Contenido
- Resumen en 30 segundos
- Lo que vas a descubrir en este espacio
- Cuánto del podio es señal
- El mismo caldo, por triplicado, ante el mismo magistrado
- Lo que mueve la nota además del vino
- Por qué el promedio de jueces funciona
- Lo que el consumidor no nota
- Qué queda en pie del juicio experto
- Qué hacer con esto, en la práctica
- Preguntas frecuentes
- Lo que ignoramos
- 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 creador mismo incorpora el aviso necesario para interpretar adecuadamente ese porcentaje del 33 %: un modelo de Monte Carlo evidencia que gran parte de dichas discrepancias tal vez sea ficticia, ocasionada por métodos de clasificación que generan positivos erróneos.
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.
| Pregunta | Lo que midieron | Estudio y año |
|---|---|---|
| ¿Es significativa la diferencia entre el 1.º y el 2.º? | En el 33 % de las catas | Bodington, JWE (2012) |
| ¿Y entre el primero y el último? | En el 100 % | Bodington, JWE (2012) |
| ¿Se arregla catando a ciegas? | No: queda error estocástico y sesgos | Bodington, JWE (2022) |
| ¿Mejora promediar jueces? | Sí, ya con dos de ellos | Ashton, JWE (2011) |
| ¿Puntúan igual ante el mismo vino? | No: 18.224 notas con diferencias sistemáticas | Livat y su equipo, FRI (2024) |
| ¿Influye el equipo de jueces? | Sí: más generosos junto a un Master of Wine | Livat y su equipo, FRI (2024) |
| ¿Nota el consumidor lo que descalifica un experto? | No, en buena medida | Dubois y su equipo, RBE (2026) |
| ¿Coincide la calidad experta con el agrado? | En general, sin relación | Francis y Williamson, AJGWR (2015) |
| ¿Es igual de fiable con cualquier vino? | No: mejor en blanco que en tinto complejo | Cicchetti, JWR (2017) |
Lo que vas a descubrir en este espacio
- 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 pasa cuando se le da a un consumidor un vino que los expertos descalificaron.
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. Las desviaciones típicas en los estadísticos t de los rangos medios de los vinos mejor y peor valorados superan con creces lo previsible por mera coincidencia, lo que evidencia que los expertos perciben diferencias reales.
Pero zanjar semejante diferencia resulta impreciso. Alcanzando un nivel de significación del 95 %, la disparidad de posiciones entre el vencedor y el segundo puesto se aprecia notablemente en un tercio de las catas, mientras que entre el inicial y el postrero alcanza 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 autor cierra con una advertencia metodológica que conviene no omitir: una simulación de Monte Carlo muestra que buena parte de esas diferencias podría ser ilusoria y deberse a procedimientos de ordenación que llevan a errores de tipo I, es decir, a encontrar diferencias donde no las hay.
Y el sonido que persiste cuando la botella está sellada
Diez años después, el mismo autor publicó en la misma revista un inventario de lo que la cata a ciegas no arregla.
El error estocástico y los sesgos permanecen incluso cuando los vinos se evalúan a ciegas respecto al precio, la etiqueta, la cápsula y el cierre.
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.
| Estudio | Diseño | Qué encontró | Qué no permite concluir |
|---|---|---|---|
| Bodington (2012) | 804 catas a doble ciego, nueve eventos | 1.º frente a 2.º significativo en el 33 % | Que ese 33 % no sean falsos positivos |
| Bodington (2022) | Revisión de fuentes de error | El ruido y los sesgos sobreviven a la cata ciega | Cuánto pesa cada fuente por separado |
| Cicchetti (2017) | Cata ciega por triplicado de dos variedades | Fiabilidad confirmada en blanco, apenas en tinto | Si la diferencia es por complejidad o por fatiga |
| Ashton (2011) | Reanálisis del Juicio de París de 1976 | Promediar dos jueces ya mejora el juicio | Que el resultado valga para cualquier panel |
| Livat y su equipo (2024) | 5.395 vinos, 18.224 notas, un concurso | Efectos de oficio, sexo y composición del equipo | Separar sesgo de criterio legítimamente distinto |
| Dubois y su equipo (2026) | 125 participantes, tres categorías de vino | El consumidor no percibe los defectos descalificantes | Que eso valga para cualquier tipo de defecto |
El mismo caldo, por triplicado, ante el mismo magistrado
La prueba más directa de fiabilidad consiste en servir el mismo vino varias veces sin avisar y ver si el juez se repite.
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 son los más llamativos, porque no dependen de quién juzga sino de con quién juzga: los jueces tienden a ser más generosos cuando se les asigna a un equipo con jueces Master of Wine, y son sistemáticamente más severos cuando aumenta el número de juezas en el equipo.
Las estimaciones convergen entre subconjuntos de datos, con la excepción de los 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 develar la procedencia de los caldos, las calificaciones de aceptación sobre las etiquetas argentinas y brasileñas disminuyeron, de modo que tales productos comenzaron a calificarse mediante adjetivos hedónicos desfavorables, al tiempo que a los líquidos galos y helvéticos se les atribuyeron notas organolépticas favorables.
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 vino | Efecto sobre la nota | Base |
|---|---|---|
| Jueza frente a juez | Notas más bajas | 18.224 notas, 5.395 vinos |
| Comprador de hostelería frente a distribución | Notas más bajas | 18.224 notas, 5.395 vinos |
| Un Master of Wine en el equipo | Jueces más generosos | 18.224 notas, 5.395 vinos |
| Más juezas en el equipo | Jueces más severos | 18.224 notas, 5.395 vinos |
| Credenciales del propio juez | Poco significativo por sí mismo | 18.224 notas, 5.395 vinos |
| Origen revelado, Argentina y Brasil | Baja el agrado | 22 comerciantes, 8 Pinot Noir |
| Origen revelado, Francia y Suiza | Añade descriptores positivos | 22 comerciantes, 8 Pinot Noir |
Por qué el promedio de 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.
Mediante procedimientos analíticos y experimentales, quedó patente que las valoraciones de los prestigiosos especialistas presentes en dicho evento enológico se habrían visto favorecidas con tan solo calcular la media aritmética de las calificaciones otorgadas por un par o más de los evaluadores.
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.
Se detectó una notable discrepancia entre el criterio técnico y los gustos del público: los compradores, por lo general, ignoran o pasan por alto aquellos fallos que los especialistas de un certamen global consideran motivos suficientes para eliminar 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 cata | Nivel de consenso entre expertos | Escala |
|---|---|---|
| Solo vista | El mayor de todas las condiciones | Técnica y emocional |
| Cata global, todos los sentidos | Menor que la visual aislada | Técnica y emocional |
| Solo olfato | Base del consenso sobre calidad | Técnica |
| Solo gusto | Menor que la visual aislada | Técnica y emocional |
| Escalas técnicas de calidad | Mayor consenso, en todas las condiciones | Técnica |
| Escalas emocionales | Menor consenso, en todas las condiciones | Emocional |
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. Los estadísticos de los vinos mejor y peor clasificados están a varias desviaciones típicas del azar, y la diferencia entre el primero y el último es significativa en el 100 % de las catas.
Segundo: no diferencia con seguridad los caldos de calidad. El 33 % del inicial frente al posterior, con la salvedad de que una parte de ese 33 % podría resultar engañosa.
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 malo | 804 catas, 100 % entre primero y último |
| «Una medalla garantiza un gran vino» | No: el podio es poco fiable | 33 % entre primero y segundo |
| «La nota del crítico predice si me gustará» | No | Sin relación general, medida varias veces |
| «Catar a ciegas elimina los sesgos» | No, solo algunos | Queda ruido, anclaje, posición y servicio |
| «Un buen juez es fiable siempre» | No: depende del vino | Confirmado en blanco, apenas en tinto complejo |
| «Más jueces es más burocracia» | No: mejora la señal | Promediar 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.
• Lee una medalla como un filtro, no como una recomendación. Sirve para descartar lo defectuoso, no para predecir tu disfrute.
Preguntas frecuentes
¿Saben los expertos distinguir 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 a la nota 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.
¿Es útil calcular la media entre los 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.
¿Influye en un experto conocer el origen de un 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 ignoramos
- 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.

