Rangi dirige el taller de una pequeña tienda de bicicletas en Wellington. A principios de septiembre, la dueña, Bettina, contrató a una diseñadora para renovar la web de la tienda. A finales de octubre, las ventas habían subido casi un tercio respecto a septiembre, y Bettina estaba encantada. «La mejor inversión que hemos hecho. Ha sido gracias a la nueva web».
A Rangi le gustaría darle la razón. La diseñadora le cayó bien y la web ha quedado estupenda. Pero también recuerda lo que pasa todos los años en Nueva Zelanda cuando septiembre da paso a octubre: los días se alargan, llueve menos y la gente saca la bicicleta del garaje. Abre el informe de ventas del año anterior. Aquel octubre también superó a septiembre, cuando aún tenían la web antigua.
Primero llegó la nueva web y después subieron las ventas. Eso es todo lo que Bettina sabe a ciencia cierta. Confundir «después» con «a causa de» es la falacia post hoc, uno de los errores más fáciles de cometer. En esta guía veremos en qué consiste, por qué resulta tan convincente, en qué se diferencia de confundir correlación con causalidad y qué cinco preguntas ayudan a averiguar si una cosa causó realmente otra.
¿Qué es la falacia post hoc?
La falacia post hoc consiste en concluir que un suceso causó otro solo porque ocurrió antes. Su nombre completo en latín, post hoc ergo propter hoc, significa «después de esto, por tanto, a causa de esto».
El razonamiento tiene dos pasos:
- Ocurrió A y después ocurrió B.
- Por tanto, A causó B.
El primer paso es un hecho. El segundo es una suposición disfrazada de conclusión. Una causa tiene que preceder a su efecto, pero que algo suceda antes no basta, ni mucho menos, para demostrar que lo provocó.
La Internet Encyclopedia of Philosophy incluye la falacia post hoc en la familia de las falsas causas, junto con otras tres: cum hoc (suponer que dos cosas que suceden a la vez tienen una relación de causa y efecto), la inversión de la causalidad y la falacia de la regresión. Veremos todas ellas más adelante. La falacia post hoc también ocupa el puesto 15 de nuestra guía sobre falacias lógicas, justo antes de la confusión entre correlación y causalidad. Aquí profundizaremos más, porque lo difícil no es aprenderse la definición, sino distinguir una causa real de una coincidencia temporal.
Ejemplos de falacia post hoc
Seguro que has oído la mayoría de estos ejemplos. Puede que incluso hayas dicho alguno.
| Ámbito | Qué pasó | Conclusión post hoc | Qué más podría explicarlo |
|---|---|---|---|
| Salud | «Tomé zinc y a la semana ya no estaba resfriado». | El zinc curó el resfriado. | La mayoría de los resfriados desaparecen en una semana aproximadamente |
| Deporte | «Siempre que me pongo esta camiseta, ganamos». | La camiseta ayuda a ganar. | El equipo gana a menudo y tú recuerdas las victorias |
| Negocio | Se estrenó una web y después subieron las ventas. | La web hizo aumentar las ventas. | La temporada, el cierre de un competidor o un cambio de precios |
| Trabajo | Llegó un nuevo responsable y después dimitieron dos personas. | El responsable las empujó a irse. | Quizá llevaban meses buscando otro empleo |
| Política | Entró en vigor una medida y después bajó la delincuencia. | La medida redujo la delincuencia. | Puede que la delincuencia ya estuviera bajando |
| Casa | Le diste un golpe a la impresora y entonces funcionó. | Dar golpes arregla impresoras. | Ya había terminado de ponerse en marcha |
Todas las conclusiones de la tabla podrían ser ciertas. Detectar una falacia post hoc no significa que la causa propuesta sea falsa, sino que el orden de los acontecimientos, por sí solo, no demuestra que sea verdadera.
Por qué «pasó después» parece una prueba
Si el error es tan sencillo, ¿por qué caemos tanto en él?
Buscamos causas por costumbre. Fijarnos en que una cosa viene después de otra nos ayuda a aprender, por ejemplo, que las nubes oscuras anuncian lluvia. Por eso confiamos en ese instinto incluso cuando nos lleva a engaño.
Recordamos los aciertos. Cuando la camiseta de la suerte «funciona», la victoria nos parece significativa. Cuando no, nos encogemos de hombros y nos olvidamos. Es el sesgo de confirmación actuando en segundo plano: contamos los casos que encajan con nuestra historia e ignoramos los demás.
Casi nunca vemos lo que habría pasado de todos modos. Tomaste zinc, así que nunca sabrás cómo habría evolucionado el resfriado sin él. Falta la comparación que necesitarías, y la historia que conoces ocupa ese vacío.
El error del instructor de vuelo
La versión más conocida de este fenómeno la contó Daniel Kahneman. En Pensar rápido, pensar despacio, describe a un instructor de vuelo de la Fuerza Aérea israelí que discrepaba de él sobre los elogios. Cuando felicitaba a un cadete por una maniobra excelente, decía el instructor, el siguiente intento solía salir peor. Cuando le gritaba por una mala maniobra, el siguiente solía salir mejor. Su conclusión era que gritar funcionaba y elogiar no.
Kahneman explicó que el instructor había observado bien el patrón, pero lo había interpretado mal. Una maniobra extraordinariamente buena se debe en parte a la suerte, por lo que la siguiente suele acercarse más a la media, diga lo que diga el instructor. Por la misma razón, a una maniobra extraordinariamente mala suele seguirle otra mejor. Esto se llama regresión a la media y hace que cualquier reacción a un resultado extremo parezca eficaz. Los gritos precedieron a la mejora, pero la mejora probablemente habría llegado igualmente.
La misma trampa afecta a quien toma una decisión en el peor momento, como un club que cambia de entrenador tras una temporada desastrosa. A menudo los resultados mejoran después, y el cambio se lleva todo el mérito.
Falacia post hoc frente a correlación y causalidad
Estos conceptos se solapan y muchas veces se usan como si fueran lo mismo. Así se relacionan entre sí.
| Concepto | Qué significa | Ejemplo |
|---|---|---|
| Post hoc | B ocurrió después de A, así que A causó B | «Cambié de dieta y se me quitaron los dolores de cabeza». |
| Cum hoc (confundir correlación con causalidad) | A y B ocurren a la vez, así que uno causa el otro | «Los hijos de quienes tienen más libros son más listos». |
| Causalidad inversa | Se confunde el efecto con la causa | «A quienes tienen barcos grandes los ascienden», cuando fue el ascenso lo que les permitió comprar el barco |
| Factor de confusión (una tercera variable) | Otra cosa causa tanto A como B | Las ventas de helados y los ahogamientos aumentan con el calor del verano |
| Falacia de la regresión | Se atribuye el regreso a la media a lo que ocurrió antes | Los gritos del instructor de vuelo |
| Coincidencia | No hay ninguna relación | Dos cifras sin relación que, por casualidad, suben y bajan a la vez |
El ejemplo de la causalidad inversa está adaptado de la Internet Encyclopedia of Philosophy. La fila de la coincidencia tiene una ilustración famosa: Tyler Vigen, que recopilaba parejas de datos curiosas mientras terminaba sus estudios de Derecho, descubrió que el número de películas en las que aparecía Nicolas Cage cada año seguía una evolución similar a la de los ahogamientos en piscinas de Estados Unidos durante aproximadamente una década. Nadie cree que una cosa causara la otra. Si examinas suficientes datos, algunas parejas coincidirán por puro azar.
En resumen: la falacia post hoc se basa en el orden temporal, la correlación en que dos cosas ocurren a la vez y ambas confunden un patrón con una causa. En los dos casos, conviene hacerse la misma pregunta: ¿qué más podría explicarlo?
Cuándo «después» sí es un indicio
Hay un matiz que muchas explicaciones pasan por alto: el orden temporal y la correlación sí aportan información. La Internet Encyclopedia of Philosophy lo señala expresamente: la falacia no está en tener en cuenta el patrón, sino en precipitarse al sacar una conclusión causal. Si descartáramos todos los casos en los que B ocurre después de A, nunca aprenderíamos nada de la experiencia.
En 1965, el estadístico inglés Austin Bradford Hill dio una conferencia, publicada en Proceedings of the Royal Society of Medicine con el título «The Environment and Disease: Association or Causation?», que los epidemiólogos siguen comentando hoy. Planteó nueve criterios para valorar si una asociación podría ser causal, entre ellos:
- Fuerza: un efecto grande es más difícil de atribuir a otras causas que uno pequeño.
- Consistencia: el patrón aparece en distintas personas, lugares y estudios.
- Temporalidad: la causa precede al efecto. En eso, el razonamiento post hoc sí acierta.
- Gradiente biológico: cuanto mayor es la exposición a la causa, mayor es el efecto.
- Plausibilidad: existe un mecanismo creíble.
- Experimentación: modificar deliberadamente la causa modifica el efecto.
Hill dejó claro que ninguno de estos criterios es imprescindible ni demuestra por sí solo la causalidad. Sirven para sopesar las pruebas, no son una lista que zanje la cuestión.
Una advertencia procedente de la medicina
Desde los años ochenta, numerosos estudios observacionales encontraron que las mujeres que recibían terapia hormonal tras la menopausia presentaban tasas más bajas de enfermedades cardíacas. Se extendió así la idea de que el tratamiento protegía el corazón. En 2002 se interrumpió antes de tiempo una parte de la Women's Health Initiative, un gran ensayo aleatorizado de Estados Unidos. Las mujeres que recibían estrógenos y progestágenos presentaban un mayor riesgo de cáncer de mama, enfermedades cardíacas, ictus y coágulos sanguíneos, no menor.
En una revisión de 2008, el epidemiólogo Jacques Rossouw señaló una de las razones por las que los estudios anteriores habían resultado engañosos: las mujeres que elegían la terapia hormonal ya estaban más sanas de entrada. Su buena salud coincidía con el tratamiento, pero no procedía de él. Ese factor de confusión despistó durante años a investigadores rigurosos. (La investigación sobre la terapia hormonal ha continuado desde entonces, así que esto es una lección sobre cómo valorar las pruebas, no un consejo médico).
Cinco preguntas para poner a prueba cualquier afirmación causal
Cuando alguien diga que A causó B, o cuando lo digas tú, hazte estas preguntas.
1. ¿Habría ocurrido B de todos modos?
Esta es la pregunta clave. Los resfriados se pasan, las estaciones cambian y las malas rachas terminan. Pregúntate qué habría sucedido normalmente sin A. Rangi se hizo una pregunta muy sencilla: ¿cómo fueron las ventas en octubre del año pasado?
2. ¿Qué más cambió por esas fechas?
Las causas rara vez llegan solas. Una web nueva, una nueva estación, las rebajas de un competidor, un evento ciclista local. Haz una lista de todo lo que cambió en ese momento y pregúntate por qué A merece más crédito que el resto.
3. ¿Podría ser al revés o haber una tercera causa?
Quizá B causó A. Quizá una tercera cosa causó ambas. Las mujeres más sanas eligieron la terapia hormonal. Los veranos calurosos traen más ventas de helados y más gente bañándose.
4. ¿Vuelve a ocurrir? ¿Más A produce más B?
Una sola secuencia cuenta una historia. Un patrón que se repite aporta pruebas. Si A es la causa, por lo general más A debería producir más B, y al retirar A, B debería disminuir. Si la camiseta de la suerte funciona, tendría que funcionar durante toda una temporada, no solo en un partido memorable.
5. ¿Hay alguna comparación?
Las pruebas más sólidas comparan a un grupo que recibió A con otro similar que no lo recibió. Por eso los ensayos aleatorizados son tan importantes en medicina. En la vida cotidiana, la comparación puede ser el año anterior, una tienda parecida o simplemente probar las dos opciones.
Caso práctico: la web de Rangi
Rangi no le dijo a Bettina que estuviera equivocada. Le enseñó las cifras del año anterior y le propuso responder juntos a las cinco preguntas.
| Pregunta | Qué descubrieron |
|---|---|
| ¿Habría ocurrido de todos modos? | El octubre anterior también superó a septiembre, aproximadamente en una quinta parte |
| ¿Qué más cambió? | Llegó la primavera y en octubre se celebró en la ciudad una semana para ir al trabajo en bicicleta |
| ¿Causalidad inversa o tercera variable? | La primavera trae más ciclistas y también más personas que consultan webs de bicicletas |
| ¿Se repite? | Aún era pronto para saberlo: solo tenían datos de un mes |
| ¿Hay alguna comparación? | Los pedidos online, donde la web sí podía influir directamente, crecieron mucho más que las ventas en tienda |
La última fila era la más interesante. Las ventas en tienda subieron más o menos lo mismo que el año anterior. Los pedidos online prácticamente se duplicaron. Así que la web probablemente sí ayudó, sobre todo a vender por internet, mientras que la primavera explicó gran parte del resto.
Es una respuesta mejor que «todo fue gracias a la web» o «la web no sirvió de nada». Además, le indicó a Bettina dónde convenía invertir después.
Cómo responder a la falacia post hoc
Decir «¡Eso es una falacia post hoc!» puede ser acertado, pero rara vez ayuda. Las preguntas funcionan mejor porque permiten a la otra persona detectar por sí misma lo que falta en su razonamiento. Esa es la idea detrás del método socrático.
Una fórmula sencilla: reconoce el orden de los hechos, pregunta por otras explicaciones y propón una comprobación.
- Reconoce el orden de los hechos. «Sí, las ventas subieron después del estreno de la web».
- Pregunta por otras explicaciones. «¿Qué más pasó en octubre?».
- Propón una comprobación. «¿Podemos compararlo con octubre del año pasado?».
Así podría sonar en distintas situaciones habituales.
| Lo que oyes | Lo que puedes decir |
|---|---|
| «Empecé a tomar este suplemento y me encuentro muchísimo mejor». | «Me alegro. ¿Cambió alguna otra cosa por entonces, como el sueño o el estrés?» |
| «La delincuencia bajó tras la nueva ley, así que funciona». | «¿Ya estaba bajando antes? ¿Qué ocurrió en ciudades cercanas donde no se aprobó esa ley?» |
| «Llegó el nuevo responsable y la gente empezó a dimitir». | «¿Cuánto tiempo llevaban buscando otro trabajo? ¿Alguien explicó por qué se iba?» |
| «Cambiamos de herramienta y disminuyeron los errores». | «¿Cambió algo más en ese sprint? ¿También bajaron los errores en los equipos que no cambiaron de herramienta?» |
Si estás preparando una respuesta para un debate o una redacción, nuestra guía para escribir una refutación explica cómo cuestionar la relación entre las pruebas y la conclusión, en lugar de atacar las pruebas en sí.
Cómo detectar la falacia en tus propios razonamientos
Es más fácil caer en este error cuando la historia te deja en buen lugar o cuando deseas con todas tus fuerzas que algo funcione.
- Di «después» en lugar de «a causa de». «Las ventas subieron después del estreno» es preciso. «Subieron a causa del estreno» es una afirmación que necesita más pruebas.
- Extrema la cautela tras resultados excepcionales. Después del mejor o el peor mes, espera que el siguiente sea más normal, hagas lo que hagas.
- Cuenta también los fallos. Si crees que algo funciona, anota todas las veces que lo pruebas, no solo aquellas en las que parece funcionar. Nuestra guía sobre la generalización apresurada explica por qué unos pocos casos llamativos no bastan para establecer una regla, y la del sesgo de supervivencia, por qué los casos que nunca ves importan tanto como los demás.
Cómo practicarlo con IA
Cuesta detectar la falacia post hoc en una historia propia porque ya crees en tu explicación. Un debate ayuda: alguien tiene la tarea de buscar explicaciones alternativas. En Debatly, varios modelos y personajes de IA defienden distintas posturas sobre tu pregunta a lo largo de varias rondas. Puedes intervenir en cualquier momento y, al final, un juez emite un veredicto razonado.
- Pon a prueba tu hipótesis causal. Introduce tu afirmación en la sala de debate en forma de pregunta, por ejemplo: «¿Nuestra nueva web causó el aumento de las ventas?». Una parte defenderá esa causa y la otra buscará alternativas.
- Pide a un escéptico que plantee el escenario alternativo. Haz que Viktor, el escéptico, pregunte «¿qué habría pasado de todos modos?» cada vez que alguien afirme que una cosa causó otra. Esa sola pregunta deja al descubierto la mayoría de los razonamientos post hoc en una o dos rondas.
- Enfrenta a distintos modelos. En modelo contra modelo, varios modelos de IA defienden posturas opuestas. Así es menos probable que la explicación favorita de uno de ellos se presente como la única posible.
- Lee los argumentos del juez. El juez Alex explica qué argumentos pesaron más en cada ronda. Si uno ganó basándose únicamente en el orden temporal, aplícale las cinco preguntas.
Cuando Rangi planteó la cuestión de la web, la parte que cuestionaba su influencia mencionó la primavera en su primera respuesta. Después pidió separar las ventas online de las ventas en tienda. Esa distinción fue decisiva.
Un límite importante
Los modelos de IA pueden enumerar posibles factores de confusión, pero no tienen acceso a tus datos de ventas, al tiempo que hizo ni al calendario de eventos de tu ciudad. También pueden caer en la misma falacia y construir un relato causal convincente a partir de una simple sucesión de hechos. Además, muchos tienden a favorecer la explicación que parece gustarte más (consulta por qué la IA te da la razón). Usa el debate para encontrar alternativas y compruébalas después con tus propios datos.
Pregúntate qué habría pasado de todos modos
La falacia post hoc persiste porque recordamos las secuencias, pero no vemos las alternativas. La solución empieza con una pregunta: ¿qué habría pasado sin ese cambio? Si la respuesta sincera es «probablemente lo mismo», todavía no has demostrado que fuera la causa.
Esta semana, elige algo que creas que te ha «funcionado», un hábito, una herramienta o un cambio en el trabajo, y aplícale las cinco preguntas. Si la respuesta importa, conviértela en un debate en Debatly y deja que un escéptico busque otras explicaciones. Anímate a probarlo. Puedes consultar los planes en la página de precios.
“Falacia post hoc: ejemplos y por qué «después» no significa «a causa de»”
