Introducción
El origen de la palabra complejidad como gran parte del léxico científico occidental proviene de la palabra griega plektós que significa “retorcido”. La palabra evolucionó con el tiempo y en latín es Complexus que significa trenzado conjunto. De manera popular complejo es “algo difícil de entender”. (Flod - Carso 1993).
Según el Instituto Santa Fe, -que es el centro de investigación referente al estudio de la complejidad a nivel mundial- la complejidad se refiere a la condición del universo el cual esta integrado y es demasiado rico y variado para ser comprendido por mecanismos lineales simples. Podemos entender muchas partes del universo en múltiples formas pero los más intrincados fenómenos solo pueden ser comprendidos por principios y patrones pero no al detalle. La complejidad tiene que ver con la naturaleza de la emergencia, la innovación, el aprendizaje, y la adaptación. (Grupo Santafe 1996).
La teoría de la complejidad epistemológicamente debe ser entendida como un cuerpo teórico conjunto, con explicaciones tanto causales como funcionales, aunque en ocasiones (como en el caso de las redes celulares en la genética) resuIten ser paradójicas.
Debido a que los sistemas complejos tienen una naturaleza imprevisible, es difícil definir la complejidad en términos usuales.
Para los fines de esta investigación entenderemos complejidad como:
El estudio de los principios y las pautas que explican el comportamiento de un fenómeno natural o social desde la perspectiva de la totalidad
Uno de los aspectos más estimulantes del estudio de la complejidad es que no es un bloque teórico unídisciplinar sino que abreva de distintos campos del conocimiento.
Según (Mason 2001) es incorrecto hablar de la teoría de la complejidad porque en realidad son varios cuerpos de conocimiento de los que se nutre como son. La metrología, la física, la química y las matemáticas. Es más adecuado hablar de teorías de la complejidad. Aunque esto es cierto también lo es que los paradigmas dominantes hacen confuso usar la denominación sugerida por Mason por Io cual y consciente de causa hablaremos a Io largo de este artículo de la teoría de la complejidad en singular.
Entre las ciencias que estudian la complejidad podemos mencionar las siguientes:
La inteligencia artificial, la ciencia cognitiva, la ecología, la evolución, la teoría de juegos, la lingüística, Las ciencias sociales, la vida artificial, la informática, la economía la genética, la inmunología, la física, la química, la filosofía, la historia y por supuesto la administración. (Battram 2006).
La importancia del estudio de la teoría de la complejidad radica en que esta se ha ido incubando con los años, podríamos decir, siguiendo (Kaufman 1993) que inicia con la revolución newtoniana donde se busca obsesivamente entender el orden del universo y por lo tanto se desarrollan ciencias como la Física que busca crear modelos simplificados de la realidad. En el siglo XIX con la mecánica estadística, los estudios se centran en la complejidad organizada y en el siglo XX se percibe un renacimiento de la Biología donde aparecen las ciencias de la complejidad organizada para que finalmente en el siglo XXI, se estudien las disciplinas complejas con modelos coevolutivos en los límites del caos.
Si bien estudio de la complejidad no es algo nuevo ya que forma parte de la naturaleza y no depende de la arrogancia del científico ya que los hechos ocurren y no requieren la presencia humana, el avance conocimiento humano sobre la naturaleza y su creciente entendimiento sobre distintas disciplinas y la aparición de las computadoras que permiten hacer simulaciones, si han permitido comprender efectos globales que antes no eran vistos ni comprendidos.
En la ciencia tradicional cuando se es capaz de entender y predecir un fenómeno se asume que se domina una ciencia y el fenómeno se da por entendido y explicado, sin embargo este hecho no puede ser aplicado a los seres vivos, a la meteorología, a los sistemas sociales o a la administración, ya que los sistemas complejos cambian permanentemente y por tanto las leyes que los explican se vuelven obsoletas con el paso de tiempo.
Esta discusión sobre el estudio del orden y la complejidad ha derivado en dos grandes grupos de científicos y filósofos. Unos que creen que el avance del conocimiento, la tecnología humana futuro las grandes leyes que explicaban la vida y la naturaleza. Y por lo tanto el entendimiento del todo. La comprensión los inescrutables caminos que en el pasado se atribuyeron a Dios.
Y otro grupo de científicos que piensa que el hombre nunca podrá entender a cabalidad lo que ocurre ya que los sistemas mutan constantemente y por lo tanto las leyes que lo explican se vuelven obsoletas.
En cualquier caso, un elemento fundamental de la teoría de la complejidad es el uso de los simuladores y de lo que podríamos llamar el método sintético, el cual busca reproducir la realidad mediante la recreación de las condiciones más que mediante el análisis de los hechos que suele usarse en las ciencias clásicas.
Por lo anterior cabe reiterar que un común denominador de los científicos estudiosos de la complejidad en las distintas disciplinas es el uso de modelos y simulación por computadora.
En el estudio de la complejidad se distinguen dos tipos de complejidad: la rudimentaria y la efectiva.
El primer tipo de complejidad, la rudimentaria ha sido asociado a algoritmos (Gell-Mann 1995) Un algoritmo es un proceso lógico de pasos que se siguen para solucionar un problema. Ente más pasos se requieran más complejidad existe en el algoritmo.
El segundo tipo de complejidad, la efectiva, está relacionada con los aspectos no aleatorio de un sistema. Este tipo de complejidad puede caracterizarse como una descripción concisa de regularidades del sistema.
Para entender a cabalidad la diferencia entre esto dos tipos de complejidades (Battam 1995) ejemplifica a un mono que toca alocadamente el tecleado de una computadora y escribe algo, y por otro lado un soneto de Shakespeare. En el primer caso hablamos de una complejidad rudimentaria y en el segundo caso de complejidad efectiva. Para entender el poema se requiere conocer el idioma inglés, su significado y sus metáforas. En el caso del mono hay una complejidad caótica.
En el estudio de la complejidad es también y la ciencia permitirán entender en un importante diferenciar lo que es complicado, lo caótico y lo complejo.
En el caso de lo complicado No es posible entender pautas pero si entenderse las partes y los subsistemas y a partir de ello entender el funcionamiento del sistema en su conjunto.
En lo caótico. Es imposible entender la operación de los sistemas si bien existe un orden oculto (atractor) que permite identificar pautas sin entender los detalles.
En lo complejo los detalles tampoco se pueden entender pero el todo SI es comprensible gracias al estudio de las pautas.
Método
Este trabajo usará el método analítico basado en el análisis documental. Es un ensayo teórico orientado a la difusión de los fundamentos de la teoría de la complejidad y a sus implicaciones en la gestión administrativa.
Para la construcción de estas implicaciones se analizarán los modelos que clasifican la complejidad y varios conceptos imprescindibles para su compresión tales como: La no linealidad, el caos, atractor extraño, la auto organización la co evolución, la emergencia, las redes, la jerarquía, la autopoiesis los sistemas complejos adaptativos posteriormente se analizaran las implicación en la gestión Administrativa.
Modelos para clasificar la complejidad
Son distintos los pensadores que han propuesto distintas formas de clasificar la complejidad (Beer 1967,) (Glouberman & Zimerman, 2002) (Battram, 1998) (Battram 1998) y (Allen 1999, Senge 1992 y Lucas, 2002).
La diferencia básica de los distintos modelos está en su enfoque y las categorías de análisis que proponen. Para (Beer 1967) el propósito de clasificar está en entender la estructura del sistema y sus Interconexiones. Este autor distingue entre sistemas deterministas y estocásticos.
Y a partir de ellos, diferencia, SI son: simples complejos o extremadamente complejos.
Los sistemas deterministas simples normalmente tienen pocos componentes y tienen conductas predecibles, los sistemas deterministas complejos muchos componentes e interconexiones Los sistemas excesivamente complejos tiene el llamado caos determinista. Es decir, sistemas que presenten un orden oculto que solo puede ser percibido con horizontes de tiempo muy grandes.
Un ejemplo de ello (que es objeto de polémicas y controversias), está en los procesos de extinciones de especies
Según (Lewin 1998) a lo largo de la historia de la vida en el tierra que tiene más de 3800 millones de años y luego de más de 3000 años de “ una abrumadora simplicidad biológica’”’ ( p.82) En el periodo cámbrico se genera un espectacular aumento de la diversidad que se ha Visto interrumpida por periódicos colapsos mayores y menores que extinguieron el 99.9% de las especies que una vez habitaron la tierra. Pese a esta insignificancia estadística junto con las demás especies que hoy existen, el último período que dura ya unos 600 millones de años, es el que ha generado los modos de vida actuales.
Según Dave - Sepkoski a partir de estudios en los grandes cráteres y los registros fósiles. Las colisiones de asteroides gigantes con la tierra ocurren cada 26 millones de años. (Lewin 1998 p. 96).
Regresando a la clasificación de Beer 1967, existen también tres tipos de complejidad estocástica: la Simple que es predecible y tiene pocos componentes e interrelaciones. La compleja que es altamente elaborada interconectada es impredecible y la excesivamente compleja que no puede ser descrita al detalle.
Para Glouberman & Zimerman 2002, el fin del estudio de la complejidad es un problema de comprensión de su estructura y sus productos Ellos distinguen tres tipos de complejidad: la simple donde los problemas son de tipo técnico con un alto grado de certidumbre en sus resultados, la complicada que es en realidad una colección de problemas simples con poca interdependencia y pese a el lo hay una alta certidumbre es sus resultados, Y finalmente la compleja que implica a problemas tanto simple como complejos que no son reducibles y cuyos resultados son inciertos.
Para (Battram 1998) el objetivo del modelo es comprender la conducta Distingue cuatro tipos de complejidad: la Estática que puede tener valores mixtos pero que no cambia. El Orden que tiene patrones repetitivos que es posible identificar. La compleja que se encuentra en el límite de l caos y una tase de transición entre el orden y el caos. Y la complejidad caótica que tiene conductas aperiódicas.
Finalmente (Allen 1999, Senge 1992, y Lucas 2002) d icen q ue la finalidad del modelo comprender el sistema atreves de su estructura y conducta. Este autor distingue cuatro tipos de complejidad: La estática que cambia con el paso del tiempo pero que se mantiene en equilibrio y es posible medir con indicadores y estándares, la dinámica que supone espacios de tiempos grandes donde se pueden apreciar cambios cíclicos pero donde no hay micho diversidad, la implícita (Evolving) que tiene sistemas implícitos donde el cambio es permanente pero se abre y cierra y los sistemas auto organizados que son sistemas que co evolucionan con el medio ambiente y deben ser descritos en relación al medio ambiente que los contiene.
Un resumen de los cuatro modelos se presenta en la Tabla no 1.
Autor | Beer 1967 | Glauberman Zimmerman 2002 | Battram 1998 | Allen, 1999 Sense, 1992 Lucas, 2002 | |
---|---|---|---|---|---|
Fin del modelo | Entender la estructura del sistema y sus interconexiones | Entender la estructura y los resultados | Entender la conducta | Entender el sistema los modelos estructurales la conducta | |
Categorías de análisis | Simple Pocos componentes Conducta predecible | Simple Pocos componentes | Simple •Problemas están basados en cuestiones técnicas •Alto grado de certidumbre en resultadas | Estático •Estado inamovible •Valores mixtos | Estático •Estructura mixta e el tiempo •Equilibrio •Eventos en estándares promedio |
Determinada | Estocástico | ||||
Simple •Pocos componentes •Conducta predecible |
Simple Pocos componentes |
Simple •Problemas están basados en cuestiones técnicas •Alto grado de certidumbre en resultados |
Estático •Estado inamovible •Valores mixtos |
Estático •Estructura mixta e el tiempo •Equilibrio Eventos en estándares promedio |
|
Complejo •Componentes interrelaciones complicados |
Complejo •Altamente elaborado e interrelacionado impredecible |
Complicado •Colección de problemas simples con poca interdependencia •Alto grado de certidumbre en resultados |
Orden •Patrones repetibles |
Dinámico •Tiempo considerable •EI cambio es cíclico •No hay micro diversidad |
|
Complejidad •Limite del caos Fase de transición entre orden caos |
Envolvente •Sistemas envolventes •Cambio en si mismo •Cambio abierto cerrado |
||||
Excesivamente complejo •Caos determinista |
Excesivamente compleja •No puede ser descrito o precisado a detalle |
Complejo •Incluye problemas simple complicados •No reducible Resultados inciertos |
Caos •Conducta aperiódica con poca estructura en el espacio |
Auto organizado •Sistemas que evolucionan con el medio ambiente •Debe ser descrito como relacionado con el ambiente |
Fuente: Elaboración propia a partir de Mena H. 2003
Conceptos imprescindibles para entender la Teoría de la complejidad
Existen distintos conceptos que son imprescindibles para entender la teoría de la complejidad. Estos conceptos se han venido incorporando desde distintas disciplinas.
Aunque en otros trabajos se han analizado más de veinte conceptos tales como redes geonómicas, paisaje de aptitud, tensión disipativa, mecanismos de adaptación gradiente de entropía, enredo quántico, caos determinista, autoorganización autopoíesis, perturbación, clausura operativa, acoplamiento, variedad suficiente, multidimensionalidad, bloque de construcción de agentes, procesos de agrupamiento, externalidades de red, leyes de poder y orden, entre otras. (Hernández - Rivas 2008). Existen IO conceptos que en nuestra percepción son los fundamentales para entender la teoría de la complejidad: La no linealidad, el caos, atractor extraño, la auto organización la co evolución, la emergencia, las redes, jerarquía, la autopoiesis y los sistemas complejos adaptativos mismos que se analizarán a continuación.
No linealidad
Una de las bases de la ciencia clásica radica en el principio de linealidad. La segunda Ley de Newton afirma que a toda acción corresponde una acción igual. Este principio no se cumple en los sistemas complejos. Es decir, una acción puede tener consecuencias desproporcionadas. Pequeño cambios generan grandes trasformaciones.
Los sistemas biológicos y sociales están llenos de ejemplos de este tipo. La muerte de un líder opositor, el aumento de precios en el transporte público. La muerte de un estudiante generan transformación que no tiene relación causa-efecto.
En un ensayo sobre la guerra de Irak Goff hace analiza las consecuencias que traería la partición de Irak un caso actual que ejemplifica lo que es la no linealidad.
Caos
Si bien existe el concepto popular que el caos es un desorden o desconcierto, sin pauta La moderna teoría del caos explica los limites entre el orden y el caos, fue desarrollada por matemáticos (Henri Poincare - Charles Sanders) y es una de las grandes aportaciones de la física contemporánea. Permite identificar dentro de las conductas irregulares e impredecibles ciertos patrones de un orden que se oculta. Este orden se ha denominado Atractor extraño. (Ruelle -Takens 1971)
El moderno concepto de caos fue usado por primera vez en 1974 por el bilogo Robert May en su investigación Biological populations with non overlapping generations: Stable points, stable cicles, and chaos(May 1974)
May Aplicó los conceptos matemáticos consolidados en la Física Teórica al campo de la Biología, en 1973 publicó el libro “Stability an Complexity in Model Ecosystems” (Estabilidad y Complejidad en los Modelos de Ecosistemas) en el cual utilizó modelos matemáticos para investigar la estabilidad y complejidad de una comunidad de plantas y otra de animales que obraban recíprocamente.
Contrariamente al conocimiento general que las especies son motivadas a una mayor estabilidad en sistemas complejos, él demostró en dinámicas de población que especies individuales son motivadas a mayores fluctuaciones en abundancia en tales ecosistemas cuando el número de especies aumenta y las interacciones de las especies se agregan aleatoriamente.
Robert May fue el primero en descubrir que las ecuaciones diferenciales de primer orden pueden exhibir un arsenal asombroso de comportamientos dinámicos, extendiéndose de puntos estables a “caóticos . Aunque la teoría del Caos fue descubierta en forma aparte casi al mismo tiempo, Robert May la incluyó en su libro citado y en un artículo publicado en Nature en 1976. La importancia del descubrimiento de May es que él se intereso por lo que ocurría por arriba del punto de acumulación. La mayoría de los biólogos (como los físicos en general) preferían no seguir más allá porque el mapa se comportaba de una manera errática, extraña, no parecía tener sentido. Los matemáticos habían estudiado la duplicación de periodo, y muy recientemente, habían encontrado un resultado sorprendente respecto a las órbitas periódicas, pero las matemáticas teóricas estaban muy disociadas de las ciencias experimentales, y no se le había dado la importancia debida.
May las revisó como biólogo. Encontró que más allá del punto de acumulación existen comportamientos poblacionales no periódicos, pero predecibles. Su objetivo era demostrar que aún modelos matemáticos muy sencillos exhibían comportamientos muy complejos. Y que esta podía ser la llave para el entendimiento de la complejidad en la naturaleza.
En la Gráfica 2 puede verse el
comportamiento global de
El ejemplo del montón de arena suele ejemplificar un sistema caótico. Cuando de alguna manera se añade más arena a un montón de lega el momento que de repente se viene abajo. El sistema entra en caos. El montón de se reorganiza y llega este estado critico sin ninguna intervención externa. Después del caos viene un nuevo orden.
El caos es una pate de la teoría de la complejidad y es en términos sistémicos un subsistema de los fenómenos complejos. La conducta caótica por tanto, es solo un comportamiento posible entre los sistemas dinámicos complejos que permanentemente se debaten entre orden y caos.
Atractor extraño
El concepto de atractores de utilidad para designar aquellos puntos o estados que atraen resto de os puntos cid espacio de fases hacia sí en sistema caótico o, de otra fama, aquéllos puntos o atados atraen a un sistema dinámico hacia sí. Si suficiente tiempo, o sistema dinámico acabara estabilizándose en una determinada o en un determinado punto, del espacio de fases. Al igual hay atractores en los sistemas dinámicos hay puntos o estados que repelen al sistema. Un sistema dinámico puede tener varios atracatores y repulsores que actúan de manera simultánea.
El interés por los atractores dinámicos fue iniciado por Poincaré al observar cómo las órbitas de los sistemas lineales. Poincaré observó que sistemas también presentaban repulsores, o conjunto de estados en los que el equilibrio era inestable y, por ello, no atraían al sistema dinámico hacia sí, al contrario, lo repelían. Poincaré operaba para ello con cortes transversales al flujo de trayectorias del sistema dinámico. Estas secciones, conocidas hoy como secciones de Poincaré. Son tres los tipos básicos de atractores que podemos encontrar en cualquier sistema dinámico Dos de ellos ya fueron descritos por Poincaré: sumideros y ciclos límites. (Navarro 2001). En primer lugar, tenemos los atractores de punto fijo, aquellos atractores que atraen al sistema hacia una situación muy concreta o estado particular. A estos atractores se les llama sumideros. Por ejemplo, un péndulo, siempre tiende a acabar en el punto de máxima energía potencial, parado, sin movimiento. Este punto representa el punto fijo atractor para el sistema péndulo.
El segundo tipo básico de atractor es el denominado ciclo límite. El ciclo límite representa un comportamiento cíclico, periódico. La dinámica relacional entre depredador y presa de un sistema ecológico sigue un atractor de ciclo límite.
Finalmente, están los atractores extraños (Ruelle y Takens, 1971). Un atractor extraño es un atractor no periódico, el cual no se repite jamás). Su órbita nunca se cruza con otra anterior. Se trata de un número infinito de curvas y superficies, encerradas en un espacio finito, y en el que pueden detectarse los movimientos básicos descritos por la Topología de estiramiento, comprensión y conocimiento. Son los atractores más famosos: el de Edward Lorenz sin duda es el más popular y ha recibido la atención del cine e incluso se ha vuelto sinónimo del área del caos y el llamado efecto mariposa. El atractor de Lorenz es resultado de su estudio de simulación sobre el clima meteorológico. a Del astrónomo francés Michel Hénon, el del ingeniero eléctrico japonés Yoshisuke Ikeda y el matemático norteamericano Stephen Smale, (Gleick, 1987).En la 81 Grafica no. 3 son representados gráficamente los 4 atractores mencionados:
Auto organización
El concepto ha evolucionado en el tiempo. El primer autor en referirse a él es el filosofo alemán Kant quién en libro La crítica de la razón pura se refería a la capacidad de las partes de un órgano para producir orden en fas otras partes y recíprocamente estas partes para ser ordenadas por aquellas.
En 1954 (Farey y Clark) (Heylighen 1997) Io definen como aquél que cambia su estructura básica en función de su experiencia y el medio ambiente que lo rodea.
Prigonine al investigar los sistemas termodinámicos alejados del Equilibrio incorporó el concepto de estructura disipativa que es un orden emergente que puede ser cbservado en distintos campos tales como la bilogía, la química y los sistemas sociales.
De acuerdo con Lucas (2002) las características de un sistema auto organizado son las siguientes:
Ausencia del control centralizado
Fluctuaciones (búsqueda a través de opciones)
Equilibrio múltiple (posibilidad de diversos atractores)
Orden global (emergencia de la interacciones locales)
Redundancia (Insensibilidad al daño)
Adaptación (Estabilidad a variaciones externas)
Jerarquías (Múltiples niveles de auto organización)
Dinámica operativa (Evolución en el tiempo)
Rotura simétrica (Pérdida de libertad)
Criticabilidad (Efecto evolutivo y en fases de cambio)
Auto mantenimiento (Reparación y remplazo de partes)
Disipación (Energía usada y exportada)
Complejidad (Parámetros múltiples)
Coevolución
El concepto de co evolución frecuentemente ha sido usado como sinónimo de adaptación sin embargo esto es un error ya que la idea es que en realidad un sistema complejo nunca termina de crecer y evolucionar por lo tanto jamás alcanza el equilibrio.
Según Ricklefs este concepto está asociado a todas las especies del mundo y pone énfasis en las interacciones que pueden ser de dos tipos antagónicas (basadas en la ecuación consumo recursos) o cooperativas (mutualista). (Ricklefs 1990).
En la Figura 1 se muestra un ejemplo clásico del proceso coevolutivo que se da en la polinización de las plantas y la supervivencia de las mariposas. Se estima que por cada tres bocado de alimento genera uno de polinización- (NAPPC 2008).
En la Figura 1 se muestra un ejemplo clásico del proceso coevolutivo que se da en la polinización de las plantas y la supervivencia de las mariposas. Se estima que por cada tres bocado de alimento genera uno de polinización. (NAPPC 2008).
Cada relación entre especies está relacionada y coevoluciona con el ambiente adaptándose selectivamente entre ellas.
En los sistemas coevolutivos los parámetros de medición del éxito están continuamente cambiando en una sucesión interminable de valles y crestas donde la predicción es prácticamente imposible ya que aparecen continuamente condiciones emergentes.
Emergencia
El concepto de emergencia está asociado a la sorpresa, a la multiplicación de consecuencias, a la desproporción y al efecto devastador. Emergencia es Io que pasa en un fenómeno que siendo local y teniendo consecuencia limitadas basadas en la auto organización y los efectos del medio ambiente externo. La retroamplificación en los sistemas emergentes puede sr de dos tipos: negativa (descompensación) y la retroalimentación positiva (amplificación) que conducen a una evolución desproporcionada de circunstancias generando un sistema complejo adaptativo.
Según (Holland 1998) los agentes que en principio estas desunidos coevolucionan se auto organizan y crean patrones emergentes cuyas conductas son imposibles de predecir aun cuando todas las estrategias individuales y los proceso de
Redes
Puesto que el estudio de la complejidad supone la interacción de un número muy grande de elementos un aspecto toral de la teoría descansa en los conceptos de red y jerarquía.
Una red es una agrupación de nodos interconectados entre si por mecanismos que pueden ser físicos o virtuales e incluso cabe especular, asociaciones mentales basadas en la intuición profunda sobre lo cual se conoce poco hasta el momento.
Una red está compuesta por nodos y relaciones entre nodos. Los nodos son los elementos que caracterizan las células básicas y son a la Organización en Red lo que los departamentos a la Organización Funcional. Dichos nodos pueden adoptar distintas formas y tamaños, dependiendo del número de conexiones que existan, y los nodos que participen en la organización.
Estas conexiones pueden ser de 5 tipos:
Burocráticas (órdenes, estándares, políticas, procedimientos)
Económicas (transacciones comerciales o financieras)
Operativas (toma de decisiones comunes, recursos compartidos)
Culturales (valores, normas de conducta, creencias, etc.)
Informativas (acceso a fuentes de información, intercambios, información compartida en receptorías comunes, etc.)
Entre mayor número de nodos tenga una red y mas difícil sea entender cuales son los mecanismos por los cuales dichas redes se conectan y por lo tanto será más compleja la red.
Kaufman ha aportando el nombre de redes boleanas para caracterizar a una red con nodos (N) y (K) conexiones. La parte boleana describe las reglas de intercambio basadas en un proceso lógico.
El estudio de las redes, es un común denominador en distintas disciplinas tales como la física, la química y la genética y más recientemente en las ciencias sociales y en la administración.
En las investigaciones desarrolladas por Kaufman en genes y células llevo a cabo una simulación con 100 genes que pueden controlan entre 2 y diez pares de genes. Al calcular los posibles estados, calculó un millón de trillones de trillones de estados. Sin embargo, al iniciar la simulación descubrió que los genes en lugar de tener un comportamiento caótico tendían una red y establecían un número reducido de estados simples. En lugar de explotar en los mil trillones de trillones, la red estableció lo que Kauffman denomino un "orden" ”gratuito".”
En sus propias palabras (Kaufman 1995).
…"Los organismos Los organismos se adaptan su acoplamiento al entorno con el valor que más les convenga seleccionando la estrategia apropiada. Y si ajustan el acoplamiento en beneficio propio alcanzarán el límite entre el orden y el azar, el régimen de la máxima adecuación media. La hipótesis más atrevida es que los sistemas adaptativos complejos se adaptan y desarrollan en el extremo del caos…. "
Jerarquía
SI bien existe la idea extendida que la redes no tiene jerarquía y el concepto de autoorganización implica la creación de ordenes espontáneos, en las redes la jerarquía si es relevante si bien tiene unos matices que frecuentemente resultan difusos tal como se menciona en el ejemplo 1.
Más que entender el funcionamiento de una red, importa ver sus impactos y resultados Es posible comprender su operación a partir de tres dimensiones, que son: Su cohesión, su potencial combinatorio y su modo de activación.
Cohesión. Está en función del grado de relación afectiva, la heterogeneidad, la multiplicidad y densidad de los nodos que la conforman. En una empresa pública, por ejemplo, los nodos tienen un mayor grado de cohesión que en una organización privada.
Potencial combinatorio. Es la cantidad de conexiones que puede realizar cada uno de los nodos, Io cual está en función del tamaño y diversidad de los nodos El potencial combinatorio está en relación directa con la capacidad de comunicación de los nodos; por ello las tecnologías de información constituyen un elemento diferenciador sobre la calidad y tamaño de la organización en red.
Poder de activación.- Se refiere a la capacidad que tienen los nodos de iniciar interacciones con los miembros de la red.
Aunque las jerarquías resultan difusas existen, en la práctica de su aplicación se distinguen dos modelos básicos:
Los dirigidos, donde uno de los nodos tienen privilegios para el planteamiento de los problemas estratégicos que deben ser resueltos por algún nodo de la red. Es decir, el poder de activación se encuentra concentrado en algún nodo en concreto.
El otro modelo es no dirigido, donde no existe verdaderamente ninguna jerarquía de un nodo sobre otro, y cualquiera tienen la posibilidad de planear los problemas estratégicos y darles solución.
Esta capacidad anárquica tiene un poder de ebullición que pese a su relativo caos, está limitado a la selección de la formación que realizan los otros nodos, de modo que al final se autorregula por la calidad de la información que se aporta. (Rivas 2007)
Según Lipnack . Stamps 1994 las redes han evolucionado de un mundo predominantemente jerárquico hasta uno más adecuado a los nuevos entornos donde las redes pierden su carácter vertical y en el cual las redes y jerarquía evolucionan con las dinámicas del entorno En la Grafica 2 Se muestran estas diferencias y las transformaciones que supone las diferencias entre las relaciones verticales y horizontales.
Autopoíesis
En su trabajo famoso ahora por su originalidad (Maturana y Varela, 1973) especialistas en biología de la cognición fueron las primeras personas en incorporar este concepto.
Estos autores consideran que la autonomía, con respecto al medio se sobreentiende, es un rasgo tan obvio en los sistemas vivos que siempre que observamos un sistema que parece autónomo de su medio tendemos a considerar que es un sistema vivo. Un ejemplo nos ilustrará esta idea. Una roca sufre los avatares de su medio, calentándose cuando sube la temperatura y enfriándose cuando esta desciende. Por el contrario, un ser vivo es capaz de mostrar cierta independencia de este medio, manteniendo una temperatura interna independiente de la temperatura exterior.
Los seres vivos tienen una extrema habilidad para conservarse a sí mismos, para conservar su identidad, a pesar de los cambios continuos en sus entornos, demostrando con ello una alta y continuada capacidad homeostática. Maturana y Varela considerarán dos las características esenciales de todo sistema vivo:
1) la conservación de su identidad, y 2) el mantenimiento o la invarianza de las relaciones internas al sistema vivo). y Que son definitorias del mismo; es decir, el mantenimiento de su organización.
El término autopoiesis derivado del griego y cuya significación más inmediata sería la de auto reproducción. Con la noción de autopoiesis, Maturana y Varela pretenden recoger en una sola característica lo esencial de la organización de los sistemas vivos.
Autopoiesis es un término difícil de definir incluso por los propios Maturana y Varela han sido atacadas de circulares y tautológicas (Scheper yScheper, 1996) (Navarro 2001 p. 107) Para los fines de este trabajo debemos definirlo como la capacidad de los sistemas complejos de cuidar su identidad y mantener su organización interna.
Sistema adaptativo Complejo (SAC)
Es un sistema complejo formado por agentes interactivos, los cuales están descritos en términos de normas, de tal manera que al acumular experiencia los agentes cambian sus normas Como el entorno esta poblado de otros SAC los agentes se adapta a todo los demás generando patrones complejos.
Holland al definir a los SACs distingue entre propiedades y mecanismos. Las propiedades son: la agregación, la no linealidad, los flujos y la diversidad, y los mecanismos de los SACs son: la etiquetación, los modelos internos y los bloques de construcción .(Holland 1998).
Con estas propiedades y mecanismos Holland propone modelos de simulación para entender los sistemas complejos llamados modelos basados en los agentes.
Puesto que el número de agentes puede ser inmenso, y las interacciones de los mismos hacer el sistema aun mas difícil de entender, la única forma de estudiar estos sistemas es mediante una metodología intermedia entre la teoría y el experimento. Esto son los modelos ABSM o simulación y generación de modelos basado en agentes. (Roji 2004).
Los modelos basados en los agentes (ABSM) no son genuinamente experimentos porque no manipulan directamente el universo ni el pero es mediante la simulación como el investigador puede mediante la repetición del programa con pequeñas variaciones estudiar posible patrones o regularidades del sistema de esta forma se busca relaciones causales que puede dar idea de posibles modelos matemáticos.
Un modelo basado en agentes esta formados por tres componentes. 1) un conjunto de detectores que extraen información del entorno. 2) un conjunto de normas del tipo y 3) un conjunto de efectores que representan la capacidad del agente de enfrentarse a su entorno.
Con base en esto la generación de hipótesis incorpora la experiencia pasada y la innovación se centra en la utilización de tres operadores. algoritmos genéticos, mutación y selección natural y combinación. (Roji 2004 p. 112).
La lógica que propone Holland con sus modelos basado en agentes es que una vez conocidos los puntos en común de los SACS , los agentes, y sus interacciones unificándolos en un modelo único es posible entonces entender su comportamiento.
Finalmente y a manera de conclusión en la Tabla no 2 se mencionan las características que tienes los sistemas adaptativos complejos de acuerdo con Holland y Kauffman.
1. Emergencia | 2. Normas de decisión adaptativas |
3. Complejidad | 4. Procesos de retroalimentación positiva(amplificación) y negativa (amortiguación) |
5. No linealidad | 6. Expectativas heterogéneas de los agentes |
7. Auto organización | 8. Las partes no contienen el todo pero cada elemento es en sí otro sistema adaptativo complejo |
9. Relaciones vecinales entre agentes (no necesariamente espaciales) |
Fuente: Elaboración propia a partir de Roji 2004.
Implicaciones de la teoría de la complejidad en la gestión de organizaciones
La gestión como una ciencia nueva ha progresado en el espacio de un poco mas de un siglo de los modelos tayloristas, fayolianos y fordistas diseñados y concebidos para garantizar la eficiencia en sistema cerrados y locales a nuevas pautas de administración que han tenido que incorporar apresuradamente en sus modelos las fuerzas de un entorno que en espacio de poco mas de dos décadas se volvió emergentemente global.
Las organizaciones como sistemas complejos tienen todas las IO características mencionada por Holland y por tanto se observan en las nuevas estrategias la necesidad de adaptarse a ambientes dinámicos buscando impulsar la creatividad mediante la innovación estratégica.
La competencia global y los requerimientos de enfrentar a agentes que tienen competencias insospechadas a escala global ha internacionalizado de golpe la administración. Desde la década de los noventas se impuso primero una fase de técnicas basadas en el ajuste y el redimensionamiento tendente a aligerar las pesadas estructuras verticales de pasado.
A partir de entonces estrategias como la fabricación ágil, la calidad total, los procesos 6 sigma basados en la cooperación de empleados, el diseño de estructuras de organización horizontales, los nuevos esquemas de producción flexible como el just in time, la reingeniería de procesos , el Kan Ban, El MRPII y la filosofía Kaizen o mejora continua son algunos ejemplos de la creación de nuevas conductas adaptativas en las organizaciones contemporáneas.
Sin embargo, haciendo un esfuerzo de síntesis y advirtiendo que la lista es seguramente incompleta hemos identificados 15 implicaciones de la teoría de la complejidad en la gestión moderna de organizaciones:
Nuevos modelos de dirección estratégica
Nuevas formas de organización y nuevas formas de gestión del capital humano
Nuevas formas de control
Nuevos estilos de liderazgo
Nuevas estrategias de competitividad
Nueva formas de gestión de riesgos
Nuevas formas de marketing
Nuevos modelos de cooperación
Nuevos formas de gestión de la información
Nuevas formas de gestión financiera
Nuevas formas de gestión de conflictos y construcción de consensos
Nuevas relaciones empresa comunidad
Nuevas formas de gestión del conocimiento
Nuevas formas de gestión de innovación
Nuevas formas de comunicación organizativa.
Conclusiones
En un bosque teórico y conceptual difícil de asir han sido seleccionados y explicados los diez conceptos básicos para entender la teoría de la complejidad sobre la cual hay controversia hasta en su nombre ya que con certeza diversos especialistas afirman que es un error referirse a ella en singular ya que en realidad abreva de un conjunto de disciplinas que parecen en principio muy alejadas unas de otras por lo cual sería más correcto (aunque confuso) hablan de teorías de la complejidad.
No linealidad, el caos, atractor extraño, la auto organización, la coevolución, la emergencia, las redes, la jerarquía, la autopoiesis y los sistemas complejos adaptativos son los conceptos que han sido definidos e ilustrados. El objetivo ha sido crear el marco conceptual para caracterizar a las organizaciones como un sistema adaptativo complejo y han sido identificadas 15 implicaciones ampliamente documentadas en la literatura sobre el campo. Corresponde a los estudiosos del campo de la administración y la gestión abundar y profundizar en las ampliaciones de la teoría de la complejidad en estos dos campos de las ciencias sociales.