Limitaciones de las matemáticas en estudios sociológicos, y 2

La fase de definición y análisis del problema en el cálculo estratégico

Las personas que han trabajado en el Problem Solving saben que la primera y gran dificultad que se les plantea es detectar por sí mismo u obtener de otros una clara definición del problema, que en general es vagamente presentido pero difícilmente explicitado.

Primer paso: la identificación y selección de criterios

En esta fase primera del trabajo, se trata de obtener una lista de criterios «de valores» sobre los que se han de juzgar y evaluar las posibles políticas o cursos de acción que seguir. Más allá de las apreciaciones individuales, hay que conseguir, del grupo consultado, unos enunciados explícitos respondiendo a la pregunta de qué valores son los más relevantes, qué criterios cualifican favorablemente un escenario terminal posible. La lista de valores debe incluir una ponderación, quizás cualitativa, de su importancia y si es posible una jerarquización de esos mismos criterios.

Para realizar este trabajo, se recomienda el uso de métodos bien rodados como el Brain Storming, que si es conducido inteligentemente, garantizará una mayor objetividad y mayor consensualidad. Conviene servirse en este estadio de cuestionarios Delphi, apoyados por análisis estadísticos. Probablemente, se han de administrar los cuestionarios en sucesivas sesiones y de forma iterativa.

Una metodología paralela es la QOC (Questions, Options, Criteria). Rafael A. Pérez sugiere el empleo del útil de evaluación PEST (Political, Economic, Social, Technological), descrito en la literatura.

Los analistas más sofisticados sacarán seguramente algún partido de la utilización del Análisis de Preferencias en espacios multidimensionales, métricos y no métricos.

Segundo paso: una representación transubjetiva de la realidad estudiada. Detección de las variables importantes

Es decir, crear un modelo. Entendemos por modelo una representación de la realidad sobre la que se quiere actuar. En los modelos mecánicos de un ingeniero, las variables son claras y evidentes, o se las puede aislar del resto del mundo en un laboratorio. (Esa es la gran ventaja de físicos y químicos en sus experimentaciones). La situación no es la misma para el experimentador social que presiente o intuye la necesidad de incluir en su modelo conceptual una serie de factores probablemente intervinientes, pero cuya influencia no es determinable, menos aún es directamente medible. El modelo ha de ser transubjetivo, es decir, que atenúe en la medida de lo posible los sesgos debidos a la percepción subjetiva de los individuos.

Quizás la técnica de representación más clara de tales modelos es la que se emplea en Teoría de Sistemas Dinámicos, a saber, construir un grafo dirigido cuyos nudos representan las variables de estado intervinientes en el sistema. Asociaremos al grafo una matriz cruzada de los impactos entre variables. La dinámica del sistema aparece, al dejarle evolucionar las variables de estado, aplicando la matriz de impactos, a lo largo del tiempo hasta el horizonte prefijado.

El método es conocido desde hace tiempo ‑desde Forrester‑ por sus méritos. Y también por sus importantes limitaciones. Pero tiene la inmensa ventaja pedagógica de presentar de forma pictorial la complejidad del sistema, particularmente haciendo resaltar las variables importantes y sus impactos respectivos. Sus bucles de acción y retroacción, los feedbacks positivos y negativos.

En tales sistemas, el número de variables de control que pueden intervenir es generalmente muy elevado. Entre ellas, aparecen mezcladas variables no fenotípicas, ocultas o difíciles de descubrir por el observador. (Por ejemplo, los valores sociales influyentes, el ejercicio imprevisible de la libertad por parte de los miembros de grupos de la sociedad). De donde se deriva que la previsibilidad puede ser muy limitada y los resultados de la acción son, en mayor o menor medida, aleatorios.

De nuevo hemos de recurrir a la ya citada «puesta entre paréntesis». Para la selección de variables o nudos del grafo, se ha de tener en cuenta cuáles son, a primera vista, más relevantes para la evaluación ulterior del conjunto del sistema ‑agente y entorno‑ en función de los criterios de valoración a que acabamos de hacer alusión. La indispensable reducción del número de variables es patente en situaciones tales como en el estudio de la contaminación ambiental.

En busca de la mejor estrategia posible

Limitaciones de las técnicas tradicionales

Los cálculos subsiguientes al establecimiento de un modelo sólidamente fundado implican funciones de previsión, optimización, decisión, etc., para las que tiene respuesta un problem solver clásico. Durante más de medio siglo, se han venido aplicando técnicas basadas en sólidos fundamentos matemáticos. El éxito de la Investigación Operativa en importantísimos sectores de la actividad empresarial ha sido considerable, aunque limitado:

1. Por el reduccionismo que supone dejar de lado los factores humanos, al focalizar exclusivamente las realidades mecánicas; particularmente, al regular los flujos de materias y dinero en el interior de la empresa. (Efectos perversos de una «puesta entre paréntesis» no pertinente).

2. Por un conflicto latente de poder que sobreviene entre los decisores humanos, dueños indiscutibles del poder y los analistas técnicos, que ignoran frecuentemente las realidades más mundanas de la empresa.

¿Serían incorporables estos métodos tradicionales en la NTE?

Claramente no, en la medida en que las bases epistemológicas de los problemas aritmomórficos, para la que la gran mayoría de esos métodos fue concebida, son totalmente inadecuadas. La métrica subyacente era euclidiana; el número de variables claras, detectables y medibles era más bien limitado. No es este el caso.

La única representación posible de problemas complejos en el ámbito sociomórfico es un grafo, con variables discretas, definidas sobre escalas de intensidad o escalas ultramétricas.

Contra esas murallas epistemológicas se estrellan las mejores armas de la optimización clásica, p. e., la programación lineal.

Pero el lector advertido ha de notar

Que la metodología de la IO clásica ofrece, a pesar de todo, la disciplina intelectual de una sistemática para el análisis y solución de problemas que es muy superior a la decisión voluntarista y cesárea del poder, o al negligente laisser‑aller. Será una cerilla en un túnel, pero mejor es que la oscuridad completa.

Por limitaciones de espacio, nos limitaremos a recomendar el empleo de algoritmos matemáticos menos contaminados de aritmomorfismo, tales como:

1) el análisis no métrico multidimensional;

2) la programación dinámica;

3) la decisión multicriterio;

4) los métodos de simulación.

Estas herramientas se han revelado muy ventajosas para los decisores finales.

Y para concluir una invitación a los investigadores. ¿Cómo articular los métodos de la negociación y de la interacción individual con la idea tan fecunda de «structural coupling» de Maturana y Varela? Un nuevo horizonte de investigación.

 

bf.lara@hispeed.ch

Deja una respuesta