Ocurrió hace trece años, en 2011. Por motivos que mezclan el azar con alguna pasión latente y hasta entonces desconocida para él mismo, la vida del economista Walter Sosa Escudero comenzó a desplegarse desde ese año por un doble carril: el de la academia, donde estaba inmerso hasta entonces, pero también el de la divulgación masiva, un territorio completamente nuevo e inesperado.

“Un periodista me sugirió ‘salir del closet’ de la academia pura, y en paralelo me invitaron a dar una charla TED. Empecé a escribir algunos artículos y Diego Golombek me convocó para incluirlos en un libro, Qué es (y qué no es) la estadística, en la colección que dirige en Siglo XXI, Ciencia que ladra. Y a partir de ahí no paré”, cuenta Sosa Escudero a LA NACION. El “no paré” es literal: lleva desde entonces 465 artículos o actividades de divulgación (los anota en una agenda) y cuatro libros más por la misma editorial: El lado oscuro de la Econometría, Borges, Big Data y yo, Big Data y Viajar al futuro (y volver para contarlo), que se distribuye en librerías por estos días. Big Data agotó nueve ediciones en varios países, lo que lo convierte en el principal divulgador de ciencia económica en habla hispana de la actualidad.

Pero la “salida del closet” no implicó dejar su faceta anterior, sino todo lo contrario. En el terreno académico fue elegido mejor profesor de todo el Campus en UdeSA, donde da clases, y también en el PhD de la Universidad de Illinois, donde es profesor visitante. Presidió la Asociación Argentina de Economía, el Departamento de Economía de la Universidad de San Andrés, recibió los premios Konex y Houssay (entre otros) y es un autor frecuente de papers para los mejores journals de econometría del mundo.

Sosa Escudero vive en el barrio de Núñez junto a su mujer, Mercedes Iacoviello (economista, experta en gestión pública y en intervenciones asistidas con perros), con su hijo Alejandro y con tres perros rescatados. Cuando quiere distraerse de su producción ultraprolífica en divulgación y en el campo académico, agarra la guitarra. “Yo no soy un guitarrista frustrado, sino fracasado. Es decir, lo intenté y no me salió. El frustrado se persigue preguntándose ‘cómo le hubiese ido si…’, yo no tengo esa carga. Estudié añares guitarra clásica con los mejores maestros argentinos, que no nombro para no hacerles pasar papelones. Me conformo con tocar en casa, con subir algún que otro video y con involucrarme en algún que otro proyecto musical”.

Su último libro, de tapa roja (todos sus trabajos editoriales se publican en un color llamativo), trata sobre el mundo de los pronósticos. Lo hace, como siempre (pero cada vez mejor), con una extrema rigurosidad técnica y con historias que involucran a expertos en la materia y también a figuras famosas de otros campos (Mirtha Legrand, Spinetta, Pedro Aznar, el Pulpo Paul, Messi y, por supuesto, Borges, entre muchos otros).

La entrevista comienza por esta última novedad editorial, pero abarca otros tópicos, como su método de aprendizaje, si hay avances en la ciencia económica, los cisnes negros, el deporte, Milei o la maldición del premio Martín Fierro revelación.

–Ya que investigaste tanto sobre pronósticos, arrancamos con preguntas fáciles: ¿Cuánto va a estar el dólar el mes que viene? ¿Compramos bitcoins? ¿Cómo le va a ir a Milei en las elecciones de 2025?

–Voy por partes: 1) $1180, 2) No, 3) Bien. Mi curso de pronósticos (para estudiantes de negocios) justamente arranca con preguntas de este tipo. De hecho, estas (o algunas parecidas) se las hice en la primera clase. El punto que quiero hacer es que no importan tanto los pronósticos, sino su capacidad de convicción. Es decir, si te pronostico que el dólar sube (o baja), lo que importa no es el pronóstico per se, sino si esta información es capaz de ayudarte a tomar una mejor decisión (comprar, vender, no hacer nada). El partido de los pronósticos no es de “pegarle a los resultados”, sino hacerlo con alguna convicción o sistemáticamente. Entonces, lo importante de hacer pronósticos tiene que ver con justificarlos, con experiencia, con explicaciones con autoridad bien entendida. Pegarle, le pega cualquiera, a cualquier cosa. Convencer requiere más pericia. Si yo me paro al lado de una ruleta y suelto números al azar, le voy a “pegar” al resultado no por pericia ni experiencia, sino por suerte.

–¿Cuál es el sector o la disciplina que mejor avanzó con predicciones?

–Los sectores en donde los límites a la capacidad de pronosticar estaban dados por los datos o la capacidad algorítmica. El transporte, la meteorología de corto plazo, una buena parte del marketing, la medicina, son buenos ejemplos. Por caso, hace treinta años la predicción de “cuánto tardo en ir de Buenos Aires a La Plata” era muy errática, dependía de si conocías el camino apropiado, de si había accidentes, piquetes, etc. Ahora, con Google Maps o Waze, el pronóstico es tremendamente confiable, con una precisión de minutos. Esto se debe al crecimiento brutal de la cantidad de datos de transporte (los recorridos disponibles prácticamente en tiempo real) y la capacidad de los algoritmos de procesarlos, optimizar y producir una ruta óptima y un pronóstico.

–En el otro extremo, ¿qué tipo de pronósticos son ajenos a los avances en Big Data e IA?

–Bueno, seguimos sin saber cuánto va a valer el dólar a fin de año, quién será el próximo presidente, quién va a ganar el próximo mundial, cuándo terminara el conflicto bélico en Medio Oriente, si va a llover el 31 de diciembre a la noche. Estos fenómenos son muy difíciles de predecir por dos razones. Primero, algunos surgen de fuertes interacciones estratégicas. Es decir, los precios tienen que ver con lo que hagan compradores, vendedores, el propio Estado y de lo que mutuamente crean que el resto hará. Esto introduce un fuerte elemento azaroso y es lo que explica porqué es difícil predecir resultados deportivos, financieros o políticos. La dificultad en la predicción de largo plazo en el tiempo tiene que ver con otra cosa, con las brutales complejidades y no linealidades detrás de los fenómenos meteorológicos. El problema con la economía o la política es que en meteorología, a las nubes les importa un pito lo que opinan los meteorólogos, pero para los mercados es crucial lo que hacen u opinan los analistas.

–Un creativo usa la analogía de los siete amagues que se comió un defensor top croata en el Mundial, por parte de Messi, para hablar de las tendencias tecnológicas que supuestamente se iban a comer la cancha y luego no pasó nada. ¿Qué pasa con las predicciones en tecnología?

–Comparto la idea de que, paradójicamente, en muchas circunstancias, en particular en lo que hace al impacto de la tecnología, se trata de cuestiones esencialmente impredecibles o, en todo caso, que hay que proceder con mucha cautela cuando se estudian fenómenos aislados como el alcance del ChatGPT o la impresión 3D. La naturaleza revolucionaria de muchas tecnologías es más bien una caracterización ex post, con el diario de mañana. Los españoles no se levantaron el 1ro. de enero de 1493 al grito de ¡Entramos en la Edad Moderna!, cuestión que quedó clara cuando el análisis y la historia logró separar la señal del ruido.

–Tenemos un presidente que en sus mensajes en redes sociales habla de “ruido blanco”, “procesos estocásticos” y usa mucha terminología de estadísticas. ¿Tenés relación con Milei?

–El Presidente acude a muchos “artefactos” de la economía académica: autocorrelación, ruido blanco, punto fijo, el teorema de Arrow-Debreu o el principio de revelación. Me parece que es más una cuestión comunicacional. A mí, como docente, me viene bárbaro porque cada vez que menciona un tecnicismo, me da letra para discutir con mis alumnos. Lo conozco muy poquito, de la profesión, siempre nos tratamos con mucho respeto, como intenta ser mi estilo con todos mis colegas.

–Siempre mencionás mucho a Borges en tus libros, y este nuevo no es una excepción.

–En su lúcido ensayo Kafka y sus precursores, Borges se pregunta si realmente tiene sentido hablar de precursores de Kafka. Borges argumenta que es la existencia del mismísimo Kafka lo que indica quiénes fueron sus precursores. Entonces, la “temporalidad” antecesora de sus precursores es una especie de artificio, porque no podrían haber existido de no haberlo hecho Kafka. Dicho de otra forma, lo de los precursores de Kafka” es una historia que tiene sentido si es contada “de adelante para atrás”. En lo que refiere a los pronósticos, lo de Kafka ilustra un yerro predictivo habitual: porque puedo contar una historia coherente después de que un evento sucedió, entonces podría haberlo predicho. Así se habla de “el argentino que predijo la crisis” (o el Covid, o la elección del Papa Francisco) porque alguien puede racionalizar un evento atándolo a otros que ocurrieron antes. Esto es predecir con el diario de mañana. Los precursores de Kafka aparecen después de Kafka, no antes. Ahí está la genialidad del relato de Borges.

–¿Y qué opinás de los pronosticadores de “grandes arcos” históricos (Harari, Toffler, etc)?

–Volvemos sobre la tensión entre pronósticos y pronosticadores. Lo interesante de Harari, Toffler, de Malthus, Marx y, si vamos al caso, Acemoğlu (NdR: uno de los premios Nobel de Economía 2024), no es el pronóstico de largo plazo en sí mismo, sino que esos pronósticos abren la puerta para pensar en fenómenos profundos que determinan el largo plazo, como la demografía, la tecnología o las instituciones. Ahí radica el interés de estos pensadores de “grandes arcos”, en invitarnos a pensar grande.

–Y hablando de “arcos”, ¿qué fue de la vida del Pulpo Paul?

–En el proceso de elaboración de mi libro me he tomado el trabajo de perseguir el derrotero del Pulpo Paul, una injusta víctima del arte y la ciencia de los pronósticos. Y, para ser justo, también indagué en las vidas del cerdo Mystic Marcus, el puercoespín León, el hipopótamo Petty, el conejillo de indias Jimmy, la cotorra Mani, el chimpancé Pino, el potamoquero Apelsin y otros pobres bichos que, luego de algún acierto predictivo y sus consabidos 15 minutos de fama, fueron condenados al olvido. Es todo muy triste. Fueron los “perra Laika” de la ciencia de los pronósticos. Justicia para ellos, ya.

–Si te menciono el concepto “cisne negro”, ¿fruncís el ceño o ponés cara de entusiasmo?

–Je, cara de entusiasmo, pero con un par de dedos cruzados. Primero, lo bueno. La idea de “cisne negro” tiene que ver con eventos de extraña frecuencia que terminan teniendo una gran importancia, como la elección del Papa Francisco y, si vamos al caso, la mera creación del Universo. Pero “lajente” (como está de moda decir en las redes sociales) tiende a catalogar a cualquier cosa improbable como cisne negro. Me explico. Un cisne blanco de 25.432 plumas es tan raro como uno negro. La enorme diferencia es que uno está “cerca” de los otros cisnes y el otro, no. Ambos son raros, pero de una rareza completamente distinta. Uno es un cisne negro (muy diferente a todos los otros), el otro es un cisne poco frecuente, pero negro, no. Vamos a un ejemplo más concreto. ¿Fue Milei un cisne negro? Más o menos. Que haya aparecido exactamente Javier Milei es muy raro, no sé si alguien lo vio, digamos, cinco años atrás (como presidente, digo). Ahora, la irrupción de un candidato “outsider”, extrapartidario y anti establishment sí estaba dando vueltas hace tiempo.

–El futurólogo Matt Clifford dice que “aumentó la varianza de la realidad”, producto de la mayor complejidad en el mundo que nos rodea. ¿La complejidad explica los mayores pifies en pronósticos?

–Como hubiese dicho mi querido amigo y colega Kike Kawamura: “definamos complejidad”. Si “complejo” es impredecible, la aseveración es tautológicamente correcta. Pero, como conté antes, la mayoría de las impredecibilidades de la economía, el deporte, las finanzas o la política tienen que ver con que surgen de interacciones estratégicas, donde la impredecibilidad aparece no por complejidad o impericia, sino por la propia dinámica del fenómeno en cuestión. Por ejemplo, esta hiperdemostrado que los arqueros (o pateadores) introducen altas dosis de azar en lo que hacen, no por toscos o inexpertos, sino por lo contrario: no quieren dar ventajas, no quieren que “les saquen la ficha”. En el libro cuento que, por más de lo que diga el folclore, los penales son impredecibles. Pero no hay ninguna complejidad detrás de los penales, son estrategia: las acciones de los arqueros están explícitamente diseñadas para ser impredecibles. Si a todo este despelote lo llamamos “complejidad”, Clifford tiene razón. Pero el tipo de complejidad que hay en predecir el clima es de una naturaleza completamente distinta del que se esconde detrás de la política, la economía o el deporte. En embocar un tiro al aro hay una complejidad que tiene que ver con el control del cuerpo, un ruido inesperado, el viento, etc.

–En su libro Una mente brillante, sobre la vida de John Nash, Sylvia Nasar dice que en los últimos años el Nobel de Economía se da siempre a tres candidatos porque no hay nadie con mérito “entero” para ganarlo, lo cual puede indicar un estancamiento en la ciencia económica. ¿Estás de acuerdo con esa visión?

–Me parece que la ciencia económica se ha vuelto sanamente mas empírica. Creo que fue Martin Eichenbaum el que una vez dijo que “la economía se salteó demasiado rápido su etapa inductiva” y confió el estudio de las cuestiones causales a derivaciones de modelos teóricos un tanto flojos de papeles. Los últimos años han mostrado que ambos componentes, teóricos y empíricos, no solo pueden, sino que deben coexistir. Pronostico una sana vuelta de péndulo a la buena teoría, quizás como reacción “meta-analitica” a la brutal profusión de estudios empírico. Y ahora me doy cuenta que no pude evitar hacer un pronóstico. Son gajes del oficio….

–Melina Furman, experta en educación, que fue colega tuya en la Universidad de San Andrés, tenía este concepto de “aprender liviano”, sin pretender ser un experto en algo, por el puro placer de hacerlo. ¿Qué cosas seguís aprendiendo y cuál es tu método?

–Estadística, econometría, matemática y música, siempre. Esas son las cosas que estudié más o menos sistemáticamente y soy metódico. Tengo planes, rutinas, procedimientos que implemento de manera permanente. Pero también me engancho aprendiendo “cosas raras”, para lo que soy muy impulsivo y asistemático, no me planteo para qué sirve ni cómo voy a hacerlo, lo hago y punto. Cosas que he aprendido en los últimos años: diseño gráfico, construcciones con regla y compás (soy fanático de la geometría), fotografía (voy y vengo con eso), caligrafía (lo hago desde pequeño). Como verás, todo muy útil.

–Citás en todos tus libros y en muchas notas a Mirtha Legrand, ¿qué nos enseña la diva de los almuerzos en TV sobre probabilidades?

–Un clásico de mis libros, la Señora. Dos cosas. Primero que los sesgos que se pueden corregir o predecir no son tan malos. En su coquetería, Mirtha se quitaba edad, es decir “mentía”, entre comillas. Esto crea un sesgo, pero de fácil corrección. Segundo, que más allá de lo que diga de su edad, todos los años cumple un año, ahí no miente. Esto parece una tontera, pero ilustra un fenómeno crucial en la ciencia de datos: las herramientas se juzgan a la luz del propósito que las convoca. En línea con lo de Mirtha Legrand, un reloj que alguien se olvidó de ajustar cuando bajó del avión en un huso horario distinto hace mal una tarea (indica la hora equivocada), pero sigue midiendo perfectamente el paso del tiempo. ¿Sirve este reloj? Para decir qué hora es, no, para medir el paso del tiempo, sí.

–¿Por qué decís que se mejoró mucho en pronósticos deportivos?

–Es un tema delicado, casi que le dedico un capítulo entero en mi libro. El fútbol profesional tiene un costado muy fácil de predecir, por ejemplo, “los mundiales los ganan más o menos siempre los mismos seis países” o “va a haber un tapado que va a llegar lejos,” y otro complicadísimo: quién va a ganar el mundial o cuál va a ser ese “tapado”. En lo primero se ha mejorado mucho; en lo segundo, casi nada. El fútbol tiene una quirúrgica mezcla de predecibilidad. Si fuese más predecible, sería un embole, como ver jugar profesionales contra un combo amateur fuera de estado físico. Si fuese menos predecible, lo mismo, sería como ver un campeonato de tirar una moneda al aire y ver si sale cara o ceca.

–¿Qué lección deja la “maldición del Martín Fierro revelación”?

–La cuestión del Martín Fierro revelación refiere al problema del “regresión a la media”, uno de los fenómenos peor comprendidos de la ciencia y la estadística. La “maldición” dice que ganar el premio predice fracaso. Es “retornar a la media”. Acá el punto es que tener una performance descollante al principio pudo haber sido por talento o también por suerte. Si lo único es la suerte, es medio obvio que cualquiera que haya tenido una actuación descollante, al año siguiente no la tendrá. El aparente “retorno a la media” es una mera consecuencia de que el azar es más relevante al principio de una carrera, cuando hay poca información, que al final. No hay tal cosa como “la maldición del Martín Fierro a la trayectoria”, porque en esa circunstancia ya se separó la suerte del talento. ¿Todo lo que sube baja? No, depende de qué lo haya hecho subir. En su momento, Oscar Martínez ganó el Martín Fierro revelación, y siempre quedó “arriba”, no porque la maldición no se cumplió, sino porque nunca existió y lo único que prevaleció (antes y después) fue su talento.

–Hay un chiste de economistas que dice que la meteorología se inventó para que los pronósticos en economía parezcan certeros. ¿Qué está pasando con las predicciones en esta disciplina?

–Siempre aparece “la encuestadora que mejor le pegó a la inflación” o similar. Lo cual, una vez más, tomado literalmente, es una obviedad. Digo, si esta encuestadora puede explicar cómo lo hizo, o mostrar un historial de buenas predicciones, es una cosa. Ahora, si solo le pegó, es otra. Lamentablemente, en el mundo de los negocios y la economía el suertudo quiere hacerse pasar como talentoso. No sé quién tiene ganas de escuchar al ganador del Quini dar una charla TED de “cómo convertirse en un hábil seleccionador de números”. Es muy difícil evaluar predictores a través de sus predicciones, ni hablar cuando son pocas o esporádicas.

–Pregunta final, algo obvia, sobre metapredicciones: ¿cuál es el futuro de los pronósticos?

–El futuro de los pronósticos tendrá un enorme componente de datos e inteligencia artificial, pero también de la gran capacidad de la ciencia tradicional para pensar escenarios alternativos, hayan ocurrido o no. La IA y los datos andan bárbaro cuando predecir es extrapolar o interpolar. Cuando se trata de “ver qué pasaría si” la ciencia tiene notorias ventajas. En encontrar rutas explicativas (no solo patrones) a la ciencia le es fácil (y confiable) construir mundos paralelos para ver qué pasaría en cada uno de ellos. Para la IA o big data, es un ejercicio fácil predecir cuántos autos pasarán a las 11 de la mañana de un viernes de sol del mes de diciembre. Pero lo mismo en la circunstancia de haber un carril adicional, es muy difícil, porque big data no ve “la” información necesaria para sacar esta cuenta: qué harían los que no usan la autopista. La ciencia dispone de una enorme batería de artilugios para pensar y medir contrafacticamente, desde los experimentos que validan el uso de los remedios a los sofisticados modelos de la meteorología que sostienen a la aviación comercial. Son complementos, no sustitutos.

Buscador UdeSA

¿Compramos bitcoins? ¿A cuánto estará el dólar? El arte de las predicciones del economista y divulgador Walter Sosa Escudero