La sabiduría de las multitudes es la idea de que el juicio combinado de muchas personas independientes suele ser más acertado que el de cualquier experto individual. En un mercado, esa combinación ocurre a través de los precios: cada operación mueve un poco el precio, así que el número final refleja lo que mucha gente cree, ponderado por cuánto está dispuesta a arriesgar. Funciona sorprendentemente bien cuando las personas piensan por su cuenta y tienen información distinta, y falla cuando se copian entre sí, cuando hay pocos participantes o cuando todos comparten el mismo punto ciego.

Puntos clave

  • Promediar muchas estimaciones independientes tiende a cancelar los errores individuales; por eso una multitud puede superar a la mayoría de los expertos.
  • James Surowiecki describió cuatro condiciones para una multitud sabia: diversidad de opinión, independencia, descentralización y agregación.
  • En los mercados, la agregación ocurre mediante el descubrimiento de precios: las operaciones convierten conocimiento disperso en un solo número público.
  • La evidencia de los mercados electorales y los torneos de pronóstico sugiere que las multitudes suelen estar bien calibradas, aunque es un área que todavía se estudia.
  • Las multitudes fallan cuando hay comportamiento de rebaño, mercados con poca liquidez o manipulados, sesgos compartidos o preguntas poco claras.

¿Qué es la sabiduría de las multitudes?

La sabiduría de las multitudes describe un efecto estadístico: cuando muchas personas estiman algo por separado, sus errores apuntan en direcciones distintas y se compensan en parte. El promedio o la mediana del grupo termina más cerca de la verdad que la mayoría de las respuestas individuales.

Esto importa para los mercados de predicción porque están construidos sobre esa misma apuesta. Un mercado no le pregunta a un solo analista qué va a pasar; deja que muchas personas con opiniones diferentes operen y toma el precio resultante como una estimación colectiva. A estas herramientas a veces se les llama mercados de información, y son una forma práctica de lo que se conoce como inteligencia colectiva. Si eres nuevo en el tema, nuestra guía sobre cómo funcionan los mercados de predicción explica lo básico.

Detrás de esto hay una intuición antigua. El teorema del jurado de Condorcet, del siglo XVIII, muestra que si cada votante tiene un poco más de probabilidad de acertar que de equivocarse, y vota de forma independiente, un grupo más grande tiene más probabilidad de llegar a la respuesta correcta. Las palabras clave son "independiente" y "un poco más de probabilidad de acertar". Ambas vuelven a aparecer cuando veamos dónde fallan las multitudes.

El buey de Galton y las cuatro condiciones de Surowiecki

La historia más famosa sobre la sabiduría colectiva viene de una feria rural en Plymouth, Inglaterra, en 1906. Unos 800 visitantes pagaron por adivinar el peso de un buey. El estadístico Francis Galton reunió después los boletos, esperando demostrar lo mal que la gente común juzga estas cosas. En cambio, la estimación mediana fue de 1,207 libras, y el buey pesaba en realidad 1,198 libras. La multitud se equivocó por menos del 1 %. Galton publicó el resultado en la revista Nature en 1907.

Casi un siglo después, el periodista James Surowiecki convirtió este y muchos otros ejemplos en un libro. "The Wisdom of Crowds", publicado en 2004, sostiene que los grupos pueden ser muy inteligentes, pero solo bajo ciertas condiciones. Describió cuatro:

  1. Diversidad de opinión. Cada persona aporta algo de información propia, aunque sea una lectura poco común de hechos conocidos.
  2. Independencia. Las personas forman su opinión sin limitarse a adoptar la de quienes las rodean.
  3. Descentralización. La gente puede especializarse y usar conocimiento local que ningún planificador central tiene.
  4. Agregación. Algún mecanismo convierte muchos juicios privados en una sola respuesta colectiva.

Surowiecki incluyó los mercados de predicción entre los ejemplos de ese último ingrediente: una forma de agregar. Las tres primeras condiciones describen a las personas; la cuarta, la maquinaria. Si falta alguna, la sabiduría de la multitud tiende a debilitarse.

Cómo los precios agregan información: el descubrimiento de precios explicado de forma sencilla

¿Qué es el descubrimiento de precios? Es el proceso por el cual compradores y vendedores, cada uno actuando según su propia información, empujan el precio hacia el nivel que equilibra sus opiniones. Nadie fija el precio; surge de las operaciones.

El economista Friedrich Hayek planteó el argumento clásico de por qué esto importa. En "The Use of Knowledge in Society" ("El uso del conocimiento en la sociedad"), publicado en la American Economic Review en 1945, señaló que el conocimiento útil está repartido entre millones de personas y que ninguna autoridad podría reunirlo. Los precios resuelven ese problema sin que nadie coordine. Su ejemplo: cuando una materia prima escasea, su precio sube, y miles de personas imposibles de identificar empiezan a usarla con más cuidado. No necesitan saber por qué escaseó. El precio les dice lo suficiente.

Un mercado de predicción aplica la misma lógica a una pregunta sobre el futuro. Un contrato paga $1 si el evento ocurre y $0 si no. Quien cree que el evento es más probable de lo que indica el precio tiene un motivo para comprar; quien cree que es menos probable, para vender. Cada operación lleva al precio un pequeño fragmento de información privada.

Ejemplo HIPOTÉTICO (cifras inventadas). Imagina un contrato que cotiza a 50 centavos y tres participantes. Ana leyó un informe local detallado y cree que la probabilidad es del 70 %. Beto sigue la cobertura nacional y piensa que es del 55 %. Carla vio noticias que la preocupan y cree que es del 35 %. Ana compra y el precio sube. Beto compra un poco hasta que el precio pasa de 55 centavos y se detiene. Carla vende mientras el precio sube. Si las operaciones se estabilizan cerca de 58 centavos, ese número combina las tres opiniones, ponderadas por lo que cada uno estuvo dispuesto a arriesgar. Ninguno tuvo que ponerse de acuerdo con los demás.

Ese precio final se suele leer como una probabilidad: 58 centavos sugiere más o menos un 58 % de probabilidad. Pero es una estimación, no una garantía. Depende de quién opera, cuánto dinero respalda cada opinión, las comisiones y la liquidez del mercado. Nuestra guía para leer probabilidades y precios lo explica con más detalle, y la entrada del glosario sobre probabilidad implícita da la versión corta.

También hay un vínculo con las finanzas. La idea de eficiencia del mercado, central en la hipótesis de los mercados eficientes, dice que los precios reflejan rápidamente la información disponible. Los mercados de predicción son, en cierto modo, una prueba de esa idea aplicada a eventos en lugar de acciones.

¿Funciona de verdad? Evidencia de mercados y torneos de pronóstico

Las historias convencen, pero la pregunta importante es qué muestran los datos. Varias líneas de evidencia apuntan en la misma dirección, con matices.

Iowa Electronic Markets. Este pequeño mercado académico, activo desde 1988, permite operar con dinero real sobre elecciones. Un estudio publicado en 2008 comparó sus precios con 964 encuestas de cinco elecciones presidenciales de EE. UU., de 1988 a 2004. El mercado estuvo más cerca del resultado final que las encuestas cerca del 74 % de las veces. Puedes leer más sobre esa etapa en nuestro artículo sobre la historia de los mercados de predicción.

Las apuestas electorales de Wall Street. Mucho antes de las encuestas científicas, en Nueva York había apuestas electorales organizadas. Los economistas Paul Rhode y Koleman Strumpf encontraron que entre 1884 y 1940 el candidato favorito a mediados de octubre ganó 11 de 15 elecciones presidenciales.

La revisión académica. En un análisis de 2004 en el Journal of Economic Perspectives, Justin Wolfers y Eric Zitzewitz concluyeron que los pronósticos generados por mercados suelen ser bastante precisos y superan a la mayoría de los métodos de referencia moderadamente sofisticados. Es una afirmación cuidadosa: buenos, no perfectos.

Torneos de pronóstico. Los mercados no son la única forma de agregar opiniones. En 2011, IARPA, la agencia de investigación de inteligencia de EE. UU., lanzó un torneo de pronósticos sobre eventos geopolíticos. Uno de los equipos, el Good Judgment Project, estuvo dirigido por Philip Tetlock y Barbara Mellers en la Universidad de Pensilvania. En cuatro años abarcó unas 500 preguntas y más de un millón de pronósticos. Según Good Judgment, su equipo ganó el torneo e incluso superó a analistas de inteligencia con acceso a información clasificada. El proyecto también identificó a los "superpronosticadores" (superforecasters): personas que asignan probabilidades realistas de forma constante, incluso fuera de su especialidad. Su éxito sugiere que la sabiduría colectiva mejora cuando se combinan muchas opiniones y además se da más peso a quienes tienen buen historial.

El economista Robin Hanson llevó la idea más lejos con la futarquía (futarchy), una propuesta para usar mercados como apoyo en decisiones de política pública. Sigue siendo una idea debatida, no un sistema probado.

Dónde falla la multitud: los límites de la sabiduría colectiva

Toda esta evidencia trae una condición: la multitud tiene que cumplir, al menos en parte, aquellas cuatro condiciones. Cuando no lo hace, el mismo mecanismo que produce sabiduría puede producir errores muy seguros de sí mismos. Estas son las principales formas en que falla.

El comportamiento de rebaño y la "locura de las multitudes": cuando la multitud deja de ser independiente

El comportamiento de rebaño ocurre cuando las personas dejan de usar su propia información y empiezan a seguir lo que hacen los demás. Una cascada de información es la versión extrema: cada persona supone que quienes actuaron antes sabían algo, así que los copia, y pronto todo un grupo se mueve en una dirección con muy poca evidencia real.

Un experimento de 2011 de Jan Lorenz y sus colegas, publicado en PNAS, lo puso a prueba. 144 participantes respondieron preguntas de estimación sobre datos concretos. Cuando podían ver lo que estimaban los demás, incluso una influencia social leve debilitó el efecto de la multitud. Las estimaciones se volvieron menos diversas, pero el error colectivo no mejoró. La respuesta correcta quedó desplazada hacia el borde del rango de estimaciones, y la gente se sintió más segura después de coincidir, aunque no era más precisa.

La expresión "locura de las multitudes" viene del libro de Charles Mackay de 1841, "Extraordinary Popular Delusions and the Madness of Crowds", que popularizó la historia de la tulipomanía en los Países Bajos, cuando el precio de algunos bulbos subió con fuerza desde diciembre de 1636 y se desplomó en 1637. La investigación en archivos de la historiadora Anne Goldgar sugiere que el episodio fue mucho menor que la leyenda: unos 350 comerciantes, ningún caso de quiebra que ella pudiera encontrar y poco efecto en la economía general. Mackay se basó en parte en panfletos satíricos. La lección va en dos sentidos: las multitudes pueden dejarse llevar, y las historias sobre multitudes también.

Manipulación del mercado: ¿alguien puede comprar el precio?

En los mercados de predicción, la manipulación del mercado consiste en hacer operaciones para mover el precio por motivos distintos a una opinión real sobre el resultado, por ejemplo para que un candidato parezca más fuerte. Puede ocurrir, pero la evidencia sugiere que es cara y suele durar poco en mercados activos.

En un documento de trabajo de 2008, Rhode y Strumpf describieron un experimento deliberado en los Iowa Electronic Markets durante la elección presidencial de 2000. Hicieron 11 operaciones planificadas por un total de unos $3,116, aproximadamente el 2 % del volumen del mercado. Los precios subieron cerca de un 4 % en la primera media hora, la mitad del efecto desapareció en unas dos horas y media, y se había esfumado en doce horas. El mismo documento contó 46 acusaciones documentadas de manipulación en las apuestas de Nueva York entre 1880 y 1944, donde los precios solían recuperarse en días. En la plataforma TradeSports, en 2004, dos caídas repentinas se revirtieron en minutos. Los autores observaron que el tiempo de recuperación se redujo de días a horas y luego a minutos a medida que los mercados se volvieron más rápidos.

Un caso más costoso llegó en 2012. Los investigadores David Rothschild y Rajiv Sethi, según informó Slate en 2013, encontraron que un solo participante de Intrade representó cerca de un tercio de todas las apuestas a favor de Mitt Romney en las dos últimas semanas de la campaña y perdió entre $4 millones y $7 millones. Concluyeron que intentaba distorsionar los precios. La lección: la manipulación es posible, puede salir cara a quien la intenta y, como los precios son visibles, puede influir en la narrativa de los medios mientras dura.

Mercados con poca liquidez

Una multitud tiene que ser una multitud. Cuando solo unas pocas personas operan un contrato, una sola orden grande puede mover mucho el precio, y ese movimiento quizá diga más sobre el bolsillo de alguien que sobre el evento. Por eso el volumen y la liquidez importan al leer un precio. Los mercados profundos suelen tener creadores de mercado y muchos participantes dispuestos a operar a precios cercanos; los mercados delgados, no siempre.

Sesgos compartidos y el sesgo favorito-perdedor

Promediar cancela los errores solo cuando apuntan en direcciones distintas. Si toda la multitud comparte el mismo punto ciego, el promedio simplemente lo conserva. Un patrón conocido viene de las apuestas: el sesgo favorito-perdedor (favorite-longshot bias), documentado primero en las carreras de caballos. En promedio, los apostadores tienden a sobrevalorar a los menos probables y a infravalorar a los favoritos. Los investigadores vigilan este patrón también en los mercados de predicción, aunque su fuerza en cada mercado concreto todavía se estudia.

Preguntas sin una respuesta clara

Una multitud solo puede acertar en una pregunta que tiene respuesta correcta. Cuando la redacción de un mercado es ambigua, los participantes pueden estar apostando sobre interpretaciones distintas, y el precio mezcla esas interpretaciones en lugar de reflejar un solo pronóstico. Cuando una pregunta no tiene una respuesta precisa, las multitudes también pueden derivar hacia conclusiones arbitrarias. Por eso importan tanto las reglas de liquidación. Nuestra guía sobre cómo se resuelven los mercados de Polymarket explica el papel del oráculo y de las reglas de resolución.

¿Cómo sabemos si una multitud acierta? La calibración y el puntaje de Brier

Un solo pronóstico no se puede juzgar como correcto o incorrecto por sí mismo. Si un mercado decía 70 % y el evento no ocurrió, eso no es necesariamente un error: los eventos del 70 % deberían fallar unas tres de cada diez veces. Para juzgar con justicia hay que mirar muchos pronósticos juntos.

La herramienta estándar es el puntaje de Brier (Brier score), presentado por Glenn Brier en 1950 en la revista Monthly Weather Review. Para eventos de sí o no, se toma cada pronóstico como una probabilidad entre 0 y 1, se compara con el resultado (1 si ocurrió, 0 si no), se eleva la diferencia al cuadrado y se promedia entre todos los pronósticos:

Puntaje de Brier = promedio de (pronóstico − resultado)²

Va de 0 (perfecto) a 1 (lo más equivocado posible), así que cuanto más bajo, mejor. Quien siempre dice 50 % obtiene 0.25, una referencia útil.

Un ejemplo breve: pronosticas 80 % para un evento que ocurre, lo que da (0.8 − 1)² = 0.04. Pronosticas 70 % para un evento que no ocurre, lo que da (0.7 − 0)² = 0.49. Tu promedio de ambos es (0.04 + 0.49) ÷ 2 = 0.265, un poco peor que decir siempre 50 %.

La idea relacionada es la calibración. Un pronosticador o un mercado bien calibrado es aquel en el que, de todos los eventos con un 70 % de probabilidad, cerca del 70 % realmente ocurre. La investigación sobre mercados y superpronosticadores que vimos antes trata en gran parte de calibración: si las probabilidades coinciden con la realidad a lo largo de muchas preguntas, no si una predicción concreta acertó.

Cuándo las multitudes son sabias y cuándo no

Condiciones que ayudanCondiciones que perjudican
Muchos participantes con trayectorias distintasPocos participantes, o todos usando la misma fuente
Cada persona forma su opinión de forma independienteLa gente copia opiniones visibles o movimientos recientes del precio
Se recompensa el conocimiento local y especializadoLa información está concentrada u oculta
Liquidez profunda: una sola orden mueve poco el precioMercados delgados donde una orden puede cambiar mucho el precio
Una pregunta clara con resolución objetivaRedacción ambigua o sin respuesta precisa
Errores en direcciones distintas que se compensanUn sesgo compartido por toda la multitud

Cómo leer el precio de un mercado con criterio

  • Toma el precio como una estimación. Un contrato a 62 centavos se suele leer como un 62 % de probabilidad, pero es la mejor estimación actual de la multitud, no una promesa.
  • Revisa el volumen y la liquidez. Un precio respaldado por muchos participantes y un libro de órdenes profundo merece más peso que uno fijado por pocas operaciones pequeñas.
  • Lee las reglas de resolución. Asegúrate de saber exactamente qué pregunta responde el mercado y cómo se liquidará.
  • Desconfía de los saltos repentinos. Un movimiento brusco sin noticias puede reflejar una sola orden grande o comportamiento de rebaño, no información nueva.
  • Compara fuentes. Mirar encuestas, pronósticos de expertos y otros mercados lado a lado ayuda a detectar cuándo una señal no cuadra.

Términos clave

  • Descubrimiento de precios: el proceso por el cual las operaciones llevan el precio al nivel que equilibra las opiniones de compradores y vendedores. En los mercados de predicción, convierte muchas opiniones privadas en una estimación pública.
  • Calibración: qué tan bien coinciden las probabilidades pronosticadas con la realidad a lo largo de muchos eventos. Si los pronósticos del 70 % se cumplen cerca del 70 % de las veces, hay buena calibración.
  • Puntaje de Brier: un número de 0 a 1 que mide la precisión de los pronósticos de probabilidad en eventos de sí o no. Cuanto más bajo, mejor; decir siempre 50 % da 0.25.
  • Comportamiento de rebaño: cuando las personas siguen las decisiones de otros en lugar de su propia información, lo que reduce la independencia que una multitud necesita para ser sabia.

¿Te da curiosidad ver cómo una multitud fija un precio en tiempo real?

Puedes explorar los contratos de Polymarket y ver cómo se mueven los precios cuando los participantes reaccionan a las noticias, sin operar nada. Si decides ir más allá, empieza por nuestra guía para principiantes sobre cómo operar en Polymarket.

Lecturas relacionadas

Fuentes

  • Wikipedia, Wisdom of the crowd — https://en.wikipedia.org/wiki/Wisdom_of_the_crowd
  • Wikipedia, The Wisdom of Crowds (libro) — https://en.wikipedia.org/wiki/The_Wisdom_of_Crowds
  • Hayek, The Use of Knowledge in Society (1945) — https://oll.libertyfund.org/titles/hayek-the-use-of-knowledge-in-society-1945
  • Rhode y Strumpf, Historical Presidential Betting Markets — https://doi.org/10.1257/0895330041371277
  • Wolfers y Zitzewitz, Prediction Markets — https://www.aeaweb.org/articles?id=10.1257%2F0895330041371321
  • Wikipedia, Iowa Electronic Markets — https://en.wikipedia.org/wiki/Iowa_Electronic_Markets
  • Good Judgment, About — https://goodjudgment.com/about/
  • Lorenz et al., How social influence can undermine the wisdom of crowd effect — https://pmc.ncbi.nlm.nih.gov/articles/PMC3107299
  • Rhode y Strumpf, Manipulating Political Stock Markets — https://users.wfu.edu/strumpks/papers/ManipIHT_June2008(KS).pdf
  • Slate sobre el participante de Intrade en 2012 — https://slate.com/news-and-politics/2013/09/2012-intrade-paper-suggests-a-single-intrade-trader-spent-millions-to-make-it-look-like-mitt-romney-could-win.html
  • History.com sobre la tulipomanía — https://www.history.com/articles/tulip-mania-financial-crash-holland
  • Wikipedia, Favorite-longshot bias — https://en.wikipedia.org/wiki/Favorite-longshot_bias
  • Biblioteca de la Universidad de Virginia, A Brief on Brier Scores — https://library.virginia.edu/data/articles/a-brief-on-brier-scores