ANÁLISIS DE INTELIGENCIA Y TOMA DE DECYSIONES ESTRATEGICAS
Efecto Dunning-Kruger en análisis de inteligencia: Implicaciones en evaluación de amenazas y toma de decisiones estratégicas
DUNNING-KRUGER EFFECT IN INTELLIGENCE ANALYSIS: IMPLICATIONS FOR THREAT ASSESSMENT AND STRATEGIC DECISION-MAKING
Doctor Profesor Claudio Paya Santos
Resumen en español
El presente estudio examina la aplicación del efecto Dunning-Kruger al análisis de inteligencia, explorando cómo este sesgo metacognitivo afecta la evaluación de amenazas, la producción de inteligencia estratégica y la toma de decisiones en contextos de seguridad nacional. A través de una revisión sistemática de la literatura sobre sesgos cognitivos en análisis de inteligencia y la integración de marcos teóricos de psicología cognitiva, este artículo propone un modelo comprensivo para entender y mitigar los efectos de la sobrestimación de competencias en entornos de alta incertidumbre. Los hallazgos sugieren que el efecto Dunning-Kruger representa un riesgo significativo en la producción de inteligencia, particularmente cuando se combina con otros sesgos cognitivos como el sesgo de confirmación y el pensamiento grupal. Se proponen intervenciones institucionales basadas en evidencia para reducir la influencia de este sesgo en el proceso analítico.
Palabras clave: Efecto Dunning-Kruger, análisis de inteligencia, metacognición, toma de decisiones estratégicas, evaluación de amenazas.
Resumen en inglés
This study examines the application of the Dunning-Kruger effect to intelligence analysis, exploring how this metacognitive bias affects threat assessment, strategic intelligence production, and decision-making in national security contexts. Through a systematic review of literature on cognitive biases in intelligence analysis and the integration of theoretical frameworks from cognitive psychology, this article proposes a comprehensive model for understanding and mitigating the effects of competence overestimation in high-uncertainty environments. The findings suggest that the Dunning-Kruger effect represents a significant risk in intelligence production, particularly when combined with other cognitive biases such as confirmation bias and groupthink. Evidence-based institutional interventions are proposed to reduce the influence of this bias in the analytical process.
Palabras clave: Dunning-Kruger effect, intelligence analysis, metacognition, strategic decision-making, threat assessment
INTRODUCcióN
El análisis de inteligencia constituye una disciplina crítica para la seguridad nacional y la formulación de políticas estratégicas (Lowenthal, 2015). Sin embargo, la historia está repleta de fallos de inteligencia atribuibles, al menos en parte, a sesgos cognitivos en el proceso analítico (Jervis, 2010; Heuer, 1999). Entre estos sesgos, el efecto Dunning-Kruger —la tendencia de individuos con competencias limitadas a sobrestimar dramáticamente su capacidad— presenta desafíos particulares para la comunidad de inteligencia (Contreras, 2026b).
Kruger y Dunning (1999) demostraron en su investigación seminal que los individuos con menor competencia en un dominio específico tienden a: (a) sobrestimar su propio nivel de habilidad, (b) fallar en reconocer la habilidad genuina en otros, (c) no reconocer la extensión de su inadecuación, y (d) si son entrenados para mejorar sustancialmente su competencia, eventualmente reconocen y aceptan su incompetencia previa. Este fenómeno, fundamentado en la incapacidad metacognitiva de evaluar con precisión el propio desempeño, tiene implicaciones profundas para profesiones que requieren juicio experto en condiciones de ambigüedad (González, 2023).
La comunidad de inteligencia ha reconocido crecientemente la importancia de los sesgos cognitivos. La Agencia Central de Inteligencia (CIA) desarrolló el método de Análisis de Hipótesis Competitivas (ACH) específicamente para contrarrestar el sesgo de confirmación (Heuer, 1999). Sin embargo, la literatura académica sobre el efecto Dunning-Kruger específicamente en el contexto del análisis de inteligencia permanece limitada, representando una brecha significativa en nuestra comprensión de cómo los sesgos metacognitivos afectan la producción de inteligencia.
REVISIÓN DE LA LITERATURA
Este artículo emplea una metodología de revisión integrativa (Whittemore & Knafl, 2005), combinando literatura de múltiples disciplinas: psicología cognitiva, ciencias de inteligencia, toma de decisiones organizacionales, y estudios de expertise. La búsqueda bibliográfica incluyó las bases de datos PsycINFO, Web of Science, Google Scholar, y repositorios especializados de inteligencia como el International Journal of Intelligence and Counter Intelligence.
Criterios de inclusión:
- Estudios empíricos sobre el efecto Dunning-Kruger o sesgos metacognitivos relacionados
- Investigación sobre sesgos cognitivos en análisis de inteligencia
- Literatura sobre desarrollo de expertise en dominios complejos
- Estudios de caso de fallos de inteligencia con componentes de error de juicio
Adicionalmente, se incorpora análisis teórico basado en marcos conceptuales establecidos en psicología cognitiva aplicados específicamente al contexto de inteligencia.
METODOLOGÍA
3.1 El efecto Dunning-Kruger: Fundamentos cognitivos
El efecto Dunning-Kruger se fundamenta en una deficiencia de metacognición —la capacidad de reflexionar sobre y evaluar los propios procesos cognitivos (Flavell, 1979). Kruger y Dunning (1999) argumentan que las mismas habilidades necesarias para ser competente en un dominio son las requeridas para evaluar la competencia en ese dominio. Esta "doble carga" crea una situación donde quienes carecen de competencia también carecen de la capacidad metacognitiva para reconocer su incompetencia.
Investigaciones posteriores han refinado y expandido este modelo. Ehrlinger et al. (2008) demostraron que la sobrestimación de habilidades es particularmente pronunciada cuando las tareas son difíciles y el feedback correctivo es limitado o retardado. Dunning (2011) expandió el marco teórico para incluir el concepto de "ignorancia de segundo orden" —no solo no sabemos, sino que no sabemos que no sabemos.
Pennycook et al. (2017) proporcionaron evidencia neuropsicológica sugiriendo que el efecto está vinculado a déficits en la reflexión cognitiva y el pensamiento analítico. Individuos con menores capacidades de reflexión cognitiva muestran mayor discrepancia entre su desempeño real y su autoevaluación.
Figura 1. La Curva del Efecto Dunning-Kruger en Desarrollo de Expertise Analítico. Relación entre competencia real y confianza percibida a lo largo del desarrollo profesional de analistas de inteligencia.
Fuente: elaboración propia.
3.2 Sesgos cognitivos en análisis de inteligencia
La investigación sobre sesgos cognitivos en inteligencia tiene una historia extensa. Heuer (1999) identificó numerosos sesgos que afectan el juicio analítico, incluyendo el sesgo de anclaje, el sesgo de disponibilidad, y el sesgo de confirmación. Jervis (2010) expandió este trabajo, argumentando que los sesgos cognitivos no son meramente "errores" individuales sino características sistemáticas del razonamiento humano que deben ser gestionadas institucionalmente.
Marrin (2011) enfatiza que el análisis de inteligencia opera en condiciones de "ambigüedad estratégica" donde múltiples interpretaciones de los mismos datos son plausibles. Esta ambiguedad crea el contexto ideal para que los sesgos cognitivos florezcan. Chang y Tetlock (2016) demostraron que incluso analistas experimentados exhiben calibración deficiente en sus juicios probabilísticos, sobrestimando consistentemente la precisión de sus predicciones.
3.3 Metacognición y expertise en dominios complejos
La investigación sobre desarrollo de expertise (Ericsson & Lehmann, 1996; Shanteau, 1992) sugiere que el dominio genuino en dominios complejos requiere no solo conocimiento factual extenso sino también capacidades metacognitivas sofisticadas. Los expertos genuinos desarrollan lo que Schön (1983) llama "reflexión en acción" —la capacidad de monitorear y ajustar su pensamiento en tiempo real.
Chi (2006) distingue entre "conocimiento superficial" y "conocimiento profundo", argumentando que los novatos típicamente poseen representaciones mentales superficiales de problemas complejos, mientras que los expertos han desarrollado esquemas organizacionales más sofisticados. Crucialmente, esta diferencia en la organización del conocimiento afecta la capacidad metacognitiva: los novatos no pueden evaluar con precisión su comprensión porque sus marcos conceptuales son inadecuados para reconocer lo que están perdiendo.
Feltovich et al. (1997) identificaron el fenómeno de "reducción de complejidad" donde novatos confiados simplifican indebidamente dominios complejos, tratando conceptos multidimensionales como unidimensionales y relaciones no-lineales como lineales. Este patrón es particularmente relevante para el análisis de inteligencia geopolítica (Gangi, 2025).
3.4 Objetivos de la investigación
Este artículo busca:
1. Examinar teóricamente cómo el efecto Dunning-Kruger se manifiesta en el contexto específico del análisis de inteligencia
2. Identificar los factores que amplifican o mitigan este efecto en entornos de inteligencia.
3. Analizar las consecuencias institucionales y operacionales de este sesgo
4. Proponer intervenciones basadas en evidencia para reducir su impacto
El Efecto Dunning-Kruger en Análisis de Inteligencia: Manifestaciones Específicas
4.1 La paradoja del conocimiento inicial
En el análisis de inteligencia, los novatos típicamente atraviesan una fase de entrenamiento intensivo donde adquieren herramientas metodológicas —técnicas de análisis estructurado, marcos analíticos, procedimientos de evaluación de fuentes— y conocimiento factual básico sobre regiones o temas específicos. Este conocimiento inicial, aunque limitado, puede generar una sensación de competencia que excede dramáticamente la realidad (Kardash & Howell, 2000).
Heuer y Pherson (2010) describen cómo los analistas novatos pueden aplicar técnicas como el Análisis de Hipótesis Competitivas de manera mecánica sin comprender completamente las sutilezas que determinan su aplicación efectiva. El dominio superficial de herramientas sofisticadas puede crear la ilusión de expertise analítico.
Este fenómeno se amplifica por lo que Moore y Healy (2008) llaman "sesgo de comparación social": los novatos se comparan con otros novatos y con su estado anterior de conocimiento, no con expertos genuinos cuya existencia pueden no reconocer completamente.
4.2 Sobre simplificación de complejidad geopolítica
La investigación sobre razonamiento experto (Chi et al., 1981) demuestra que los expertos poseen representaciones mentales ricas y estructuradas de sus dominios. En contraste, los novatos trabajan con esquemas simplificados. En el análisis de inteligencia geopolítica, esto se manifiesta como reducción de situaciones multidimensionales a narrativas lineales simples (Santos, et al.,2026).
Tetlock (2005) en su estudio extensivo de predicciones de expertos políticos identificó que los "erizos" —pensadores que reducen complejidad a ideas singulares— consistentemente predicen peor que los "zorros" —pensadores que integran múltiples perspectivas. El efecto Dunning-Kruger puede predisponer a analistas novatos hacia el pensamiento tipo "erizo", donde la complejidad se reduce para ajustarse a marcos conceptuales limitados.
Vickers (2004) documenta casos históricos donde analistas con conocimiento limitado produjeron evaluaciones simplistas que ignoraban dinámicas culturales, históricas y políticas complejas, contribuyendo a fallos de inteligencia significativos (Martino, & Paya, 2026).
4.3 Sesgo de confirmación amplificado
El sesgo de confirmación —la tendencia a buscar, interpretar y recordar información de manera que confirme creencias preexistentes— es uno de los sesgos más bien documentados en análisis de inteligencia (Heuer, 1999; Jonas et al., 2001). El efecto Dunning-Kruger amplifica este sesgo de manera perniciosa.
Analistas que sobrestiman su competencia tienen menor motivación para buscar evidencia contradictoria o considerar hipótesis alternativas. Klayman (1995) demostró que la búsqueda de información está fuertemente influenciada por las creencias sobre la propia competencia: quienes creen tener comprensión sólida buscan menos activamente información desconfirmatoria.
Fischhoff y Beyth (1975) documentaron el "sesgo retrospectivo" (hindsight bias) donde individuos sobrestiman cuánto "sabían todo el tiempo" después de que los eventos ocurren. Este sesgo, combinado con el efecto Dunning-Kruger, puede crear un ciclo donde fallos no son reconocidos como tales, impidiendo el aprendizaje.
4.4 Evaluación deficiente de fuentes
La evaluación de la confiabilidad y relevancia de fuentes de inteligencia requiere expertise sofisticado (Lowenthal, 2015). Analistas deben considerar: credibilidad histórica de la fuente, posibles motivaciones para desinformación, consistencia con reporting independiente, plausibilidad técnica, y contexto cultural/político.
Novatos afectados por el efecto Dunning-Kruger pueden sobrestimar su capacidad para evaluar fuentes, aceptando información que confirma sus hipótesis sin el escepticismo apropiado, o descartando información válida que contradice sus modelos mentales (Rieh & Danielson, 2007).
El trabajo de Walton (1997) sobre argumentación y evaluación de fuentes sugiere que el juicio experto requiere comprensión de esquemas argumentativos complejos que los novatos típicamente no poseen pero pueden no reconocer que carecen.
4.5 Incapacidad para reconocer incertidumbre
Kahneman y Tversky (1996) demostraron que los individuos típicamente exhiben "exceso de confianza" en sus juicios, particularmente cuando el conocimiento es limitado. Este efecto es especialmente pronunciado en el análisis de inteligencia donde la información es típicamente incompleta y ambigua.
Tetlock y Gardner (2015) en su estudio sobre "super-forecasters" identificaron que los mejores predictores se caracterizan por su capacidad de cuantificar y comunicar incertidumbre de manera precisa. Esta calibración requiere metacognición sofisticada —exactamente lo que el efecto Dunning-Kruger compromete.
Analistas novatos confiados tienden a expresar conclusiones con mayor certidumbre de la garantizada por la evidencia disponible, potencialmente induciendo a error a tomadores de decisiones que dependen de evaluaciones precisas de confianza analítica (Marchio, 2014).
Figura 2. Interacción del Efecto Dunning-Kruger con Otros Sesgos Cognitivos
Fuente: elaboración propia.
Factores contextuales que amplifican el efecto
Feedback retardado y ambiguo
Una característica distintiva del análisis de inteligencia es que el feedback sobre la precisión de evaluaciones es frecuentemente retardado, ambiguo, o completamente ausente (Tetlock, 2005). A diferencia de dominios donde el desempeño es evaluado inmediatamente (p.ej., cirugía, ajedrez), en inteligencia las consecuencias de análisis deficiente pueden no ser aparentes por meses o años.
Esta ausencia de feedback correctivo impide lo que Ericsson et al. (1993) llaman "práctica deliberada" —la actividad estructurada orientada específicamente a mejorar desempeño mediante feedback inmediato. Sin este mecanismo correctivo, el efecto Dunning-Kruger persiste sin desafío.
Además, cuando el feedback finalmente llega, típicamente es ambiguo. ¿Falló la predicción porque el análisis fue deficiente, o porque eventos impredecibles intervinieron? Esta ambigüedad permite a analistas sobreseguros preservar sus autoevaluaciones infladas mediante atribuciones causales auto-sirvientes (Miller & Ross, 1975).
5.2 Cultura organizacional y presión institucional
La cultura de organizaciones de inteligencia puede inadvertidamente amplificar el efecto Dunning-Kruger. George y Bruce (2008) documentan cómo la presión para producir inteligencia "accionable" puede llevar a analistas a expresar más certidumbre de la justificada para hacer sus productos más persuasivos a tomadores de decisiones.
Groupthink —el fenómeno donde el deseo de conformidad grupal suprime el disentimiento— puede interactuar perniciosamente con el efecto Dunning-Kruger (Janis, 1982). Analistas juniors que sobrestiman su competencia pueden ser particularmente susceptibles a adoptar el consenso grupal sin cuestionamiento crítico.
Conversamente, organizaciones con culturas que premian el desafío constructivo y la expresión de incertidumbre pueden mitigar estos efectos (Gentry, 2015).
5.3 Complejidad e interdependencia informacional
El análisis de inteligencia moderno frecuentemente requiere síntesis de información de múltiples disciplinas: imagería satelital, señales de comunicaciones, inteligencia humana, fuentes abiertas, análisis económico, comprensión cultural, historia regional, y más (Goodman, 2007).
Esta complejidad crea lo que Feltovich et al. (1997) llaman "una superficie para simplificación" —oportunidades para que novatos confiados reduzcan indebidamente la complejidad a modelos manejables pero fundamentalmente inadecuados. La vastedad de lo que debe conocerse hace especialmente difícil para novatos reconocer la extensión de su ignorancia.
5.4 Información secreta y validación limitada
Gran parte del análisis de inteligencia trabaja con información clasificada, limitando la capacidad de validación externa. Esto crea lo que podemos llamar "ecosistemas epistémicos cerrados" donde las afirmaciones analíticas no son sometidas al escrutinio amplio que ocurriría en dominios académicos o científicos (Treverton, 2001).
Esta limitación estructural significa que analistas sobreseguros pueden mantener confianza inflada porque sus conclusiones no enfrentan el desafío que provendría de comunidades epistémicas más amplias.
Consecuencias de Fallos Analíticos Relacionados
Casos históricos ilustrativos
Si bien atribuir fallos de inteligencia específicos al efecto Dunning-Kruger requiere acceso a procesos analíticos internos típicamente clasificados, la literatura sobre fallos de inteligencia sugiere que la sobrestimación de competencia analítica ha jugado roles contribuyentes en casos significativos.
6.1.1 Evaluaciones de Armas de Destrucción Masiva en Iraq (2002-2003)
La evaluación de inteligencia que concluyó que Iraq poseía armas de destrucción masiva activas ha sido extensamente analizada (Commission on the Intelligence Capabilities of the United States Regarding Weapons of Mass Destruction, 2005). El informe post-mortem identificó múltiples sesgos cognitivos, incluyendo evidencia de que analistas expresaron mayor certidumbre de la justificada por la evidencia disponible y fallaron en considerar adecuadamente hipótesis alternativas.
Jervis (2010) argumenta que este caso ilustra cómo el sesgo de confirmación, amplificado por exceso de confianza, llevó a analistas a interpretar evidencia ambigua como confirmatoria. La incapacidad metacognitiva de reconocer las limitaciones del propio conocimiento —precisamente el núcleo del efecto Dunning-Kruger— aparece como factor contribuyente.
6.1.2 Sorpresa Estratégica: Pearl Harbor y 9/11
Wohlstetter (1962) en su análisis clásico de Pearl Harbor identificó el problema del "ruido" versus "señal" —la dificultad de discernir indicadores genuinos de ataque de la masa de información contradictoria. Sin embargo, también documentó exceso de confianza de analistas en su comprensión de intenciones japonesas.
Similarmente, la Comisión del 9/11 (2004) identificó "fallos de imaginación" donde analistas no pudieron concebir escenarios fuera de sus marcos conceptuales establecidos. Esta limitación de imaginación, combinada con confianza en modelos mentales inadecuados, muestra características consistentes con el efecto Dunning-Kruger operando a nivel institucional.
6.2 Costos de decisiones basadas en análisis deficiente
Las consecuencias de análisis de inteligencia deficiente pueden ser catastróficas: decisiones de guerra, asignación de recursos de defensa, políticas de contraterrorismo, operaciones encubiertas, y relaciones diplomáticas dependen de evaluaciones analíticas precisas (Contreras, 2026a; Betts, 2007).
Pillar (2011) argumenta que cuando análisis deficiente se combina con presiones políticas, el resultado puede ser la "politización de inteligencia" donde productos analíticos sirven para justificar decisiones previamente tomadas en lugar de informarlas genuinamente. El efecto Dunning-Kruger puede hacer a analistas junior particularmente vulnerables a estas presiones al carecer de la confianza justificada para resistir demandas de certidumbre inflada.
Figura 3. Matriz de Riesgo Analítico: Competencia vs. Complejidad de Amenaza
Fuente: elaboración propia.
Desarrollo de Expertise y Superación del Efecto
Trayectoria de desarrollo profesional
Dreyfus y Dreyfus (1986) proponen un modelo de cinco etapas de adquisición de habilidades: novato, principiante avanzado, competente, proficiente, y experto. Crucialmente, argumentan que el movimiento a través de estas etapas requiere no solo acumulación de conocimiento sino transformación cualitativa en cómo se procesa información.
Aplicado al análisis de inteligencia, esto sugiere que superar el efecto Dunning-Kruger requiere más que simplemente "aprender más datos". Requiere desarrollo de:
1. Esquemas conceptuales sofisticados que permiten reconocer patrones sutiles y excepciones a reglas generales
2. Capacidad metacognitiva para monitorear y evaluar el propio razonamiento
3. Humildad epistémica que reconoce los límites del conocimiento propio y de la profesión
4. Razonamiento probabilístico calibrado que puede expresar incertidumbre cuantitativamente
7.2 El rol del fracaso constructivo
Paradójicamente, la superación del efecto Dunning-Kruger frecuentemente requiere experiencias de fracaso o error suficientemente significativas para desafiar la autoevaluación inflada pero no tan devastadoras como para terminar la carrera (Sitkin, 1992).
Cannon y Edmondson (2005) distinguen entre "fracasos evitables" resultantes de negligencia y "fracasos inteligentes" que resultan de experimentación necesaria en dominios complejos. Para analistas de inteligencia, cierto nivel de error predictivo es inevitable dada la incertidumbre inherente (Rodríguez et al., 2024). La clave es crear culturas organizacionales donde estos fracasos generen aprendizaje en lugar de defensividad.
Estudios de caso longitudinales de analistas senior exitosos sugieren que muchos atravesaron períodos de "valle de desilusión" donde reconocieron la inadecuación de su conocimiento previo, antes de desarrollar expertise genuino (Paget, 2010).
7.3 Mentoría y supervisión crítica
La investigación sobre desarrollo de expertise enfatiza la importancia de mentoría por practicantes más experimentados (Ericsson & Lehmann, 1996). En el contexto de inteligencia, esto toma forma de:
- Revisión crítica de productos analíticos por analistas senior que desafían suposiciones y metodologías
- Co-análisis donde novatos trabajan junto a expertos, observando procesos de razonamiento sofisticados
- Feedback específico y frecuente que calibra las autoevaluaciones del novato
- Exposición gradual a complejidad creciente en lugar de asignación prematura a problemas altamente complejos
Marrin y Torres (2017) proponen que los programas de formación de analistas de inteligencia deberían incluir componentes explícitos sobre sesgos cognitivos y metacognición, no solo contenido substantive.
Intervenciones para Mitigar el Efecto Dunning-Kruger
Métodos de análisis estructurado
Heuer y Pherson (2010) desarrollaron un catálogo extenso de técnicas de análisis estructurado diseñadas específicamente para contrarrestar sesgos cognitivos. Técnicas relevantes para mitigar el efecto Dunning-Kruger incluyen:
Análisis de Hipótesis Competitivas (ACH): Este método requiere que analistas generen múltiples hipótesis explicativas y evalúen sistemáticamente evidencia contra cada una (Heuer, 1999). Al forzar consideración de alternativas, ACH puede contrarrestar la sobresimplificación característica de novatos sobreseguros.
Equipos Rojos (Red Teaming): La creación de equipos dedicados a desafiar las conclusiones del análisis principal puede proporcionar el escepticismo externo que los analistas sobreseguros carecen internamente (Zenko, 2015). Sin embargo, Tetlock (2005) advierte que el escepticismo ritual sin compromiso genuino puede ser contraproducente.
Análisis de Escenarios Alternativos: Requiere que analistas desarrollen múltiples futuros plausibles en lugar de predicciones puntuales, reconociendo explícitamente incertidumbre (Schwartz, 1991).
Evaluación de Confianza Estructurada: Metodologías que requieren que analistas articulen explícitamente la base evidencial para sus conclusiones y asignen niveles de confianza calibrados pueden contrarrestar el exceso de certidumbre (Barnes, 2016).
8.2 Formación en metacognición
Programas de entrenamiento que desarrollan explícitamente capacidades metacognitivas han mostrado efectividad en múltiples dominios (Schraw, 1998).
Para analistas de inteligencia, esto podría incluir:
- Autoevaluación calibrada: Ejercicios donde analistas hacen predicciones y luego evalúan su precisión retrospectivamente, desarrollando consciencia de patrones de sobreseguridad (Tetlock & Gardner, 2015)
- Journaling reflexivo: Documentar el proceso de razonamiento permite revisión posterior y reconocimiento de sesgos sistemáticos (Moon, 2004)
- Instrucción explícita sobre sesgo: Evidencia mixta existe sobre si simplemente conocer sobre sesgos es suficiente para contrarrestarlos (Lilienfeld et al., 2009), pero la instrucción estructurada combinada con práctica puede ser efectiva
8.3 Diseño organizacional y cultura institucional
Las intervenciones más efectivas probablemente sean sistémicas en lugar de individuales (Marrin, 2011). Organizaciones de inteligencia pueden:
Implementar procesos de revisión por pares: Requiriendo que productos analíticos significativos sean revisados por múltiples analistas, incluyendo algunos fuera del área especializada inmediata, puede proporcionar desafío constructivo (Friedman & Zeckhauser, 2012).
Crear equipos multidisciplinarios: La diversidad de perspectivas puede contrarrestar simplificación excesiva (Page, 2007). Sin embargo, esto debe ser gestionado cuidadosamente para evitar groupthink.
Establecer sistemas de accountability con tracking de precisión: Mantener registros de predicciones analíticas y resultados reales permite evaluación objetiva de desempeño, aunque Tetlock (2005) nota que esto es metodológicamente desafiante en inteligencia.
Cultivar cultura de humildad epistémica: Líderes organizacionales deben modelar y recompensar la expresión apropiada de incertidumbre en lugar de certidumbre injustificada (Gentry, 2015).
Rotación estructurada: Exponer a analistas a múltiples áreas temáticas a lo largo de sus carreras puede prevenir la "especialización prematura" que contribuye a exceso de confianza en dominios limitados.
8.4 Tecnologías de apoyo a decisiones
Los sistemas de apoyo a decisiones basados en IA podrían potencialmente mitigar sesgos humanos, aunque también introducen nuevos desafíos (Kahneman et al., 2021). Aplicaciones específicas incluyen
- Sistemas de alerta de sesgo: Algoritmos que detectan patrones lingüísticos indicativos de sobreseguridad o pensamiento simplista en productos analíticos
- Motores de hipótesis alternativas: IA que genera sistemáticamente explicaciones alternativas para datos observados, forzando a analistas a considerar posibilidades que podrían pasar por alto
- Herramientas de calibración: Sistemas que rastrean la precisión histórica de predicciones de analistas individuales y proporcionan feedback personalizado
Sin embargo, Benbouzid (2019) advierte que la dependencia excesiva de sistemas automatizados puede generar nuevas formas de exceso de confianza si los analistas no comprenden las limitaciones de estas herramientas.
Figura 4. Modelo de Intervenciones para Mitigar el Efecto Dunning-Kruger
Fuente: elaboración propia.
Direcciones Futuras de Investigación
Estudios empíricos necesarios
A pesar de la plausibilidad teórica de que el efecto Dunning-Kruger afecta el análisis de inteligencia, la investigación empírica directa es limitada, en gran parte debido a las dificultades de acceso a comunidades de inteligencia y datos clasificados. Investigación futura debería:
1. Estudios experimentales con analistas: Diseñar escenarios de análisis simulados donde el desempeño puede ser objetivamente medido y comparado con autoevaluaciones de competencia
2. Análisis longitudinales de desarrollo profesional: Rastrear cohortes de analistas a través de sus carreras para identificar trayectorias de desarrollo metacognitivo
3. Estudios retrospectivos de fallos de inteligencia: Análisis sistemáticos de casos históricos para identificar la contribución de sobreseguridad analítica
4. Investigación intercultural: Examinar si la manifestación del efecto Dunning-Kruger varía a través de culturas organizacionales o nacionales
9.2 Integración interdisciplinaria
La investigación sobre sesgos cognitivos en inteligencia se beneficiaría de mayor integración con:
- Neurociencia cognitiva: Estudios de neuroimagen de procesos de razonamiento analítico y metacognición
- Economía del comportamiento: Aplicación de marcos de racionalidad limitada y heurísticas a contextos de inteligencia
- Ciencias de la organización: Teorías sobre aprendizaje organizacional y cultura epistémica
- Filosofía de la ciencia: Análisis epistemológicos de justificación de creencias bajo incertidumbre
9.3 Evaluación de intervenciones
Existe necesidad urgente de estudios rigurosos evaluando la efectividad de intervenciones propuestas para mitigar el efecto Dunning-Kruger. Esto requiere:
- Diseños experimentales o cuasi-experimentales con grupos de control
- Medidas objetivas de mejora en precisión analítica
- Evaluación de efectos de largo plazo versus mejoras transitorias
- Análisis costo-beneficio de diferentes intervenciones
Limitaciones y Consideraciones
Debate sobre la robustez del efecto
Es importante notar que investigación reciente ha cuestionado algunos aspectos del efecto Dunning-Kruger original. Gignac y Zajenkowski (2020) argumentan que parte del efecto puede ser artefactual, resultante de regresión a la media y otros efectos estadísticos. Nuhfer et al. (2016, 2017) proporcionan evidencia de que el patrón puede no ser tan dramático como inicialmente reportado.
Sin embargo, el fenómeno central —que individuos con menor competencia tienden a sobrestimar su desempeño relativo más que individuos con mayor competencia— permanece robusto a través de múltiples estudios y dominios (Dunning, 2011; Sanchez & Dunning, 2018).
10.2 Complejidad de la causalidad en fallos de inteligencia
Atribuir fallos de inteligencia específicos a sesgos cognitivos particulares es metodológicamente desafiante. Los fallos típicamente resultan de múltiples factores interactuantes: limitaciones estructurales, presiones políticas, déficits de información, y numerosos sesgos cognitivos operando simultáneamente (Betts, 2007).
El efecto Dunning-Kruger raramente opera aisladamente sino en interacción con otros sesgos (confirmación, anclaje, disponibilidad) y factores contextuales. Desenredar estas contribuciones requiere análisis metodológicamente sofisticados que frecuentemente no son posibles con datos históricos limitados.
10.3 Generalización limitada de investigación de laboratorio
Mucha investigación sobre el efecto Dunning-Kruger proviene de estudios de laboratorio con estudiantes universitarios realizando tareas relativamente simples (Kruger & Dunning, 1999). La generalización a analistas profesionales de inteligencia trabajando en problemas de seguridad nacional complejos requiere cautela (Cronbach, 1975).
Sin embargo, la convergencia de evidencia de múltiples dominios —medicina, pilotaje, juicio legal, predicción política— sugiere que el fenómeno es suficientemente robusto para justificar atención seria en contextos de inteligencia (Ehrlinger et al., 2008).
CONCLUSIONES
El efecto Dunning-Kruger representa un desafío significativo para la producción de inteligencia de alta calidad. La combinación de incertidumbre inherente, feedback retardado y ambiguo, complejidad geopolítica extrema, y consecuencias potencialmente catastróficas de errores hace que el análisis de inteligencia sea particularmente vulnerable a sesgos metacognitivos.
Las manifestaciones específicas del efecto en contextos de inteligencia incluyen:
- Sobre simplificación de dinámicas geopolíticas complejas
- Sobre seguridad injustificada en evaluaciones de amenazas
- Amplificación del sesgo de confirmación
- Evaluación deficiente de fuentes y evidencia
- Incapacidad de reconocer y comunicar apropiadamente incertidumbre
Sin embargo, la investigación sobre desarrollo de expertise y mitigación de sesgos sugiere que intervenciones bien diseñadas pueden reducir significativamente estos efectos. Las estrategias más prometedoras combinan:
- Métodos de análisis estructurado que fuerzan consideración de alternativas
- Formación explícita en metacognición y calibración
- Culturas organizacionales que valoran humildad epistémica
- Sistemas de mentoría y revisión robustos
- Tecnologías de apoyo a decisiones cuando apropiadas
Crucialmente, la mitigación efectiva del efecto Dunning-Kruger en análisis de inteligencia no puede depender únicamente de intervenciones a nivel individual. Requiere compromiso institucional sostenido con el desarrollo de capacidades metacognitivas, creación de procesos estructurales que contrarresten sesgos, y cultivo de normas profesionales que premien la precisión calibrada sobre la certidumbre aparente.
La paradoja central permanece: aquellos analistas que más necesitan desarrollar autoconsciencia sobre sus limitaciones son precisamente aquellos menos capaces de reconocer esta necesidad. Esto implica que las organizaciones de inteligencia deben asumir responsabilidad proactiva por el desarrollo profesional continuo, no asumiendo que la mera experiencia garantizará el desarrollo de expertise genuino.
En una era de las de seguridad cada vez más complejas e interconectadas, donde los costos de fallos de inteligencia pueden ser extraordinarios, invertir en la comprensión y mitigación de sesgos cognitivos no es un lujo académico sino una necesidad estratégica imperativa (Mazurier, & Payá 2018). El efecto Dunning-Kruger, al comprometer nuestra capacidad de evaluar con precisión nuestra propia competencia, representa uno de los desafíos más insidiosos y debe ser abordado sistemáticamente por toda organización seria sobre producción de inteligencia de alta calidad.
AGRADECIMIENTOS
Agradecimientos a la organización o proyecto que financia la investigación.
REFERENCIAS
Barnes, A. (2016). Making intelligence analysis more intelligent: Using numeric probabilities. Intelligence and National Security, 31(3), 327-344.
Barnes, A. (2016). Making intelligence analysis more intelligent: Using numeric probabilities. Intelligence and National Security, 31(3), 327-344. https://doi.org/10.1080/02684527.2014.994955
Benbouzid, B. (2019). To predict and to manage: Predictive policing in the United States. Big Data & Society, 6(1), 1-13. https://doi.org/10.1177/2053951719861703
Betts, R. K. (2007). Enemies of intelligence: Knowledge and power in American national security. Columbia University Press.
Cannon, M. D., & Edmondson, A. C. (2005). Failing to learn and learning to fail (intelligently): How great organizations put failure to work to innovate and improve. Long Range Planning, 38(3), 299-319. https://doi.org/10.1016/j.lrp.2005.04.005
Chang, W., & Tetlock, P. E. (2016). Rethinking the training of intelligence analysts. Intelligence and National Security, 31(6), 903-920. https://doi.org/10.1080/02684527.2016.1147164
Chi, M. T. H. (2006). Two approaches to the study of experts' characteristics. In K. A. Ericsson, N. Charness, P. J. Feltovich, & R. R. Hoffman (Eds.), *The Cambridge handbook of expertise and expert performance* (pp. 21-30). Cambridge University Press. https://doi.org/10.1017/CBO9780511816796.002
Chi, M. T. H., Feltovich, P. J., & Glaser, R. (1981). Categorization and representation of physics problems by experts and novices. Cognitive Science, 5(2), 121-152. https://doi.org/10.1207/s15516709cog0502_2
Commission on the Intelligence Capabilities of the United States Regarding Weapons of Mass Destruction. (2005). Report to the President of the United States. U.S. Government Printing Office.
Contreras, Virginia. (2026a). War without accountability. AI and the fragmentation of responsibility in contemporary warfare: power infrastructures and technological sovereignty. Cuadernos de RES PUBLICA en derecho y criminología, 1-32. https://doi.org/10.46661/respublica.13315
Contreras, Virginia. (2026b). Invisible war and the United States-Iran-Israel conflict: oil, currencies, energy, and security. Cuadernos de RES PUBLICA en derecho y criminología, 1-10. https://doi.org/10.46661/respublica.13141
Cronbach, L. J. (1975). Beyond the two disciplines of scientific psychology. American Psychologist, 30(2), 116-127. https://doi.org/10.1037/h0076829
Dreyfus, H. L., & Dreyfus, S. E. (1986). Mind over machine: The power of human intuition and expertise in the era of the computer. Free Press.
Dunning, D. (2011). The Dunning-Kruger effect: On being ignorant of one's own ignorance. In J. M. Olson & M. P. Zanna (Eds.), Advances in experimental social psychology (Vol. 44, pp. 247-296). Academic Press. https://doi.org/10.1016/B978-0-12-385522-0.00005-6
Ehrlinger, J., Johnson, K., Banner, M., Dunning, D., & Kruger, J. (2008). Why the unskilled are unaware: Further explorations of (absent) self-insight among the incompetent. Organizational Behavior and Human Decision Processes, 105(1), 98-121. https://doi.org/10.1016/j.obhdp.2007.05.002 PMid:19568317 PMCid:PMC2702783
Ericsson, K. A., Krampe, R. T., & Tesch-Römer, C. (1993). The role of deliberate practice in the acquisition of expert performance. Psychological Review, 100(3), 363-406. https://doi.org/10.1037/0033-295X.100.3.363 PMCid:PMC4206174
Ericsson, K. A., & Lehmann, A. C. (1996). Expert and exceptional performance: Evidence of maximal adaptation to task constraints. Annual Review of Psychology, 47(1), 273-305. https://doi.org/10.1146/annurev.psych.47.1.273 PMid:15012483
Feltovich, P. J., Spiro, R. J., & Coulson, R. L. (1997). Issues of expert flexibility in contexts characterized by complexity and change. In P. J. Feltovich, K. M. Ford, & R. R. Hoffman (Eds.), Expertise in context: Human and machine (pp. 125-146). MIT Press.
Fischhoff, B., & Beyth, R. (1975). "I knew it would happen": Remembered probabilities of once-future things. Organizational Behavior and Human Performance, 13(1), 1-16. https://doi.org/10.1016/0030-5073(75)90002-1
Flavell, J. H. (1979). Metacognition and cognitive monitoring: A new area of cognitive-developmental inquiry. American Psychologist, 34(10), 906-911. https://doi.org/10.1037/0003-066X.34.10.906 PMCid:PMC4206174
Friedman, J. A., & Zeckhauser, R. (2012). Assessing uncertainty in intelligence.*Intelligence and National Security, 27(6), 824-847. https://doi.org/10.1080/02684527.2012.708275
Gangi Guillén, Giuseppe. K. (2025). Derechos humanos y derecho penal en la era de la inteligencia artificial: retos y propuestas. Cuadernos de RES PUBLICA en derecho y criminología, https://doi.org/10.46661/respublica.11635
Gentry, J. A. (2015). Has the ODNI improved US intelligence analysis? International Journal of Intelligence and CounterIntelligence, 28(4), 637-661. https://doi.org/10.1080/08850607.2015.1050937
George, R. Z., & Bruce, J. B. (2008). Analyzing intelligence: Origins, obstacles, and innovations. Georgetown University Press.
Gignac, G. E., & Zajenkowski, M. (2020). The Dunning-Kruger effect is (mostly) a statistical artefact: Valid approaches to testing the hypothesis with individual differences data. Intelligence, 80, 101449. https://doi.org/10.1016/j.intell.2020.101449
González Trigo, Norberto Aser. (2023). El agente encubierto ante la criminalidad organizada transnacional. Cuadernos de RES PUBLICA en derecho y criminología, n.º 1 (mayo): 85-94. https://doi.org/10.46661/respublica.8062
Goodman, M. S. (2007). Studying and teaching about intelligence: The approach in the United Kingdom. Studies in Intelligence, 51(2), 57-65.
Heuer, R. J. (1999). Psychology of intelligence análisis. Center for the Study of Intelligence, Central Intelligence Agency.
Heuer, R. J., & Pherson, R. H. (2010). Structured analytic techniques for intelligence analysis. CQ Press.
Janis, I. L. (1982). Groupthink: Psychological studies of policy decisions and fiascoes. (2nd ed.). Houghton Mifflin.
Jervis, R. (2010). Why intelligence fails: Lessons from the Iranian Revolution and the Iraq War. Cornell University Press. https://doi.org/10.1017/S1537592710002252
Jonas, E., Schulz-Hardt, S., Frey, D., & Thelen, N. (2001). Confirmation bias in sequential information search after preliminary decisions: An expansion of dissonance theoretical research on selective exposure to information. Journal of Personality and Social Psychology, 80(4), 557-571. https://doi.org/10.1037/0022-3514.80.4.557 PMid:11316221
Kahneman, D., Sibony, O., & Sunstein, C. R. (2021). Noise: A flaw in human judgment. Little, Brown Spark. https://doi.org/10.53776/playbooks-judgment
Kahneman, D., & Tversky, A. (1996). On the reality of cognitive illusions. Psychological Review, 103(3), 582-591. https://doi.org/10.1037/0033-295X.103.3.582 PMid:8759048
Kardash, C. M., & Howell, K. L. (2000). Effects of epistemological beliefs and topic-specific beliefs on undergraduates' cognitive and strategic processing of dual-positional text. Journal of Educational Psychology, 92(3), 524-535. https://doi.org/10.1037/0022-0663.92.3.524
Klayman, J. (1995). Varieties of confirmation bias. Psychology of Learning and Motivation, 32, 385-418. https://doi.org/10.1016/S0079-7421(08)60315-1
Kruger, J., & Dunning, D. (1999). Unskilled and unaware of it: How difficulties in recognizing one's own incompetence lead to inflated self-assessments. Journal of Personality and Social Psychology, 77(6), 1121-1134. https://doi.org/10.1037/0022-3514.77.6.1121 PMid:10626367
Lilienfeld, S. O., Ammirati, R., & Landfield, K. (2009). Giving debiasing away: Can psychological research on correcting cognitive errors promote human welfare? Perspectives on Psychological Science, 4(4), 390-398. https://doi.org/10.1111/j.1745-6924.2009.01144.x PMid:26158987
Lowenthal, M. M. (2015).Intelligence: From secrets to policy (6th ed.). CQ Press.
Marchio, J. (2014). Analytic tradecraft and the intelligence community: Enduring value, intermittent emphasis. Intelligence and National Security, 29(2), 159-183. https://doi.org/10.1080/02684527.2012.746415
Marrin, S. (2011). Improving intelligence analysis: Bridging the gap between scholarship and practice. Routledge.
Marrin, S., & Torres, E. D. (2017). Improving how to think in intelligence analysis and beyond. Intelligence and National Security, 32(5), 649-661. https://doi.org/10.1080/02684527.2017.1311472
Martino, L., & Paya Santos, C.A. (2026). Intelligence Failures: An Exploration of Key Theories. Revista Científica General José María Córdova, 24(53), 105–132. https://doi.org/10.21830/19006586.1485
Mazurier, P, & Payá Santos, C. A. (2018). Amenazas híbridas: teoría de la hibridez y nuevo orden internacional. Thomson Reuters Aranzadi.
Miller, D. T., & Ross, M. (1975). Self-serving biases in the attribution of causality: Fact or fiction? Psychological Bulletin, 82(2), 213-225. https://doi.org/10.1037/h0076486
Moon, J. A. (2004). A handbook of reflective and experiential learning: Theory and practice. Routledge Falmer.
Moore, D. A., & Healy, P. J. (2008). The trouble with overconfidence. Psychological Review, 115(2), 502-517. https://doi.org/10.1037/0033-295X.115.2.502 PMid:18426301
National Commission on Terrorist Attacks Upon the United States. (2004). The 9/11 Commission Report. W. W. Norton & Company.
Nuhfer, E., Cogan, C., Fleisher, S., Gaze, E., & Wirth, K. (2016). Random number simulations reveal how random noise affects the measurements and graphical portrayals of self-assessed competency. Numeracy, 9(1), Article 4. https://doi.org/10.5038/1936-4660.9.1.4
Nuhfer, E., Fleisher, S., Cogan, C., Wirth, K., & Gaze, E. (2017). How random noise and a graphical convention subverted behavioral scientists' explanations of self-assessment data: Numeracy underlies better alternatives. Numeracy, 10(1), Article 4. https://doi.org/10.5038/1936-4660.10.1.4
Page, S. E. (2007). The difference: How the power of diversity creates better groups, firms, schools, and societies. Princeton University Press. https://doi.org/10.1515/9781400830282
Paget, K. M. (2010). The myth of intelligence failure: Why it happens, and what to do about it. Ph.D. dissertation, University of St. Andrews.
Pennycook, G., Ross, R. M., Koehler, D. J., & Fugelsang, J. A. (2017). Dunning-Kruger effects in reasoning: Theoretical implications of the failure to recognize incompetence. Psychonomic Bulletin & Review, 24(6), 1774-1784. https://doi.org/10.3758/s13423-017-1242-7 PMid:28224482
Pillar, P. R. (2011). Intelligence and U.S. foreign policy: Iraq, 9/11, and misguided reform. Columbia University Press.
Rieh, S. Y., & Danielson, D. R. (2007). Credibility: A multidisciplinary framework. Annual Review of Information Science and Technology, 41(1), 307-364. https://doi.org/10.1002/aris.2007.1440410114
Rodríguez González, V., Bort Lorenzo, L., & Paya Santos, C.A. (2024). Aproximación teórica a las incoherencias grafo-corporales en los procesos de recogida de muestras en pericia caligráfica. Revista Criminalidad, 65(3), 149-159. https://doi.org/10.47741/17943108.515
Sanchez, C., & Dunning, D. (2018). Overconfidence among beginners: Is a little learning a dangerous thing? Journal of Personality and Social Psychology, 114(1), 10-28. https://doi.org/10.1037/pspa0000102 PMid:29094960
Santos, C. P., Martino, L., González, R. S., & Moran, J. J. (2026). Brechas tecnológicas y seguridad: desafíos para las fuerzas del orden y la seguridad pública. “Influencia de la IA en la gobernanza y el derecho en la era digital” (pp. 169-192). IGI Global Scientific Publishing. https://doi.org/10.4018/979-8-3373-4480-5.ch007
Schön, D. A. (1983). The reflective practitioner: How professionals think in action. Basic Books.
Schraw, G. (1998). Promoting general metacognitive awareness. Instructional Science, 26(1-2), 113-125. https://doi.org/10.1023/A:1003044231033
Schwartz, P. (1991). The art of the long view: Planning for the future in an uncertain world. Currency Doubleday.
Shanteau, J. (1992). Competence in experts: The role of task characteristics. Organizational Behavior and Human Decision Processes, 53(2), 252-266. https://doi.org/10.1016/0749-5978(92)90064-E
Sitkin, S. B. (1992). Learning through failure: The strategy of small losses. Research in Organizational Behavior, 14, 231-266.
Tetlock, P. E. (2005). Expert political judgment: How good is it? How can we know? Princeton University Press.
Tetlock, P. E., & Gardner, D. (2015). Superforecasting: The art and science of prediction. Crown Publishers.
Treverton, G. F. (2001). Reshaping national intelligence for an age of information. Cambridge University Press. https://doi.org/10.1017/CBO9780511754470
Vickers, M. G. (2004). The need for an effective national intelligence system. Military Review, 84(2), 64-71. https://doi.org/10.5040/9798216437277.ch-006
Walton, D. (1997). Appeal to expert opinion: Arguments from authority. Pennsylvania State University Press.
Whittemore, R., & Knafl, K. (2005). The integrative review: Updated methodology. Journal of Advanced Nursing, 52(5), 546-553. https://doi.org/10.1111/j.1365-2648.2005.03621.x PMid:16268861
Wohlstetter, R. (1962). Pearl Harbor: Warning and decision. Stanford University Press. https://doi.org/10.1515/9781503620698
Zenko, M. (2015). Red team: How to succeed by thinking like the enemy. Basic Books.
