Aplica varios modelos al mismo problema a la vez

Cuando modelos de diferentes campos apuntan a la misma respuesta, la confianza aumenta; cuando entran en conflicto, aprendes algo importante.

Why it works

Un solo modelo predice resultados bien dentro de su propio dominio pero genera falsa confianza cuando se aplica fuera de él. Ejecutar varios modelos estructuralmente diferentes sobre el mismo problema crea un conjunto natural: donde convergen, la señal es más fuerte; donde divergen, la divergencia revela una característica del problema que ningún modelo individual captura por sí solo.

How to do it

1. Elige una decisión o problema en el que estés trabajando.
2. Aplica al menos tres modelos de diferentes disciplinas: uno basado en incentivos, uno psicológico, uno sistémico.
3. Escribe la predicción de cada modelo y la confianza que le asigna.
4. Compara: donde coinciden, procede con mayor confianza; donde discrepan, investiga el desacuerdo antes de decidir.

Evidencia

Los métodos de conjunto en estadística y aprendizaje automático superan consistentemente a las predicciones de un solo modelo al promediar sus diversos patrones de error. La misma lógica aplicada a los modelos mentales es el núcleo de la retícula de Munger — mecánicamente sólida, establecida por practicantes. (mechanistic)

La investigación de conjuntos estadísticos es una disciplina formal; su análogo en el razonamiento verbal es plausible pero depende de la calidad y diversidad de los modelos aplicados, lo cual es difícil de verificar.

Error común

Usar los modelos secuencialmente ("apliquemos el modelo A, luego el modelo B") en lugar de simultáneamente, perdiendo los conflictos y convergencias que solo aparecen al compararlos directamente.