Los problemas de estimación puntual que surgen en la inferencia predictiva bayesiana se ocupan de cantidades aleatorias que dependen tanto de variables observables como no observables. La intuición sugiere dividir dichos problemas en dos fases, la primera basada en la estimación del parámetro aleatorio del modelo, la segunda en la estimación de la cantidad original a partir del elemento distinguido del modelo estadístico obtenido mediante la sustitución del parámetro estimado en lugar del parámetro aleatorio. Este artículo discute ambas fases dentro de un marco teórico de toma de decisiones. Como resultado principal, se propone una función de pérdida no estándar en el espacio de parámetros, dada en términos de una distancia de Wasserstein, para llevar a cabo la primera fase. Por último, se discute la eficiencia asintótica de todo el procedimiento.