Sesgos cognitivos: qué son, ejemplos y por qué tu mente se engaña

Seguro te ha pasado: lees una noticia que confirma lo que ya pensabas y te parece impecable. Lees otra que dice lo contrario y enseguida encuentras sus fallos. No hiciste nada raro: tu mente funcionó como la de casi todo el mundo.

Los sesgos cognitivos son esos atajos que convierten un mundo enorme y confuso en algo manejable, a cambio de equivocarnos de maneras predecibles. Que sean predecibles importa: si los errores fueran aleatorios habría poco que estudiar. Como siguen patrones, la psicología lleva más de cincuenta años midiéndolos, y en el camino descubrió que algunos eran menos sólidos de lo que se creía.

Respuesta corta: un sesgo cognitivo es una desviación sistemática en la forma en que juzgamos, recordamos o decidimos, que aparece cuando usamos atajos mentales en lugar de analizar cada situación desde cero. Afectan por igual a expertos y principiantes, y conocerlos ayuda, aunque por sí solo no basta para evitarlos.

Qué son los sesgos cognitivos y de dónde viene la idea

En 1974, los psicólogos Amos Tversky y Daniel Kahneman publicaron en la revista Science un artículo de ocho páginas que se convirtió en uno de los más citados de las ciencias sociales. Su tesis era sencilla: cuando juzgamos probabilidades o tamaños con información incompleta, en lugar de calcular, usamos heurísticas, reglas prácticas que suelen funcionar bien y que, en ciertas condiciones, producen errores sistemáticos. A esos errores los llamaron sesgos.

Una heurística es el atajo, y el sesgo es el error típico que ese atajo produce cuando la situación no se parece a aquella para la que sirve. Juzgar la distancia de un objeto por su nitidez funciona casi siempre, pero en un día de niebla todo parece más lejano de lo que está.

Tampoco son lo mismo que las falacias. Una falacia es un argumento mal construido, algo que podemos detectar en un texto o en un debate. Un sesgo actúa antes, al percibir, recordar o valorar la información, y por eso suele pasar inadvertido para quien lo tiene.

Sistema 1 y Sistema 2: dos velocidades de pensamiento

Kahneman popularizó en 2011, con su libro Pensar rápido, pensar despacio, una manera de describirlo que se quedó en el lenguaje común. El Sistema 1 es rápido, automático e intuitivo: reconoce una cara o completa sin pensar la frase «pan con…». El Sistema 2 es lento y deliberado: resuelve 17 × 24 o compara dos contratos línea por línea.

El propio Kahneman aclaró que se trata de una metáfora y no de dos lugares concretos del cerebro. La mayor parte del tiempo dejamos que el Sistema 1 conduzca, porque el Sistema 2 requiere atención y la atención es limitada. Ahí aparecen muchos sesgos: el Sistema 1 ofrece una respuesta fácil y el Sistema 2, ocupado o cansado, la acepta sin revisarla.

Seguramente has leído que los sesgos existen «para ahorrar energía». Es una media verdad. El cerebro consume alrededor de una quinta parte de la energía del cuerpo en reposo, pero pensar con esfuerzo no dispara ese gasto de forma notable. Lo que más nos limita es la atención y el tiempo. Los atajos nos permiten decidir rápido cuando hay demasiada información. Esa ventaja es real; lo del «ahorro de energía», bastante menos.

Sesgo de confirmación: buscar lo que ya creemos

Prueba esto antes de seguir leyendo. Tengo una regla secreta que se cumple con la serie 2, 4, 6. Puedes proponer otras series de tres números y te diré si cumplen la regla. ¿Qué probarías?

Casi todo el mundo propone 8, 10, 12 o 20, 22, 24, recibe un «sí» y anuncia con seguridad: «números pares que aumentan de dos en dos». Es lo que observó el psicólogo Peter Wason en 1960. La regla real era mucho más amplia: cualquier serie de tres números en orden creciente. Para descubrirla había que probar series que contradijeran la propia hipótesis, como 1, 7, 50. Casi nadie lo hace de forma espontánea; la mayoría de participantes anunció una regla equivocada en su primer intento.

A esto se le llama sesgo de confirmación: tendemos a buscar, interpretar y recordar la información que encaja con lo que ya pensamos. En 1998, el psicólogo Raymond Nickerson lo describió en una revisión clásica como un fenómeno «ubicuo», presente en la ciencia, la medicina, los tribunales y la vida diaria. No hace falta mala fe: basta con preguntar solo aquello cuya respuesta esperamos que sea «sí».

Este sesgo también explica por qué una respuesta de un chatbot nos convence más cuando dice lo que queríamos oír. Por eso conviene aplicar los pasos de cómo verificar una respuesta de inteligencia artificial sobre todo cuando la respuesta nos gusta.

Disponibilidad: lo que recordamos parece más frecuente

¿Hay más palabras en inglés que empiezan con la letra K o más palabras que tienen la K en tercera posición? En un estudio de 1973, Tversky y Kahneman encontraron que la mayoría de personas elegía la primera opción. En realidad, las palabras con la K en tercera posición son más numerosas. Lo que ocurre es que recordar palabras por su letra inicial es mucho más fácil, y esa facilidad se confunde con frecuencia.

A eso se le llama heurística de disponibilidad: juzgamos lo probable que es algo según lo fácil que resulta traer ejemplos a la mente. Un accidente de avión ocupa portadas durante días; los accidentes de tránsito rara vez llegan a las noticias nacionales. El resultado es que mucha gente teme más volar que conducir, aunque por kilómetro recorrido el avión sea mucho más seguro.

Las redes sociales intensifican este efecto. Lo que vemos repetido muchas veces en una semana empieza a parecernos común, aunque represente una fracción mínima de lo que ocurre.

Representatividad: cuando una buena historia vence a la probabilidad

Linda tiene 31 años, es soltera, franca y muy brillante. Estudió filosofía y, como estudiante, le preocupaban mucho la discriminación y la justicia social, y participó en manifestaciones. ¿Qué es más probable: que Linda sea cajera de banco, o que sea cajera de banco y activista feminista?

En los experimentos que Tversky y Kahneman publicaron en 1983, la mayoría de participantes eligió la segunda opción, incluidos estudiantes con formación en estadística. Es imposible que sea la correcta: todas las cajeras feministas son cajeras, así que la combinación nunca puede ser más probable que una de sus partes. Lo que pasa es que la descripción «se parece» a una activista, y esa semejanza pesa más que la lógica.

Esta es la heurística de representatividad: juzgamos la probabilidad de algo por cuánto se parece a nuestro estereotipo. Explica por qué una historia con muchos detalles coherentes resulta más creíble, aunque cada detalle añadido la haga en realidad menos probable. Las teorías conspirativas bien narradas viven de ese efecto.

Anclaje: un número cualquiera mueve tu estimación

En el mismo artículo de 1974, Tversky y Kahneman describieron un experimento con una ruleta trucada para detenerse en 10 o en 65. Después de verla girar, los participantes debían estimar el porcentaje de países africanos en las Naciones Unidas. Quienes habían visto el 10 dieron una mediana de 25 %; quienes habían visto el 65, una mediana de 45 %. Sabían que la ruleta era azar, y aun así el número los arrastró.

El anclaje aparece cada vez que negociamos un precio o un salario. Un «antes 199, ahora 99» funciona en parte porque el primer número fija el punto de comparación. A diferencia de otros sesgos famosos, ha resistido bien cuando otros laboratorios repitieron los experimentos.

Efecto Dunning-Kruger: lo que dice el estudio y lo que no

Pocos conceptos psicológicos se comparten tanto en redes como el efecto Dunning-Kruger. El estudio original, publicado en 1999 por Justin Kruger y David Dunning, evaluó a estudiantes en pruebas de humor, razonamiento lógico y gramática, y les pidió que estimaran su propio rendimiento. Quienes quedaron en el cuarto inferior de puntuaciones se ubicaron, en promedio, muy por encima de su posición real. La explicación de los autores fue que las mismas habilidades que hacen falta para hacer bien una tarea son las que permiten reconocer que se está haciendo mal.

La curva que circula en internet, con un pico de confianza llamado a veces «monte de la estupidez», no aparece en ese estudio. Es una ilustración posterior y bastante libre. Los datos originales muestran algo más sobrio: casi todos los grupos se ubicaron cerca de la media, los menos hábiles se sobrestimaron y los más hábiles se subestimaron un poco.

Y el efecto en sí está en discusión. Varios investigadores han mostrado que una parte del patrón puede aparecer incluso con datos aleatorios, por un fenómeno estadístico llamado regresión a la media y porque todos tendemos a creernos un poco por encima del promedio. En 2020, Gilles Gignac y Marcin Zajenkowski analizaron el efecto con métodos más estrictos y encontraron que, en inteligencia, era mucho más pequeño de lo que sugiere la versión popular. Otros trabajos sí encuentran un efecto real, aunque modesto. Sobrestimar lo que sabemos es común. La idea de que «los ignorantes siempre se creen expertos», en cambio, es una caricatura.

Algoritmos, burbujas y cámaras de eco: qué muestran los datos

Es tentador culpar a los algoritmos: nos muestran lo que nos gusta y, según la versión popular, nos encierran en burbujas. Algo de eso hay, pero los experimentos más grandes hechos hasta ahora cuentan una historia más complicada.

Durante las elecciones de Estados Unidos de 2020, un grupo de investigadores académicos trabajó con Meta en experimentos con decenas de miles de usuarios voluntarios de Facebook e Instagram. En uno de ellos, publicado en Science en 2023, se reemplazó durante tres meses el feed algorítmico por uno cronológico. En otro, publicado en Nature, se redujo el contenido de fuentes afines a las ideas de cada persona. Los cambios modificaron lo que la gente veía y cuánto tiempo pasaba en la plataforma, pero no produjeron cambios medibles en la polarización ni en las actitudes políticas durante ese periodo.

Eso no absuelve a las plataformas ni prueba que no influyan a largo plazo. Lo que sugiere es que buena parte de la burbuja la construimos nosotros, con lo que elegimos seguir, compartir y creer. El algoritmo amplifica nuestros sesgos, pero los sesgos ya estaban ahí. Algo parecido ocurre con los modelos de lenguaje: aprenden de textos humanos y pueden reproducir nuestros sesgos, como explicamos en cómo funciona un LLM.

Cómo reducir los sesgos cognitivos: lo que sí funciona

Saber que existen los sesgos protege menos de lo que uno quisiera. La psicóloga Emily Pronin describió en 2002 el llamado punto ciego del sesgo: reconocemos con facilidad los sesgos de los demás y muy poco los propios. En 2012, West, Meserve y Stanovich comprobaron que tener más capacidad cognitiva no reduce ese punto ciego.

Aun así, algunas intervenciones funcionan. En 2015, Carey Morewedge y su equipo probaron una sola sesión de entrenamiento, con un videojuego o con un video, centrada en sesgos concretos como el de confirmación. Los participantes cometieron menos errores de ese tipo inmediatamente después, y la mejora seguía presente dos o tres meses más tarde. El videojuego, que daba retroalimentación personalizada, funcionó mejor que el video.

En la vida diaria, estas estrategias tienen respaldo razonable:

• Considerar lo contrario: Antes de decidir, pregúntate qué evidencia te haría cambiar de opinión y búscala activamente. Es la versión cotidiana de probar 1, 7, 50 en el juego de Wason.
• Pensar en la tasa base: Ante un caso llamativo, pregunta con qué frecuencia ocurre en general. Un ejemplo vívido no es una estadística.
• Hacer un premortem: Imagina que tu decisión fracasó dentro de un año y escribe por qué. Ayuda a ver riesgos que el entusiasmo oculta.
• Retrasar la primera cifra: En una negociación o una compra, forma tu propia estimación antes de ver el precio o la oferta del otro.
• Pedir una mirada externa: Otra persona no tiene tus mismos compromisos con la idea y detecta antes los huecos.

Ninguna elimina los sesgos. Lo que hacen es crear pequeñas pausas en las que el Sistema 2 tiene oportunidad de revisar. Esa misma pausa es la que proponen tradiciones antiguas como el estoicismo, que distinguía entre los hechos y el juicio que hacemos sobre ellos.

Qué sesgos resisten la crisis de replicación

Desde 2011, la psicología vive una revisión profunda: muchos resultados famosos no se reproducen cuando otros laboratorios repiten los experimentos con muestras grandes y métodos registrados de antemano. Los sesgos cognitivos no se libraron de esa revisión, y el balance es mixto.

Algunos efectos salieron fortalecidos. El proyecto Many Labs, que en 2014 repitió experimentos clásicos en decenas de laboratorios de varios países, encontró efectos de anclaje sólidos y consistentes. Otros no corrieron la misma suerte. La idea de que la fuerza de voluntad se «agota» como un músculo no se confirmó en una gran replicación coordinada publicada en 2016, y varios estudios que afirmaban que leer ciertas palabras cambia nuestra conducta sin darnos cuenta tampoco se pudieron reproducir.

Así que hay que sostener dos cosas a la vez. Algunos sesgos están entre los hallazgos más sólidos de la psicología, y la ciencia que los estudia también se equivoca, cosa que sabemos solo porque alguien se tomó el trabajo de repetir los experimentos.

Lo que sabemos y lo que no

Mapa de certeza

• Certeza alta: las personas usamos heurísticas que producen errores sistemáticos; el anclaje y el sesgo de confirmación se han observado de forma repetida en contextos muy distintos.
• Certeza media: el entrenamiento específico puede reducir algunos sesgos durante meses; no sabemos bien cuánto se transfiere a decisiones reales fuera del laboratorio.
• En debate: el tamaño real del efecto Dunning-Kruger y el papel de los algoritmos en la polarización a largo plazo.

Escala del asombro: sabemos que la ruleta es azar y aun así nos mueve. Lo sorprendente es que podemos predecir cómo nos vamos a equivocar y, aun sabiéndolo, volver a hacerlo.

Pregunta abierta: si nuestros sesgos son en parte el precio de pensar rápido en un mundo complejo, ¿hasta qué punto queremos eliminarlos y hasta qué punto nos conviene solo saber cuándo frenar?

Preguntas frecuentes

Fuentes y lecturas recomendadas

• Tversky, A. y Kahneman, D. (1974). Judgment under Uncertainty: Heuristics and Biases. Science.
• Tversky, A. y Kahneman, D. (1973). Availability: A heuristic for judging frequency and probability. Cognitive Psychology.
• Nickerson, R. S. (1998). Confirmation bias: A ubiquitous phenomenon in many guises. Review of General Psychology.
• Kruger, J. y Dunning, D. (1999). Unskilled and unaware of it. Journal of Personality and Social Psychology.
• Gignac, G. E. y Zajenkowski, M. (2020). The Dunning-Kruger effect is (mostly) a statistical artefact. Intelligence.
• Guess, A. M. et al. (2023). How do social media feed algorithms affect attitudes and behavior in an election campaign? Science.
• Tversky, A. y Kahneman, D. (1983). Extensional versus intuitive reasoning: The conjunction fallacy in probability judgment. Psychological Review.
• Morewedge, C. K. et al. (2015). Debiasing Decisions: Improved Decision Making With a Single Training Intervention. Policy Insights from the Behavioral and Brain Sciences.

Sigue explorando en Ciencia del Asombro

• El misterio de la conciencia: la frontera final de la neurociencia
• IA y conciencia: ¿puede una máquina llegar a sentir?
• Por qué soñamos: lo que la neurociencia sabe sobre los sueños
• Cómo verificar una respuesta de inteligencia artificial sin ser experto