Actualiza tus creencias con frecuencia y en incrementos pequeños

Cuando llegue evidencia nueva, ajusta tu estimación de probabilidad, aunque el cambio sea pequeño.

Why it works

Los superpronosticadores actualizan más a menudo y en incrementos más pequeños que el pronosticador medio. El mecanismo es bayesiano: cada nueva pieza de evidencia tiene un peso diagnóstico, y actualizar en proporción a ese peso produce calibración. Los dos modos de fallo son la infraactualización (anclarse en la estimación original) y la sobreactualización (dar demasiado peso a sucesos recientes salientes). Las actualizaciones pequeñas y frecuentes resisten ambos al mantener la estimación cerca de la evidencia actual.

How to do it

1. Fija una cadencia regular de revisión para los pronósticos activos: semanal para horizontes cortos, mensual para los largos.
2. En cada revisión, pregúntate: «¿qué evidencia ha llegado desde la última vez y en qué dirección empuja mi estimación?».
3. Haz una actualización numérica —aunque sea de ±3 puntos porcentuales— para dejar registro de la decisión.
4. Si la evidencia es coherente con tu estimación previa, regístralo de forma explícita en lugar de dejar el número sin tocar.

Evidencia

En el Good Judgment Project, los superpronosticadores actualizaron sus predicciones más del doble de a menudo que el participante medio y mantuvieron, como resultado, mejor calibración. La actualización bayesiana secuencial es el marco formal; los datos del torneo lo confirman en la práctica. (observational)

La frecuencia de actualización que mejoró la exactitud en torneos de pronóstico puede no aplicarse de forma idéntica a contextos de decisión personal con menor densidad de señal.

Sources

• Tetlock & Gardner (2015), Superforecasting

Common mistake

Esperar a estar «seguro» de un cambio antes de actualizar: esperar a la certeza significa actualizar demasiado tarde y demasiado, que es justamente el fallo de anclaje.