¿Qué es la sabiduría de las multitudes? La sabiduría de las multitudes es el fenómeno donde el juicio agregado de un grupo supera consistentemente al de expertos individuales, siempre que el grupo tenga diversidad de opinión, independencia de juicio, descentralización del conocimiento y un mecanismo de agregación.
La sabiduría de las multitudes fue demostrada empíricamente por primera vez por Francis Galton, quien analizó 787 conjeturas sobre el peso vestido de un buey en la Exposición de Ganado y Aves de Corral del Oeste de Inglaterra en Plymouth en 1906. La conjetura mediana de 1,207 lb estaba dentro de aproximadamente el 1% del peso real de 1,198 lb — mejor que los expertos en ganado — y Galton publicó el resultado como 'Vox Populi' en Nature (1907). La base matemática es más antigua: el Teorema del Jurado de Condorcet (1785) prueba que si cada miembro de un grupo es incluso ligeramente mejor que al azar en una pregunta de sí/no y los miembros juzgan de manera independiente, la probabilidad de que la mayoría esté correcta se acerca a la certeza a medida que el grupo crece. El libro de James Surowiecki, La sabiduría de las multitudes (2004), codificó cuatro condiciones — diversidad de opinión, independencia, descentralización y agregación — y mostró que eliminar cualquiera de ellas produce rebaños, burbujas y pensamiento grupal en lugar de sabiduría. Dentro del ciclo de vida de la toma de decisiones (Asistir, Enmarcar, Generar, Investigar, Agregar, Deliberar, Asignar, Elegir, Implementar, Monitorear), la sabiduría de las multitudes es la ciencia de la etapa de Agregación: cuántos juicios privados se convierten en un juicio colectivo antes de que la deliberación converja en una elección. Diferentes mecanismos agregan diferentes cosas: los sistemas de votación agregan preferencias, los mercados de predicción agregan creencias probabilísticas, y la deliberación estructurada agrega razones. Argumentree aplica estos principios con la presentación de argumentos asíncronos independientes que protegen la independencia, la calificación multidimensional que agrega juicios diversos en puntajes de consenso, y un rastro de auditoría completo que preserva el razonamiento detrás de la agregación.
¿Qué es la sabiduría de las multitudes?
La sabiduría de las multitudes es el fenómeno donde el juicio agregado de un grupo supera consistentemente a los expertos individuales — bajo cuatro condiciones específicas. Se demostró con 787 conjeturas en una feria rural en 1906, formalizado en 1785, y es la razón por la que la agregación estructurada supera a la voz más fuerte en la sala.
Última actualización: 2026-07-18
TL;DR
Bajo las condiciones adecuadas — diversidad, independencia, descentralización, y agregación — los grupos superan de manera confiable a su miembro más inteligente. Francis Galton lo demostró en 1906 (787 feriantes estimaron el peso de un buey dentro del 1%); Condorcet probó las matemáticas en 1785; James Surowiecki codificó las cuatro condiciones en 2004. Eliminar cualquiera de las condiciones hace que la multitud se vuelva más tonta, no más inteligente — que es exactamente lo que sucede en burbujas, cámaras de eco y pensamiento grupal. Argumentree protege la independencia a través de la presentación estructurada de argumentos asíncronos y agrega juicios diversos a través de calificaciones multidimensionales en puntajes de consenso.
Una Breve Historia de la Sabiduría de las Multitudes
La ciencia del juicio colectivo abarca 240 años — desde la teoría de probabilidad de la Ilustración hasta los modelos de lenguaje grandes. El patrón que se repite: las multitudes son sabias solo cuando la estructura protege el juicio independiente.
El marqués de Condorcet demuestra que si cada votante es incluso un poco mejor que una moneda al azar en una pregunta binaria, la probabilidad de que la mayoría tenga razón aumenta hacia la certeza a medida que el grupo crece, siempre que los miembros juzguen de manera independiente. Si cada votante es un poco peor que el azar, la misma matemática lleva a la mayoría hacia un error seguro.
Francis Galton analiza un concurso de estimación de peso en la Exposición de Ganado y Aves de Corral del Oeste de Inglaterra en Plymouth: 787 boletos válidos de seis peniques estimando el peso vestido de un buey. La estimación más cercana — 1,207 lb — se encuentra dentro de aproximadamente el 1% del peso real de 1,198 lb, superando a los expertos en ganado. Publicado en Nature, 7 de marzo de 1907.
El "Uso del Conocimiento en la Sociedad" de Friedrich Hayek argumenta que ningún planificador central puede reunir el conocimiento disperso y local que los precios del mercado agregan automáticamente: la base teórica para los mercados de predicción.
La Corporación RAND desarrolla la técnica Delphi: opiniones de expertos recopiladas de forma anónima y en rondas, protegiendo el juicio independiente de la jerarquía y la presión social.
La Universidad de Iowa lanza un mercado de investigación con dinero real para la predicción electoral. A lo largo de 1988–2004, sus precios estuvieron más cerca del resultado que 964 encuestas nacionales el 74% del tiempo (Berg, Nelson & Rietz 2008).
James Surowiecki codifica las cuatro condiciones para la sabiduría de las multitudes: diversidad, independencia, descentralización, agregación — y documenta cómo la eliminación de cualquiera de ellas produce rebaños, burbujas y pensamiento grupal.
Woolley y sus colegas publican evidencia en Science de un "factor c" general en el rendimiento grupal, impulsado no por el CI promedio de los miembros, sino por la sensibilidad social y el turno equitativo. La inteligencia grupal es una propiedad del proceso, no solo de las personas.
La investigación sobre LLMs e inteligencia colectiva (Burton et al., Nature Human Behaviour 2024) encuentra que la IA puede ampliar el acceso al conocimiento colectivo, pero corre el riesgo de homogeneizar puntos de vista, erosionando la diversidad y la independencia de las que depende la sabiduría de las multitudes.
La Ciencia: Un Buey, 787 Conjeturas y un Teorema
En el otoño de 1906, el estadístico de 84 años Francis Galton asistió a una feria de ganado en Plymouth donde los visitantes pagaban seis peniques para adivinar el peso vestido de un buey. Galton — no un demócrata por temperamento — esperaba que el ejercicio demostrara la ignorancia del votante promedio. En cambio, después de descartar 13 boletos defectuosos, encontró que la mediana de 787 conjeturas era 1,207 lb frente a un peso real de 1,198 lb — dentro de aproximadamente el 1%, y más cerca que los expertos en ganado. Publicó el resultado como "Vox Populi" en Nature (1907); en correspondencia posterior reconoció que la media estaba aún más cerca, en 1,197 lb. Se convirtió en la demostración fundacional de la sabiduría de las multitudes.
¿Por qué funciona esto? Cada conjetura puede considerarse como el valor verdadero más un error individual. Cuando los conjetores son diversos y juzgan de manera independiente, sus errores apuntan en diferentes direcciones y se cancelan parcialmente en el agregado — mientras que la señal compartida se acumula. La multitud no es más inteligente que todos en ella; la agregación es más inteligente que casi cualquiera en ella.
Las matemáticas preceden a Galton por 121 años. El Teorema del Jurado de Condorcet (1785) prueba que en una pregunta binaria, si cada miembro es correcto con una probabilidad incluso ligeramente superior a la mitad y los miembros juzgan independientemente, la probabilidad de que la mayoría esté correcta se acerca a la certeza a medida que el grupo crece. El teorema tiene un efecto en ambas direcciones: si los miembros son ligeramente peores que el azar — desinformados o copiando los errores de los demás — la mayoría se vuelve casi seguramente incorrecta. Trabajos posteriores extendieron el teorema a la competencia desigual (Grofman, Owen & Feld 1983) y mostraron que los votos correlacionados lo debilitan sustancialmente (Ladha 1992). La independencia no es un lujo; es la suposición fundamental.
Las Cuatro Condiciones de Surowiecki para una Multitud Sabia
El The Wisdom of Crowds (2004) de James Surowiecki identificó por qué algunas multitudes son brillantes y otras desastrosas. Todas las cuatro condiciones deben cumplirse:
Diversidad de opinión
Cada persona aporta alguna información privada o una interpretación diferente, incluso las excéntricas. Los grupos homogéneos cometen los mismos errores en la misma dirección, y los errores correlacionados no se cancelan.
Independencia
Los juicios de las personas no están dictados por las personas que las rodean. En el momento en que los individuos comienzan a copiar el comportamiento visible en lugar de usar su propia información, la multitud se convierte en un rebaño: vea las cascadas de información.
Descentralización
Las personas pueden especializarse y recurrir al conocimiento local que ninguna autoridad central podría recopilar. Esta es la percepción de Hayek: el conocimiento que importa está disperso en el grupo.
Agregación
Existe un mecanismo para convertir juicios privados en uno colectivo: una mediana, un precio de mercado, un voto, una puntuación de consenso. Sin agregación, la sabiduría permanece encerrada en las cabezas individuales.
Eliminar cualquiera de las condiciones hace que la multitud se vuelva más tonta, no más inteligente. Este es el lente diagnóstico para cada fracaso colectivo: las burbujas son fracasos de independencia, las cámaras de eco son fracasos de diversidad, y las reuniones dominadas por el primer orador son fracasos de agregación. Diferentes mecanismos también agregan diferentes cosas — los sistemas de votación agregan preferencias, los mercados de predicción agregan creencias, y la deliberación estructurada agrega razones — por lo que elegir el mecanismo de agregación es en sí mismo una decisión de diseño.
Cuando las Multitudes Fallan
La sabiduría de las multitudes no es automática — es frágil, y falla de maneras predecibles cuando sus condiciones se rompen:
Cascadas de información
Cuando las personas deciden en secuencia y pueden ver elecciones anteriores, se vuelve racionalmente individual ignorar la información privada e imitar, y los errores se acumulan. Bikhchandani, Hirshleifer y Welch formalizaron esto en 1992. Vea cascadas de información.
Pensamiento grupal
Irving Janis (1972) mostró cómo los grupos cohesivos suprimen la disidencia en busca de unanimidad: su caso canónico fue la invasión de Bahía de Cochinos. El pensamiento grupal es un fracaso de presión social hacia la independencia, distinto de la imitación racional de las cascadas, pero igual de destructivo.
Errores correlacionados
Cuando todos recurren a las mismas fuentes, los errores dejan de cancelarse y comienzan a amplificarse. Investigaciones recientes (2025) muestran que la precisión colectiva puede disminuir a medida que los grupos crecen cuando los miembros comparten información altamente correlacionada: la razón matemática por la que las cámaras de eco hacen que las multitudes sean más tontas.
Anclaje en la primera voz
En la discusión secuencial, el primer orador o el más senior moldea desproporcionadamente el resultado. La independencia muere en el momento en que el juicio se hace público antes de que todos hayan comprometido su propia opinión.
El remedio es estructural, no motivacional: recopilar juicios independientes antes de que el grupo vea las opiniones de los demás, mantener diversas fuentes de información, y agregar explícitamente en lugar de dejar que el volumen o el estatus decidan. Esto es precisamente lo que el método Delphi pionero en los años 50 — y lo que las plataformas de decisión estructurada automatizan hoy.
Dónde se Usa Hoy la Sabiduría de las Multitudes
La misma lógica de agregación aparece en sistemas muy diferentes:
Mercados de predicción
Los mercados agregan creencias dispersas en un precio. Los Mercados Electrónicos de Iowa estuvieron más cerca de los resultados electorales que 964 encuestas nacionales contemporáneas el 74% del tiempo entre 1988 y 2004 (Berg, Nelson & Rietz 2008). Vea mercados de predicción.
Aprendizaje automático en conjunto
Los bosques aleatorios y otros métodos de conjunto son el Teorema del Jurado de Condorcet en silicio: muchos aprendices débiles, diversos y en gran medida independientes votan, y la mayoría es mucho más precisa que cualquier modelo único.
El método Delphi
Elicitación estructurada de expertos en rondas anónimas, diseñado en RAND en la década de 1950 específicamente para proteger la independencia de la jerarquía y la influencia social.
Plataformas de decisión colaborativa
Herramientas que recopilan argumentos y calificaciones de cada parte interesada antes de la convergencia aplican las condiciones de sabiduría colectiva a las decisiones organizativas, agregando razones, no solo votos.
Cómo Argumentree Ingeniera la Sabiduría de las Multitudes
El diseño de Argumentree se mapea directamente a las cuatro condiciones:
Independencia por estructura
Los participantes contribuyen con argumentos de manera asíncrona e independiente, antes de que el grupo converja, y pueden contribuir de forma anónima. Nadie está anclado por la primera voz o la más senior.
Diversidad capturada como argumentos
Cada parte interesada añade su conocimiento local como argumentos explícitos a favor y en contra en un árbol compartido, de modo que las perspectivas descentralizadas ingresen al registro en lugar de permanecer sin hablar.
Agregación que puedes auditar
Calificaciones multidimensionales (utilidad, claridad, precisión, completitud) se agregan en puntuaciones de consenso: un mecanismo definido que convierte muchos juicios privados en una señal colectiva, con toda la pista de auditoría preservada.
Razones, no solo números
A diferencia de un precio de mercado o un conteo de votos, el agregado mantiene su razonamiento adjunto: el árbol de argumentos documenta por qué el juicio colectivo resultó de la manera en que lo hizo.
Preguntas Frecuentes
¿Qué es la sabiduría de las multitudes?
La sabiduría de las multitudes es el fenómeno donde el juicio agregado de un grupo supera consistentemente al de expertos individuales, siempre que se cumplan cuatro condiciones: diversidad de opinión, independencia de juicio, descentralización del conocimiento y un mecanismo de agregación. El término se popularizó después del libro de James Surowiecki de 2004, pero la demostración empírica data de Francis Galton en 1906 y la matemática de Condorcet en 1785.
¿Quién descubrió la sabiduría de las multitudes?
Francis Galton lo demostró empíricamente en 1906, cuando la mediana de las estimaciones de peso vestido de 787 feriantes (1,207 lb) estuvo dentro de aproximadamente el 1% del verdadero 1,198 lb, publicado como 'Vox Populi' en Nature en 1907. El marqués de Condorcet había probado la base matemática, el teorema del jurado, en 1785. James Surowiecki popularizó el concepto y nombró las cuatro condiciones en 2004.
¿Cuáles son las cuatro condiciones de Surowiecki para la sabiduría de las multitudes?
Diversidad de opinión (cada persona aporta información privada o una interpretación diferente), independencia (los juicios no están dictados por las opiniones visibles de otros), descentralización (las personas recurren a conocimientos locales especializados) y agregación (un mecanismo convierte juicios privados en una decisión colectiva). Las cuatro deben cumplirse: eliminar cualquiera de ellas hace que la multitud sea menos precisa, no más.
¿Cuándo falla la sabiduría de las multitudes?
Falla cuando sus condiciones se rompen: las cascadas de información y el pastoreo destruyen la independencia, las cámaras de eco y las fuentes compartidas destruyen la diversidad (los errores se vuelven correlacionados y se amplifican en lugar de cancelarse), y las reuniones no estructuradas carecen de una verdadera agregación, dejando que el estatus y el volumen decidan. El pensamiento grupal — presión social hacia la unanimidad — ataca la independencia desde una dirección diferente a las cascadas, pero con el mismo resultado.
¿Cuál es la diferencia entre la sabiduría de las multitudes y el pensamiento grupal?
Son opuestos producidos por una variable: la independencia. La sabiduría de las multitudes surge cuando se agregan juicios independientes; el pensamiento grupal surge cuando la presión social hace que los miembros converjan en el aparente consenso del grupo antes de que ocurra el juicio independiente. Un grupo que comparte, discute y se conforma antes de que alguien se comprometa con un juicio privado está ejecutando mecánicas de pensamiento grupal, incluso si se siente colaborativo.
¿Qué es el Teorema del Jurado de Condorcet en términos simples?
Si cada persona en un grupo es incluso ligeramente más propensa que una moneda al azar a tener razón en una pregunta de sí/no, y todos juzgan de manera independiente, entonces cuanto más grande sea el grupo, más probable es que la mayoría esté correcta, acercándose a la certeza. La trampa: si las personas son ligeramente peores que el azar, o se copian entre sí, la misma matemática hace que la mayoría esté erróneamente segura.
¿Cuáles son ejemplos reales de la sabiduría de las multitudes?
El concurso de peso de bueyes de Galton de 1906 (787 estimaciones, mediana dentro del 1%); mercados de predicción como los Mercados Electrónicos de Iowa, que superaron a 964 encuestas nacionales el 74% del tiempo entre 1988 y 2004; aprendizaje automático en conjunto, donde muchos modelos débiles superan a cualquier modelo fuerte; y las rondas anónimas de expertos del método Delphi, utilizadas desde la década de 1950 para la predicción.
¿Cómo aplican las herramientas de decisión colaborativa la sabiduría de las multitudes?
Ingenian las cuatro condiciones en software: la contribución independiente y asíncrona (opcionalmente anónima) protege la independencia; la captura estructurada de argumentos incorpora conocimiento descentralizado y diverso; y la calificación explícita con puntuación de consenso proporciona el mecanismo de agregación. Argumentree, además, preserva la pista de razonamiento, por lo que el juicio colectivo permanece explicable después del hecho.
Referencias y Lecturas Adicionales
Condorcet, M. de (1785). Essai sur l'application de l'analyse à la probabilité des décisions rendues à la pluralité des voix.
El teorema del jurado: la base matemática del juicio colectivo.
Galton, F. (1907). Vox Populi. Nature, 75, 450–451.
La demostración empírica fundacional: 787 estimaciones, mediana 1,207 lb vs real 1,198 lb.
View source →Hayek, F. A. (1945). The Use of Knowledge in Society. American Economic Review, 35(4), 519–530.
Conocimiento disperso y precios como agregación: el caso de la descentralización.
Grofman, B., Owen, G., & Feld, S. L. (1983). Thirteen theorems in search of the truth. Theory and Decision, 15, 261–278.
Extensiones del Teorema del Jurado de Condorcet a la competencia desigual.
Ladha, K. K. (1992). The Condorcet Jury Theorem, Free Speech, and Correlated Votes. American Journal of Political Science, 36(3).
Por qué los juicios correlacionados debilitan el teorema.
Bikhchandani, S., Hirshleifer, D., & Welch, I. (1992). A Theory of Fads, Fashion, Custom, and Cultural Change as Informational Cascades. Journal of Political Economy, 100(5), 992–1026.
El modelo formal de cómo observar a otros destruye la independencia.
Surowiecki, J. (2004). The Wisdom of Crowds. Doubleday.
Las cuatro condiciones: diversidad, independencia, descentralización, agregación.
Berg, J., Nelson, F., & Rietz, T. (2008). Prediction market accuracy in the long run. International Journal of Forecasting, 24(2), 285–300.
IEM vs 964 encuestas, 1988–2004: el mercado estuvo más cerca el 74% del tiempo.
Woolley, A. W., Chabris, C. F., Pentland, A., Hashmi, N., & Malone, T. W. (2010). Evidence for a Collective Intelligence Factor in the Performance of Human Groups. Science, 330(6004), 686–688.
La inteligencia grupal como un factor medible impulsado por el proceso, no por el CI promedio.
View source →Burton, J. W., et al. (2024). How large language models can reshape collective intelligence. Nature Human Behaviour, 8, 1643–1655.
Oportunidades y riesgos de homogeneización que los LLMs plantean para la sabiduría de las multitudes.
View source →Conceptos Relacionados
Convierte a tu equipo en una multitud sabia
Argumentree estructura las cuatro condiciones en cada decisión: contribución independiente, argumentos diversos, agregación explícita y un rastro de razonamiento preservado. Deja de decidir por la voz más fuerte.
Iniciar Prueba Gratuita