Sistemas complejos: ¿cómo analizar y entender estos problemas?

¡Bienvenida/o a una nueva entrada del blog de Atlas Consultora!
En el siguiente artículo veremos cómo abordar este mismo problema pero para el caso de sistemas complejos.

Estamos terminando un ciclo de artículos en los que analizamos diferentes herramientas. Todas ellas tiene un objetivo en común y es ayudar a tomar decisiones que mejoren la competitividad de cualquier organización. Puntualmente en las últimas 3 entradas hablamos de:

1. La teoría de filas de esperas (teoría de colas),
2. Los fundamentos de cada uno de los modelos
3. Cómo mejorar el nivel de servicio de cada modelo.

Para más contenido gratuito sobre tecnologías de gestión para tu empresa no dejes de suscribirte a nuestro Blog !

Herramientas que ya conocemos y sus limitaciones

En notas anteriores estudiamos conceptos asociados al análisis de procesos, y también profundizamos en el estudio de la teoría de colas.

Esas herramientas son excelentes formas de empezar a entender los procesos y nos permitirán diagnosticar los problemas de un sistema productivo y proponer soluciones. Sin embargo, una porción importante de la validez de esos modelos implica asumir que entendemos cómo se comportan los procesos. Lamentablemente para nosotros, fanáticos de los modelos matemáticos, muchas veces la realidad nos indica que eso puede ser, al menos, un grave error de criterio.

¿Querés aplicar mejora continua en tu organización?
Descarga ahora la plantilla A3 PDCA Atlas y aplicá la metodología

Primero, definiremos como sistemas complejos a todos aquellos en los cuales existen procesos y relaciones que afectan su comportamiento en el tiempo. Luego, veremos que estos sistemas son mucho más comunes de lo que parecen.

Veamos un ejemplo sencillo para ejemplificar mejor el caso. Un pequeño comercio de barrio implementa un descuento en productos seleccionados para ganar clientes. Luego, la competencia implementa un descuento aún mayor porque está perdiendo clientes y debe recuperarlos. Después de algunas semanas, ambos comercios se dan cuenta que están perdiendo dinero por tantos descuentos, y que además no han fidelizado ningún cliente nuevo.

Por suerte, existe un marco teórico (y práctico) que permite modelar y analizar este tipo de problemas. Esta disciplina se conoce como el estudio de la “dinámica de sistemas complejos”. El objetivo de esta rama de estudio es diseñar modelos que permitan simular estos problemas y entenderlos, para tomar decisiones informadas. En ese barco nos subiremos hoy, y te invitamos a que nos acompañes.

---

También te podrían interesar los siguientes artículos 📝

---

El problema de resolver problemas

Hemos sido educados bajo un modelo de formación en el cual se debe encontrar la “respuesta correcta” a los problemas. Estas respuestas se asocian, en general, al camino más rápido y/o el más fácil para resolver la situación. A este tipo de enfoque se lo conoce como “pensamiento orientado a eventos”, y para entenderlo un poco mejor te invito a analizar este diagrama:

Algunos de los principales problemas con esta forma de resolver problemas son:

• Aislamiento: el problema se interpreta y se estudia sin tener en cuenta su entorno.
• Pensamiento lineal: los efectos de las decisiones se analizan en una sola dirección. El problema es que no se tiene en cuenta la retroalimentación del sistema ni las consecuencias no previstas.
• Soluciones miopes: en la mayoría de los casos, este tipo de enfoques nos lleva a soluciones “simples, pragmáticas y orientadas a la acción”. Todo eso es muy bueno, pero la realidad indica que suelen ser soluciones de corto plazo, porque no se consideran efectos de/sobre el entorno.

El problema de las consecuencias no previstas

Veamos algunos ejemplos de la realidad donde el pensamiento orientado a eventos llevó a tomar decisiones con resultados inesperados:

El caso de los cigarrillos ilegales en Brasil

El caso de los bugs en la desarrolladora de software

Otro caso es el de una empresa desarrolladora de software, donde la aparición de bugs (errores de código) era un problema recurrente. Se decidió entonces empezar a pagar un bonus a los empleados por cada bug reportado.

La iniciativa comenzó funcionando muy bien: aumentó la cantidad de errores reportados en las etapas de prueba y disminuyó la cantidad reportada por usuarios. Sin embargo, rápidamente se detectó un esquema de creación deliberada de bugs por parte de un grupo de colaboradores para estafar a la compañía.

El pensamiento circular como modelo para analizar sistemas complejos

El punto a recalcar es que, al intentar resolver un problema, debemos evitar la facilidad de utilizar razonamientos lineales y soluciones “simples”. Además, jamás debemos perder de vista los potenciales efectos no previstos que pueden provenir de otros elementos de los sistemas complejos.

Para poder entender mejor estos problemas y tener mejores chances de tomar una buena, debemos cambiar nuestro enfoque y empezar utilizar el “pensamiento circular”:

A primera vista, lo más fácil que se puede decir de este nuevo modelo es que es, mucho más complejo que el del pensamiento lineal. Intentemos ahora hacer un análisis un poco más profundo de lo que nos está mostrando ese diagrama.

Los sistemas complejos se retroalimentan

Como su nombre lo indica, el modelo de pensamiento circular forma bucles de retroalimentación. Cada acción genera un impacto sobre los demás elementos que, a su vez, impactarán sobre las próximas decisiones. Esta característica hace que el comportamiento del sistema a lo largo del tiempo pueda cambiar en función del entorno y las acciones de los otros actores.

Los sistemas complejos no son determinísticos

Debemos reconocer que hay eventos para los cuales no sabemos cómo responderá el sistema. Peor aún, existen eventos sobre los cuales ni siquiera sospechamos, y mucho menos entendemos cómo ni cuánto afectarán al sistema.

Nuestras acciones impactan sobre otros actores

Las decisiones/acciones que tomemos impactarán sobre otras entidades de nuestra cadena de suministros (proveedores, competencia, clientes). Además, debemos considerar el impacto sobre actores que no están relacionados directamente a nosotros, como vecinos, otras empresas, el gobierno, etc.

El proceso de modelado para sistemas complejos

A esta altura podrás imaginarte que la complejidad en este tipo de modelos podría hacerse infinita, impidiendo llegar a cualquier tipo de conclusión. Si estabas pensando en eso, estás en lo correcto.

A partir de aquí, nuestra tarea será contarte un poco acerca de las herramientas que podés utilizar para evitar caer en esos agujeros negros. El objetivo es que el pensamiento circular se convierta en un concepto que te ayude a generar soluciones, y no más dolores de cabeza.

Para ello, deberemos crear un modelo que reproduzca lo que sucede en la realidad, con la cantidad necesaria de detalle que nos permita estudiar nuestro problema particular. A estos modelos creados los llamaremos simulaciones.

Sin embargo, antes de llegar al punto de diseñar una simulación, deberemos generar un modelo adecuado, y para ello es fundamental seguir estos pasos:

Paso 1. Definir el problema

Lo primero que debemos hacer parece obvio, pero en la mayoría de los casos es una de las etapas más difíciles del estudio. Por eso, para poder comprender a fondo el problema tenemos que contestar una serie de preguntas. ¿Cuál es el problema? ¿Por qué es un problema? ¿Cuáles son las variables principales? ¿En qué horizonte de tiempo lo debería analizar?

Paso 2. Formular una hipótesis de la dinámica

Ahora que ya entendimos exactamente qué es lo que debemos solucionar, debemos empezar a analizar. Para comenzar será necesario tener al menos una idea que nos sirva como punto de partida para el estudio. Es decir: tenemos que definir las variables clave y armar un mapa que explique sus relaciones. Analizaremos este punto en detalle en nuestra próxima nota, donde hablaremos de bucles de comportamiento y diagramas de flujo y stock.

Paso 3. Formular el modelo de simulación

Ya contamos con un modelo causal que defina claramente las relaciones entre variables y las reglas a aplicar. Con esta información, podremos avanzar con el planteo de modelos matemáticos que expliquen las relaciones entre variables, y de esa forma empezar a diseñar el modelo de simulación.

Paso 4. Probar el modelo de simulación

Esta es la prueba de fuego. Lo primero que debemos hacer es asegurarnos que nuestro modelo reproduzca los comportamientos ya observados del sistema. Lo segundo que debemos tener en cuenta es que los resultados deben ser robustos y consistentes ante diferentes situaciones. Por último, debemos analizar la sensibilidad del modelo ante cambios en las condiciones iniciales y en los parámetros del sistema.

Paso 5. Diseñar y evaluar las decisiones

Cuando comprobemos que el modelo refleja de forma adecuada la realidad, podremos analizar qué pasaría ante diferentes escenarios. Esto significa poner a prueba nuestras posibles decisiones y ver cómo cambia el comportamiento del sistema a lo largo del tiempo. A partir de esos podremos desarrollar nuestra intuición y mejorar nuestro entendimiento del sistema. El último paso será tomar una decisión informada, y mantenernos atentos para ver cómo nos sorprende la realidad.

Resumen y consideraciones

Comenzamos esta nota hablando acerca de las limitaciones que presentan las herramientas clásicas para análisis de procesos. Esto nos llevó a presentar el concepto de los sistemas complejos, y a pensar acerca de cómo se deben estudiar estos problemas. En ese punto introdujimos el concepto del pensamiento circular, como una herramienta clave para empezar a analizar el comportamiento de los sistemas. Por último, presentamos los pasos para simular la realidad y analizar los efectos de cambios en el sistema.

En nuestra próxima nota profundizaremos en algunas de las herramientas fundamentales para modelar cualquier tipo de sistema complejo.

---