Problemas complejos: Pensamiento lineal-determinista
La trampa de pensar de manera lineal y determinista en sistemas complejos
Índice
Introducción
Sistema lineal y determinista
Sistema complejo
Aplicando el pensamiento lineal a sistemas complejos
Error: Mientras más te esfuerces, más mejoras
Error: Mismas acciones, mismos resultados
Error: Turnos
Error: Pensar que podemos cambiar el sistema
¿De dónde sale la no-linealidad?
Interconexiones e interdependencias
Estructuras y comportamientos emergentes
Atractores y cambios de fase
El tiempo hace el sistema menos predecible
Resumen y conclusiones
Introducción
Gracias a la experiencia, un gurú de Internet, un filósofo estoico o alguna otra vía, es muy posible que ya sepas que en muchos aspectos de la vida, las progresiones no son lineales. Es decir, no progresamos lo mismo cada día.
Hay días que progresas mucho, otros en los que casi no progresas e, incluso, días en los que retrocedes. Esto pasa cuando haces una dieta, entrenas, aprendes un nuevo idioma o creas tu propio negocio.
Ser conscientes de esta realidad es una gran ayuda para evitar frustraciones y mantener la motivación, pero podemos ir un paso más allá: Entender por qué pasa esto.
Casi al principio de esta serie de artículos sobre la complejidad expliqué este concepto de «no-linealidad» y luego fui describiendo diferentes aspectos de estos sistemas que ayudan a explicar cómo surge.
En este artículo quiero hablar de por qué aplicar un pensamiento «lineal» y «determinista» cuando nos enfrentamos a sistemas o problemas complejos, suele ser una mala idea.
También explicaré algunos de los errores más comunes que solemos cometer en este sentido. Por ejemplo, pensar que debemos progresar siempre de la misma forma, que nuestros resultados tienen una relación directa con el esfuerzo o que podemos cambiar un sistema complejo de una manera específica.
Sistema lineal y determinista
Antes de nada, me gustaría definir de forma rápida y simple estos términos que vamos a usar:
Lineal: en este contexto se refiere a la proporcionalidad. Algo es lineal cuando sus respuestas son proporcionales a lo que responde.
Determinista: algo es determinista cuando sigue unas reglas fijas y, conociendo las condiciones iniciales, podemos predecir el resultado.
Algunos ejemplos muy simples, pero comunes de fenómenos lineales, serían estos:
Si pisamos más el acelerador, el coche va más deprisa.
Si aumenta 3 grados el calor, el termómetro marcará 3 grados más de temperatura.
Si el kilo de tomates vale 1 €, 20 kilos valen 20 €.
Como podrás observar, normalmente, un sistema lineal es determinista, ya que si sabes el precio de un kilo de tomates, puedes predecir cuanto costarán 20 kilos.
Ahora veamos un ejemplo muy simple de sistema determinista. Imagina una caja con dos tubos. Uno de entrada y otro de salida. Si metes una bola, por un lado, sale por el otro.
Vamos a complicarlo un poco más. Cada vez que metes una bola azul, sale roja. O, cada vez que metes una, salen dos pequeñas. O, si metes una bola azul, sale roja, pero si metes una roja, sale una azul.
Cualquiera de esos sistemas sería determinista, ya que para una misma entrada, siempre tienes una misma respuesta, o salida, del sistema. El sistema es predecible.
Si te fijas, da igual que conozcamos, o no, qué es lo que ocurre dentro de la caja (aunque se pueda intuir). Si sabes el comportamiento general del sistema, puedes predecir qué ocurrirá.
Un ejemplo de esto podría ser un coche. Sabemos perfectamente lo que ocurre cuando pisamos el pedal del freno o del acelerador. Y sabemos que siempre funciona de la misma forma, no cambia su comportamiento.
La mayoría de las herramientas y elementos con los que interactuamos cada día son así.
Tanto es así que nuestro cerebro tiende a buscar ese tipo de patrones de «causa-efecto» directo en todo lo que vemos y hacemos. Es algo que, en general, es muy útil y nos ahorra tiempo y esfuerzo.
Pero no todo lo que ocurre en nuestro mundo es así…
Sistema complejo
Ahora imagina la misma caja, pero su comportamiento es el siguiente:
Si metes una bola, a veces sale una bola, pero a veces salen 2 o 3.
A veces la bola cambia de color y a veces no.
No parece que siga ninguna secuencia o patrón determinado.
Eso sería un sistema no lineal y no determinista. Un sistema en el que no puedes predecir la salida a partir de la entrada.
Los sistemas complejos pertenecen a esta categoría.
No es que no existan unas reglas internas, o que sean tan complicadas que no las entendamos, es que el sistema se adapta, aprende, evoluciona y genera estructuras internas y comportamientos emergentes que hacen imposible conocer qué es lo siguiente que hará el sistema.
Incluso, aunque conociéramos las reglas internas, no podríamos. El continuo cambio en el que se encuentra el sistema hace que una predicción para el estado actual, pueda ser errónea para el siguiente estado.
Y este es el principal problema con el pensamiento lineal. Bueno, mejor dicho, con aplicar el pensamiento lineal a los sistemas complejos.
Aplicando el pensamiento lineal a sistemas complejos
Como comentaba antes, tenemos la tendencia de ver el mundo de forma lineal y determinista, como un conjunto de causas y efectos:
Si piso el acelerador, el coche va más deprisa.
Si llueve, el suelo se moja.
Si me doy un golpe, me duele.
Y para muchos casos, esto es así. Pero el mundo en el que vivimos es cada vez más complejo (cada vez más diverso, interconectado e interdependiente), así que nos encontramos con muchas situaciones en las que esa lógica no aplica.
Por ejemplo, cualquier problema relacionado con el ser humano (salud física, mental o emocional) es un problema complejo. Cualquier problema relacionado con interacciones entre personas (comunicación, relaciones, etc.) o grupos de personas (organizaciones, empresas, gobiernos, etc.) será complejo.
Los habrá más o menos complejos, pero todos ellos serán no lineales. Así que si aplicamos la lógica de «si hago esto, tendré (siempre) este resultado», nos llevaremos muchas sorpresas.
Error: Mientras más te esfuerces, más mejoras
Por ejemplo, tendemos a pensar que mientras más te esfuerces en algo, mejores resultados obtendrás. Lo que funcionará hasta cierto punto, pero veremos muchos casos en los que no funciona y puntos en los que esforzarse no ayuda nada.
No es una relación lineal en la que la cantidad de esfuerzo determina la cantidad de los resultados.
Y las razones para ello están en lo que he ido explicando en los artículos anteriores, pero no te preocupes que un poco más adelante haré un resumen de esos puntos.
De todas formas, si miramos más en profundidad, observamos más casos y seguimos nuestra intuición, veremos razones para ello. Algo que me gusta de los sistemas complejos es que son bastante intuitivos cuando «desaprendes» algunas cosas.
Hagamos más concreto el ejemplo del esfuerzo. Imagínate que una persona participa en las Olimpiadas. Todas las personas con las que compite se esforzarán al 100 % (más si pudieran), pero solo una puede ganar el oro. Así que sus resultados no dependen únicamente de su esfuerzo o preparación, sino de la de sus competidores, de su genética (y de sus competidores), de su forma de entrenar, de la suerte, de su tolerancia al estrés de la competición y de muchos otros factores.
Cualquier persona, sea atleta olímpico o no, si entrena en algo, mejora. Sin embargo, hay un límite. Llega un momento en que más entrenamiento no solo deja de ser beneficioso, sino que puede ser contraproducente.
Y para hacerlo más «no lineal», ese punto en el que ya es demasiado, no siempre es el mismo. Dependerá de su experiencia entrenando, cuánto haya descansado, su alimentación, su estrés emocional y un largo etcétera.
Error: Mismas acciones, mismos resultados
El problema anterior tenía que ver con que el progreso no es lineal, lo que nos puede llevar a sorpresas, frustraciones y gastar demasiada energía, o recursos, en la dirección equivocada.
En este apartado quiero hablar de otro problema: las expectativas y la «aparente» aleatoriedad.
En un sistema lineal, sabemos de antemano qué resultado podemos esperar para una determinada acción. Esto nos permite planificar y tener una cierta paz mental.
Pero cuando vemos resultados diferentes para las mismas acciones, nos estresamos y pensamos que algo va mal.
¡Quizás el sistema está roto!
Un ejemplo de esto puede ser la crianza. Muchos padres y madres que tienen más de un hijo se llevan la sorpresa de que, aun criándolos de la misma forma, no responden de la misma forma a esa misma crianza.
Si no tienes hijos, pero has tenido varias mascotas, es posible que hayas experimentado lo mismo. A pesar de que hay ciertas cosas que parecen funcionar, el resultado nunca es el mismo.
Como decía mi padre: «Tantos perros que hay en el mundo y cada uno tiene su propia personalidad»
Está bien esperar que un coche, una calculadora, el Excel o la ley de la gravedad funcione siempre de la misma forma y que ante una misma entrada, obtengamos siempre la misma salida. Pero nos ahorraremos muchos dolores de cabeza si evitamos pensar de esa manera cuando tratamos con personas, animales, entidades, ecosistemas o cualquier tipo de sistema complejo.
Para mí, la clave en estos casos es recordar que estos sistemas están en continuo cambio y que muchos de los mecanismos que producen dichos cambios son internos y no puedo conocerlos. Una vez acepto esto, me preocupo por el corto plazo y por tratar de comprobar el estado del sistema constantemente.
Por ejemplo, cuando entrenaba a alguien con dolor crónico, en vez de ponerle un plan cerrado de entrenamiento a medio-largo plazo y esperar ciertas mejoras, me marcaba una dirección hacia la que ir. Con esta dirección en mente, ajustaba cada sesión al estado y progreso de la persona, en lugar de aferrarme a las expectativas iniciales.
Error: Turnos
Cuando pensamos en intervenciones que hacer en un sistema (un tratamiento, una dieta, un ejercicio, una inversión, una compra, un cambio de política en una empresa, etc.) tendemos a pensar en «turnos». Como lo haríamos en una partida de ajedrez.
Esto es otro problema derivado del pensamiento lineal:
Hago X, ocurre Y.
Entonces hago Z y ocurre A.
Pero los sistemas complejos están en continuo cambio, realicemos alguna acción o no.
A diferencia de otro tipo de sistemas en los que puede existir un equilibrio estático, en donde no ocurre nada hasta que alguien «mueve ficha», los sistemas complejos se estabilizan de forma dinámica. Es decir, pueden llegar a mostrar comportamientos estables a base de producir continuos cambios internos.
Eso es lo que hace, por ejemplo, nuestro cuerpo para mantener unos niveles de pH, temperatura corporal y otros muchos parámetros dentro de un rango saludable. El organismo está continuamente haciendo pequeños cambios internos para mantener ese equilibrio dinámico.
En cambio, solemos ver el cuerpo humano, una organización o un ecosistema como algo estático, en un determinado estado y al que podemos hacer una intervención para cambiarlo.
Tenemos que entender dos cosas:
Cada componente del sistema está realizando sus propias acciones. Cuando estas acciones se combinan con las nuestras, los resultados no son los mismos que si nuestra intervención fuera aislada.
El sistema sigue evolucionando antes, durante y después de nuestra intervención. Por lo tanto, cualquier plan que ejecutemos estará basado en datos que ya son antiguos.
Digamos que, para que nuestras intervenciones funcionaran como esperamos, el sistema debería permanecer estático y esperando hasta que realizáramos nuestra intervención. Esto no ocurre en el mundo real.
Debemos alejarnos de la mentalidad de «turnos». Aquí todos los componentes interactúan a la vez y de forma constante. El sistema se retroalimenta y adapta a lo que ocurre dentro y fuera del mismo.
Vamos a verlo con algún ejemplo. Imagina que decido montar una empresa tecnológica. Tengo una gran idea para un público muy concreto. Antes de empezar decido hacer un plan de un año para salir al mercado. El plan consiste en un estudio profundo del mercado, la posible competencia, estrategia de marketing, el diseño y desarrollo del producto final.
En principio, parece un buen plan. El problema es que el mercado tecnológico es muy complejo y dinámico. En un año, esa necesidad que identificaste puede no existir, o puede haber cambiado de una forma que no contemplaba tu estudio, puedes tener tres nuevos competidores con los que antes no contabas (y que tienen estudios y planes como el tuyo), etc.
Pensar que crear una empresa y sacar un producto es algo que puedes hacer como si el estado del mercado fuera algo estático, es un error. Tienes que asumir que va a cambiar constantemente y que tu capacidad de predicción es mucho menor de la que crees.
En cualquier momento puede surgir un gran evento (una nueva tecnología, una gran empresa que entra en ese mercado, un conflicto internacional…) y lo que antes era una buena idea, puede dejar de serlo. O al contrario.
Otro ejemplo podría ser el de muchos tratamientos médicos específicos, basados en el modelo reduccionista del que he hablado en artículos anteriores.
Por ejemplo, considera el caso de mandar un antiinflamatorio para un tendón. Si solo haces eso, sin tener en cuenta factores como el movimiento de la persona, el estado de las articulaciones cercanas o la condición física de la persona, estás pasando por alto aspectos cruciales. También es vital considerar la intensidad con la que la persona usa el tendón y su nivel de estrés y descanso, entre otros muchos factores.
Ignorar todo esto es como intentar achicar agua de una barca con un agujero, sin tapar primero el agujero.
En este ejemplo, pretendemos cambiar un componente del sistema sin tener en cuenta el resto y sus interacciones.
Error: Pensar que podemos cambiar el sistema
«Un actor en un sistema complejo no controla casi nada, pero influye en casi todo»
Scott E. Page
Cuando queremos actuar sobre un sistema, no dejamos de ser un agente (o actor) más, así lo que más podemos hacer es influir y esperar a ver qué pasa, pero no podemos cambiar el sistema. Ni siquiera una parte de este.
Solemos usar un pensamiento «mecanicista» en el que tratamos a los seres vivos, organizaciones, etc. como si fueran máquinas, en las que se puede cambiar una pieza defectuosa y el sistema vuelve a funcionar como queremos.
En estos sistemas complejos, las relaciones entre las partes son tan importantes como las partes en sí mismas. Y el sistema se adapta a cada cambio, incluso al hecho de que «una parte sea defectuosa». Por lo que si la cambiases, buscando volver al estado original, te llevarías la sorpresa de que el sistema ya es diferente y nunca volverá a ese estado.
Este pensamiento de que podemos hacer una intervención para cambiar una parte del sistema, o incluso el comportamiento del sistema, es muy común y tiene mucho que ver con los otros errores que veíamos antes. Tendemos a pensar en el estado actual del sistema como algo estático. Vemos nuestro objetivo, como una meta o un destino final al que llegar.
Pero creo que ya ha quedado bastante claro que un ser vivo, una organización, una economía, un ecosistema o cualquier otro tipo de sistema complejo, nunca permanece estático.
Está cambiando, adaptándose y evolucionando constantemente. Y lo hace respecto a lo que ocurre fuera y dentro del sistema. No solo respecto a las interacciones entre sus componentes, sino también a sus interacciones con el entorno y posibles perturbaciones externas.
Por ejemplo, es común ver la enseñanza como una forma de intervención directa. «Yo sé algo y te transmito ese conocimiento a ti.» Y es muy común ver a docentes y entrenadores frustrarse porque «a sus alumnos no les entra en la cabeza» ese conocimiento.
La realidad es que el aprendizaje ocurre en la persona que aprende. No puedes «forzar» el conocimiento en la persona. El entorno, sus conocimientos previos, dónde se centra la atención, su estado emocional, su interés por lo que está aprendiendo, la información que percibe, cómo la interpreta, la utilidad que le vea, etc., es lo que hará que aprenda algo.
Piensa que el mismo docente da exactamente la misma clase a muchos alumnos, pero el resultado es muy diferente para cada uno de ellos. Así que la acción del profesor es mucho menos directa y determinista de lo que solemos creer.
Lo único que podemos hacer es adaptar las condiciones del entorno para que la experiencia de aprendizaje sea lo más adecuada posible. Luego ya dependerá de la persona aprender.
Algo parecido ocurre con la medicina o la fisioterapia. Salvo que te operen (y, aun así), el médico no te cura, te pone un tratamiento para que tu cuerpo se adapte de la manera esperada y se «cure».
NOTA: Una excepción sería medicamentos que atacan directamente a un agente externo (patógeno), como puede ser un antibiótico (que mata bacterias). Aun así, esa intervención no ocurre en un sistema estático y sin afectar a nada más.
El sistema reaccionará ante esta intervención, pero la medicina ha estudiado la forma de minimizar los efectos secundarios. En cualquier caso, los hay, nada ocurre en el cuerpo de forma aislada.
Y si vamos a rehabilitarnos de una lesión o a que nos «quiten» un dolor de espalda, lo que hace el profesional que nos atiende es darnos diferentes estímulos que ayuden a acelerar el proceso de recuperación del cuerpo. O que eviten que la adaptación vaya en una dirección no deseada.
La persona que te trata no te pega el hueso, tendón o ligamento. Tampoco te reconstruye el músculo para que sea más fuerte o resistente. Lo que hace es ponerte en situaciones, y proporcionarte los estímulos, que «influyan» en el sistema que es tu cuerpo y que sea este el que vaya adaptándose a esas condiciones.
Si en estos casos vamos con la mentalidad «lineal-determinista», esperaremos que ante un tipo de lesión, o una situación inicial, aplicaremos (desde fuera) una solución y arreglaremos el problema. Si esto no ocurre, no entenderemos por qué. O peor, culparemos al paciente por no seguir el «protocolo» a rajatabla.
El 99 % de mis clientes (y yo mismo) fueron víctimas de esto. Por suerte, esto está cambiando, pero aún es muy común no tener en cuenta el contexto de la persona e ir adaptando el tratamiento a la respuesta del sistema, en vez de pensar que el «tratamiento estándar» debe «curarles».
Quizás una de las intervenciones bienintencionadas más conocidas es la que hizo China a mediados del siglo XX: Campaña de las 4 plagas
Para evitar hambrunas y enfermedades decidieron acabar con cuatro «plagas» que ponían en peligro sus cosechas: ratones, moscas, mosquitos y gorriones.
El problema es que al acabar con los gorriones, creció enormemente el número de insectos que estos comían. En concreto, apareció una plaga de langosta que fue mucho más devastadora que la de gorriones.
Es el problema con los sistemas complejos, no es fácil predecir los efectos de las intervenciones que hacemos. Existen muchos factores internos que no conocemos y que pueden producir efectos contrarios a los que buscamos.
¿De dónde sale la no-linealidad y el no-determinismo?
Si has seguido la serie de artículos sobre los sistemas complejos, seguro que ya sabes de dónde sale.
Básicamente, de todas las características que hacen complejos a estos sistemas, aunque quizás podríamos resumirlo en estos tres puntos:
Interconexiones e interdependencias
En los sistemas complejos, varios componentes o «agentes» están interconectados. Lo que hace uno afecta a los demás.
Así que, incluso si conoces las reglas de un agente, no puedes predecir su próximo paso. Su acción es, en realidad, una reacción a su entorno y a otros agentes.
Este comportamiento es más impredecible cuando más diversos sean estos agentes. Si son iguales, tenderán a comportarse de forma similar y será algo más sencillo predecir el comportamiento final. Pero cuantos más agentes diferentes, más variadas serán las respuestas y más difícil será predecir el siguiente estado del sistema.
Te recomiendo que le eches un vistazo a estos artículos para entender cómo y por qué ocurre esto:
Estructuras y comportamientos emergentes
A esto hay que sumarle que en este tipo de sistemas, debido a todas estas interconexiones e interdependencias, suelen emerger nuevas estructuras y comportamientos que no existen en los elementos originales. Así que, aunque conociéramos las reglas internas de cada uno de los elementos del sistema, no conoceremos (en la mayoría de los casos) las reglas que rigen estos nuevos comportamientos que emergen.
Por otro lado, este tipo de sistemas suelen estar anidados o presentar una estructura multinivel. Es decir, los sistemas están compuestos por otros sistemas, que a su vez están compuestos por otros, y así sucesivamente.
Por ejemplo, un ser humano está compuesto por sistemas (nervioso, muscular, cardiovascular, inmune, etc.), que están compuestos por órganos, que están compuestos por tejidos, que están compuestos por células, y estas de orgánulos, etc.
En cada nivel, surgen nuevas estructuras y comportamientos. Esto añade más complejidad e imprevisibilidad al sistema.
Conocer cómo funcionan los átomos, una célula del hígado o una mitocondria, no explica la función del hígado en el cuerpo.
Ni conocer el cambio de uno de esos sub-elementos te permite predecir ningún cambio en el funcionamiento del hígado dentro de su función en el organismo.
Atractores y cambios de fase
Por último tenemos los cambios de fase y los atractores. Los atractores son estados estables hacia los que tiende un sistema.
Un ejemplo de atractor en una persona es ser zurda. Dicha persona, en ausencia de una motivación o necesidad extra, tenderá a coger los objetos con la mano izquierda. Le requerirá menos esfuerzo que si lo intenta con la derecha. Lo mismo sería un hábito. Requiere menos energía seguir un hábito que ir en su contra.
Pero muchos sistemas tienen más de un atractor y cuando se cambia de uno a otro, el sistema cambia su comportamiento de forma brusca.
Es lo que se llama: cambio de fase.
Es lo que le pasa al agua cuando la temperatura baja de los 0 °C (cambia al estado sólido) o sube de los 100 °C (cambia al estado gaseoso). El caso del agua es conocido, sencillo y muy estudiado, pero en sistemas dinámicos y muy complejos, los atractores se crean y cambian constantemente.
Si vemos cómo el sistema se comporta de formas diferentes en función del atractor al que esté más cerca, entenderemos que nuestras previsiones para el mismo pueden cambiar radicalmente si algo hace que cambie de fase.
Pondré algunos ejemplos concretos para que se entienda mejor:
Dinámica social en una fiesta: En una reunión social, la atmósfera puede ser tranquila con conversaciones en pequeños grupos (un atractor). Sin embargo, si alguien pone música movida y un par de personas empiezan a bailar, la energía puede cambiar y llevar a que la mayoría se sume al baile (otro atractor), alterando por completo la dinámica del evento.
Mercado de valores: Un mercado puede estar en un estado de relativa estabilidad (un atractor), pero un rumor o noticia puede desencadenar un pánico de venta o compra (otro atractor), cambiando drásticamente la dinámica del mercado en cuestión de minutos o incluso segundos.
Salud mental: Una persona puede tener un equilibrio emocional la mayor parte del tiempo (un atractor). Sin embargo, un evento significativo, como perder un empleo o una relación importante, puede cambiar su estado emocional hacia una depresión o ansiedad severa (otro atractor).
Este tipo de cambios de fase suele dar lugar a cambios muy bruscos e inesperados. Como expliqué en el artículo de los atractores, mientras menos atractores (siempre que haya más de uno), más bruscos e inesperados. Mientras que si hay más, las transiciones pueden ser más suaves.
En cualquier caso, es muy difícil de predecir cuándo ocurrirá este cambio de fase.
Y como decía al principio del apartado, estas son las razones principales, pero no las únicas. Espero que ahora resulte claro ver por qué estos sistemas son tan imprevisibles y cómo, el actuar como si lo fueran, no es una buena idea.
El tiempo hace el sistema menos predecible
El tiempo no es una característica única de los sistemas complejos, pero creo que merece la pena mencionar que es un factor que aumenta lo impredecible que es un sistema complejo.
Los sistemas complejos son «no lineales», es decir, la salida del sistema no es proporcional a su entrada. Y, en general, se comportan como sistemas «no deterministas», pero técnicamente no lo son.
Es decir, todo sistema tiene unas reglas internas y cada uno de sus agentes sigue unas sencillas reglas. En teoría, conociendo las condiciones iniciales, podríamos predecir el siguiente estado, usando esas reglas.
El problema es que, a medida que va pasando el tiempo, las reglas de unos agentes interactúan con las de otros, surgen nuevos comportamientos emergentes y todo lo que vimos en los apartados anteriores.
Esto quiere decir que, a medida que avanza el tiempo, el comportamiento del sistema es menos determinista. Es decir, menos predecible.
Por eso, con ciertos sistemas de complejidad baja o moderada, somos capaces de predecir el futuro cercano, pero nos cuesta más acertar con el futuro lejano.
Piensa en el clima de algún lugar donde sea relativamente estable. Es probable que se pueda predecir bien el tiempo del día siguiente e incluso la tendencia para los próximos cuatro días. Sin embargo, a medida que intentamos prever más allá, la precisión del pronóstico disminuye rápidamente.
Resumen y conclusiones
Existen muchos aspectos o elementos de nuestra vida que son deterministas y lineales. Podemos predecir los resultados a partir de la información inicial que tenemos. Por esta razón, nuestro cerebro ha evolucionado para detectar este tipo de patrones en los que para una acción determinada, (casi) siempre se produce un efecto determinado. O, al menos, proporcional a la acción.
Esto es muy útil y nos permite hacer pequeñas predicciones de qué es lo próximo que es más probable que ocurra y tomar decisiones basándonos en esa predicción.
De hecho, el filósofo cognitivo Andy Clark explica en su libro (muy recomendable) The Experience Machine, cómo, eso es precisamente lo que hace nuestro cerebro para aprender a interpretar el mundo que nos rodea. El cerebro está continuamente tratando de predecir qué es lo que percibimos por nuestros sentidos, para luego hacer correcciones cuando nos equivocamos.
Pero esto es algo que nos funciona con objetos o elementos de baja complejidad, o para acciones inmediatas. No sirve para predecir futuros estados de sistemas complejos. Y mientras más lejano ese futuro, menos nos sirve.
Conocer esto nos puede ayudar a evitar caer en errores muy comunes que nos llevan a frustración y a evitar empeorar los problemas complejos, por tratarlos como si no lo fueran.
Los sistemas complejos son dinámicos y muy difíciles de predecir, así que debemos evitar tratarlos como sistemas estáticos. Un ser vivo, una organización, un ecosistema, un mercado o cualquier otro sistema complejo va a ir cambiando y adaptándose constantemente, independientemente de que actuemos sobre él o no.
Todas las interacciones entre sus agentes o componentes van a hacer muy difícil predecir que ocurrirá a continuación. No podemos esperar respuestas directas y sencillas a nuestras intervenciones.
Por esta razón, es importante, cuando tratamos con este tipo de sistemas, no diseñar estrategias rígidas a largo plazo. Es importante tener una dirección hacia la que ir, sí. Pero también comprobar constantemente el estado del sistema y tener una estrategia lo suficientemente flexible como para adaptar la solución a este estado cambiante.
En estos casos, es fundamental abandonar la idea de una meta final y pensar más en una dirección en la que ir. Así como abrazar la idea del cambio como algo normal y que va a ocurrir, no como un «error del sistema».
Por último, deberíamos evitar cualquier estrategia en la que busquemos cambiar algo concreto del sistema de forma directa. Cambiar un parámetro de la salud, un comportamiento concreto de una persona, un estado del sistema, etc. Desconocemos las consecuencias en cascada que se producirán de ese intento de cambio.
En vez de eso, deberíamos centrarnos en cambiar el entorno y los estímulos que hacen que el sistema se adapte. El sistema se autoorganizará, hagamos lo que hagamos. Lo hará en torno a la intervención que hagamos. Eso no podremos controlarlo ni predecirlo, pero podemos influir en la dirección en la que lo haga.
La próxima vez que te enfrentes a una situación que involucre a un sistema complejo, ten cuidado. Ya sea en problemas de salud, aprendizaje, entrenamiento, dinámicas de grupos, emprendimiento o cualquier otro ámbito, evita tomar decisiones basadas en los errores que hemos comentado.
Trata el problema como lo que es: algo dinámico, cambiante y cuyo futuro es bastante impredecible.