El efecto Dunning-Kruger probablemente no es real (y aquí te explico por qué)

El efecto Dunning-Kruger probablemente no es real (y aquí te explico por qué)

Conoces el gráfico. Ese donde la confianza se dispara hasta el "Monte de la Estupidez", luego se estrella en el "Valle de la Desesperación" y finalmente sube por la "Cuesta de la Ilustración". Explica a tu jefe, a tu tío en Facebook y al que intentó arreglar la impresora de la oficina a golpes. El efecto Dunning-Kruger se ha convertido en uno de los conceptos de psicología más citados de la era de internet.

Aquí viene lo incómodo: **el efecto Dunning-Kruger probablemente no es real**.

Al menos no como nos lo creemos. Un creciente número de estudios de replicación, re-análisis estadísticos y, bueno, sentido común sugieren que el hallazgo famoso de "incompetente e inconsciente" es sobre todo una ilusión matemática metida en la metodología del estudio original. Lo sé, lo sé — *se siente* verdadero. Por eso caló. Pero como alguien que escribe sobre tecnología, productividad y la forma desordenada en que los humanos tomamos decisiones, creo que hay que jubilar este meme y sustituirlo por algo más útil.

Vamos a desmenuzar qué encontraron realmente Dunning y Kruger, por qué se desmorona bajo escrutinio y qué deberías hacer en lugar de mandarle a tu amigo un "Dunning-Kruger" condescendiente cuando se equivoca.

El estudio original, en un párrafo

En 1999, los psicólogos Justin Kruger y David Dunning realizaron cuatro estudios donde los participantes completaban tests de humor, gramática y lógica. También tenían que estimar cómo les había ido comparados con el resto.

Los resultados mostraron lo que se volvió leyenda: la gente que quedaba en el percentil 25 inferior creía que estaba por encima de la media — a veces dramáticamente. Mientras tanto, los del percentil 25 superior se subestimaban ligeramente. Los investigadores lo llamaron la "doble maldición" de la incompetencia: si te falta habilidad, también te falta la capacidad de ver que te falta habilidad. Así nació el efecto Dunning-Kruger.

Capturaba algo real sobre la naturaleza humana, o eso pensábamos. El problema es que el hallazgo puede no ser una rareza psicológica en absoluto. Puede ser un artefacto estadístico.

La matemática que mata al efecto

Aquí está la cosa con las autoevaluaciones: son ruidosas. Cuando valoras tu propia capacidad, entran un montón de factores — tu estado de ánimo, tu memoria, lo listo que te crees en general, cómo te han alabado los demás, si te acabas de tomar un segundo café. Las medidas de rendimiento también tienen ruido. Igual tuviste suerte, igual leíste mal una pregunta, igual no dormiste.

Imagina que haces un test, recopilas las puntuaciones y luego divides a la gente en "cuartil inferior" y "cuartil superior" basándote *solo* en esas puntuaciones imperfectas. Luego comparas esos grupos con sus propias autoevaluaciones.

Estadísticamente, el grupo inferior contendrá más gente cuyo score real se vio arrastrado por mala suerte o ruido. Su autoevaluación, basada en una percepción más amplia de su capacidad, no bajará tanto como su puntuación en el test. **Parece** que se sobreestimaron. El grupo superior es lo contrario: contiene gente cuyas puntuaciones subieron por suerte, así que su autoevaluación se ve más baja por comparación. Esto crea exactamente la curva en U que Dunning y Kruger encontraron.

Los psicólogos llaman a esto "regresión a la media". Pasa con todo: si eliges los peores equipos de fútbol de una temporada, tienden a hacerlo mejor la siguiente sin importar el entrenador. El efecto Dunning-Kruger podría ser solo ese patrón, vestido con bata de laboratorio y puesto en un escenario TEDx.

Cuando investigadores re-analizaron los datos originales con métodos estadísticos más apropiados — permitiendo que autoevaluación y rendimiento estuvieran correlacionados dentro de grupos en vez de solo mirar promedios — el patrón dramático desapareció en gran medida. Un paper de 2020 en *Advances in Methods and Practices in Psychological Science* lo demostró exactamente. Estudios posteriores con muestras mayores y mejores diseños han encontrado evidencia mucho más débil. Algunos no han logrado replicarlo en absoluto.

Vale, ¿pero no es verdad que la gente se cree mejor de lo que es?

Claro que sí. El exceso de confianza es real. Montones de investigaciones muestran que somos malos prediciendo nuestro rendimiento futuro, que casi todos nos creemos conductores por encima de la media y que todos nos creemos más graciosos que la persona mediana de la sala. Ese efecto — a veces llamado "sesgo de superioridad ilusoria" — está bien respaldado.

**Pero eso no es el efecto Dunning-Kruger.** El efecto Dunning-Kruger dice específicamente que *las personas menos competentes* son las *más* sobreconfiadas. El sesgo de superioridad ilusoria dice que *todo el mundo* es un pelín sobreconfiado en *todo*. Son afirmaciones muy distintas.

Y hasta la idea de "incompetente e inconsciente" es más débil de lo que suena. Sí, un chef novato puede creer que sus espaguetis quemados son gourmet. Pero un chef novato no tiene marco sensorial para saber qué es un "al dente" decente. Eso no es un "sesgo cognitivo". Es solo falta de conocimiento. En cuanto alguien le da feedback — "tus espaguetis rebotan" — suele actualizar al instante. El Dunning-Kruger real predeciría que se quedan tercamente ciegos incluso tras verlo. Pero la mayoría no.

O sea: el efecto Dunning-Kruger puede haber confundido *estar mal calibrado* con *ser incapaz de calibrarse*. Son problemas muy distintos.

¿Por qué nos encanta tanto este efecto?

Porque es un arma social. ¿Para qué decir "creo que tu argumento es flojo y aquí la evidencia" cuando puedes soltar "esto es literalmente un efecto Dunning-Kruger"? Te deja ganar discusiones sin currártelo. Y te halaga, también. Si crees que los incompetentes son ciegos a su incompetencia, **tú** obviamente no eres uno de ellos. Estás en la parte alta del gráfico, gorra puesta y todo.

El efecto Dunning-Kruger explica el mundo de forma ordenada y no amenazante. Ponle nombre al compañero pesado y al fundador de startup sobreconfiado. Pero una vez ves los problemas estadísticos, no puedes no verlos.

Tres escenarios reales para que veas por qué importa.

Escenario 1: El debatidor del grupo de WhatsApp

Tu amigo de la uni suelta una opinión rotunda y errónea sobre vacunas, economía o política local. Alguien contesta "Dunning-Kruger". Suena acertado. Pero pregúntate: ¿está tu amigo en el cuartil inferior de "toda persona que haya tenido opinión sobre vacunas"? Probablemente no. Su confianza viene de su dieta mediática, confianza en influencers e identidad social. Eso no es "incompetente e inconsciente" — es **razonamiento motivado**. Y llamarlo Dunning-Kruger mata la conversación. Dejas de intentar entender *por qué* creen lo que creen y empiezas a tratarlos como especímenes de laboratorio.

Escenario 2: El founder que programa por vibes

Esto lo veo a diario en mi feed. Alguien usa un LLM para montar una app en un fin de semana. Está convencido de que está lista para producción. La despliega. Luego un investigador de seguridad encuentra su base de datos expuesta. ¿Es Dunning-Kruger? Igual no. Es más probable que al founder le falte un **bucle de feedback**. Nunca ha visto un test de penetración. No sabía lo que no sabía. La solución no es mofarse y citar un paper de psicología de 1999. La solución es pasarle un escáner de seguridad, una checklist de OWASP o un senior que diga "vamos a mirarlo juntos".

Si quieres crear el hábito de revisar tus puntos ciegos, busca validación externa pronto y a menudo. Code reviews, tests A/B, entrevistas a usuarios, siquiera dejar que otro apriete el botón. El problema del marco Dunning-Kruger es que te hace pensar "esta persona nunca aprenderá", y te saltas la parte donde de verdad les ayudas a aprender.

Escenario 3: Tus propias habilidades

Acuérdate de esa vez que creíste que clavaste un examen y sacaste un 5. El efecto Dunning-Kruger dice que eras demasiado tonto para saber que eras tonto. Pero es más probable que estuvieras respondiendo la pregunta que *tenías en la cabeza*, no la del papel. Habías repasado un concepto parecido, así que no te diste cuenta de que te faltaba una pieza clave. Eso no es un defecto de personalidad. Es un fallo de diseño de la evaluación. Cuando salió la plantilla de respuestas, probablemente lo pillaste al instante. Si de verdad estuvieras atrapado por Dunning-Kruger, te negarías a aceptar la plantilla.

Cómo mejorar *de verdad* tu autoevaluación

Si el efecto Dunning-Kruger no es real, ¿qué haces? Mucho.

Trata la confianza como una afirmación comprobable

Cuando te pillas pensando "se me da bien esto", conviértelo en una afirmación concreta: "puedo completar esta tarea en menos de 3 horas sin errores gordos". Luego testéalo. Registra tus resultados reales. Esto transforma la autoevaluación vaga en datos medibles.

Lleva un diario de predicciones

Un diario de predicciones es de las formas más rápidas de calibrar tu confianza. Apunta qué crees que pasará, con qué confianza, y luego rastrea el resultado. Con el tiempo verás tu curva de confianza y la ajustarás.

Si quieres ir más allá, prueba **Good Judgment Open** ([https://www.goodjudgment.io](https://www.goodjudgment.io)), donde practicas pronosticar eventos geopolíticos reales con tus propios niveles de confianza. También está **Guesstimate** ([https://www.getguesstimate.com](https://www.getguesstimate.com)) si quieres montar modelos de incertidumbre simples para decisiones más complejas. (Y sí, veo la ironía: una de las mejores formas de ver que Dunning-Kruger es flojo es medir tu precisión predictiva objetivamente.)

Mete bucles de feedback en tu trabajo

La razón principal por la que persiste el exceso de confianza es la falta de feedback oportuno. En tech tenemos integración continua, code reviews y post-mortems de incidentes. Úsalos. En trabajo creativo, busca reseñas de gente que *te vaya a criticar de verdad*. En la vida, pregunta a los afectados por tus decisiones. **El feedback es el antídoto contra Dunning-Kruger** — que es otra razón por la que el efecto probablemente no sea una ley psicológica fija. Es mayormente un síntoma de información faltante.

Haz un premortem

En vez de preguntar "qué necesito para que esto funcione", prueba con "si esto falla en seis meses, ¿qué lo habrá causado?". Apunta cada razón que se te ocurra. No requiere que sepas lo que no sabes; solo te obliga a imaginar los modos de fallo. Es un ejercicio de equipo muy usado en diseño de producto, y funciona mucho mejor que decirle a alguien "estás en el valle de la desesperación".

Deja de usar "Dunning-Kruger" como insulto

Este es el consejo más práctico que tengo. La frase no resuelve nada. Si crees que alguien es sobreconfiado, pregúntale: "¿Del 0 al 100%, qué tan seguro estás?". Luego: "¿Qué evidencia te haría cambiar de opinión?". Si no puede contestar, tienes una conversación real. Si puede, igual aprendes algo.

¿Quiere decir esto que el efecto Dunning-Kruger *nunca* pasa?

Voy con cuidado: el **patrón original específico** — el cuartil inferior siendo dramáticamente más sobreconfiado que el resto, en todos los dominios, en una U consistente — probablemente no es real. Pero la idea general de que todos tenemos puntos ciegos en nuestro razonamiento **es absolutamente real**. Solo que no es exclusiva de la gente incompetente. De hecho, los expertos a veces son *más* sobreconfiados — precisamente porque saben lo justo para creerse que pueden predecir lo que no pueden.

Por eso el efecto Dunning-Kruger ha sobrevivido tanto. Es una historia cómoda. Dice que confianza y competencia están inversamente correlacionadas en la gente que no nos cae bien. Pero la realidad es más aburrida: **todos estamos imperfectamente calibrados, y la mejor forma de mejorar es feedback, tests y humildad**.

Hasta el término "incompetente e inconsciente" debería darse la vuelta. La gente más propensa a la sobreconfianza es la que nunca ha tenido sus suposiciones desafiadas. En la era de la IA generativa, donde todos pueden construir software pero no todos pueden securizarlo, esto importa más que nunca. La próxima vez que un modelo de IA te diga confiado que sabe algo, o un compañero despliegue una feature a medio hornear, no busques una etiqueta de psicología. Busca un test, una checklist y una conversación.

El efecto Dunning-Kruger probablemente no es real, pero el daño causado por la confianza no examinada **sí que es muy real**. Gastemos menos tiempo diagnosticando a la gente y más construyendo sistemas que nos mantengan honestos.

FAQ

¿El efecto Dunning-Kruger es completamente falso?

No "completamente falso" — hay evidencia de que la gente es imperfecta juzgando sus propias habilidades. Pero la famosa curva en U donde los peores son los más sobreconfiados no ha aguantado bien. Muchos investigadores creen ahora que el hallazgo original fue un artefacto estadístico por regresión a la media y medidas ruidosas.

¿Por qué el efecto Dunning-Kruger *parece* tan verdadero?

Porque el mundo está lleno de gente confiada y equivocada, y una vez oyes el término, lo ves en todas partes. Es una forma de sesgo de confirmación. El efecto también te da un modelo mental halagador: tú no estás en el cuartil inferior, así que debes ser de los "sabios" que se subestiman.

¿Debería dejar de usar el término "efecto Dunning-Kruger"?

Puedes usarlo, pero no como diagnóstico. En vez de decir "es un caso de manual de Dunning-Kruger", di algo como "me pregunto qué feedback o evidencia podría cambiarle la opinión aquí". La primera frase cierra la conversación; la segunda la abre.

¿Cómo evito ser sobreconfiado en mi trabajo?

Monta bucles de feedback, rastrea tus predicciones y pide revisión crítica antes de decisiones gordas. El objetivo no es dudar de todo — es saber *exactamente dónde* estás inseguro. La confianza está bien. **La confianza no calibrada es donde empiezan los problemas.**