Data Colada descubrió los datos falsificados de honestidad de Ariely mediante análisis forense de fuentes y redondeos

Un estudio de 2012 publicado en PNAS por Shu, Mazar, Gino, Ariely y Bazerman informó de una solución sorprendentemente barata contra la deshonestidad: trasladar la promesa de honestidad al principio de un formulario hacía que la gente mintiera menos. En su experimento de campo, casi 13.500 clientes de un seguro de automóvil que firmaban al principio declararon unas 2.400 millas más —un 10 %— que quienes firmaban al final. El hallazgo se citó más de 400 veces, se enseñó en escuelas de negocios, lo adoptó la aseguradora Lemonade, lo probaron gobiernos del Reino Unido, Guatemala y Canadá, y el IRS lo acreditó como ayuda para recaudar 1,6 millones de dólares adicionales de proveedores en un solo trimestre.

El problema empezó cuando el efecto se negó a replicarse. Los autores originales se unieron a investigadores externos para repetir el experimento de la firma y no encontraron diferencia alguna, y en 2020 publicaron ese fracaso en PNAS, publicando por primera vez los datos originales de 2012, un paso hacia la transparencia que aún era poco frecuente. Joe Simmons, Leif Nelson y Uri Simonsohn, los académicos detrás del blog Data Colada, descargaron la hoja de cálculo con un equipo de investigadores anónimos y empezaron a preguntarse no si las estadísticas eran correctas, sino si el archivo parecía algo que alguien hubiera producido realmente.

Su auditoría encontró cuatro anomalías. Las millas declaradas conducidas estaban distribuidas de forma uniforme de 0 a 50.000, indistinguibles de un generador de números aleatorios de Excel. Las lecturas del cuentakilómetros declaradas no tenían números redondos, aunque la gente redondea cuando estima. La mitad de las filas de referencia estaban escritas en Calibri y la otra mitad en Cambria, y cada fila en Cambria era casi gemela de una fila en Calibri siempre superior en menos de 1.000 millas; un millón de simulaciones nunca lo produjo por azar. Las filas de referencia habían sido duplicadas y alteradas ligeramente; los datos experimentales procedían de un generador de números aleatorios: fabricados «sin ningún género de duda».

Las pruebas forzaron un ajuste de cuentas. Los cinco autores originales coincidieron en que los datos parecían fraudulentos y pidieron a PNAS que retirara el artículo; cuatro autores afirmaron no haber participado en la recogida de los datos, lo que dejó a Ariely —el único autor en contacto con la aseguradora— como la incógnita abierta. Ariely negó haber actuado mal y culpó a su enfoque de no intervención. BuzzFeed News publicó la investigación el 21 de agosto de 2021; Hartford solo confirmó que existió un pequeño proyecto con Ariely en 2007-2008 y que no pudo encontrar datos ni entregables de él.

En lugar de repetir las estadísticas, auditar la capa mundana del archivo original —fuentes, redondeos, filas duplicadas y distribuciones—, donde los datos fabricados se delatan

El fraude es más fácil de ocultar en las estadísticas y más difícil en la textura cotidiana de los datos: las fuentes, los redondeos y los duplicados sobreviven a la revisión por pares y exponen al generador.

La decisión del artículo de 2020 de publicar los datos brutos convirtió una afirmación no verificable en un archivo auditable; sin esa publicación, la fabricación no se habría podido detectar.

Las pruebas eran baratas y públicas —ajustes de distribución, recuentos de dígitos, divisiones por fuentes y simulaciones que cualquier lector podía repetir—, así que el veredicto se basó en pruebas, no en autoridad.

El propio éxito del hallazgo creó el incentivo para comprobarlo: una intervención adoptada por aseguradoras y agencias tributarias merecía verificarse una vez que dejó de replicarse.

Cuando un resultado importa, la confianza termina en los datos brutos: exigir el archivo y luego comprobar redondeos, duplicados, fuentes y distribuciones; fabricar números es fácil, hacer que parezcan humanos no lo es.

En cuestión de días tras la publicación de Data Colada en agosto de 2021, los cinco autores coincidieron en que los datos parecían fraudulentos y pidieron a PNAS que retirara el artículo; la investigación de BuzzFeed News, actualizada el 26 de agosto con la declaración de Hartford, convirtió el caso en un símbolo de la crisis de replicación. La década de influencia del fraude ya se había consumido: los productos construidos sobre el efecto de la firma, desde la promesa de honestidad de Lemonade hasta los cambios en formularios fiscales gubernamentales, tuvieron que reevaluarse. La lección sistémica de los autores se mantuvo: las revistas deberían exigir los datos brutos, porque la publicación fue lo que hizo que la fabricación pudiera detectarse.