TL;DR
“Confía en tu instinto” y “no hagas caso a tu instinto” se equivocan por igual, porque si la intuición funciona no es un hecho sobre ti. Es un hecho sobre el entorno en el que aprendiste. Dos investigadores que pasaron sus carreras discrepando sobre la intuición, Daniel Kahneman y Gary Klein, se sentaron juntos y coincidieron en dónde está la frontera: la intuición experta exige un entorno lo bastante regular como para contener señales reales, más práctica prolongada con una retroalimentación lo bastante buena para aprenderlas. Donde se cumplen ambas condiciones, los expertos son excelentes. Donde falla una, la experiencia produce seguridad sin acierto, y esa seguridad no te avisa de en cuál de los dos casos estás. A continuación: la evidencia verificada, una tarjeta de puntuación para calificar tu propio campo en cuatro dimensiones y la vía de desarrollo para los campos que no superan la prueba, es decir, la mayor parte del trabajo del conocimiento. Dirige como una directora general que sabe en qué decisiones confiar y aprende como un estudiante que comprueba la respuesta.
Pregunta a una sala llena de personas competentes cómo toman sus decisiones más difíciles y casi todas dirán una versión de lo mismo: experiencia, reconocimiento de patrones, olfato. Pregúntales cómo saben que ese olfato está calibrado y la sala se queda en silencio. Ese silencio es el tema de este artículo.
La pregunta importa más que hace cinco años. A medida que el análisis y la ejecución se desplazan hacia las máquinas, lo que queda del lado humano es el juicio: saber qué problema resolver, en qué resultado confiar y cuándo la respuesta segura que tienes delante es falsa. Expusimos el argumento económico en La economía del juicio. Este artículo es el del desarrollo. Si el juicio es el activo, ¿cómo se construye realmente y qué dice la investigación sobre quienes creen haberlo construido y no lo han hecho?
El acuerdo que zanjó la cuestión
Durante décadas, dos tradiciones de investigación se enfrentaron por la intuición. La escuela de heurísticos y sesgos, asociada a Daniel Kahneman, documentó el error sistemático en el juicio experto. La escuela de la decisión naturalista, asociada a Gary Klein, documentó a mandos de bomberos y enfermeras tomando en fracciones de segundo decisiones magníficas que ningún análisis formal igualaba.
En 2009 publicaron en American Psychologist el resultado de una colaboración adversarial, titulado “Conditions for Intuitive Expertise: A Failure to Disagree”. El hallazgo es que ambos tenían razón respecto a entornos distintos, y que la frontera entre ellos puede especificarse. Evaluar si un juicio intuitivo merece confianza exige valorar dos cosas: la predictibilidad del entorno y si la persona tuvo oportunidad de aprender sus regularidades.
Dicho llanamente, la intuición experta necesita dos condiciones, y necesita las dos:
Condición uno: el entorno contiene señales válidas. Tiene que haber una regularidad genuina que detectar. Las posiciones de ajedrez, los sistemas meteorológicos y la física de un edificio en llamas contienen estructura real y repetida. El mercado del próximo trimestre y la trayectoria de una startup concreta contienen mucha menos.
Condición dos: tuviste ocasión de aprender esas señales. Práctica prolongada, con una retroalimentación de calidad y rapidez suficientes para vincular los resultados a las decisiones que los produjeron.
Sin la primera condición, ninguna cantidad de experiencia ayuda, porque no hay nada estable que aprender. Sin la segunda, la regularidad existe pero nunca recibiste la señal que te la habría enseñado.
Qué muestra realmente el registro
Lo que sigue son hallazgos publicados, recogidos tal como los informaron sus autores.
Hallazgos verificados de la literatura sobre pericia y juicio
| Fuente | Qué examinó | Qué estableció |
|---|---|---|
| Kahneman y Klein (2009), American Psychologist, 64(6), 515-526 | Condiciones límite de una intuición fiable | Dos condiciones necesarias: un entorno de regularidad suficiente y la oportunidad de aprender sus regularidades mediante práctica prolongada con retroalimentación de calidad |
| Shanteau (1992), Organizational Behavior and Human Decision Processes | Qué profesiones muestran juicio experto acertado y cuáles no | Buen desempeño: meteorólogos, tasadores de ganado, pilotos de pruebas, edafólogos, maestros de ajedrez, contables, astrónomos, físicos, matemáticos, inspectores de grano, fotointérpretes, analistas de seguros |
| Shanteau (1992), mismo estudio | La lista contraria | Desempeño débil, con frecuencia poco mejor que el de novatos: psicólogos clínicos, psiquiatras, responsables de admisiones, jueces, investigadores del comportamiento, agentes de libertad condicional; también observado en intermediación bursátil, selección de personal y análisis de inteligencia |
| Macnamara, Hambrick y Oswald (2014), Psychological Science | Metaanálisis de cuánto explica la práctica deliberada | Varianza explicada: juegos 26 %, música 21 %, deporte 18 %, educación 4 %, profesiones menos del 1 % |
| Hogarth, Lejarraga y Soyer (2015), Current Directions in Psychological Science | Entornos de aprendizaje amables frente a perversos | En los amables, la retroalimentación vincula con fidelidad los resultados con las acciones que los causaron; en los perversos falta, llega tarde o induce a error, y la seguridad no distingue entre ambos |
| Tetlock, Expert Political Judgment (2005) | Estudio prolongado sobre la predicción experta | 284 expertos, unas 28.000 predicciones; los “zorros”, que recurren a muchos marcos, superaron a los “erizos”, comprometidos con uno solo, sobre todo a largo plazo |
| Good Judgment Project, torneo de predicción de IARPA (2011-2015) | Competición abierta de predicción geopolítica | El proyecto ganó el torneo; sus mejores pronosticadores aficionados superaron a analistas profesionales, mostrando que el acierto predictivo se entrena y se mide |
Lee juntas las dos listas de Shanteau y el patrón salta a la vista. La lista fuerte está llena de dominios con retroalimentación rápida, inequívoca y repetida: el tiempo ocurrió o no, la aeronave voló o no, la posición se ganó o se perdió. La lista débil está llena de dominios donde el resultado llega años después, viene contaminado por otras cien causas o nunca llega en una forma que alguien registre. Las decisiones de libertad condicional y los pronósticos psiquiátricos no vienen con marcador.
Ahora lee la fila de Macnamara frente a ellas. La práctica deliberada explicaba el 26 % de la varianza de rendimiento en juegos y menos del 1 % en profesiones. La interpretación habitual es que el talento pesa más de lo que sugería el relato de las diez mil horas. Hay una segunda lectura que se sigue directamente de Kahneman y Klein: los juegos son el arquetipo del entorno de alta validez y retroalimentación rápida, y “profesiones” es un cajón dominado por entornos de baja validez. La práctica rinde donde el entorno enseña. Esta conexión es nuestra inferencia editorial entre ambas literaturas, no una afirmación de ninguno de los dos estudios, pero es la lectura que convierte el hallazgo en consejo.
El resultado más incómodo de todo el conjunto es el de Hogarth. La seguridad no sigue a la calidad del entorno. Quienes aprendieron en entornos perversos se sienten exactamente igual de seguros que quienes aprendieron en entornos amables. Tu certeza no es evidencia de tu acierto, y por eso esto no se resuelve por introspección y requiere una tarjeta de puntuación.
La tarjeta de validez del juicio
Lo que sigue es un diagnóstico para una decisión recurrente concreta, no para toda tu carrera. El juicio es específico de la decisión: un mismo directivo puede tener una intuición excelente sobre qué ingeniero triunfará y pésima sobre qué mercado se abrirá.
Elige una decisión que tomes de forma repetida. Puntúa cada dimensión con 0, 1 o 2.
Tarjeta de validez del juicio CEOtudent (marco editorial, construido sobre las condiciones de Kahneman-Klein y los criterios de retroalimentación de Hogarth)
| Dimensión | 0 puntos | 1 punto | 2 puntos |
|---|---|---|---|
| Regularidad. ¿La situación se repite con estructura estable? | Cada caso es casi único; las reglas cambian entre instancias | Los patrones amplios se repiten, pero los detalles varían mucho | Las situaciones se repiten con estructura reconocible |
| Rapidez de la retroalimentación. ¿Cuánto tardas en conocer el resultado? | Años, o nunca | Meses | Días o menos |
| Claridad de la retroalimentación. ¿Puedes atribuir el resultado a tu decisión? | El resultado lo dominan otras causas y el ruido | Parcialmente atribuible con esfuerzo | Atribución limpia e inequívoca |
| Volumen. ¿Cuántas veces has tomado exactamente esta decisión con resultado conocido? | Menos de 20 | Decenas | Cientos o más |
Suma las cuatro puntuaciones para un total sobre 8.
| Total | Veredicto | Qué hacer con tu instinto |
|---|---|---|
| 6 a 8 | Decisión de alta validez | Confía en la intuición entrenada, sobre todo bajo presión de tiempo. Tu juicio rápido probablemente lleva información real |
| 3 a 5 | Mixta | Usa la intuición para generar opciones y una lista de comprobación o un modelo para elegir entre ellas. Nunca dejes que la sensación de certeza cierre la decisión |
| 0 a 2 | Decisión perversa | No confíes en el instinto, por experimentado que seas. Usa tasas base, criterios explícitos fijados antes de mirar y opiniones externas. Aquí es donde la gente segura se equivoca más a menudo |
El resultado incómodo para la mayoría de los lectores es que sus decisiones de mayor apuesta puntúan más bajo. Contratar a un directivo, entrar en un mercado nuevo, elegir una apuesta estratégica: poco volumen, retroalimentación lenta, atribución contaminada. Son precisamente las decisiones que más se toman por instinto y más se defienden con la experiencia.
La tarjeta aplicada a decisiones modernas habituales
La tabla siguiente recoge nuestra propia puntuación, ofrecida como ejemplo trabajado y no como medición. Puntúa tu propia versión; las condiciones locales cambian los números.
| Decisión recurrente | Regularidad | Rapidez | Claridad | Volumen | Total | Veredicto |
|---|---|---|---|---|---|---|
| Juzgar si un texto es bueno | 2 | 2 | 1 | 2 | 7 | Alta validez |
| Estimar cuánto tardarás en una tarea conocida | 2 | 2 | 2 | 2 | 8 | Alta validez |
| Depurar un sistema que construiste y mantienes | 2 | 2 | 2 | 2 | 8 | Alta validez |
| Revisar una salida de IA en tu propio campo | 2 | 1 | 1 | 2 | 6 | Alta validez |
| Decidir a qué candidato contratar para un puesto directivo | 1 | 0 | 0 | 0 | 1 | Perversa |
| Predecir qué funcionalidad adoptarán los clientes | 1 | 1 | 1 | 1 | 4 | Mixta |
| Elegir un movimiento de carrera | 0 | 0 | 0 | 0 | 0 | Perversa |
| Juzgar si merece la pena entrar en un mercado nuevo | 0 | 0 | 0 | 0 | 0 | Perversa |
Fíjate en la forma del resultado. Las decisiones donde tu instinto es genuinamente excelente suelen ser las de oficio, las que ejecutas constantemente con resultados visibles. Las decisiones que el mundo premia más son aquellas en las que el instinto vale menos. Esa brecha es todo el argumento para construir el juicio de forma deliberada en lugar de acumular años.
Construir juicio donde el entorno no va a enseñarte
Si tus decisiones importantes puntúan bajo, la respuesta no es resignarse. Es fabricar las condiciones que el entorno no suministra. Cada uno de los puntos siguientes existe para volver algo más amable una decisión perversa.
Escribe la predicción antes del resultado. El hábito de mayor rendimiento disponible. Antes de una decisión importante, anota qué esperas que ocurra, para cuándo y con qué confianza en porcentaje. Los entornos perversos corrompen el aprendizaje sobre todo mediante el sesgo retrospectivo: sin registro, recordarás haber esperado lo que finalmente pasó. Un diario de predicciones es el instrumento mínimo que vuelve honesta la retroalimentación. Es exactamente la disciplina que empleó el Good Judgment Project para convertir a voluntarios corrientes en pronosticadores que superaron a analistas profesionales.
Anota razones, no solo decisiones. Registra por qué decidiste así. Cuando llegue el resultado necesitarás saber si acertaste por la razón correcta, porque acertar por la razón equivocada te enseña una señal falsa y es peor que equivocarse.
Acorta el bucle artificialmente. Si el resultado real tarda tres años, define un marcador intermedio que puedas comprobar en tres meses. Es una señal más débil que la real y muchísimo mejor que nada.
Empieza por las tasas base. En dominios de baja validez, la visión externa gana a la historia interna. ¿Con qué frecuencia funcionan las adquisiciones de este tipo? ¿Cuánto tardan de verdad proyectos como este? Empieza por la clase de referencia y ajusta luego por las particularidades, en vez de construir desde los detalles vívidos que tienes delante.
Fija tus criterios antes de mirar. Decide qué haría bueno a un candidato o a una oportunidad antes de conocer al candidato o ver la oportunidad. Es la defensa práctica frente a que primero se forme una impresión coherente y las razones se ordenen después.
Sé un zorro. El hallazgo de Tetlock fue que los pronosticadores que recurren a muchos marcos y actualizan con facilidad superan a quienes se comprometen con una única gran idea. En la práctica: sostén varias explicaciones a la vez y trata el cambio de opinión como método de trabajo, no como bochorno.
Busca refutación en personas que no te deban nada. El juicio falla en silencio cuando todos los consultados comparten la misma información y los mismos incentivos.
El matiz de la era de la IA
Dos cosas cambian cuando un modelo capaz se instala en tu flujo de trabajo, y tiran en direcciones opuestas.
La primera es genuinamente buena. La IA acorta los bucles de retroalimentación. Un trabajo que antes costaba una semana producir y un mes evaluar hoy puede redactarse, probarse y revisarse en una tarde. Más iteraciones con resultados visibles es precisamente lo que vuelve más amable un entorno perverso, de modo que algunos dominios se están volviendo más aprendibles de lo que eran.
La segunda es un modo de fallo nuevo: la seguridad prestada. Una respuesta fluida, bien organizada y espléndidamente razonada produce la misma sensación de certeza que la pericia genuina, sin la validez subyacente. Es el problema de Hogarth con un canal de distribución nuevo. Tu tarjeta es la defensa. En una decisión de alta validez dentro de tu propio oficio, tu reacción ante la salida de una máquina es informativa y deberías fiarte de tu incomodidad. En una decisión perversa, tu comodidad ante una respuesta segura no te dice nada, y la respuesta correcta es contrastarla con tasas base y visiones externas en lugar de con tu sensación de que suena bien.
Por eso también el gusto y el discernimiento se han vuelto activos competitivos entrenables y no cualidades vagas, un argumento que desarrollamos en La pila del gusto. Para la capa operativa, la tarjeta de aquí encaja directamente en la lógica de enrutamiento de La pila de decisión personal, y los marcos que conviene tener cargados antes de decidir están indexados en Los modelos mentales que de verdad importan en 2026.
La versión corta
El juicio no es un rasgo de personalidad ni una recompensa por antigüedad. Es lo que se obtiene cuando un entorno aprendible se encuentra con retroalimentación deliberada, y sigue siendo local a las decisiones donde se dieron esas condiciones. En todas las demás, el movimiento honesto es dejar de preguntar al instinto y empezar a levantar el andamiaje que hace posible una buena decisión sin él. Quienes lo hacen bien no son los que más experiencia tienen. Son los que saben exactamente qué parte de su experiencia cuenta.
Preguntas frecuentes
Entonces, ¿la intuición es fiable o no?
Depende por completo de dónde se entrenó. Kahneman y Klein concluyeron que una intuición fiable exige un entorno regular más práctica prolongada con buena retroalimentación. Si se cumplen ambas, la intuición experta es excelente, a menudo mejor que el análisis formal bajo presión de tiempo. Si falla una, es seguridad sin acierto.
Llevo veinte años en mi campo. ¿De verdad me aplica la tarjeta?
Veinte años en un dominio de alta validez es exactamente lo que construye intuición real. Veinte años en uno perverso construyen sobre todo certeza. Por eso Shanteau encontró a clínicos y agentes de libertad condicional experimentados apenas mejores que los novatos, mientras que meteorólogos y maestros de ajedrez rendían de forma excelente. Los años son un insumo, no un resultado.
¿Significa esto que debo dejar de confiar en mí en las grandes decisiones?
Significa que cuanto mayor es la decisión, menos debes apoyarte en la sensación de saber y más en la estructura: predicciones registradas, tasas base, criterios fijados de antemano, aportaciones que te contradigan. Usa tu intuición para generar respuestas candidatas. No la conviertas en el juez.
¿Cuál es la forma más rápida de empezar a mejorar?
Lleva un diario de decisiones. Antes de cada decisión relevante, escribe tu predicción, tu confianza en porcentaje y tus razones. Revísalo cada trimestre. Cuesta unos minutos por decisión y es el único modo fiable de averiguar si tu juicio está calibrado en un dominio que no te lo dirá por sí solo.
¿Puede la IA mejorar mi juicio o solo lo externaliza?
Ambas cosas son posibles y tú eliges. Usada para generar contraargumentos, sacar a la luz tasas base y poner a prueba una predicción que ya has comprometido por escrito, mejora la calibración. Usada para entregarte una conclusión segura que adoptas porque se lee bien, degrada tu juicio mientras eleva tu seguridad, que es la peor combinación disponible.
Fuentes y lecturas adicionales
- Kahneman, D. y Klein, G. (2009). Conditions for Intuitive Expertise: A Failure to Disagree. American Psychologist, 64(6), 515-526.
- Shanteau, J. (1992). Competence in Experts: The Role of Task Characteristics. Organizational Behavior and Human Decision Processes, 53(2).
- Macnamara, B. N., Hambrick, D. Z. y Oswald, F. L. (2014). Deliberate Practice and Performance in Music, Games, Sports, Education, and Professions: A Meta-Analysis. Psychological Science.
- Hogarth, R. M., Lejarraga, T. y Soyer, E. (2015). The Two Settings of Kind and Wicked Learning Environments. Current Directions in Psychological Science.
- Hogarth, R. M. Educating Intuition, University of Chicago Press.
- Tetlock, P. E. (2005). Expert Political Judgment: How Good Is It? How Can We Know? Princeton University Press.
- Tetlock, P. E. y Gardner, D. Superforecasting: The Art and Science of Prediction, sobre el Good Judgment Project y el torneo de predicción de IARPA.
- Klein, G. Sources of Power: How People Make Decisions, MIT Press, para el programa de investigación de la decisión naturalista.
Este contenido fue recopilado con el apoyo de la IA tras una investigación exhaustiva, y luego redactado y preparado para su publicación por el equipo editorial de CEOtudent.
This post is also available in:
