¿La gestión sigue siendo una ciencia?

Como todos los directivos saben, las nuevas tecnologías están transformando los productos, los mercados, los procesos empresariales y sectores enteros, revolucionando el entorno empresarial. Sin embargo, cuanto más se perfila la tecnología como un factor de competencia, más se hace hincapié en los libros de gestión, las clases de educación ejecutiva y los seminarios de formación empresarial 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 remodelen la esencia misma de los negocios, menos útil será el concepto de gestión en sí mismo, tal como parece ser una ciencia.

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

No hace mucho, por ejemplo, Compaq Computer era el modelo para todos de una empresa emergente ágil y dinámica que podía luchar con éxito contra el lento gigante IBM. Pero eso fue antes de que llegaran a escena fabricantes de clones por correo como Dell y Northgate. Ahora, la empresa emergente de ayer es el gigante lento de hoy en día, y Compaq se enfrenta a la difícil tarea de recrearse en un entorno competitivo que ha cambiado radicalmente.

En este mundo empresarial más dinámico y volátil, los mecanismos tradicionales de la «gestión científica» no solo parecen menos útiles sino también contraproducentes. Y la ciencia en sí 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 directivos. Lo que la mayoría de los directivos consideran gestión científica se basa en una concepción de la ciencia que pocos científicos actuales defenderían. Es más, así como los directivos se preocupan por la volatilidad del entorno empresarial, los científicos también se preocupan 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 centraba en el análisis, la predicción y el control, la nueva ciencia hace hincapié en el caos y la complejidad. Hoy en día, los científicos están desarrollando descripciones impactantes de las formas en que los sistemas complejos (desde enjambres de mosquitos hasta programas de ordenador y operadores de futuros en los mercados de materias primas) hacen frente eficazmente a la incertidumbre y a los cambios rápidos.

Y ahí radica la oportunidad de entablar un diálogo fructífero entre el mundo de la gestión y el mundo de la ciencia. Las nuevas reglas de comportamiento complejo que describen las investigaciones científicas de vanguardia tienen interesantes paralelismos con los comportamientos organizacionales que muchas empresas intentan fomentar. La ciencia, que las empresas han considerado durante mucho tiempo como una fuente de innovación tecnológica, puede, en última instancia, resultar muy valiosa para los directivos como fuente de otra cosa: nuevas y útiles formas de ver el mundo.

Los diversos textos revisados aquí sugieren las líneas generales de lo que podría convertirse en la nueva gestión científica. Su mensaje: la gestión puede que sea una ciencia, pero no la ciencia que piensan la mayoría de los directivos.

La ciencia detrás de la gestión científica

Para entender las implicaciones de la nueva ciencia para la gestión, comience con el libro en el que se acuñó el término «gestión científica». En 1911, el ingeniero industrial de principios de siglo Frederick Winslow Taylor publicó su obra maestra, Los principios de la gestión científica, que establecía 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 la dirección para generaciones de directivos.

Sobre ciencia y gestión

Los principios de la gestión científica, Frederick Winslow Taylor (Nueva York: Harper, 1911). El caos: hacer una nueva ciencia, James Gleick (Nueva York: Viking, 1987).

…

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, aclarados en la segunda mitad del siglo XIX, proporcionaron el único ingrediente que faltaba (las interacciones térmicas) necesario para completar la concepción de Newton del mundo físico. 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 se preocupó por el problema de la eficiencia en lo que respecta a las organizaciones. En lo que respecta a los recursos naturales, sostuvo, la gente entiende claramente la necesidad de eficiencia porque «podemos ver y sentir el desperdicio de cosas materiales». Pero «nuestro mayor desperdicio de esfuerzo humano», provocado por los «movimientos incómodos, ineficientes o mal dirigidos de los hombres», es «menos visible, menos tangible y… pero se aprecia vagamente».

Según Taylor, la causa fundamental de este despilfarro de esfuerzo humano fue la gestión poco científica. En otras palabras, pensaba que los directivos se centraban demasiado en el resultado del trabajo y no lo suficiente en los procesos mediante 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 resultados predeterminados, normalmente mediante algún tipo de sistema de «trabajo a destajo», y luego dejaban que los equipos de trabajo determinaran los métodos reales de trabajo. Taylor desacreditó este enfoque y lo llamó sistema de «iniciativa e incentivos». «Solo ofreciendo un incentivo o ‘incentivo’ especial… el empleador puede esperar, aunque sea aproximadamente, obtener la ‘iniciativa’ de sus trabajadores».

Es irónico leer las críticas de Taylor hoy en día, cuando se ha hecho tanto hincapié en fomentar la iniciativa de los empleados en el trabajo y en crear sistemas de incentivos que «paguen por el desempeño». Aun así, 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 directores de su época dependieran de los grupos de trabajo para decidir cómo se hacía el trabajo, no tenían forma de influir directamente en la eficiencia de la organización. De hecho, la dirección tradicional era un sistema intrínsecamente inestable, que obligaba a los directivos a confiar en la coerción o a abdicar por completo de su autoridad. Por ejemplo, una forma común en que los directivos trataban de aumentar la productividad era aumentando regularmente las tarifas a destajo una vez que la mayoría de los trabajadores las cumplían. Pero esto solo indujo a los trabajadores a dedicarse a «ser soldados», es decir, a limitar su producción intencionalmente para no socavar los precios establecidos.

La solución de Taylor fue «sustituir el juicio individual del obrero por una ciencia». Los gerentes debían separar la planificación del trabajo de su ejecución real y reservarse la elección de los métodos con los que se realizaría una tarea en particular. Al analizar todos los pasos de un proceso de trabajo y crear procedimientos estandarizados para cada paso, los gerentes podrían identificar el «mejor método» para realizar una tarea que garantizara la máxima eficiencia. «La mejor gestión es una verdadera ciencia», escribió Taylor, «que se basa en leyes, normas y principios claramente definidos como base». Y esas leyes constituían un sistema comprensible, predecible y controlable. «En el pasado, el hombre era lo primero; en el futuro, el sistema debe ser lo primero».

En efecto, Taylor instó al gerente individual a pensar en sí mismo como un científico que es el único que entiende las leyes fundamentales del sistema que está estudiando. Para Taylor, el trabajador desempeñaba un papel pasivo, casi como si formara parte del aparato del experimento. Una y otra vez en su libro, Taylor repitió este «principio general»: No importaba cuál fuera el trabajo o lo aparentemente simple que fuera la tarea, «la ciencia que subyace al acto de cada obrero es tan grande y llega a tal punto que el obrero que es más adecuado para realizar el trabajo es incapaz (ya sea por falta de educación o por una capacidad mental insuficiente) de entender la ciencia». Solo el gerente, armado con una predisposición científica a «buscar leyes o normas 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 Los principios de la gestión científica se refiere al «estudio preciso de los motivos que influyen en los hombres». Es decir, para que la gestión científica tenga éxito según las condiciones de Taylor, los directores deben hacer algo más que analizar y reorganizar el trabajo. Tienen que efectuar «una revolución total en la actitud mental» del trabajador.

Sin embargo, incluso en este caso Taylor reflexionó sobre las suposiciones científicas de su época, en particular la creencia de que «los motivos que influyen en los hombres» pueden reducirse mediante el análisis y el control científicos, de la misma manera que lo pueden ser las actividades físicas de palear 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 al hecho de que se está experimentando con un organismo muy complejo, el ser humano», Taylor sostuvo que «leyes de este tipo, que se aplican a la gran mayoría de los hombres, existen sin duda y, cuando se definen claramente, tienen un gran valor como guía para tratar 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 la productividad basadas en la gestión científica se compartieran con los trabajadores con salarios más altos; de lo contrario, no cooperarían en la reorganización del trabajo. Otras sugerencias suyas son burdas y simplistas, como este importante consejo: nunca trate con los trabajadores como un grupo, solo trate con una persona a la vez. «Cuando los hombres trabajan en pandillas, su eficiencia individual cae casi invariablemente hasta el nivel del peor hombre de la banda». La solución de Taylor consistía en hacer que a los trabajadores se les asignaran tareas individuales que debían realizar del mayor aislamiento posible.

Pero piense lo que piense de sus sugerencias específicas, todas comparten la visión científica del siglo XIX por el reduccionismo: dividir las cosas en partes aisladas para controlarlas mejor. De hecho, todas las técnicas de la 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. «Solo es a través de hecho cumplir estandarización de los métodos, hecho cumplir adopción de los mejores implementos y condiciones de trabajo, y hecho cumplir cooperación para garantizar este trabajo más rápido. Y el deber de hacer cumplir la adopción de normas y hacer cumplir esta cooperación recae en el administración solo».

Los principios de Frederick Taylor inauguraron una revolución en la gestión y la organización del trabajo. En las décadas posteriores a la publicación de su libro, las ideas de Taylor contribuyeron a aumentar enormemente 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 los mercados que cambian rápidamente, la fragmentación del trabajo, la separación entre la planificación y la ejecución y el aislamiento de los trabajadores unos de otros crean organizaciones rígidas que no pueden adaptarse rápidamente a los cambios. Como resultado, los directivos ahora deben replantearse los elementos fundamentales del sistema de Taylor: la organización del trabajo, la motivación de los empleados y la tarea de la dirección.

La mayoría de las nuevas ideas de gestión, como los equipos multifuncionales, los grupos de trabajo autogestionados y la organización en red, son respuestas directas o indirectas a las insuficiencias del modelo original de Taylor. Sin embargo, a pesar de la proliferación de técnicas específicas, los principios fundamentales de un nuevo paradigma gerencial están lejos de estar claros.

En esta encrucijada actual, los avances científicos recientes pueden resultar útiles. Mientras Taylor codificaba su propio sistema organizativo, los científicos empezaban a entender 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 avances de la física —la teoría de la relatividad de Einstein y la mecánica cuántica— sugerían 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.

Hacer frente al caos y la complejidad

La física del siglo XIX, basada en las leyes del movimiento de Newton, postulaba una correspondencia clara entre la causa y el efecto. Los científicos confiaban en poder 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 un futuro lejano. Esta convicción moldeó profundamente el análisis de Taylor sobre las organizaciones y sobre 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 un reloj, la naturaleza aparece tan aleatoria como lanzar un dado.

«Teoría del caos» es el término general para este nuevo modelo de funcionamiento de las cosas, y probablemente la mejor introducción al mismo 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 de ordenador que simulaba un sistema meteorológico. Al introducir números que representan el estado inicial de los vientos y las temperaturas, el programa de Lorenz produjo el patrón meteorológico posterior a medida que evolucionaba con el tiempo. Lorenz, como la mayoría de los científicos, supuso que pequeños cambios en las condiciones iniciales que introdujo en el ordenador se traducirían en cambios correspondientemente pequeños en la evolución de todo el sistema. Para su sorpresa, descubrió que incluso los cambios más minúsculos provocaban alteraciones drásticas en el patrón meteorológico. En efecto, una ligera brisa en Idaho o una caída de un grado de la temperatura en Massachusetts podrían acabar convirtiendo el clima templado de Florida en huracán un mes después.

El efecto desafió tanto la intuición como lo que los meteorólogos habían entendido anteriormente sobre su ciencia. Intrigados por el acertijo de Lorenz, científicos de una amplia variedad de campos comenzaron a experimentar con simulaciones de otros sistemas físicos, solo para descubrir el mismo fenómeno. Un cambio infinitesimal en las condiciones iniciales podría tener un efecto profundo en la evolución de todo el sistema. Tomemos el sencillo ejemplo del agua que gotea de un grifo. Acelere ligeramente el caudal y el patrón de caída de las gotas cambiará radicalmente. Repita el experimento de nuevo y el patrón será completamente diferente. Es más, el patrón de formación de goteo cambia de formas que nadie puede modelar. Ni siquiera el superordenador más potente puede predecir cuándo caerá la próxima gota.

Lo que es cierto para el clima y un grifo que gotea ha demostrado ser igual de 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 fertilidad duplica la población de una comunidad de polillas gitanas.

Esta idea básica —que los cambios minúsculos pueden provocar 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 ningún patrón. Si bien la idea de que la naturaleza es fundamentalmente aleatoria es contraria a la intuición, 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; al parecer, ciertos caminos tienen más sentido —o al menos se producen con mucha más frecuencia— y los teóricos del caos los llaman «atractores extraños». Por lo tanto, aunque los meteorólogos no pueden decir con certeza el tiempo que hará en un día determinado del futuro, sí pueden estimar la probabilidad de que se produzca el tipo de clima. En otras palabras, los atractores extraños permiten a los científicos determinar dentro de parámetros estadísticos amplios lo que es probable que haga un sistema, pero nunca exactamente cuándo es probable que lo haga un sistema. La precisión de causa y efecto de la física tradicional ha sido sustituida por la estimación estadística de las probabilidades.

Además, el manera los científicos identifican los patrones predecibles de un sistema que se ha dado la vuelta. En lugar de intentar dividir 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 utilizar el orden que surge de los sistemas caóticos es el tema de Complejidad, el próximo libro de M. Mitchell Waldrop. Waldrop, corresponsal colaborador de Ciencia , describe una investigación reciente del Instituto de Santa Fe, un centro de estudios 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 se pueden combinar para producir comportamientos extremadamente complejos, incluso en ausencia de una inteligencia o control centrales. Los químicos de Santa Fe, por ejemplo, están examinando cómo las moléculas se organizan en proteínas que se autorreproducen. Los biólogos están determinando cómo se organizan las células 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 Santa Fe han desarrollado algunas reglas básicas para lo que Waldrop denomina «sistemas adaptativos complejos». Estos sistemas, afirma Waldrop, son de 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, se «autogestionan», es decir, se componen de una red de «agentes» que actúan de forma independiente y sin la guía de ningún control central. Por ejemplo, cada una de las aproximadamente 100 000 millones de neuronas del cerebro es una especie de ordenador químico en miniatura que sigue su propio patrón de comportamiento independiente. Saque una neurona del cerebro y seguirá funcionando. 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 adoptar un comportamiento cooperativo. Pueden formar grupos o «comunidades» que cooperan para producir comportamientos de orden superior que ningún agente por sí solo podría lograr por sí solo. En el cerebro, cada neurona está conectada a millones de otras. Algunas comunidades de neuronas, agrupadas en áreas determinadas 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, el 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 está entretejida.

Un tipo particular de comentarios 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 los comentarios del entorno externo, también «integran» ese aprendizaje en su estructura real. Por ejemplo, cuanto más participe 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 reconfigura para siempre las conexiones entre las neuronas en respuesta a los estímulos externos e internos. De esta manera, los sistemas autoorganizados se reorganizan constantemente a medida que los efectos de las acciones anteriores o los cambios en las condiciones externas se extienden por el sistema. La información está incrustada 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 autoorganizados suelen contener una serie de nichos conductuales 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 atrapados permanentemente en comportamientos que antes eran útiles y que desde entonces han quedado obsoletos, lo que ayuda al sistema en su conjunto a adaptarse a los cambios. Waldrop señala que los sistemas autoorganizados tienden a cambiar tan rápida y completamente que no tiene sentido hablar de agentes o grupos de agentes que «optimizan» su comportamiento (un término que recuerda al enfoque del siglo XIX en la eficiencia). Más bien, estos sistemas se caracterizan por lo que Waldrop denomina «novedad perpetua».

En general, los complejos sistemas adaptativos que se encuentran en la naturaleza contienen agentes individuales que se conectan en red para crear un comportamiento autogestionado pero altamente organizado; responden a los comentarios del entorno y ajustan su comportamiento en consecuencia; aprenden de la experiencia e integran ese aprendizaje en la propia estructura del sistema; y aprovechan las ventajas de la especialización sin caer en la rigidez. Si estas características le suenan, es porque se parecen mucho al nuevo tipo de organización que muchos directivos se esfuerzan 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 organizativos específicos a los que se enfrentan los gerentes. Pero un área de investigación del Instituto de Santa Fe da un paso en esa dirección. Los economistas del instituto están creando simulaciones por ordenador de las transacciones económicas, del mismo modo que Lorenz simuló los sistemas meteorológicos hace unos 30 años. Su objetivo es modelar los 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, adaptativo, 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 se encargue del resto, no siempre está claro qué comportamientos simples darán como resultado una simulación que refleje la realidad con precisión. Hasta ahora, 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. Como en los mercados bursátiles reales, las acciones de los «operadores» computarizados determinan el precio de las acciones. Al principio, los operadores tomaban decisiones al azar, pero pronto empezaron a comprar y vender acciones exactamente como dice la teoría económica clásica, según el valor fundamental de la acción establecido por su tasa de descuento y su dividendo. Más adelante en la simulación, los agentes «descubrieron» que, estudiando el historial de la evolución del precio de una acción, podían ganar dinero pujando una acción por encima o por debajo de su valor real. El resultado: el sistema informático aprendió a simular los mismos tipos de burbujas y caídas que se producen en los mercados reales. Por mucho que la teoría del caos haya revelado las deficiencias de los modelos matemáticos del mundo de los físicos tradicionales, estas simulaciones han puesto de manifiesto las deficiencias de los elegantes modelos matemáticos de los economistas neoclásicos.

Para los investigadores de Santa Fe, la simulación bursátil es solo el 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 «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 negociación computarizado.

Hacia una nueva ciencia de la gestión

Puede 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 empresarial 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 eran 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, sostiene Senge, se sienten perdidas en las organizaciones de las que forman parte. Los gerentes están abrumados por el exceso de información, los cambios rápidos y las exigencias contradictorias. «Cuando se les pregunta a qué se dedican», 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 a sí misma dentro de un «sistema» en el que tienen poca o ninguna influencia. «Hacen su trabajo», dedican su tiempo y tratan de 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 tanto del sistema de Taylor como de toda la ciencia del siglo XIX. «Desde muy pequeños», señala Senge, «nos enseñan a separar los problemas, a fragmentar el mundo. Al parecer, esto hace que las tareas y los temas complejos sean más manejables, pero pagamos un precio oculto y enorme. Ya no podemos ver las consecuencias de nuestras acciones; perdemos nuestro sentido intrínseco de conexión con un todo más amplio».

En cierto sentido, los directores están en una posición bastante similar a la de los científicos naturales anteriores al caos. Ellos pensar entienden las relaciones entre la causa y el 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 fundamental del aprendizaje» en las organizaciones actuales: «Aprendemos mejor de la experiencia, pero nunca sufrimos 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 gestionar. No entienden ni la dinámica subyacente de estos sistemas ni cómo influir en esas dinámicas para lograr los objetivos de la organización. De hecho, la idea del director como planificador científico omnisciente es fundamentalmente errónea. Según Senge, «La percepción de que alguien ‘ahí 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 una organización como una máquina —un 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 entender los problemas de gestión más difíciles hay que ver todo el sistema que genera los problemas».

«Pensamiento sistémico» es la quinta disciplina del título de Senge. Tal como él lo describe, el pensamiento sistémico es la capacidad de entender 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 conjuntos».

Pensemos en la historia de Senge sobre una empresa emergente de alta tecnología de la década de 1960, un caso basado en varios casos reales. Tras unos años de crecimiento vertiginoso, la empresa a la que llama WonderTech sufrió una caída repentina de las ventas. Desesperados por mantener el crecimiento, los altos directivos contrataron a más vendedores e impulsaron el marketing de forma agresiva. Estas acciones aumentaron las ventas según lo previsto, pero solo durante un tiempo. WonderTech entró en un período de oscilaciones volátiles entre la alta y la baja demanda que, finalmente, la llevaron a la quiebra.

En este estudio de caso, Senge explica la fuente del fracaso de WonderTech en el desconocimiento por parte de la dirección de algunos procesos básicos de retroalimentación. En pocas palabras, la alta demanda aumentó la presión sobre la capacidad de producción de la empresa. La capacidad inadecuada provocó grandes acumulaciones de pedidos y grandes retrasos en la entrega. Los clientes se enfadaron e insatisfechos, lo que provocó una caída de las ventas.

Mientras Senge cuenta la historia, los altos directivos lo hizo entiendo que, a medida que las ventas crecían, la empresa necesitaba invertir en capacidad. Pero a medida que sus inversiones fijas en la fabricación aumentaron, también lo hicieron su necesidad de mantener las ventas altas y su tendencia a impulsar las ventas y el marketing para conseguir más pedidos. Como las dos partes del sistema organizativo (ventas y fabricación) nunca estuvieron en equilibrio, el círculo vicioso del alto crecimiento, la falta de capacidad, el retraso en la entrega y la insatisfacción de los clientes se repetía una y otra vez, empeorando cada vez más.

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

La historia de WonderTech ilustra varios de estos arquetipos. El término que Senge usa para uno de ellos es «límites del 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 otra «transferir la carga»: la idea de que una solución a corto plazo a un problema puede empeorarlo al socavar la capacidad de la organización de implementar una solución más fundamental y a largo plazo. Los gerentes de WonderTech se preocuparon tanto por aumentar las ventas que nunca pudieron centrarse en la verdadera solución a su problema: ampliar la capacidad de producción para controlar los tiempos 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 muchos directivos. Ignorantes de los arquetipos de los sistemas, acaban viendo siempre solo la parte, nunca el todo. En las organizaciones contemporáneas, sostiene, es tarea de los directivos —y, de hecho, de todos— entender 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 efectuar un cambio real. Y así como la teoría del caos enseña que los pequeños cambios pueden tener grandes efectos en los sistemas físicos, un concepto crucial en la teoría de sistemas es el «apalancamiento»: la idea de que «las acciones pequeñas y bien centradas 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 directivos dominan el pensamiento sistémico y las demás disciplinas que describe Senge, el resultado es «la organización que aprende». Tal como lo describe Senge, esta organización del 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 a los cambios.

En efecto, las disciplinas de Senge pretenden replicar en las organizaciones humanas el control orgánico que se encuentra en la naturaleza. Uno de los debates más interesantes de su libro se refiere a las herramientas que algunas organizaciones están creando para ayudar a los directivos a desarrollar las habilidades que necesitan para que el control orgánico funcione. Tomemos el ejemplo de los micromundos, que son simulaciones por ordenador 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 los sistemas complejos, del mismo modo que los científicos utilizan simulaciones del clima o del agua que gotea de un grifo para aprender cómo funcionan los sistemas físicos.

En la Escuela Sloan 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 una de las tasas de crecimiento más rápidas de la historia de la industria aérea a una repentina crisis financiera y, finalmente, a una compra por parte de un competidor. En la compañía de seguros de Hanover, los gerentes se forman en un «laboratorio de aprendizaje de siniestros» con micromundos que simulan los procesos mediante los cuales los ajustadores liquidan las reclamaciones en el sector de los seguros. Al permitir a los usuarios probar enfoques alternativos para resolver los problemas empresariales, estos sistemas ayudan a los gerentes a profundizar en su comprensión de los sistemas de los que forman parte. Los micromundos también permiten a los directivos reconocer los extraños atractores que pueden ser la base del comportamiento en todas las organizaciones y, por lo tanto, identificar estrategias de cambio que más influyen.

Como sugiere el lenguaje de los «experimentos» y los «laboratorios», el nuevo director de Senge es tan científico como lo era 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 creen los procesos de aprendizaje que hacen posible la autoorganización, los procesos que son esenciales para un desempeño eficaz en un mundo caracterizado por la innovación y el cambio perpetuos.