Nuestro sitio web utiliza cookies para mejorar y personalizar su experiencia y para mostrar anuncios (si los hay). Nuestro sitio web también puede incluir cookies de terceros como Google Adsense, Google Analytics, Youtube. Al usar el sitio web, usted consiente el uso de cookies. Hemos actualizado nuestra Política de Privacidad. Por favor, haga clic en el botón para consultar nuestra Política de Privacidad.

¿Por qué solo un tercio de las catas muestran diferencias claras entre vinos?

Contenido
  1. Resumen en 30 segundos
  2. Lo que vas a encontrar aquí
  3. Cuánto del podio es señal
  4. El mismo caldo, por triplicado, ante el mismo magistrado
  5. Lo que mueve la nota además del vino
  6. Por qué el promedio de jueces funciona
  7. Lo que el consumidor no nota
  8. Qué sobrevive del juicio experto
  9. Qué hacer con esto, en la práctica
  10. Preguntas frecuentes
  11. Lo que ignoramos
  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.

Estableciendo una confianza del 95 %, la disparidad entre el vino que alcanzó la primera posición y el subcampeón fue estadísticamente relevante en el 33 % de las degustaciones. Tratándose del líder frente al colista, esta proporción ascendió al 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 analiza las conclusiones científicas sobre la consistencia de los catadores de vino: qué perciben exactamente, qué porcentaje de sus valoraciones constituye simple azar, qué factores externos influyen más allá del propio caldo y por qué la combinación de múltiples evaluaciones optimiza el resultado final.

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: persiste error estocástico junto a sesgos Bodington, JWE (2022)
¿Mejora promediar jueces? Sí, bastando con dos de ellos Ashton, JWE (2011)
¿Puntúan igual ante el mismo vino? No: 18.224 valoraciones con discrepancias sistemáticas Livat y su equipo, FRI (2024)
¿Influye el equipo de jueces? Sí: mayor generosidad al lado de un Master of Wine Livat y su equipo, FRI (2024)
¿Nota el consumidor lo que descalifica un experto? No, por lo general Dubois y su equipo, RBE (2026)
¿Coincide la calidad experta con el agrado? Por lo común, sin relación Francis y Williamson, AJGWR (2015)
¿Es igual de fiable con cualquier vino? No: mayor eficacia en blanco que en tinto complejo Cicchetti, 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

Es conveniente arrancar por la investigación encargada de los cálculos, ya que sus conclusiones marcan los límites de todo lo demás.

Jeffrey Bodington publicó en el Journal of Wine Economics, en 2012, el análisis de 804 catas a doble ciego realizadas por catadores experimentados en nueve 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 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, de índole estrictamente material: los contrastes en la temperatura, el filtrado, la aireación y la decantación son capaces de influir igualmente en las calificaciones.

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 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 hipótesis era sencilla: quienes puntuaran de forma fiable los vinos servidos por triplicado también puntuarían de forma fiable los vinos servidos una sola vez, y al revés.

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 se desprende una consecuencia práctica bastante contraintuitiva: la credibilidad de un magistrado no constituye una cualidad inalterable de su individuo, sino que está condicionada por la botella de vino que se sirva y por el instante exacto de la cata en que se encuentre.

El mismo autor había establecido en 2004, en la misma revista, qué condiciones de diseño harían falta para que una competición fuera fiable: cómo se selecciona la muestra de catadores, qué filtro previo elimina a los inconsistentes antes de empezar, qué características del vino se piden y con qué criterios, qué escalas se usan, qué copas y qué estadística se aplica. Pocos concursos cumplen esa lista completa.

Lo que mueve la nota además del vino

El análisis con mayor volumen de datos sobre este asunto no examina caldos, sino magistrados.

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 interrogante planteada resulta sumamente atinada: por qué los expertos dan notas distintas a los mismos vinos en entornos de cata idénticos. Dicha cuestión se resolvió mediante modelos que integran efectos fijos por cada vino, de manera que el resultado refleja las discrepancias de criterio entre los jueces frente al idéntico líquido.

Los resultados por características personales: los compradores del sector HORECA otorgan valoraciones inferiores en comparación con los clientes del canal de distribución, mientras que las juezas califican con notas más bajas que sus homólogos masculinos. Los antecedentes académicos y profesionales, por otra parte, apenas inciden de forma relevante por sí solos.

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 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: exploró cuántos de los jueces de París convenía incluir en la media y cuáles debían ser.

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.

Magalie Dubois, Juliette Passebois Ducros y su equipo publicaron en la Review of Behavioral Economics, en 2026, un experimento de laboratorio con 125 participantes que incorpora deliberadamente una categoría que los estudios anteriores dejaban fuera.

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 es más matizada que un titular de desautorización del experto: 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 especialistas califican unánimemente como defectuosos consiguen viabilidad comercial, lo que apunta a una posible asignación ineficiente de recursos orientada por el criterio experto en lugar de por la utilidad del comprador.

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 resultó más amplio dentro de los baremos técnicos de calidad que en los de carácter emocional, independientemente de la condición sensorial.

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 modelo de predicción que construyeron apunta a lo mismo: el consenso sobre calidad se basó en la información olfativa combinada con la veteranía y el conocimiento, mientras que el consenso sobre la imagen del vino se basó en la información visual y el vocabulario 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 sobrevive 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 lleva información ajena al vino. El oficio del juez, su sexo, quién se sienta a su lado y el país que figura en la botella mueven la puntuación de forma medible.

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

Y la que no se sostiene: que la nota del experto prediga lo que va a gustar a quien compra la botella. La relación entre calidad experta y agrado del consumidor se ha medido repetidamente y en general no aparece; y cuando se lleva al extremo, los consumidores ni siquiera detectan los defectos que descalifican 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.

• Cata los blancos y los tintos complejos en sesiones distintas. La fiabilidad se confirmó en Sauvignon Blanc y apenas en Pinotage, posiblemente por fatiga de 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 caldo. Tras una cata por triplicado, la consistencia quedó probada en el Sauvignon Blanc y escasamente en el Pinotage, circunstancia que el redactor achaca a la mayor complejidad del tinto o al cansancio del 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.

¿Sirve de algo promediar jueces?

Sí, y desde el primer juez incorporado. La revisión del Juicio de París puso de manifiesto que las evaluaciones habrían ganado calidad al promediar dos o más de las calificaciones.

¿Predice una medalla que el vino me va a gustar?

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. y otros. «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 Miguel Ángel Montesinos Arias

También te puede gustar