Eleva tus habilidades de liderazgo y negocios

Súmate a más de 52,000 líderes en 90 empresas mejorando habilidades de estrategia, gestión y negocios.


¿La administración sigue siendo una ciencia?

Como se sabe cada gerente, las nuevas tecnologías están transformando productos, mercados, procesos de negocios y industrias completas, revolucionando el entorno empresarial. Sin embargo, cuanto más tecnología se vea como factor de la competencia, más énfasis en los libros gerenciales, las clases de educación ejecutiva y los seminarios de capacitación corporativa están en las artes “suaves” de liderazgo, gestión de cambios y motivación de los empleados. […]
¿La administración sigue siendo una ciencia?

Como todos los directivos saben, las nuevas tecnologías están transformando productos, mercados, procesos empresariales e industrias enteras, revolucionando el entorno empresarial. Sin embargo, cuanto más se cierne la tecnología como factor de competencia, mayor será el énfasis en los libros gerenciales, las clases de educación ejecutiva y los seminarios de formación corporativa en las artes «blandas» del liderazgo, la gestión del cambio y la motivación de los empleados. En otras palabras, cuanto más la ciencia y la tecnología remodelan la esencia misma de los negocios, menos útil parece ser el concepto de gestión en sí mismo como ciencia.

Reflexionando, esta paradoja no es tan sorprendente. El enfoque científico tradicional de la gestión prometía proporcionar a los gerentes la capacidad de analizar, predecir y controlar el comportamiento de las organizaciones complejas que lideraban. Pero el mundo en el que habitan la mayoría de los directivos a menudo parece impredecible, incierto e incluso incontrolable.

No hace mucho, por ejemplo, Compaq Computer era el modelo de todo el mundo de una start-up ágil y dinámica que podía luchar con éxito con el lento gigante IBM. Pero eso fue antes de que llegaran a escena los fabricantes de clones de pedidos por correo como Dell y Northgate. Ahora, la start-up de ayer es el gigante lento de hoy, y Compaq se enfrenta a la dolorosa tarea de recrearse en un entorno competitivo radicalmente cambiado.

Frente a este mundo empresarial más dinámico y volátil, los mecanismos tradicionales de «gestión científica» no solo parecen menos útiles sino positivamente contraproducentes. Y la ciencia misma parece cada vez menos relevante para las preocupaciones prácticas de los directivos.

Sin embargo, el problema puede estar menos en las deficiencias de un enfoque científico de la gestión que en la comprensión de la ciencia por parte de los gerentes. Lo que la mayoría de los directivos consideran gestión científica se basa en una concepción de la ciencia que pocos científicos actuales defenderían. Además, al igual que los gerentes se han preocupado por la volatilidad del entorno empresarial, los científicos también se han preocupado por la volatilidad inherente de la naturaleza y por la dinámica de los sistemas impredecibles e inestables del mundo natural.

En pocas palabras, mientras la ciencia tradicional se centra en el análisis, la predicción y el control, la nueva ciencia hace hincapié en el caos y la complejidad. En la actualidad, los científicos están desarrollando descripciones poderosas de las formas en que los sistemas complejos —desde enjambres de mosquitos hasta programas informáticos y comerciantes de futuros en los mercados de materias primas— afrontan eficazmente la incertidumbre y los rápidos cambios.

Y ahí está la oportunidad de un diálogo fructífero entre el mundo de la gestión y el mundo de la ciencia. Las nuevas reglas de comportamiento complejo que describe la investigación científica de vanguardia tienen paralelismos intrigantes con los comportamientos organizacionales que muchas empresas están tratando de fomentar. La ciencia, considerada desde hace mucho tiempo por las empresas como fuente de innovación tecnológica, puede resultar en última instancia de gran valor para los directivos como fuente de otra cosa: nuevas formas útiles de ver el mundo.

Los textos de amplio alcance que se examinan aquí sugieren las líneas generales de lo que podría convertirse en la nueva gestión científica. Su mensaje: la administración puede ser una ciencia, pero no la ciencia que la mayoría de los gerentes piensan.

La ciencia detrás de la gestión científica

Para comprender las implicaciones de la nueva ciencia para la administración, comience con el libro que acuñó el término «gestión científica». En 1911, el ingeniero industrial de principios de siglo Frederick Winslow Taylor publicó su obra magna, Los principios de la gestión científica, que estableció sus reglas básicas para una organización industrial eficiente. El libro de Taylor es ahora un clásico de la literatura gerencial. Sus ideas han dado forma a las empresas de todo el espectro industrial y han definido la tarea de gestión para generaciones de gerentes.

El libro de Taylor estuvo profundamente influenciado por las preocupaciones de la ciencia, en particular la física, de su época. En el siglo XIX, las leyes del movimiento de Newton se utilizaron por primera vez para analizar las fuerzas ejercidas sobre y por sistemas físicos complejos, lo que permitió a los científicos predecir el comportamiento de esos sistemas. Mientras tanto, los principios de la termodinámica, dilucidados en la segunda mitad del siglo XIX, proporcionaron el ingrediente que faltaba, las interacciones térmicas, necesario para completar la concepción del mundo físico de Newton. En conjunto, estas teorías permitieron a los científicos calcular cómo podían funcionar las máquinas con la máxima eficiencia.

Desde las primeras páginas de su libro, Taylor estaba preocupado por el problema de la eficiencia en lo que respecta a las organizaciones. Cuando se trata de recursos naturales, argumentó, la gente entiende claramente la necesidad de eficiencia porque «podemos ver y sentir el desperdicio de las cosas materiales». Pero «nuestros mayores desperdicios de esfuerzo humano», provocados por los «movimientos torpes, ineficientes o mal dirigidos de los hombres», son «menos visibles, menos tangibles y… pero vagamente apreciados».

Según Taylor, la causa fundamental de este desperdicio de esfuerzo humano fue la gestión no científica. En otras palabras, pensaba que los gerentes se centraban demasiado en el resultado del trabajo y no lo suficiente en los procesos por los que se realizaba el trabajo. En la mayoría de los lugares de trabajo de principios de siglo, los gerentes pagaban a los trabajadores por productos predeterminados, generalmente a través de algún tipo de sistema de «trabajo a pieza», y luego los dejaban en manos de los equipos de trabajo para determinar los métodos reales de trabajo. Taylor menospreció este enfoque, llamándolo el sistema de «iniciativa e incentivo». «Solo dando un incentivo especial o un ‘incentivo’… que el empleador puede esperar, incluso aproximadamente, obtener la ‘iniciativa’ de sus trabajadores».

Resulta irónico leer las críticas de Taylor hoy, cuando se ha puesto tanto énfasis en fomentar la iniciativa de los empleados en el trabajo y en crear sistemas de incentivos que «paguen por el desempeño». Sin embargo, había buenas razones por las que Taylor veía la «iniciativa» y el «incentivo» como parte del problema y no como parte de la solución. Mientras los gerentes de su época dependieran de los grupos de trabajo para decidir cómo se realizaba el trabajo, no tenían forma de influir directamente en la eficiencia de la organización. De hecho, la gestión tradicional era un sistema intrínsecamente inestable, que obligaba a los administradores a depender de la coerción o a abdicar por completo de su autoridad. Por ejemplo, una forma común en que los gerentes intentaban aumentar la productividad era aumentando regularmente las tasas por pieza una vez que la mayoría de los trabajadores las alcanzaban. Pero esto solo indujo a los trabajadores a participar en «soldados», es decir, a limitar su producción intencionalmente para no socavar las tasas establecidas.

La solución de Taylor fue «la sustitución de una ciencia por el juicio individual del obrero». Los administradores debían separar la planificación del trabajo de su ejecución real y reservarse para sí mismos la elección de los métodos mediante los cuales se realizaba una tarea concreta. Al analizar todos los pasos de un proceso de trabajo y crear procedimientos estandarizados para cada paso, los gerentes pueden identificar el «mejor método» para realizar una tarea que garantice la máxima eficiencia. «La mejor administración es una verdadera ciencia», escribió Taylor, «basándose en leyes, reglas y principios claramente definidos como base». Y esas leyes constituían un sistema comprensible, predecible y controlable. «En el pasado el hombre ha sido el primero; en el futuro el sistema debe ser el primero».

En efecto, Taylor instó al gerente individual a pensar en sí mismo como un científico que solo entiende las leyes fundamentales del sistema que está estudiando. Para Taylor, el trabajador desempeñó un papel pasivo, casi como si fuera parte del aparato del experimento. Una y otra vez en su libro, Taylor repitió este «principio general»: No importa cuál sea el trabajo o cuán aparentemente simple sea la tarea, «la ciencia que subyace al acto de cada obrero es tan grande y equivale a tanto que el obrero que es más adecuado para hacer el trabajo es incapaz (ya sea por falta de educación o capacidad mental insuficiente) para comprender la ciencia». Solo el gerente, armado con una predisposición científica a «buscar leyes o reglas generales», puede entender la verdadera ciencia del trabajo.

Pero esto no quiere decir que Taylor haya ignorado el tema de la motivación de los empleados o la dimensión psicológica del trabajo. Por el contrario, una parte importante de Principios de la gestión científica se refiere a «el estudio preciso de los motivos que influyen en los hombres». Es decir, para que la gestión científica tenga éxito en los términos de Taylor, los gerentes deben hacer algo más que analizar y reorganizar el trabajo. Necesitan llevar a cabo «una revolución completa en la actitud mental» del trabajador.

Sin embargo, incluso aquí Taylor reflejó los supuestos científicos de su tiempo, en particular la creencia de que «los motivos que influyen en los hombres» pueden reducirse mediante análisis y control científicos de la misma manera que las actividades físicas de palar hierro o cortar metal. Al hablar de la motivación de los empleados, Taylor señaló: «Al principio, puede parecer que se trata de una cuestión de observación y juicio individuales y que no es un tema adecuado para experimentos científicos exactos». Pero si bien las leyes psicológicas son más complicadas y están sujetas a excepciones, «debido a que se está experimentando con un organismo muy complejo —el ser humano—», Taylor sostuvo que «leyes de este tipo, que se aplican a una gran mayoría de hombres, existen sin duda y cuando están claramente definidas son de gran valor como guía en el trato con los hombres».

Después de un lenguaje tan elevado, algunas de las sugerencias reales de Taylor son evidentes por sí mismas. Por ejemplo, insistió en que las mejoras de productividad basadas en la gestión científica se compartan con los trabajadores con salarios más altos; de lo contrario, no cooperarán en la reorganización del trabajo. Otras sugerencias suyas son burdas y simplistas, como este gran consejo: Nunca trate con los trabajadores como grupo, solo trate con un individuo a la vez. «Cuando los hombres trabajan en pandillas, su eficiencia individual cae casi invariablemente hasta o por debajo del nivel del peor hombre de la pandilla». La solución de Taylor era asignar a los trabajadores tareas individuales que debían realizar en el mayor aislamiento posible.

Pero sea lo que sea que uno piense de sus sugerencias específicas, todas comparten la consideración científica del siglo XIX por el reduccionismo: descomponer las cosas en partes aisladas para controlarlas mejor. De hecho, todas las técnicas de gestión científica —el departamento de planificación, el estudio del tiempo y el movimiento, la estandarización de métodos y herramientas, etc.— son muchos medios para lograr este fin. Pero Taylor instó a sus lectores a no confundir las técnicas con los principios científicos básicos. «Es solo a través cumplida estandarización de los métodos, cumplida adopción de los mejores implementos y condiciones de trabajo, y cumplida cooperación que este trabajo más rápido puede estar asegurado. Y el deber de hacer cumplir la adopción de normas y hacer cumplir esta cooperación recae en el gestión solo».

Los principios de Frederick Taylor inauguraron una revolución en la gestión y en la organización del trabajo. En las décadas posteriores a la publicación de su libro, las ideas de Taylor contribuyeron a aumentos masivos en la productividad y el nivel de vida. Sin embargo, la experiencia de los últimos 20 años ha enseñado a los directivos que, en un nuevo entorno empresarial, esos principios «científicos» son una receta para el desastre. En mercados que cambian rápidamente, la fragmentación del trabajo, la separación de la planificación de la ejecución y el aislamiento de los trabajadores entre sí crean organizaciones rígidas que no pueden adaptarse rápidamente a los cambios. Como resultado, los gerentes deben replantearse los elementos fundamentales del sistema de Taylor: organización del trabajo, motivación de los empleados y tarea de gestión.

La mayoría de las nuevas ideas gerenciales, como los equipos interdisciplinarios, los grupos de trabajo autogestionados y la organización en red, son respuestas directas o indirectas a las deficiencias del modelo original de Taylor. Sin embargo, a pesar de toda la proliferación de técnicas específicas, los principios fundamentales de un nuevo paradigma gerencial distan mucho de estar claros.

En esta encrucijada actual, los recientes avances científicos pueden resultar útiles. Incluso cuando Taylor estaba codificando su propio sistema organizativo, los científicos empezaban a comprender las deficiencias de los modelos científicos del siglo XIX en los que se basaba ese sistema. Una década después de la publicación del libro de Taylor, los nuevos desarrollos en física —la teoría de la relatividad y la mecánica cuántica de Einstein— sugieren que en los extremos del espacio y el tiempo, desde el universo en su totalidad hasta las partículas subatómicas, las leyes de la física newtoniana se derrumbaron. Y más recientemente, los científicos han extendido ese mensaje de incertidumbre e imprevisibilidad al mundo cotidiano.

Cómo afrontar el caos y la complejidad

La física del siglo XIX, basada en las leyes del movimiento de Newton, planteaba una correspondencia nítida entre causa y efecto. Los científicos confiaban en que podrían reducir incluso los comportamientos más complejos a las interacciones de unas cuantas leyes simples y luego calcular el comportamiento exacto de cualquier sistema físico en el futuro. Esta convicción moldeó profundamente el análisis de Taylor de las organizaciones y de ese «organismo muy complejo», el ser humano en el trabajo. Pero durante las últimas décadas, cada vez más científicos han llegado a la conclusión de que esta y muchas otras suposiciones tradicionales de la ciencia sobre el funcionamiento de la naturaleza son fundamentalmente erróneas. Lejos de ser tan predecible como el reloj, la naturaleza parece tan aleatoria como tirar los dados.

«Teoría del caos» es el término general para este nuevo modelo de cómo funcionan las cosas, y probablemente la mejor introducción sea el libro más vendido Caos del escritor científico James Gleick. Según Gleick, el principal catalizador de la teoría del caos fue la investigación del científico meteorológico del MIT Edward Lorenz. A principios de la década de 1960, Lorenz desarrolló un programa informático que simulaba un sistema meteorológico. Al conectar los números que representan el estado inicial de los vientos y las temperaturas, el programa de Lorenz trazó el patrón meteorológico subsiguiente a medida que evolucionaba con el tiempo. Lorenz, como la mayoría de los científicos, asumió que los pequeños cambios en las condiciones iniciales que introdujeron en el ordenador darían lugar a pequeños cambios en la evolución de todo el sistema. Para su sorpresa, descubrió que incluso el más minúsculo de los cambios causaba alteraciones drásticas en el patrón meteorológico. En efecto, una ligera brisa en Idaho o un descenso de un grado en la temperatura en Massachusetts podrían terminar convirtiendo el clima cálido en Florida en un huracán un mes después.

El efecto desafió tanto la intuición como lo que los meteorólogos habían entendido previamente sobre su ciencia. Intrigados por el rompecabezas de Lorenz, científicos de una amplia variedad de campos comenzaron a experimentar con simulaciones de otros sistemas físicos, solo para descubrir el fenómeno idéntico. Un cambio infinitesimal en las condiciones iniciales podría tener un efecto profundo en la evolución de todo el sistema. Tomemos el ejemplo simple del goteo de agua de un grifo. Acelere ligeramente la velocidad del flujo, y el patrón por el que caen las caídas cambia radicalmente. Repite el experimento de nuevo y el patrón será completamente diferente. Además, el patrón de formación de goteo cambia de una manera que nadie puede modelar. Ni siquiera la supercomputadora más potente puede predecir cuándo caerá el próximo goteo.

Lo que es cierto para el clima y un grifo que gotea ha demostrado ser igualmente cierto para la gran mayoría de los sistemas físicos. Un ligero cambio de temperatura provoca turbulencias repentinas en un recipiente con agua. Una pequeña acumulación de carga desencadena un rayo. Un pequeño cambio en la tasa de fecundidad duplica la población de una comunidad de polillas gitanas.

Esta percepción básica, que los cambios mínimos pueden llevar a desviaciones radicales en el comportamiento de un sistema natural, ha inaugurado un cambio igualmente radical en la forma en que los científicos ven el mundo. En pocas palabras, el énfasis del siglo XIX en la previsibilidad y el control ha dado paso a una apreciación de finales del siglo XX por el poder de la aleatoriedad y el azar. A todos los efectos prácticos, el comportamiento incluso de los sistemas físicos relativamente simples es fundamentalmente impredecible.

Pero esto no quiere decir que los sistemas caóticos no tengan patrones. Si bien la idea de que la naturaleza es fundamentalmente aleatoria es contradictoria, la segunda visión básica de la teoría del caos lo es aún más: que los patrones se esconden bajo el comportamiento aparentemente aleatorio de estos sistemas. De hecho, los sistemas no terminan en cualquier parte; ciertos caminos aparentemente tienen más sentido —o al menos ocurren con mucha más frecuencia— y los teóricos del caos llaman a esos caminos «atractores extraños». Por lo tanto, aunque los meteorólogos no pueden decir con certeza cuál será el clima en un día en particular en el futuro, pueden estimar la probabilidad del tipo de clima que probablemente ocurra. En otras palabras, extraños atractores permiten a los científicos determinar dentro de parámetros estadísticos amplios qué es probable que haga un sistema, pero nunca exactamente cuándo es probable que un sistema lo haga. La precisión de causa y efecto de la física tradicional ha sido sustituida por la estimación estadística de probabilidades.

Además, el camino los científicos identifican los patrones predecibles en un sistema que se ha vuelto de cabeza. En lugar de intentar descomponer un sistema en sus partes componentes y analizar los comportamientos de esas partes de forma independiente (la tradición reduccionista que tanto influyó en Taylor), muchos científicos han tenido que aprender un enfoque más holístico. Se centran cada vez más en la dinámica del sistema en general. En lugar de intentar explicar cómo se diseña el orden en las partes de un sistema, ahora hacen hincapié en cómo el orden surge de la interacción de esas partes en su conjunto.

La búsqueda por comprender y hacer uso del orden que surge de los sistemas caóticos es objeto de Complejidad, el próximo libro de M. Mitchell Waldrop. Waldrop, corresponsal colaborador de Ciencia , describe algunas investigaciones recientes del Instituto Santa Fe, un grupo de reflexión de Nuevo México especializado en el análisis de sistemas «autoorganizados». El instituto ha reunido a un grupo ecléctico de científicos que se centran en las formas en que las acciones simples de los componentes independientes pueden combinarse para producir comportamientos extremadamente complejos, incluso en ausencia de inteligencia o control centrales. Los químicos de Santa Fe, por ejemplo, están examinando cómo se organizan las moléculas en proteínas que se reproducen por sí mismas. Los biólogos están determinando cómo las células se organizan en el sistema inmunitario. Y los economistas están considerando cómo las acciones limitadas de los compradores y vendedores individuales forman mercados, industrias y economías complejos.

En el proceso, los investigadores de la Santa Fe han desarrollado algunas reglas básicas para lo que Waldrop llama «sistemas adaptativos complejos». Estos sistemas, afirma Waldrop, se encuentran entre los más exitosos de la naturaleza. Algunos ejemplos incluyen la ecología de las selvas tropicales, las colonias de hormigas e incluso el cerebro humano.

Estos sistemas tienen varias características en común. En primer lugar, son «autogestionados», es decir, consisten en una red de «agentes» que actúan de forma independiente unos de otros y sin orientación de ningún control central. Por ejemplo, cada una de las aproximadamente 100 mil millones de neuronas del cerebro es una especie de computadora química en miniatura que sigue su propio patrón de comportamiento independiente. Saca una neurona del cerebro y aún puede funcionar. No existe una «neurona maestra» ni un área central del cerebro que controle lo que hace cada neurona.

Sin embargo, estos agentes son capaces de participar en un comportamiento cooperativo. Pueden formar grupos o «comunidades» que cooperan para producir comportamientos de orden superior que ningún agente podría lograr por sí solo. En el cerebro, cada neurona está conectada a millones de otras. Algunas comunidades de neuronas, agrupadas en áreas específicas del cerebro, se especializan en funciones como el lenguaje o el reconocimiento visual. Son precisamente las interacciones entre las neuronas las que producen la inteligencia humana. Por ejemplo, la diferencia estructural entre las neuronas individuales del calamar y las neuronas humanas es relativamente pequeña. Sin embargo, un cerebro humano no solo contiene muchas más neuronas que el de un calamar, sino que también la organización de sus neuronas es mucho más compleja y entrelazada.

Un tipo particular de retroalimentación hace posible la autogestión. En cierto sentido, los sistemas autoorganizados son sistemas de aprendizaje pero de un tipo específico. Capaces de «aprender» a través de la retroalimentación del entorno externo, también «integran» ese aprendizaje en su estructura real. Por ejemplo, cuanto más se involucre un conjunto de neuronas en algún trabajo mental, como reconocer un rostro o resolver un problema matemático, más fuerte será la conexión química real entre las neuronas (y más fácil será para el cerebro establecer la conexión la próxima vez). De hecho, el cerebro humano está reconfigurando para siempre las conexiones entre las neuronas en respuesta a estímulos externos e internos. De esta manera, los sistemas autoorganizados se reorganizan constantemente a medida que los efectos de acciones previas o cambios en las condiciones externas se propagan por todo el sistema. La información está integrada en la estructura. A medida que cambian las condiciones externas, la estructura del sistema cambia automáticamente.

Por último, la autogestión y el aprendizaje a través de la retroalimentación permiten que estos sistemas funcionen mediante una «especialización flexible». Los sistemas de autoorganización suelen contener una serie de nichos de comportamiento especializados ocupados por agentes o grupos de agentes específicos. Sin embargo, los nichos antiguos desaparecen constantemente y se crean otros nuevos a medida que cambia el entorno externo. Por lo tanto, los agentes no están permanentemente atados a comportamientos antes útiles que desde entonces han quedado obsoletos, lo que ayuda al sistema en su conjunto a adaptarse a los cambios. Waldrop señala que los sistemas de autoorganización tienden a cambiar tan rápida y completamente que deja de tener sentido hablar de agentes o grupos de agentes que «optimizan» (término que recuerda al enfoque de la eficiencia del siglo XIX) su comportamiento. Más bien, estos sistemas se caracterizan por lo que Waldrop llama «novedad perpetua».

En general, los complejos sistemas adaptativos que se encuentran en la naturaleza contienen agentes individuales que se conectan para crear comportamientos autogestionados pero altamente organizados; responden a los comentarios del entorno y ajustan su comportamiento en consecuencia; aprenden de la experiencia e integran ese aprendizaje en la estructura misma del sistema; y aproveche las ventajas de la especialización sin quedarse atascado en la rigidez. Si estas características les suenan familiares, es porque coinciden tan estrechamente con el nuevo tipo de organización que muchos gerentes están luchando por crear para hacer frente a un entorno empresarial más incierto y, a menudo, caótico.

Según Waldrop, pocos investigadores de complejidad han aplicado los conceptos de su campo emergente a los problemas organizacionales específicos a los que se enfrentan los gestores. Pero un área de investigación del Instituto Santa Fe da un paso en esa dirección. Los economistas del instituto están creando simulaciones informáticas de transacciones económicas de la misma manera que Lorenz simuló los sistemas meteorológicos hace unos 30 años. Su objetivo es modelar comportamientos complejos del mercado construyéndolos a partir de la interacción de un conjunto limitado de componentes básicos simples. «En lugar de ver la economía como una especie de máquina newtoniana», escribe Waldrop, «la verían como algo orgánico, adaptable, sorprendente y vivo».

Simular el comportamiento económico no es fácil. Aunque los programadores solo necesitan modelar los comportamientos simples de los agentes individuales y dejar que la autoorganización haga el resto, no siempre está claro qué comportamientos simples darán lugar a una simulación que refleje con precisión la realidad. Hasta el momento, los investigadores de Santa Fe no han creado una versión informática convincente de toda una economía. Sin embargo, han desarrollado simulaciones que representan aspectos limitados de la actividad económica, y algunas de estas simulaciones han producido comportamientos bastante realistas.

Un programa, por ejemplo, simula el mercado de valores. Se compone de agentes que deciden cuándo comprar o vender acciones. Al igual que en los mercados de valores reales, las acciones de los «traders» informatizados determinan el precio de las acciones. Al principio, los operadores tomaron decisiones aleatoriamente; pero pronto llegaron a comprar y vender acciones exactamente como la teoría económica clásica dice que deberían hacerlo, de acuerdo con el valor fundamental de las acciones establecido por su tasa de descuento y dividendo. Más adelante en la simulación, los agentes «descubrieron» que, al estudiar la historia del rendimiento de los precios de una acción, podían ganar dinero pujando una acción por encima y por debajo de su valor real. El resultado: el sistema informático aprendió a simular el mismo tipo de burbujas y caídas que se producen en los mercados reales. Al igual que la teoría del caos ha revelado las deficiencias de los modelos matemáticos del mundo de los físicos tradicionales, estas simulaciones han señalado las deficiencias de los elegantes modelos matemáticos de los economistas neoclásicos.

Para los investigadores de Santa Fe, la simulación bursátil es solo un comienzo. Creen que si pueden simular con precisión toda una economía, el sistema informático podría utilizarse, en palabras de un científico citado por Waldrop, como un «simulador de vuelo» para la toma de decisiones económicas. Un programa de este tipo podría estimar la probabilidad de ciclos de auge y caída, simular el efecto de varias políticas gubernamentales o indicar qué cambios en el comportamiento de los consumidores o las empresas podrían conducir a economías más vitales. Mientras tanto, un destacado investigador de Santa Fe ha fundado Prediction Company, una empresa de comercio de materias primas que tomará decisiones de inversión con la ayuda de un simulador de trading computarizado.

Hacia una nueva ciencia gerencial

Es posible que los teóricos del caos y los científicos de la complejidad no estén estudiando las organizaciones empresariales, pero su perspectiva ya ha dado forma a la literatura gerencial reciente. Por ejemplo, considere uno de los libros de gestión más populares de los últimos años, La quinta disciplina del investigador del MIT Peter Senge.

Si la principal preocupación de Taylor era la ineficiencia y el despilfarro, entonces la de Senge es el caos y la complejidad, y la pérdida de propósito que con frecuencia se produce a su paso. La mayoría de las personas, argumenta Senge, se sienten perdidas en las organizaciones de las que forman parte. Los gerentes están abrumados por demasiada información, demasiados cambios rápidos y demasiadas demandas contradictorias. «Cuando se les pregunta qué hacen para ganarse la vida», escribe Senge, «la mayoría de las personas describen las tareas que realizan todos los días, no el propósito de la gran empresa en la que participan. La mayoría se ve dentro de un «sistema» sobre el que tienen poca o ninguna influencia. «Hacen su trabajo», dedican su tiempo e intentan hacer frente a las fuerzas que están fuera de su control».

Según Senge, esta incapacidad sistemática para hacer frente a la complejidad es el resultado directo de los enfoques científicos tradicionales de la gestión. De sus frases iniciales, La quinta disciplina es un ataque al reduccionismo en el centro del sistema de Taylor y de toda la ciencia del siglo XIX. «Desde muy temprana edad», señala Senge, «se nos enseña a romper los problemas, a fragmentar el mundo. Esto aparentemente hace que las tareas y los temas complejos sean más manejables, pero pagamos un precio enorme y oculto. Ya no podemos ver las consecuencias de nuestras acciones; perdemos nuestro sentido intrínseco de conexión con un todo más amplio».

En cierto sentido, los gerentes están en una posición bastante similar a la de los científicos naturales anteriores al caos. Ellos pensar comprenden las relaciones entre causa y efecto en sus organizaciones. Pero, de hecho, los vínculos entre las acciones y los resultados son infinitamente más complicados de lo que la mayoría de los directivos sospechan. Senge llama a esto el «dilema básico del aprendizaje» en las organizaciones actuales: «Aprendemos mejor de la experiencia, pero nunca experimentamos directamente las consecuencias de muchas de nuestras decisiones más importantes».

Como resultado, los gerentes son prisioneros de los mismos sistemas que se supone que deben administrar. No entienden ni la dinámica subyacente de estos sistemas ni cómo influir en esas dinámicas para alcanzar los objetivos de la organización. De hecho, la idea del gestor como un planificador científico omnisciente es fundamentalmente equivocada. Según Senge, «la percepción de que alguien «allí arriba» tiene el control se basa en una ilusión: la ilusión de que cualquiera podría dominar la complejidad dinámica y detallada de una organización desde arriba».

La alternativa es dejar de ver a una organización como una máquina, el error de Taylor, y empezar a verla como una especie de organismo vivo. Esto requiere un enfoque holístico que refleje el enfoque de la teoría del caos en el comportamiento general de un sistema. «Los sistemas vivos tienen integridad», escribe Senge. «Su carácter depende del conjunto. Lo mismo ocurre con las organizaciones; para comprender los problemas de gestión más desafiantes es necesario ver todo el sistema que genera los problemas».

«Pensamiento sistémico» es la quinta disciplina del título de Senge. Tal como lo describe, el pensamiento sistémico es la capacidad de comprender las interrelaciones clave que influyen en el comportamiento de los sistemas complejos a lo largo del tiempo, y debería dar a los gerentes la capacidad de «ver todos».

Consideremos la historia de Senge de una start-up de alta tecnología de la década de 1960, un caso basado en varias instancias reales. Después de unos años de crecimiento abrasador, la compañía a la que llama WonderTech experimentó una caída repentina en las ventas. Desesperados por mantener el crecimiento, los altos directivos contrataron a más vendedores e impulsaron agresivamente el marketing. Estas acciones aumentaron las ventas según lo previsto, pero solo durante un tiempo. WonderTech entró en un período de volátiles oscilaciones entre alta y baja demanda que finalmente lo obligaron a declararse en bancarrota.

En este estudio de caso, Senge rastrea el origen del fracaso de WonderTech en el desconocimiento de la gerencia de algunos procesos básicos de retroalimentación. En pocas palabras, la alta demanda aumentó la presión sobre la capacidad de producción de la empresa. Una capacidad inadecuada implicaba grandes atrasos en los pedidos y largos retrasos en la entrega. Los clientes se enojaron e insatisfechos, lo que provocó que las ventas cayeran.

Mientras Senge cuenta la historia, los altos directivos lo hizo entender que a medida que crecían las ventas, la empresa necesitaba invertir en capacidad. Pero a medida que aumentaban sus inversiones fijas en manufactura, también aumentaban su necesidad de mantener las ventas y su tendencia a impulsar las ventas y el marketing para obtener más pedidos. Debido a que las dos partes del sistema organizacional, las ventas y la fabricación, nunca estuvieron en equilibrio, el círculo vicioso de alto crecimiento, falta de capacidad, retraso en la entrega e insatisfacción de los clientes se repetía una y otra vez, empeorando continuamente.

Senge señala que hay un número limitado de procesos de retroalimentación de este tipo en funcionamiento en cualquier organización, lo que él llama «arquetipos de sistemas». En cierto sentido, son los equivalentes organizativos de extraños atractores de la teoría del caos: los patrones básicos de comportamiento que ocurren en todas las organizaciones una y otra vez.

La historia de WonderTech ilustra varios de estos arquetipos. El término de Senge para uno de ellos es «límites al crecimiento», la idea de que cualquier proceso de crecimiento produce las condiciones para su propio colapso. Cuanto más se centraba WonderTech en las ventas, más creaba un problema de capacidad que retrasaba las ventas. Senge llama a otro «cambiar la carga»: la idea de que una solución a corto plazo a un problema puede empeorar las cosas al socavar la capacidad de una organización para implementar una solución más fundamental a largo plazo. Los gerentes de WonderTech estaban tan preocupados por aumentar las ventas que nunca pudieron centrarse en la solución real de su problema: ampliar la capacidad de producción para controlar el tiempo de entrega.

Para Senge, es precisamente la calidad sistémica y automática de estos procesos lo que explica la sensación de «fuera de control» que experimentan tantos gerentes. Ignorando los arquetipos de sistemas, terminan viendo siempre solo la parte, nunca el todo. En las organizaciones contemporáneas, argumenta, es trabajo de los directivos —y, de hecho, de todos— comprender los procesos sistémicos que impulsan el comportamiento humano y cambiarlos: «El arte del pensamiento sistémico consiste en ver a través de la complejidad las estructuras subyacentes que generan el cambio».

Cuando los directivos entienden la dinámica de estos arquetipos y son capaces de establecer conexiones profundas entre los sistemas y el comportamiento, están en condiciones de lograr un cambio real. Y así como la teoría del caos enseña que los cambios pequeños pueden tener grandes efectos en los sistemas físicos, un concepto crucial en la teoría de sistemas es el «apalancamiento»: la idea de que «acciones pequeñas y bien enfocadas a veces pueden producir mejoras significativas y duraderas». En el caso de WonderTech, un simple compromiso con la entrega rápida —una estrategia que los expertos en gestión de estrategias han consagrado desde entonces en la rúbrica «competir a tiempo» — habría contribuido más a resolver los problemas de la empresa que todos los vendedores del mundo.

Si los gerentes dominan el pensamiento sistémico y las demás disciplinas que describe Senge, el resultado es «la organización del aprendizaje». Como lo describe Senge, esta organización de aprendizaje tiene características notablemente similares a los complejos sistemas adaptativos que los científicos están descubriendo en la naturaleza. Es un sistema altamente descentralizado en el que cualquier número de procesos de toma de decisiones a nivel local mantienen el orden en todo momento y se ajustan constantemente al cambio.

En efecto, las disciplinas de Senge pretenden replicar en las organizaciones humanas el control orgánico que se encuentra en la naturaleza. Una de las discusiones más interesantes de su libro se refiere a las herramientas que algunas organizaciones están creando para ayudar a los gerentes a desarrollar las habilidades que necesitan para que el control orgánico funcione. Tomemos el ejemplo de los micromundos, que son simulaciones informáticas de situaciones empresariales complejas basadas en los principios del pensamiento sistémico. Con los micromundos, los gerentes pueden experimentar con sus organizaciones para revelar la dinámica en gran medida oculta de sistemas complejos, de la misma manera que los científicos utilizan simulaciones del clima o del agua que gotea de un grifo para aprender cómo funcionan los sistemas físicos.

En la Sloan School del MIT, por ejemplo, los estudiantes de primer año de negocios utilizan un micromundo que simula el ascenso y la caída de la aerolínea People Express. Con él, exploran las fuerzas interrelacionadas que, durante un período de seis años, hicieron que People Express pasara de ser una de las tasas de crecimiento más rápidas en la historia de la industria aérea a una repentina crisis financiera y eventual compra por parte de un competidor. En Hanover Insurance Company, los gerentes se forman en un «laboratorio de aprendizaje de siniestros» con micromundos que simulan los procesos mediante los cuales los ajustadores liquidan siniestros en el sector de los seguros. Al permitir a los usuarios probar enfoques alternativos para resolver problemas empresariales, estos sistemas ayudan a los administradores a profundizar su comprensión de los sistemas de los que forman parte. Los micromundos también permiten a los gerentes reconocer aquellos atractores extraños que pueden ser la base del comportamiento en todas las organizaciones y, por lo tanto, identificar estrategias de cambio de alto apalancamiento.

Como sugiere el lenguaje de los «experimentos» y los «laboratorios», el nuevo gerente de Senge es tan científico como el de Taylor, pero, por supuesto, un científico de un tipo muy diferente. Como dice Senge, los directores científicos de hoy deben ser investigadores que estudien sus propias organizaciones. Y deben ser diseñadores que crean los procesos de aprendizaje que hacen posible la autoorganización, los procesos esenciales para un desempeño efectivo en un mundo caracterizado por la novedad y el cambio perpetuos.


Escrito por
David H. Freedman




Eleva tus habilidades de liderazgo y negocios

Súmate a más de 52,000 líderes en 90 empresas mejorando habilidades de estrategia, gestión y negocios.