Lab IA²-3 · El compañero crítico (DAG)
Sesión S05 · LLM como segunda opinión en marco causal
Contexto
Cinelli, Forney & Pearl (2024) (Cinelli et al., 2024) catalogan 18 estructuras DAG y demuestran que controlar la variable equivocada puede invertir el signo del efecto estimado. Pearl & Mackenzie (Pearl & Mackenzie, 2018) argumentan que los DAGs son lengua franca de la teoría causal moderna.
Este lab te entrena a usar la IA como compañero crítico que propone alternativas a tu DAG — alternativas que tú decides aceptar, rechazar o modificar.
Objetivos
- Subir tu DAG (de H2) a Claude/GPT.
- Pedir 3 contrafactuales/objeciones razonables.
- Para cada uno: aceptar, rechazar o modificar con justificación citada.
- Documentar decisión humana sobre el adjustment set final.
Procedimiento
Paso 1 — Tu DAG inicial (10 min)
Asegúrate de tener tu DAG dibujado en dagitty.net o ggdag (R). Exporta como imagen o código.
Paso 2 — Prompt de crítica (15 min)
Sube el DAG a Claude/GPT con este prompt:
Tengo este DAG para investigar [pregunta]:
[pega el DAG en código DAGitty o describe nodos y aristas]
Variables:
- Treatment: [...]
- Outcome: [...]
- Confounders observables: [...]
- Mediadores hipotetizados: [...]
Crítica este DAG considerando Cinelli, Forney & Pearl (2024):
1. ¿Hay confounders no observables que estoy omitiendo?
2. ¿Algún control que tengo es un collider o mediador no deseado?
3. ¿El adjustment set propuesto bloquea todos los backdoors?
4. ¿Hay riesgo de M-bias o butterfly bias?
Genera 3 alternativas/contrafactuales razonables al DAG actual,
cada uno con su justificación teórica.Paso 3 — Análisis crítico humano (20 min)
Para CADA uno de los 3 contrafactuales propuestos por la IA, evalúa:
| Contrafactual | Justificación IA | ¿Aceptar/Rechazar/Modificar? | Razón citada |
|---|---|---|---|
| 1 | […] | Aceptar | Coherente con Pearl 2018 cap. 4 |
| 2 | […] | Rechazar | Introduce post-treatment bias |
| 3 | […] | Modificar | Elimino mediador, añado control |
Paso 4 — Verificación y decisión (15 min)
- Valida con
dagitty: sube tu DAG (modificado o no) a dagitty.net y computa adjustment sets. - Compara: ¿el adjustment set de dagitty coincide con tu intuición + IA?
- Documenta decisión final en
04-labs/03-companero-critico-dag/decision.md.
Audit log obligatorio
Llena el audit-template.md.
Regla de aprobación
✅ Lab aprobado si: - DAG inicial documentado. - 3 contrafactuales propuestos por IA registrados. - Cada contrafactual con decisión humana razonada (aceptar/rechazar/modificar) y justificación citada. - Adjustment set final validado con dagitty. - Audit log completo.
Conexión con H2
El producto de este lab es el componente DAG de H2. La calidad de tu DAG final depende de qué tan bien filtraste las propuestas de la IA.
Recursos
- (Cinelli et al., 2024) — Good and Bad Controls (lectura núcleo)
- (Pearl & Mackenzie, 2018) — The Book of Why
- (Hernán & Robins, 2020) — Causal Inference: What If (online libre)
- dagitty.net — herramienta para DAGs y adjustment sets