9. Cuellos de botella
Introducción: el rendimiento de un sistema puede depender de aquello que más le falta
Hasta este punto, RMS 2.0 ha ido construyendo una arquitectura formada por:
[
R=\text{Recursos}
]
[
M=\text{Mecanismos}
]
[
S=\text{Estructura}
]
[
C=\text{Capacidades}.
]
Pero conocer los recursos y capacidades de una economía todavía no permite saber cuánto de ese potencial puede utilizar realmente.
Puede existir:
[
Capital=100
]
[
Talento=100
]
[
Tecnología=100
]
[
Energía=30.
]
Si esos cuatro elementos son fuertemente complementarios, la producción no tiene por qué aproximarse al promedio:
[
82,5.
]
Puede estar mucho más cerca de:
[
30.
]
La razón es que determinadas capacidades económicas funcionan mediante complementariedades: algunos componentes no sustituyen fácilmente a otros. Cuando uno de ellos queda muy por debajo de los demás puede convertirse en una restricción dominante del sistema.
Éste será el significado central de:
[
\boxed{B=\text{Bottleneck}}
]
en RMS 2.0.
Definiremos provisionalmente un cuello de botella como:
un recurso, capacidad, nodo, mecanismo o restricción cuya insuficiencia limita desproporcionadamente el rendimiento del conjunto porque otros componentes del sistema dependen de él y no pueden sustituirlo rápida o económicamente.
La idea tiene antecedentes económicos muy sólidos.
Michael Kremer formalizó en su teoría O-Ring procesos productivos formados por tareas complementarias, donde los errores de cualquiera de ellas reducen el valor del producto final. El modelo genera además matching entre trabajadores de habilidades similares, complementariedades estratégicas y, bajo ciertas condiciones, múltiples equilibrios de inversión en habilidades.
Charles Jones extendió esta lógica al desarrollo económico mediante bienes intermedios y weak links. Su argumento es que los vínculos entre productores generan multiplicadores y que complementariedades insuficientes en determinados insumos pueden contribuir de manera importante a explicar grandes diferencias de renta entre países.
La literatura de redes de producción añade una segunda dimensión. Acemoglu, Carvalho, Ozdaglar y Tahbaz-Salehi muestran que shocks inicialmente microeconómicos pueden producir fluctuaciones agregadas cuando se transmiten a través de vínculos input-output; el efecto agregado depende de la arquitectura de la red productiva.
Y trabajos posteriores de Baqaee y Farhi muestran que, cuando existen complementariedades y redes productivas no lineales, shocks negativos pueden amplificarse mediante supply bottlenecks y disrupciones de cadenas de suministro.
Por tanto, RMS puede formular desde el comienzo una tesis importante:
[
\boxed{
La\ capacidad\ sistémica\ no\ depende\ sólo\ de\ cuánto\ posee\ el\ sistema,
sino\ de\ qué\ componente\ limita\ la\ utilización\ del\ resto.
}
]
9.1. Definición
9.1.1. Un cuello de botella no es simplemente un recurso escaso
Conviene distinguir cuidadosamente:
[
Escasez
]
de:
[
Cuello\ de\ botella.
]
Un recurso puede ser escaso y no limitar significativamente el sistema.
Por ejemplo:
una empresa utiliza una pequeña cantidad de platino.
El platino puede ser caro y escaso.
Pero si existen:
- inventarios;
- sustitutos;
- proveedores alternativos;
puede no constituir una restricción dominante.
En cambio, un componente barato puede convertirse en cuello de botella.
Ejemplo:
un microcontrolador de:
[
5€
]
puede impedir entregar un automóvil valorado en:
[
40.000€.
]
Por tanto:
[
Precio
\neq
Criticidad.
]
9.1.2. Definición RMS más precisa
Diremos que un elemento (i) constituye un cuello de botella cuando concurren varias condiciones:
[
B_i=
f
(
Necesidad,
Escasez,
Complementariedad,
Baja\ sustitución,
Centralidad,
Tiempo
).
]
Es decir, cuando:
- resulta necesario para una función;
- está disponible en cantidad insuficiente;
- otros inputs dependen complementariamente de él;
- existen pocas alternativas;
- ocupa una posición importante en la red;
- su ampliación o sustitución requiere tiempo.
9.1.3. Cuello de botella absoluto y relativo
Podemos distinguir:
Cuello absoluto
Sin el recurso:
[
Output\approx0.
]
Ejemplo:
sin electricidad una fábrica automatizada no puede operar.
Cuello relativo
El sistema funciona, pero a un nivel inferior.
Ejemplo:
[
20\ ingenieros
]
cuando serían necesarios:
[
30.
]
Entonces:
[
Output<Output^*.
]
9.1.4. Cuello estático y dinámico
También debemos distinguir:
Estático
limita producción actual.
Dinámico
limita crecimiento futuro.
Una red eléctrica puede abastecer perfectamente la demanda actual:
[
C_{red}=100
]
[
Demanda=90.
]
Pero si la demanda prevista es:
[
140,
]
la red ya constituye un:
[
bottleneck_{future}.
]
Esta distinción será especialmente importante para:
- electrificación;
- centros de datos;
- vivienda;
- semiconductores;
- infraestructura.
9.1.5. Cuello visible y latente
Un cuello puede no aparecer mientras el sistema opera por debajo de cierto nivel.
Supongamos:
[
Demanda=70
]
[
Capacidad_A=100
]
[
Capacidad_B=80.
]
No parece existir problema.
Pero cuando:
[
Demanda=90,
]
B se convierte en restricción.
Por tanto:
[
Bottleneck
]
puede permanecer:
[
latente.
]
Proposición RMS-B1
Un cuello de botella no es simplemente un recurso escaso, sino una restricción cuya insuficiencia limita desproporcionadamente una capacidad sistémica debido a complementariedades, baja sustituibilidad o posición crítica dentro de una red.
9.2. Restricciones dominantes
9.2.1. No todas las restricciones importan igual
Todo sistema posee múltiples restricciones.
Pero sólo algunas son:
[
dominantes.
]
Supongamos:
[
C_1=95
]
[
C_2=92
]
[
C_3=91
]
[
C_4=40.
]
Si existe alta complementariedad:
[
C_4
]
puede dominar la producción final.
Esto significa que aumentar:
[
C_1:95\rightarrow100
]
puede producir casi ningún cambio.
Mientras:
[
C_4:40\rightarrow60
]
puede aumentar mucho el resultado.
Éste será un principio crucial para política económica.
9.2.2. Productividad marginal sistémica
Podemos introducir conceptualmente:
[
MSP_i=
\frac{\partial O}{\partial C_i}
]
donde:
[
MSP_i
]
representa la contribución marginal sistémica de aumentar la capacidad (i).
Cuando (i) es el cuello:
[
MSP_i
]
puede ser mucho mayor que la de otros componentes.
Por tanto:
[
\boxed{
La\ mejor\ inversión\ no\ tiene\ por\ qué\ dirigirse\ al\ recurso\ más\ importante,
sino\ al\ recurso\ actualmente\ más\ restrictivo.
9.2.3. Ejemplo
Sistema:
[
Capital=100
]
[
Ingenieros=90
]
[
Energía=30.
]
Invertimos:
[
+20\ Capital.
]
Resultado:
[
Capital=120
]
pero:
[
Energía=30.
]
Poca mejora.
En cambio:
[
Energía:30\rightarrow50
]
puede liberar simultáneamente:
- maquinaria;
- trabajadores;
- capital.
9.2.4. Restricción dominante y asignación ineficiente
Esto conecta con la literatura de misallocation.
Hsieh y Klenow muestran, utilizando microdatos manufactureros de China e India, cómo distorsiones que impiden una asignación eficiente de capital y trabajo entre establecimientos pueden reducir significativamente la productividad agregada.
RMS ampliará la pregunta.
No sólo:
¿están mal asignados capital y trabajo?
También:
¿se está invirtiendo en capacidades que no son restrictivas mientras permanece sin resolver el cuello dominante?
Podemos tener:
[
Inversión\ elevada
]
pero:
[
Productividad\ marginal\ sistémica\ baja.
]
9.2.5. El cuello puede moverse
Una característica fundamental es:
[
B_t\neq B_{t+1}.
]
Si resolvemos:
[
Energía,
]
puede aparecer:
[
Red.
]
Después:
[
Talento.
]
Después:
[
Financiación.
]
El cuello de botella se desplaza.
Por tanto:
proceso\ secuencial\ de\ aparición\ y\ resolución\ de\ restricciones.
}
]
Esta idea será importante para evitar políticas estáticas.
Proposición RMS-B2
En sistemas con múltiples restricciones, la capacidad efectiva está determinada de manera desproporcionada por la restricción dominante; una vez eliminada, otra restricción puede convertirse en el nuevo cuello de botella.
9.3. Cuellos de botella físicos
9.3.1. Restricciones materiales
Los primeros cuellos son fácilmente observables.
Incluyen:
- minerales;
- suelo;
- agua;
- componentes;
- maquinaria;
- capacidad logística.
9.3.2. Ejemplo: puerto
Una economía puede producir:
[
Exportaciones\ potenciales=120.
]
Pero su puerto puede procesar:
[
80.
]
Entonces:
[
Exportaciones^{eff}\leq80.
]
Aumentar producción industrial por encima de 80:
[
no\ resuelve
]
el problema.
El cuello está en:
[
logística.
]
9.3.3. Ejemplo: vivienda
Podemos tener:
- financiación;
- demanda;
- trabajadores.
Pero falta:
[
suelo\ urbanizado.
]
Entonces:
[
Oferta
]
queda limitada.
Si el cuello está en:
[
permisos
]
en vez de suelo físico, el problema cambia de categoría y se convierte en:
[
institucional.
]
Esto muestra que un mismo resultado observable puede tener causas sistémicas diferentes.
9.3.4. Cantidad frente a calidad
Un recurso físico también puede existir pero con calidad insuficiente.
Ejemplo:
[
Agua=100.
]
Pero agua de calidad industrial:
[
30.
]
La capacidad relevante es:
[
30.
]
9.3.5. Complementariedad material
Kremer proporciona aquí una intuición importante.
En procesos con tareas fuertemente complementarias, la calidad de un solo componente afecta al valor producido por los demás. Su producción O-Ring representa precisamente situaciones en las que varios elementos deben funcionar conjuntamente para preservar el valor del producto final.
En RMS:
[
Valor(R_i)
]
puede depender de:
[
R_j.
]
Proposición RMS-B3
Los cuellos físicos aparecen cuando un input material, logístico o infraestructural limita la utilización de otros recursos complementarios, independientemente de que su valor monetario sea elevado o reducido.
9.4. Cuellos de botella tecnológicos
9.4.1. Tecnología crítica
Una economía puede poseer casi toda una cadena productiva y carecer de una tecnología específica.
Por ejemplo:
[
Diseño=100
]
[
Capital=100
]
[
Talento=100
]
[
Tecnología\ crítica=10.
]
Entonces:
[
C^{eff}
]
puede quedar cerca de:
[
10.
]
9.4.2. Tecnología no significa únicamente patente
El cuello puede aparecer en:
- maquinaria;
- software;
- conocimiento tácito;
- procesos;
- metrología;
- certificación.
Por tanto:
[
Tecnología
]
es una estructura de capacidades.
9.4.3. Jones y los weak links
Charles Jones proporciona uno de los fundamentos más directamente útiles para RMS.
Su modelo combina dos mecanismos:
linkages
los bienes intermedios generan multiplicadores;
weak links
una baja productividad en determinadas actividades puede afectar a muchas otras mediante complementariedades.
Podemos expresarlo:
[
A_i\downarrow
]
en un sector importante:
[
\Downarrow
]
[
Costes_j\uparrow
]
[
\Downarrow
]
[
Productividad_k\downarrow
]
[
\Downarrow
]
[
Y\downarrow.
]
Un problema local se convierte en:
[
problema\ agregado
9.4.4. Innovación y cuello móvil
Aquí entra también Aghion-Howitt.
La destrucción creativa implica que una capacidad tecnológica dominante puede perder valor cuando aparece una innovación superior.
Por tanto:
[
B_{tech,t}
]
no es permanente.
La tecnología puede:
[
resolver\ un\ cuello
]
y simultáneamente:
[
crear\ otro.
]
Ejemplo:
IA reduce necesidad de cierto trabajo cognitivo pero aumenta demanda de:
- computación;
- electricidad;
- chips.
Tenemos:
[
Cuello_{trabajo}\downarrow
]
pero posiblemente:
[
Cuello_{energía/chips}\uparrow.
]
9.4.5. Frontera y difusión
También debemos distinguir:
no disponer de tecnología;
de:
no poder absorberla.
Dos economías pueden tener acceso al mismo equipo pero distinta:
[
AbsorptiveCapacity.
]
En ese caso el cuello verdadero puede ser:
[
organizativo
]
o:
[
humano.
]
Proposición RMS-B4
Los cuellos tecnológicos pueden residir en tecnologías explícitas, conocimientos tácitos o capacidad de absorción; además son dinámicos porque el progreso técnico puede eliminar restricciones existentes y crear otras nuevas.
9.5. Cuellos de botella financieros
9.5.1. Proyecto viable pero no financiable
Una economía puede disponer de:
- tecnología;
- trabajadores;
- demanda.
Pero sin:
[
financiación.
]
Entonces:
[
Capacidad\ potencial
]
no se convierte en:
[
Capacidad\ efectiva.
]
9.5.2. Cantidad de capital no basta
Puede existir ahorro abundante:
[
S=100.
]
Pero no existir:
[
capital\ riesgo.
]
O:
[
financiación\ a\ 30\ años.
]
Por tanto:
[
Ahorro
\neq
Capacidad\ financiera.
]
9.5.3. Cuello financiero específico
Supongamos:
fase 1
startup necesita:
[
1M€.
]
Disponible.
fase 2
necesita:
[
20M€.
]
Disponible.
fase 3
necesita:
[
500M€.
]
No disponible.
Entonces:
[
C_{Scale}
]
queda limitada por:
[
Finance_{growth}.
]
9.5.4. Finanzas y redes productivas
La restricción financiera puede propagarse.
Si:
[
Proveedor_A
]
pierde acceso al crédito:
[
Producción_A\downarrow.
]
Pero A abastece:
[
B,C,D.
]
Entonces:
[
Shock_{finance,A}
\rightarrow
Shock_{production,B,C,D}.
]
La restricción financiera se convierte en:
[
cuello\ de\ red.
]
Trabajos sobre redes input-output y fricciones financieras muestran precisamente que la estructura de producción puede amplificar los efectos agregados de problemas financieros sectoriales.
9.5.5. Liquidez frente a solvencia
Debemos distinguir:
[
Liquidez
]
y:
[
Solvencia.
]
Una empresa viable puede quebrar por:
[
falta\ temporal\ de\ liquidez.
]
Diamond-Dybvig muestra, a otro nivel, cómo la transformación de liquidez puede generar fragilidad incluso cuando la intermediación financiera cumple una función económicamente útil.
Esto refuerza:
[
Capacidad\ financiera
\neq
simplemente\ capital\ disponible.
]
Proposición RMS-B5
Los cuellos financieros aparecen cuando la estructura de intermediación no puede proporcionar el tipo, plazo o riesgo de financiación requerido por una capacidad productiva, y pueden propagarse a través de redes de proveedores.
9.6. Cuellos de botella institucionales
9.6.1. Recursos disponibles, ejecución imposible
Supongamos:
[
Capital=100.
]
[
Empresas=100.
]
[
Demanda=100.
]
Pero obtener una autorización requiere:
[
7\ años.
]
Entonces:
[
Capacidad^{eff}\downarrow.
]
El cuello no está en:
- capital;
- tecnología;
- trabajadores.
Está en:
[
instituciones.
]
9.6.2. Institución como capacidad de ejecución
Recordemos la distinción RMS:
[
Regla
\neq
Capacidad.
]
Una ley puede autorizar:
[
100
]
proyectos.
Pero la administración puede procesar:
[
20/año.
]
Tenemos:
[
B_{inst}=20.
]
9.6.3. Cuello de coordinación institucional
Puede no existir una institución débil individualmente.
El problema puede aparecer porque:
[
Institución_A
]
[
Institución_B
]
[
Institución_C
]
deben decidir conjuntamente.
Si cada una tarda:
[
t_i,
]
el proceso completo puede multiplicarse.
Entonces el cuello es:
[
interfaz\ institucional.
]
Esto conecta con Ostrom:
la calidad de gobernanza depende no sólo de un centro de decisión, sino de cómo se coordinan diferentes niveles y centros.
9.6.4. Incentivos institucionales
El cuello también puede encontrarse en:
[
incentivos.
]
Funcionarios perfectamente capacitados pueden actuar lentamente si:
[
Coste(error)>Coste(retraso).
]
Entonces la estructura incentiva:
[
no\ decidir.
]
El recurso humano existe.
La regla existe.
El cuello está en:
[
mecanismo\ de\ incentivos.
]
9.6.5. Corrupción
Shleifer-Vishny resulta útil aquí.
La corrupción puede transformar múltiples autorizaciones en:
[
peajes\ complementarios
]
que aumentan costes y reducen actividad.
Desde RMS, puede existir una:
[
cadena\ institucional
]
en la que cada nodo introduce fricción.
Esto convierte:
[
instituciones
]
en un posible sistema O-Ring inverso:
muchas etapas deben funcionar razonablemente bien para que la ejecución final sea eficaz
Proposición RMS-B6
Los cuellos institucionales aparecen cuando reglas, procedimientos, incentivos o problemas de coordinación limitan la ejecución efectiva, aunque los recursos económicos necesarios estén disponibles.
9.7. Cuellos de botella energéticos
9.7.1. Energía como capacidad transversal
La energía posee una característica especial:
[
muchísimas\ capacidades
]
dependen simultáneamente de ella.
Por tanto, un cuello energético puede tener una:
[
centralidad
]
muy alta.
9.7.2. Generación no es toda la capacidad
Podemos disponer de:
[
Generación=150
]
pero:
[
Red=100.
]
Entonces:
[
C_E^{eff}\leq100.
]
O:
[
Red=150
]
pero:
[
Almacenamiento/Flexibilidad=60.
]
El cuello se desplaza.
9.7.3. Ejemplo: centros de datos
Supongamos una región con:
- terrenos;
- fibra;
- capital;
- empresas tecnológicas.
Pero:
[
capacidad\ de\ conexión\ eléctrica
]
es insuficiente.
Entonces:
[
Inversión\ potencial
]
queda bloqueada por:
[
Grid.
]
Este ejemplo muestra una característica RMS importante:
un cuello energético puede transformarse en cuello tecnológico, industrial y financiero simultáneamente.
9.7.4. Energía y transición
La electrificación puede resolver dependencia de:
[
combustibles\ fósiles
]
pero aumentar dependencia de:
- red;
- almacenamiento;
- cobre;
- transformadores.
Por tanto:
[
Transición
]
cambia:
[
mapa\ de\ bottlenecks.
]
No elimina necesariamente los cuellos.
Los transforma.
9.7.5. Cuellos energéticos encadenados
Tenemos:
[
Generación
\rightarrow
Transmisión
\rightarrow
Distribución
\rightarrow
Usuario.
]
La capacidad efectiva puede estar limitada por:
[
\min
(
Generación,
Transmisión,
Distribución
).
]
Esto se acerca a una estructura O-Ring.
Proposición RMS-B7
La capacidad energética está condicionada por una cadena de complementariedades entre generación, redes, almacenamiento, combustible y flexibilidad; la expansión de un componente puede desplazar el cuello hacia otro.
9.8. Cuellos de botella humanos
9.8.1. No todos los trabajadores son sustituibles
Una economía puede tener:
[
Desempleo>0
]
y simultáneamente:
[
Escasez\ de\ talento.
]
No existe contradicción.
Puede haber:
[
mismatch.
]
9.8.2. Talento específico
Ejemplo:
Una fábrica necesita:
[
500\ trabajadores.
]
Hay:
[
5.000
]
desempleados.
Pero necesita:
[
50\ especialistas
]
en una tecnología específica.
Sólo existen:
[
15.
]
Entonces:
[
C^{eff}
]
puede quedar limitada por:
[
15.
]
9.8.3. Kremer y O-Ring
Aquí Kremer resulta central.
En su modelo, la calidad de distintas tareas productivas es complementaria: trabajadores de mayor habilidad tienden a agruparse y pequeñas diferencias de calidad pueden producir diferencias mucho mayores en salarios y output.
Esto tiene una consecuencia RMS muy importante:
en determinados procesos, añadir trabajadores medios no compensa fácilmente la ausencia de unas pocas competencias críticas.
9.8.4. Matching
Además:
[
Talento
]
puede existir pero estar:
[
mal\ asignado.
]
Entonces el cuello no es cantidad, sino:
[
matching.
]
Esto conecta nuevamente con misallocation.
9.8.5. Garicano: jerarquías de conocimiento
En organizaciones complejas, no todos necesitan saber resolver todos los problemas.
Garicano muestra cómo las jerarquías pueden organizar conocimiento: tareas rutinarias se resuelven en niveles inferiores y problemas más difíciles se remiten a expertos.
Desde RMS esto permite distinguir:
[
Escasez\ de\ conocimiento
]
de:
[
mala\ arquitectura\ de\ conocimiento.
]
Un experto puede atender:
[
100
]
trabajadores si la organización filtra correctamente los problemas.
Pero sólo:
[
20
]
si todo llega directamente a él.
El mismo stock de talento produce:
[
capacidad\ distinta.
]
9.8.6. Management como cuello
Lucas aporta otra posibilidad.
El talento gerencial puede limitar:
[
tamaño\ empresarial.
]
Una empresa puede tener:
- trabajadores;
- capital;
- demanda;
pero no capacidad organizativa para gestionar:
[
10\times
]
su tamaño actual.
Entonces:
[
Management
]
es el cuello.
Esto será especialmente importante cuando analicemos:
[
escalado.
]
9.8.7. Tiempo de formación
Los cuellos humanos son especialmente problemáticos porque:
[
T_{build}
]
puede ser largo.
Formar:
- médico;
- ingeniero nuclear;
- especialista en semiconductores;
puede requerir:
[
años.
]
Por tanto:
[
Elasticidad\ de\ oferta\ de\ talento
]
es baja a corto plazo.
Proposición RMS-B8
Los cuellos humanos dependen de competencias específicas, matching, organización del conocimiento y tiempos de formación; una abundancia agregada de trabajo puede coexistir con una escasez crítica de capacidades concretas.
9.9. Identificación y medición
Ésta será la parte metodológicamente más importante.
Si RMS sólo identifica cuellos:
[
después\ de\ que\ aparezcan,
]
su utilidad será limitada.
Necesitamos métodos para:
[
detectar
]
[
medir
]
[
priorizar.
]
9.9.1. Primer problema: correlación no implica restricción
Supongamos que regiones con más ingenieros tienen:
[
más\ productividad.
]
No podemos concluir automáticamente:
[
ingenieros
]
son el cuello.
Puede ocurrir que:
[
empresas\ productivas
]
atraigan:
[
ingenieros.
]
Por tanto:
[
Diagnóstico\ de\ bottleneck
]
requiere identificación causal.
9.9.2. Test contrafactual básico
La pregunta central será:
Si aumentamos marginalmente esta capacidad, ¿cuánto aumenta el resultado del sistema?
Formalmente:
[
\frac{\partial O}{\partial C_i}.
]
Si:
[
\frac{\partial O}{\partial C_i}
]
es grande,
(i) es candidato a restricción dominante.
Si:
[
\approx0,
]
probablemente no lo sea en ese momento.
9.9.3. Sombra del recurso
La teoría económica ya posee un concepto extremadamente útil:
[
\boxed{Shadow\ Price}
]
o precio sombra.
En un problema de optimización con restricciones:
[
\max f(x)
]
sujeto a:
[
g_i(x)\leq b_i,
]
el multiplicador:
[
\lambda_i
]
indica cuánto aumentaría el objetivo al relajar marginalmente la restricción (i).
Esto encaja casi perfectamente con RMS:
valor\ sistémico\ de\ relajar\ el\ bottleneck_i.
]
Si:
[
\lambda_i\approx0,
]
la restricción no está vinculando.
Si:
[
\lambda_i\gg0,
]
puede ser crítica.
9.9.4. Utilización
Un indicador sencillo:
[
U_i=
\frac{Uso_i}{Capacidad_i}.
]
Si:
[
U_i\approx100%,
]
puede existir restricción.
Pero atención:
[
alta\ utilización
]
no demuestra por sí sola:
[
bottleneck.
]
Puede haber sustitutos
9.9.5. Precio y renta de escasez
Otra señal:
[
Precio_i\uparrow
]
junto con:
[
Cantidad_i
]
rígida.
Esto puede indicar:
[
restricción.
]
Ejemplo:
salario de una profesión específica creciendo rápidamente.
Pero también puede reflejar:
[
demanda\ temporal.
]
Por ello necesitamos múltiples indicadores.
9.9.6. Tiempo de espera
Otra señal extremadamente útil:
[
Queue_i.
]
Ejemplos:
- listas de espera;
- permisos;
- conexiones eléctricas;
- slots portuarios.
Un aumento persistente de:
[
WaitingTime
]
puede revelar capacidad insuficiente.
9.9.7. Sustituibilidad
Definimos:
[
\sigma_i.
]
Si existen sustitutos fáciles:
[
\sigma_i\uparrow.
]
Entonces:
[
B_i\downarrow.
]
Si:
[
\sigma_i\approx0,
]
la criticidad aumenta.
9.9.8. Tiempo de expansión
Definamos:
[
T_{expand,i}.
]
Ejemplo:
servidor cloud
[
T=semanas.
]
red eléctrica
[
T=años.
]
ingeniero especializado
[
T=5-10\ años.
]
Cuanto mayor sea:
[
T_{expand},
]
mayor puede ser la vulnerabilidad dinámica.
9.9.9. Centralidad de red
Aquí aparece la segunda gran dimensión de RMS.
Un nodo puede ser pequeño pero extremadamente central.
Acemoglu et al. muestran que la propagación agregada de shocks depende de la estructura input-output y de la posición de los sectores dentro de esa red.
Por tanto debemos medir:
[
Centrality_i.
]
Posibles indicadores:
grado;
centralidad de intermediación;
centralidad eigenvector;
dependencia downstream.
9.9.10. Ejemplo
Proveedor A factura:
[
10M€.
]
Proveedor B factura:
[
1.000M€.
]
Pero A suministra un componente no sustituible a:
[
50\ fabricantes.
]
B vende un input genérico con:
[
20\ sustitutos.
]
Entonces:
[
SystemicImportance_A
SystemicImportance_B.
]
Aunque:
[
GDPWeight_A\ll GDPWeight_B.
]
9.9.11. Baqaee-Farhi: no linealidad
Esto se vuelve todavía más importante cuando existen complementariedades.
Baqaee y Farhi muestran que, en redes productivas no lineales, los efectos de shocks negativos pueden amplificarse porque las complementariedades generan cuellos de oferta.
Por tanto:
[
Impacto_i
]
no depende sólo de:
[
tamaño_i.
]
También de:
[
posición_i
+
complementariedad_i.
]
9.9.12. Índice de criticidad RMS
Podemos construir provisionalmente:
Bottleneck\ Criticality\ Index
}
]
con:
N_i
\times
Comp_i
\times
(1-\sigma_i)
\times
T_i
\times
U_i.
]
Donde:
- (N_i) = centralidad en la red;
- (Comp_i) = complementariedad;
- (\sigma_i) = sustituibilidad;
- (T_i) = tiempo de reposición/expansión;
- (U_i) = utilización.
No es todavía una fórmula empírica.
Es una hipótesis de diseño.
9.9.13. Añadir probabilidad de fallo
Posteriormente podríamos extender:
[
BCI_i
]
a:
BCI_i
\times
P(Failure_i).
]
Entonces distinguimos:
criticidad
qué daño causaría;
de:
riesgo
probabilidad multiplicada por impacto.
9.9.14. Cuello actual versus vulnerabilidad potencial
Podemos establecer:
[
B_i^{current}
]
y:
[
B_i^{latent}.
]
El primero limita hoy.
El segundo podría limitar:
[
ante\ crecimiento
]
o:
[
shock.
]
Ésta será una diferencia crucial para resiliencia.
9.9.15. Stress test
Una herramienta RMS muy útil será:
[
\boxed{Bottleneck\ Stress\ Test}
]
Procedimiento:
- eliminar parcialmente un recurso;
- observar propagación;
- calcular capacidad perdida;
- introducir sustitución;
- medir tiempo de recuperación.
Ejemplo:
[
Proveedor_i=-50%.
]
Después:
[
\Delta C_{system}=?
]
9.9.16. Matriz de dependencia
Podemos construir:
[
D_{ij}
]
donde:
[
D_{ij}
]
mide cuánto depende la capacidad (i) del recurso o nodo (j).
Ejemplo:
| Capacidad | Electricidad | Chips | Talento | Crédito | Permisos |
|---|---|---|---|---|---|
| Centros de datos | 1,0 | 0,9 | 0,6 | 0,7 | 0,5 |
| Automoción | 0,8 | 0,7 | 0,7 | 0,7 | 0,4 |
| Turismo | 0,4 | 0,1 | 0,8 | 0,4 | 0,5 |
Esta matriz permitiría identificar:
[
dependencias\ compartidas.
]
9.9.17. Nodos de dependencia común
Supongamos diez industrias.
Todas dependen moderadamente de:
[
red\ eléctrica.
]
Individualmente:
[
Dependencia_i=0,5.
]
Pero conjuntamente la red es:
[
systemically\ central.
]
Esto no aparecería en análisis sectoriales aislados.
Aquí RMS puede aportar mucho valor.
9.9.18. Misallocation versus bottleneck
Debemos distinguir dos problemas.
Misallocation
Tenemos recursos suficientes pero están mal distribuidos.
[
R_{total}\ suficiente.
]
Bottleneck
No existe capacidad suficiente en una función crítica.
[
R_i<Required_i.
]
Hsieh-Klenow ofrece una referencia central para el primer fenómeno, mostrando cómo distorsiones en la asignación de factores reducen productividad agregada.
RMS necesitará diagnosticar cuál de los dos existe.
Porque:
[
Política_{misallocation}
\neq
Política_{bottleneck}.
]
9.9.19. Bottleneck versus weak link
También debemos distinguir:
Bottleneck
limita volumen.
Weak link
deteriora calidad o productividad del conjunto.
Una actividad puede producir:
[
cantidad\ suficiente
]
pero con:
[
calidad\ baja.
]
Entonces puede ser:
[
weak\ link
]
sin ser un cuello cuantitativo.
Jones permite conectar ambas ideas porque su modelo incorpora complementariedades entre bienes intermedios y diferencias en productividad que se transmiten a través del sistema.
9.9.20. Bottleneck versus single point of failure
Otra distinción importante:
Bottleneck
limita operación normal.
Single Point of Failure
puede operar normalmente, pero su fallo provoca:
[
colapso\ severo.
]
Ejemplo:
un transformador eléctrico puede operar al:
[
70%.
]
No es cuello actual.
Pero no existe sustituto.
Entonces:
[
SPOF=1.
]
Esto pertenece parcialmente a resiliencia, pero debemos detectarlo aquí.
9.10. Kremer: la lógica O-Ring dentro de RMS
La teoría de Kremer merece una integración explícita, no sólo una referencia.
9.10.1. Producción multiplicativa
Una representación simplificada:
B
\left(
\prod_{i=1}^{n}q_i
\right)
K^\alpha.
]
Donde:
[
q_i
]
representa la calidad con la que se ejecuta la tarea (i).
Si:
[
q_i=1,
]
tarea perfecta.
Si:
[
q_i<1,
]
existe probabilidad de error.
La característica importante es:
[
multiplicación.
]
9.10.2. Ejemplo
Tenemos cinco tareas:
[
q_1=q_2=q_3=q_4=q_5=0,99.
]
Entonces:
[
0,99^5\approx0,951.
]
Pero si una tarea tiene:
[
q_5=0,50,
]
entonces:
[
0,99^4\times0,50\approx0,48.
]
Una sola tarea deteriora aproximadamente la mitad del valor potencial.
Ésta es la lógica del:
[
weak\ link.
]
9.10.3. Implicación sistémica
En sistemas altamente complementarios:
[
mejorar\ fortalezas
]
puede aportar poco.
Mientras:
[
mejorar\ debilidad
]
puede aportar mucho.
Tenemos:
[
\boxed{
Returns\ to\ fixing\ weakest\ links
Returns\ to\ strengthening\ already\ strong\ links
}
]
bajo determinadas condiciones.
9.10.4. Pero no todo funciona como O-Ring
Ésta es una cautela crucial.
Si los inputs son altamente sustituibles:
[
R_1
\leftrightarrow
R_2,
]
entonces:
[
\min(R_i)
]
no determina necesariamente el resultado.
Por tanto, RMS deberá estimar:
[
grado\ de\ complementariedad.
]
No asumirlo.
9.11. Jones: weak links y multiplicadores
Charles Jones lleva la intuición a escala macroeconómica
9.11.1. Cadenas de producción
Supongamos:
[
Sector_A
\rightarrow
Sector_B
\rightarrow
Sector_C
\rightarrow
Producto\ final.
]
Si:
[
Productividad_A\downarrow,
]
B paga más.
Entonces:
[
Coste_B\uparrow.
]
C paga más.
Finalmente:
[
Y\downarrow.
]
Los bienes intermedios crean un:
[
multiplicador.
]
Jones argumenta que los vínculos entre productores mediante bienes intermedios amplifican las diferencias de productividad, y que complementariedades/weak links pueden tener efectos agregados considerables.
9.11.2. RMS: diferencia entre capacidad individual y capacidad de cadena
Podemos definir:
\Phi(C_1,\ldots,C_n,N).
]
No basta medir:
[
C_i.
]
Debemos medir:
[
interdependencia.
]
9.12. Redes: de cuello local a shock agregado
9.12.1. La topología importa
Supongamos un shock del:
[
10%
]
en dos sectores.
Sector A es periférico.
Sector B suministra inputs a:
[
60%
]
de la economía.
El mismo shock:
[
10%.
]
Pero:
[
Impacto_B\gg Impacto_A.
]
Acemoglu y coautores muestran formalmente que la estructura de la red input-output condiciona cómo los shocks sectoriales llegan a convertirse en fluctuaciones agregadas.
9.12.2. Hub productivo
Podemos definir:
[
Hub_i.
]
Un sector puede ser:
[
pequeño\ en\ PIB
]
pero:
[
grande\ en\ centralidad.
]
Esto es especialmente relevante para:
- semiconductores;
- electricidad;
- logística;
- software;
- pagos.
9.12.3. Redes y redundancia
Una red puede ser:
concentrada
[
1\ proveedor.
]
diversificada
[
10\ proveedores.
]
Pero la diversificación sólo es real si:
[
proveedores
]
no comparten el mismo:
[
upstream.
]
Por tanto:
[
Redundancia_{real}
\neq
Número\ de\ proveedores.
]
9.12.4. Fragilidad endógena de redes
Además, las empresas pueden elegir proveedores buscando:
[
eficiencia.
]
Eso puede producir redes muy concentradas.
Elliott, Golub y Leduc estudian precisamente cómo las decisiones descentralizadas de formación de redes de suministro pueden generar trade-offs entre eficiencia y fragilidad.
Esto conecta directamente con RMS:
[
Optimización\ micro
\rightarrow
Concentración
\rightarrow
Fragilidad\ macro.
]
9.13. Complementariedad versus sustituibilidad
Ésta será probablemente la variable más importante para determinar cuán grave es un cuello.
Podemos definir:
[
\sigma_{ij}
]
como elasticidad de sustitución entre capacidades o inputs.
Alta sustitución
[
\sigma\gg1.
]
El sistema puede compensar.
Baja sustitución
[
\sigma\rightarrow0.
]
Tenemos:
[
complementariedad\ fuerte.
]
Entonces:
[
BottleneckRisk\uparrow.
]
9.13.1. Función Leontief como caso extremo
En el caso de complementos perfectos:
\min
\left(
\frac{x_1}{a_1},
\frac{x_2}{a_2},
...,
\frac{x_n}{a_n}
\right).
]
Aquí el cuello es literalmente:
[
\arg\min_i
\left(
\frac{x_i}{a_i}
\right).
]
Pero RMS no supondrá que todos los sistemas sean Leontief.
Será un:
[
caso\ límite.
]
9.13.2. CES como generalización
Podemos pensar:
[
Y=
\left(
\sum_i
\alpha_i x_i^{\rho}
\right)^{1/\rho}.
]
Cuando la sustituibilidad cae:
[
\rho\rightarrow-\infty,
]
nos aproximamos a:
[
complementariedad\ extrema.
]
Esto permite que el concepto RMS de cuello de botella tenga una conexión clara con teoría de producción estándar.
9.14. Cuellos múltiples
Un sistema puede tener:
[
B_1,B_2,B_3.
]
Ejemplo de transición eléctrica:
[
B_1=Red
]
[
B_2=Transformadores
]
[
B_3=Ingenieros.
]
Resolver sólo:
[
B_1
]
puede tener poco efecto si:
[
B_2
]
permanece.
Esto introduce:
[
\boxed{Bottleneck\ Bundle}
]
o paquete de restricciones.
9.14.1. Big Push
Aquí Murphy, Shleifer y Vishny resultan muy relevantes.
Cuando distintas actividades son complementarias, inversiones coordinadas pueden ser necesarias para desplazar el sistema desde un equilibrio de baja actividad hacia otro de mayor industrialización.
En lenguaje RMS:
[
B_1+B_2+B_3
]
pueden requerir:
[
Intervención\ conjunta.
]
No basta:
[
\Delta B_1.
]
9.15. Cuellos secuenciales
También podemos tener:
[
B_1
\rightarrow
B_2
\rightarrow
B_3.
]
Ejemplo:
fase inicial
falta:
[
Capital.
]
Se resuelve.
Entonces aparece:
[
Talento.
]
Se forma talento.
Ahora falta:
[
Mercado.
]
Esto significa que:
[
Policy_t
]
debe adaptarse.
La política correcta en:
[
t_0
]
puede ser incorrecta en:
[
t_5.
]
9.16. Cuellos creados por el crecimiento
Ésta será una idea especialmente importante.
El éxito genera nuevas restricciones.
Ejemplo:
[
IA\uparrow
]
[
\rightarrow
Centros\ de\ datos\uparrow
]
[
\rightarrow
Electricidad\uparrow
]
[
\rightarrow
Red\ saturada.
]
Por tanto:
[
Growth
\rightarrow
New\ Bottleneck.
]
Esto significa:
el desarrollo no elimina las restricciones; cambia continuamente cuáles son relevantes.
9.17. Cuellos creados por política
También una política puede desplazar la restricción.
Ejemplo:
subvencionamos vehículos eléctricos.
[
Demanda_{VE}\uparrow.
]
Pero:
[
Cargadores
]
no aumentan.
Entonces:
[
Bottleneck=Cargadores.
]
La política ha aumentado:
[
demanda
]
más rápido que:
[
capacidad\ complementaria.
]
9.18. RMS Constraint Map
Podemos introducir una herramienta central:
[
\boxed{RMS\ Constraint\ Map}
]
Para una capacidad (C), identificaremos:
Recursos necesarios
[
R_1,...,R_n.
]
Mecanismos
[
M_1,...,M_n.
]
Nodos
[
N_1,...,N_n.
]
Restricciones
[
B_1,...,B_n.
]
Sustitutos
[
Sub_1,...,Sub_n.
]
Tiempo de expansión
[
T_1,...,T_n.
]
9.19. Protocolo RMS de identificación de cuello de botella
Para cualquier problema económico, seguiríamos nueve pasos.
1. Definir la función
¿Qué capacidad queremos explicar?
[
C^*.
]
2. Descomponer requisitos
¿Qué inputs y mecanismos necesita?
3. Dibujar dependencias
[
Network.
]
4. Identificar complementariedades
¿Qué inputs son difíciles de sustituir?
5. Medir utilización
[
U_i.
]
6. Medir precios sombra
[
\lambda_i.
]
7. Estimar tiempo de expansión
[
T_i.
]
8. Realizar stress test
[
Shock_i.
]
9. Priorizar
Identificar:
\arg\max_i
Impacto(Resolución_i).
]
Éste podría convertirse en uno de los protocolos más útiles de RMS 2.0.
9.20. Ejemplo integrado: semiconductores
Supongamos que un país quiere producir chips avanzados.
Tiene:
[
Capital=90.
]
[
Electricidad=90.
]
[
Ingenieros=80.
]
[
Diseño=85.
]
[
Litografía=20.
]
Si litografía es altamente complementaria:
[
C^{eff}\approx20.
]
Política A
Aumentar:
[
Capital:90\rightarrow100.
]
Poco efecto.
Política B
Aumentar:
[
Ingenieros:80\rightarrow90.
]
Poco efecto inmediato.
Política C
Resolver:
[
Litografía:20\rightarrow60.
]
Gran impacto.
Pero entonces puede aparecer:
[
Packaging=50
]
como nuevo cuello.
Tenemos:
[
B_t=Litografía.
]
Después:
[
B_{t+1}=Packaging.
]
Ésta es la dinámica RMS.
9.21. Ejemplo integrado: productividad española
Sin afirmar todavía que éste sea el diagnóstico empírico correcto, RMS podría plantear varias hipótesis alternativas.
Baja productividad puede deberse a:
H1
[
Capital\ insuficiente.
]
H2
[
Tamaño\ empresarial.
]
H3
[
Management.
]
H4
[
Talento.
]
H5
[
Financiación.
]
H6
[
Regulación.
]
El error sería elegir una explicación por intuición.
RMS exige preguntar:
[
\frac{\partial Productividad}
{\partial B_i}
]
para cada candidato.
Es posible incluso que:
[
B_i
]
varíe por sector.
Por tanto:
[
B_{España}
]
probablemente no exista como un único valor agregado.
Puede existir:
[
B_{manufactura}
]
[
B_{servicios}
]
[
B_{construcción}.
]
9.22. Ejemplo integrado: Europa y tecnología
Podríamos formular provisionalmente:
Europa dispone de:
- ciencia;
- capital;
- mercado;
- talento.
Pero cabe investigar si determinados sectores presentan cuellos en:
- escalado;
- mercados de capital;
- energía;
- contratación pública;
- fragmentación regulatoria.
RMS no asumiría:
[
Europa\ tiene\ problema\ de\ escalado.
]
Lo convertiría en:
[
Hipótesis\ contrastable.
]
Por ejemplo:
[
H:
C_{Scale}
]
es más restrictiva que:
[
C_{Science}.
]
Entonces deberíamos observar que relajar:
[
C_{Scale}
]
produce más efecto que aumentar:
[
I+D
]
marginalmente.
Esto transforma una narrativa en una hipótesis falsable.
9.23. Política de cuellos de botella
La principal consecuencia normativa es:
[
\boxed{
No\ maximizar\ todos\ los\ inputs.
Relajar\ las\ restricciones\ que\ realmente\ vinculan.
}
]
Esto implica una política económica más diagnóstica.
9.23.1. Error tipo I
Creemos que algo es cuello pero no lo es.
Resultado:
[
recursos\ desperdiciados.
]
9.23.2. Error tipo II
No detectamos un cuello real.
Resultado:
[
otras\ inversiones
]
producen poco retorno.
9.23.3. Sobreinversión
También podemos resolver demasiado una restricción.
Si:
[
B_1=30
]
y:
[
B_2=50,
]
no necesitamos necesariamente llevar:
[
B_1\rightarrow100.
]
Quizás basta:
[
B_1\rightarrow55.
]
Después:
[
B_2
]
se convierte en restricción.
Esto evita:
[
overcapacity.
]
9.24. Del cuello al leverage point
Aquí conectamos con Meadows.
Un cuello de botella no es automáticamente un:
[
leverage\ point.
]
Puede ser caro de modificar.
Definamos:
\frac{\Delta Output_i}
{Coste\ de\ intervención_i}.
]
Entonces:
[
Bottleneck
]
identifica:
[
qué\ restringe.
]
Mientras:
[
Leverage
]
pregunta:
[
dónde\ conviene\ intervenir.
]
Esta diferencia será fundamental.
9.25. Bottleneck Criticality versus Leverage
Podemos tener:
Capacidad A
muy crítica.
[
BCI_A=100.
]
Pero resolverla cuesta:
[
1\ billón.
]
Capacidad B
moderadamente crítica.
[
BCI_B=60.
]
Resolverla cuesta:
[
1.000M.
]
Entonces:
[
Leverage_B>Leverage_A.
]
Por tanto:
[
Criticidad
\neq
Prioridad\ automática.
]
9.26. Cuellos y resiliencia
Esta sección prepara directamente el capítulo siguiente.
Un cuello de botella puede ser:
[
problema\ de\ capacidad\ actual.
]
Pero también:
[
vulnerabilidad\ ante\ shock.
]
Supongamos:
[
Capacidad=100.
]
Demanda:
[
80.
]
No existe cuello.
Pero sólo hay:
[
1\ proveedor.
]
Si falla:
[
Capacidad=20.
]
Tenemos:
[
Latent\ Bottleneck.
]
Por tanto:
[
BottleneckAnalysis
\rightarrow
ResilienceAnalysis.
]
9.27. Cuellos de botella y redes: una síntesis
Podemos resumir el mecanismo:
[
Shock_i
]
actúa sobre:
[
Node_i.
]
Su impacto depende de:
[
Criticality_i
]
[
Complementarity_i
]
[
Centrality_i
]
[
Substitutability_i.
]
Entonces:
\Phi
(
Shock_i,
Comp_i,
Centrality_i,
1-\sigma_i
).
]
Ésta será una ecuación conceptual central de RMS.
9.28. Nueva arquitectura RMS después del capítulo 9
Hasta ahora:
[
C_t=
\Phi(R_t,M_t,S_t,K_t).
]
Ahora debemos introducir explícitamente:
[
B_t.
]
Entonces:
\Phi
(
R_t,
M_t,
S_t,
K_t
\mid
B_t
)
}
]
donde:
[
B_t
]
representa el conjunto de restricciones vinculantes.
O incluso:
C_t^{potential}
\times
(1-\beta_t)
]
donde:
[
\beta_t
]
representa pérdida de capacidad causada por restricciones.
Todavía no debe considerarse una ecuación estimada.
Es una arquitectura conceptual
9.11.1. Cadenas de producción
Supongamos:
[
Sector_A
\rightarrow
Sector_B
\rightarrow
Sector_C
\rightarrow
Producto\ final.
]
Si:
[
Productividad_A\downarrow,
]
B paga más.
Entonces:
[
Coste_B\uparrow.
]
C paga más.
Finalmente:
[
Y\downarrow.
]
Los bienes intermedios crean un:
[
multiplicador.
]
Jones argumenta que los vínculos entre productores mediante bienes intermedios amplifican las diferencias de productividad, y que complementariedades/weak links pueden tener efectos agregados considerables.
9.11.2. RMS: diferencia entre capacidad individual y capacidad de cadena
Podemos definir:
\Phi(C_1,\ldots,C_n,N).
]
No basta medir:
[
C_i.
]
Debemos medir:
[
interdependencia.
]
9.12. Redes: de cuello local a shock agregado
9.12.1. La topología importa
Supongamos un shock del:
[
10%
]
en dos sectores.
Sector A es periférico.
Sector B suministra inputs a:
[
60%
]
de la economía.
El mismo shock:
[
10%.
]
Pero:
[
Impacto_B\gg Impacto_A.
]
Acemoglu y coautores muestran formalmente que la estructura de la red input-output condiciona cómo los shocks sectoriales llegan a convertirse en fluctuaciones agregadas.
9.12.2. Hub productivo
Podemos definir:
[
Hub_i.
]
Un sector puede ser:
[
pequeño\ en\ PIB
]
pero:
[
grande\ en\ centralidad.
]
Esto es especialmente relevante para:
- semiconductores;
- electricidad;
- logística;
- software;
- pagos.
9.12.3. Redes y redundancia
Una red puede ser:
concentrada
[
1\ proveedor.
]
diversificada
[
10\ proveedores.
]
Pero la diversificación sólo es real si:
[
proveedores
]
no comparten el mismo:
[
upstream.
]
Por tanto:
[
Redundancia_{real}
\neq
Número\ de\ proveedores.
]
9.12.4. Fragilidad endógena de redes
Además, las empresas pueden elegir proveedores buscando:
[
eficiencia.
]
Eso puede producir redes muy concentradas.
Elliott, Golub y Leduc estudian precisamente cómo las decisiones descentralizadas de formación de redes de suministro pueden generar trade-offs entre eficiencia y fragilidad.
Esto conecta directamente con RMS:
[
Optimización\ micro
\rightarrow
Concentración
\rightarrow
Fragilidad\ macro.
]
9.13. Complementariedad versus sustituibilidad
Ésta será probablemente la variable más importante para determinar cuán grave es un cuello.
Podemos definir:
[
\sigma_{ij}
]
como elasticidad de sustitución entre capacidades o inputs.
Alta sustitución
[
\sigma\gg1.
]
El sistema puede compensar.
Baja sustitución
[
\sigma\rightarrow0.
]
Tenemos:
[
complementariedad\ fuerte.
]
Entonces:
[
BottleneckRisk\uparrow.
]
9.13.1. Función Leontief como caso extremo
En el caso de complementos perfectos:
\min
\left(
\frac{x_1}{a_1},
\frac{x_2}{a_2},
...,
\frac{x_n}{a_n}
\right).
]
Aquí el cuello es literalmente:
[
\arg\min_i
\left(
\frac{x_i}{a_i}
\right).
]
Pero RMS no supondrá que todos los sistemas sean Leontief.
Será un:
[
caso\ límite.
]
9.13.2. CES como generalización
Podemos pensar:
[
Y=
\left(
\sum_i
\alpha_i x_i^{\rho}
\right)^{1/\rho}.
]
Cuando la sustituibilidad cae:
[
\rho\rightarrow-\infty,
]
nos aproximamos a:
[
complementariedad\ extrema.
]
Esto permite que el concepto RMS de cuello de botella tenga una conexión clara con teoría de producción estándar.
9.14. Cuellos múltiples
Un sistema puede tener:
[
B_1,B_2,B_3.
]
Ejemplo de transición eléctrica:
[
B_1=Red
]
[
B_2=Transformadores
]
[
B_3=Ingenieros.
]
Resolver sólo:
[
B_1
]
puede tener poco efecto si:
[
B_2
]
permanece.
Esto introduce:
[
\boxed{Bottleneck\ Bundle}
]
o paquete de restricciones.
9.14.1. Big Push
Aquí Murphy, Shleifer y Vishny resultan muy relevantes.
Cuando distintas actividades son complementarias, inversiones coordinadas pueden ser necesarias para desplazar el sistema desde un equilibrio de baja actividad hacia otro de mayor industrialización.
En lenguaje RMS:
[
B_1+B_2+B_3
]
pueden requerir:
[
Intervención\ conjunta.
]
No basta:
[
\Delta B_1.
]
9.15. Cuellos secuenciales
También podemos tener:
[
B_1
\rightarrow
B_2
\rightarrow
B_3.
]
Ejemplo:
fase inicial
falta:
[
Capital.
]
Se resuelve.
Entonces aparece:
[
Talento.
]
Se forma talento.
Ahora falta:
[
Mercado.
]
Esto significa que:
[
Policy_t
]
debe adaptarse.
La política correcta en:
[
t_0
]
puede ser incorrecta en:
[
t_5.
]
9.16. Cuellos creados por el crecimiento
Ésta será una idea especialmente importante.
El éxito genera nuevas restricciones.
Ejemplo:
[
IA\uparrow
]
[
\rightarrow
Centros\ de\ datos\uparrow
]
[
\rightarrow
Electricidad\uparrow
]
[
\rightarrow
Red\ saturada.
]
Por tanto:
[
Growth
\rightarrow
New\ Bottleneck.
]
Esto significa:
el desarrollo no elimina las restricciones; cambia continuamente cuáles son relevantes.
9.17. Cuellos creados por política
También una política puede desplazar la restricción.
Ejemplo:
subvencionamos vehículos eléctricos.
[
Demanda_{VE}\uparrow.
]
Pero:
[
Cargadores
]
no aumentan.
Entonces:
[
Bottleneck=Cargadores.
]
La política ha aumentado:
[
demanda
]
más rápido que:
[
capacidad\ complementaria.
]
9.18. RMS Constraint Map
Podemos introducir una herramienta central:
[
\boxed{RMS\ Constraint\ Map}
]
Para una capacidad (C), identificaremos:
Recursos necesarios
[
R_1,...,R_n.
]
Mecanismos
[
M_1,...,M_n.
]
Nodos
[
N_1,...,N_n.
]
Restricciones
[
B_1,...,B_n.
]
Sustitutos
[
Sub_1,...,Sub_n.
]
Tiempo de expansión
[
T_1,...,T_n.
]
9.19. Protocolo RMS de identificación de cuello de botella
Para cualquier problema económico, seguiríamos nueve pasos.
1. Definir la función
¿Qué capacidad queremos explicar?
[
C^*.
]
2. Descomponer requisitos
¿Qué inputs y mecanismos necesita?
3. Dibujar dependencias
[
Network.
]
4. Identificar complementariedades
¿Qué inputs son difíciles de sustituir?
5. Medir utilización
[
U_i.
]
6. Medir precios sombra
[
\lambda_i.
]
7. Estimar tiempo de expansión
[
T_i.
]
8. Realizar stress test
[
Shock_i.
]
9. Priorizar
Identificar:
\arg\max_i
Impacto(Resolución_i).
]
Éste podría convertirse en uno de los protocolos más útiles de RMS 2.0.
9.20. Ejemplo integrado: semiconductores
Supongamos que un país quiere producir chips avanzados.
Tiene:
[
Capital=90.
]
[
Electricidad=90.
]
[
Ingenieros=80.
]
[
Diseño=85.
]
[
Litografía=20.
]
Si litografía es altamente complementaria:
[
C^{eff}\approx20.
]
Política A
Aumentar:
[
Capital:90\rightarrow100.
]
Poco efecto.
Política B
Aumentar:
[
Ingenieros:80\rightarrow90.
]
Poco efecto inmediato.
Política C
Resolver:
[
Litografía:20\rightarrow60.
]
Gran impacto.
Pero entonces puede aparecer:
[
Packaging=50
]
como nuevo cuello.
Tenemos:
[
B_t=Litografía.
]
Después:
[
B_{t+1}=Packaging.
]
Ésta es la dinámica RMS.
9.21. Ejemplo integrado: productividad española
Sin afirmar todavía que éste sea el diagnóstico empírico correcto, RMS podría plantear varias hipótesis alternativas.
Baja productividad puede deberse a:
H1
[
Capital\ insuficiente.
]
H2
[
Tamaño\ empresarial.
]
H3
[
Management.
]
H4
[
Talento.
]
H5
[
Financiación.
]
H6
[
Regulación.
]
El error sería elegir una explicación por intuición.
RMS exige preguntar:
[
\frac{\partial Productividad}
{\partial B_i}
]
para cada candidato.
Es posible incluso que:
[
B_i
]
varíe por sector.
Por tanto:
[
B_{España}
]
probablemente no exista como un único valor agregado.
Puede existir:
[
B_{manufactura}
]
[
B_{servicios}
]
[
B_{construcción}.
]
9.22. Ejemplo integrado: Europa y tecnología
Podríamos formular provisionalmente:
Europa dispone de:
- ciencia;
- capital;
- mercado;
- talento.
Pero cabe investigar si determinados sectores presentan cuellos en:
- escalado;
- mercados de capital;
- energía;
- contratación pública;
- fragmentación regulatoria.
RMS no asumiría:
[
Europa\ tiene\ problema\ de\ escalado.
]
Lo convertiría en:
[
Hipótesis\ contrastable.
]
Por ejemplo:
[
H:
C_{Scale}
]
es más restrictiva que:
[
C_{Science}.
]
Entonces deberíamos observar que relajar:
[
C_{Scale}
]
produce más efecto que aumentar:
[
I+D
]
marginalmente.
Esto transforma una narrativa en una hipótesis falsable.
9.23. Política de cuellos de botella
La principal consecuencia normativa es:
[
\boxed{
No\ maximizar\ todos\ los\ inputs.
Relajar\ las\ restricciones\ que\ realmente\ vinculan.
}
]
Esto implica una política económica más diagnóstica.
9.23.1. Error tipo I
Creemos que algo es cuello pero no lo es.
Resultado:
[
recursos\ desperdiciados.
]
9.23.2. Error tipo II
No detectamos un cuello real.
Resultado:
[
otras\ inversiones
]
producen poco retorno.
9.23.3. Sobreinversión
También podemos resolver demasiado una restricción.
Si:
[
B_1=30
]
y:
[
B_2=50,
]
no necesitamos necesariamente llevar:
[
B_1\rightarrow100.
]
Quizás basta:
[
B_1\rightarrow55.
]
Después:
[
B_2
]
se convierte en restricción.
Esto evita:
[
overcapacity.
]
9.24. Del cuello al leverage point
Aquí conectamos con Meadows.
Un cuello de botella no es automáticamente un:
[
leverage\ point.
]
Puede ser caro de modificar.
Definamos:
\frac{\Delta Output_i}
{Coste\ de\ intervención_i}.
]
Entonces:
[
Bottleneck
]
identifica:
[
qué\ restringe.
]
Mientras:
[
Leverage
]
pregunta:
[
dónde\ conviene\ intervenir.
]
Esta diferencia será fundamental.
9.25. Bottleneck Criticality versus Leverage
Podemos tener:
Capacidad A
muy crítica.
[
BCI_A=100.
]
Pero resolverla cuesta:
[
1\ billón.
]
Capacidad B
moderadamente crítica.
[
BCI_B=60.
]
Resolverla cuesta:
[
1.000M.
]
Entonces:
[
Leverage_B>Leverage_A.
]
Por tanto:
[
Criticidad
\neq
Prioridad\ automática.
]
9.26. Cuellos y resiliencia
Esta sección prepara directamente el capítulo siguiente.
Un cuello de botella puede ser:
[
problema\ de\ capacidad\ actual.
]
Pero también:
[
vulnerabilidad\ ante\ shock.
]
Supongamos:
[
Capacidad=100.
]
Demanda:
[
80.
]
No existe cuello.
Pero sólo hay:
[
1\ proveedor.
]
Si falla:
[
Capacidad=20.
]
Tenemos:
[
Latent\ Bottleneck.
]
Por tanto:
[
BottleneckAnalysis
\rightarrow
ResilienceAnalysis.
]
9.27. Cuellos de botella y redes: una síntesis
Podemos resumir el mecanismo:
[
Shock_i
]
actúa sobre:
[
Node_i.
]
Su impacto depende de:
[
Criticality_i
]
[
Complementarity_i
]
[
Centrality_i
]
[
Substitutability_i.
]
Entonces:
\Phi
(
Shock_i,
Comp_i,
Centrality_i,
1-\sigma_i
).
]
Ésta será una ecuación conceptual central de RMS.
9.28. Nueva arquitectura RMS después del capítulo 9
Hasta ahora:
[
C_t=
\Phi(R_t,M_t,S_t,K_t).
]
Ahora debemos introducir explícitamente:
[
B_t.
]
Entonces:
\Phi
(
R_t,
M_t,
S_t,
K_t
\mid
B_t
)
}
]
donde:
[
B_t
]
representa el conjunto de restricciones vinculantes.
O incluso:
C_t^{potential}
\times
(1-\beta_t)
]
donde:
[
\beta_t
]
representa pérdida de capacidad causada por restricciones.
Todavía no debe considerarse una ecuación estimada.
Es una arquitectura conceptual
9.29. Proposiciones RMS sobre cuellos de botella
RMS-B1 — Restricción sistémica
Una escasez se convierte en cuello de botella cuando limita una capacidad relevante mediante complementariedad, baja sustituibilidad o centralidad.
RMS-B2 — Dominancia
En sistemas complementarios, una restricción puede determinar desproporcionadamente el rendimiento total.
RMS-B3 — Materialidad
Un componente físicamente pequeño o barato puede poseer gran importancia sistémica si no existen sustitutos.
RMS-B4 — Tecnología
Los cuellos tecnológicos pueden residir tanto en tecnologías explícitas como en conocimiento tácito y capacidad de absorción.
RMS-B5 — Finanzas
La existencia de ahorro agregado no garantiza financiación adecuada para cada etapa, riesgo y horizonte productivo.
RMS-B6 — Instituciones
Una economía puede poseer recursos suficientes pero carecer de capacidad de ejecución debido a reglas, procedimientos, incentivos o coordinación institucional.
RMS-B7 — Energía
La capacidad energética efectiva resulta de una cadena de complementariedades entre generación, transmisión, distribución, almacenamiento y flexibilidad.
RMS-B8 — Talento
La abundancia agregada de trabajo puede coexistir con cuellos severos en habilidades, gestión o conocimiento específico.
RMS-B9 — Redes
La importancia sistémica de un nodo depende más de su centralidad, complementariedad y sustituibilidad que de su tamaño económico aislado.
RMS-B10 — Dinámica
Resolver un cuello desplaza potencialmente la restricción hacia otro componente; los cuellos son endógenos a la trayectoria de desarrollo.
RMS-B11 — Medición
Un cuello debe identificarse por el efecto marginal de relajarlo, no simplemente por observar escasez, precios altos o utilización elevada.
RMS-B12 — Política
La prioridad de intervención depende tanto de criticidad como del coste y viabilidad de relajar la restricción.
9.30. Primera fórmula de criticidad sistémica
Podemos dejar como hipótesis metodológica:
N_i
\cdot
Comp_i
\cdot
(1-\sigma_i)
\cdot
T_i
\cdot
U_i
}
]
donde:
- (N_i) = centralidad;
- (Comp_i) = complementariedad;
- (\sigma_i) = sustituibilidad;
- (T_i) = tiempo de reposición;
- (U_i) = intensidad de utilización.
Posteriormente añadiremos:
[
P_i
]
probabilidad de disrupción:
BCI_i
\times
P_i.
]
Esto conectará directamente el capítulo 9 con:
[
\boxed{10.\ Resiliencia}
]
9.31. La aportación específica de Kremer, Jones y las redes a RMS
Podemos resumir el salto conceptual que estos autores permiten.
Kremer
enseña:
[
\boxed{
La\ calidad\ conjunta\ puede\ ser\ multiplicativa.
}
]
Una sola tarea deficiente puede reducir fuertemente el valor del conjunto.
Jones
añade:
[
\boxed{
Los\ weak\ links\ pueden\ propagarse\ mediante\ bienes\ intermedios.
}
]
Los encadenamientos productivos generan multiplicadores y las deficiencias de determinados sectores afectan la productividad agregada.
Acemoglu et al.
añaden:
[
\boxed{
La\ posición\ en\ la\ red\ determina\ la\ propagación.
}
]
Un shock idiosincrático puede adquirir relevancia macroeconómica según la topología input-output.
Baqaee-Farhi
añaden:
[
\boxed{
Las\ complementariedades\ generan\ no\ linealidad.
}
]
En redes complejas, shocks negativos pueden crear cuellos de oferta y amplificar sus efectos agregados.
Hsieh-Klenow
añaden una distinción:
[
\boxed{
No\ toda\ baja\ productividad\ es\ escasez:
puede\ ser\ mala\ asignación.
}
]
La reasignación ineficiente de recursos entre establecimientos puede reducir productividad agregada incluso sin que desaparezcan los factores productivos.
Esta combinación es particularmente potente para RMS.
Conclusión: la economía como sistema de restricciones cambiantes
El capítulo de capacidades preguntaba:
¿qué puede hacer el sistema?
El capítulo de cuellos de botella añade:
¿qué impide al sistema hacer todo aquello para lo que aparentemente dispone de recursos?
Esta segunda pregunta es esencial.
Porque la capacidad económica no depende únicamente de acumular:
[
más\ capital
]
[
más\ trabajadores
]
[
más\ energía
]
[
más\ conocimiento.
]
En sistemas caracterizados por complementariedades, puede ser mucho más importante:
[
\boxed{
que\ ninguna\ función\ crítica\ quede\ muy\ por\ debajo\ de\ las\ demás.
}
]
La teoría O-Ring de Kremer proporciona el caso paradigmático: cuando las tareas son complementarias, la calidad de cada una afecta al valor de las demás y un weak link puede tener consecuencias muy superiores a su tamaño aparente.
Jones muestra que la misma intuición puede extenderse a cadenas de bienes intermedios y desarrollo económico: los encadenamientos generan multiplicadores y los eslabones débiles pueden contribuir a explicar grandes diferencias de productividad.
La literatura de redes añade que tampoco basta con conocer cada sector individualmente. La posición de un nodo en una red de producción determina hasta qué punto un shock local puede propagarse al conjunto.
Y Baqaee-Farhi permiten introducir una dimensión todavía más importante para RMS: bajo complementariedades fuertes, las perturbaciones pueden producir efectos no lineales porque aparecen cuellos de oferta que rompen la posibilidad de sustituir unos inputs por otros.
Podemos condensar todo el capítulo en:
[
\boxed{
Capacidad\ potencial
\neq
Capacidad\ efectiva.
}
]
Y:
f
(
Recursos,
Mecanismos,
Estructura,
Complementariedades,
Redes,
Bottlenecks
).
}
]
La implicación para RMS 2.0 es profunda.
Una economía puede poseer muchos recursos y, sin embargo, obtener poco rendimiento porque:
[
un\ nodo
]
[
una\ capacidad
]
[
un\ procedimiento
]
[
una\ tecnología
]
[
una\ infraestructura
]
está limitando simultáneamente el valor del resto.
Por ello, RMS no preguntará solamente:
¿Qué necesita más inversión?
Preguntará:
¿Qué restricción, si fuese relajada, liberaría la mayor cantidad de capacidad actualmente inutilizada?
Y tampoco supondrá que el cuello sea permanente.
Una vez eliminado:
[
B_1
]
puede aparecer:
[
B_2.
]
Así podemos formular una de las tesis dinámicas más importantes que han aparecido hasta ahora:
[
\boxed{
El\ desarrollo\ económico\ puede\ entenderse,\ en\ parte,
como\ un\ proceso\ continuo\ de\ construcción\ de\ capacidades
y\ desplazamiento\ de\ restricciones\ dominantes.
}
]
Pero esto abre inmediatamente un problema nuevo.
Un sistema puede no tener hoy ningún cuello grave y, sin embargo, ser extraordinariamente vulnerable si un único nodo:
[
falla.
]
Por tanto, después de preguntar:
¿qué limita al sistema en condiciones normales?
debemos preguntar:
¿qué ocurre cuando el sistema recibe un shock?
Ésa será exactamente la función del siguiente capítulo:
[
\boxed{10.\ Resiliencia}
]
donde tendremos que integrar, entre otros, a Minsky, Diamond-Dybvig, Holling, Folke, Acemoglu y la literatura moderna de redes productivas, distinguiendo con mucho cuidado:
[
estabilidad,
]
[
robustez,
]
[
redundancia,
]
[
adaptabilidad
]
y:
[
capacidad\ de\
No hay comentarios:
Publicar un comentario