Por: Fabian Gómez Pinto

Pocas veces se ha mencionado el rol de la Ética en la Estadística para tomar decisiones y es que, en cualquier proceso de investigación, sin importar el sector en el que se lleve a cabo, la producción y utilización de información estadística debe estar regida por principios éticos sólidos que garanticen la legitimidad del conocimiento generado. En este contexto, la ciencia estadística no solo aporta metodologías rigurosas para el análisis de datos, sino que también asume la misión crítica de generar y preservar la confianza pública respecto a cómo se recolecta, procesa, interpreta y comunica la información.

No basta con que el dato sea correcto

Un dato puede ser estadísticamente correcto y, sin embargo, conducir a una mala decisión. Esta afirmación debería ocupar un lugar central en cualquier conversación sobre estadística, investigación y toma de decisiones. Pocas veces se habla de la ética en la estadística con la misma intensidad con la que se habla de metodologías, modelos, indicadores o técnicas de análisis. Sin embargo, detrás de cada porcentaje, promedio, estimación, correlación o pronóstico existe una responsabilidad que trasciende el cálculo: la responsabilidad de producir evidencia confiable y utilizarla de manera justa, transparente y responsable.

La estadística no es éticamente neutral. Aunque sus métodos se fundamentan en principios matemáticos y científicos, las decisiones que preceden y siguen a un cálculo estadístico tienen implicaciones sociales. ¿Qué población se estudia? ¿Quiénes quedan incluidos o excluidos? ¿Qué variables se seleccionan? ¿Cómo se obtiene la información? ¿Qué fuente se considera válida? ¿Cómo se tratan los datos faltantes? ¿Qué modelo se utiliza? ¿Cómo se comunica la incertidumbre? Cada una de estas decisiones puede modificar la interpretación de los resultados y, en consecuencia, influir sobre decisiones que afectan a personas, comunidades e instituciones.

El problema comienza antes de calcular

La ética estadística no comienza cuando el investigador presenta una tabla o publica un gráfico. Comienza mucho antes: en el diseño de la investigación.

Definir adecuadamente la población objetivo, establecer un marco de muestreo, determinar el tamaño y diseño de la muestra, seleccionar las variables, construir los instrumentos de recolección y determinar las fuentes de información son decisiones metodológicas que también tienen una dimensión ética.

Un estudio puede utilizar una fórmula estadísticamente impecable y, aun así, producir conclusiones deficientes si parte de una población mal definida, de una muestra sesgada o de instrumentos que generan errores sistemáticos de medición. La precisión matemática no corrige un diseño deficiente.

Por eso, el investigador debe optimizar las actividades preliminares del proceso investigativo y alinearlas con principios de ética aplicada, normativa y responsabilidad social. Esto adquiere especial relevancia cuando los datos provienen directa o indirectamente de seres humanos, ya sea mediante encuestas, estudios observacionales, experimentos, registros administrativos u otras fuentes.

Además, el tratamiento de información personal exige considerar las disposiciones legales y regulatorias relacionadas con protección de datos, confidencialidad estadística y transparencia. Pero es necesario establecer una diferencia fundamental: cumplir la ley constituye un mínimo; actuar éticamente exige algo más. La estadística responsable debe preguntarse no solamente “¿esto es legal?”, sino también “¿esto es justo, necesario, proporcional y científicamente defendible?”

Cuando el resultado se deforma

La integridad estadística puede verse comprometida en diferentes etapas del proceso. Los sesgos de selección, los errores de medición, la manipulación de bases de datos, la supresión de resultados no deseados, la selección conveniente de modelos o resultados y la interpretación incorrecta de las pruebas estadísticas pueden transformar una investigación rigurosa en una fuente de conclusiones engañosas.

Incluso una asociación estadística puede convertirse en una afirmación causal cuando el investigador confunde correlación con causalidad. Un resultado estadísticamente significativo puede presentarse como científicamente relevante cuando su magnitud o impacto práctico son mínimos. Una muestra puede ser numéricamente grande y, sin embargo, no ser representativa de la población que se pretende estudiar.

También existe el riesgo del p-hacking, entendido como la manipulación o selección reiterada de análisis, variables, modelos o subconjuntos de datos hasta obtener resultados estadísticamente significativos. El problema no está en utilizar diferentes estrategias analíticas cuando están justificadas metodológicamente; el problema aparece cuando las decisiones analíticas se toman después de observar los resultados con el propósito de construir una conclusión previamente deseada.

En estos casos, la estadística deja de ser un instrumento para descubrir evidencia y puede convertirse en un mecanismo para vestir de rigor una conclusión preconcebida y aquí aparece una verdad incómoda: los datos no son neutros. Son el resultado de decisiones humanas. Cada base de datos refleja criterios de inclusión, exclusión, medición, clasificación, codificación y tratamiento. Por ello, utilizar datos exige comprender no solamente qué dicen, sino también cómo fueron construidos.

La transparencia también es un resultado estadístico

La responsabilidad del investigador no termina cuando obtiene un estimador. También debe comunicar sus limitaciones. Un resultado estadístico sin contexto puede inducir a error. Por eso, informar el margen de error, los intervalos de confianza, los supuestos del modelo, las limitaciones de la fuente y las condiciones bajo las cuales una conclusión es válida no constituyen un exceso de tecnicismo: es una obligación ética de comunicación científica.

La incertidumbre no desaparece porque no se publique. Ocultarla simplemente hace que el lector tome decisiones desconociendo el grado de incertidumbre que acompaña al dato.

En este sentido, la transparencia, la reproducibilidad y la trazabilidad deben formar parte integral del proceso estadístico. Una estadística confiable no es solamente aquella que produce un número; es aquella cuyo proceso de producción puede ser comprendido, evaluado y, cuando corresponda, reproducido.

El nuevo desafío: inteligencia artificial y datos masivos

La discusión ética adquiere una dimensión todavía mayor con la expansión del big data, la inteligencia artificial, los algoritmos y la automatización. Hoy los datos no solamente describen la realidad: alimentan sistemas capaces de clasificar personas, identificar patrones, estimar riesgos, recomendar acciones y apoyar decisiones de alto impacto. En este escenario, un sesgo presente en los datos puede trasladarse al modelo y, posteriormente, ser amplificado por un algoritmo.

La tecnología no elimina automáticamente los sesgos estadísticos. Un algoritmo puede procesar millones de observaciones y seguir produciendo una decisión injusta, por ello, utilizar tecnologías avanzadas sin comprender sus supuestos, fuentes de datos, variables, sesgos y limitaciones constituye un riesgo que no puede ser ignorado. La sofisticación tecnológica no sustituye el criterio profesional.

De hecho, mientras mayor sea la capacidad de procesamiento de información, mayor debe ser la responsabilidad sobre la calidad y el uso de los datos.

El estadístico no solamente calcula

Aquí se encuentra, quizás, el punto central de esta discusión. El estadístico no es simplemente la persona que calcula promedios, estima parámetros, construye modelos o genera indicadores. Es un profesional que participa en la construcción de evidencia que puede influir sobre decisiones reales.

Una estadística puede determinar la asignación de recursos públicos, orientar una política social, respaldar una decisión empresarial, identificar una población vulnerable, establecer prioridades territoriales o influir en la percepción que la sociedad tiene sobre un determinado fenómeno.

Por eso, cada etapa del ciclo estadístico, desde la identificación de necesidades y el diseño hasta la recolección, procesamiento, análisis, difusión y uso de los resultados, debería incorporar principios éticos como componentes estructurales y no como requisitos decorativos.

La ética no debe ser un filtro aplicado al final del proceso estadístico. Debe ser una variable de diseño desde el primer momento. El desafío consiste entonces en construir una cultura estadística basada en la veracidad, transparencia, confidencialidad, responsabilidad, rigor científico, reproducibilidad y trazabilidad. También en reconocer que las decisiones estadísticas tienen consecuencias y que el conocimiento producido debe estar orientado al interés legítimo de quienes utilizan y reciben esa información.

Una responsabilidad que va más allá de la fórmula

La ética de los datos representa una evolución necesaria frente al simple cumplimiento normativo. No se trata únicamente de determinar qué está permitido hacer con los datos, sino de preguntarnos qué deberíamos hacer con ellos.

Anticiparse a las externalidades negativas, evitar prácticas que produzcan estigmatización o exclusión, respetar la autonomía de las personas y cuestionar críticamente los resultados son responsabilidades inseparables del ejercicio estadístico.

Sobreponer los intereses del investigador a la dignidad de las personas, realizar segmentaciones que generen exclusión deliberada, manipular resultados o utilizar modelos sin comprender sus sesgos compromete simultáneamente la integridad científica y la responsabilidad social.

Por eso, un investigador ético debe ser también un investigador crítico: capaz de cuestionar sus propios resultados, reconocer sus limitaciones y admitir cuando la evidencia no permite sostener una determinada conclusión.

El dato y la decisión

La estadística nació como una herramienta para comprender fenómenos, reducir incertidumbre y apoyar decisiones. Pero esa capacidad le otorga una responsabilidad enorme.

Detrás de cada porcentaje hay personas. Detrás de cada indicador hay decisiones. Y detrás de cada decisión puede haber consecuencias. Por eso, producir estadísticas no consiste solo en aplicar correctamente una fórmula. Significa construir evidencia con rigor, comunicarla con honestidad y reconocer el impacto que puede tener sobre la sociedad.

Un estimador puede ser insesgado; una decisión, no necesariamente. Entre el dato y la decisión existe una responsabilidad que ninguna fórmula estadística puede reemplazar: la ética.

Comments

comments