Artículo
Me sorprende el uso tan seguro de palabras como certeza y causalidad
Hoy me topé con una publicación en LinkedIn de un especialista digital. Afirmaba con mucha seguridad que, gracias a un test A/B, no solo podemos identificar correlaciones, sino también establecer verdadera causalidad. Utilizaba palabras como “certeza” como si la estadística formara parte de la física newtoniana — algo claro, absoluto, indiscutible. Me sorprende ese nivel de confianza. Yo no la tengo.
Vemos causas donde no las hay
Nuestro cerebro ansía orden. Cuando algo sucede después de otra cosa, instintivamente pensamos: “lo primero causó lo segundo”. ¿Dolor de cabeza? Seguro que fue el café. Estamos diseñados para buscar causas, incluso donde no existen.
Desde el punto de vista evolutivo, esto tiene mucho sentido. Si oías un crujido en los arbustos, era más seguro asumir que había un tigre y salir corriendo, aunque solo fuera el viento. La evolución nos enseñó que es mejor equivocarse que morir. Tal vez por eso tendemos a ver patrones en el caos, conexiones en lo desconectado.
En la Edad Media, se creía que los cometas traían desgracias. El cometa Halley apareció en 1066 — y luego vino la batalla de Hastings. Caso cerrado.
Seguir leyendo
Ingresa tu correo para desbloquear este artículo y unirte al boletín. Puedes darte de baja en cualquier momento.
Resumen
Preguntas frecuentes sobre el tema del artículo
¿Por qué es problemático el uso seguro de la palabra certeza?
¿Cuál es la diferencia entre correlación y causalidad?
¿Por qué el cerebro humano ve causas donde no las hay?
¿Pueden los tests A/B probar la causalidad?
¿Qué dice David Hume sobre la causalidad?
¿Por qué esto importa para los profesionales que trabajan con datos?
Si tienes pensamientos, preguntas o comentarios, no dudes en escribirme a mail@richardgolian.com.
Artículos relacionados
He realizado aproximadamente ciento cincuenta entrevistas prácticas a lo largo de los últimos cuatro años. Cincuenta para puestos de especialista en datos. Cien para especialistas en publicidad y marketing de rendimiento. Casi todas consistieron en sentarme con un candidato frente a una tarea práctica — algo cercano a un problema real que necesitamos resolver en la empresa. Sin teoría. Sin trivialidades. Resolución aplicada de problemas. Con el tiempo, empecé a notar un patrón.
Los mecanismos que nos ayudaron a sobrevivir se están convirtiendo en debilidades.
Para algunos, salir de este ciclo puede no ser fácil, pero es posible.
Más artículos
Europa no tiene capacidad para hacer frente a una guerra de drones masiva y a gran escala como la que vemos en Ucrania. La debilitan tres dependencias: China suministra el material físico de los sistemas de defensa, Estados Unidos aporta las capacidades que Europa no tiene, y veintisiete Estados no logran ponerse de acuerdo sobre con qué rapidez, ni quién paga. Existen planes de rearme, pero se ejecutan con lentitud.
La IA crea el gráfico, el newsletter y la página de producto más rápido que una persona. A quien antes lo hacía le queda una sola cosa — el criterio, saber si el resultado es bueno. Pero la mayoría tiene peor criterio que la IA. Y quien no sabe juzgar la calidad tampoco sabe delegar. ¿Cómo saber si el tuyo es el criterio en el que una empresa se apoya, o el que puede reemplazar?
En abril, en la primera parte de esta serie, escribí sobre un sistema predictivo de IA que empecé a desarrollar en mi propio ordenador. Entonces el software tenía unas pocas horas y el registro de predicciones estaba vacío. Desde entonces, los registros del sistema mostraron una cosa — el sistema todavía no entiende el mercado que se le pide predecir. Sabe encontrar el contexto macro, el valor contable de las empresas, las ganancias. Pero no sabe juntar esas cosas en algo que le ayude a entender el precio.
Praga, 13 de mayo de 2026. De camino al trabajo empecé a pensar en algo que se me quedó dentro durante días. Si en los próximos diez años desaparece la mayor parte del trabajo rutinario delante de un ordenador, y con ella desaparece buena parte del trabajo manual repetitivo, ¿qué pasa con el flujo del dinero? ¿Quién paga a quién y por qué? ¿Qué capas económicas existirán, qué tamaño tendrán y qué relaciones se establecerán entre ellas? Este es el mapa de seis capas que esbocé como respuesta.
Estoy construyendo un sistema de IA para predecir el S&P 500. Corre en mi propia máquina, usa datos públicos gratuitos — yfinance, FRED, el dataset de Shiller — y evalúa cada pronóstico contra la realidad. Esta serie documenta la construcción en sí: las decisiones, la metodología, los errores. Lo que finalmente comparta del sistema en funcionamiento es una pregunta separada, y honesta.
Ayer no podía despegarme del ordenador. Cuando levanté la cabeza, eran las ocho y media de la tarde. Llevaba unas tres horas sentado solo arriba.
¿Me quitará la IA el trabajo? Un formador certificado de Google me dijo en junio de 2024 que mi profesión dejaría de existir. Veintidós meses después, mi cargo no ha cambiado — pero el noventa por ciento de lo que hago durante el día es distinto. He delegado más de mi pensamiento a agentes de IA de lo que jamás creí posible. No tengo miedo. Esto es por qué, y qué significa para cualquiera que se haga la misma pregunta.
Una hora. Cincuenta y cinco minutos. Ese es el tiempo que me llevó construir lo que una empresa checa de software había cotizado en más de 50.000 €. Lo construí con Claude Code. Ni un prototipo. Ni una prueba de concepto. Una herramienta funcional — la que la empresa realmente necesitaba. Aquella misma tarde ya estaba corriendo en staging. Esto no va sobre Claude Code. Va sobre lo que Claude Code deja al descubierto.
Antes de enseñarle algo a la IA, necesitas ver lo que te está ocultando.
Cuatro días en Cataluña. Sin ordenador, sin IA, casi sin redes sociales. Me compré este cuaderno para anotar lo que pensaría y lo que encontraría y aprendería durante el viaje.