Talento vs Suerte:

el papel de la aleatoriedad en el éxito y el fracaso

A. Pluchino ∗, AE Biondo †, A. Rapisarda ‡

Abstracto
arXiv: 1802.07068v2 [physics.soc-ph] 25 de febrero de 2018

El paradigma meritocrá tico en gran parte dominante de las culturas occidentales altamente competitivas se basa en la creencia de que el éxito se debe

principalmente, si no exclusivamente, a cualidades personales como el talento, la inteligencia, las habilidades, la inteligencia, los esfuerzos, la voluntad, el trabajo duro

o la asunció n de riesgos. A veces, estamos dispuestos a admitir que cierto grado de suerte también podría influir en el logro de un éxito material significativo. Pero, de

hecho, es bastante comú n subestimar la importancia de las fuerzas externas en las historias de éxito individuales. Es bien sabido que la inteligencia (o, má s en

general, talento y cualidades personales) exhibe una distribució n gaussiana entre la població n, mientras que la distribució n de la riqueza, a menudo considerada un

proxy del éxito, sigue típicamente una ley de poder (ley de Pareto), con una gran mayoría de personas pobres y un nú mero muy pequeñ o de multimillonarios. Tal

discrepancia entre una distribució n normal de insumos, con una escala típica (el talento o la inteligencia promedio), y la distribució n invariante de los resultados en la

escala, sugiere que algú n ingrediente oculto está trabajando detrás de escena. En este artículo, con la ayuda de un modelo de juguete basado en un agente muy

simple, sugerimos que ese ingrediente es simplemente aleatorio. En particular, mostramos que, si es cierto que se necesita cierto grado de talento para tener éxito en

la vida, casi nunca las personas má s talentosas alcanzan los picos má s altos de éxito, siendo superado por individuos mediocres pero sensiblemente má s

afortunados. En cuanto a nuestro conocimiento, este resultado contraintuitivo, aunque implícitamente sugerido entre líneas en una vasta literatura, se cuantifica aquí

por primera vez. Arroja nueva luz sobre la efectividad de evaluar el mérito sobre la base del nivel de éxito alcanzado y subraya los riesgos de distribuir honores o

recursos excesivos a personas que, al final del día, simplemente podrían haber tenido má s suerte que otras. Con la ayuda de este modelo, también se abordan y

comparan varias hipó tesis de política para mostrar las estrategias má s eficientes de financiació n pú blica de la investigació n para mejorar la meritocracia, la diversidad

y la innovació n. este resultado contradictorio, aunque implícitamente sugerido entre líneas en una vasta literatura, se cuantifica aquí por primera vez. Arroja nueva luz

sobre la efectividad de evaluar el mérito sobre la base del nivel de éxito alcanzado y subraya los riesgos de distribuir honores o recursos excesivos a personas que, al

final del día, simplemente podrían haber tenido má s suerte que otras. Con la ayuda de este modelo, también se abordan y comparan varias hipó tesis de política para

mostrar las estrategias má s eficientes de financiació n pú blica de la investigació n para mejorar la meritocracia, la diversidad y la innovació n. este resultado

contradictorio, aunque implícitamente sugerido entre líneas en una vasta literatura, se cuantifica aquí por primera vez. Arroja nueva luz sobre la efectividad de evaluar

el mérito sobre la base del nivel de éxito alcanzado y subraya los riesgos de distribuir honores o recursos excesivos a personas que, al final del día, simplemente

podrían haber tenido má s suerte que otras. Con la ayuda de este modelo, también se abordan y comparan varias hipó tesis de política para mostrar las estrategias

má s eficientes de financiació n pú blica de la investigació n para mejorar la meritocracia, la diversidad y la innovació n. simplemente podría haber tenido má s suerte que

otros. Con la ayuda de este modelo, también se abordan y comparan varias hipó tesis de política para mostrar las estrategias má s eficientes de financiació n pú blica de la investigació n para mejorar la meritocracia

Palabras clave: É xito, Talento, Suerte, Aleatoriedad, Serendipia, Estrategias de financiació n.

1. Introducció n

La ubicuidad de las distribuciones de la ley de potencias en muchos sistemas complejos físicos, bioló gicos o socioeconó micos puede
verse como una especie de firma matemá tica de su comportamiento diná mico fuertemente correlacionado y su estructura topoló gica
invariante de escala [1, 2, 3, 4]. En el contexto socioeconó mico,

* Departamento de Física y Astronomía, Universidad de Catania e INFN Sezione di Catania, Italia; alessandro.pluchino@ct.infn.it

† Departamento de Economía y Empresa, Univ. de Catania, Italia; ae.biondo@unict.it

‡ Departamento de Física y Astronomía, Universidad de Catania e INFN Sezione di Catania, Italia; Complexity Science Hub Viena;

andrea.rapisarda@ct.infn.it

1
Después del trabajo de Pareto [5, 6, 7, 8, 9], es bien sabido que la distribució n de la riqueza sigue una ley de poder, cuya forma
típica de cola larga refleja la profunda brecha existente entre ricos y pobres en nuestra sociedad. Un informe muy reciente [10]
muestra que hoy esta brecha es mucho mayor de lo que se temía: ocho hombres poseen la misma riqueza que los 3.600 millones
de personas que constituyen la mitad más pobre de la humanidad. Si se considera la riqueza individual como un indicador del éxito,
se podría argumentar que su distribució n profundamente asimétrica y desigual entre las personas es una consecuencia de sus
diferencias naturales en talento, habilidad, competencia, inteligencia, capacidad o una medida de su obstinació n, difícilmente. trabajo
o determinació n. Tal suposició n está , indirectamente, en la base de la llamada paradigma meritocrá tico: Afecta no solo la forma en
que nuestra sociedad otorga oportunidades de trabajo, fama y honores, sino también las estrategias adoptadas por los gobiernos en la
asignació n de recursos y fondos a quienes son considerados las personas má s merecedoras.

Sin embargo, la conclusió n anterior parece estar en estricto contraste con la evidencia aceptada de que las características y
cualidades humanas citadas anteriormente se distribuyen normalmente entre la població n.
es decir, sigue una distribució n gaussiana simé trica alrededor de una media dada. Ademá s, hoy en día existe una evidencia cada vez mayor sobre el papel fundamental

del azar, la suerte o, má s en general, los factores aleatorios, en la determinació n de é xitos o fracasos en nuestra vida personal y profesional. En particular, se ha

demostrado que los científicos tienen las mismas posibilidades a lo largo de su carrera de publicar su mayor é xito [11]; que aquellos con iniciales de apellido anteriores

tienen significativamente má s probabilidades de obtener la titularidad en los departamentos superiores [12]; que la posició n de una persona en una lista ordenada

alfabé ticamente puede s er importante para determinar el acceso a los servicios pú blicos con exceso de suscripció n [13]; que las iniciales del segundo nombre mejoran las

evaluaciones del desempeñ o intelectual [14]; que las personas con nombres fá ciles de pronunciar son juzgadas de manera má s positiva que aquellas con nombres

difíciles de pronunciar [15]; que las personas con apellidos que suenan nobles suelen trabajar má s como gerentes que co m o empleados [16]; que las mujeres con apodos

masculinos tienen má s é xito en las carreras legales [17]; que aproximadamente la mitad de la variació n de los ingresos entre las personas en todo el mundo se explica

ú nicamente por su país de residencia y por la distribució n del ingreso dentro de ese país [18]; que la probabilidad de convertirse en CEO está fuertemente influenciada por

su nombre o por su mes de nacimiento [19, 20, 21]; y que incluso la probabilidad de desarrollar un cá ncer, tal vez de tener una carrera brillante, se debe principalmente a

la simple mala suerte [22]. que aproximadamente la mitad de la variació n de los ingresos entre las personas en todo el mundo se explica ú n i c a m e n t e por su país de

residencia y por la distribució n del ingreso dentro de ese país [18]; que la probabilidad de convertirse en CEO está fuertemente influenciada por su nombre o por su mes

de nacimiento [19, 20, 21]; y que incluso la probabilidad de desarrollar un cá ncer, tal vez de tener una carrera brillante, se debe principalmente a la simple mala suerte

[22]. que aproximadamente la mitad de la variació n de los ingresos entre las personas en todo el mundo se explica ú nicamente por su país de residencia y por la

distribució n del ingreso dentro de ese país [18]; que la probabilidad de convertirse en CEO está fuertemente influenciada por su nombre o por su mes de nacimiento [19,

20, 21]; y que incluso la probabilidad de desarrollar un cá ncer, tal vez de tener una carrera brillante, se debe principalmente a la simple mala suerte [22].

En los ú ltimos añ os numerosos autores, entre los que se encuentran el estadístico y analista de riesgos Nassim N. Taleb [23,
24], el estratega de inversiones Michael Mauboussin [25] y el economista Robert
H. Frank [26], ha explorado en varios libros exitosos la relació n entre la suerte y la habilidad en el comercio financiero, los negocios, los
deportes, el arte, la mú sica, la literatura, la ciencia y en muchos otros campos. Llegan a la conclusió n de que los acontecimientos
fortuitos juegan un papel mucho más importante en la vida de lo que muchas personas alguna vez imaginaron. En realidad, no sugieren
que el éxito sea independiente del talento y los esfuerzos, ya que en escenarios altamente competitivos o mercados en los que el
ganador se lo lleva todo, como aquellos en los que vivimos y trabajamos hoy, las personas que se desempeñ an bien casi siempre son
extremadamente talentosas y duras. trabajando. Simplemente, concluyen que el talento y los esfuerzos no son suficientes: la suerte
tambié n importa, incluso si la gente de éxito casi siempre subestima su papel. Esto sucede porque la aleatoriedad a menudo se
desarrolla de manera sutil, por lo tanto, es fá cil construir narrativas que describan el é xito como inevitable. Taleb llama a esta
tendencia "falacia narrativa" [24], mientras que el soció logo Paul Lazarsfeld adopta la terminología "sesgo retrospectivo". En su
reciente libro "Todo es obvio: una vez que se sabe la respuesta" [27], el soció logo y pionero de la ciencia de redes Duncan

J. Watts, sugiere que tanto la falacia narrativa como el sesgo retrospectivo operan con especial fuerza cuando las personas observan
resultados inusualmente exitosos y los consideran el producto necesario del trabajo duro y el talento, mientras que surgen
principalmente de una secuencia compleja e interrelacionada de
pasos, cada uno dependiendo de los precedentes: si alguno de ellos hubiera sido diferente, una carrera completa o una trayectoria de vida casi

seguramente tambié n sería diferente.

En este artículo, al adoptar un enfoque basado en agentes, intentamos cuantificar de manera realista el papel de la suerte y el talento
en las carreras exitosas. En la secció n 2, partiendo de un nú mero mínimo de supuestos, es decir, una distribució n gaussiana del talento
[28] y una diná mica multiplicativa tanto para los é xitos como para los fracasos [29], proponemos un modelo de juguete, al que llamamos
"Talento vs Suerte" (TvL ), que imita la evolució n de las carreras de un grupo de personas durante un período de trabajo de 40 añ os. El
modelo muestra que, en realidad, la aleatoriedad juega un papel fundamental en la selecció n de los individuos má s exitosos. Por
supuesto, como era de esperar, es má s probable que las personas con talento se vuelvan ricas, famosas o importantes durante su vida en
comparació n con las que no cuentan con el equipamiento necesario. Pero, y este es un razonamiento menos intuitivo, las personas
comunes con un nivel medio de talento está n estadísticamente destinadas a tener é xito (es decir, a ubicarse en la cola de alguna
distribució n del é xito de la ley de poder) mucho má s que las má s talentosas, siempre que son má s bendecidos por la fortuna a lo largo de
su vida. Este hecho se observa a menudo en la experiencia comú n de todos, como se señ ala en las referencias [23, 24, 26], pero, hasta
donde sabemos, se modela y cuantifica aquí por primera vez.

El éxito de la gente con talento promedio desafía fuertemente el paradigma "meritocrá tico" y todas aquellas estrategias y mecanismos, que dan má s

recompensas, oportunidades, honores, fama y recursos a las personas consideradas las mejores en su campo [31, 34, 36]. El caso es que, en la gran mayoría de

los casos, todas las evaluaciones del talento de alguien se realizan posteriormente, con solo mirar sus actuaciones, o los resultados alcanzados, en algú n á rea

específica de nuestra sociedad como el deporte, los negocios, las finanzas, el arte, la ciencia, etc. Este tipo de evaluació n engañ osa termina cambiando de causa

y efecto, calificá ndose como la má s gente talentosa aquellos que son, simplemente, los má s afortunados [30]. En línea con esta perspectiva, ya advertimos, en

trabajos anteriores, contra tal tipo de “meritocracia ingenua” y mostramos la efectividad de estrategias alternativas basadas en elecciones aleatorias en muchos

contextos diferentes, como la gestió n, la política y las finanzas [37, 38, 39, 40, 41, 42, 43, 44]. En la secció n 3 proporcionamos una aplicació n de nuestro enfoque

y esbozamos una comparació n de posibles esquemas de atribució n de fondos pú blicos en el contexto de la investigació n científica. Estudiamos los efectos de

varias estrategias distributivas, entre las que destaca la "ingenuamente" meritocrá tica, con el objetivo de explorar nuevas formas de incrementar tanto el nivel

mínimo de éxito de las personas má s talentosas en una comunidad como la eficiencia resultante del gasto pú blico. Tambié n exploramos, en general, có mo las

oportunidades que ofrece el medio ambiente, ya que los niveles de educació n e ingresos (es decir, factores externos que dependen del país y el contexto social

de donde provienen los individuos) sí importan para aumentar la probabilidad de éxito. Los comentarios finales concluyentes cierran el artículo. factores externos

que dependen del país y el contexto social de donde provienen los individuos) sí importan en la creciente probabilidad de é xito. Los comentarios finales

concluyentes cierran el artículo. factores externos que dependen del país y el contexto social de donde provienen los individuos) sí importan en la creciente

probabilidad de éxito. Los comentarios finales concluyentes cierran el artículo.

2 El modelo

En lo que sigue proponemos un modelo basado en agentes, llamado modelo "Talento vs Suerte" (TvL), que se basa en un pequeñ o conjunto de
supuestos muy simples, con el objetivo de describir la evolució n de las carreras de un grupo de personas influenciadas por la suerte o la mala
suerte. eventos aleatorios.
Consideramos norte individuos, con talento T yo ( inteligencia, habilidades, habilidad, etc.) normalmente distribuidos alrededor de una
media dada metro T con una desviació n está ndar σ T, colocado aleatoriamente en fijo
posiciones dentro de un mundo cuadrado (ver Fig.1) y rodeado por un cierto nú mero norte mi de eventos "en movimiento" (indicados por
puntos), alguien afortunado, alguien má s desafortunado (los eventos neutrales no son
considerados en el modelo, ya que no tienen efectos relevantes en la vida individual). En la figura 1 informamos estos eventos como
puntos de colores: los afortunados, en verde y con porcentaje relativo pags L, y
Figura 1: Un ejemplo de configuració n inicial para nuestras simulaciones. N = 1000 individuos (agentes), con diferentes grados de talento
(inteligencia, habilidades, etc.), están ubicados aleatoriamente en sus posiciones fijas dentro de un mundo cuadrado. Durante cada simulació n, que
cubre varias docenas de añ os, están expuestos a un cierto nú mero
norte mi de eventos afortunados (círculos verdes) y desafortunados (círculos rojos), que se mueven por el mundo siguiendo
trayectorias (paseos aleatorios). En este ejemplo norte E = 500. Todas las simulaciones presentadas en este documento se realizaron dentro del entorno
del modelo basado en agentes NetLogo [45].

los desafortunados, en rojo y con porcentaje (100 - pags L). El nú mero total de puntos de evento norte mi
están distribuidos uniformemente, pero por supuesto tal distribució n sería perfectamente uniforme só lo para
norte mi → ∞. En nuestras simulaciones, normalmente será norte mi ∼ NORTE/ 2: así, al comienzo de cada simulació n, habrá una mayor
concentració n aleatoria de puntos de eventos afortunados o desafortunados en diferentes
á reas del mundo, mientras que otras á reas será n má s neutrales. El mayor movimiento aleatorio de los puntos dentro del enrejado
cuadrado, el mundo, no cambia estas características fundamentales del modelo, que expone a diferentes individuos a una cantidad
diferente de eventos afortunados o desafortunados durante su vida, independientemente de su propio talento.

Para una sola ejecució n de simulació n, un período de vida ú til PAGS de 40 añ os (desde la edad de veinte a
la edad de sesenta) se considera, con un intervalo de tiempo δ t igual a seis meses. Al principio de
simulació n, todos los agentes está n dotados con la misma cantidad C yo = C( 0) ∀ yo = 1, ..., norte de capital, que representa su
nivel inicial de éxito / riqueza. Esta elecció n tiene el propó sito evidente de no
ofrecer cualquier ventaja inicial a cualquiera. Si bien el talento de los agentes es independiente del tiempo, el capital de los agentes cambia con
el tiempo. Durante la evolució n temporal del modelo, es decir, durante el período de vida de los agentes considerados, todos los puntos de
eventos se mueven aleatoriamente alrededor del mundo y, al hacerlo, posiblemente cruzan la posició n de algú n agente. Dependiendo de tal
ocurrencia, en un momento dado
paso t ( es decir, cada seis meses), hay tres acciones posibles diferentes para un agente dado UN k:

1. Ningú n punto de evento intercepta la posició n del agente. UN k: esto significa que ningú n hecho relevante ha
sucedió durante los ú ltimos seis meses; agente UN k no realiza ninguna acció n.

2. Un evento afortunado intercepta la posició n del agente. UN k: esto significa que un evento afortunado ha
ocurrido durante los ú ltimos seis meses; como consecuencia, agente UN k duplica su capital / éxito con una probabilidad
proporcional a su talento T k. Será C k ( t) = 2 C k ( t - 1) solo si
Figura 2: Distribució n normal del talento entre la població n (con media metro T = 0.6, indicado por un
línea vertical discontinua y desviació n está ndar σ T = 0.1 - los valores metro T ± σ T se indican mediante dos líneas verticales punteadas). Esta
distribució n no cambia durante la simulació n.

rand [ 0, 1] < T k, es decir, si el agente es lo suficientemente inteligente como para sacar provecho de su suerte.

3. Un evento desafortunado intercepta el puesto de agente. UN k: esto significa que un evento desafortunado ha
ocurrido durante los ú ltimos seis meses; como consecuencia, agente UN k reduce a la mitad su capital / éxito,

es decir C k ( t) = C k ( t - 1) / 2.

Las reglas de los agentes anteriores son intencionalmente simples y pueden considerarse ampliamente compartibles, ya que
se basan en la evidencia de sentido comú n de que el éxito, en la vida de todos, tiene la propiedad de crecer o disminuir muy
rá pidamente. Ademá s, estas reglas dan una ventaja significativa a las personas con mucho talento, ya que pueden hacer un
mejor uso de las oportunidades que les ofrecen las oportunidades afortunadas. Lo que veremos a continuació n es que tal ventaja
es una necesario, pero no suficiente, condició n para alcanzar un alto grado de é xito.

2.1 Resultados de una sola ejecució n

En esta subsecció n presentamos los resultados de una simulació n típica de ejecució n ú nica. En realidad, estos resultados son muy robustos
por lo que, como mostraremos más adelante, pueden considerarse en gran parte representativos del marco general que surge de nuestro
modelo.
Dejenos considerar N = 1000 agentes, con una cantidad igual de capital inicial C( 0) = 10 (en
unidades adimensionales) y con un talento fijo T yo ∈ [ 0, 1], que sigue una distribució n normal con
media metro T = 0,6 y desviació n estándar σ T = 0.1 (ver Figura 2). Como se escribió anteriormente, la simulació n abarca un período de tiempo de P
= 40 añ os, evolucionando a través de pasos de tiempo de seis meses cada uno,
por un total de Yo = 80 iteraciones. En esta simulació n consideramos norte E = 500 puntos de evento, con un
porcentaje pags L = 50% de los eventos afortunados.

Al final de la simulació n, como se muestra en el panel (a) de la Figura 3, encontramos que el simple
Las reglas diná micas del modelo pueden producir una distribució n desigual de capital / éxito, con una gran cantidad de agentes
pobres (sin éxito) y un pequeñ o nú mero de muy ricos (exitosos). Al trazar la misma distribució n en escala logarítmica en el panel
(b) de la misma figura, se observa una distribució n de ley de potencia similar a Pareto, bien ajustada por la funció n y (C) ∼ C - 1,27. Por
tanto, a pesar de la distribució n normal del talento, el modelo TvL parece capaz de captar la primera característica importante
Figura 3: Distribució n final de capital / éxito entre la població n, tanto en escala log-lin (a) como log-log (b). A pesar de la distribució n normal del
talento, la distribució n del éxito, como se ve en el panel (b)
- se puede ajustar bien con una curva de ley de potencia con pendiente - 1,27. Tambié n veri fi camos que la distribució n capital / éxito sigue la
regla de Pareto ”80-20”, ya que el 20% de la població n posee el 80% del capital total, mientras que el 80% restante posee el 20% del capital.
Figura 4: En el panel (a) el talento se representa en funció n del capital / é xito (en escala logarítmica para una mejor visualizació n): parece
claro que los individuos má s exitosos no son los má s talentosos. Nó tese que, habiendo utilizado un capital inicial entero igual para todos los
agentes, la evolució n dinámica del sistema los agrupa a valores discontinuos del capital / éxito para t> 0. En el panel (b), viceversa, capital /
éxito se grafica en funció n del talento: aquí, se puede apreciar má s el hecho de que la mayoría

agente exitoso, con C max = 2560, tiene un talento solo ligeramente mayor que el valor medio metro T = 0.6, mientras que el má s talentoso tiene
un capital / é xito menor que C = 1 unidad, mucho menos del capital inicial
C( 0). Ver el texto para más detalles.

observado en la comparació n con datos reales: la profunda brecha existente entre ricos y pobres y su naturaleza invariante de
escala. En particular, en nuestra simulació n, solo 4 individuos tienen má s de 500 unidades de capital y los 20 individuos má s
exitosos poseen el 44% del monto total de capital, mientras que casi la mitad de la població n permanece por debajo de las 10
unidades. Globalmente se respeta la regla de Pareto ”8020”, ya que el 80% de la població n posee solo el 20% del capital total,
mientras que el 20% restante posee el 80% del mismo capital. Aunque esta disparidad seguramente parece injusta, sería hasta
cierto punto aceptable si las personas má s exitosas fueran las má s talentosas, por lo que merecían haber acumulado má s
capital / éxito con respecto a las demá s. ¿Pero son las cosas realmente así?

En los paneles (a) y (b) de la Figura 4, respectivamente, el talento se representa en funció n del capital / éxito final y
viceversa. Al observar ambos paneles, es evidente que, por un lado, los individuos má s exitosos no son los má s talentosos y,
por otro lado, los individuos má s talentosos no son los má s exitosos. En particular, el individuo má s exitoso, con

C max = 2560, tiene talento T ∗ = 0,61, solo un poco mayor que el valor medio metro T = 0.6, mientras que
el má s talentoso T max = 0,89) tiene un capital / é xito inferior a 1 unidad ( C = 0,625).
Como veremos con má s detalle en la siguiente subsecció n, tal resultado no es un caso especial, sino
Figura 5: (a) Nú mero total de eventos afortunados o (b) eventos desafortunados en funció n del capital / éxito de los agentes. La trama muestra
la existencia de una fuerte correlació n entre el éxito y la suerte: los individuos má s exitosos son tambié n los má s afortunados, mientras que
los menos exitosos son también los má s desafortunados. Nuevamente, habiendo utilizado un capital inicial igual para todos los agentes,
parece que varios eventos se agrupan sobre valores discontinuos del capital / é xito.

es má s bien la regla para este tipo de sistema: el má ximo éxito nunca coincide con el má ximo talento, y viceversa. Ademá s, tal
desalineació n entre el é xito y el talento es desproporcionada y altamente no lineal. De hecho, el capital medio de todas las
personas con talento
T> T ∗ es C ∼ 20: en otras palabras, el capital / é xito del individuo má s exitoso, que tiene un talento moderado, es 128 veces
mayor que el capital / éxito promedio de las personas que tienen má s talento que é l. Podemos concluir que, si no hay un
talento excepcional detrá s del enorme éxito de algunas personas, probablemente otro factor esté en juego. Nuestra simulació n
muestra claramente que ese factor es pura suerte.

En la Figura 5, el nú mero de eventos afortunados y desafortunados ocurridos a todas las personas durante su vida laboral
se informa en funció n de su capital / é xito final. En el panel (a), es evidente que los individuos má s exitosos tambié n son los
má s afortunados. Por el contrario, mirando el panel (b), resulta que los individuos menos exitosos son tambié n los má s
desafortunados. En otras palabras, ante la ausencia de correlació n entre éxito y talento, existe una correlació n muy fuerte entre
é xito y suerte. Nó tese que en el panel (a) de esta figura se reporta el nú mero total de eventos afortunados ocurridos a los
agentes y no solo aquellos de los que se aprovecharon, proporcionalmente a su talento.

También es interesante observar la evolució n temporal del éxito / capital tanto del individuo má s exitoso como del menos
exitoso, en comparació n con la secuencia correspondiente de eventos afortunados o desafortunados ocurridos durante los 40
añ os (80 pasos de tiempo, uno cada 6 meses) de su vida laboral. Esto se puede observar, respectivamente, en la parte
izquierda y derecha de la Figura 6. A diferencia del panel (a) de la Figura 5, en los paneles inferiores de esta figura solo los
eventos afortunados que los agentes han aprovechado gracias a su talento, son exhibidos.
Figura 6: (a) Evolució n temporal del é xito / capital para el individuo má s exitoso y (b) para el menos exitoso, en comparació n con las
secuencias correspondientes de eventos afortunados o desafortunados ocurridos durante su vida laboral. El tiempo de ocurrencia de estos
eventos se indica, en los paneles inferiores, con picos hacia arriba o hacia abajo.

En los paneles (a), sobre el individuo moderadamente talentoso pero más exitoso, aparece claramente que, después de
aproximadamente la primera mitad de su vida laboral con una baja ocurrencia de eventos afortunados (panel inferior), y luego con un
bajo nivel de capital ( panel superior), una concentració n repentina de eventos favorables entre 30 y 40 pasos de tiempo (es decir, justo
antes de los 40 añ os del agente) produce un rápido aumento de capital, que se vuelve exponencial en los ú ltimos 10 pasos de tiempo
(es decir, los ú ltimos 5 añ os de la carrera del agente), pasando de C = 320 hasta C = 2560.

Por otro lado, mirando los paneles (superior e inferior) (b), relativos al individuo menos exitoso, es evidente que una
segunda mitad de su vida laboral particularmente desafortunada, con una docena de eventos desfavorables, reduce
progresivamente el capital / éxito llevá ndolo a su valor final de
C = 0,00061. Es interesante notar que este pobre agente tenía, sin embargo, un talento T = 0,74 que fue mayor que el del
agente má s exitoso. Claramente, la buena suerte marcó la diferencia. Y, si es cierto que el agente má s exitoso ha tenido el
mé rito de aprovechar todas las oportunidades que se le presentan (a pesar de su talento promedio), también es cierto que si
su vida es tan desafortunada y pobre de oportunidades como la del otro agente, incluso un gran talento se vuelve inú til frente
a la furia de la desgracia.

Todos los resultados mostrados en esta subsecció n para una sola ejecució n de simulació n son muy robustos y, como veremos en la
siguiente subsecció n, persisten, con pequeñ as diferencias, si repetimos muchas veces las simulaciones comenzando con la misma
distribució n de talento, pero con una diferentes posiciones aleatorias de los individuos.
Figura 7: Panel (a): Distribució n del capital / éxito final calculado sobre 100 corridas para una població n con diferentes condiciones iniciales
aleatorias. La distribució n se puede ajustar bien con una curva de ley de potencias con una pendiente - 1,33. Panel (b): el capital final de los
individuos má s exitosos en cada una de las 100 carreras se reporta como funció n de su talento. Las personas con un talento medio-alto
resultan ser, en promedio, má s exitosas que las personas con un talento bajo o medio-bajo, pero muy a menudo el individuo má s exitoso es
un
agente moderadamente dotado y rara vez el má s talentoso. los metro T valor, junto con los valores
metro T ± σ T, también se indican como líneas verticales discontinuas y de puntos, respectivamente.

2.2 Resultados de mú ltiples ejecuciones

En esta subsecció n presentamos los resultados globales de una simulació n con un promedio de má s de 100 corridas, cada una comenzando con

diferentes condiciones iniciales aleatorias. Los valores de los pará metros de control son los

mismos de los utilizados en el inciso anterior: N = 1000 individuos, metro T = 0,6 y σ T = 0,1 para la distribució n normal del talento, Yo
= 80 iteraciones (cada una representa δ t = 6 meses de trabajo
vida), C( 0) = 10 unidades de capital inicial, norte E = 500 puntos de evento y un porcentaje pags L = 50% de los eventos afortunados.

En el panel (a) de la Figura 7, la distribució n global del capital / éxito final para todos los agentes recolectados durante las 100
corridas se muestra en una escala logarítmica y está bien ajustada por una curva de ley de potencia con pendiente - 1,33. El
comportamiento invariante de escala del capital y la consiguiente fuerte desigualdad entre individuos, junto con la regla de Pareto ”80-
20” observada en la simulació n de ejecució n ú nica, se conservan también en el caso de corridas mú ltiples. De hecho, la brecha
entre agentes ricos (exitosos) y pobres (fracasados) incluso ha aumentado, ya que el capital de las personas má s exitosas supera
ahora las 40000 unidades.

Este ú ltimo resultado se puede apreciar mejor mirando el panel (b), donde el capital final de los individuos má s exitosos
solamente, para cada una de las 100 carreras, se reporta como funció n de su
Figura 8: Distribució n de talento sesgada de las personas má s exitosas calculada sobre 100 carreras. El valor medio metro T = 0,6 se informa para
la comparació n como una línea discontinua vertical.

talento. La mejor actuació n fue realizada por un agente con talento T ∗ = 0,6048, prá cticamente
coincidiendo con la media de la distribució n del talento ( metro T = 0.6), que alcanzó un pico de capital
C mejor = 40960. Por otro lado, los má s talentosos entre los má s exitosos,
con un talento T max = 0.91, acumuló un capital de C = 2560, equivalente a solo el 6% de C mejor.
Para abordar este punto con má s detalle, en la Figura 8 trazamos la distribució n del talento de los mejores
los ejecutantes calcularon má s de 100 carreras. La distribució n está claramente sesgada a la derecha del talento.
eje, con un valor medio de T av = 0.66: esto con fi rma, por un lado, que muchas veces se necesita un talento medio-alto para
alcanzar un gran é xito; pero, por otro lado, tambié n indica que es casi
nunca es suficiente, ya que los agentes con el mayor talento (por ejemplo, con T> m T + 2 σ T, es decir con T> 0.8) resultan ser los de mejor
desempeñ o en su carrera solo en el 3% de los casos, y su capital / éxito nunca
supera el 13% de C mejor.
Esta imagen se ve corroborada por la comparació n entre el capital / é xito promedio
C monte ∼ 63, má s de 100 carreras, de las personas má s talentosas y el capital / éxito promedio correspondiente
C a ∼ 33 de personas con talento muy cercano a la media metro T. En ambos casos encontramos bastante
valores pequeñ os (aunque superiores al capital inicial C( 0) = 10), pero el hecho de que C mt> C a
indica que, durante su vida laboral, la mayoría de las personas talentosas tienen, en promedio, má s éxito
que las personas moderadamente dotadas.

Sin embargo, es un hecho que el mejor intérprete absoluto de las 100 simulaciones es un agente mediocre, con talento T =
0,6 perfectamente alineado con la media, pero con un final
é xito C mejor = 40960 que es 650 veces mayor que C monte. Esto ocurre solo porque, al final de la historia, ella tuvo má s suerte que
los demá s. De hecho, mucha suerte, como se muestra en la Figura
9, donde se muestra el aumento de su capital / éxito durante su vida laboral, junto con la impresionante secuencia de eventos
afortunados (y solo afortunados) que, a pesar de la falta de talento particular, pudo aprovechar durante su carrera. .

En resumen, lo que se ha encontrado hasta ahora es que, a pesar de su simplicidad, el modelo TvL parece ser capaz de dar
cuenta de muchas de las características que caracterizan, como se discutió en la introducció n, la distribució n en gran medida
desigual de la riqueza y el é xito en nuestra sociedad. en evidente contraste con la distribució n gaussiana del talento entre los
seres humanos. Al mismo tiempo, el modelo muestra, en té rminos cuantitativos (por primera vez hasta donde sabemos), que un
gran talento no es
Figura 9: Evolució n temporal del éxito / capital para el individuo má s exitoso (pero moderadamente dotado) durante las 100 ejecuciones de simulació n,
en comparació n con la correspondiente secuencia inusual de eventos afortunados ocurridos durante su vida laboral.

Su ffi ciente para garantizar una carrera exitosa y que, en cambio, las personas menos talentosas son a menudo capaces de alcanzar la
cima del é xito, otro "hecho estilizado" frecuente de la vida real [23, 24, 26].
El punto clave, que explica intuitivamente có mo puede suceder que los individuos moderadamente dotados alcancen (tan a
menudo) honores y éxitos mucho mayores que los mucho más talentosos, es el papel oculto y a menudo subestimado de la suerte,
como resultado de nuestras simulaciones.
En la siguiente secció n exploraremos las posibilidades que ofrece nuestro modelo de juguete para investigar en detalle
nuevas y má s eficientes estrategias y políticas para mejorar el desempeñ o promedio de una població n, implementando formas
más eficientes de distribuir premios y recursos.

3 estrategias efectivas para contrarrestar la suerte

Los resultados presentados en la secció n anterior son fuertemente consistentes con evidencias empíricas ampliamente
documentadas, discutidas en la introducció n, que cuestionan firmemente la suposició n ingenuamente meritocrá tica que afirma
que las diferencias naturales en talento, habilidad, competencia, inteligencia, trabajo duro o determinació n son las ú nicas
causas. del éxito. Como hemos demostrado, la suerte tambié n importa y puede jugar un papel muy importante. El punto
interpretativo es que, al ser las cualidades individuales difíciles de medir (en muchos casos difícilmente definidas en términos
rigurosos), las estrategias meritocrá ticas utilizadas para asignar honores, fondos o recompensas se basan a menudo en
actuaciones individuales, valoradas en té rminos de riqueza o éxito personal. . Finalmente,
[32, 33]), con un resultado final injusto.
Consideremos, por ejemplo, un consejo de subvenciones de investigació n financiado con fondos pú blicos con una cantidad fija de dinero a su disposició n. Para

aumentar el impacto medio de la investigació n, ¿es má s eficaz conceder grandes subvenciones a unos pocos investigadores aparentemente excelentes o pequeñ as

subvenciones a muchos má s investigadores aparentemente ordinarios? Un estudio reciente [34], basado en el aná lisis de cuatro índices de impacto científico que

involucran publicaciones, encontró que el impacto está positivo, pero só lo débilmente, relacionado con la financiació n. En particular, el impacto por dó lar fue menor para

los grandes beneficiarios de subvenciones y el impacto de los investigadores que recibieron aumentos en la financiació n no aumentó de manera significativa. Los autores

del estudio concluyen que el impacto científico (como se refleja en las publicaciones) solo está dé bilmente limitado por la financiació n y sugieren que las estrategias de

financiació n dirigidas a la diversidad, en lugar de "excelencia", es probable que sean má s productivos. Una contribució n má s reciente [35] mostró que, tanto en té rminos

de la cantidad de artículos producidos como de su impacto científico, la concentració n de la financiació n de la investigació n generalmente produce rendimientos

marginales decrecientes y también que los investigadores má s financiados no se destacan en términos de producció n e impacto científico. En realidad, tales conclusiones

no deberían sorprender a la luz del otro descubrimiento reciente [11] de que el impacto, medido por publicaciones influyentes, se distribuye aleatoriamente dentro de la

secuencia temporal de publicaciones de un científico. En otras palabras, si la suerte importa, y si importa má s de lo que estamos dispuestos a admitir, no es extrañ o que

las estrategias meritocrá ticas revelen menos efectivas de lo esperado, en particular si tratamos de evaluar el mérito. Una contribució n má s reciente [35] mostró que,

tanto en términos de la cantidad de artículos producidos como de su impacto científico, la concentració n de la financiació n de la investigació n generalmente produce

rendimientos marginales decrecientes y también que los investigadores má s financiados no se destacan en términos de producció n e impacto científico. En realidad,

tales conclusiones no deberían sorprender a la luz del otro descubrimiento reciente [11] de que el impacto, medido por publicaciones influyentes, se distribuye

aleatoriamente dentro de la secuencia temporal de publicaciones de un científico. En otras palabras, si la suerte importa, y si importa má s de lo que estamos dispuestos a

admitir, no es extrañ o que las estrategias meritocrá ticas revelen menos efectivas de lo esperado, en particular si tratamos de evaluar el mérito. Una contribució n má s

reciente [35]

mostró que, tanto en términos de la cantidad de artículos producidos como de su impacto científico, la concentració n de la financiació n de la investigació n generalmente produce rendimientos
marginal

Como se anticipó en la introducció n, en estudios anteriores ya advertimos contra este tipo de “meritocracia ingenua”,
mostrando la efectividad de estrategias alternativas basadas en elecciones aleatorias en la gestió n, la política y las finanzas. A
continuació n, presentaremos algunos resultados preliminares, obtenidos por el modelo TvL, que muestran có mo aumentar el
nivel mínimo de é xito de las personas má s talentosas en un mundo donde la suerte es importante y la serendipia es a menudo la
causa de importantes descubrimientos.

3.1 Serendipia, innovació n y estrategias de financiació n eficientes

El término "serendipia" se utiliza comú nmente en la literatura para referirse a la evidencia histó rica de que muy a menudo los
investigadores hacen descubrimientos inesperados y beneficiosos por casualidad, mientras buscan otra cosa [46, 47]. Hay una larga
lista anecdó tica de descubrimientos hechos solo por oportunidades afortunadas: desde la penicilina de Alexander Fleming hasta la
radioactividad de Marie Curie, desde la radiació n de fondo de microondas có smico de los radioastró nomos Arno Penzias y Robert
Woodrow Wilson hasta el grafeno de Andre Geim y Kostya Novoselov. Por lo tanto, muchos piensan que la investigació n impulsada
por la curiosidad siempre debe financiarse porque la belleza de la investigació n es que nadie puede saber o predecir realmente
dó nde puede terminar.

¿Es posible cuantificar el papel de la serendipia? ¿Cuá les son las formas más eficientes de estimular la serendipia? La serendipia
puede adoptar muchas formas y es difícil de restringir y cuantificar. Es por eso que, hasta ahora, la investigació n académica se ha
centrado en la serendipia en la ciencia principalmente como una idea filosó fica. Pero las cosas están cambiando. El Consejo Europeo
de Investigació n ha concedido recientemente al bioquímico Ohid Yaqub una subvenció n de 1,7 millones de dó lares estadounidenses
para cuantificar el papel de la serendipia en la ciencia [48]. Yaqub descubrió que es posible clasificar la serendipia en cuatro tipos
básicos [49] y que puede haber factores importantes que afecten su ocurrencia. Sus conclusiones parecen coincidir con la creencia de
que las estrategias comú nmente adoptadas, aparentemente meritocrá ticas, que persiguen la excelencia y eliminan la diversidad,
parecen destinadas a ser perdidas e ineficientes [50, 51, 52, 53, 54, 55]. La razó n es que cortaron a priori investigaciones que
inicialmente aparecen
menos prometedor pero que, gracias también a la serendipia, podría ser extremadamente innovador posteriormente.
Desde esta perspectiva, queremos utilizar el modelo TvL, que naturalmente incorpora la suerte (y por lo tanto tambié n la
serendipia) como una herramienta cuantitativa para la política, con el fin de explorar, en esta subsecció n, la efectividad de diferentes
escenarios de financiamiento. En particular, en contextos donde, como se mencionó anteriormente, las personas mediocres pero
afortunadas suelen tener má s éxito que las personas má s talentosas pero desafortunadas, es importante evaluar la eficiencia de las
estrategias de financiació n para preservar un nivel mínimo de éxito también para los má s gente talentosa, que se espera que produzca
las ideas má s progresistas e innovadoras.

A partir de la misma configuració n de parámetros utilizada en la subsecció n 2.2, es decir N = 1000, metro T = 0,6,
σ T = 0,1, Yo = 80, δ t = 6, C( 0) = 10, norte E = 500, pags L = 50% y 100 ejecuciones de simulació n, deje
Imaginemos que un capital de financiació n total dado F T se distribuye perió dicamente entre los individuos siguiendo diferentes
criterios. Por ejemplo, los fondos podrían asignarse:

1. en igual medida para todos ( criterio igualitario), para fomentar la diversidad;

2. solo a un porcentaje determinado de las personas má s exitosas ("mejores") ( criterio elitario),

que ha sido previamente referido como “ingenuamente” meritocrático, pues distribuye fondos a las personas de acuerdo a
su desempeñ o pasado;

3. distribuyendo una "prima" a un porcentaje dado de las personas má s exitosas y la cantidad restante en partes iguales
má s pequeñ as a todos los demá s ( criterio mixto);

4. solo a un porcentaje dado de individuos, seleccionados al azar ( criterio aleatorio selectivo);

Suponemos de manera realista que el capital total F T se distribuirá cada 5 añ os, durante
los 40 añ os abarcados por cada ejecució n de simulació n, de modo que F T / Se asignará n 8 unidades de capital de vez en cuando.
Gracias a la inyecció n perió dica de estos fondos pretendemos mantener un
nivel mínimo de recursos para los agentes má s talentosos. Por tanto, un buen indicador, para el
eficacia de la estrategia de financiació n adoptada, podría ser el nú mero norte T, promediado sobre las 100 ejecuciones de
simulació n, de personas con talento T> m T + σ T y con éxito final / capital mayor
que el inicial, es decir C fin> C( 0). Otro punto importante a favor de este indicador es su robustez: hemos comprobado que
repitiendo el conjunto de 100 simulaciones, la variació n en el valor
de norte T obtenido, discutido a continuació n, permanece por debajo del 2%.

En la simulació n de corridas mú ltiples presentada en la secció n 2.2 ya hemos demostrado que, en

A falta de financiació n, el mejor desempeñ o fue calificado por agentes muy afortunados con un talento cercano a la media, mientras que
el capital / éxito de las personas má s talentosas siempre se mantuvo muy bajo. En
En particular, su capital promedio durante las 100 corridas fue C monte ∼ 63. Mirando el nú mero promedio, digamos norte T 0, de
personas con talento T> 0,7 y con éxito final / capital C fin> 10, uno encuentra
ese norte T 0 = 51. Esto significa que, en promedio, solo un porcentaje PAGS T 0 ∼ 32% del total de agentes con T> 0,7 (que son, en
promedio, ∼ 160) alcanza, al final de la simulació n, un
capital / é xito mayor que el inicial. Por lo tanto, para comparar la eficiencia de diferentes
estrategias de financiació n, el incremento en el porcentaje medio PAGS T de gente talentosa que, durante
su carrera, aumentar su capital inicial / éxito debe calcularse con respecto a PAGS T 0. Definamos este incremento como PAGS ∗

Ty
el capital total invertido F ∗ T = PAGS T - PTA, GquSeT i0n. cFliunyaelmeelnctea,psitiasl einciocinaslidCe(ra0)la∗ rNela( c1ió 0n00enutrneidPaAdGesS)∗ entregadas

a
cada individuo al comienzo de cada ejecució n de simulació n y el capital adicional F T distribuidos entre todos los agentes durante
los 40 añ os, es posible obtener una índice de eficiencia MI, cual
Figura 10: Tabla de estrategias de financiació n. Los resultados del índice de eficiencia normalizado mi norma se informan (segunda columna) en
orden decreciente, de arriba a abajo, para varias estrategias de distribució n de fondos con
diferentes objetivos (1ª columna). Los valores correspondientes tanto del porcentaje PAGS T de personas talentosas y exitosas y su incremento neto PAGS
∗
T con respecto al caso "sin financiació n", promediado sobre las 100 simulaciones
ejecuciones, también se informan en la tercera y cuarta columnas respectivamente. Finalmente, el capital total F ∗ T invertido
en cada ejecució n, es visible en la ú ltima columna.

cuantifica el incremento de personas talentosas suficientemente exitosas por unidad de capital invertido,
definido como E = P ∗ T/ F ∗ T.
En la tabla que se muestra en la Figura 10, r e p o r t a m o s el índice de eficiencia (segunda columna) obtenido para varias estrategias de
distribució n de fondos, cada una con un objetivo de financiamiento diferente (primera columna),
junto con los valores correspondientes de PAGS T ( Tercera columna) y PAGS ∗ T( Cuarta columna). El total
capital F ∗
T invertido en cada ejecució n tambié n se informa en la ú ltima columna. El índice de eficiencia mi se ha normalizado a
su valor má ximo mi max y se han ordenado los distintos registros (filas)
para valores decrecientes de mi norma = E / E má x. Las mismas puntuaciones para mi norma también se informan en forma de histograma en la
Figura 11, en funció n de las estrategias de financiació n adoptadas. Gracias a
la robustez estadística de PAGS T, que muestra fluctuaciones inferiores al 2%, los resultados informaron
para el índice de eficiencia mi norma son particularmente robustos.
Mirando la tabla y el histograma relativo de la Figura 11, es evidente que, si el
El objetivo es recompensar a las personas má s talentosas (aumentando así su nivel final de éxito), es mucho má s conveniente
distribuir perió dicamente (incluso pequeñ as) cantidades iguales de capital a todos los individuos en lugar de dar un capital
mayor solo a un pequeñ o porcentaje de ellos, seleccionados por su nivel de éxito - ya alcanzado - en el momento de la
distribució n.
Por un lado, el histograma muestra que el criterio "igualitario", que asigna 1 unidad de capital cada 5 añ os a todos los
individuos, es la forma má s eficiente de distribuir fondos, siendo
mi norma = 1 (es decir E = E má x.): con una inversió n relativamente pequeñ a F ∗ T de 9000 unidades, es posible
duplicar el porcentaje de personas talentosas y exitosas con respecto al caso "sin financiamiento",
Figura 11: Índice de eficiencia normalizado para varias estrategias de financiació n. Los valores de los normalizados
índice de eficiencia mi norma se informan en funció n de las diferentes estrategias de financiació n. La figura muestra que
para aumentar el éxito de un mayor nú mero de personas talentosas con C fin> C( 0), es mucho má s eficiente dar una pequeñ a cantidad de
fondos a muchas personas en lugar de dar fondos de otras formas más selectivas.

traerlo de PAGS T 0 = 32.05% hasta PAGS T = 69,48%, con incremento neto PAGS ∗ T = 37,43%. Considerando
un aumento del capital total invertido (por ejemplo, estableciendo las cuotas igualitarias en 2 o 5 unidades), esta
estrategia también asegura un incremento adicional en el porcentaje final de talentos exitosos
personas PAGS T ( del 69,48% al 84,02% y al 94,40%), aunque la eficiencia normalizada progresivamente
disminuye de mi norma = 1 a mi norma = 0,74 y hasta mi norma = 0,37.
Por otro lado, las estrategias "elitarias" que asignan cada 5 añ os má s fondos (5, 10,
15 o 20 unidades) solo para el mejor 50%, 25% o incluso 10% de las personas que ya han tenido é xito
todo al final del ranking, con mi norma < 0,25: en todos estos casos, el incremento neto PAGS ∗ T en
el nú mero final de personas talentosas y exitosas con respecto al caso de "no financiació n" sigue siendo muy pequeñ o (en casi todos
los casos inferior al 20%), a menudo frente a un capital invertido mucho mayor en comparació n con el de la estrategia igualitaria.
Estos resultados refuerzan la tesis de que este tipo de enfoque es só lo aparentemente, es decir, ingenuamente, meritocrá tico.

Cabe señ alar que la adopció n de un criterio "mixto", es decir, asignar una participació n de financiació n "meritocrá tica" a
un cierto porcentaje de las personas má s exitosas, por ejemplo, el 25%, y distribuir los fondos restantes en igual medida al
resto de las personas. , devuelve mejores puntuaciones para los valores del índice de eficiencia con respecto al enfoque
“ingenuamente meritocrá tico”. Sin embargo, el desempeñ o de esta estrategia no puede superar el criterio "igualitario". Como
aparece claramente, por ejemplo, mediante la comparació n entre la sexta y la cuarta filas de la financiació n

tabla, a pesar de la misma inversió n total de 17000 unidades, el valor de PAGS T obtenido con el criterio mixto se mantiene muy
por debajo del obtenido con el enfoque igualitario (70,83%
contra 84,02%), como también lo confirman los valores del índice de eficiencia correspondiente mi norma
(0,55 contra 0,74).
Si se consideran factores psicoló gicos (no modelados en este estudio), una estrategia mixta podría ser

dieciséis
revalorizado con respecto al igualitario. De hecho, la recompensa premium, asignada a las personas má s exitosas, podría
inducir a todos los agentes a un mayor compromiso, mientras que la parte igualmente distribuida desempeñ aría un papel doble:
a nivel individual, actuaría para fomentar la diversidad y proporcionar a las personas con talento desafortunado nuevas
oportunidades para expresar su potencial, mientras alimenta la serendipia a nivel agregado, contribuyendo así al progreso de la
investigació n y de toda la sociedad.

Finalmente, volviendo a mirar la tabla de estrategias de financiació n, tambié n vale la pena destacar la sorprendente alta eficiencia
de las estrategias aleatorias, que ocupan dos de los tres mejores puntajes en la clasificació n general. Resulta que, por ejemplo, una
recompensa perió dica de 5 unidades para solo el 10% de los individuos seleccionados al azar, con una inversió n total de solo 5000
unidades, da una ganancia neta
incrementar PAGS
T = 17,78%, que es mayor que casi todos los obtenidos con la estrategia elitaria
∗

gies. Ademá s, aumentar al 25% el porcentaje de personas financiadas al azar y duplicar

la inversió n total (llevá ndola a 11000 unidades), el aumento neto PAGS ∗ T = 35,95% se convierte en com-
pará bola a la obtenida con la mejor estrategia igualitaria, primera en el ranking de eficiencia. Eso
Es sorprendente notar que esta ú ltima puntuació n para PAGS ∗ T es aproximadamente cuatro veces má s rallado que el
valor ( PAGS ∗
T = 9.03%) obtenido con el enfoque elitario (ver fila 12 en la tabla), distribució n
aplicando exactamente el mismo capital (11000 unidades) a exactamente el mismo nú mero de personas (25% del total). Esto ú ltimo es
una confirmació n má s de que, en contextos sociales y econó micos complejos donde el azar juega un papel relevante, la eficiencia de
estrategias alternativas basadas en elecciones aleatorias puede fácilmente superar a las estrategias está ndar basadas en el enfoque
"ingenuamente meritocrá tico". Un fenó meno tan contrario a la intuició n, ya observado en la gestió n, la política y las finanzas ([37, 38,
39, 40, 41, 42, 43, 44]), encuentra, por tanto, nueva evidencia también en el contexto de la financiació n de la investigació n.

Los resultados de las simulaciones del modelo TvL presentados en esta subsecció n se han centrado en la importancia de los
factores externos (como, de hecho, políticas de financiació n eficientes) para aumentar las oportunidades de é xito de las personas má s
talentosas, penalizadas con demasiada frecuencia por acontecimientos desafortunados. En la siguiente subsecció n investigamos en qué
medida pueden originarse nuevas oportunidades por cambios en el entorno como por ejemplo el nivel de educació n u otros estímulos
recibidos por el contexto social donde vive o proviene la gente.

3.2 La importancia del medio ambiente

Primero, estimamos el rol del nivel promedio de educació n entre la població n. Dentro del modelo TvL, este ú ltimo podría
obtenerse cambiando los pará metros de la distribució n normal del talento. En realidad, asumiendo que el talento y las
habilidades de los individuos, si se estimulan,
ser má s eficaz en la explotació n de nuevas oportunidades, un aumento en la media metro T o el
Desviació n Está ndar σ T de la distribució n del talento podría interpretarse como el efecto de políticas dirigidas, respectivamente,
a elevar el nivel medio de educació n o reforzar la formació n
de las personas más talentosas.

En los dos paneles de la Figura 12 informamos el capital / éxito final acumulado por los mejores intérpretes en cada una de las
100 carreras, en funció n de su talento. La configuració n de los pará metros es la misma
que en la subsecció n 2.2 ( N = 1000, Yo = 80, δ t = 6, C( 0) = 10, norte E = 500 y pags L = 50%) pero con diferentes momentos para la
distribució n del talento. En particular, en el panel (a) dejamos sin cambios
metro T = 0.6 pero aumentado σ T = 0.2, mientras que en el panel (b) hicimos lo contrario, dejando σ T = 0,1
pero aumentando metro T = 0,7. En ambos casos se puede apreciar un desplazamiento a la derecha de los picos má ximos de éxito, pero
con diferentes detalles.

1
Figura 12: El capital final de las personas má s exitosas en cada una de las 100 carreras se informa como
funció n de su talento para poblaciones con diferentes parámetros de distribució n de talento: (a) metro T = 0,6 y σ T = 0,2 (que representa un
refuerzo de formació n para las personas más superdotadas); (segundo) metro T = 0,7 y
σ T = 0,1 (que representa un aumento del nivel educativo medio). El correspondiente metro T y
metro T ± σ T los valores también se indican como líneas verticales discontinuas y de puntos, respectivamente.

En realidad, resulta que aumentar σ T sin cambiar metro T, como se muestra en el panel (a), aumenta las posibilidades de que las
personas má s talentosas obtengan un éxito muy alto: el mejor desempeñ o es, ahora, un

agente talentoso con T = 0.97, que alcanza un increíble nivel de capital / é xito C mejor = 655360. Esto, por un lado, podría
considerarse positivo pero, por otro lado, es un caso aislado.
y tiene, como contraparte, un aumento en la brecha entre personas exitosas y fracasadas.
Mirando ahora el panel (b), resulta que aumentar metro T sin cambiar σ T produce un mejor
ejecutante, con C mejor = 327680 y un talento T = 0.8, seguido de otros dos con C = 163840 y, respectivamente, T = 0,85 y T = 0,92.
Esto significa que tambié n en este caso las posibilidades de má s
Las personas talentosas para obtener un éxito muy alto mejoran, mientras que la brecha entre las personas exitosas y las fracasadas es
menor que antes.
Finalmente, en ambos ejemplos considerados, el valor promedio del capital / éxito para la mayoría
personas talentosas sobre las 100 carreras se incrementa con respecto al valor C monte ∼ 63 encontrado en
subsecció n 2.2. En particular, encontramos C monte ∼ 319 para el panel (a) y C monte ∼ 122 para el panel (b), pero estos valores son bastante sensibles
al conjunto específico de ejecuciones de simulació n. Un parámetro más confiable en
Para cuantificar la efectividad de las políticas sociales investigadas aquí está , nuevamente, el indicador
PAGS T introducido en la subsecció n anterior, es decir, el porcentaje medio de personas con talento
T> m T + σ T y con éxito / capital final C fin> 10, sobre el total de personas con talento T> m T + σ T ( nó tese que ahora, en ambos
casos considerados, metro T + σ T = 0,8). En particular, encontramos PAGS T = 38% para el panel (a) y norte T = 37,5% para el panel
(b), con una ligera red
Figura 13: El capital final de las personas má s exitosas en cada una de las 100 carreras se informa como
funció n de su talento, para poblaciones que viven en entornos con diferente porcentaje pags L de suerte
eventos: (a) pags L = 80%; (segundo) pags L = 20%. Los valores de metro T = 0,6 y metro T ± σ T, con σ T = 0.1 tambié n se indican como, respectivamente, líneas verticales
discontinuas y de puntos.

incremento con respecto al valor de referencia PAGS T 0 = 32% (obtenido por una distribució n de talento con
metro T = 0,6 y σ T = 0,1).
En resumen, nuestros resultados indican que fortalecer la formació n de las personas má s superdotadas
o incrementar el nivel promedio de educació n debería producir, como era de esperar, algunos efectos benéficos sobre el
sistema social, ya que ambas políticas aumentan la probabilidad, para los individuos talentosos, de aprovechar las
oportunidades que les brinda la suerte. Por otro lado, la mejora en el porcentaje medio de personas altamente talentosas que
logran alcanzar un buen nivel de éxito, parece no ser especialmente destacable en ambos casos analizados, por lo que el
resultado de las correspondientes políticas educativas aparece restringido principalmente a la aparició n de casos aislados de
éxito extremo.

Por supuesto, una vez fijado un determinado nivel de educació n, es bastante obvio que la abundancia de oportunidades
que ofrece el entorno social, es decir, el país donde alguien nace accidentalmente o donde alguien elige vivir, es otro
ingrediente clave capaz de in fl uenciar el desempeñ o global del sistema.

En la Figura 13 mostramos resultados aná logos a los mostrados en la figura anterior pero para otras simulaciones, con 100 corridas
cada una y con la misma configuració n de pará metros que en la subsecció n 2.2 ( N =
1000, metro T = 0,6, σ T = 0,1, Yo = 80, C( 0) = 10, norte E = 500) y con diferentes porcentajes pags L de eventos afortunados (recuerde que, en la
subsecció n 2.2., este porcentaje se estableció en pags L = 50%). En paneles
(a) establecemos pags L = 80%, para simular un entorno muy estimulante, rico en oportunidades, como el de países ricos e
industrializados como Estados Unidos [18]. Por otro lado, en paneles
(b) , el valor pags L = El 20% reproduce el caso de un entorno mucho menos estimulante, con muy pocas oportunidades,
como por ejemplo el de los países del Tercer Mundo.
Como se puede ver en ambos paneles, el é xito / capital final de las personas má s exitosas
funció n de su talento depende en gran medida de pags L.
Cuando pags L = 80%, como en el panel (a), varios agentes con talento medio-alto son capaces de alcanzar mayores niveles de
éxito en comparació n con el caso pags L = 50%, con un pico de C mejor = 163840. Por otro lado, el valor promedio del capital / éxito para
las personas má s talentosas, C monte ∼ 149, es bastante alto y, lo que es más importante, lo mismo ocurre con el indicador PAGS T = 62,18%
(aproximadamente
dos veces con respecto al valor de referencia PAGS T 0 = 32%), lo que significa que, como se esperaba, las personas con talento se benefician del mayor

porcentaje de eventos afortunados.

Se obtienen resultados completamente diferentes con pags L = 20%. De hecho, como se ve en el panel (b), el nivel general de
éxito es ahora muy bajo si se compara con el encontrado en las simulaciones de
subsecció n 2.2, con un valor pico C mejor de só lo 5120 unidades: es la huella de una reducció n de las desigualdades sociales, que es
una consecuencia esperada del aplanamiento de las oportunidades de é xito.
De acuerdo con estos resultados, también PAGS T El indicador alcanza un valor mínimo, con un porcentaje promedio de solo el
8,75% de personas talentosas capaces de aumentar su nivel inicial de é xito.
En conclusió n, en este apartado hemos demostrado que un entorno estimulante, rico en oportunidades, asociado a una
estrategia adecuada para la distribució n de fondos y recursos, son factores importantes para explotar el potencial de las personas
má s talentosas, brindá ndoles má s posibilidades de éxito. con respecto a los moderadamente dotados, pero má s afortunados. A
nivel macroeconó mico, cualquier política capaz de influir en esos factores y de sostener a las personas con talento tendrá como
resultado asegurar el progreso y la innovació n colectivos.

4 Observaciones finales

En este trabajo, partiendo de supuestos muy simples, hemos presentado un modelo basado en agentes que es capaz de
cuantificar el papel del talento y la suerte en el é xito de la carrera de las personas. Las simulaciones muestran que aunque el
talento tiene una distribució n gaussiana entre agentes, la distribució n de é xito / capital resultante despué s de una vida laboral
de 40 añ os, sigue una ley de potencia que respeta la ley de Pareto ”80-20” para la distribució n de la riqueza encontrada en el
mundo real. Un resultado importante de las simulaciones es que los agentes má s exitosos casi nunca son los má s talentosos,
sino aquellos que se encuentran en el promedio de la distribució n del talento gaussiano, otro hecho estilizado que se informa a
menudo en la literatura. El modelo muestra la importancia, muy frecuentemente subestimada, de los eventos afortunados
para determinar el nivel final de éxito individual. Dado que las recompensas y los recursos generalmente se otorgan a aquellos
que ya han alcanzado un alto nivel de éxito, erró neamente considerados como una medida de competencia / talento, este
resultado es un desincentivo aú n má s dañ ino, provocando una falta de oportunidades para los má s talentosos. Nuestros
resultados son una advertencia contra los riesgos de lo que llamamos la "meritocracia ingenua" que, subestimando el papel de
la aleatoriedad entre los determinantes del é xito, a menudo no otorga honores y recompensas a las personas má s
competentes. En este sentido, se han investigado varios escenarios diferentes con el fin de discutir estrategias má s eficientes
capaces de contrarrestar el impredecible papel de la suerte y dar má s oportunidades y recursos a los má s talentosos,
propó sito que creemos debería ser el objetivo de un verdadero meritocrá tico. Acercarse.
Agradecimientos

AP y AR desean agradecer a Constantino Tsallis por varias discusiones sobre la eficiencia de las estrategias de financiamiento que se
tratan en este documento.

Referencias

[1] P. Bak, C. Tang y K. Wiesenfeld. "Criticidad autoorganizada". Phys. Rev. A, 38: 364-374
(1988).

[2] AL Barab´á si, R. Albert. ”Aparició n del escalado en redes aleatorias”. Science, vol. 286,
Edició n 5439, págs. 509-512 (1999).

[3] MEJ Newman. "Leyes de potencia, distribuciones de Pareto y ley de Zipf". Contemporá neo
Física, 46 (5): 323-351 (2005).

[4] C. Tsallis. ”Introducció n a la mecá nica estadística no extensiva. Acercarse a un complejo

Mundo". Springer (2009).

[5] V. Pareto. Cours d'Economique Politique, vol. 2 (1897).

[6] J. Steindl. Procesos aleatorios y crecimiento de empresas: un estudio de la ley de Pareto.

Charles Grin and Company, Londres (1965).

[7] AB Atkinson, AJ Harrison. "Distribució n de la riqueza total en Gran Bretañ a".

Cambridge University Press, Cambridge (1978).

[8] J. Persky. ”Retrospectivas: ley de Pareto”. Journal of Economic Perspectives 6, 181-192

(1992).

[9] OS Klass, O. Biham, M. Levy, O. Malcai, S. Solomon. ”El Forbes 400 y el Pareto
distribució n de la riqueza". Economics Letters 90, 290-295 (2006).

[10] D.Hardoon. ”Una economía para el 99%”. Oxfam GB, Casa Oxfam, John Smith Drive, Cow-
ley, Oxford, OX4 2JY, Reino Unido (enero de 2017).

[11] R. Sinatra, D. Wang, P. Deville, C. Song y A.-L. Barabsi. ”Cuantificando la evolució n

de impacto científico individual ”. Science 354, 6312 (2016).

[12] L. Einav y L. Yariv. ”¿Qué hay en un apellido? Los efectos de las iniciales del apellido en el
É xito". Revista de perspectiva econó mica, vol. 20, n. 1, pá g. 175 188 (2006).

[13] S. Jurajda, D. Munich. "Admisió n a Escuelas Selectivas, Alfabé ticamente". Economía de

Education Review, vol. 29, n. 6, pá g.1100-1109 (2010).

[14] WAP Van Tilburg, ER Igou. ”El impacto de los segundos nombres: iniciales del segundo nombre
mejorar las evaluaciones del desempeñ o intelectual ”. Revista europea de psicología social, vol. 44, Nú mero 4, p.
400-411 (2014).
[15] SM Laham, P. Koval, AL Alter. ”El efecto de la pronunciació n del nombre: ¿Por qué a la gente le gusta el Sr.
Smith má s que el Sr. Colquhoun ”. Revista de Psicología Social Experimental 48, p. 752-756 (2012).

[16] R. Silberzahn, EL Uhlmann. "Vale la pena ser Herr Kaiser: alemanes con un sonido noble
Los apellidos trabajan má s a menudo como gerentes ”. Ciencias psicoló gicas 24 (12): 2437-44 (2013).

[17] B. Coey y P. McLaughlin. ”De abogado a juez: ascenso, sexo y nombre-

Vocació n". Diario electró nico SSRN, DOI10.2139 / ssrn.1348280 (2009).

[18] B. Milanovic .. ”Desigualdad global de oportunidades: cuá nto de nuestros ingresos se determina
¿Dó nde vivimos? ”. Revisió n de Economía y Estadística, 97.2 (2015): 452-60.

[19] Q. Du, H. Gao, MD Levi. ”El efecto de la edad relativa y el éxito profesional: evidencia de
CEOs corporativos ”. Economics Letters 117 (3): 660-662 (2012).

[20] RO Deaner, A. Lowen, S. Cobley. “Nacido en el momento equivocado: sesgo de selecció n en la NHL
Sequía". PLoS ONE 8 (2): e57753 (2013).

[21] D. Brooks. ”El animal social. Las fuentes ocultas del amor, el cará cter y los logros ”.
Random House, 424 pá gs. (2011).

[22] C. Tomasetti, L. Li, B. Vogelstein. ”Divisiones de cé lulas madre, mutaciones somá ticas, etiología del cá ncer,
y prevenció n del cá ncer ”. Science 355, 1330-1334 (2017).

[23] NN Taleb. "Engañ ados por la aleatoriedad: el papel oculto del azar en la vida y en el
Mercados ”. Londres, TEXERE (2001).

[24] NN Taleb. "El cisne negro: el impacto de lo altamente improbable". Casa al azar
(2007).

[25]MJ Mauboussin. ”La ecuació n del éxito: desenredar la habilidad y la suerte en los negocios, los deportes,
e invertir ”. Prensa de Harvard Business Review (2012).

[26] RH Frank. “É xito y suerte: buena fortuna y el mito de la meritocracia”. Princeton

University Press, Princeton, Nueva Jersey (2016).

[27] DJ Watts. "Todo es obvio: una vez que sepa la respuesta". Crown Business (2011).

[28] J. Stewart, "La distribució n del talento". Documentos de trabajo de Marilyn Zurmuehlin en Arte
Ed- ucació n 2: 21 - 22 (1983).

[29] S. Sinha y RK Pan. "Có mo nace un" éxito ": el surgimiento de la popularidad del
Diná mica de la elecció n colectiva ”. En Econofísica y sociofísica: tendencias y perspectivas (eds BK Chakrabarti, A.
Chakraborti y A. Chatterjee), Wiley-VCH Verlag GmbH & Co. KGaA, Weinheim, Alemania. doi: 10.1002 /
9783527610006.ch15 (2006).

[30] JR. E. O'Boyle y H. Aguinis. ”Lo mejor y el resto: revisando la norma de la norma
malidad del desempeñ o individual ”. Psicología del personal, 65: 79-119. doi: 10.1111 / j.1744-
6570.2011.01239.x (2012).
[31] J.-P. Bouchaud, M. M´é zard. “Condensació n de riqueza en un modelo simple de economía”. Physica
A 282, 536 - 54 (2000).

[32] RK Merton. ”El efecto Mateo en la ciencia”. Science 159, 56 - 63 (1968).

[33] RK Merton. ”El efecto Mateo en la ciencia, II: La ventaja acumulativa y el simbolismo
de la propiedad intelectual ”. Isis: Revista de Historia de la Ciencia 79, 606-623 (1988).

[34] J.-M. Fortin, DJ Curr. ”Gran ciencia versus poca ciencia: có mo el impacto científico escala con
Fondos". PLoS ONE 8 (6): e65263 (2013).

[35] P. Mongeon, C. Brodeur, C. Beaudry y col. ”La concentració n de la financiació n de la investigació n conduce a
rendimientos marginales decrecientes ”. Evaluació n de la investigació n 25, 396-404 (2016).

[36] BA Jacob, L. Lefgren. "El impacto de la financiació n de subvenciones de investigació n en la productividad científica".

Revista de Economía Pú blica 95 (2011) 1168-1177.

[37] A. Pluchino, A. Rapisarda y C. Garofalo. ”El principio de Peter revisitado: una computa-
estudio nacional ”. Physica A: Mecá nica estadística y sus aplicaciones, 389 (3): 467-472 (2010).

[38] A. Pluchino, C. Garofalo, A. Rapisarda, S. Spagano y M. Caserta. ”Política accidental

ciudadanos: có mo legisladores seleccionados al azar pueden mejorar la eficiencia del parlamento ”. Physica A: Mecánica
estadística y sus aplicaciones, 390 (21): 3944-3954 (2011).

[39] A. Pluchino, A. Rapisarda y C. Garofalo. ”Estrategias de promoció n eficientes en jerarquías

organizaciones ”. Physica A: Mecá nica estadística y sus aplicaciones, 390 (20): 3496-3511 (2011).

[40] AE Biondo, A. Pluchino, A. Rapisarda, D. Helbing. ”Reducir las avalanchas financieras mediante
inversiones aleatorias ”. Phys. Rev. E 88 (6): 062814 (2013).

[41] AE Biondo, A. Pluchino, A. Rapisarda, D. Helbing. "¿Las estrategias comerciales aleatorias son má s
exitosos que los té cnicos ”. PLoS One 8 (7): e68344 (2013)

[42] AE Biondo, A. Pluchino, A. Rapisarda. ”El papel beneficioso de las estrategias aleatorias en las
y sistemas financieros ”. J. Stat. Phys. 151 (3-4): 607-622 (2013).

[43] AE Biondo, A. Pluchino, A. Rapisarda. ”Beneficios micro y macro de inversiones aleatorias

en los mercados financieros ”. Cont. Phys. 55 (4): 318-334 (2014).

[44] AE Biondo, A. Pluchino, A. Rapisarda. ”Modelado de los mercados financieros mediante

criticidad ”. Phys. Rev. E 92 (4): 042814 (2015).

[45] U. Wilensky. NetLogo. http://ccl.northwestern.edu/netlogo/. Centro de aprendizaje

conectado ing y modelado basado en computadora, Northwestern University, Evanston, IL
(1999).

[46] RK Merton, E. Barber. "Los viajes y aventuras de Serendipity". PUPPrinceton

(2004).

[47] K. Murayama et al .. "Gestió n de la ciencia, la serendipia y el rendimiento de la investigació n". Re-

Política de bú squeda 44 (4), 862-873 (2015).
[48] ”Ciencia afortunada. Los científicos a menudo anuncian el papel de la serendipia en la investigació n. Un proyecto en
Gran Bretañ a tiene como objetivo probar la idea popular con evidencia ”. Nature Editorial, Vol.554, 1 de

febrero 2018.

[49] O. Yaqub. "Serendipity: Hacia una taxonomía y una teoría". Política de investigació n 47, 169-179
(2018).

[50] SE Pá gina. ”El Bono de Diversidad. Có mo se pagan los grandes equipos en la economía del conocimiento ”.
Prensa de la Universidad de Princeton (2017).

[51] G. Cimini, A. Gabrielli, F. Sylos Labini. ”La competitividad científica de las naciones”. PLoS
UNO 9 (12): e113470. https://doi.org/10.1371/journal.pone.0113470 (2014.

[52]S. Curry. "Vamos más allá de la retó rica: es hora de cambiar la forma en que juzgamos la investigació n".
Nature 554, 147 (2018).

[53] JM Nicholson y JPA Ioannidis. ”Becas de investigació n: Conforme y sea financiado”. Naturaleza
492, 34 - 36 (2012).

[54] J. Bollen, D. Crandall, D. Junk y col. ”Un sistema eficiente para financiar la ciencia: de la propuesta
revisió n de las distribuciones entre pares ”. Scientometrics 110, 521-528 (2017).

[55] HR Garner, LJ McIver y MB Waitzkin. "Financiació n de la investigació n: mismo trabajo, el doble de

¿dinero?". Nature 493,599-601 (2013).