Fundamentos del Pensamiento Analítico y Modelos Mentales

Competencia laboral: Identificar los modelos mentales, los tipos de razonamiento y los modos rápido y lento del juicio que intervienen en el análisis para reconocer cómo se forma una conclusión y qué tan sólida es en situaciones laborales reales o simuladas.

• Explicar qué es el pensamiento analítico, cuáles son sus componentes y cómo la metacognición permite supervisar el propio razonamiento en el trabajo.
• Describir qué es un modelo mental según Craik y Johnson-Laird, para qué sirve y por qué el mapa no es el territorio.
• Distinguir argumentos deductivos válidos e inválidos y aplicar condicionales a reglas, políticas y procedimientos de la organización.
• Evaluar la fuerza de una generalización inductiva según el tamaño, la representatividad y la variedad de la muestra.
• Formular hipótesis de trabajo mediante razonamiento abductivo o inferencia a la mejor explicación ante hechos sorprendentes.
• Reconocer el Sistema 1 y el Sistema 2 de Kahneman, la racionalidad limitada y el satisficing de Herbert Simon en decisiones cotidianas.

Competencia laboral: Aplicar técnicas de descomposición y estructuración, como el principio MECE, los árboles de lógica, los árboles de hipótesis y la pirámide de Minto, para organizar problemas y comunicar análisis claros en situaciones laborales reales o simuladas.

• Descomponer problemas en partes y relaciones con las heurísticas de Pólya para pasar de una situación confusa a preguntas manejables.
• Aplicar el principio MECE para crear categorías sin solapamientos ni vacíos y verificar la exhaustividad de una clasificación.
• Construir árboles de lógica de componentes y de preguntas con niveles coherentes y validarlos frente al problema planteado.
• Desarrollar árboles de hipótesis, priorizar ramas y diseñar la prueba de cada hipótesis con el mínimo de datos necesario.
• Calcular estimaciones de Fermi con supuestos explícitos para obtener órdenes de magnitud rápidos y verificables.
• Organizar informes y presentaciones con la pirámide de Minto: idea principal primero, agrupaciones lógicas y orden de los argumentos.

Competencia laboral: Emplear modelos mentales de uso general, como los primeros principios, la inversión, el pensamiento de segundo orden, el círculo de competencia, la navaja de Occam, el principio de Pareto y la probabilidad bayesiana básica, para examinar situaciones laborales desde varios ángulos en contextos reales o simulados.

• Aplicar el razonamiento desde primeros principios para separar hechos de supuestos heredados y reconstruir una solución desde lo fundamental.
• Utilizar la inversión para identificar qué haría fracasar un proceso o proyecto y prevenir errores evitables.
• Analizar consecuencias de segundo orden y horizontes de tiempo antes de proponer un cambio en el trabajo.
• Delimitar el círculo de competencia propio y aplicar la navaja de Occam para preferir explicaciones con menos supuestos.
• Identificar distribuciones de Pareto en datos laborales y reconocer los límites de la regla 80/20.
• Estimar probabilidades con tasas base y actualizar creencias con el teorema de Bayes ante nueva evidencia.

Competencia laboral: Reconocer heurísticas y sesgos cognitivos en el juicio propio y aplicar estándares intelectuales y prácticas de documentación para presentar análisis trazables y honestos sobre su nivel de certeza en situaciones laborales reales o simuladas.

• Identificar las heurísticas de representatividad, disponibilidad y anclaje descritas por Tversky y Kahneman en juicios laborales.
• Detectar el sesgo de confirmación, el exceso de confianza, el sesgo retrospectivo y el efecto del costo hundido en el razonamiento individual.
• Explicar en qué condiciones es confiable la intuición experta según Kahneman y Klein y cuándo conviene el análisis deliberado.
• Aplicar los estándares intelectuales de Paul y Elder para autoevaluar la claridad, precisión, relevancia y lógica de un análisis.
• Documentar supuestos, evidencia, lenguaje de probabilidad y nivel de confianza, y usar con criterio la inteligencia artificial generativa como apoyo al análisis.