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.
| 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 que el mismo vino se sirvió tres veces al mismo 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.
1. 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, 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 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 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 resulta la más sencilla de pasar por alto y también de enmendar. 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 | Diferencias significativas entre el primero y el segundo puesto en el 33 % de los casos | La imposibilidad de que dicho 33 % corresponda a falsos positivos |
| Bodington (2022) | Revisión enfocada en las fuentes de error | Tanto los sesgos como el ruido logran sobrevivir a la cata ciega | El peso específico de cada factor analizado por separado |
| Cicchetti (2017) | Evaluación a ciegas por triplicado utilizando dos variedades | La consistencia queda demostrada en blancos, aunque es escasa en tintos | Si la disparidad obedece a la complejidad propia o a la fatiga |
| Ashton (2011) | Nuevo análisis sobre el célebre Juicio de París de 1976 | Bastaría con promediar dos jueces para optimizar la valoración | La aplicabilidad de esta conclusión a cualquier otro panel |
| Livat y su equipo (2024) | 5.395 caldos, 18.224 puntuaciones, un único certamen | Se aprecian incidencias del oficio, el género y la conformación del grupo | Distinguir un sesgo de un criterio que sea legítimamente distinto |
| Dubois y su equipo (2026) | 125 voluntarios, tres categorías diferentes de vino | Los consumidores pasan por alto aquellos defectos que provocan la descalificación | Que este comportamiento se repita ante cualquier tipo de fallo |
2. 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 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.
3. Lo que impulsa la calificación más allá 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
Nicolas Depetris Chauvin, Dominique Valentin y su equipo evaluaron otro factor distinto 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 |
4. 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 análisis de los datos del Juicio de París, la cata a ciegas de vinos californianos y franceses de 1976 que cambió el mundo del vino.
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: exploró cuántos de los jueces de París convenía incluir en la media y cuáles debían ser.
La implicación práctica es directa y barata: un concurso que publique la nota media de varios jueces da una señal más fiable que uno que publique la nota de un crítico, aunque ese crítico sea muy bueno.
El autor recalca asimismo un efecto colateral poco evidente: el resultado contribuye a comprender la disparidad en la relación entre calidad y precio que muestran diversos análisis de precios hedónicos. Al incluirse imprecisiones en el indicador de calidad, el vínculo con el costo se debilita, lo cual explica buena parte de las contradicciones halladas en la investigación.
5. 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.
Tras analizar la información confidencial de un importante certamen vinícola, se establecieron tres grupos: caldos con presea dorada, bebidas sin galardón y botellas eliminadas del evento a causa de importantes fallos sensoriales. Durante una degustación a ciegas, los jueces analizaron muestras de cada una de estas clasificaciones.
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 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 |
6. Qué queda en pie del juicio experto
Puesto todo junto, hay cuatro afirmaciones que la evidencia sostiene y una que no.
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 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 |
Cómo proceder 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 %.
¿Puntúan igual si les sirves el mismo vino dos veces?
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.
¿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.
¿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
• No se sabe qué parte del 33 % es real. El propio autor advierte, con una simulación de Monte Carlo, de que buena parte de esas diferencias podría deberse a errores 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 desconoce el alcance de la ceguera del consumidor ante los defectos. El experimento cubre defectos sensoriales graves en un concurso concreto, sin distinguir qué tipos de defecto pasan desapercibidos 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.
