Capitulo 12. Adaptación, aprendizaje y evolución
12. Adaptación, aprendizaje y evolución
Introducción: una economía no sólo responde al entorno; también cambia como consecuencia de sus propias respuestas
Hasta ahora RMS 2.0 ha construido una economía formada por recursos, mecanismos, estructuras, capacidades, cuellos de botella y redes.
Pero todavía falta una propiedad esencial.
Los sistemas económicos aprenden y cambian.
Las empresas modifican procesos. Los trabajadores adquieren conocimiento. Los consumidores cambian preferencias. Las instituciones reforman reglas. Las tecnologías mejoran. Algunas organizaciones desaparecen y otras crecen. Las redes de proveedores se reorganizan después de un shock.
Por tanto, la economía de mañana no es simplemente la economía de hoy sometida a nuevas variables externas.
También es el resultado de:
experiencia → aprendizaje → selección → reconfiguración.
Esta idea tiene una genealogía económica profunda.
Armen Alchian argumentó ya en 1950 que, bajo incertidumbre, no es necesario suponer que todos los agentes conocen perfectamente la solución óptima: el proceso competitivo puede seleccionar comportamientos que sobreviven, incluso cuando los agentes no hayan llegado a ellos mediante optimización perfecta.
Nelson y Winter desarrollaron posteriormente una teoría evolutiva de la economía donde las empresas acumulan rutinas, experimentan y son sometidas a procesos de selección competitiva.
Brian Arthur ha insistido en que una economía compleja está formada por agentes que continuamente adaptan sus decisiones al entorno que ellos mismos contribuyen a crear; los rendimientos crecientes pueden además amplificar pequeñas diferencias históricas y producir dependencia de trayectoria.
Aghion y Howitt, siguiendo la tradición schumpeteriana, formalizaron el crecimiento como un proceso de innovación y destrucción creativa: nuevas tecnologías elevan productividad, pero al mismo tiempo desplazan tecnologías y capacidades anteriores. La teoría de crecimiento mediante destrucción creativa continúa siendo un marco central para estudiar innovación, entrada, salida y reasignación.
Y David Teece añade una dimensión organizativa fundamental: no basta con poseer buenas capacidades actuales; organizaciones que operan en entornos cambiantes necesitan capacidades para detectar cambios, aprovechar oportunidades y transformar sus activos y estructuras.
Todo ello nos permite formular una tesis central para RMS:
Una economía no debe evaluarse únicamente por las capacidades que posee hoy, sino también por su capacidad para aprender, seleccionar, recombinar y construir nuevas capacidades cuando cambia el entorno.
12.1. Adaptación
12.1.1. Qué entendemos por adaptación
Definiremos adaptación como:
el proceso mediante el cual agentes, organizaciones o instituciones modifican su comportamiento, recursos o relaciones como respuesta a cambios del entorno o a los resultados de experiencias anteriores.
La secuencia elemental es:
entorno → comportamiento → resultado → información → nuevo comportamiento.
En términos temporales:
Sₜ → Aₜ → Oₜ → aprendizaje → Aₜ₊₁.
El agente ya no es fijo.
Su regla de decisión cambia.
12.1.2. Adaptación no significa necesariamente mejora
Ésta es una distinción importante.
Los agentes pueden adaptarse:
- correctamente;
- tarde;
- parcialmente;
- de manera contraproducente.
Por tanto:
adaptación ≠ progreso.
Ejemplo:
una empresa responde a una caída temporal de demanda despidiendo a todo su personal especializado.
Reduce costes inmediatamente.
Pero destruye una capacidad que posteriormente necesita.
Tenemos:
adaptación de corto plazo → pérdida de capacidad de largo plazo.
12.1.3. Adaptación local versus sistémica
Un agente puede adaptarse individualmente y generar efectos negativos sobre el sistema.
Ejemplo financiero:
cada banco intenta reducir riesgo vendiendo activos.
Individualmente:
racional.
Colectivamente:
ventas → precios ↓ → balances ↓ → nuevas ventas.
Una adaptación local puede amplificar fragilidad sistémica.
Por ello:
una respuesta adaptativa para un agente no tiene por qué ser adaptativa para el sistema.
12.1.4. Adaptación anticipatoria
No toda adaptación ocurre después del shock.
Los agentes pueden anticiparlo.
Ejemplo:
una empresa espera restricciones comerciales.
Antes de que aparezcan:
- diversifica proveedores;
- aumenta inventarios;
- rediseña producto.
Tenemos:
expectativa → adaptación preventiva.
Esto conecta los capítulos de expectativas, resiliencia y redes.
Proposición RMS-A1
La adaptación consiste en modificar comportamiento o estructura en respuesta a información y cambios del entorno, pero su valor debe evaluarse a nivel sistémico y temporal, no únicamente desde la perspectiva del agente que se adapta.
12.2. Aprendizaje
Adaptarse requiere información.
Pero aprender significa algo más profundo:
convertir experiencia en una modificación relativamente persistente de la capacidad de decisión o ejecución.
Podemos distinguir:
experiencia → información → aprendizaje → nueva capacidad.
No toda experiencia genera aprendizaje.
12.2.1. Learning-by-doing
Ya vimos con Arrow una idea fundamental:
hacer también produce conocimiento.
Una empresa que fabrica 1.000 unidades aprende sobre:
- errores;
- tiempos;
- materiales;
- coordinación.
Entonces:
producción presente → productividad futura.
Esto significa que el output actual puede generar simultáneamente:
- bienes;
- conocimiento.
12.2.2. Learning-by-using
También los usuarios aprenden.
Una tecnología puede mejorar porque:
- los consumidores descubren nuevos usos;
- aparecen fallos;
- fabricantes reciben feedback.
Así:
uso → información → rediseño → mejor tecnología.
12.2.3. Learning-by-interacting
Una tercera modalidad resulta especialmente relevante para RMS.
El conocimiento puede surgir mediante interacción entre:
- proveedores;
- clientes;
- universidades;
- trabajadores.
Entonces:
red → interacción → aprendizaje colectivo.
Esto explica por qué determinados ecosistemas productivos poseen ventajas difíciles de copiar únicamente mediante compra de maquinaria.
12.2.4. Aprendizaje individual y aprendizaje sistémico
Podemos distinguir:
Individual
una persona aprende.
Organizativo
la organización incorpora ese aprendizaje en procesos.
Sistémico
el conocimiento se difunde entre múltiples organizaciones.
Éste último es mucho más exigente.
Una economía puede producir:
excelentes investigadores
pero no conseguir:
difusión tecnológica.
Entonces:
aprendizaje individual alto + aprendizaje sistémico bajo.
Proposición RMS-A2
El aprendizaje económico ocurre cuando experiencia e información se convierten en conocimiento reproducible que modifica decisiones, procesos o capacidades futuras.
12.3. Rutinas y memoria organizativa
Aquí Nelson y Winter son esenciales.
Las empresas no resuelven desde cero cada problema todos los días.
Funcionan mediante:
- procedimientos;
- hábitos;
- reglas;
- rutinas.
Su teoría evolutiva convierte las rutinas en una pieza central para comprender continuidad y cambio dentro de las organizaciones.
12.3.1. Rutina como memoria
Una rutina puede almacenar conocimiento.
Por ejemplo:
una fábrica sabe cómo:
- ajustar una máquina;
- controlar calidad;
- organizar turnos.
Ese conocimiento puede no estar completamente escrito.
Está incorporado en:
personas + procesos + relaciones.
Por ello:
la organización puede saber más que cualquiera de sus miembros individualmente.
12.3.2. Rutinas como ventaja
Las rutinas eficientes permiten:
- velocidad;
- coordinación;
- reproducibilidad.
Pero también pueden convertirse en:
rigidez.
12.3.3. Competency trap
Una organización puede dominar extraordinariamente bien una tecnología antigua.
Precisamente por ello:
- invierte más en ella;
- aprende más;
- obtiene mejores resultados inmediatos.
Entonces:
éxito actual → más especialización → menor exploración → dependencia del modelo actual.
La fortaleza puede convertirse en:
trampa de competencia.
Esta idea será especialmente importante para estudiar empresas o economías atrapadas alrededor de tecnologías maduras.
12.3.4. Memoria y destrucción
Si desaparece la organización:
las rutinas pueden desaparecer también.
Por tanto:
destruir una empresa ≠ perder únicamente máquinas y empleos.
Puede implicar perder:
memoria organizativa acumulada.
Esto refuerza nuestra idea del capítulo 3:
tiempo de destrucción < tiempo de reconstrucción
para determinadas capacidades complejas.
Proposición RMS-A3
Las rutinas funcionan como memoria organizativa: permiten reproducir capacidades, pero pueden generar simultáneamente eficiencia operativa y rigidez adaptativa.
12.4. Variación y experimentación
Un sistema no puede aprender únicamente repitiendo lo mismo.
Necesita:
variación.
Puede aparecer mediante:
- innovación;
- nuevas empresas;
- experimentos regulatorios;
- estrategias distintas;
- tecnologías alternativas.
12.4.1. Alchian: adaptación sin omnisciencia
Alchian proporciona aquí un fundamento especialmente importante.
En un entorno de incertidumbre, las empresas no necesitan identificar ex ante la estrategia óptima.
Puede existir:
variación de comportamientos → competencia → supervivencia diferencial.
El mercado funciona parcialmente como:
mecanismo de selección.
Esto modifica nuestra representación del agente económico.
No siempre:
problema → cálculo perfecto → solución óptima.
También puede existir:
problema → experimentación → selección.
12.4.2. Diversidad como activo adaptativo
Si todas las empresas adoptan exactamente:
la misma estrategia,
el sistema dispone de poca información sobre alternativas.
Si varias experimentan:
pueden descubrirse mejores soluciones.
Por tanto:
diversidad → experimentación → información.
12.4.3. Coste de experimentar
Pero experimentar cuesta:
- capital;
- tiempo;
- fracasos.
Por tanto:
máxima experimentación
tampoco es óptima.
Necesitamos equilibrio entre:
explotación de lo conocido
y:
exploración de alternativas.
12.5. Exploración versus explotación
Éste es uno de los dilemas centrales de cualquier sistema adaptativo.
Explotación
mejorar aquello que ya sabemos hacer.
Exploración
buscar nuevas posibilidades.
12.5.1. Explotación
Genera:
- eficiencia;
- escala;
- aprendizaje incremental.
Pero puede aumentar:
lock-in.
12.5.2. Exploración
Genera:
- diversidad;
- nuevas tecnologías;
- nuevas capacidades.
Pero:
- cuesta;
- fracasa frecuentemente;
- puede dispersar recursos.
12.5.3. Dilema
Podemos representarlo:
Exploitation ↑ → eficiencia actual ↑, variedad potencial ↓
Exploration ↑ → coste actual ↑, opciones futuras ↑
Éste es un trade-off profundamente RMS porque conecta:
eficiencia presente ↔ adaptabilidad futura.
12.5.4. Ejemplo industrial
Empresa A dedica:
95 % de recursos a mejorar tecnología actual.
Empresa B:
70 % actual + 30 % tecnologías futuras.
Mientras la tecnología actual domina:
A puede ser más rentable.
Si aparece una ruptura tecnológica:
B puede estar mejor preparada.
Por tanto:
la frontera de eficiencia actual no coincide necesariamente con la frontera de adaptación futura.
Proposición RMS-A4
Los sistemas adaptativos enfrentan un trade-off entre explotar capacidades existentes y explorar alternativas que preserven opciones futuras.
12.6. Selección
La variación por sí sola no genera evolución.
Necesitamos:
selección.
12.6.1. Selección de empresas
Algunas empresas:
- crecen;
- sobreviven.
Otras:
- reducen tamaño;
- desaparecen.
Entonces la composición del sistema cambia.
12.6.2. Selección de tecnologías
Varias tecnologías compiten.
Una consigue:
- usuarios;
- proveedores;
- capital.
Otra desaparece.
La estructura tecnológica futura depende de:
qué alternativa fue seleccionada.
12.6.3. Selección institucional
También pueden competir:
- reglas;
- políticas;
- modelos organizativos.
Si existe experimentación entre jurisdicciones o empresas:
algunos mecanismos pueden difundirse.
12.6.4. Selección no garantiza óptimo global
Ésta es una cautela esencial.
Lo seleccionado puede ser:
lo más adaptado al entorno actual
pero no:
lo mejor a largo plazo.
Arthur muestra además que, con rendimientos crecientes, eventos iniciales pequeños pueden amplificarse y generar lock-in alrededor de una tecnología o trayectoria determinada.
Por tanto:
supervivencia ≠ optimalidad universal.
Proposición RMS-A5
La evolución económica requiere mecanismos de selección, pero aquello que sobrevive refleja adaptación al entorno y trayectoria histórica, no necesariamente eficiencia global ni superioridad permanente.
12.7. Innovación y destrucción creativa
La selección económica puede producir cambios mucho más profundos cuando aparece:
innovación.
Aquí la tradición:
Schumpeter → Aghion-Howitt
resulta central.
12.7.1. Innovación como construcción de capacidad
Una nueva tecnología puede aumentar:
- productividad;
- calidad;
- posibilidades productivas.
Entonces:
C_nueva ↑.
12.7.2. Pero también destruye
La misma innovación puede reducir valor de:
- maquinaria;
- habilidades;
- empresas;
- conocimiento.
Entonces:
C_antigua ↓.
El crecimiento puede contener simultáneamente:
creación + destrucción.
La teoría de Aghion-Howitt formaliza precisamente un proceso en el que innovaciones elevan productividad reemplazando tecnologías anteriores, mientras trabajos posteriores han conectado este mecanismo con entrada, salida, reasignación y medición del crecimiento.
12.7.3. Ejemplo
Vehículo eléctrico:
crea demanda de:
- baterías;
- software;
- electrónica.
Pero reduce progresivamente el valor de capacidades vinculadas a:
- motores de combustión;
- determinados componentes mecánicos.
La transición no consiste en:
añadir VE a estructura antigua.
Implica:
recomposición del Capability Space.
12.7.4. Destrucción eficiente versus destrucción prematura
No toda desaparición es deseable.
Si se destruye una capacidad antigua:
antes de que la nueva pueda sustituir su función,
podemos crear:
gap de transición.
Por tanto RMS deberá distinguir:
destrucción creativa
la nueva capacidad sustituye eficazmente la antigua;
de:
destrucción sin reemplazo
se pierde capacidad neta.
Proposición RMS-A6
La innovación transforma el sistema mediante creación y destrucción simultánea de capacidades; evaluar una transición exige medir tanto aquello que emerge como aquello que desaparece y el tiempo existente entre ambos procesos.
12.8. Path dependence y lock-in
El aprendizaje acumulado genera:
memoria.
Y la memoria genera:
dependencia de trayectoria.
12.8.1. Arthur
Arthur muestra que los rendimientos crecientes pueden hacer que pequeños acontecimientos iniciales produzcan efectos acumulativos y lleven a tecnologías o estructuras a dominar y quedar bloqueadas históricamente.
La secuencia puede ser:
ventaja inicial → adopción → aprendizaje → infraestructura → mayor ventaja.
12.8.2. Lock-in no significa irreversibilidad absoluta
Una estructura bloqueada puede cambiar.
Pero cambiar requiere:
- coste;
- coordinación;
- nueva infraestructura;
- nuevas capacidades.
Entonces:
path dependence ≠ destino.
Significa:
el coste y la probabilidad de las opciones futuras dependen del camino recorrido.
12.8.3. Learning advantage
Una tecnología utilizada durante años acumula:
- trabajadores;
- proveedores;
- estándares;
- conocimiento.
Una tecnología técnicamente superior puede comenzar con:
ecosistema inferior.
Por eso la transición puede ser lenta.
12.8.4. Implicación RMS
Nuestra función deja de ser:
Cₜ₊₁ = f(recursos actuales)
y pasa a depender también de:
Cₜ, experiencia acumulada y trayectoria.
Es decir:
historia importa.
Proposición RMS-A7
Las capacidades presentes modifican el coste y accesibilidad de las capacidades futuras, generando dependencia de trayectoria y posibles procesos de lock-in.
12.9. Capacidades dinámicas
Aquí entra directamente David Teece.
La cuestión ya no es:
¿qué sabe hacer actualmente una empresa?
Sino:
¿puede reconocer que debe cambiar y reorganizarse antes de perder competitividad?
Teece organiza las capacidades dinámicas alrededor de tres grandes funciones:
sensing → seizing → transforming.
12.9.1. Sensing: detectar
Capacidad para identificar:
- tecnología;
- amenaza;
- oportunidad;
- cambio de demanda.
Una empresa puede tener capital y talento, pero si:
no detecta el cambio,
reacciona tarde.
12.9.2. Seizing: aprovechar
Detectar no basta.
Hay que:
- invertir;
- organizar;
- desarrollar producto;
- asumir riesgo.
Entonces:
información → movilización.
12.9.3. Transforming: reconfigurar
La fase más difícil.
Implica cambiar:
- activos;
- procesos;
- personas;
- relaciones.
Es decir:
estructura antigua → nueva estructura.
12.9.4. RMS: capacidades dinámicas sistémicas
Aquí podemos proponer una extensión.
Teece analiza principalmente empresas.
RMS preguntará si podemos hablar también —con cautela— de:
System Dynamic Capability.
Por ejemplo, ¿puede una economía:
- detectar una dependencia tecnológica?
- movilizar recursos?
- crear nuevas capacidades?
- retirar instrumentos cuando dejan de ser necesarios?
No debemos asumir que un país es literalmente una empresa.
Pero la secuencia:
detectar → movilizar → reconfigurar
puede ser metodológicamente útil.
Proposición RMS-A8
La adaptabilidad depende no sólo de disponer de recursos alternativos, sino de capacidad para detectar cambios, movilizar respuestas y reconfigurar la estructura existente.
12.10. Aprendizaje institucional
Hasta ahora nos hemos concentrado en empresas.
Pero:
los Estados también aprenden o dejan de aprender.
12.10.1. Ciclo adaptativo de política
Una política verdaderamente adaptativa debería contener:
objetivo → implementación → resultado → evaluación → corrección.
Si falta:
evaluación,
el bucle queda roto.
12.10.2. Error como información
Una institución que castiga cualquier fracaso puede reducir:
experimentación.
Pero una institución que no penaliza nunca el fracaso puede generar:
despilfarro.
La arquitectura de aprendizaje necesita:
- experimentar;
- medir;
- distinguir errores informativos de negligencia;
- retirar políticas fallidas.
12.10.3. Selección política
Una política puede sobrevivir no porque funcione, sino porque genera:
- grupos beneficiarios;
- burocracias;
- intereses.
Entonces:
policy survival ≠ policy effectiveness.
Esto conecta con North y path dependence institucional.
12.11. Senge y la organización que aprende
Peter Senge puede aportar aquí una perspectiva complementaria, aunque no debe funcionar como fundamento económico principal.
Su trabajo sobre learning organizations enfatiza el pensamiento sistémico, la revisión de modelos mentales, la visión compartida y el aprendizaje colectivo; la Society for Organizational Learning continúa describiendo este enfoque como una forma de construir organizaciones más adaptativas y flexibles.
Para RMS resulta especialmente útil una pregunta:
¿cómo se convierte conocimiento disperso entre diferentes partes de una organización en aprendizaje colectivo?
12.11.1. Problema de silos
Departamento A aprende algo.
Departamento B:
no lo sabe.
Entonces:
learning_local ≠ learning_system.
Esto es directamente trasladable a una economía:
- universidad aprende;
- empresa no absorbe;
- administración no conoce;
- financiación no responde.
Existe conocimiento.
Pero no:
aprendizaje sistémico.
12.11.2. El desafío RMS
Una posible propiedad sistémica será:
Learning Connectivity.
Es decir:
capacidad del sistema para transmitir aprendizaje entre nodos relevantes.
Esto conecta el capítulo 12 con el 11.
Proposición RMS-A9
El aprendizaje sistémico requiere mecanismos que permitan transformar conocimiento local en modificaciones de comportamiento o capacidad en otras partes relevantes de la red.
12.12. Ashby: adaptación y variedad de respuestas
La ley de variedad requerida de W. Ross Ashby, introducida en el capítulo anterior, adquiere aquí todavía más importancia.
Ashby desarrolló su teoría de regulación alrededor de la relación entre la variedad de perturbaciones y la variedad disponible para el regulador.
RMS puede reinterpretar cautelosamente esta intuición:
un sistema que sólo conoce una respuesta puede funcionar mientras el entorno permanezca dentro de un rango limitado; cuando aumenta la variedad de perturbaciones, necesita ampliar su repertorio de respuestas.
12.12.1. Repertorio adaptativo
Podemos llamar:
AR = Adaptive Repertoire.
Incluye:
- tecnologías alternativas;
- proveedores;
- herramientas fiscales;
- financiación;
- capacidades humanas;
- instituciones.
12.12.2. Variedad efectiva
No basta tener diez instrumentos nominales.
Deben producir:
respuestas distintas.
Así:
Variedad nominal ≠ variedad funcional.
12.12.3. Ejemplo energético
Shock 1:
precio alto.
Respuesta útil:
ahorro.
Shock 2:
fallo físico de suministro.
Ahorrar puede no bastar.
Necesitamos:
- sustitutos;
- inventarios;
- nueva generación.
Un repertorio amplio permite:
matching shock-response.
Proposición RMS-A10
La capacidad adaptativa aumenta cuando el sistema posee un repertorio suficientemente diverso de respuestas funcionales frente a la diversidad relevante de perturbaciones.
12.13. Taleb y antifragilidad: incorporación cautelosa
Taleb puede utilizarse aquí, pero debemos separar:
metáfora útil
de:
fundamento económico establecido.
Su concepto de antifragilidad pretende describir sistemas que no sólo soportan variabilidad sino que pueden beneficiarse de determinadas formas de estrés.
RMS puede utilizar esta intuición para plantear una pregunta interesante:
¿pueden pequeños shocks mejorar la capacidad futura del sistema mediante aprendizaje?
12.13.1. Fragilidad
Shock:
−10.
Resultado:
−30.
12.13.2. Robustez
Shock:
−10.
Resultado:
aproximadamente 0.
12.13.3. Resiliencia
Shock:
−10.
Caída temporal y recuperación.
12.13.4. Antifragilidad
Shock limitado:
genera aprendizaje y mejora posterior.
Por ejemplo:
pequeños fallos → detección de debilidad → corrección → resiliencia futura ↑.
12.13.5. Cautela
No debemos afirmar:
las crisis son buenas.
Un shock suficientemente grande puede destruir capacidades de manera irreversible.
Una versión RMS rigurosa sería:
determinados sistemas pueden convertir perturbaciones limitadas en información y aprendizaje que mejoren su capacidad posterior, siempre que el daño no supere su capacidad de absorción.
Proposición RMS-A11
Bajo determinadas condiciones, perturbaciones limitadas pueden aumentar capacidad futura si generan aprendizaje y corrección sin destruir los stocks necesarios para adaptarse.
Debe quedar marcada como hipótesis condicionada.
12.14. Aprendizaje bajo shocks grandes y pequeños
Esto permite introducir una distinción interesante.
Shock pequeño
puede revelar errores sin destruir el sistema.
Shock enorme
puede destruir:
- empresas;
- conocimiento;
- capital.
Por tanto puede existir una zona donde:
stress informativo > daño.
Y otra donde:
daño > aprendizaje posible.
Esto será relevante para resiliencia adaptativa.
12.15. Adaptación y slack
También aparece otro trade-off.
Las organizaciones con:
cero recursos ociosos
pueden ser muy eficientes.
Pero experimentar requiere:
- tiempo;
- capital;
- personas.
Por tanto:
slack
puede funcionar como:
capacidad adaptativa.
Una empresa permanentemente al:
100 % de utilización
puede no disponer de recursos para:
innovar.
Proposición RMS-A12
La eficiencia máxima de utilización puede reducir capacidad adaptativa cuando elimina los recursos libres necesarios para experimentar, aprender o responder a perturbaciones.
Esto conecta directamente con nuestro trade-off eficiencia-resiliencia.
12.16. Adaptación y escala
La escala puede favorecer aprendizaje:
más producción → más experiencia.
Pero puede reducir experimentación si domina:
un único modelo.
Tenemos otra relación no lineal.
Escala positiva
- learning-by-doing;
- financiación;
- I+D.
Escala negativa potencial
- burocracia;
- lock-in;
- lentitud.
Por tanto:
Scale → adaptation
depende de:
arquitectura organizativa.
Aquí Garicano y Teece complementan muy bien a Arthur.
12.17. Adaptación en ecosistemas productivos
Una empresa nunca aprende completamente sola.
Supongamos un cluster de baterías.
Productor descubre una mejora.
Proveedor adapta material.
Universidad investiga.
Trabajadores cambian competencias.
Entonces:
aprendizaje se propaga.
La ventaja reside en:
ecosistema adaptativo.
12.17.1. Arthur
La economía de la complejidad de Arthur resulta especialmente útil porque trata el sistema económico como una red adaptativa donde los agentes reaccionan a patrones agregados que ellos mismos generan.
Así:
agentes cambian → sistema cambia → señales cambian → agentes vuelven a cambiar.
Ésta es una verdadera dinámica coevolutiva.
12.18. Coevolución
Este concepto debería incorporarse a RMS.
Definiremos coevolución como:
el proceso por el cual dos o más componentes del sistema cambian mutuamente sus condiciones de adaptación.
Ejemplos:
Tecnología ↔ regulación
Empresa ↔ consumidor
Industria ↔ formación
IA ↔ organización del trabajo
12.18.1. Ejemplo
Aparece nueva tecnología.
La regulación cambia.
Las empresas adaptan tecnología para cumplir regulación.
La nueva tecnología genera problemas regulatorios nuevos.
Entonces:
Tₜ → Regₜ₊₁ → Tₜ₊₂.
No existe una variable completamente exógena.
Proposición RMS-A13
En sistemas económicos adaptativos, agentes, tecnologías e instituciones pueden coevolucionar, de modo que cada cambio modifica el entorno de selección de los demás.
12.19. Selección de capacidades
RMS necesita ahora ampliar su concepto de selección.
No sólo se seleccionan:
empresas.
También:
- conocimientos;
- rutinas;
- tecnologías;
- cadenas productivas.
12.19.1. Capability selection
Podemos representar:
variación de capacidades → competencia/entorno → expansión o desaparición.
Esto modifica:
Capability Spaceₜ → Capability Spaceₜ₊₁.
12.19.2. Peligro de selección miope
Una capacidad puede tener:
baja rentabilidad actual
pero:
alto valor opcional futuro.
El mercado puede eliminarla.
Si reconstruirla tarda:
10 años,
puede aparecer una tensión entre:
selección económica corriente
y:
opcionalidad sistémica.
No significa que el Estado deba conservar toda industria.
Significa que el tiempo de reconstrucción importa.
12.20. Aprendizaje y capacidad de absorción
Una economía puede aprender también de otros.
Tenemos:
External Knowledge → Absorption → Adaptation.
Pero la absorción depende de conocimiento previo.
Esto genera una dinámica acumulativa:
conocimiento existente → absorción más fácil → nuevo conocimiento → mayor capacidad de absorción.
Por tanto:
learning capacity itself learns.
Esta idea es especialmente importante para desarrollo y convergencia tecnológica.
12.21. Catch-up versus frontera
Los mecanismos de aprendizaje pueden cambiar según posición tecnológica.
Lejos de frontera
gran parte del progreso puede venir de:
- adopción;
- imitación;
- absorción.
Cerca de frontera
cada vez es más necesario:
- investigar;
- experimentar;
- innovar.
Por tanto:
mecanismo de crecimiento depende del estado del sistema.
Esta idea conectará posteriormente con Aghion y nuestros análisis de competencia y productividad.
12.22. Adaptación y política industrial
Aquí aparece una consecuencia importante para RMS.
Una política industrial puede concebirse de dos maneras.
Política estática
El Estado decide de antemano:
sector ganador
y lo sostiene permanentemente.
Política adaptativa
Establece:
- experimentación;
- objetivos;
- feedback;
- disciplina;
- escalado de éxitos;
- retirada ante fracaso.
RMS debería estar conceptualmente más cerca de la segunda.
12.22.1. Política como proceso de descubrimiento
En entornos de incertidumbre:
ni Estado ni mercado conocen perfectamente:
qué tecnología ganará.
Entonces puede ser racional:
crear variedad → observar → seleccionar → escalar.
Ésta es una aplicación directa de lógica evolutiva.
12.22.2. Riesgo de captura
Pero para funcionar se necesita capacidad para:
retirar apoyo.
Si cada experimento crea un grupo permanente de intereses:
experimentación → subsidio permanente.
Entonces desaparece:
selección.
12.23. Naughton y China: cuándo será útil
Aquí Barry Naughton puede empezar a aparecer, aunque no debe dominar el capítulo.
Su análisis del capitalismo de Estado y política industrial china será útil como caso empírico para preguntar si determinadas instituciones permiten:
- experimentación local;
- escalado;
- crédito dirigido;
- coordinación;
- aprendizaje industrial.
Pero debemos mantener abierta la otra cara:
- sobreinversión;
- duplicación;
- capacidad excedentaria;
- mala asignación.
Por tanto, la hipótesis RMS no será:
China aprende mejor.
Será:
¿qué mecanismos de la arquitectura china aumentan experimentación y escalado y cuáles generan errores persistentes o sobrecapacidad?
Esa pregunta será mucho más potente cuando lleguemos a los casos China y competencia sistémica.
12.24. Senge y China/Europa: evitar una afirmación prematura
De igual forma, no debemos afirmar todavía:
China aprende como sistema y Europa aprende por partes.
Podemos convertirlo en hipótesis:
H₁: determinadas arquitecturas permiten transmitir aprendizaje entre industria, financiación, administración y ciencia con menor fricción.
Entonces necesitaríamos medir:
- velocidad de difusión;
- coordinación;
- respuesta institucional;
- escalado.
Sólo después podríamos comparar.
12.25. Velocidad de aprendizaje
Introduzcamos:
Lᵥ = Learning Velocity.
Pregunta:
¿cuánto tarda un sistema en transformar nueva información en una modificación efectiva?
Ejemplo:
shock detectado hoy.
Sistema A modifica:
política/producción en 3 meses.
Sistema B:
en 5 años.
Entonces:
Learning Velocity_A > Learning Velocity_B.
12.26. Calidad del aprendizaje
Velocidad tampoco basta.
Un sistema puede aprender:
rápidamente mal.
Necesitamos:
Learning Accuracy.
Es decir:
¿las modificaciones mejoran efectivamente el resultado?
Por tanto:
Learning Quality = velocidad × precisión × difusión.
No como fórmula empírica aún, sino como arquitectura conceptual.
12.27. Profundidad de aprendizaje
Podemos distinguir:
Single-loop learning
cambia la acción.
Aprendizaje estructural
cambia reglas o mecanismos.
Ejemplo:
problema:
baja productividad.
Respuesta superficial:
más subvención.
Respuesta profunda:
reorganizar sistema de financiación/formación.
RMS tendrá especial interés en:
aprendizaje que cambia arquitectura.
12.28. Olvido
Los sistemas también:
olvidan.
Puede perderse:
- conocimiento;
- memoria institucional;
- competencias.
Después de décadas sin una tecnología:
trabajadores desaparecen.
Entonces:
Capability Decay.
12.28.1. Organizational forgetting
Podemos representar:
Conocimientoₜ₊₁ = conocimientoₜ + aprendizaje − olvido.
Esto conecta directamente con stocks.
12.28.2. Olvido institucional
Después de una crisis:
se crean reglas.
Décadas después:
la crisis se olvida.
Las reglas se relajan.
Esto conecta con Minsky y nuestra paradoja de resiliencia.
12.29. Adaptación excesiva
Existe también el riesgo contrario:
adaptarse demasiado a un entorno transitorio.
Ejemplo:
una empresa observa un shock temporal y reconstruye toda su arquitectura para responder a él.
Cuando desaparece:
queda mal posicionada.
Tenemos:
overreaction.
Por tanto:
adaptabilidad necesita discriminación entre ruido y cambio estructural.
12.30. Señales y adaptación
Esto devuelve importancia a:
- Akerlof;
- Grossman-Stiglitz;
- Hayek.
Para adaptarse correctamente necesitamos:
información.
Si las señales son:
- incompletas;
- costosas;
- manipuladas;
el proceso adaptativo puede fallar.
Así:
Information Architecture → Adaptive Capacity.
12.31. Experimentación descentralizada
La descentralización puede aumentar:
número de experimentos.
Mil empresas prueban mil estrategias.
Pero puede reducir:
coordinación.
La centralización puede:
- coordinar;
- escalar rápidamente.
Pero puede reducir:
- diversidad;
- experimentación.
Otra vez:
centralización ↔ variedad.
No existe solución universal.
12.32. Policentrismo y adaptación
Ostrom reaparece aquí.
Una arquitectura policéntrica puede permitir:
- múltiples experimentos;
- adaptación local;
- aprendizaje comparativo.
Pero necesita mecanismos para:
difundir aquello que funciona.
Sin difusión:
tenemos:
experimentos locales aislados.
Por tanto:
policentrismo + learning connectivity
puede ser más importante que policentrismo por sí solo.
12.33. Escalado: de experimento local a capacidad sistémica
Éste es un punto central.
Supongamos que aparece:
innovación exitosa.
Para convertirse en capacidad sistémica necesita:
experimento → validación → financiación → producción → difusión → escala.
Cada flecha puede convertirse en cuello de botella.
12.33.1. Escalado como segunda selección
Una idea puede funcionar localmente.
Pero debe demostrar:
funcionamiento a gran escala.
Algunos modelos desaparecen precisamente aquí.
Por tanto:
prototipo ≠ capability.
12.34. Adaptación y redes
Conectamos con capítulo 11.
Después de un shock:
Networkₜ → reconfiguración → Networkₜ₊₁.
Puede ocurrir:
- diversificación;
- relocalización;
- nuevas conexiones.
Entonces las redes son simultáneamente:
estructura de adaptación
y:
resultado del aprendizaje.
12.35. Adaptación y feedbacks
También conectamos con capítulo 4.
Una política genera resultado.
Resultado modifica comportamiento.
Entonces:
Policy → Agents → Outcome → Learning → New Policy.
Este es el bucle adaptativo fundamental.
Si falla la flecha:
Outcome → Learning,
el sistema repite errores.
12.36. Adaptación y equilibrio
Esto modifica nuestra concepción del capítulo 2.
El equilibrio actual altera:
- incentivos;
- conocimiento;
- capacidades.
Entonces:
Equilibriumₜ → Learning → Systemₜ₊₁ → Equilibriumₜ₊₁.
Por tanto:
los equilibrios no son únicamente estados; también pueden ser entornos de aprendizaje que modifican los equilibrios futuros.
Ésta es una consecuencia importante de RMS.
12.37. Adaptación y capacidades
La relación central será:
Capacidadₜ → experienciaₜ → aprendizajeₜ → Capacidadₜ₊₁.
Esto convierte las capacidades en:
dinámicas y autorreferenciales.
Una economía aprende parcialmente:
haciendo lo que ya sabe hacer.
De ahí la dependencia de trayectoria.
12.38. Capacidad adaptativa RMS
Podemos definir provisionalmente:
Adaptive Capacity es la capacidad de un sistema para detectar cambios relevantes, generar respuestas alternativas, aprender de sus resultados, seleccionar soluciones y reconfigurar recursos, mecanismos y redes con suficiente velocidad.
Podemos descomponerla en:
| Dimensión | Pregunta |
|---|---|
| Detection | ¿detecta el cambio? |
| Variety | ¿dispone de alternativas? |
| Experimentation | ¿puede probarlas? |
| Selection | ¿puede distinguir cuáles funcionan? |
| Diffusion | ¿puede transmitir el aprendizaje? |
| Scaling | ¿puede expandir la solución? |
| Reconfiguration | ¿puede modificar la estructura? |
Esta tabla puede convertirse en una herramienta importante del marco.
12.39. Un posible Adaptive Capacity Index
Más adelante podríamos investigar un:
ACI = Adaptive Capacity Index.
Conceptualmente dependería de:
información + variedad + experimentación + aprendizaje + difusión + escalado + reconfiguración.
No deberíamos sumarlos mecánicamente porque existen complementariedades.
Un sistema podría tener:
- experimentación excelente;
- escalado pésimo.
Entonces su capacidad adaptativa global puede ser limitada por:
escalado.
Volvemos al O-Ring.
12.40. O-Ring de la adaptación
Esto permite conectar Kremer con este capítulo.
La adaptación puede requerir una cadena:
detectar → experimentar → seleccionar → financiar → escalar.
Si:
- detección = alta;
- experimentación = alta;
- selección = alta;
- financiación = baja;
la adaptación final puede fracasar.
Por tanto:
la capacidad adaptativa puede ser una capacidad complementaria de múltiples etapas.
Esto es una extensión RMS interesante de la lógica O-Ring.
12.41. Stress test adaptativo
Podemos diseñar una nueva herramienta.
En vez de preguntar sólo:
¿cuánto cae la economía?
preguntamos:
¿qué hace después?
Procedimiento:
- introducir shock;
- medir detección;
- observar número de respuestas;
- medir velocidad de experimentación;
- observar selección;
- medir escalado;
- comparar estructura antes/después.
Esto permitiría medir:
resiliencia adaptativa.
12.42. Adaptación rápida versus adaptación profunda
Dos sistemas pueden responder de manera distinta.
Sistema A
cambia rápidamente parámetros.
Sistema B
tarda más pero cambia estructura.
Por tanto necesitamos distinguir:
Speed of Adaptation
y:
Depth of Adaptation.
Una modificación rápida y superficial puede ser menos transformadora que una reforma más lenta.
12.43. Adaptabilidad versus transformabilidad
Recuperando Holling/Folke:
Adaptabilidad
mantener funciones modificando componentes.
Transformabilidad
crear una configuración cualitativamente nueva.
El capítulo 13 desarrollará esta segunda dimensión.
Aquí basta establecer:
Adaptation: modificar dentro del régimen.
Transformation: cambiar de régimen.
12.44. El límite de la adaptación incremental
Una organización puede mejorar continuamente:
tecnología A.
Pero llega:
tecnología B
que cambia completamente el paradigma.
Más aprendizaje sobre A puede no resolver la transición.
Incluso puede aumentar lock-in.
Entonces:
learning can create rigidity.
Ésta es una paradoja muy importante.
12.45. Paradoja RMS del aprendizaje
Podemos formular una hipótesis:
El aprendizaje acumulado aumenta desempeño dentro de una trayectoria, pero puede simultáneamente elevar el coste de abandonar esa trayectoria.
Secuencia:
aprendizaje → especialización → productividad ↑ → activos específicos ↑ → switching cost ↑.
Entonces:
capacidad actual ↑
pero potencialmente:
flexibilidad ↓.
Esta es una de las tensiones más interesantes que han aparecido en RMS.
12.46. Paradoja de la competencia
Algo parecido puede ocurrir con competencia.
Competencia intensa puede:
- acelerar aprendizaje;
- eliminar ineficiencias.
Pero puede también:
- reducir buffers;
- eliminar diversidad;
- concentrar mercado si ganan pocos.
Por tanto:
competition → selection → efficiency
pero posiblemente:
competition → reduced diversity → fragility.
No será una ley; dependerá del sector y mecanismo.
12.47. Evolución económica como recomposición del sistema
Podemos ya definir evolución económica en RMS:
Proceso mediante el cual variación, aprendizaje, selección y reconfiguración modifican persistentemente la distribución de agentes, rutinas, tecnologías, redes y capacidades del sistema.
En forma compacta:
Variación → selección → aprendizaje → recombinación → nueva estructura.
Pero también existen feedbacks:
nueva estructura → nuevos incentivos → nueva variación.
Por tanto, no es una secuencia puramente lineal.
12.48. Formalización dinámica provisional
Podemos expresar la evolución de las capacidades de manera sencilla:
Cₜ₊₁ = Cₜ + aprendizaje + nuevas capacidades − obsolescencia − destrucción.
Y la arquitectura:
Sₜ₊₁ = Φ(Sₜ, adaptación, selección, innovación, shocks).
No necesitamos formalizar todavía las funciones.
Lo importante es reconocer que:
C y S son variables de estado endógenamente evolutivas.
12.49. De RMS estático a RMS evolutivo
Con este capítulo completamos un cambio conceptual importante.
RMS 1.0 podía interpretarse como:
Recursos → mecanismos → sistema.
RMS 2.0 pasa progresivamente a:
Recursos + mecanismos + estructura → capacidades → resultados → aprendizaje → adaptación → nueva estructura.
Y después vuelve a comenzar.
Es decir:
el output de un periodo modifica el sistema que producirá el siguiente.
12.50. Proposiciones RMS sobre adaptación, aprendizaje y evolución
RMS-A1 — Adaptación
Los agentes modifican comportamiento en respuesta a cambios e información, pero adaptación individual y adaptación sistémica pueden divergir.
RMS-A2 — Aprendizaje
Existe aprendizaje cuando experiencia e información modifican de forma persistente capacidades futuras.
RMS-A3 — Rutinas
Las rutinas almacenan conocimiento organizativo, generando simultáneamente eficiencia y posible rigidez.
RMS-A4 — Exploración
Los sistemas afrontan un trade-off entre explotar capacidades existentes y explorar alternativas.
RMS-A5 — Selección
La supervivencia económica selecciona comportamientos y organizaciones adaptados al entorno existente, no necesariamente óptimos universales.
RMS-A6 — Destrucción creativa
La innovación crea nuevas capacidades y puede destruir simultáneamente stocks, organizaciones y competencias anteriores.
RMS-A7 — Path dependence
El aprendizaje acumulado modifica el coste de las opciones futuras y puede generar lock-in.
RMS-A8 — Dynamic capabilities
Adaptarse requiere detectar cambios, movilizar recursos y reconfigurar estructuras.
RMS-A9 — Aprendizaje sistémico
El conocimiento local sólo se convierte en aprendizaje sistémico cuando puede difundirse y modificar otras partes relevantes de la red.
RMS-A10 — Variedad requerida
La capacidad adaptativa depende de disponer de un repertorio funcional de respuestas suficientemente diverso.
RMS-A11 — Aprendizaje mediante estrés
Perturbaciones limitadas pueden mejorar capacidad futura cuando generan aprendizaje sin destruir los stocks necesarios para responder.
RMS-A12 — Slack
Eliminar todo margen ocioso puede mejorar eficiencia corriente pero reducir capacidad de experimentación y adaptación.
RMS-A13 — Coevolución
Agentes, tecnologías, instituciones y redes pueden evolucionar conjuntamente, modificándose mutuamente sus entornos de selección.
RMS-A14 — Paradoja del aprendizaje
La acumulación de experiencia dentro de una trayectoria puede aumentar simultáneamente productividad y coste de cambiar de trayectoria.
12.51. Qué aporta cada autor a RMS
| Autor | Mecanismo incorporado |
|---|---|
| Alchian | variación, incertidumbre, supervivencia y selección |
| Nelson & Winter | rutinas, búsqueda, heterogeneidad y evolución organizativa |
| Schumpeter | innovación y destrucción creativa |
| Aghion & Howitt | formalización del crecimiento mediante sustitución innovadora |
| Arthur | adaptación, increasing returns, path dependence y lock-in |
| Teece | sensing, seizing y transforming |
| Ashby | variedad requerida y repertorio de respuestas |
| Senge | aprendizaje organizativo y difusión colectiva del conocimiento |
| Kremer | complementariedad entre etapas de adaptación |
| Garicano | organización y escalado del conocimiento |
| Ostrom | experimentación y aprendizaje en arquitecturas policéntricas |
| Taleb | hipótesis complementaria sobre aprendizaje mediante estrés |
La combinación es potente precisamente porque ninguno explica por sí solo todo el proceso.
Conclusión: la capacidad fundamental puede ser la capacidad de cambiar capacidades
Los capítulos anteriores nos permitieron preguntar:
¿qué recursos posee una economía?
¿qué mecanismos los convierten?
¿qué capacidades ha acumulado?
¿qué cuellos la limitan?
¿cómo responden sus redes cuando aparecen shocks?
Pero existe una pregunta todavía más profunda:
¿puede cambiar lo que sabe hacer cuando aquello que sabía hacer deja de ser suficiente?
Ésta es la pregunta de la adaptación.
Alchian muestra por qué, bajo incertidumbre, el sistema puede evolucionar mediante variación y selección sin necesitar agentes omniscientes.
Nelson y Winter convierten rutinas, búsqueda y selección en la base de una visión evolutiva de empresas y cambio económico.
Arthur añade que los agentes adaptan continuamente sus decisiones al sistema que ellos mismos generan y que el aprendizaje acumulativo puede convertir pequeñas diferencias históricas en trayectorias persistentes.
Aghion y Howitt muestran que el crecimiento puede depender precisamente de un proceso que crea y destruye simultáneamente capacidades mediante innovación.
Teece permite distinguir entre ser eficiente hoy y poseer la capacidad organizativa para detectar, aprovechar y responder a cambios futuros.
Y Ashby introduce una intuición sistémica especialmente poderosa: la complejidad de las respuestas debe guardar relación con la variedad de perturbaciones que el sistema debe gestionar.
De aquí surge una posible tesis central de RMS 2.0:
La capacidad más importante de una economía avanzada puede no ser ninguna capacidad productiva concreta, sino su capacidad para construir, destruir, recombinar y escalar capacidades cuando cambia el entorno.
Podríamos denominarla:
Meta-capacidad adaptativa.
No es una capacidad para:
- fabricar chips;
- producir energía;
- financiar empresas.
Es la capacidad para:
detectar que una capacidad nueva será necesaria y construirla antes de que la ausencia de esa capacidad se convierta en una restricción sistémica.
Esto permite formular una definición más profunda de desarrollo:
El desarrollo no consiste únicamente en acumular capacidades. Consiste también en mejorar la capacidad del sistema para aprender qué capacidades necesitará después.
Y aparece aquí una tensión fundamental:
aprendizaje → especialización → productividad
pero también potencialmente:
especialización → lock-in → menor adaptabilidad.
Resolver esa tensión exige analizar algo más que adaptación incremental.
Tenemos que estudiar:
cómo abandona un sistema una configuración y entra en otra.
Ése será precisamente el objeto del siguiente capítulo:
13. Transiciones
donde podremos integrar especialmente Schumpeter, Aghion-Howitt, Arthur, Krugman, Murphy-Shleifer-Vishny, Holling/Folke, Teece y Hausmann-Hidalgo, distinguiendo entre cambio incremental, tipping points, lock-in, costes de transición, destrucción de capacidades antiguas, construcción de capacidades nuevas y desplazamiento entre equilibrios
No hay comentarios:
Publicar un comentario