OPORTUNIDADES DE NEGOCIO EN REDES COMPLEJAS
Parece que nadie dudaría de la corrección de la frase “el mundo es más complejo e impredecible”. Pero, ¿qué significa exactamente? ¿Y cómo afecta esto a los negocios? Desde hace unos años, las empresas deben enfrentarse a un mercado con muchos más agentes, distribuidos en un entorno global, y que interaccionan. Tomar decisiones en este contexto, con muchas más variables interaccionando, es ciertamente más difícil. Entender la lógica (en qué consisten) y la dinámica (cómo funcionan) de las redes complejas no solo será de gran ayuda para la gestión, sino que será imprescindible.
Ante todo, hay que distinguir los términos “complicado” y “complejo”. Un sistema complicado es aquel que tiene un gran número de componentes, pero que como conjunto funciona de una manera predecible. Un ejemplo sería la red eléctrica: sabemos cómo interaccionan sus múltiples partes, y así podemos controlarlo y el resultado es predecible. En cambio, un sistema complejo está formado por componentes que, aunque siguen un cierto patrón en su estructura, interaccionan de una forma cambiante.
En un sistema complejo, no sabemos cuál será el resultado partiendo de unas ciertas condiciones iniciales: el resultado concreto depende de las interacciones que ocurran entre los componentes. La mayor o menor complejidad de un sistema depende, principalmente, de tres variables: multiplicidad (cuántos elementos están potencialmente relacionados entre sí), interdependencia (cuán conectados están los unos con los otros) y diversidad (grado de heterogeneidad de los componentes).
Así, la principal diferencia entre un sistema complicado y un sistema complejo es que en el primero podemos habitualmente predecir lo que pasará si conocemos las condiciones iniciales. En un sistema complejo, unas mismas condiciones iniciales pueden derivar en distintos resultados, dependiendo de la interacción que se haya producido entre sus componentes.
En términos más técnicos, definiríamos las redes complejas como aquellas con topologías (conexión entre sus partes) y dinámicas (interacción entre sus partes) no triviales. Suelen aparecer en muchos de los sistemas del mundo real. Así, el mundo real es matemáticamente complejo (construido de sistemas complejos). Y, para estudiarlo, se precisa, por lo tanto, y cada vez más, de una ciencia de redes complejas. Que sepa detectar las interacciones de decenas de variables, capturadas a través de herramientas de big data, y analizarlas mediante instrumentos de visualización inteligente de información.
Esta ciencia de redes ha nacido del análisis de la ingente cantidad de datos que hoy tenemos sobre redes informáticas y redes sociales (ambas, sobre Internet). Es este estudio empírico sobre redes reales el que ha demostrado que las redes del mundo real se comportan de manera muy distinta de los supuestos habituales de la teoría de redes convencional. En esta, se supone que la distribución de conexiones entre nodos sigue la conocida distribución normal, la campana de Bell, alrededor de un promedio. Sin embargo, la investigación de las redes digitales ha demostrado que la mayoría de sus nodos tiene un número de conexiones muy bajas, y unos pocos nodos tienen una altísima conectividad (los hubs de la red). Así, la distribución de conexiones sigue lo que se conoce como una ley de potencia (power law). Este comportamiento se evidencia en la medida de redes reales de todo tipo, desde la informática hasta la biología.
En los últimos años, y debido a hechos como la globalización, la irrupción de la innovación tecnológica o la sofisticación de los entornos competitivos (nuevos entrantes, competencia de sectores aparentemente lejanos, empoderización de trabajadores y clientes, etc.), muchos negocios han pasado de ser complicados a devenir complejos. Y bien puede ser esta la norma en los próximos años. En consecuencia, no solo la gestión, sino también el liderazgo, de las empresas requerirán de nuevos conocimientos que bien podrían derivar de la ciencia de redes complejas.
Las empresas deberán verse como sistemas complejos adaptativos, es decir, como sistemas compuestos de agentes heterogéneos que toman sus decisiones de forma independiente (o así lo creen), que evolucionan en el tiempo y que interaccionan de diferentes formas. Como resultado de su interacción, ocurren cosas que no podrían predecirse de la mera suma de sus partes. Es decir, del conjunto de interacciones “emerge” un fenómeno no predecible de forma convencional. Para gestionarlos, los directivos y empresarios deberán aprender mucho de los científicos que hoy estudian los sistemas complejos.
Entre otras cosas, deberán aprender que en los sistemas complejos no hay una relación clara entre causa y efecto: que hay cosas que pasan sin que podamos entender por qué, sin una causa aparente. Y que algunas causas no tienen por qué tener un efecto. De las interacciones entre los componentes de un sistema emergen comportamientos que no tienen causas claras. Aprender a no empecinarse a tratar la emergencia de fenómenos en sistemas complejos con las herramientas convencionales de gestión será, probablemente, uno de los principales retos de la gestión en la próxima década.
Las empresas, los mercados, las infraestructuras, las ciudades, la Internet de las cosas, el medio ambiente, la geoestrategia mundial, etc., deberán ser tratados con los conocimientos e instrumentos de la ciencia de redes complejas. Se deberá avanzar hacia ideas como la del “metabolismo” de los sistemas complejos, y nos acostumbraremos a tratar con fenómenos impactantes pero impredecibles como el efecto mariposa. Y definir una estrategia a partir de principios simples, fáciles de entender y aplicar, más que de reglas y procedimientos que no pueden adaptarse a las situaciones impredecibles.
El liderazgo de sistemas complejos exigirá una familiarización con los modelos (y las matemáticas) de las redes complejas, y una gestión de talento altamente diversificado (cognitive diversity): se precisará de equipos de personas con mentes muy diferentes, que vean las cosas de forma muy diversa y que sepan construir visiones colectivas multipolares (ensuring diversity of thought). Se reducirá el interés por realizar predicciones (previsiones) acertadas, ante la imposibilidad de hacerlo, y se actuará más en tiempo real, de acuerdo con los datos que fluyan en cada momento. Y se responderá a ellos menos con proyectos complicados a largo plazo y más con prototipos ágiles que puedan ser probados rápidamente (y a bajo coste) en el mercado real, y mejorados a través de procesos de iteración permanente (lo que propone el esquema lean start-up).
