocionales: Las situaciones de gran ansiedad fomentan el depender de categorías globales para buscar consuelo psicológico.

10. Estrategias de desvío cognitivo

10.1. Técnicas inmediatas

• Forzar el desglose: Antes de hacer estimaciones de probabilidad, enumera explícitamente al menos 5-10 escenarios concretos.
• Comprueba el residual: Pregúntate "¿Qué hay en mi categoría de 'otros'?" y desglósalo.
• Análisis pre-mortem: Imagina que el fracaso ya ha ocurrido y trabaja hacia atrás para identificar las causas concretas.
• Abogado del diablo: Asigna a alguien la tarea de enumerar hipótesis alternativas.
• Auditoría de probabilidades: Después de desglosar, revisa si tus estimaciones suman un total coherente.

10.2. Estrategias a largo plazo

• Desarrollar listas de comprobación: Crea listas de modos de fallo específicos de tu área para tenerlos en cuenta de forma sistemática.
• Practicar el análisis estructurado: Fórmate en técnicas como el Análisis de Hipótesis Competitivas (ACH, por sus siglas en inglés).
• Estudiar tasas base: Conoce las frecuencias reales de los sucesos en tu sector para calibrar tus intuiciones.
• Adoptar la planificación de escenarios: Haz de la generación explícita de escenarios una práctica habitual.
• Cultivar la humildad intelectual: Reconoce que tus estimaciones generales tienen un sesgo sistemático.

10.3. Diseño ambiental

• Institucionalizar el desglose: Exige evaluaciones de riesgos detalladas en los procesos de la organización.
• Uso de plantillas: Diseña formularios que obliguen a enumerar escenarios concretos.
• Comités de revisión de decisiones: Establece comités para cuestionar las estimaciones globales.
• Sistemas de información: Diseña bases de datos e informes que presenten los datos de riesgo desglosados.
• Estructuras de incentivos: Recompensa la identificación de riesgos específicos, no solo la vigilancia general.

10.4. Cuándo buscar aportes externos

• Decisiones de alto riesgo: Inversiones importantes, decisiones médicas, elecciones estratégicas.
• Nuevos dominios: Áreas donde te falta experiencia con los modos de fallo específicos.
• Cuando "otros" es una categoría amplia: Si tu categoría residual parece grande, busca un desglose de nivel experto.
• Después de las sorpresas: Si un resultado te sorprendió, pide a los demás que te ayuden a ver qué pasaste por alto.
• Para controles de coherencia: Pídele a otros que revisen si tus estimaciones de probabilidad suman un total adecuado.

11. Ejercicios prácticos

Ejercicio 1: El desglose Pre-Mortem

• Objetivo: Desarrolla la habilidad de identificar modos de fallo concretos antes de que ocurran.
• Tiempo necesario: 20-30 minutos.
• Materiales necesarios: Papel, cronómetro, una decisión o un proyecto que estés planificando.
• Nivel de dificultad: Principiante.
• Instrucciones:
  1. Selecciona una decisión, evento o proyecto que tengas que tomar o planificar en el futuro.
  2. Escribe en la parte superior: "Es [fecha futura]. Esto ha fracasado por completo. ¿Por qué?".
  3. Configura un cronómetro para 10 minutos y enumera cada razón específica del fracaso que puedas imaginar.
  4. Agrupa tus razones por categorías.
  5. Por cada categoría, estima la probabilidad de que ocurra al menos uno de esos factores.
  6. Suma tus estimaciones y compáralas con tu intuición general original del "riesgo de fracaso".
• Preguntas de reflexión:
  • ¿Cómo cambió tu estimación del riesgo global después de desglosarlo?
  • ¿Qué categorías pasaste por alto inicialmente?
  • ¿Qué escenarios concretos te sorprendieron?
• Frecuencia: Antes de cada decisión o proyecto importante.

Ejercicio 2: La Auditoría del Residual

• Objetivo: Entrena la atención sistemática hacia las categorías tipo cajón de sastre.
• Tiempo necesario: 15 minutos.
• Materiales necesarios: Un presupuesto, plan o evaluación de riesgos reciente que contenga una categoría de "otros".
• Nivel de dificultad: Intermedio.
• Instrucciones:
  1. Busca un documento en el que hayas utilizado una categoría genérica (gastos varios, otros riesgos, etc.).
  2. Enumera al menos 10 artículos o situaciones concretas que podrían incluirse en dicha categoría.
  3. Estima la probabilidad o magnitud de cada punto específico.
  4. Suma estas estimaciones y compáralas con la cifra original asignada a "otros".
  5. Revisa tus estimaciones generales a partir de este análisis.
• Preguntas de reflexión:
  • ¿En qué medida cambió tu estimación después del desglose?
  • ¿Qué patrones observas en las cosas que metes en "otros"?
  • ¿Cómo manejarás las categorías residuales en el futuro?
• Frecuencia: Revisión semanal de alguna categoría de "otros".

Ejercicio 3: Control de Coherencia de Probabilidades

• Objetivo: Toma consciencia de los límites de las adiciones y de la coherencia en las estimaciones.
• Tiempo necesario: 15 minutos.
• Materiales necesarios: Papel y calculadora.
• Nivel de dificultad: Avanzado.
• Instrucciones:
  1. Elige un dominio (deportes, política, clima, vida personal).
  2. Identifica un suceso que tenga posibles resultados exhaustivos y mutuamente excluyentes.
  3. Estima la probabilidad de cada uno de los resultados de forma independiente.
  4. Suma tus estimaciones: el total debería ser 100%.
  5. Si superan el 100%, redistribúyelas hasta lograr la coherencia.
  6. Reflexiona sobre cuáles de las estimaciones estuviste más dispuesto a modificar.
• Preguntas de reflexión:
  • ¿En qué medida tus estimaciones iniciales superaron el 100%?
  • ¿Qué te dice esto acerca de tus intuiciones probabilísticas?
  • ¿De qué manera el hecho de forzar la coherencia modificó tu forma de pensar?
• Frecuencia: Semanal.

Práctica diaria

La Pausa para Desglosar: Antes de realizar una estimación importante o tomar una decisión, haz una pausa de 60 segundos para enumerar al menos tres escenarios concretos que podrían afectar al resultado.

• Duración sugerida: 1 minuto por decisión.
• Mejor momento del día: A lo largo del día, a medida que se presentan las decisiones.
• Cómo monitorizar el progreso: Escribe un diario en el que anotes la diferencia entre las estimaciones globales iniciales y las valoraciones tras el desglose.

Reto semanal

El Inventario de Hipótesis: Cada semana, escoge un área de tu vida (salud, finanzas, trabajo, relaciones) y elabora un inventario con al menos 20 cosas concretas que podrían salir mal, junto con sus estimaciones de probabilidad.

• Resultados previstos después de 4 semanas: Intuición calibrada sobre el riesgo agregado; menos sorpresa ante eventos negativos; planificación de contingencias más sólida.
• Sugerencias para escribir en el diario a modo de reflexión:
  • ¿Qué áreas me cuesta más desglosar de manera crónica?
  • ¿Cómo ha cambiado mi percepción del riesgo?
  • ¿Qué patrones se repiten en las distintas áreas?

12. Para audiencias específicas

Para líderes y gerentes

• Planificación estratégica: Obliga a enumerar explícitamente escenarios en todas las evaluaciones de riesgos.
• Reuniones de equipo: Forma a los equipos en el análisis pre-mortem antes de emprender iniciativas importantes.
• Procesos de decisión: Implementa técnicas estructuradas (como el Análisis de Hipótesis Competitivas, ACH) para tomar decisiones complejas.
• Asignación de recursos: Cuestiona las categorías genéricas de recursos; exige el desglose.
• Revisiones de desempeño: Evalúa la capacidad de los empleados para anticipar desafíos específicos, y no solo su nivel de vigilancia general.
• Aprendizaje organizativo: Tras los fracasos, lleva a cabo análisis de la causa raíz para desglosar lo que se pasó por alto.

Para padres y educadores

Enseñar a los niños sobre la subaditividad:

• Usa ejemplos concretos: "¿Qué cosas te podrían hacer llegar tarde a la escuela?" en vez de "¿Crees que llegarás tarde?".
• Propón juegos de estimación en los que haya que desglosar opciones y sumar el total.
• Modela el pensamiento estructurado en voz alta cuando se toman decisiones familiares.
• Crea listas de comprobación familiares para viajes, eventos o planificaciones.

Explicaciones adecuadas a la edad:

• Niños pequeños: "Cuando nos paramos a pensar en todas las cosas que pueden pasar, nos damos cuenta de que hay más de las que pensábamos en un primer momento".
• Adolescentes: "Nuestro cerebro toma atajos mentales que nos hacen infravalorar los riesgos cuando pensamos en términos generales".
• Actividades: Ejercicios de planificación mediante el desglose explícito; juegos de probabilidad.

Para profesionales de la salud

• Diagnóstico diferencial: Desglosa siempre la categoría de "otros"; considera explícitamente diagnósticos que no figuran en la lista inicial.
• Comunicación con los pacientes: Sé consciente de que dar listas detalladas de riesgos incrementa la ansiedad del paciente; equilibra la exhaustividad con la tranquilidad.
• Errores médicos: Ten en cuenta que a los diagnósticos que no se incluyen en la lista inicial se les otorga un peso mucho menor de manera sistemática.
• Apoyo en la toma de decisiones: Emplea listas de comprobación de diagnósticos que fuercen la consideración de grupos amplios de hipótesis.
• Consentimiento informado: Estructura las charlas para presentar de manera adecuada tanto la información de riesgos agregados como la de riesgos desglosados.

Para profesionales financieros

• Evaluación de riesgos: Exige a los clientes que enumeren riesgos financieros específicos, y no solo el "riesgo de mercado".
• Construcción de carteras: Diseña las carteras para abordar los riesgos concretos que se hayan identificado, no solo en busca de una diversificación genérica.
• Productos de seguros: Ayuda a los clientes a entender que las coberturas combinadas o "empaquetadas" pueden parecer menos valiosas debido a la subaditividad.
• Educación del cliente: Explica cómo el hecho de desglosar los riesgos puede alterar su percepción y por qué es tan importante realizar una valoración coherente.
• Análisis exhaustivo (Due diligence): Crea listas de comprobación que obliguen a desglosar las categorías tipo "todo lo demás" a la hora de hacer un análisis de inversión.

13. Interacciones con otros sesgos

Sesgos que amplifican este

Sesgos que contrarrestan este

Cadenas de sesgos comunes

La Cascada de la Complacencia: Exceso de confianza → Subaditividad (agrupar los riesgos en la categoría de "improbables") → Sesgo de confirmación (pasar por alto cualquier prueba que corrobore las hipótesis agrupadas) → Sorpresa frente a un fracaso predecible → Sesgo retrospectivo ("debería haber sido obvio").

Explicación: Cuando sentimos confianza, agrupamos los riesgos en categorías genéricas a las que otorgamos un margen de probabilidad muy pequeño. Es entonces cuando el sesgo de confirmación entra en juego, impidiéndonos notar las pruebas que respaldarían las opciones alternativas desglosadas. Llega el fracaso, y es el sesgo retrospectivo quien nos hace creer que aquel fallo concreto resultaba obvio; pero la verdad es que nuestra representación agrupada del problema nos había cegado.

Para interrumpir la cascada: Fuerza el desglose del riesgo lo antes posible; designa a alguien como abogado del diablo para que plantee escenarios específicos; exige la evaluación de pruebas frente a todas las hipótesis, no solo frente a las opciones que cuenten con mayor favor.

14. Perspectivas culturales

La investigación transcultural sobre la Teoría del Apoyo es limitada, pero se pueden observar varios patrones:

Aspectos universales:

• Los mecanismos de recuperación de memoria que subyacen en la subaditividad parecen ser propiedades cognitivas humanas de carácter universal.
• El efecto de desglose básico se repite de manera similar tanto en las muestras occidentales como en las asiáticas (Takemura, Japón).

Variaciones culturales:

• Las culturas que hacen hincapié en el pensamiento holístico pueden mostrar patrones diferentes a la hora de estructurar o agrupar las categorías de manera natural.
• Las normas de comunicación de riesgos varían: hay culturas que prefieren la enumeración explícita, mientras que otras optan por una comunicación más implícita.

Implicaciones en interacciones interculturales:

• Las estrategias de comunicación de riesgos deben tener en cuenta las normas culturales en cuanto a la enumeración explícita e implícita de los elementos.
• Los equipos formados por personas de diferentes culturas se verán beneficiados de la diversidad de tendencias a la hora de desglosar problemas.
• Las organizaciones globales requieren adaptar su formación para incorporar las técnicas analíticas estructuradas según las diferencias culturales.

15. Mitos y conceptos erróneos

16. Perspectivas de expertos

"El hecho de desglosar una hipótesis en todos sus componentes específicos tiende a incrementar la sensación de apoyo percibido hacia esa hipótesis, quebrantando así el principio normativo de extensionalidad." — Amos Tversky & Derek Koehler, 1994

"Cuantos más detalles damos sobre un abanico de posibilidades, más probable es que nos parezca ese conjunto, incluso a pesar de que la propia lógica de las probabilidades nos dicte lo contrario." — Desde la síntesis de investigación de la Teoría del Apoyo

"El fracaso de imaginación que desencadenó el 11 de septiembre puede considerarse como un fracaso del proceso de desglose; nunca se llegó a plantear la hipótesis explícita sobre ese método de ataque en concreto." — Interpretación que se hizo desde el ámbito del análisis de inteligencia en el Informe de la Comisión del 11 de septiembre

"La subaditividad no se trata de un simple error propio de los laboratorios, sino de una realidad imperante en el mercado, de la cual se benefician numerosos profesionales." — Peter Ayton, sobre la conducta de los corredores de apuestas

"La solución para poner fin a la subaditividad no solo requiere contar con un 'mejor razonamiento', sino que exige tener unas 'mejores matemáticas'; se necesita forzar al sistema a que respete los principios matemáticos en los que se basan las probabilidades, principios que la propia mente humana transgrede de manera natural." — David Mandel, hablando sobre los algoritmos de coherentización

17. Puntos clave

1. Los detalles engendran creencia: Cuanto más detallamos algo, más probable nos parece, por mucho que, desde un punto de vista lógico, no debería ser de esa manera.

2. La probabilidad se aferra a las descripciones, no a los eventos en sí mismos: La manera de estructurar o encuadrar los resultados altera de forma radical la valoración que hacemos de la posibilidad de que sucedan.

3. Tener una gran experiencia no sirve de escudo protector: Tanto los profesionales médicos como los analistas en materia de inteligencia, o los expertos en el mundo de los deportes, sufren de los efectos de la subaditividad.

4. Las repercusiones en el mundo real pueden llegar a ser muy graves: Desde la catástrofe del transbordador espacial Challenger hasta los atentados del 11 de septiembre, e incluso en el caso de las sentencias judiciales, no proceder a realizar un buen desglose ha supuesto no solo una evidente distorsión de la justicia, sino también la pérdida de numerosas vidas humanas.

5. El riesgo residual está subestimado: A todo aquello que se enmarca dentro de las categorías de "otros" o "ninguna de las respuestas anteriores" se le está asignando un peso de probabilidad inadecuado e insuficiente.

6. Las intervenciones estructurales surten efecto: El empleo de listas de verificación o comprobación, el forzamiento de la coherencia en las valoraciones y la utilización de algoritmos de agregación, constituyen medidas más eficaces a la hora de mitigar la subaditividad que la simple toma de conciencia al respecto.

7. Consiste en un proceso de equilibrio: Este sesgo permite la consecución de eficiencia cognitiva frente a situaciones de bajo riesgo; sin embargo, entraña grandes peligros cuando se presenta en dominios de alto riesgo que precisan de unas exactas valoraciones en materia de riesgos.

18. Recursos adicionales

Trabajos académicos

• Tversky, A., & Koehler, D. J. (1994). Support theory: A nonextensional representation of subjective probability. Psychological Review, 101(4), 547-567.
• Fox, C. R., & Tversky, A. (1998). A belief-based account of decision under uncertainty. Management Science, 44(7), 879-895.
• Redelmeier, D. A., Koehler, D. J., Liberman, V., & Tversky, A. (1995). Probability judgement in medicine: Discounting unspecified possibilities. Medical Decision Making, 15(3), 227-230.
• Bearden, J. N., Wallsten, T. S., & Fox, C. R. (2004). Subadditivity and similarity in probabilistic judgments. Working Paper, University of Arizona.
• Thomas, R. P., Dougherty, M. R., Sprenger, A. M., & Harbison, J. I. (2008). Diagnostic hypothesis generation and human judgment. Psychological Review, 115(1), 155-185.

Libros

• Kahneman, D. (2011). Pensar rápido, pensar despacio. Debate.
• Gilovich, T., Griffin, D., & Kahneman, D. (Eds.). (2002). Heuristics and Biases: The Psychology of Intuitive Judgment. Cambridge University Press.
• Heuer, R. J. (1999). Psychology of Intelligence Analysis. Center for the Study of Intelligence.

Capítulos de libros

• Koehler, D. J. (2000). Explanation, imagination, and confidence in judgment. En D. Griffin, D. J. Koehler, & N. Harvey (Eds.), Blackwell Handbook of Judgment and Decision Making (pp. 499-519). Blackwell Publishing.

19. Tarjeta resumen

Un esquema visual de una sola página, perfecto tanto para imprimir, como para poder revisarlo con rapidez

20. Glosario de términos empleados

21. Preguntas de debate

Para su empleo en clubes o asociaciones de lectura, en un aula e incluso para una mera autorreflexión:

1. Trata de acordarte de alguna ocasión donde tomases una decisión importante y donde el resultado desencadenado supusiera algo adverso e indeseado. Haciendo retrospectiva ahora sobre todo ello: ¿consideras que aquellos escenarios que ocasionaron los problemas se quedaron de manera "empaquetada y agrupada" cuando los analizaste o valoraste? ¿De qué manera te podría haber influido y ayudado, al ahora de tomar dicha decisión, si te hubieras ocupado de desglosar esos riesgos por separado?

2. ¿De qué forma se pueden llegar a aprovechar los medios de comunicación de masas y aquellas personas responsables de las comunicaciones de índole político del uso del efecto de subaditividad? ¿Eres capaz de enumerar o recordar algunos de los más recientes incidentes donde esas amenazas generales pasaron a ser escenarios narrados de una forma intensa y sumamente descriptiva con la intención de propiciar el incremento del riesgo intuido o percibido?

3. ¿De qué manera nos puede resultar de alguna utilidad (adaptativa) el efecto de la subaditividad? ¿Se puede dar el caso donde lleguemos a contar con unos supuestos concretos donde mantener unas proyecciones empaquetadas nos acabe sirviendo para un determinado propósito favorable o adecuado?

4. ¿De qué forma han de intentar equiparar y ajustar los profesionales que desarrollan una actividad en áreas de alto riesgo (sectores que abarcan la ingeniería, la atención de la salud y médica, o en las tareas que requieren unos elevados análisis en materia de inteligencia), esos costes derivados del ámbito del razonamiento humano originados tras la enumeración o disgregación de todos los detalles específicos que conforman las hipótesis planteadas con respecto a todos aquellos riesgos de dejar "agrupados y empaquetados" los diferentes detalles e informaciones de las citadas hipótesis?

5. Vamos a analizar el estudio del caso relativo a O.J. Simpson. ¿Tú crees que el uso de esas técnicas y artimañas orientadas a generar una duda razonable llevada a cabo por parte del grupo de abogados de la defensa es algo reprobable desde una perspectiva estrictamente de corte ético, o se trata tal vez de la defensa legítima y justificada de un cliente? ¿Y de qué modo deberían las instituciones y normativas del sistema de justicia intentar lidiar y afrontar el efecto desencadenado a consecuencia de este tipo de juicios o de todos estos factores cognitivos influyentes?