Complejidad sistémica

En teoría de sistemas conviene situar cualquier sistema en un espectro de tres familias: los simples, los complejos y los adaptativos complejos (CAS, por complex adaptive systems). No es una frontera nítida, sino una gradación: a medida que las interacciones se vuelven más numerosas, no lineales y capaces de aprender, el sistema pasa de una familia a la siguiente.

¿Qué empuja a un sistema hacia el extremo complejo? La interconexión densa entre sus partes, la no linealidad (efectos desproporcionados a sus causas), los lazos de retroalimentación, la aparición de propiedades emergentes y —en el peldaño más alto— la capacidad de sus agentes de adaptarse y autoorganizarse.

La no linealidad tiene una consecuencia incómoda que Senge resume así: en los sistemas complejos, causa y efecto no están próximos en el tiempo ni en el espacio. El efecto de una acción puede aparecer meses después y en otra parte del sistema, lo que hace difícil aprender por ensayo y error.

De ahí el célebre efecto mariposa: en un sistema muy no lineal, una diferencia minúscula en las condiciones iniciales puede amplificarse hasta un resultado por completo distinto. Es lo que vuelve al clima imposible de predecir a largo plazo. La contracara es esperanzadora: a veces una pequeña acción bien ubicada —un punto de apalancamiento— basta para mover todo el sistema.

Meadows la describe como la propiedad más maravillosa —y más subestimada— de los sistemas. El orden no se impone desde arriba: emerge de abajo hacia arriba, a partir de agentes que siguen reglas locales y responden a su entorno inmediato. Nadie dirige a la colonia de hormigas hacia la comida; nadie fija el precio «correcto» en un mercado; ningún arquitecto diseña la bandada. El patrón global surge de millones de decisiones locales.

Cabrera lo enlaza con su idea central en DSRP: unas pocas reglas simples, aplicadas una y otra vez por muchos agentes, generan un comportamiento colectivo complejo. La complejidad no exige un plan complicado; exige interacción repetida.

Reconocer el grado de complejidad cambia por completo cómo se actúa. Con un sistema simple se puede controlar: ajustas una variable y conoces el resultado. Con un sistema complejo ya no: a lo sumo se influye, buscando puntos de apalancamiento donde una intervención pequeña produce un gran cambio. Y con un CAS ni siquiera eso basta: se cultiva, moldeando las reglas y las condiciones para que el buen comportamiento se autoorganice.

Por eso el pensamiento reduccionista —analizar cada parte por separado— fracasa ante lo complejo: al desarmar el sistema se destruyen justamente las interacciones que producían su comportamiento, y optimizar cada parte suele empeorar el todo. La alternativa es hacer visible la red de relaciones: dibujarla con un mapa sistémico, el primer paso de la Unidad 3.

Las expectativas pueden entrar en conflicto sobre resultados y medios. Además, el poder está distribuido de manera desigual: controlar recursos, reglas o acceso a la discusión puede frenar un cambio aunque exista una propuesta técnica. El modelo debe incluir quién puede autorizar, bloquear o sostener la intervención.

Más interrelaciones y actores traen más desacuerdos y menos información confiable disponible; también dificultan anticipar qué efectos desencadenará una acción. Se explicitan esas lagunas y se observan los efectos de intervenir. Este desarrollo procede de la página 18; no se atribuyen al audio los detalles que no leyó.

La interconexión puede sostener un comportamiento y resistir un cambio local: otras partes compensan o neutralizan la intervención. Sin embargo, al cambiar relaciones decisivas, el conjunto puede transformarse de forma repentina y de gran magnitud. La resistencia estructural y la transición brusca son compatibles; no se reducen a rigidez personal.

En la figura de escala, los compuestos agrupan partes; las subestructuras permiten descomponer el modelo en unidades relacionadas. Las estructuras de control regulan su coordinación y aparecen entre compuestos y autoorganización en el eje. Al ampliar la escala se consideran jerarquías y propiedades emergentes.

La descomponibilidad ayuda a estudiar niveles, pero aislar unidades puede ocultar las relaciones responsables de un comportamiento. El diagrama relaciona escala, tiempo y conceptos comunes: no afirma que cada sistema atraviese una secuencia universal de desarrollo ni que más piezas signifique por sí solo más complejidad.