Rastrea tu calibración a lo largo de muchas predicciones

Califica tus niveles de confianza frente a los resultados a lo largo de docenas de predicciones para encontrar tus sesgos sistemáticos.

Why it works

Una sola decisión te dice casi nada sobre tu calidad de toma de decisiones; los resultados son demasiado ruidosos. La calibración —la coincidencia entre la confianza declarada y la precisión real— solo se vuelve visible a lo largo de muchas predicciones. Si dices "80% seguro" a lo largo de 20 decisiones y tienes razón solo el 50% del tiempo, estás sistemáticamente sobreconfiado en ese nivel, y el diario te da los datos para verlo.

How to do it

1. Al registrar cada decisión, asigna una probabilidad a tu resultado esperado (por ejemplo, 70%).
2. Después de que se resuelvan los resultados, registra si el resultado coincidió con la predicción.
3. Después de 20-30 entradas, agrupa las predicciones por banda de confianza (50-60%, 70-80%, 90%+) y calcula tu tasa de precisión en cada banda.
4. Si tu precisión se retrasa consistentemente respecto a tu confianza, revisa tus niveles de confianza hacia abajo en ese dominio.

Evidencia

El entrenamiento de calibración —hacer predicciones probabilísticas y calificarlas frente a los resultados— es una de las pocas intervenciones con evidencia de mejorar genuinamente la precisión de pronóstico. La investigación de superpronosticadores mostró que el rastreo explícito y la retroalimentación reducen la sobreconfianza. Lichtenstein y Fischhoff demostraron que incluso un entrenamiento breve con retroalimentación de resultados mejoraba medible la calibración, estableciendo que la brecha confianza-precisión se puede entrenar en lugar de ser fija. (observational)

La evidencia de superpronóstico viene de torneos de predicción geopolítica; la transferencia a decisiones personales y profesionales es plausible pero los tamaños de efecto en decisiones de la vida ordinaria no están directamente establecidos. La calibración mejora con la práctica, pero la sobreconfianza es persistente incluso en practicantes experimentados.

Fuentes

• Tetlock & Gardner (2015), Superforecasting: The Art and Science of Prediction
• Lichtenstein, S., & Fischhoff, B. (1980). Training for calibration. Organizational Behavior and Human Performance, 26(2), 149–171.
• Mellers, B., Stone, E., Murray, T., Minster, A., Rohrbaugh, N., Bishop, M., Chen, E., Baker, J., Hou, Y., Horowitz, M., Ungar, L., & Tetlock, P. (2015). Identifying and cultivating superforecasters as a method of improving probabilistic predictions. Perspectives on Psychological Science, 10(3), 267–281.
• Chang, W., Chen, E., Mellers, B., & Tetlock, P. (2016). Developing expert political judgment: The impact of training and practice on judgmental accuracy in geopolitical forecasting tournaments. Judgment and Decision Making, 11(5), 509–526.

Error común

Registrar decisiones sin asignar probabilidades, lo cual hace imposible el rastreo de calibración y te deja solo con un registro narrativo en lugar de uno estadístico.