Construye una biblioteca de casos y razona a partir de ellos

Acumula un conjunto diverso de casos con resultados conocidos, y recupera los estructuralmente similares al enfrentar un problema nuevo.

Why it works

El razonamiento basado en casos —un marco formal de la IA y la ciencia cognitiva— modela cómo piensan los expertos: acumulan una gran biblioteca de casos con resultados conocidos y recuperan el caso más estructuralmente similar al enfrentar un problema nuevo. La analogía es implícita: el caso recuperado es el dominio base. La construcción deliberada de una biblioteca de casos —anotando activamente "este es un caso de tipo X con resultado Y"— crea la materia prima para una recuperación analógica precisa en lugar de depender de los casos que casualmente resulten relevantes.

How to do it

1. Tras cualquier decisión o evento significativo, escribe una breve nota de caso: "Este fue un caso de [estructura relacional], produjo [resultado]".
2. Al enfrentar un problema nuevo, pregúntate: "¿Qué casos en mi experiencia tienen esta misma estructura relacional?".
3. Pondera los casos por similitud de estructura relacional, no por familiaridad superficial ni por novedad.
4. Actualiza los casos cuando los resultados los demuestren erróneos o cuando información nueva revise la lección.

Evidencia

El razonamiento basado en casos es un modelo cognitivo formal con respaldo de la investigación del desempeño experto: los tomadores de decisiones expertos en medicina, ajedrez y extinción de incendios recuperan y adaptan casos conocidos en lugar de razonar desde primeros principios cada vez. (observational)

Las bibliotecas de casos de los expertos se construyen a lo largo de años; esta práctica acelera la construcción de esa biblioteca pero requiere una anotación honesta de los casos (incluidos los fracasos) para ser útil en lugar de autoservidora.

Sources

• Klein (1999), Sources of Power: How People Make Decisions — recognition-primed decision model in expert practitioners

Common mistake

Codificar solo los casos exitosos e ignorar los fracasos, lo que produce una biblioteca sesgada que sobrestima sistemáticamente lo bien que funcionan tus enfoques típicos.