.jpg)
🚀 ¿Revolución económica o colapso energético? En el G20, Elon Musk proyecta un crecimiento del PIB mundial del 20-30% gracias a la IA y anticipa 1.000 millones de robots humanoides multiplicando la productividad. Sin embargo, el verdadero reto no es el código, sino la física: la… pic.twitter.com/xqvpm9eLoA
— Mikel Agirregabiria (@agirregabiria) September 6, 2026
Hoy revisamos la el origen de un método científico revolucionario inventado por por un solitario en una época histórica. En 1946, convaleciente tras una grave meningitis, el matemático polaco Stanisław Ulam mataba las horas jugando solitarios de cartas. Se preguntó, como buen matemático, cuál era la probabilidad de que un solitario de tipo Canfield saliera bien. El cálculo combinatorio exacto resultaba desalentador: demasiadas variables, demasiadas combinaciones posibles. Entonces se le ocurrió una alternativa mucho más pedestre y, a la vez, mucho más fecunda: en lugar de calcular, jugar. Repetir la partida cien veces, doscientas, mil, y contar simplemente cuántas se resolvían. La frecuencia observada haría las veces de probabilidad. Había nacido, en la ociosidad de una convalecencia, la idea germinal de lo que hoy conocemos como método de Montecarlo.
La anécdota tendría poco recorrido si no hubiera encontrado, casi de inmediato, un problema real y urgente a la altura de su ambición. Ulam trabajaba entonces en el Laboratorio Nacional de Los Álamos, en plena posguerra, dentro del programa nuclear estadounidense. Allí los físicos se enfrentaban al reto de calcular la difusión de neutrones en el interior de un reactor o de un arma de fisión: un proceso con tantas variables aleatorias entrelazadas —trayectorias, colisiones, energías liberadas— que ninguna ecuación cerrada permitía resolverlo con los métodos deterministas al uso. Ulam comprendió que su solitario y el problema de los neutrones compartían la misma naturaleza estocástica y que, por tanto, admitían el mismo remedio: simular el proceso miles de veces y extraer de esa simulación una respuesta estadística.
Compartió la idea con su amigo y colega John von Neumann, quien de inmediato calibró su alcance. Von Neumann diseñó el procedimiento matemático para llevarlo a la práctica en el ENIAC, el primer ordenador electrónico de propósito general, ideando además el método de los cuadrados medios para generar las secuencias de números pseudoaleatorios que el cálculo exigía. Fue otro físico del laboratorio, Nicholas Metropolis, quien bautizó a la criatura: la llamó método de Montecarlo, en homenaje jocoso al casino del Principado de Mónaco donde un tío de Ulam solía dilapidar su dinero a la ruleta. El azar, convertido en herramienta de cálculo, merecía un nombre que rindiera tributo al azar como institución. En 1949, Metropolis y Ulam formalizaron la técnica en un artículo ya clásico publicado en el Journal of the American Statistical Association, y desde entonces el método no ha dejado de extenderse.
El método de Montecarlo es una razón que renuncia a la certeza deductiva y acepta trabajar desde dentro del propio azar, multiplicando la experiencia posible hasta que la incertidumbre se vuelve, paradójicamente, manejable. No es la razón que impone un orden previo al mundo, sino la que aprende a habitar su desorden y a extraer de él regularidades útiles.
Ochenta años después, el método de Montecarlo gobierna ámbitos que sus creadores apenas habrían imaginado: la valoración de derivados financieros y la gestión del riesgo en economía, los algoritmos de aprendizaje por refuerzo en inteligencia artificial, la física de partículas, la epidemiología o el diseño de videojuegos. Todo arranca, sin embargo, de un gesto modesto: la curiosidad ociosa de un convaleciente ante una baraja de cartas, transformada por la inteligencia colectiva de Los Álamos en una de las herramientas de cálculo más poderosas jamás concebidas. Pocas historias ilustran mejor cómo el juego, tomado en serio, puede alumbrar ciencia de primer orden.
¿Sabías que el Método Montecarlo nació de una partida de cartas durante la convalecencia de un matemático? 🃏Stanisław Ulam no podía calcular las probabilidades exactas de un solitario y decidió simularlas. Junto a John von Neumann y la supercomputadora ENIAC, aplicaron esta… pic.twitter.com/F0vBrfU6M0
— Mikel Agirregabiria (@agirregabiria) September 5, 2026
@quantumpablo El origen del método Montecarlo
♬ sonido original - quantumpablo
Es un post que prometimos, por duplicado, hace más de un año: Las cinco leyes de Cipolla, o por qué subestimamos siempre la estupidez. En 1976 el historiador económico italiano Carlo M. Cipolla, profesor durante décadas en Berkeley y reconocido por sus estudios sobre la peste negra, la demografía preindustrial y la historia monetaria del Mediterráneo, se permitió un ejercicio insólito: aplicar el rigor de su oficio a un objeto de estudio que la ciencia social solía esquivar por pudor, la estupidez humana. El resultado, un breve ensayo titulado Le leggi fondamentali della stupidità umana, circuló primero de forma casi clandestina entre colegas y amigos antes de convertirse en un clásico menor de la literatura económica, citado hoy con la misma seriedad con que se cita a Adam Smith o a Max Weber.
.jpg)
La originalidad de Cipolla no reside tanto en el humor —templado, socarrón, muy en la tradición del ensayo italiano— como en el método. Construye un plano cartesiano donde el eje horizontal mide la ganancia o pérdida que una acción reporta a quien la ejecuta, y el eje vertical, la ganancia o pérdida que reporta a los demás. En ese espacio de cuatro cuadrantes distingue al inteligente, que beneficia a la vez a sí mismo y a la colectividad; al bandido, que se beneficia a costa ajena; al incauto o «desdichado», que beneficia a otros perjudicándose a sí mismo; y, por último, al estúpido, definido con una precisión casi notarial como quien causa daño a otra persona o grupo sin obtener provecho alguno, e incluso perjudicándose él mismo en el proceso.
Sobre esta matriz erige sus cinco leyes. La primera advierte que siempre, inevitable e imperceptiblemente, subestimamos el número de individuos estúpidos que circulan por el mundo. La segunda —quizá la más incómoda— sostiene que la probabilidad de que una persona sea estúpida es independiente de cualquier otra característica suya: ni el título universitario, ni la posición social, ni la pertenencia a una élite ilustrada inmunizan contra ella. La tercera formula la definición ya citada, el corazón técnico del sistema. La cuarta observa que quienes no son estúpidos suelen subestimar sistemáticamente el poder de daño de quienes sí lo son, olvidando que tratar con un estúpido resulta, tarde o temprano, ruinoso. La quinta y última ley, la más provocadora, proclama que el estúpido es el tipo de persona más peligroso que existe, más incluso que el bandido.
Primera ley: Siempre subestimamos la cantidad de estúpidos. La primera afirmación sostiene que todos subestimamos inevitablemente el número de personas estúpidas que existen. Incluso cuando creemos haber realizado una estimación prudente, la realidad acaba sorprendiéndonos. La observación contiene una advertencia educativa: la inteligencia, la cultura, la posición social o la formación académica no garantizan que una persona vaya a actuar racionalmente en todas las circunstancias.
Tercera ley: La definición económica de la estupidez. Esta es la pieza central de la teoría. Cipolla considera estúpida a la persona que causa un perjuicio a otra persona o grupo sin obtener con ello ningún beneficio para sí misma, e incluso pudiendo resultar perjudicada. El criterio no es, por tanto, cuánto sabe alguien, sino qué consecuencias produce su conducta. Cipolla construye así una matriz basada en dos variables: beneficio o perjuicio propio y beneficio o perjuicio ajeno. De ella surgen cuatro categorías: quienes benefician a los demás y a sí mismos; quienes benefician a otros a costa de sí mismos; quienes buscan su propio beneficio perjudicando a otros; y, finalmente, quienes perjudican a otros sin obtener beneficio propio.
Cuarta ley: Infravaloramos el poder destructivo. La cuarta ley sostiene que las personas no estúpidas subestiman constantemente el potencial dañino de la estupidez. El problema no reside únicamente en la existencia de comportamientos irracionales, sino en nuestra dificultad para anticiparlos. En economía, política, educación o gestión institucional, una decisión aparentemente absurda puede generar costes muy superiores a los previstos cuando afecta a muchas personas o se incorpora a sistemas complejos.
Quinta ley: La estupidez es especialmente peligrosa. La quinta ley lleva el argumento a su conclusión más provocadora: la persona estúpida constituye el tipo humano más peligroso. Su célebre corolario afirma que el estúpido puede resultar más peligroso que el malvado. La razón es sencilla dentro del modelo de Cipolla: el malvado persigue un beneficio y, por ello, su comportamiento puede ser parcialmente previsible. El estúpido, en cambio, puede provocar daños sin obtener ninguna compensación.
Esa jerarquía merece detenerse en ella. Cipolla razona como economista: el bandido es previsible, porque su cálculo de beneficio propio permite anticipar su conducta y, en cierta medida, negociar con él o protegerse de él. El estúpido, en cambio, actúa sin lógica de beneficio, lo que vuelve su comportamiento errático e imposible de prever, y por tanto más costoso para el conjunto social.
Leído hoy, el ensayo de Cipolla trasciende la boutade universitaria. Sus categorías ofrecen un instrumento útil para analizar el funcionamiento de organizaciones, mercados y sistemas educativos, allí donde las decisiones ineficientes rara vez obedecen a cálculos maliciosos y con más frecuencia a la simple ausencia de reflexión sobre sus efectos colectivos. Cipolla nunca pretendió que sus leyes fueran un tratado científico en sentido estricto, y él mismo las presentó con la ironía de quien sabe que la mejor manera de hablar en serio de algo incómodo es hacerlo sonriendo. Pero medio siglo después, su pequeño catálogo de la insensatez humana sigue leyéndose —y aplicándose— con una seriedad que probablemente lo habría divertido a él mismo.
Con todos los filtros y reservas que queramos, con memoria de los plazos de incumplimiento que ha demostrado en su trayectoria, pero creemos que sigue siendo necesario escuchar a Elon Musk como en esta reciente entrevista. El pasado 20 de julio de 2026, en la Gigafactory de Tesla en Texas, Elon Musk concedió a Zanny Minton Beddoes, directora editorial de The Economist, su primera entrevista extensa desde la salida a bolsa de SpaceX. La conversación, publicada tres días después bajo el título “The Insider”, constituye un documento singular: casi una hora en la que el empresario despliega, con la misma soltura, una cosmología tecnológica de alcance civilizatorio y una serie de posiciones políticas que desembocan en uno de los cruces más tensos que se recuerdan entre un periodista y un magnate contemporáneo.
Ese optimismo convive con una revisión explícita de su propia trayectoria intelectual. El empresario que hace una década temía la “autosuperación recursiva” de las máquinas y que en 2023 firmó la petición para pausar el desarrollo de la IA admite ahora haber llegado a una suerte de resignación filosófica: la carrera es imparable -él mismo, señala con cierta ironía, contribuyó a acelerarla al fundar OpenAI y propiciar indirectamente la escisión de Anthropic- y lo sensato es disfrutar del trayecto, aunque mantiene una probabilidad de catástrofe existencial de entre el diez y el veinte por ciento. Como salvaguarda intermedia, propone que los grandes laboratorios -incluidos los chinos- se reúnan periódicamente y se concedan una o dos semanas de acceso mutuo a sus modelos más avanzados antes del lanzamiento, con la industria autorregulándose al estilo de la Motion Picture Association y recurriendo a los gobiernos solo si una empresa ignora un riesgo detectado. Sobre la competencia con China, Musk relativiza el peso de las restricciones a la exportación de chips: el cuello de botella real, afirma, ya no es el semiconductor sino la electricidad, terreno en el que Pekín aventaja holgadamente a Washington, lo que explica su apuesta por centros de datos orbitales.
La entrevista aborda también el poder geopolítico que ejerce Musk a través de Starlink, decisivo en la defensa ucraniana y capaz, mediante una lista blanca de terminales, de restringir su uso por tropas rusas en territorio ocupado. Musk defiende una salida negociada al conflicto que reconozca la realidad de un frente estancado, postura que contrasta con el relato de avances ucranianos que maneja Minton Beddoes. Sobre su paso por el Departamento de Eficiencia Gubernamental (DOGE), admite haberse involucrado demasiado en política, aunque rechaza con rotundidad que los recortes a la ayuda exterior estadounidense hayan costado una sola vida, en un intercambio especialmente vivo con la periodista, que sostiene lo contrario.
Más allá de las posiciones concretas, la entrevista interesa como retrato de una figura que concentra, simultáneamente, capacidad técnica, poder empresarial casi absoluto sobre corporaciones cotizadas y una audiencia mediática que rivaliza con la de cualquier gobierno. Es precisamente esa acumulación -y la pregunta de si conviene que resida en una sola persona- lo que atraviesa, con ecos de la reflexión de Hannah Arendt (otros posts nuestros) sobre el poder y sus límites, todo el diálogo: la promesa de una abundancia casi utópica convive, sin solución de continuidad, con la fragilidad de un debate público cada vez más polarizado.
Resumen: Musk augura una IA superior a toda la humanidad en cinco años. El dinero no importará en 2036, predice Elon Musk a The Economist. Guerra civil en Gran Bretaña: el choque de Musk con The Economist. Entre la singularidad y la polarización: el Musk de 2026. De temer la IA a abrazarla: la conversión filosófica de Elon Musk.
¿Y si trabajar fuera OPCIONAL? 🤖🌱 No es utopía, es nuestro futuro inmediato: IA + robots + energía solar abundante = Trabajo Opcional y Abundancia Total. Pasamos de ganarnos el pan con sudor a ganarnos la vida con sentido. Jubilación no es retirada, es REVIVISCENCIA. Los… pic.twitter.com/p3Fa8SCmwI
— Mikel Agirregabiria (@agirregabiria) August 1, 2026
@diegoruzzarin La lista de mentiras de Elon Musk y la entrevista que lo puso muy incómodo. #diegoruzzarin #elonmusk #tesla ♬ sonido original - Diego Ruzzarin
La Teoría de las Perspectivas (Prospect Theory), formulada en 1979 por los psicólogos Daniel Kahneman y Amos Tversky, revolucionó la economía conductual al explicar por qué nuestra mente interpreta las ganancias y las pérdidas de forma profundamente asimétrica. Este modelo, que contribuyó a que Kahneman recibiera el Premio Nobel de Economía en 2002, sigue siendo uno de los pilares para comprender el comportamiento humano en la economía, la política, la empresa y la educación.
La idea central de la teoría es sorprendentemente sencilla: no evaluamos los resultados en términos absolutos, sino respecto a un punto de referencia. Lo importante no es cuánto tenemos, sino si percibimos que ganamos o perdemos respecto a lo que esperábamos o poseíamos previamente. Esa diferencia subjetiva condiciona nuestra conducta mucho más de lo que creemos.
Uno de los principios más conocidos es la aversión a la pérdida (Loss Aversion). Diversos experimentos muestran que perder 100 euros produce un malestar psicológico aproximadamente dos veces mayor que la satisfacción generada por ganar la misma cantidad. En consecuencia, muchas personas prefieren evitar una pérdida antes que perseguir una ganancia equivalente. Esta tendencia explica desde la resistencia a vender inversiones perdedoras hasta la dificultad para abandonar proyectos inviables o aceptar cambios organizativos.
Relacionado con ello aparece la denominada función de valor (The Value Function), cuya representación gráfica adopta una característica forma de “S”. Cuando anticipamos ganancias solemos volvernos prudentes y preferimos beneficios seguros antes que ganancias mayores pero inciertas. Sin embargo, cuando afrontamos pérdidas ocurre justamente lo contrario: aumentamos nuestra disposición a asumir riesgos con la esperanza de recuperar lo perdido. Esta paradoja explica numerosos comportamientos financieros aparentemente irracionales y también muchas decisiones personales.
Otro fenómeno relevante es el efecto de certeza (Certainty Effect). Nuestra mente concede un valor desproporcionado a aquello que está completamente garantizado. Preferimos una recompensa menor pero segura antes que otra objetivamente más ventajosa aunque implique incertidumbre. Este mecanismo psicológico ayuda a entender decisiones relacionadas con inversiones, seguros, contratos laborales o incluso tratamientos médicos.
Especial importancia tiene también el llamado efecto de encuadre (Framing Effect). La manera de presentar una información modifica profundamente la decisión, aunque los datos sean idénticos. Un tratamiento con una “supervivencia del 90 %” inspira mucha más confianza que otro con una “mortalidad del 10 %”, pese a expresar exactamente la misma realidad estadística. Las campañas publicitarias, el marketing político, la comunicación sanitaria y la divulgación científica utilizan constantemente este principio.
La teoría incorpora además la ponderación subjetiva de las probabilidades (Probability Weighting). Los seres humanos no interpretamos las probabilidades de manera matemática. Tendemos a sobrevalorar acontecimientos extremadamente improbables —como ganar la lotería o sufrir un accidente excepcional— mientras infravaloramos riesgos mucho más frecuentes. Esta distorsión explica simultáneamente el éxito de las loterías y la contratación masiva de seguros.
Las implicaciones educativas son enormes. Enseñar pensamiento crítico exige ayudar al alumnado a identificar estos sesgos cognitivos antes de que condicionen sus decisiones económicas, sociales o profesionales. Comprender cómo funciona nuestra percepción del riesgo resulta tan importante como aprender matemáticas financieras o estadística. La alfabetización económica del siglo XXI debe incorporar necesariamente la psicología de la decisión.
.jpg)
En el ámbito empresarial, la Prospect Theory explica por qué consumidores, inversores y directivos reaccionan de forma distinta según el contexto emocional en que reciben una información. En política ayuda a comprender campañas electorales basadas en el miedo o en la promesa de evitar pérdidas futuras. En la vida cotidiana nos recuerda que nuestras decisiones rara vez son completamente racionales.
La gran aportación de Kahneman y Tversky consiste precisamente en haber demostrado que la irracionalidad humana no es caótica, sino sistemática y predecible. Conocer estos mecanismos no nos inmuniza frente a ellos, pero sí nos permite detenernos unos segundos antes de decidir. En una época dominada por la sobreinformación, la inteligencia artificial y la economía de la atención, entender cómo pensamos puede ser tan valioso como saber cuánto sabemos.
La Teoría de las Perspectivas sigue recordándonos una lección esencial: las personas no decidimos únicamente con números, sino con expectativas, emociones, experiencias y percepciones. Y comprender esa realidad constituye una de las mejores herramientas para formar ciudadanos más críticos, consumidores más conscientes y sociedades más racionales.
Resumen: La psicología oculta de nuestras decisiones. Por qué perder duele más que ganar. Decisiones irracionales con consecuencias perfectamente previsibles. La economía depende de nuestras emociones. Cómo el cerebro interpreta riesgos y oportunidades. Ciencia detrás de nuestras malas decisiones. El poder del encuadre en nuestras decisiones. La psicología que explica el éxito de loterías y seguros.
Antes de elegir, tu cerebro ya ha sido influido. La Teoría de las Perspectivas de Daniel Kahneman y Amos Tversky demuestra que no decidimos solo con lógica: el modo en que se presenta una opción cambia radicalmente nuestra elección. Tememos más perder 100 € que lo que… pic.twitter.com/78WHiC7x8u
— Mikel Agirregabiria (@agirregabiria) July 25, 2026
.jpg)
El sociólogo Donald T. Campbell había llegado también, en 1976, a una conclusión paralela desde la evaluación de políticas sociales: cuanto más se emplea un indicador cuantitativo para tomar decisiones, más se corrompe y más distorsiona los procesos que pretendía vigilar. La formulación popular, atribuida a la antropóloga Marilyn Strathern, la resume con una economía admirable: cuando una medida se convierte en objetivo, deja de ser una buena medida.
.jpg)
El fenómeno no es una curiosidad técnica, sino una lección sobre la naturaleza misma del conocimiento aplicado. Toda métrica nace como representación parcial de una realidad más rica; funciona mientras permanece inocente, mientras nadie actúa deliberadamente para satisfacerla. En el instante en que se convierte en criterio de recompensa o castigo, los agentes racionales —y no hace falta que sean cínicos, basta con que sean razonables— reorientan su comportamiento hacia el número y no hacia el fin que el número debía representar. Ortega y Gasset advirtió que las ideas se convierten en creencias cuando dejamos de cuestionarlas; algo semejante ocurre con los indicadores, que de instrumentos pasan a ser dogmas administrativos en cuanto se institucionalizan.
Los ejemplos abundan y son familiares para cualquier profesor. Cuando la calidad educativa se reduce a resultados en pruebas estandarizadas, los centros terminan enseñando para el examen y no para la comprensión, erosionando precisamente lo que el examen debía certificar. Cuando la productividad médica se mide en número de intervenciones, se multiplican las intervenciones innecesarias. Cuando el rendimiento policial se mide en detenciones, se detiene más y se investiga menos. En cada caso el indicador sobrevive, pero la realidad que nombraba se ha desvanecido detrás de él, sustituida por su propia sombra estadística.
Esta patología revela algo más profundo sobre la relación moderna entre poder y cuantificación. Hannah Arendt observó que la administración burocrática tiende a sustituir el juicio por el procedimiento, precisamente porque el procedimiento es medible y el juicio no. La ley de Goodhart-Campbell describe el precio de esa sustitución: ganamos gestionabilidad y perdemos verdad. No se trata de un defecto corregible con mejores estadísticas, sino de una tensión estructural entre la vida —siempre excesiva, siempre desbordante respecto de cualquier categoría— y los instrumentos que empleamos para gobernarla. Unamuno hubiera reconocido aquí una variante de su desconfianza hacia los sistemas que aspiran a encerrar lo viviente en fórmulas cerradas.
La respuesta razonable no es abandonar la medición, tarea imposible para cualquier sociedad compleja, sino cultivar una relación más humilde con ella: multiplicar los indicadores para que ninguno concentre por sí solo el poder de definir el éxito, mantener espacios de evaluación cualitativa que ningún número sustituye, y recordar constantemente que toda métrica es un mapa, nunca el territorio. La universidad, la sanidad, la administración pública y la propia investigación científica —sometida hoy a la tiranía de las citas y los índices de impacto— harían bien en releer a Goodhart y Campbell no como una anécdota de la economía de los setenta, sino como una advertencia permanente contra la tentación de confundir lo que se mide con lo que importa.
Resumen: La ley de Goodhart-Campbell: cuando medir se convierte en mentir. El número que devora la realidad que pretendía representar. De indicador a dogma: la corrupción silenciosa de las métricas. Cuando el mapa sustituye al territorio: la ley de Goodhart.
📊 ¿Y si nuestra obsesión por medirlo todo está destruyendo la educación y la sociedad? La Ley de Goodhart-Campbell nos lo advierte: "Cuando una medida se convierte en un objetivo, deja de ser una buena medida". https://t.co/fkVBBgDfTB 🎓 Dejemos de enseñar solo para el examen en… pic.twitter.com/ZvYkCVaYAe
— Mikel Agirregabiria (@agirregabiria) July 20, 2026
@stgoallamand El problema no es la métrica. El problema es olvidar para qué la estás usando. Ahorrar, vender o invertir no son objetivos en sí mismos: son medios para lograr algo más grande. Cuando optimizas solo el número, terminas saboteando el resultado que buscabas desde el inicio. Usa los números como brújula, no como destino. Ahí está la verdadera diferencia. #FinanzasPersonales #MetasFinancieras #LeyDeGoodhart #EducaciónFinanciera #PensamientoEstratégico
♬ original sound - 𝗦𝗮𝗻𝘁𝗶𝗮𝗴𝗼 Allamand
La Médiocratie: cuando la medianía se convierte en norma de poder, En 2015, el filósofo quebequés Alain Deneault publicó en Lux éditeur un ensayo breve pero incisivo, La Médiocratie, que en apenas 224 páginas propuso una tesis tan sencilla como perturbadora: los mediocres han tomado el poder. No se trata de la incompetencia ni de la torpeza, aclara Deneault, sino de algo más sutil y más extendido: la elevación de lo mediano, de lo funcional y sumiso, al rango de autoridad. La medianía —lo que en francés no tiene un sustantivo propio, "moyenneté", y debe nombrarse con la palabra "mediocridad"— deja de ser una simple estadística para convertirse en una exigencia normativa que atraviesa todos los ámbitos de la vida social.
.jpg)
La mediocracia no es, según explica el propio autor, un anatema moral contra los individuos corrientes. Ser mediocre en algo —tocar el piano a un nivel discreto, cocinar una tortilla aceptable— no constituye un defecto. El problema, sostiene Deneault, surge cuando ese estado medio se instala como modelo de gobierno, cuando las instituciones —la universidad, la empresa, el arte, la política— premian sistemáticamente a quienes juegan el juego de la conformidad aparente, respetando las reglas en la superficie mientras las vacían de contenido por dentro. En ese régimen, la competencia central ya no es el saber ni la creación, sino el reconocimiento mutuo entre medianías: "la principal competencia de un mediocre es saber reconocer a otro mediocre".
El libro recorre distintos escenarios de esta captura silenciosa: la universidad, convertida en mercado de estudiantes, investigadores y saberes vendibles a intereses privados; la figura del experto, cuyo pensamiento nunca es propiamente suyo sino la traducción técnica de un orden ideológico ya decidido; el lenguaje, sometido a una neolengua gerencial que sustituye la palabra por la gestión; y la democracia misma, erosionada por lo que Deneault llamará después, en obras complementarias como Gouvernance y Politique de l'extrême centre, un centrismo que convierte el compromiso permanente en sustituto de la deliberación política. El resultado es una sociedad en la que las ideas y las personas se vuelven intercambiables, paramétricas, fáciles de clasificar.
Inspirándose libremente en Aristóteles y dialogando, aunque sin citarlo como fuente central, con la sátira del lógico soviético Aleksandr Zinóviev sobre la mediocridad como fórmula de éxito social, Deneault no ofrece un programa cerrado de transformación. Su propuesta, más modesta y más exigente a la vez, consiste en identificar a los mediocres allí donde ejercen su poder, para poder situarse frente a ellos, y en recuperar el gusto por el pensamiento crítico, la lectura exigente y la palabra con sentido como formas de resistencia.
.jpg)
Alain Deneault nació en 1970 en la región del Outaouais, en Quebec. Doctor en Filosofía por la Universidad de París VIII bajo la dirección de Jacques Rancière, con estancia de investigación en el Centro Marc Bloch de Berlín, orientó sus primeros estudios hacia la filosofía alemana del siglo XIX y el pensamiento francés del XX, con especial atención a Georg Simmel. Ha enseñado ciencia política y sociología en la Universidad de Quebec en Montreal, dirigido programas en el Collège international de philosophie de París y actualmente enseña en el campus de Shippagan de la Universidad de Moncton. Antes de La Médiocratie, se dio a conocer por Noir Canada (2008), una investigación sobre la industria minera canadiense en África que le valió una demanda judicial de la empresa Barrick Gold, resuelta finalmente fuera de los tribunales. Su obra posterior, reunida en lo que él llama sus "folletines teóricos" sobre la economía, y su reciente Faire que! (finalista del Premio del Gobernador General 2025), confirman una trayectoria consagrada a desmontar, con rigor filosófico y estilo mordaz, los lenguajes del poder contemporáneo.
Resumen: Cuando la mediocridad se convierte en régimen político. Alain Deneault: retrato filosófico de una sociedad paramétrica. Del anatema a la norma: la mediocridad como sistema. La Médiocratie, un libro que nombra a su enemigo. Alain Deneault, el filósofo que desafió a las mineras y a la mediocridad.
¿Y si el mayor problema de nuestro tiempo no fuera la incompetencia, sino un sistema que premia la mediocridad? https://t.co/W8nfn5pQEb En La Médiocratie, Alain Deneault denuncia cómo empresas, universidades, política y medios favorecen el conformismo frente al pensamiento… pic.twitter.com/Uq6Od4ZuGq
— Mikel Agirregabiria (@agirregabiria) July 15, 2026
En 2026 esa letra ha dejado de ser una metáfora pasajera para convertirse en el diagnóstico dominante de la economía global. Los organismos internacionales anticipan un crecimiento mundial moderado, en torno al 2,9%, con la inteligencia artificial y el sector de defensa como principales motores de expansión. Pero ese crecimiento no se reparte: la inversión, la productividad y las cotizaciones bursátiles suben por el trazo ascendente de la K, mientras los salarios reales, el empleo industrial y el consumo de las rentas medias y bajas transitan el trazo descendente.
El caso estadounidense resulta paradigmático. El gasto de los hogares con mayores ingresos —muchos de ellos beneficiados por la revalorización de sus carteras de inversión y planes de pensiones— sostiene buena parte del consumo agregado, mientras las familias más expuestas a la inflación en alimentación, vivienda y energía recurren al crédito o a sus ahorros para llegar a fin de mes. En América Latina el fenómeno adopta otra forma: sectores exportadores como el agro, la minería o la energía crecen y generan divisas, pero apenas crean empleo, mientras la industria manufacturera orientada al mercado interno sigue rezagada.
Lo que estas geografías tienen en común es una misma lección: el crecimiento agregado ha dejado de ser un buen indicador del bienestar colectivo. Puede haber expansión del PIB y, simultáneamente, deterioro de las condiciones de vida de una mayoría silenciosa. Es la vieja advertencia que ya intuyeron Ortega y Gasset y Hannah Arendt sobre las sociedades de masas: el progreso técnico no garantiza por sí solo cohesión ni justicia; requiere instituciones que lo redistribuyan.
La inteligencia artificial añade una capa nueva a esta bifurcación. Quienes poseen capital, cualificación digital o acceso a formación continua capturan las ganancias de productividad; quienes desempeñan tareas automatizables afrontan sustitución, precariedad o la necesidad de reconvertirse sin apenas red de apoyo. La brecha, por tanto, no es solo de renta, sino de capacidades y de tiempo disponible para adaptarse.
Frente a este diagnóstico, la respuesta no puede limitarse a la política monetaria o fiscal. La educación pública de calidad, la formación continua accesible y las políticas de solidaridad intergeneracional son las herramientas que permiten enderezar, aunque sea parcialmente, el trazo descendente de la K. No se trata de frenar la innovación, sino de asegurar que sus frutos —como recordaba el espíritu comunitario tan arraigado en la cultura vasca— se compartan con quienes quedan fuera de sus circuitos.
La economía en forma de K no es una fatalidad natural, sino el resultado de decisiones colectivas: fiscalidad, inversión pública, negociación colectiva y acceso al conocimiento. Reconocer la forma de la letra es el primer paso; decidir si la dejamos abierta o la volvemos a unir en un solo trazo compartido es, todavía, una elección política y ética.
📈 La economía en forma de K explica mejor que nunca el mundo actual: mientras unos prosperan gracias a la innovación, la IA y la digitalización, otros quedan rezagados por la precariedad, la automatización o la falta de oportunidades. https://t.co/JLL2izsr4c El verdadero… pic.twitter.com/U3BuPksNW4
— Mikel Agirregabiria (@agirregabiria) July 11, 2026
@hernan.castro11 La economía no está creciendo igual para todos. Mientras algunos suben rápido con tecnología y habilidades digitales… otros se quedan atrapados. Entender esta tendencia puede marcar la diferencia. Anticípate. #EconomíaEnK #FuturoDelTrabajo #InteligenciaArtificial #Tecnología #EducaciónFinanciera #Oportunidades #CambioGlobal #AprenderIA #desarrollopersonal #2030 #Tendencias #MentalidadDeCrecimiento ♬ sonido original - Hernan Castro
En 1952, un joven estudiante de doctorado en la Universidad de Chicago publicó un artículo de catorce páginas en el Journal of Finance. No era una obra extensa, pero contenía una idea que transformaría para siempre la manera en que el mundo entiende la inversión, el riesgo y la incertidumbre. Su nombre era Harry Markowitz, y su contribución —la teoría moderna de carteras— le valdría cuatro décadas después el Premio Nobel de Economía. En el corazón de esa teoría late un concepto tan elegante como poderoso: la frontera eficiente.
El problema antiguo, la solución nueva. Desde que existen mercados financieros, los inversores han sabido intuitivamente que no conviene "poner todos los huevos en la misma cesta". Pero la intuición, por acertada que sea, no basta. Markowitz se preguntó algo más preciso y más ambicioso: dada una colección de activos con distintas rentabilidades esperadas y distintos niveles de riesgo, ¿cómo debe construirse una cartera que sea verdaderamente óptima?
La respuesta exige aceptar primero una definición matemática del riesgo. Markowitz lo identificó con la varianza —o su raíz cuadrada, la desviación típica— de los rendimientos. Un activo cuyo precio oscila mucho tiene alta varianza; uno estable, baja. Esta elección, aparentemente técnica, fue en realidad filosófica: reducir la incertidumbre a un número abordable, operable, optimizable.
La geometría del riesgo y la rentabilidad. Imaginemos representar cada cartera posible como un punto en un plano: el eje horizontal mide el riesgo (desviación típica) y el eje vertical mide la rentabilidad esperada. Si tomamos todas las combinaciones posibles de, digamos, cincuenta activos —variando los porcentajes asignados a cada uno—, obtenemos una nube de puntos que adopta una forma característica: una región acotada hacia la izquierda por una curva. Esa curva es la frontera eficiente.
Los puntos situados sobre ella representan carteras que, para un nivel de riesgo dado, ofrecen la máxima rentabilidad posible; o equivalentemente, para una rentabilidad dada, minimizan el riesgo. Todo punto interior a la región es una cartera "dominada": existe otra combinación que la supera en al menos una dimensión sin empeorar en la otra. Un inversor racional nunca debería situarse dentro de la nube, sino sobre su frontera.
La magia de la correlación. Lo que hace verdaderamente profunda esta construcción es el papel de la correlación entre activos. Dos acciones pueden tener individualmente alta varianza y, sin embargo, combinadas, producir una cartera de riesgo moderado —si sus movimientos tienden a ser opuestos o simplemente independientes. La diversificación no es un mantra vacío: es una consecuencia matemática. La varianza de una cartera no es la media ponderada de las varianzas individuales; depende crucialmente de las covarianzas entre los activos. Este hallazgo convirtió el álgebra lineal y el cálculo matricial en herramientas indispensables de las finanzas.
Limitaciones y herencia intelectual. La teoría de Markowitz no está exenta de críticas legítimas. Supone que los inversores se preocupan únicamente por la media y la varianza de los rendimientos —ignorando la asimetría o los eventos extremos—, que las correlaciones son estables en el tiempo, y que existe información suficiente para estimar los parámetros del modelo. La crisis financiera de 2008 recordó con dureza que los mercados pueden romper correlaciones históricas justamente cuando más se necesita que se sostengan.
Sin embargo, la herencia de Markowitz es inconmensurable. Inspiró el modelo de valoración de activos financieros (CAPM), la teoría del arbitraje, los fondos indexados y toda la arquitectura matemática sobre la que descansa la gestión moderna de carteras. Enseñar economía sin la frontera eficiente sería como enseñar física sin la ley de la gravedad: posible en teoría, empobrecedor en la práctica. En definitiva, Markowitz demostró que pensar con rigor matemático sobre la incertidumbre no elimina el riesgo —eso sería una ilusión—, pero sí permite habitarlo con inteligencia.
Resumen: La geometría que ordena el caos bursátil. Una fórmula cambió para siempre la teoría de la inversión. La diversificación tiene nombre propio: Markowitz y su legado. Cuando el álgebra lineal entró en Wall Street y no se fue. La curva de Markowitz: elegancia matemática al servicio del inversor. Nobel, varianza y carteras: la revolución silenciosa de Markowitz. El modelo que convirtió la incertidumbre financiera en un problema resoluble.
📈 ¿Es posible ganar más asumiendo menos riesgo? La Frontera Eficiente de Markowitz, base de la teoría moderna de carteras y reconocida con el Nobel de Economía, demuestra que la clave no está en elegir el mejor activo, sino en combinar inteligentemente varios. Diversificar no… pic.twitter.com/YtzI3L6uc6
— Mikel Agirregabiria (@agirregabiria) July 4, 2026
@avillalonv Harry Markowitz revolucionó las finanzas modernas con la teoría de portafolio y el modelo media-varianza. Introdujo la frontera eficiente, la optimización bajo riesgo y el uso formal de correlaciones en inversión. Sin él no existiría la gestión cuantitativa moderna. #HarryMarkowitz #TeoríaDePortafolio #FinanzasCuantitativas #math ♬ Rising - Diamonds And Ice