Inversión sistémica o chamanismo analítico.
Pensamiento sistémico e ingeniería social bienintencionada, frente a la paciencia del misionero y la visión holística del chamán.
Hace algunas semanas, al principio del verano, encontré algo sorprendente mientras leía el último libro de Javier Cercas sobre el viaje del papa Francisco a Mongolia en 2023 [1]. En el acto más importante de la visita, Francisco hizo una alusión sorprendente al chamanismo:
“la visión holística de la tradición chamánica mongola y el respeto por todo ser vivo proveniente de la filosofía budista representa una contribución válida al compromiso urgente e impostergable con la tutela del planeta Tierra”.
Francisco atribuía a esta tradición el ecologismo congénito de la cultura mongola:
“...en generaciones de ganaderos y agricultores prudentes, siempre atentos a no romper los delicados equilibrios del ecosistema [...] tiene mucho que enseñar a quien hoy no quiere encerrarse en la búsqueda de un miope interés particular, sino que desea entregar a la posteridad una Tierra todavía acogedora y fecunda”.
La referencia al chamanismo por parte del papa puede ser sorprendente per sé, pero en mi caso fue especialmente llamativa por un tema que me traía entre manos.
También a principios de verano decidí dedicar tiempo a un tema que lleva siendo de mi interés desde hace años. Decidí participar en unos talleres sobre Inversión Sistémica que organizaba la System Innovation Network [2], una red global de profesionales dedicada a promover el uso de las técnicas de la teoría de sistemas complejos y de las ciencias de la complejidad a distintos retos, como la organización empresarial, el estudio de ecosistemas sociales y en este caso los problemas derivados del cambio climático y la injusticia social.
Mi interés profesional por los sistemas complejos tiene origen en mi formación, y más recientemente en mi actividad profesional. Trato de entender cómo debemos diseñar y analizar los sistemas sobre los que intervenimos con tecnologías y procesos, para que estas intervenciones sean efectivas, predecibles y operables. Verme de repente relacionado con el pensamiento de un papa y con las tradiciones ancestrales mongolas, ha hecho que este verano mi dedicación al tema haya sido el contenido principal de mis vacaciones. Sistemas complejos y vermuts al sol. Una mezcla explosiva.
La ciencia de los sistemas complejos
No pretendo presentar aquí un resumen exhaustivo sobre la ciencia de los sistemas complejos, pero sí me voy a permitir esbozar alguna idea. Para que podamos entendernos.
Las teorías de la complejidad - o de los sistemas complejos - surgen por la necesidad de encontrar métodos científicos para sistemas demasiado complejos para ser comprensibles con las leyes básicas de la ciencia, y demasiado sencillos para tratarlos con técnicas estadísticas. Pongamos un ejemplo. Las leyes de Newton sirven para describir cómo se mueve una partícula en una caja. Por otro lado, si metemos millones de partículas en la misma caja tenemos un gas, y sus propiedades globales pertenecen al dominio de la leyes de la Termodinámica. Pero, ¿qué ocurre si solo ponemos unas decenas de partículas en la caja? Las leyes de Newton se hacen muy complejas y no nos sirven para describir el comportamiento de este nuevo sistema. Por su parte, las leyes de la termodinámica no funcionan porque no tenemos objetos suficientes para sacar conclusiones estadísticas válidas y útiles.
Si pensamos en términos sociales, la psicología podría servir para describir el comportamiento de una persona, y la sociología funciona bien cuando queremos analizar el comportamiento colectivo de millones de individuos. Pero, ¿qué ocurre cuándo queremos analizar una organización empresarial de cien empleados? Para estas situaciones intermedias, aparecieron a mediados del siglo pasado las teorías de los sistemas complejos [3].
Los orígenes de estas teorías son variados, pero para ilustrar cómo funcionan partiré de una disciplina muy madura del ámbito de la ingeniería denominada System Engineering.
Cuando diseñamos un sistema mecánico o electrónico - pongamos por ejemplo un coche - y queremos tener un modelo de su funcionamiento o construir un mecanismo para controlarlo, tenemos que descomponerlo en componentes y especificar el comportamiento de cada uno de ellos.
En el ejemplo del coche, los componentes pueden ser el motor, el volante, los amortiguadores y quizás algún otro elemento que puede estar en algún estado concreto (encendido/apagado, por ejemplo). Para simular su funcionamiento simplemente debemos ser capaces de conocer en qué estado está cada elemento (a qué revoluciones está funcionando el motor, con qué ángulo está girado el volante o cuán comprimido está el amortiguador cuando el turbo - por ejemplo - está encendido o apagado) y analizar el comportamiento conjunto del sistema.
La técnica del System Engineering se maneja bien en estas situaciones. Recogiendo la información sobre el estado de cada unos de estos componentes, podemos agregarla y analizar colectivamente como se va a comportar el coche en las situaciones en las que deberá funcionar. Podemos simular el funcionamiento del motor gracias a las leyes científicas - bien establecidas - de la combustión; podemos simular el comportamiento del volante haciendo que el ordenador simule una ruta en un mapa, y el comportamiento de del amortiguador con las leyes físicas que describen la dinámica de los muelles. Si unimos todas estas capacidades, y tenemos suficiente potencia computacional, podremos simular el comportamiento completo del coche en un viaje por la Ruta 66 o en una carrera en el circuito de Monza.
El propósito último del System Engineering es diseñar mecanismos que permitan controlar el coche y garantizar que su comportamiento sea previsible y seguro en todas las condiciones que se pueden encontrar en la carretera. Lo he descrito de forma muy sencilla, pero la cosa se puede complicar. Los elementos de un coche son algunos más de los que he incluido en el ejemplo y la combinación de situaciones puede dar lugar a millones de casos distintos a tener en cuenta. En conclusión, abordar el propósito de simular su comportamiento es un problema computacional y con suficiente capacidad de cálculo seremos capaces de simular el coche completo por complejo que sea.
Un problema un poco distinto es crear un mecanismo fiable para controlarlo. Si bien es cierto que las técnicas de diseño de controladores para este tipo de sistemas son muy sofisticadas y maduras, es posible que nos encontremos con situaciones o comportamientos imprevistos difíciles de controlar. Algún Tesla se ha estrellado por ahí, aparentemente sin querer.
Para añadir complejidad a un sistema como el que acabo de describir podemos hacer dos cosas. Por un lado podemos aumentar el número de elementos que componen el sistema aunque sigan siendo muy sencillos. En este caso estaremos ante los llamados Autómatas Celulares, que en la naturaleza corresponden a algunos tejidos naturales, los materiales magnéticos (un disco duro de un ordenador), el musgo y las setas, o algunas plantaciones mono-varietales. Sus componentes son sencillos (sólo están en ON/OFF o algo parecido) pero su comportamiento colectivo puede presentar patrones muy complejos.
Para complicarlo más, podemos dejar que los agentes del sistema tengan estructuras individuales más complejas, como es el caso de las hormigas, y tendremos Colonias con comportamientos colectivos muy sorprendentes y muy estudiados por la ciencia de la complejidad [4].
Podemos aumentar la complejidad de un sistema de otro modo. Asumamos que no todos los agentes son iguales, y que cada uno tiene distintos niveles de complejidad. En el caso de la naturaleza nos encontraremos con los Ecosistemas naturales más o menos salvajes, desde la selva hasta las explotaciones agro-ganaderas. Pueden comportarse de modos muy poco predecibles por la disponibilidad de alimentos, la población de depredadores, los cambios del clima, la aparición del fuego o de las enfermedades.
Por último, y por volver a la ingeniería, podemos pensar en sistemas que tienen componentes muy sofisticados pero que siguen reglas o leyes naturales bien conocidas. Pensad en una planta industrial, en las infraestructuras de transporte, o en la redes de generación y distribución eléctrica. Los ingenieros saben cómo funcionan las bombas, los motores, los procesos químicos, las estructuras físicas y la transmisión eléctrica. Pero la sensibilidad de las reglas que sigue cada elemento hace que cualquier distorsión puede dar lugar a comportamientos sistémicos inesperados y muy difíciles de controlar. Son los llamados fenómenos caóticos que, hace años, nos tuvieron a todos pendientes de que una mariposa del Amazonas fuera a producir un tsunami en la Costa Brava.
El estudio de todos estos tipos de sistemas es el objeto de la ciencia de la complejidad. En algunos casos con una capacidad de simulación y predicción altísimas, y en otros con limitaciones muy importante sobre lo que puede predecir y simular. Si pensamos en la capacidad de controlar estos sistemas como se controla un coche, las expectativas decaen significativamente. Si no sabemos simular el comportamiento de un sistema, abandonemos toda esperanza de poder controlarlo como controlamos un vehículo.
Del System Engineering a la Ingeniería Social
El último paso de complejidad que nos queda es el de los sistemas sociales. Imaginemos ahora un sistema en el que los agentes sean humanos, como individuos o en forma de organizaciones. ¿Podremos diseñar un modelo que nos permita simular cómo funciona?¿Podemos crear un mecanismo de control que nos permita gestionarlo colectivamente?
