La incertidumbre es una medida, no una advertencia.
Un pronóstico puntual le dice a quien decide lo que cree un modelo. Un intervalo, un caso de estrés y un horizonte de validez le dicen cuánto vale esa creencia. La inferencia de grado decisional mantiene todo eso visible.
Por qué fallan los enfoques convencionales
La precisión es fácil de fabricar.
Un modelo ajustado estrechamente al ruido histórico produce bandas estrechas y alertas confiadas. Ninguna sobrevive al contacto con una nueva muestra o un cambio de régimen, y quien decide no tiene forma de notar la diferencia solo con el resultado.
Grand Thera trata la incertidumbre como un resultado de primera clase. Cada inferencia lleva su intervalo, el conflicto que sigue sin resolverse, su robustez ante perturbaciones y el horizonte a partir del cual queda desactualizada.
Un flujo, tres lecturas
De la información bruta a la evidencia relevante para la decisión.
Persistencia
Una señal debe sobrevivir al cuestionamiento.
Dentro de una familia de modelos, la pregunta no es si detectó algo, sino si la propiedad relevante para la decisión persiste cuando cambian elecciones analíticas razonables.
Cuatro resultados distintos
Preguntas distintas merecen números distintos.
Probabilidad calibrada
Con qué frecuencia ocurren realmente eventos como este cuando el modelo dice p. Un objetivo fiel a las frecuencias, contrastado con los resultados observados.
Pertenencia difusa
Cuánto se parece el estado actual a una condición definida. Un grado de semejanza, no una probabilidad, y nunca presentado como tal.
Respuesta al estrés
Cómo se mueve la conclusión bajo un escenario adverso pero plausible. Sensibilidad, no probabilidad.
Estado de calibración
Si las probabilidades han sido honestas recientemente. Un diagnóstico del modelo, no una medida de confianza en el evento.
Epistemología computacional
Ninguna puntuación única puede sustituir al intervalo, el conflicto, la robustez, el horizonte y la trazabilidad.
Del working paper · §7
Beyond Ontology: Computational Epistemology as a Layered Inference Machine
Fernando Negrini et al. · Working Paper v1.1 · 2026
La ontología estructura lo que está disponible para la máquina. La epistemología computacional estructura lo que a la máquina se le permite concluir a partir de ello.