PARTE I. ECONOMÍA, COMPLEJIDAD Y PENSAMIENTO SISTÉMICO
PARTE I. FUNDAMENTOS CONCEPTUALES
1. Economía, complejidad y pensamiento sistémico
1.1. La economía como sistema humano adaptativo
1.2. Límites del análisis fragmentado
1.3. De las variables aisladas a las interacciones
1.4. Sistemas complejos, emergencia y no linealidad
1.5. Qué puede aportar la teoría de sistemas a la economía
Introducción
El primer fundamento de RMS 2.0 consiste en cambiar ligeramente la unidad de observación.
La economía tradicional pregunta con enorme precisión:
- cómo decide un consumidor;
- cómo invierte una empresa;
- cómo se forma un precio;
- cómo responde la demanda;
- cómo actúa un banco central;
- cómo afectan los impuestos;
- cómo se distribuyen recursos entre usos alternativos.
Todas estas preguntas siguen siendo necesarias.
RMS 2.0 añade otra:
¿Qué propiedades aparecen cuando millones de agentes, instituciones, tecnologías, infraestructuras, redes financieras y expectativas interactúan continuamente y modifican el entorno al que ellos mismos deberán responder después?
Esta pregunta desplaza el análisis desde los componentes hacia la arquitectura de interacciones.
No implica abandonar microeconomía, teoría del equilibrio o econometría. Implica reconocer que determinados fenómenos económicos son propiedades del sistema y no pueden atribuirse limpiamente a uno solo de sus componentes.
Brian Arthur sintetiza bien este punto desde la economía de la complejidad. Su planteamiento entiende la economía como un sistema evolutivo cuyos participantes se adaptan continuamente a una realidad que ellos mismos están contribuyendo a crear. En sus trabajos sobre complexity economics, Arthur contrapone esta perspectiva dinámica a una representación en la que los problemas están completamente definidos de antemano y los agentes simplemente calculan sus respuestas.
Doyne Farmer desarrolla una dirección complementaria mediante modelos basados en agentes, redes y simulación computacional. Su programa parte de agentes heterogéneos —hogares, empresas, bancos— cuyas interacciones pueden generar comportamientos agregados que no han sido impuestos previamente al modelo.
Donella Meadows proporciona otro elemento fundamental: los sistemas deben estudiarse atendiendo a stocks, flujos, feedbacks, retardos y estructura. En su enfoque, el comportamiento observable no surge únicamente de parámetros individuales, sino de la forma en que está organizado el sistema.
Elinor Ostrom demuestra, desde otra tradición, que los resultados económicos tampoco pueden deducirse simplemente de categorías abstractas como “mercado” o “Estado”: importan las reglas concretas, los mecanismos de vigilancia, las escalas de decisión y la diversidad institucional. Sus investigaciones sobre gobernanza de recursos comunes proporcionaron evidencia empírica de que comunidades reales podían construir soluciones institucionales diferentes tanto de la privatización completa como de la gestión estatal centralizada.
Hyman Minsky añade la dimensión de la fragilidad endógena: determinadas estructuras pueden generar internamente las condiciones de su propia inestabilidad. Su hipótesis de inestabilidad financiera muestra cómo un periodo prolongado de estabilidad puede modificar comportamientos financieros, aumentar apalancamiento y elevar gradualmente la fragilidad del sistema.
Finalmente, Ricardo Hausmann y César Hidalgo permiten incorporar una dimensión decisiva para RMS: las capacidades productivas. El enfoque de complejidad económica intenta inferir el conocimiento productivo y las capacidades que permiten a una economía fabricar determinados productos y desplazarse hacia otros relacionados.
Estas tradiciones no son idénticas.
Ni siquiera utilizan siempre el término “sistema” de la misma manera.
Pero convergen en una intuición:
[
\boxed{
El\ comportamiento\ económico\ agregado\ depende\ de\ la\ estructura\ de\ interacciones,
\ no\ únicamente\ de\ las\ propiedades\ aisladas\ de\ sus\ componentes.
}
]
Éste será el punto de partida de esta primera parte de RMS 2.0.
1.1. La economía como sistema humano adaptativo
1.1.1. Qué significa “adaptativo”
Una economía no es simplemente un mecanismo complicado.
Es un sistema cuyos componentes:
- observan;
- interpretan;
- anticipan;
- aprenden;
- imitan;
- innovan;
- reaccionan.
Y esas reacciones modifican el propio sistema.
Ésta es una diferencia fundamental respecto de muchos sistemas físicos.
Una empresa observa que:
[
demanda\ de\ IA ↑
]
y decide invertir en centros de datos.
Ese aumento de inversión modifica:
- demanda eléctrica;
- demanda de chips;
- precios;
- salarios;
- infraestructuras;
- rentabilidad de competidores.
Otros agentes observan esos cambios y modifican a su vez sus decisiones.
Tenemos:
[
Entorno_t
\rightarrow
Decisiones_t
\rightarrow
Entorno_{t+1}
]
pero:
[
Entorno_{t+1}
]
será posteriormente la información utilizada para:
[
Decisiones_{t+1}.
]
Por tanto:
[
\boxed{
Agentes
\leftrightarrow
Sistema
}
]
Los agentes producen parcialmente el sistema al que posteriormente deben adaptarse.
1.1.2. Brian Arthur: la economía se está formando continuamente
Éste es precisamente uno de los elementos centrales de la economía de la complejidad de Brian Arthur.
Arthur caracteriza los sistemas complejos como sistemas formados por elementos que reaccionan y se adaptan al patrón que ellos mismos generan. Su enfoque rechaza la idea de que la estructura económica tenga que ser concebida siempre como algo dado externamente; tecnologías, estrategias y comportamientos pueden evolucionar conjuntamente.
La diferencia parece pequeña, pero tiene enormes consecuencias.
En una representación simplificada:
[
Reglas
\rightarrow
Decisiones
\rightarrow
Resultado.
]
En una economía adaptativa:
[
Reglas_t
\rightarrow
Decisiones_t
\rightarrow
Resultados_t
]
[
\downarrow
]
aprendizaje
[
\downarrow
]
[
Estrategias_{t+1}
]
[
\downarrow
]
[
Resultado_{t+1}.
]
Y, además, las propias reglas institucionales pueden cambiar.
1.1.3. Ejemplo: Amazon y el comercio electrónico
Imaginemos inicialmente una economía en la que comprar por Internet es minoritario.
Las empresas creen que:
poca gente compra online.
Por ello:
- invierten poco en logística;
- ofrecen pocas opciones;
- los plazos de entrega son largos.
Eso hace menos atractivo comprar online.
Tenemos:
[
Poca\ demanda
\rightarrow
Poca\ infraestructura
\rightarrow
Servicio\ deficiente
\rightarrow
Poca\ demanda.
]
Pero entra una empresa que invierte masivamente en:
- almacenes;
- software;
- logística;
- distribución.
El servicio mejora.
Más consumidores compran online.
Aumenta la escala.
La escala permite:
- menores costes;
- mejores entregas;
- mayor variedad.
Y vuelve a aumentar la demanda.
[
Demanda ↑
\rightarrow
Escala ↑
\rightarrow
Costes ↓
\rightarrow
Calidad ↑
\rightarrow
Demanda ↑.
]
El mercado ha cambiado.
Pero también han cambiado los consumidores.
También han cambiado competidores.
También las expectativas.
El “entorno” económico no era fijo.
Ha evolucionado conjuntamente con sus participantes.
1.1.4. Rendimientos crecientes y path dependence
Los trabajos de Arthur sobre rendimientos crecientes y dependencia de trayectoria ofrecen un segundo elemento esencial.
En determinados sectores:
[
éxito
\rightarrow
más\ usuarios
\rightarrow
más\ valor
\rightarrow
más\ usuarios.
]
Por ello pequeñas ventajas iniciales pueden amplificarse y generar lock-in tecnológico o empresarial. El resultado final puede depender parcialmente de acontecimientos históricos y no únicamente de cuál era la alternativa técnicamente superior al comienzo.
Ejemplo sencillo: sistema operativo
Supongamos dos sistemas:
A y B.
Al comienzo:
[
Calidad_A \approx Calidad_B.
]
Pero A obtiene ligeramente más usuarios.
Los desarrolladores piensan:
hay más clientes en A.
Entonces desarrollan más aplicaciones para A.
Ahora:
[
Aplicaciones_A ↑.
]
Eso atrae todavía más usuarios:
[
Usuarios_A ↑
\rightarrow
Desarrolladores_A ↑
\rightarrow
Aplicaciones_A ↑
\rightarrow
Usuarios_A ↑.
]
Una pequeña diferencia puede convertirse en una ventaja estructural.
1.1.5. Primera proposición RMS
De aquí surge la primera proposición formal de RMS 2.0:
RMS-P1. Los agentes económicos no responden simplemente a un entorno dado; mediante sus decisiones modifican parcialmente el entorno futuro al que ellos y otros agentes deberán adaptarse.
Por tanto:
[
Sistema_t
\rightarrow
Comportamiento_t
\rightarrow
Sistema_{t+1}.
]
Esta relación recursiva será fundamental.
1.2. Límites del análisis fragmentado
1.2.1. La especialización es necesaria
El argumento sistémico puede caer fácilmente en una caricatura.
No debemos decir:
“La economía tradicional estudia variables aisladas.”
No es correcto.
La economía moderna estudia:
- interacciones estratégicas;
- equilibrio general;
- redes;
- información;
- efectos de segundo orden;
- heterogeneidad
- instituciones.
Por tanto, RMS no surge contra la especialización.
Surge del problema que aparece cuando la especialización científica se convierte involuntariamente en fragmentación del objeto estudiado.
1.2.2. El todo puede tener propiedades distintas de las partes
Consideremos veinte bancos.
Cada banco individual puede parecer prudente.
Cada uno reduce su exposición vendiendo activos cuando detecta riesgo.
Desde su perspectiva:
[
venta
\rightarrow
menos\ riesgo.
]
Pero si todos hacen lo mismo:
[
ventas\ masivas
\rightarrow
precios\ activos ↓
]
[
\rightarrow
pérdidas\ contables ↑
]
[
\rightarrow
necesidad\ de\ vender ↑
]
[
\rightarrow
precios ↓↓.
]
Tenemos una paradoja:
[
Conducta\ prudente\ individual
]
puede generar:
[
resultado\ peligroso\ colectivo.
]
Por tanto:
[
\boxed{
Micro-racionalidad
\not\Rightarrow
Macro-estabilidad
}
]
Ésta es una de las razones fundamentales para estudiar sistemas.
1.2.3. Minsky: estabilidad individual y fragilidad sistémica
Minsky proporciona precisamente un ejemplo extremadamente potente.
Durante periodos prolongados de estabilidad, las empresas y entidades financieras pueden interpretar esa estabilidad como evidencia de que el riesgo ha disminuido.
Entonces:
[
Riesgo\ percibido ↓
]
[
\rightarrow
Apalancamiento ↑
]
[
\rightarrow
Posiciones\ financieras\ más\ frágiles.
]
La literatura minskyana distingue unidades:
- hedge;
- speculative;
- Ponzi.
A medida que aumenta el peso de posiciones financieras dependientes de refinanciación o apreciación de activos, la estructura financiera se vuelve más vulnerable.
El hallazgo conceptual es profundo:
la estabilidad observada puede modificar comportamientos de manera que acumule fragilidad no observada.
Es decir:
[
Estabilidad_t
\rightarrow
Conducta_t
\rightarrow
Fragilidad_{t+n}.
]
Esto será crucial para RMS.
Los buenos resultados presentes no demuestran necesariamente salud sistémica futura.
1.2.4. Ejemplo sencillo: bosque sin incendios
Aunque sea una analogía ecológica, permite entender el mecanismo.
Supongamos que durante décadas impedimos cualquier pequeño incendio forestal.
Parece un éxito:
[
Incendios ↓.
]
Pero se acumula biomasa combustible.
Entonces:
[
Pequeños\ incendios ↓
\rightarrow
Combustible ↑
\rightarrow
Riesgo\ de\ gran\ incendio ↑.
]
La ausencia del problema observable ha creado parte de las condiciones para un problema mayor.
Minsky identifica una lógica semejante en finanzas.
RMS deberá buscar mecanismos similares en:
- cadenas de suministro;
- energía;
- industria;
- instituciones;
- tecnología.
1.2.5. El problema de las políticas parciales
La fragmentación también puede producir políticas que solucionan un objetivo local pero empeoran otro componente del sistema.
Ejemplo: energía
Objetivo:
[
Precio\ electricidad ↓.
]
Una intervención puede conseguirlo en el corto plazo.
Pero debemos preguntar además:
- ¿cómo afecta a inversión futura?;
- ¿qué ocurre con capacidad de generación?;
- ¿qué señales reciben productores?;
- ¿aumenta dependencia?;
- ¿qué ocurre en un shock?
La pregunta sistémica no invalida el objetivo inicial.
Lo amplía.
1.2.6. Segunda proposición RMS
RMS-P2. Una intervención o comportamiento puede ser localmente eficiente y sistémicamente perjudicial cuando modifica stocks, feedbacks o incentivos que no aparecen en la evaluación inmediata.
Formalmente:
[
Beneficio_{local,t}>0
]
no implica:
[
Beneficio_{sistema,t+n}>0.
]
1.3. De las variables aisladas a las interacciones
Éste es probablemente el cambio metodológico más importante de RMS 2.0.
No abandonar las variables.
Cambiar la pregunta.
En lugar de preguntar únicamente:
¿cuánto capital existe?
preguntar:
¿con qué otros elementos puede combinarse ese capital?
En lugar de:
¿cuántos ingenieros existen?
preguntar:
¿qué sistema permite transformar su conocimiento en empresas, productos y tecnologías?
En lugar de:
¿cuánta energía produce un país?
preguntar:
¿qué sectores dependen de ella, a qué precio, mediante qué red y con qué alternativas?
1.3.1. El valor de un recurso depende de complementariedades
Consideremos una fábrica moderna de semiconductores.
Necesita:
[
Capital
]
pero capital solo no basta.
Necesita:
[
Capital
+
Ingenieros
+
Equipamiento
+
Electricidad
+
Agua
+
Software
+
Proveedores
+
Know-how.
]
Si falta uno de los componentes críticos:
[
Capacidad\ final
]
puede caer drásticamente.
Por tanto:
f(R_j,R_k,...).
]
El valor de un recurso depende parcialmente de qué otros recursos y mecanismos existen alrededor.
1.3.2. Hausmann e Hidalgo: capacidades ocultas
Aquí la complejidad económica proporciona uno de los apoyos más claros a RMS.
Hausmann e Hidalgo parten de la idea de que los productos requieren combinaciones de conocimientos y capacidades. Como esas capacidades son difíciles de observar directamente, puede inferirse información sobre ellas observando qué productos son capaces de fabricar competitivamente distintos países.
El product space representa productos como una red basada en similitudes de capacidades productivas. Los países tienden a diversificarse hacia actividades relativamente próximas a las que ya saben realizar.
Esto introduce una idea extremadamente importante:
[
Lo\ que\ puedes\ hacer\ mañana
]
depende en parte de:
[
lo\ que\ sabes\ hacer\ hoy.
]
1.3.3. Ejemplo: fabricar bicicletas y fabricar automóviles
Supongamos dos países.
País A
produce:
- bicicletas;
- piezas metálicas;
- motores;
- rodamientos;
- sistemas eléctricos.
País B
produce:
- café;
- frutas;
- turismo.
Ambos quieren fabricar automóviles.
Aunque dispongan del mismo capital financiero:
[
Capital_A = Capital_B,
]
el coste de transición probablemente será muy diferente.
A posee capacidades próximas:
- metalurgia;
- mecanizado;
- proveedores;
- técnicos.
B deberá construir muchas simultáneamente.
Por tanto:
[
Distancia\ de\ capacidades_A
<
Distancia\ de\ capacidades_B.
]
Eso condiciona las posibilidades de transformación.
1.3.4. Del Product Space al RMS Capability Space
Aquí aparece una posible extensión futura.
Hausmann e Hidalgo estudian fundamentalmente capacidades productivas inferidas a través de productos y conocimiento productivo.
RMS podría preguntar si es posible ampliar la lógica hacia un:
[
\boxed{Capability\ Space}
]
que incluya:
- capacidad industrial;
- capacidad científica;
- capacidad energética;
- capacidad financiera;
- capacidad logística;
- capacidad regulatoria;
- capacidad de sustitución.
No afirmamos todavía que pueda hacerse.
Será una hipótesis de investigación.
1.3.5. Ostrom: las relaciones institucionales también importan
El mismo razonamiento se aplica a instituciones.
Ostrom mostró empíricamente que el resultado de un problema de acción colectiva depende de elementos como:
- reglas;
- monitoreo;
- sanciones;
- participación;
- confianza;
- conocimiento local.
El Nobel de 2009 reconoció precisamente sus evidencias de que determinados recursos comunes pueden gestionarse exitosamente mediante asociaciones de usuarios bajo reglas institucionales adecuadas, contra la idea de que sólo existían las soluciones extremas de privatización o administración estatal directa.
Esto refuerza una tesis RMS:
[
Recursos
+
Reglas
\neq
Recursos
\ solos.
]
El recurso es el mismo.
Lo que cambia es el mecanismo institucional.
Y el resultado puede cambiar radicalmente.
1.3.6. Tercera proposición RMS
RMS-P3. La capacidad económica no es una propiedad aditiva de los recursos disponibles, sino una propiedad parcialmente relacional derivada de sus complementariedades y de los mecanismos que permiten combinarlos.
Por tanto:
[
C
\neq
\sum R_i.
]
Más apropiadamente:
[
C=f(R_1,R_2,...,R_n,M,S).
]
1.4. Sistemas complejos, emergencia y no linealidad
1.4.1. ¿Qué convierte una economía en sistema complejo?
Un sistema económico presenta varias características típicas de sistemas complejos:
muchos agentes;
heterogeneidad;
interacción local;
feedback;
adaptación;
redes;
emergencia;
dependencia de trayectoria;
no linealidad.
Ninguna característica aislada basta.
Es la combinación la que importa.
1.4.2. Emergencia
La emergencia significa que propiedades agregadas aparecen como consecuencia de múltiples interacciones y no tienen que estar presentes explícitamente en cada agente.
Ejemplos:
- inflación;
- crisis bancaria;
- burbuja;
- cluster industrial;
- congestión;
- segregación territorial.
Ningún individuo necesita querer crear el resultado.
Ejemplo: tráfico
Cada conductor únicamente intenta llegar antes.
Pero:
[
decisiones\ individuales
\rightarrow
congestión.
]
Nadie decidió crear el atasco.
El atasco emerge.
Algo parecido puede ocurrir económicamente.
1.4.3. Farmer y los Agent-Based Models
Aquí el trabajo de Doyne Farmer resulta especialmente relevante.
Los modelos basados en agentes representan explícitamente agentes heterogéneos que siguen reglas de comportamiento y se relacionan entre ellos. A partir de esas interacciones pueden estudiarse propiedades macroeconómicas emergentes. INET Oxford describe estos modelos precisamente como simulaciones de numerosos agentes autónomos y heterogéneos —personas, empresas, bancos— y Farmer ha defendido su utilización como complemento o alternativa en ámbitos donde determinados supuestos agregados resultan restrictivos.
Esto permite invertir parcialmente la dirección habitual.
En lugar de imponer:
[
Macro\ resultado
]
podemos preguntar:
[
Reglas\ micro
+
Interacciones
\rightarrow
¿Qué\ macro\ resultado\ emerge?
]
1.4.4. Ejemplo de ABM
Imaginemos 10.000 hogares y 1.000 empresas.
Los hogares:
- trabajan;
- consumen;
- ahorran.
Las empresas:
- fijan precios;
- contratan;
- invierten;
- quiebran.
Los bancos:
- conceden crédito.
No especificamos de antemano:
[
desempleo=8%.
]
Dejamos interactuar el sistema.
Puede emerger:
[
desempleo_t.
]
Después cambiamos:
[
tipo\ de\ interés
]
o:
[
regla\ bancaria.
]
Y observamos cómo evoluciona.
Esto permite explorar sistemas en los que:
- existe heterogeneidad;
- hay distribución de empresas;
- aparecen quiebras;
- los agentes aprenden.
1.4.5. No linealidad
Otro elemento esencial es que:
[
Causa\times2
]
no implica:
[
Efecto\times2.
]
Ejemplo: banco
Perder un 1% de depósitos puede no importar demasiado.
Perder un 5% tampoco.
Pero al superar cierto punto:
[
confianza ↓
]
y puede aparecer una corrida.
Entonces una variación adicional pequeña genera:
[
cambio\ enorme.
]
Hay un:
[
Threshold.
]
1.4.6. Puntos de inflexión
Podemos representar:
[
Shock < x^*
\rightarrow
Sistema\ absorbe.
]
pero:
[
Shock > x^*
\rightarrow
Cambio\ de\ régimen.
]
Éste será un concepto fundamental para resiliencia.
La pregunta no es únicamente:
¿cuánto daño produce un shock?
sino:
¿existe un umbral después del cual cambia la estructura del sistema?
1.4.7. Meadows: estructura y comportamiento
Donella Meadows aporta aquí una idea especialmente importante: en system dynamics, el comportamiento del sistema depende de su estructura de stocks, flujos, feedbacks y retardos. Su trabajo sobre leverage points insiste además en que distintas intervenciones poseen potencias muy diferentes: alterar parámetros puede tener efectos modestos, mientras cambiar flujos de información, reglas, objetivos o estructuras de feedback puede producir transformaciones mucho mayores.
Esto conecta directamente con RMS.
No todas las políticas tienen el mismo nivel de profundidad.
Podemos distinguir:
[
Parámetro
]
[
Regla
]
[
Feedback
]
[
Arquitectura.
]
Modificar cada nivel produce efectos diferentes.
1.4.8. Ejemplo: congestión urbana
Problema:
[
muchos\ coches.
]
Intervención superficial:
[
construir\ más\ carretera.
]
Inicialmente:
[
congestión ↓.
]
Pero la mejora puede hacer:
[
conducir\ más\ atractivo
\rightarrow
más\ tráfico
\rightarrow
congestión ↑.
]
Aparece demanda inducida.
Por tanto, una intervención intuitivamente correcta puede activar un feedback que neutralice parte del resultado.
La pregunta sistémica sería:
¿qué mecanismo reproduce la congestión?
1.4.9. Cuarta proposición RMS
RMS-P4. Los efectos económicos pueden ser no lineales porque feedbacks, umbrales y complementariedades modifican la relación entre causa y resultado.
Por tanto:
[
\frac{\Delta Y}{\Delta X}
]
puede depender del:
[
estado\ del\ sistema.
]
Esto significa que una política idéntica puede producir resultados distintos según el contexto.
1.5. Qué puede aportar la teoría de sistemas a la economía
Llegamos así a la cuestión central.
¿Qué ganamos realmente?
No basta decir:
“una visión más completa”.
Debemos especificar aportaciones concretas.
1.5.1. Primera aportación: estudiar estructuras causales
La economía convencional identifica magníficamente muchos mecanismos causales.
La teoría de sistemas añade herramientas para representar cómo esos mecanismos se conectan.
Por ejemplo:
[
Crédito ↑
\rightarrow
Demanda\ vivienda ↑
\rightarrow
Precio ↑
\rightarrow
Garantías ↑
\rightarrow
Crédito ↑.
]
Ya no tenemos simplemente:
[
X\rightarrow Y.
]
Tenemos:
[
X\rightarrow Y\rightarrow Z\rightarrow X.
]
Eso cambia radicalmente la dinámica.
1.5.2. Segunda aportación: diferenciar stocks y flujos
Meadows será especialmente relevante aquí.
Una política puede mejorar un flujo mientras deteriora un stock.
Ejemplo
[
Importaciones\ baratas
\rightarrow
\rightarrow
costes ↓
]
pero si desplazan capacidad productiva:
[
Stock\ industrial ↓.
]
En condiciones normales:
[
bienestar\ corriente ↑.
]
Ante una crisis:
[
capacidad\ de\ sustitución ↓.
]
RMS deberá observar ambas dimensiones.
1.5.3. Tercera aportación: estudiar dependencia de trayectoria
Arthur, Hausmann e Hidalgo aportan herramientas complementarias.
Arthur:
[
historia
\rightarrow
trayectoria.
]
Hausmann-Hidalgo:
[
capacidades\ existentes
\rightarrow
oportunidades\ futuras.
]
Esto permite comprender por qué el desarrollo no consiste simplemente en:
[
invertir\ dinero.
]
Depende de la base de capacidades ya existente.
1.5.4. Cuarta aportación: analizar fragilidad acumulativa
Minsky proporciona un modelo paradigmático.
Podemos generalizar provisionalmente la pregunta:
¿Existen sistemas donde el éxito presente genera incentivos que erosionan lentamente la seguridad futura?
Posibles ejemplos de investigación:
- finanzas;
- cadenas just-in-time;
- energía;
- dependencia tecnológica;
- infraestructura.
No suponemos que funcionen igual que Minsky.
Es una hipótesis.
1.5.5. Quinta aportación: estudiar diversidad institucional
Ostrom nos obliga a abandonar soluciones binarias.
No:
[
Mercado\ vs\ Estado.
]
Sino:
[
¿Qué\ reglas?
]
[
¿Qué\ escala?
]
[
¿Qué\ información?
]
[
¿Qué\ mecanismos\ de\ cumplimiento?
]
[
¿Qué\ distribución\ de\ autoridad?
]
Su trabajo refuerza una idea fundamental para RMS:
la arquitectura institucional es una variable del sistema, no simplemente el escenario donde funciona la economía.
1.5.6. Sexta aportación: medir capacidades
Hausmann-Hidalgo quizá proporcionen el puente más directo hacia la futura formalización.
Su marco permite inferir conocimiento productivo a partir de la estructura de producción y exportación, y el product space muestra cómo las oportunidades de diversificación están condicionadas por la proximidad a capacidades existentes.
RMS debería explorar si podemos extender esta lógica.
No sólo:
[
¿Qué\ productos\ sabe\ fabricar?
]
sino:
[
¿Qué\ funciones\ críticas\ puede\ ejecutar\ el\ sistema?
]
Ésta sería nuestra definición operacional de capacidad.
1.5.7. Séptima aportación: localizar puntos de palanca
Meadows distingue intervenciones relativamente superficiales de cambios más profundos en la estructura del sistema.
Aplicado a economía:
Nivel 1
Cambiar un parámetro.
Ejemplo:
[
subvención +5%.
]
Nivel 2
Cambiar incentivos.
Nivel 3
Cambiar información.
Nivel 4
Cambiar reglas.
Nivel 5
Cambiar estructura.
El interés de RMS será preguntar:
¿en qué nivel se encuentra realmente el cuello de botella?
1.5.8. Octava aportación: diferenciar eficiencia y resiliencia
Un sistema puede estar extraordinariamente optimizado para:
[
condiciones\ normales
]
y ser extremadamente vulnerable ante:
[
condiciones\ extraordinarias.
]
Ejemplo
Proveedor único:
[
Coste=90.
]
Tres proveedores:
[
Coste=100.
]
El primero es más eficiente.
Pero si existe una interrupción:
[
Producción=0.
]
Por tanto deberemos separar:
[
Eficiencia
]
de:
[
Resiliencia.
]
Esto no implica que la redundancia siempre sea mejor.
Implica que tiene valor económico que debe ser considerado explícitamente.
1.5.9. Novena aportación: mejorar el diseño de políticas
La economía de sistemas puede ser especialmente útil cuando la intervención altera múltiples relaciones.
La política debería formular:
[
Intervención
\rightarrow
Respuesta\ directa
]
pero también:
[
Respuesta
\rightarrow
Feedback
\rightarrow
Adaptación
\rightarrow
Resultado\ final.
]
Esto conduce a políticas menos ingenuas.
1.5.10. Décima aportación: estudiar transiciones
Finalmente, RMS puede ayudar a estudiar algo que será central durante el siglo XXI:
[
Sistema_A
\rightarrow
Sistema_B.
]
Por ejemplo:
[
Combustión
\rightarrow
Vehículo\ eléctrico.
]
La transición no consiste únicamente en sustituir tecnología.
Modifica:
- proveedores;
- empleo;
- minerales;
- energía;
- software;
- capital;
- formación.
Un enfoque sistémico permite mapear la transformación completa.
1.6. Síntesis: seis tradiciones que convergen
Podemos resumir provisionalmente las aportaciones analizadas:
| Autor/tradición | Aportación central | Incorporación RMS |
|---|---|---|
| Brian Arthur | Adaptación, rendimientos crecientes, path dependence | Trayectorias y feedback |
| Doyne Farmer | Agentes heterogéneos, redes y ABM | Emergencia y simulación |
| Donella Meadows | Stocks, flows, feedbacks, delays | Arquitectura dinámica |
| Elinor Ostrom | Diversidad institucional, policentrismo | Mecanismos e instituciones |
| Hyman Minsky | Fragilidad endógena | Acumulación de vulnerabilidad |
| Hausmann-Hidalgo | Complejidad y capacidades productivas | Stocks de capacidad y trayectorias |
No constituyen una única teoría.
Y precisamente ahí está la oportunidad.
RMS 2.0 puede intentar construir una arquitectura de integración.
1.7. Primera arquitectura teórica provisional
Después de esta parte podemos mejorar nuestra representación inicial.
RMS 1.0 decía:
[
R
\rightarrow
M
\rightarrow
S.
]
Ahora podemos introducir:
[
\boxed{
R_t
+
K_t
\xrightarrow{M_t,I_t}
C_t
}
]
donde:
- (R) = recursos;
- (K) = stocks acumulados;
- (M) = mecanismos;
- (I) = instituciones;
- (C) = capacidades.
Las capacidades producen:
[
C_t
\rightarrow
O_t
]
donde:
[
O_t=Resultados.
]
Pero los resultados regresan:
[
O_t
\rightarrow
F_t
\rightarrow
R_{t+1},K_{t+1},M_{t+1},I_{t+1}.
]
Si añadimos shocks:
[
Shock_t
\rightarrow
Sistema_t.
]
Y la respuesta al shock dependerá de:
[
Resiliencia_t.
]
Nuestra primera representación dinámica sería entonces:
[
\boxed{
(R,K,M,I)
\rightarrow
C
\rightarrow
O
\rightarrow
F
\rightarrow
(R',K',M',I')
}
]
bajo:
[
Shocks
]
y restricciones:
[
B=Bottlenecks.
]
Ésta ya no es una secuencia lineal.
Es un sistema recursivo.
1.8. Cinco proposiciones preliminares obtenidas
Esta primera parte nos permite formular cinco proposiciones que posteriormente tendremos que contrastar.
RMS-P1 — Adaptación
Los agentes modifican mediante sus decisiones el entorno al que posteriormente deberán adaptarse.
[
S_t\rightarrow A_t\rightarrow S_{t+1}.
]
RMS-P2 — Divergencia local/sistémica
Una decisión localmente eficiente puede generar resultados sistémicamente negativos.
[
Optimo_{micro}
\not\Rightarrow
Optimo_{sistema}.
]
RMS-P3 — Complementariedad
Las capacidades no resultan de sumar recursos, sino de combinar recursos complementarios mediante mecanismos e instituciones.
[
C\neq\sum R_i.
]
RMS-P4 — No linealidad
La intensidad de un efecto depende del estado del sistema, de sus feedbacks y de sus umbrales.
[
Effect(X|S_1)\neq Effect(X|S_2).
]
RMS-P5 — Dependencia temporal
Los resultados presentes modifican stocks e incentivos y, por ello, alteran las posibilidades futuras del sistema.
[
O_t\rightarrow K_{t+1}\rightarrow C_{t+1}.
]
Éstas serán nuestras primeras hipótesis estructurales.
Conclusión de la Parte I
El enfoque sistémico no exige abandonar el equilibrio, los precios, los incentivos o la optimización.
Exige colocarlos dentro de una arquitectura más amplia.
La aportación potencial puede resumirse así:
La economía convencional pregunta con enorme precisión:
¿Cómo responden los agentes a determinados incentivos y restricciones?
RMS añade:
¿Qué arquitectura de interacciones produce esos incentivos, qué feedbacks generan las respuestas, qué stocks se acumulan como consecuencia, qué capacidades emergen y cómo todo ello modifica posteriormente el comportamiento del sistema?
Arthur nos recuerda que la economía evoluciona mientras sus participantes se adaptan a ella.
Farmer muestra que podemos intentar reconstruir resultados macroeconómicos desde abajo mediante agentes heterogéneos e interacción computacional.
Meadows proporciona el lenguaje de stocks, flujos, feedbacks, retardos y puntos de palanca.
Ostrom demuestra empíricamente que la arquitectura institucional altera profundamente los resultados colectivos y que no existe una solución institucional universal.
Minsky muestra que un sistema aparentemente estable puede estar generando endógenamente su fragilidad futura.
Hausmann e Hidalgo aportan evidencia de que el desarrollo depende de conocimiento y capacidades acumuladas y que las posibilidades futuras están condicionadas por la estructura productiva existente.
La hipótesis que emerge de todos ellos no es que exista una única “economía sistémica”.
Es algo más interesante:
Una parte importante de los fenómenos económicos que queremos comprender —desarrollo, crisis, productividad, resiliencia, innovación y competencia— depende de propiedades relacionales, acumulativas y adaptativas del sistema.
Y esto permite precisar mejor la intuición central de RMS 2.0:
[
\boxed{
No\ basta\ con\ preguntar\ qué\ recursos\ posee\ una\ economía.
}
]
Hay que preguntar:
[
\boxed{
cómo\ están\ conectados,
\ qué\ mecanismos\ los\ combinan,
\ qué\ feedbacks\ generan,
\ qué\ capacidades\ acumulan
\ y\ qué\ trayectorias\ hacen\ posibles.
}
]
Ése es el primer fundamento teórico de RMS 2.0.
No hay comentarios:
Publicar un comentario