Sesgo de supervivencia

El sesgo de supervivencia es perjudicial por la frecuencia con la que se produce y por lo mucho que puede influir en nuestras decisiones. Este sesgo suele estar relacionado con la toma de decisiones financieras, el espíritu empresarial, el juego y la investigación médica. Al tomar decisiones en estos sectores, debemos asegurarnos de tener en cuenta tanto los éxitos como los fracasos; de lo contrario, el sesgo de supervivencia puede influir profundamente en nuestras percepciones y juicios. Sin disponer de todos los datos necesarios para tomar decisiones racionales, los individuos no podrán hacer la mejor elección posible para sí mismos.

El sesgo de supervivencia está en todas partes, ya que es un sesgo común que afecta a la forma en que interpretamos los datos y la información a la hora de tomar decisiones. El sesgo de supervivencia también afecta a la toma de decisiones a alto nivel, lo que se traduce en retos sistémicos en múltiples disciplinas.

Narrativas históricas

Es importante considerar cómo el sesgo de supervivencia puede influir en nuestra forma de ver la historia y, por tanto, de entender nuestro mundo. Dependiendo de la escuela, la forma en que se presenta la información y los materiales que se utilizan pueden crear prejuicios. Centrarse en determinados grupos y en sus éxitos a lo largo de la historia puede restar importancia a las historias y luchas de otros. Evitar los debates sobre la explotación puede darnos una imagen inexacta de cómo surgieron varios países y por qué ciertos grupos parecen tener una ventaja injusta en la era moderna. Si miramos el panorama en su conjunto, quedarnos atrapados en el sesgo de la supervivencia informa nuestros puntos de vista sobre el racismo sistémico, así como sobre otras desigualdades. Para impulsar el progreso social es importante observar tanto los triunfos como las grandes injusticias de la historia.

Epidemiología

El sesgo de supervivencia se ha detectado en casos de diagnóstico de enfermedades, concretamente en lo que respecta a las tasas de supervivencia tras el diagnóstico. Por ejemplo, los pacientes con mejor pronóstico suelen ser los de menor riesgo debido a su edad, historial médico previo y forma física. Cuantos más pacientes presenten estos precursores positivos, mejores serán sus tasas de supervivencia. Dado que los pacientes con peores antecedentes de salud no siempre sobreviven, su mortalidad no se incluye en los cálculos de la tasa de supervivencia. Esto significa que los pacientes están desproporcionadamente representados por individuos más sanos que presentan resultados positivos. Lo que también debe tenerse en cuenta son los individuos que mueren poco después de ser diagnosticados o los que fallecen ante^s de ser diagnosticados oficialmente. Al no incluirse en los cálculos de la tasa de supervivencia, se inflan los resultados.4

Durante la pandemia de COVID-19, un gran punto de interrogación fue la tasa de supervivencia. Muchos epidemiólogos y médicos advierten de que los cálculos publicados no ofrecen una imagen completa. Los pacientes que fallecen sin someterse a las pruebas del COVID-19 no pueden considerarse parte del recuento de muertes por el virus, lo que puede sesgar las tasas de supervivencia. En muchos países de todo el mundo, las naciones y sus sistemas sanitarios han tenido problemas para realizar las pruebas, lo ^que ha dado lugar a un posible sesgo de supervivencia cuando se analizan los datos generados por la enfermedad.5

Una parte importante de las campañas de marketing incluyen testimonios, datos que el consumidor valora mucho. A menudo queremos saber si un producto funciona, por lo que podemos recurrir a los "ensayos clínicos" y los estudios con financiación independiente que se presentan en las campañas publicitarias. Sin embargo, detrás de las cifras puede haber algo más: un llamativo "¡el 95% de las personas notaron mejoría!" no siempre cuenta toda la historia. Cuando no se conocen todos los parámetros de un estudio, es fácil obtener una perspectiva sesgada. Siempre es una buena idea comprobar el rigor de un estudio. Por ejemplo, ¿cuál era el tamaño de la muestra? ¿Hubo abandonos del estudio? ¿Durante cuánto tiempo utilizaron el producto? Todas estas preguntas son importantes para determinar su validez. Cuando tenemos en cuenta estos puntos, estamos trabajando activamente contra el sesgo de supervivencia.

Incorporar conjuntos de datos ricos y emplear métodos de evaluación rigurosos puede mitigar los efectos del sesgo de supervivencia en el software de IA. Sin embargo, la inteligencia artificial es un campo en constante crecimiento y su uso generalizado puede hacer que múltiples empresas lancen el próximo gran avance. Aunque el progreso tecnológico es apasionante, lanzar software demasiado rápido podría dar lugar a descuidos.

En concreto, es importante no sobrestimar los porcentajes de éxito de la inteligencia artificial, especialmente de la tecnología más reciente. No siempre tenemos en cuenta los múltiples fracasos que nos permiten lograr sistemas perfeccionados más adelante. Subestimar las limitaciones de la IA puede hacernos víctimas del sesgo de supervivencia. Esto nos lleva a utilizar la IA de un modo que desinforma nuestra toma de decisiones o nuestra investigación.

El sesgo de supervivencia es un sesgo cognitivo frecuente, que puede atribuirse a un malentendido fundamental de causa y efecto, concretamente en lo que respecta al concepto de correlación frente al de causalidad.6 Aunque la correlación y la causalidad pueden existir al unísono, la correlación no implica causalidad.7

El mero hecho de que los individuos observen un patrón en un conjunto de datos, como el ejemplo antes mencionado de empresarios de éxito y abandono escolar, no significa que todos los empresarios de éxito abandonen los estudios, ni que todos los que abandonen los estudios vayan a tener éxito. La causalidad se refiere a los casos en que la acción A causa el resultado de B, mientras que la correlación es simplemente una relación. La coincidencia de que muchos empresarios abandonaran la universidad es una correlación, ya que el hecho de abandonar los estudios no fue necesariamente la causa de su éxito. Sin embargo, el sesgo de supervivencia hace ^que los individuos crean que la correlación es causalidad.7

Ser consciente del sesgo de supervivencia y comprender cómo puede influir en el juicio y la toma de decisiones es fundamental para garantizar que una persona practique el pensamiento crítico y tome las mejores decisiones posibles para sí misma. El sesgo de supervivencia puede afectar a las personas en varios ámbitos; por lo tanto, la concienciación puede garantizar que se tomen mejores decisiones sobre productos, inversiones financieras o conclusiones científicas. Desarrollar prejuicios es un rasgo humano inevitable, pero dedicar tiempo a cuestionarlos es necesario para garantizar que tomamos la mejor decisión posible.

Una vez que son conscientes del sesgo de supervivencia, pueden evitarlo de varias maneras.

Pregúntate qué es lo que no ves

Cuando tome una decisión, empiece por considerar lo que falta. ¿Qué datos no "sobrevivieron" a un evento o a un conjunto de datos que esté utilizando? Si te haces preguntas y dedicas tiempo a investigar esos datos que faltan, podrás comprenderlos mejor antes de tomar la decisión. Estar bien informado y tomarse el tiempo necesario para detenerse, reflexionar e investigar ayudará a tener en cuenta el sesgo de supervivencia en la toma de ^decisiones.6

Investigue sus fuentes de datos

Otro método para prevenir el sesgo de supervivencia, específicamente en su trabajo e investigación, es ser selectivo con las fuentes de datos utilizadas. Al asegurarse de que las fuentes de datos están diseñadas para promover la precisión y no omiten observaciones críticas que podrían cambiar los resultados del análisis o la toma d^e decisiones, las personas pueden reducir el riesgo de sesgo de supervivencia.1

El término sesgo de supervivencia fue acuñado por primera vez por Abraham Wald, un famoso estadístico conocido por estudiar los aviones de la Segunda Guerra Mundial. Cuando el grupo de investigación de Wald intentó determinar cómo se podían proteger mejor los aviones de guerra, el enfoque inicial del grupo consistió en evaluar qué partes del avión habían sufrido más daños. Una vez identificadas las zonas en peor estado, reforzaban el avión con más protección en esos lugares. Sin embargo, Abraham Wald observó que los aviones más dañados eran los que no habían regresado de la batalla. Esos mismos aviones también proporcionaban la información más relevante sobre qué partes del avión necesitaban ser reforzadas.8

Si este grupo de investigación hubiera sido incapaz de identificar este hecho crítico, los refuerzos de aviones que habrían sugerido habrían ignorado por completo un subconjunto de aviones que posiblemente tenían los puntos de datos más valiosos en relación con el proyecto. Los resultados del estudio de investigación proporcionaron un ejemplo de cómo Abraham Wald y su grupo de investigación eⁿ Columbia superaron el sesgo de supervivencia, salvando cientos de vidas8.

El sesgo de supervivencia también afecta a los sistemas financieros. Un ejemplo típico de sesgo de supervivencia es el rendimiento de los fondos de inversión. En concreto, el sesgo de supervivencia describe la tendencia a excluir empresas o fondos de inversión de los estudios de análisis de rendimiento. Los resultados de estos estudios, que evalúan los mercados financieros, se ven entonces sesgados de forma más positiva, ya que sólo se incluye^ron en el estudio las empresas que tuvieron éxito y "sobrevivieron "9.

El sesgo de supervivencia puede examinarse más concretamente en el caso de los fondos de inversión. Un fondo de inversión es un vehículo financiero que reúne el dinero de los inversores y es gestionado por un gestor profesional. El gestor invierte en acciones, bonos y otros acti^vos10 . Los fondos que se abrieron en el pasado y perdieron dinero se cerraron o se fusionaron con otros fondos, lo que oculta los malos resultados anteriores.

El sesgo de supervivencia se produce cuando los analistas calculan los resultados de rentabilidad de grupos de inversiones, como los fondos de inversión, utilizando únicamente los datos supervivientes al final del periodo, y excluyen aquellos fondos o empresas que ya no existen al final de un estudio. Por ejemplo, en un universo financiero en el que existen 1.000 fondos, imaginemos que el 10% de estos fondos dejan de existir a final de año debido a unos malos resultados. Si un analista está llevando a cabo un análisis de rentabilidad de estos fondos, pero sólo comienza el estudio al final del año, el analista caería presa del sesgo de supervivencia y omitiría los fondos fallidos de sus resultados finales. Al no incluir los fondos que fracasar^on, los datos de rentabilidad indicarían un resultado final más favorable para el universo teórico de fondos.9

En 1996, los investigadores Elton, Gruber y Blake analizaron la relación entre el tamaño de los fondos y el sesgo de supervivencia. Descubrieron que el sesgo de supervivencia era más significativo en el sector de los fondos pequeños que en el de los fondos más importantes. Los fondos más pequeños tienen una mayor probabilidad de plegarse que los fondos más grandes y consolidados, por lo qu^e atribuyeron este hecho al sector de los fondos pequeños.12 Los investigadores estimaron la magnitud del sesgo de supervivencia en el sector de los fondos de inversión de Estados Unidos en un 0,9% anual. Además, definieron y midieron el sesgo de supervivencia de la siguiente manera:

"El sesgo se define como la media α de los fondos supervivientes menos la media α de todos los fondos" (donde α es la rentabilidad ajustada al riesgo sobre el S&P 500. Esta es la medida estándar de ^la rentabilidad superior de los fondos de inversión.12 Esta es la medida estándar del rendimiento de los fondos de inversión).12

Otro ejemplo de sesgo de supervivencia puede verse en el campo de la medicina y la investigación médica. En 2010, la Facultad de Medicina de Harvard y el Centro Médico Beth Israel Deaconess (BIDMC) llevaron a cabo un estudio con la esperanza de mejorar la supervivencia de los pacientes tras un traumatismo. Una de las principales preocupaciones a la hora de tratar un traumatismo es la hemorragia irregu^lar. Si la sangre del paciente no coagula correctamente, el riesgo de hemorragia mortal es elevado.13

El estudio de Harvard investigó si administrar a los pacientes traumatizados proteínas adicionales, presentes de forma natural en nuestro organismo, favorecería la coagulación de la sangre y mejoraría las tasas de supervivencia. El estudio se centró en pacientes que habían recibido entre 4 y 8 transfusiones de sangre en las 12 horas siguientes a la lesión inicial. El ensayo espera^ba reclutar a 1502 pacientes, pero sólo reclutó a 573, por lo que posteriormente se abandonó.13

El fracaso de este estudio se debió al sesgo de supervivencia, ya que el ensayo sólo incluyó a pacientes que habían sobrevivido a su lesión inicial y que habían recibido atención en urgencias antes de ser trasladados a la UCI para recibir entre 4 y 8 transfusiones de sangre. Los pacientes que murieron a causa de la lesión inicial no se incluyeron en el estudio, lo qu^e dificultó la búsqueda de pacientes adecuados para el ensayo.13

Qué es

El sesgo de supervivencia es un tipo de sesgo de selección de la muestra que se produce cuando un individuo confunde un subgrupo de éxito visible con todo el grupo. En otras palabras, el sesgo de supervivencia se produce cuando un individuo sólo tiene en cuenta la observación superviviente sin considerar aquellos puntos de datos que no "sobrevivieron" al suceso.

Por qué se produce el sesgo de supervivencia

El sesgo de supervivencia se da en muchas disciplinas, profesiones y campos de investigación. El sesgo de supervivencia puede atribuirse a un malentendido fundamental de causa y efecto y a una percepción sesgada de correlación frente a causalidad.

Ejemplo 1 - Sistemas financieros

El sesgo de supervivencia se produce en nuestros sistemas financieros, cuando las personas calculan los resultados de rendimiento de grupos de inversiones, como los fondos de inversión, utilizando únicamente los datos supervivientes al final del periodo, excluyendo aquellos fondos o empresas que ya no existen. Normalmente, los fondos de inversión dejan de existir debido a sus malos resultados, por lo que omitirlos de los estudios suele sesgar los datos en un sentido excesivamente positivo.

Ejemplo 2 - Investigación médica

El sesgo de supervivencia también puede observarse en su impacto en la investigación médica. La Facultad de Medicina de Harvard y el Centro Médico Beth Israel Deaconess (BIDMC), intentaron realizar un estudio sobre pacientes traumatizados y mejorar sus resultados de supervivencia a diferentes tipos de procedimientos médicos. Debido a los parámetros específicos del estudio y a unas tasas de supervivencia sesgadas, el ensayo sólo pudo contar con 573 pacientes, de sus 1502 participantes originales. El fracaso de este estudio se debió al sesgo de supervivencia, ya que el ensayo sólo incluyó a pacientes que habían sobrevivido a su lesión inicial y que luego habían recibido atención en el Departamento de Energía antes de recibir entre 4 y 8 transfusiones de sangre.

Cómo evitarlo

Una vez que las personas conocen el sesgo de supervivencia, pueden evitarlo teniendo en cuenta qué puntos de datos pueden faltar en un conjunto de datos y utilizando fuentes de datos precisas que no omitan observaciones clave.

Cómo los prejuicios pueden influir en la toma de decisiones empresariales

Este artículo explora los retos a los que se enfrentan las empresas de nueva creación cuando se aventuran en un territorio nuevo y desconocido. Cuando llega el momento de plantearse un cambio de estrategia, pueden aparecer sesgos cognitivos que promuevan una toma de decisiones rápida y eficaz. Sin embargo, la rapidez no siempre equivale a tomar las mejores decisiones; a veces, no tener en cuenta las alternativas y "dejarse llevar por el instinto" puede llevar a cometer graves errores.

Teoría del Gran Hombre

La teoría del gran hombre afirma que los líderes nacen y no se hacen. Significa que hay alguna cualidad innata e intrínseca que hace que ciertas personas sean tan influyentes. Esta teoría también afirma que, debido a su naturaleza inherente, quienes son líderes merecen estar en esa posición. Este artículo explora las afirmaciones y controversias, así como el modo en que esta teoría conecta con el sesgo de supervivencia.