Análisis de nueve eventos de cata con 804 pruebas a doble ciego

Contenido
  1. Resumen en 30 segundos
  2. Lo que vas a encontrar aquí
  3. Cuánto del podio es señal
  4. El mismo vino, tres veces, al mismo juez
  5. Lo que mueve la nota además del vino
  6. Por qué promediar jueces funciona
  7. Lo que el consumidor no nota
  8. Qué queda en pie del juicio experto
  9. Qué hacer con esto, en la práctica
  10. Preguntas frecuentes
  11. Lo que no sabemos
  12. Referencias

Un analista reunió los resultados de nueve eventos de cata y 804 catas a doble ciego realizadas por catadores experimentados, y después comprobó cuántas de las diferencias entre vinos resistían una prueba estadística.

Con un nivel de significación del 95 %, la diferencia entre el vino que quedó primero y el que quedó segundo resultó significativa en el 33 % de las catas. Entre el primero y el último, en el 100 %.

Y el propio autor añade la advertencia que hace falta para leer bien esa cifra del 33 %: una simulación de Monte Carlo muestra que buena parte de esas diferencias podría ser ilusoria, debida a procedimientos de ordenación que producen falsos positivos.

Este artículo recorre lo que los experimentos han establecido sobre la fiabilidad de los jueces de vino: qué distinguen de verdad, qué parte de sus notas es ruido, qué las mueve además del vino y por qué promediar varios jueces mejora el resultado.

Resumen en 30 segundos

Mira qué se midió: no es si el experto sabe, es cuánto se repite lo que dice.

PreguntaLo que midieronEstudio y año
¿Es significativa la diferencia entre el 1.º y el 2.º?En el 33 % de las catasBodington, JWE (2012)
¿Y entre el primero y el último?En el 100 %Bodington, JWE (2012)
¿Se arregla catando a ciegas?No: persiste error estocástico junto a sesgosBodington, JWE (2022)
¿Mejora promediar jueces?Sí, bastando con dos de ellosAshton, JWE (2011)
¿Puntúan igual ante el mismo vino?No: 18.224 valoraciones con discrepancias sistemáticasLivat y su equipo, FRI (2024)
¿Influye el equipo de jueces?Sí: mayor generosidad al lado de un Master of WineLivat y su equipo, FRI (2024)
¿Nota el consumidor lo que descalifica un experto?No, por lo generalDubois y su equipo, RBE (2026)
¿Coincide la calidad experta con el agrado?Por lo común, sin relaciónFrancis y Williamson, AJGWR (2015)
¿Es igual de fiable con cualquier vino?No: mayor eficacia en blanco que en tinto complejoCicchetti, JWR (2017)

Lo que vas a encontrar aquí

  • Qué proporción de los podios de cata resiste una prueba estadística.
  • El experimento en el cual el mismo vino se sirvió en tres oportunidades al idéntico juez.
  • Lo que mueve la nota de un juez además del vino: su equipo, su oficio, su sexo.
  • Por qué promediar dos jueces mejora el resultado y cuántos convienen.
  • ¿Qué ocurre al ofrecerle a un consumidor un vino que los especialistas rechazaron?

Cuánto del podio es señal

Conviene empezar por el estudio que hizo las cuentas, porque su resultado delimita el resto.

Jeffrey Bodington publicó en el Journal of Wine Economics, durante el año 2012, el estudio de 804 catas a doble ciego llevadas a cabo por expertos catadores en nueve diferentes eventos de cata.

Su primer resultado descarta una explicación cómoda: las pruebas t rechazan la hipótesis de que el sesgo de posición dentro de la serie afecte a los resultados en esos datos concretos, de modo que lo que queda no se explica por el orden de servicio.

Y el segundo es el que importa. Los estadísticos t de los rangos medios de los vinos mejor y peor clasificados están a varias desviaciones típicas de lo que cabría esperar por azar, lo que significa que los catadores sí distinguen algo real.

Pero la resolución de esa distinción es gruesa. Al 95 % de significación, la diferencia de rangos entre el primer y el segundo clasificado parece significativa en el 33 % de las catas; entre el primero y el último, en el 100 %.

Dicho sin estadística: un panel de catadores experimentados separa con fiabilidad lo bueno de lo malo, y no separa con fiabilidad lo bueno de lo muy bueno. Que es exactamente lo contrario de lo que se le pide en un concurso.

El escritor concluye con una advertencia metodológica que no se debe pasar por alto: una simulación de Monte Carlo evidencia que gran parte de dichas disparidades podría resultar engañosa y atribuirse a dinámicas de clasificación que provocan errores de tipo I, o sea, hallar discrepancias donde en realidad no existen.

Y el ruido que queda con la botella tapada

Diez años después, el mismo autor publicó en la misma revista un inventario de lo que la cata a ciegas no arregla.

Incluso al realizar catas a ciegas donde se omiten el precio, la etiqueta, la cápsula y el cierre, los sesgos y el error estocástico persisten.

Desglosa dos familias. El error estocástico se debe a la naturaleza parcialmente aleatoria de las propias puntuaciones. Los sesgos cognitivos y de variable omitida se deben al anclaje, la expectativa, la posición en la serie, factores comerciales y otros.

Y una tercera, puramente material: las diferencias de decantación, filtrado, aireación y temperatura también pueden afectar a las puntuaciones.

Esa última es la más fácil de olvidar y la más fácil de corregir. Dos copas del mismo vino servidas a temperaturas distintas son, para efectos de puntuación, dos vinos distintos.

EstudioDiseñoQué encontróQué no permite concluir
Bodington (2012)804 catas a doble ciego, nueve eventos1.º frente a 2.º significativo en el 33 %Que ese 33 % no sean falsos positivos
Bodington (2022)Revisión de fuentes de errorEl ruido y los sesgos sobreviven a la cata ciegaCuánto pesa cada fuente por separado
Cicchetti (2017)Cata ciega por triplicado de dos variedadesFiabilidad confirmada en blanco, apenas en tintoSi la diferencia es por complejidad o por fatiga
Ashton (2011)Reanálisis del Juicio de París de 1976Promediar dos jueces ya mejora el juicioQue el resultado valga para cualquier panel
Livat y su equipo (2024)5.395 vinos, 18.224 notas, un concursoEfectos de oficio, sexo y composición del equipoSeparar sesgo de criterio legítimamente distinto
Dubois y su equipo (2026)125 participantes, tres categorías de vinoEl consumidor no percibe los defectos descalificantesQue eso valga para cualquier tipo de defecto

El mismo vino, tres veces, al mismo juez

La demostración más fehaciente de consistencia radica en ofrecer el mismo caldo en repetidas ocasiones sin previo aviso y comprobar si el catador mantiene su criterio.

Domenic Cicchetti publicó en el Journal of Wine Research, en 2017, un experimento en el que se seleccionaron al azar jueces de la Asociación Americana de Economistas del Vino para participar en una cata a ciegas por triplicado de dos variedades sudafricanas —un Sauvignon Blanc y un Pinotage— además de una cata a ciegas de una sola copa de otros cinco Sauvignon Blanc y cinco Pinotage.

La suposición inicial resultaba clara: los catadores capaces de evaluar con consistencia los caldos ofrecidos por triplicado harían lo propio con aquellos presentados en una única ocasión, y viceversa.

Los resultados fueron sustancialmente confirmatorios para las variedades de Sauvignon, pero solo mínimamente confirmatorios para las de Pinotage.

El autor apunta dos explicaciones posibles, y las dos son interesantes: la estructura más simple del Sauvignon Blanc, que es un vino blanco, y una posible fatiga de paladar ante el Pinotage, que es más complejo.

De ahí sale una conclusión práctica poco intuitiva: la fiabilidad de un juez no es un rasgo fijo de esa persona, sino algo que depende del vino que tenga delante y del momento de la sesión en que lo tenga.

En aquel entonces, concretamente en 2004 y dentro de ese mismo medio, el escritor ya había detallado los requisitos de diseño indispensables para garantizar la fiabilidad de un certamen: cuál es el procedimiento para elegir a los catadores, qué cribado inicial descarta a los poco fiables de antemano, qué propiedades del vino se evalúan y bajo qué pautas, qué baremos se emplean, qué recipientes se utilizan y qué análisis matemático se lleva a cabo. Son escasos los certámenes que logran satisfacer todos estos puntos.

Lo que mueve la nota además del vino

El estudio con más datos sobre esta cuestión no analiza vinos: analiza jueces.

Florine Livat, Hervé Remaud y Marta Fernández-Olmos publicaron en Food Research International, en 2024, un análisis de 5.395 vinos juzgados en la International Wine and Spirits Competition de 2022, con 18.224 notas de distintos jueces.

La pregunta que se hicieron es la correcta: por qué los expertos dan notas distintas a los mismos vinos en entornos de cata idénticos. Y la respondieron con modelos que incorporan efectos fijos por vino, de modo que lo que queda son diferencias entre jueces ante el mismo líquido.

Los resultados por características personales: los compradores del canal de hostelería puntúan más bajo que los del canal de distribución, y las juezas puntúan más bajo que los jueces. Las credenciales, en cambio, no son por sí mismas un factor muy significativo.

Y los resultados por composición del equipo llaman especialmente la atención, dado que no dependen de quién valora sino de con quién le toca valorar: los jueces suelen mostrarse más benevolentes al integrar un grupo con especialistas Master of Wine, mientras que se vuelven sistemáticamente más estrictos a medida que crece la presencia femenina en el panel.

Las estimaciones coinciden entre los distintos subconjuntos de información, a excepción de los vinos espumosos.

Hay dos lecturas posibles de todo esto y los autores se inclinan por una: dada la feminización del sector del vino, entre productoras, consumidoras y expertas, la mayor severidad de las juezas podría ser beneficiosa en términos de bienestar social, es decir, podría acercar la nota del concurso a lo que el mercado considera aceptable.

Y el origen, también en profesionales

Nicolás Depetris Chauvin, Dominique Valentin y su equipo midieron otra variable ajena al vino en el International Journal of Gastronomy and Food Science, en 2024, con veintidós comerciantes de vino de diez países que valoraron ocho Pinot Noir de Argentina, Brasil, Francia y Suiza en condición ciega y en condición informada, durante la feria ProWein de Düsseldorf.

Al revelar el país de origen, las valoraciones de agrado de los vinos argentinos y brasileños cayeron, y los vinos de esos dos países pasaron a describirse con descriptores hedónicos negativos, mientras que a los franceses y suizos se les añadieron descriptores sensoriales positivos.

Es el mismo fallo al que llegan los jueces de un certamen, pero por otro camino: la valoración de un experto encierra tanto datos acerca del vino como detalles del entorno donde se degusta.

Variable ajena al vinoEfecto sobre la notaBase
Jueza frente a juezCalificaciones más bajas18.224 notas, 5.395 vinos
Comprador de hostelería frente a distribuciónPuntuaciones más bajas18.224 notas, 5.395 vinos
Un Master of Wine en el equipoEvaluadores más generosos18.224 notas, 5.395 vinos
Más juezas en el equipoCatadores más severos18.224 notas, 5.395 vinos
Credenciales del propio juezResulta poco significativo por sí mismo18.224 notas, 5.395 vinos
Origen revelado, Argentina y BrasilDisminuye el agrado22 comerciantes, 8 Pinot Noir
Origen revelado, Francia y SuizaSuma descriptores positivos22 comerciantes, 8 Pinot Noir

Por qué promediar jueces funciona

Si cada nota individual lleva ruido, la solución estadística es obvia, y alguien la aplicó al concurso de vino más famoso de la historia.

Robert Ashton publicó en el Journal of Wine Economics, en 2011, un estudio sobre las estadísticas del Juicio de París, la famosa cata a ciegas celebrada en 1976 que enfrentó a caldos de California y Francia y transformó para siempre la industria vitivinícola global.

Demostró, con métodos empíricos y analíticos, que los juicios de calidad de los renombrados expertos que participaron en aquella cata habrían mejorado simplemente promediando las puntuaciones de calidad de dos o más de los jueces.

Y fue más allá de constatarlo: averiguó cuántos magistrados parisinos convenía contemplar en el promedio y cuáles debían ser considerados.

La consecuencia práctica resulta clara y económica: un certamen que divulgue la puntuación promedio de distintos jurados ofrece una garantía superior a la de aquel que muestre la calificación de un único experto, por sobresaliente que este sea.

El autor señala además una consecuencia menos evidente: el resultado ayuda a entender la variabilidad de la asociación entre precio y calidad que aparece en los distintos estudios de precios hedónicos. Si la medida de calidad lleva ruido, la correlación con el precio se atenúa, y parte de las discrepancias entre estudios es eso.

Lo que el consumidor no nota

Queda la pregunta que importa fuera del concurso: si la nota del experto predice lo que le gustará a quien compra la botella.

En 2026, Magalie Dubois, Juliette Passebois Ducros junto a su equipo dieron a conocer en la Review of Behavioral Economics una investigación de laboratorio desarrollada con 125 participantes, la cual introduce de manera intencional una variable que las investigaciones previas habían pasado por alto.

Con datos confidenciales de un gran concurso de vinos definieron tres categorías: vinos con medalla de oro, vinos sin medalla y vinos descalificados del concurso por defectos sensoriales graves. En una cata a ciegas, los participantes evaluaron vinos de cada categoría.

Encontraron una divergencia sustancial entre el juicio profesional y las preferencias del consumidor: los consumidores en buena medida no perciben, o no les preocupan, defectos que los expertos de un concurso internacional consideran por consenso lo bastante graves como para descalificar un vino.

La conclusión de los autores resulta más matizada que el titular de una desautorización experta: los expertos actúan apropiadamente como guardianes del mercado, pero las señales de calidad basadas en su juicio no se alinean de forma consistente con la valoración hedónica del consumidor.

Y la consecuencia económica que extraen: vinos que los expertos consideran defectuosos por consenso pueden ser comercialmente viables, lo que indica una posible asignación ineficiente de recursos guiada por la opinión profesional más que por la utilidad del consumidor.

Eso no es nuevo como dirección, sino como magnitud. Leigh Francis y Patricia Williamson ya habían resumido en el Australian Journal of Grape and Wine Research, en 2015, que la relación entre los juicios de calidad de los expertos y el agrado de los consumidores se ha estudiado en varios trabajos y se ha demostrado repetidamente que en general no existe.

En qué coinciden los expertos cuando coinciden

Falta una pregunta que cambia el enfoque: no si los jueces aciertan, sino sobre qué se ponen de acuerdo.

André Caissie, Laurent Riquier y su equipo publicaron en Food Quality and Preference, en 2020, un estudio que descompuso la cata en sus sentidos: recogieron respuestas de expertos sobre dos categorías de tinto en seis catas globales con todos los sentidos, tres catas unimodales —vista, olfato y gusto por separado— y tres bimodales.

El resultado más contraintuitivo del trabajo: el consenso entre expertos fue mayor con las señales visuales aisladas que en cualquier otra condición sensorial, incluida la cata completa.

Y el segundo: el consenso fue mayor en las escalas técnicas de calidad que en las escalas emocionales, en todas las condiciones sensoriales.

Eso delimita bien dónde está el acuerdo profesional. Los expertos coinciden en lo que puede describirse con criterios técnicos y coinciden menos en lo que les produce el vino, lo que explica por qué sus notas predicen mal el agrado del consumidor, que es precisamente una medida emocional.

El algoritmo predictivo desarrollado llegó a la misma conclusión: el acuerdo en torno a la calidad se fundamentó en los datos olfativos unidos a la experiencia y la sabiduría, al tiempo que el consenso acerca de la estética del caldo se sustentó en los datos ópticos y el repertorio visual.

Magalie Dubois, Jean-Marie Cardebat y Nikolaos Georgantzís cerraron el cuadro desde la economía en Wine Economics and Policy, en 2025, con una revisión integradora del papel de los expertos en el mercado del vino. Su conclusión es incómoda para el oficio: la evaluación profesional del vino no satisface la demanda de valoración de calidad y de delegación del juicio salvo en los vinos de alta gama, y con la caída del coste de buscar precio, información y conocimiento se está produciendo un giro digital hacia la influencia informal.

Condición de cataNivel de consenso entre expertosEscala
Solo vistaEl mayor de todas las condicionesTécnica y emocional
Cata global, todos los sentidosMenor que la visual aisladaTécnica y emocional
Solo olfatoBase del consenso sobre calidadTécnica
Solo gustoMenor que la visual aisladaTécnica y emocional
Escalas técnicas de calidadMayor consenso, en todas las condicionesTécnica
Escalas emocionalesMenor consenso, en todas las condicionesEmocional

Qué queda en pie del juicio experto

En definitiva, los datos respaldan cuatro afirmaciones, mientras que una carece de sustento.

Primera: el panel experto distingue lo bueno de lo malo. Las métricas correspondientes a los caldos mejor y peor calificados se sitúan a múltiples desviaciones estándar del azar, de modo que la brecha entre el campeón y el último clasificado resulta significativa en la totalidad de las catas.

Segunda: no distingue con fiabilidad entre vinos buenos. El 33 % del primero frente al segundo, con la advertencia de que parte de ese 33 % puede ser ilusorio.

Tercera: la nota incluye datos ajenos al vino. La profesión del catador, su género, el acompañante que tiene al lado y el país de origen impreso en la botella alteran la puntuación de manera perceptible.

Cuarta: promediar jueces mejora la señal, y basta con dos para notarlo.

Y la que carece de sustento: que la calificación del especialista adelante los gustos de quien adquiere el caldo. La vinculación entre la excelencia valorada por críticos y la satisfacción de la gente se ha analizado de forma constante y por lo general brilla por su ausencia; de hecho, al llevar este supuesto al límite, los compradores ni siquiera logran percibir los fallos que arruinan un vino.

Lo que suele afirmarse¿Lo sostiene la evidencia?Base
«Los expertos del vino no distinguen nada»No: separan lo bueno de lo malo804 catas, 100 % entre primero y último
«Una medalla garantiza un gran vino»No: el podio es poco fiable33 % entre primero y segundo
«La nota del crítico predice si me gustará»NoSin relación general, medida varias veces
«Catar a ciegas elimina los sesgos»No, solo algunosQueda ruido, anclaje, posición y servicio
«Un buen juez es fiable siempre»No: depende del vinoConfirmado en blanco, apenas en tinto complejo
«Más jueces es más burocracia»No: mejora la señalPromediar dos ya mejora el juicio

Qué hacer con esto, en la práctica

Seis decisiones que se pueden tomar con lo que está medido:

• Fíate del extremo bajo, no del podio. Un vino que queda último en una cata es fiablemente peor; que uno quede primero en vez de segundo es significativo solo una de cada tres veces.

  • Prefiere la media de varios jueces a la nota de uno. Promediar dos o más ya habría mejorado los juicios del Juicio de París.

• No confundas nota alta con «me va a gustar». La relación entre calidad experta y agrado del consumidor se ha medido varias veces y en general no existe.

  • Si organizas una cata, iguala temperatura y aireación. Son fuentes de variación que sobreviven a tapar la botella.

• Degusta las referencias blancas y los complejos tintos en momentos separados. La consistencia se comprobó en el Sauvignon Blanc, aunque apenas en el Pinotage, lo cual quizás se deba al cansancio del paladar.

  • Interpreta un galardón a modo de filtro, jamás como un consejo. Su utilidad radica en descartar aquello que falla, no en anticipar cuánto lo vas a gozar.

Preguntas frecuentes

¿Son capaces los entendidos de diferenciar los vinos?

Distinguen lo bueno de lo malo y no lo bueno de lo muy bueno. En 804 catas a doble ciego, la diferencia entre el primero y el último fue significativa en el 100 % de las catas, y entre el primero y el segundo en el 33 %.

¿Otorgan la misma puntuación cuando se les ofrece el idéntico vino en un par de ocasiones?

Depende del vino. En una cata por triplicado, la fiabilidad se confirmó en el Sauvignon Blanc y apenas en el Pinotage, lo que el autor atribuye a la mayor complejidad del tinto o a la fatiga de paladar.

¿Qué más afecta la calificación de un juez?

Varias cosas ajenas al vino. Con 18.224 notas, los jueces fueron más generosos junto a un Master of Wine y más severos cuanto más juezas había en el equipo, y las juezas puntuaron más bajo que los jueces.

¿Sirve de algo promediar jueces?

Sí, y desde el primer juez añadido. El reanálisis del Juicio de París demostró que los juicios habrían mejorado promediando dos o más de las puntuaciones.

¿Se puede saber con antelación si un vino resultará de mi agrado?

No necesariamente. Con 125 participantes, los consumidores en buena medida no percibieron los defectos que llevaron a un concurso internacional a descalificar vinos por consenso.

¿Y si lo catan todo a ciegas?

Mejora, pero no basta. Incluso a ciegas respecto a precio, etiqueta, cápsula y cierre permanecen el error estocástico y sesgos de anclaje, expectativa y posición en la serie, además de diferencias de servicio.

¿Afecta a un profesional saber de dónde es el vino?

Sí. Con 22 comerciantes de diez países, revelar el origen hizo caer el agrado de los vinos argentinos y brasileños y cambió los descriptores con los que se describían.

Lo que no sabemos

  • Nadie conoce la proporción exacta del 33 % que es auténtica. Mediante una simulación de Monte Carlo, el creador avisa de que gran parte de dichas discrepancias podría responder a fallos de tipo I.

• No está separado el sesgo del criterio. Que una jueza puntúe más bajo puede ser un sesgo o un criterio legítimamente más exigente, y el diseño no permite distinguirlo.

  • Falta saber cuántos jueces son suficientes. Se ha demostrado que promediar mejora, pero el número óptimo depende del panel y no hay una regla general validada.
  • No se conoce el efecto de las condiciones ideales. Las exigencias de diseño para una competición fiable están publicadas desde 2004 y nadie ha medido cuánto cambiarían los resultados si se aplicaran.
  • Se ignora hasta dónde llega la ceguera de los consumidores frente a las fallas. La prueba abarca problemas sensoriales severos dentro de un certamen específico, sin precisar cuáles anomalías pasan desapercibidas y cuáles no.

Referencias

1. Bodington, J. C. «804 Tastes: Evidence on Preferences, Randomness, and Value from Double-Blind Wine Tastings». Journal of Wine Economics, 2012. 10.1017/jwe.2012.20

2. Bodington, J. C. «Stochastic error and biases remain in blind wine ratings». Journal of Wine Economics, 2022. 10.1017/jwe.2022.53

3. Cicchetti, D. V. «Evaluating the value of replicate tastings of a given wine: bio-statistical considerations». Journal of Wine Research, 2017. 10.1080/09571264.2017.1312317

4. Cicchetti, D. V. «On designing experiments and analysing data to assess the reliability and accuracy of blind wine tastings». Journal of Wine Research, 2004. 10.1080/09571260500109368

5. Ashton, R. H. «Improving Experts’ Wine Quality Judgments: Two Heads Are Better than One». Journal of Wine Economics, 2011. 10.1017/S1931436100001577

6. Livat, F., Remaud, H. y Fernández-Olmos, M. «Factors explaining differences in wine experts’ ratings: The case of gender, credentials, occupation and peer effects». Food Research International, 2024. 10.1016/j.foodres.2024.114689

7. Dubois, M., Passebois Ducros, J. et al. «Beyond the medals: an experimental analysis of consumer preferences for wines judged by experts». Review of Behavioral Economics, 2026. 10.1108/RBE-12-2025-0236

8. Francis, I. L. y Williamson, P. «Application of consumer sensory science in wine research». Australian Journal of Grape and Wine Research, 2015. 10.1111/ajgw.12169

9. Depetris Chauvin, N., Valentin, D. y otros. «Country-of-Origin as bias inducer in experts’ wine judgments: A sensory experiment in a world wine fair». International Journal of Gastronomy and Food Science, 2024. 10.1016/j.ijgfs.2024.100883

10. Caissie, A. F., Riquier, L. y otros. «Representational and sensory cues as drivers of individual differences in expert quality assessment of red wines». Food Quality and Preference, 2020. 10.1016/j.foodqual.2020.104032

11. Dubois, M., Cardebat, J.-M. y Georgantzís, N. «External evaluations under quality uncertainty: the market for wine ratings». Wine Economics and Policy, 2025. 10.36253/wep-16620

Este artículo resume literatura científica revisada por pares sobre la fiabilidad del juicio experto en la evaluación del vino. Las cifras corresponden a los paneles, concursos y vinos de cada estudio y no describen lo que ocurrirá en una cata concreta. No constituye asesoramiento de compra.

Por user

Puede interesarte