Artículo
Correlación vs causalidad: qué significa realmente la diferencia
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.
¿Cuál es la diferencia entre correlación y causalidad? La correlación significa que dos cosas se mueven juntas; la causalidad significa que una de ellas produce realmente la otra. El problema es que nuestras herramientas suelen mostrar lo primero y nos tientan a afirmar lo segundo. En años de marketing de resultados he visto a un equipo celebrar una campaña porque los ingresos subieron la semana de su lanzamiento, cuando un pico estacional lo había elevado todo a la vez. He visto un test A/B presentado como prueba de causalidad sobre una muestra demasiado pequeña para descartar el azar. Distinguir correlación de causalidad no es un detalle académico. Es la diferencia entre una decisión que de verdad funciona y otra que solo parecía funcionar.
Correlación vs causalidad: por qué 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.
Durante siglos, se pensó que las tormentas, las plagas y las malas cosechas eran causadas por la brujería. Si caía un rayo, moría una vaca o nacía un niño con una deformidad, la sociedad exigía un culpable. A menudo, eran mujeres, solteras, sin hijos o simplemente demasiado independientes. Eran acusadas, torturadas y quemadas. Más de 50.000 personas, en su mayoría mujeres, fueron ejecutadas por una causa que nunca existió.
El filósofo David Hume lo señaló hace mucho: nunca vemos la causalidad. Solo nos acostumbramos a que B sigue a A. Pero, ¿realmente A causa B? Es solo una suposición. ¿Y la estadística? Nos muestra que dos cosas pueden correlacionarse o tener algún tipo de relación, pero no cuál causa a cuál. Incluso los experimentos no ofrecen certezas, solo mayor probabilidad.
La causalidad, muchas veces, no es más que una hipótesis. Un modelo. Una herramienta, no la verdad.
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?
¿Cuáles son algunos ejemplos de correlación vs causalidad?
Si tienes pensamientos, preguntas o comentarios, no dudes en escribirme a mail@richardgolian.com.
LinkedIn
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
El desarrollo de la inteligencia artificial cambia la forma en que miramos qué caminos de vida tienen sentido. Qué estudiar y qué profesión elegir.
Era jueves, 31 de marzo de 2022, cuando traspasé las últimas partes de mis responsabilidades a mis compañeros, cerré el portátil y me fui a la biblioteca. Dejé el trabajo durante varios meses y me sumergí en la filosofía. Y lo agradezco enormemente. Hoy estoy, como la mayoría de la gente, en un carrusel, y me cuesta pararme y pensar en las preguntas fundamentales de mi propia vida.
Era septiembre de 2023. Mi vida, mi trabajo, todo era completamente distinto de ahora. Era más sencillo. No poseía casi nada. Necesitaba grabar un anuncio, subí dentro de la empresa a la planta donde estaba el producto que necesitaba para ese anuncio, y allí me fijé en ella por primera vez. Ella se ríe de mí cuando lo describo así, pero en aquel momento el universo me dijo, es ella.
Cómo y por qué voy dejando las redes sociales y las grandes plataformas. Cuando leo que Meta está probando una nueva forma de cobrar por las publicaciones orgánicas que enlazan fuera de su plataforma, me confirma lo acertada que fue mi decisión de ser cada vez menos dependiente de las grandes plataformas y de las redes sociales. No significa que las haya abandonado del todo. Significa que el que yo siga o no en contacto con mis lectores depende de ellas cada vez menos, y hoy casi nada.
Uno de mis familiares describía una empresa que tiene los datos en varias herramientas distintas y cuyos empleados todavía hoy los unen a mano, en hojas de cálculo. Ese es el estado habitual de las empresas. Si a esa gente alguien le dice que no lo haga a mano y que use la IA, no le van a entender. La mayoría de las empresas ni siquiera tiene los conectores básicos entre las herramientas que utiliza. Estas empresas necesitan ayuda con la transformación con IA.
La misma tarea, dos modelos. Fable 5 contra Opus 4.8. Sobre el papel Fable es el mejor modelo, con más contexto y mejores especificaciones. Y aun así perdió. Opus resolvió la tarea con una sola ronda de control por 721.000 tokens, mientras que Fable necesitó nueve rondas y quemó 2,78 millones de tokens. La diferencia no estaba en el modelo, sino en cómo planteé la tarea. Y lo sé porque lo medí.
Hace un tiempo escribí sobre cómo construí mi propio sistema de analítica respetuoso con la privacidad. Tenía detección de bots desde la primera versión, pero no bastó. Las visitas directas tenían un peso extrañamente alto. Cuando alguien afirma que el 20 % de sus visitas son bots y el 80 % personas, yo también lo pensaba antes. Hoy diría que la proporción inversa está más cerca de la verdad. Así llegué a esta conclusión.
Tengo a Heidegger y mi cuaderno al lado. Me pregunto hacia dónde se dirige todo esto, hacia dónde nos lleva la inteligencia artificial.
Setenta por ciento. Ahí empieza el primer resultado de la IA, incluso cuando le das todo el contexto de la empresa y los mejores ejemplos del pasado. Hablamos del tipo de resultado que no se puede definir de forma programática. Es más complejo. A menudo se trata de trabajo creativo. Con un tipo de resultado repetido llegué al ochenta por ciento en una semana. Cada punto porcentual adicional es más difícil que el anterior.
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.