Economista · El estudioso de la escasez: de la fábrica de alfileres de Adam Smith a la sala de decisiones del banco central, al que se le sigue pidiendo predecir lo que ningún modelo capta del todo.
Desde fuera, la habilidad del economista parece matemáticas. Dentro de la profesión, las matemáticas son el mínimo indispensable; las habilidades escasas son el criterio sobre los datos —saber qué puede y qué no puede sostener un número— y la disciplina de decir, en voz alta, cuán incierta es realmente una conclusión. Los economistas mejor considerados rara vez son los mejores matemáticos; son los que hacen preguntas que los datos realmente pueden responder.
El oficio se divide en un núcleo de investigación —plantear una pregunta, encontrar variación creíble, estimar y poner a prueba un efecto— y una cáscara de comunicación: convertir el resultado en dos páginas que un ministro, gobernador o director ejecutivo leerá y sobre las que actuará. Las carreras se estancan tanto en la cáscara como en el núcleo, por lo que la literatura de consejos privados de la profesión trata sobre todo de escritura y sencillez.
Estimar efectos a partir de datos reales y desordenados, y saber cuál de las muchas trampas estadísticas de la profesión está tendiendo un conjunto de datos dado.
Dar un consejo utilizable cuando se sabe que el modelo está incompleto: la habilidad que revelan las crisis, y la que en realidad se paga con la antigüedad.
Construir el modelo formal más pequeño que aclare una pregunta, y saber cuándo un modelo decora un artículo en lugar de disciplinarlo.
La mayor parte de las horas de trabajo se pasan en Stata, R o Python limpiando y reestructurando datos; los resultados empíricos son tan buenos como esta capa poco glamorosa.
La investigación vive o muere por el artículo; el consejo de política vive o muere por el informe de dos páginas y la respuesta de sesenta segundos a la pregunta de quien decide.
Saber cómo se construyen los números, cómo se desarrollaron realmente las últimas tres crisis, y qué lecciones dan por sentado los modelos en silencio.
Las estadísticas principales llegan temprano —inflación, empleo, PIB— y las primeras horas se van en leerlas frente a las expectativas, junto con los movimientos nocturnos del mercado y los working papers que valen la pena hojear.
Las horas centrales de producción: limpiar datos, ejecutar y reejecutar estimaciones, depurar código de modelos, comprobar si el resultado de ayer sobrevive a una especificación alternativa.
El seminario informal es el gimnasio diario de la profesión: un colega o visitante presenta trabajo en progreso y recibe interrupciones desde la primera diapositiva, tanto en el mundo académico como en los bancos centrales.
Convertir el análisis en resultado: redactar la nota de pronóstico o la sección de un artículo, informar a un economista jefe o comité de política, arbitrar artículos, supervisar a ayudantes de investigación, enseñar en los días académicos.
El campo avanza a través de working papers mucho antes que de revistas; mantenerse al día es un impuesto nocturno permanente, junto con llamadas de coautoría a través de husos horarios.
El ritmo se dispara en torno a las reuniones de política, las noches de presupuesto y la turbulencia de mercado: las rondas de pronóstico antes de una decisión de tipos o un fin de semana de crisis pueden consumir noches que el calendario había marcado como descanso.
Conocimiento de oficio que se transmite de verdad — no motivación vacía.
El primer mandamiento del campo moderno: antes de estimar nada, nombra la fuente de variación que hace que la comparación sea causal y no una coincidencia: una lotería, una frontera de política, un cambio de norma repentino. La "revolución de la credibilidad" convirtió esto en el estándar por el que el trabajo empírico se admite siquiera en la conversación.
Antes de confiar en una serie, averigua quién la recopiló, cómo se formuló la pregunta, y qué cambió cuando se revisó la metodología, porque los defectos de los datos económicos no son ruido aleatorio sino artefactos sistemáticos de la recopilación. Griliches pasó una carrera demostrando que la restricción de los datos, no la econometría, suele ser lo que limita lo que los economistas pueden afirmar con honestidad.
Las reglas escritas de Krugman para investigar —cuestiona la pregunta, atrévete a ser simple, simplifica sin piedad— describen cómo sus modelos de comercio ganadores del Nobel empezaron como ejemplos de juguete que sus colegas encontraban vergonzosamente sencillos. El oficio consiste en reducir un problema al modelo mínimo que aún produzca el resultado sorprendente, y después detenerse.
El ensayo metodológico de Friedman argumentaba que los supuestos poco realistas no son un defecto: un modelo es una herramienta, y la única prueba justa es si predice mejor que las alternativas. Los economistas en activo lo aplican a diario como criba: cuestiona los pronósticos de un modelo, no su parecido con la realidad.
El reflejo de trabajo más antiguo de la profesión: las decisiones se toman en el borde —la siguiente unidad, la siguiente hora, el siguiente euro— así que los costos hundidos se ignoran y se desconfía de los promedios. Marshall construyó la enseñanza de la disciplina en torno al análisis marginal, y sigue siendo la forma más rápida de detectar un mal argumento en una reunión.
Los gráficos de abanico del Banco de Inglaterra, introducidos en su Inflation Report de 1996, imprimen el pronóstico como bandas de probabilidad cada vez más anchas en lugar de una sola línea, institucionalizando la regla del oficio de que un pronóstico honesto declara su propia incertidumbre. Los pronosticadores sénior enseñan a los junior a decir la banda en voz alta antes que el número central.
El paquete estadístico de trabajo de la economía aplicada desde 1985, estándar en microeconomía empírica y en instituciones como el Banco Mundial; archivos enteros de replicación de las mejores revistas del campo están escritos en él.
El par de código abierto que desplaza constantemente al software propietario: R para estadística y gráficos, Python para canalizaciones de datos y aprendizaje automático, ambos ya esperados en los nuevos contratados tanto en bancos centrales como en equipos de economistas del sector tecnológico.
La caja de herramientas de código abierto para resolver y estimar modelos DSGE, los caballos de batalla de equilibrio general dinámico estocástico de la macroeconomía académica, usada para pronósticos y trabajo de escenarios en decenas de bancos centrales.
El servicio gratuito de datos económicos de la Fed de San Luis, que alberga cientos de miles de series temporales de todo el mundo; sus gráficos son la lengua franca de la profesión en redes sociales y diapositivas de seminario.
La cabina de mando del economista de mercado desde 1982: precios en vivo, calendarios económicos, pronósticos de consenso y la red de chat donde las llamadas de los economistas financieros se hacen, se prueban y se ridiculizan en tiempo real.
El fallo canónico del campo: una regresión bien ajustada sobre datos observacionales, publicada con lenguaje causal, que se derrumba cuando aparece una variable de confusión. Los movimientos de replicación y credibilidad existen porque décadas de resultados influyentes —sobre crecimiento, ayuda, nutrición, vigilancia policial— no sobrevivieron a una mejor identificación.
Informar un pronóstico puntual o una elasticidad titular sin su banda de incertidumbre es el modo de fallo más público de la profesión; la crisis de 2008, prevista por casi ningún modelo convencional, provocó la célebre pregunta de la reina Isabel II en la LSE y una década de autoexamen institucional sobre la precisión excesivamente confiada.
Los supuestos adoptados por manejabilidad se endurecen hasta convertirse en creencias sobre el mundo; el economista empieza a defender el modelo frente a datos incómodos en lugar de revisarlo. Cada generación vuelve a aprender esto a un costo elevado —la curva de Phillips en los años setenta, los mercados eficientes en 2008— y los críticos internos de la disciplina lo llaman la enfermedad ocupacional característica del campo.
Vecinos más cercanos en el perfil de seis puntuaciones, no solo el mismo campo.
Asesora a los clientes, redacta los documentos que los vinculan, y defiende su caso cuando llega a juicio, cargando con responsabilidad legal personal si el consejo resulta erróneo.
Resistente a la IA 58 💊El experto en medicamentos detrás de cada receta — desde las primeras tiendas de fármacos de Bagdad y el mortero del boticario hasta la morfina, la artemisinina y la farmacia moderna.
Resistente a la IA 58 🛰️Diseña, analiza y certifica los aviones, cohetes y naves espaciales que se elevan del suelo, trabajando con márgenes de seguridad que no dejan margen a la improvisación.
Resistente a la IA 74 🦾Diseña las máquinas que perciben, deciden y actúan en el mundo físico, donde el problema difícil nunca fue la inteligencia sino el mundo mismo.
Resistente a la IA 65 ⚛️Deriva y pone a prueba las leyes matemáticas que rigen la materia, la energía, el espacio y el tiempo, desde una pizarra solitaria hasta un artículo de un acelerador de partículas con 3.000 autores.
Resistente a la IA 65 🔌Diseña y fabrica los transistores que hay dentro de cada ordenador, teléfono y arma, con máquinas tan precisas que solo unas pocas fábricas en la Tierra pueden operarlas.
Resistente a la IA 60La persona que crea la empresa: detecta el hueco, asume el riesgo y responde por la nómina, desde los financieros de caravanas asirios hasta los fundadores respaldados por capital de riesgo.
Resistente a la IA 88 💹El negociador que valora empresas y mueve capital — un oficio que va de la Florencia de los Medici a los pitch decks de hoy, pagado por la confianza cuando cambian de manos miles de millones.
Resistente a la IA 42 🧾El guardián de los libros: heredero de un oficio tan antiguo que inventó la propia escritura, negociando ahora con el software construido para automatizarlo.
Resistente a la IA 35 📣El profesional que crea la demanda — de las paredes pintadas de Pompeya y el memorando del "brand man" de P&G de 1931 a los feeds gobernados por subastas de la era digital.
Resistente a la IA 38 🗺️Decide qué debe construir la empresa a continuación, y por qué, convirtiendo necesidades de clientes, objetivos de negocio y límites técnicos en un plan compartido que nadie más termina de poseer del todo.
Resistente a la IA 50