4. Feedbacks y causalidad circular
4.1. Feedback reforzador
4.2. Feedback compensador
4.3. Bucles múltiples
4.4. Causalidad circular
4.5. Retardos temporales
4.6. Dinámicas autorreforzadas
4.7. Trampas sistémicas
Introducción: de las causas aisladas a los procesos que se reproducen
Las secciones anteriores han introducido tres piezas fundamentales de RMS 2.0:
[
Equilibrios
]
[
Stocks
]
[
Capacidades.
]
Pero todavía falta explicar cómo cambian esos elementos a través del tiempo.
Ésta es la función de los feedbacks.
En un sistema económico, una variable puede producir un efecto que posteriormente regresa, directa o indirectamente, sobre la propia variable inicial.
La causalidad deja entonces de ser únicamente:
[
A\rightarrow B.
]
Puede convertirse en:
[
A\rightarrow B\rightarrow C\rightarrow A.
]
Éste es un bucle de retroalimentación.
Donella Meadows situó stocks, flujos y feedbacks entre los elementos fundamentales para comprender sistemas dinámicos. En su enfoque, el comportamiento observado de un sistema surge en gran medida de la interacción entre estos elementos, incluyendo retardos y relaciones no lineales.
Para RMS 2.0 esto tiene una consecuencia fundamental:
Un resultado económico no debe analizarse únicamente buscando qué variable lo causó, sino también preguntando qué consecuencias del resultado regresan posteriormente sobre sus propias causas.
Esta diferencia permite pasar de una representación lineal:
[
Causa
\rightarrow
Resultado
]
a una representación dinámica:
[
Causa
\rightarrow
Resultado
\rightarrow
Reacción
\rightarrow
Nueva\ causa.
]
En economía encontramos continuamente estas estructuras:
[
Crédito
\rightarrow
Precio\ de\ activos
\rightarrow
Garantías
\rightarrow
Crédito.
]
[
Innovación
\rightarrow
Productividad
\rightarrow
Beneficios
\rightarrow
I+D
\rightarrow
Innovación.
]
[
Baja\ productividad
\rightarrow
Bajos\ salarios
\rightarrow
Poca\ formación
\rightarrow
Baja\ productividad.
]
[
Confianza
\rightarrow
Inversión
\rightarrow
Crecimiento
\rightarrow
Confianza.
]
Por tanto, esta sección introduce una de las ideas centrales de RMS 2.0:
[
\boxed{
Los\ sistemas\ económicos\ no\ sólo\ producen\ resultados.
Los\ resultados\ modifican\ el\ sistema\ que\ los\ produjo.
}
]
4.1. Feedback reforzador
4.1.1. Definición
Un feedback reforzador es un proceso mediante el cual un cambio inicial genera consecuencias que tienden a amplificar la dirección de ese cambio.
Podemos representarlo:
[
A\uparrow
\rightarrow
B\uparrow
\rightarrow
C\uparrow
\rightarrow
A\uparrow.
]
O también:
[
A\downarrow
\rightarrow
B\downarrow
\rightarrow
C\downarrow
\rightarrow
A\downarrow.
]
La característica esencial no es que el resultado sea “bueno”.
Es que el mecanismo:
[
refuerza\ la\ dirección\ inicial.
]
Por eso los feedbacks reforzadores pueden producir:
- crecimiento acumulativo;
- aprendizaje;
- innovación;
pero también:
- colapsos;
- pobreza;
- endeudamiento;
- pérdida industrial.
4.1.2. Ejemplo sencillo: interés compuesto
Supongamos:
[
Capital_0=100.
]
Rentabilidad:
[
r=10%.
]
Entonces:
[
Capital_1=110.
]
Ahora el 10% se aplica sobre:
[
110.
]
Por tanto:
[
Capital_2=121.
]
El capital generado aumenta la base que genera nuevo capital.
Tenemos:
[
Capital
\rightarrow
Intereses
\rightarrow
Más\ capital
\rightarrow
Más\ intereses.
]
Éste es uno de los feedbacks reforzadores más sencillos.
4.1.3. Arthur: rendimientos crecientes y feedback positivo
Brian Arthur ofrece un ejemplo económico especialmente importante.
En mercados caracterizados por rendimientos crecientes, una tecnología o empresa que obtiene una pequeña ventaja inicial puede generar mecanismos que aumenten posteriormente esa ventaja.
Arthur describe los rendimientos crecientes precisamente como procesos en los que aquello que va por delante puede adquirir todavía más ventaja mediante feedback positivo. Sus trabajos muestran que estos mecanismos pueden generar múltiples resultados, dependencia histórica y lock-in.
El mecanismo podría ser:
[
Usuarios ↑
]
[
\downarrow
]
ecosistema ↑
[
\downarrow
]
utilidad ↑
[
\downarrow
]
usuarios
4.1.4. Ejemplo: plataforma tecnológica
Supongamos dos plataformas:
[
A
]
y
[
B.
]
Inicialmente:
[
Usuarios_A\approx Usuarios_B.
]
Pero A consigue una pequeña ventaja.
Entonces:
[
Usuarios_A ↑
]
atrae:
[
Desarrolladores_A ↑.
]
Eso produce:
[
Aplicaciones_A ↑.
]
Lo cual aumenta:
[
Valor_A ↑.
]
Y nuevamente:
[
Usuarios_A ↑.
]
Tenemos:
[
Usuarios
\rightarrow
Desarrolladores
\rightarrow
Aplicaciones
\rightarrow
Valor
\rightarrow
Usuarios.
]
Una diferencia pequeña puede amplificarse hasta producir:
[
dominancia.
]
4.1.5. Feedback positivo no significa resultado positivo
Esto debe quedar terminológicamente claro.
“Positive feedback” significa:
[
amplificación.
]
No:
[
resultado\ deseable.
]
Por ejemplo:
[
Pérdida\ de\ confianza
\rightarrow
Retiradas\ bancarias
\rightarrow
Problemas\ de\ liquidez
\rightarrow
Más\ pérdida\ de\ confianza.
]
También es un feedback reforzador.
4.1.6. Ejemplo: desindustrialización
Supongamos que una industria comienza a reducir producción nacional.
Entonces:
[
Producción\ doméstica ↓
]
[
\rightarrow
Proveedores\ locales ↓.
]
Esto puede provocar:
[
Costes ↑
]
y:
[
Plazos ↑.
]
Lo que reduce:
[
Competitividad ↓.
]
Más empresas salen.
Entonces:
[
Producción ↓↓.
]
Tenemos:
[
Producción ↓
\rightarrow
Proveedores ↓
\rightarrow
Competitividad ↓
\rightarrow
Producción ↓.
]
Un proceso inicialmente gradual puede convertirse en:
[
erosión\ acumulativa.
]
Proposición RMS-F1
Los feedbacks reforzadores amplifican ventajas o desventajas iniciales y constituyen un mecanismo fundamental para explicar divergencia, crecimiento acumulativo, lock-in y deterioro sistémico.
Formalmente:
[
\Delta X_t
\rightarrow
\Delta X_{t+1}
]
en la misma dirección.
4.2. Feedback compensador
4.2.1. Definición
Un feedback compensador —también denominado balancing feedback— actúa en dirección contraria al cambio inicial.
Su función dinámica es:
[
reducir\ desviaciones.
]
Podemos representarlo:
[
A ↑
\rightarrow
B ↑
\rightarrow
A ↓.
]
Este tipo de bucle puede:
- estabilizar;
- regular;
- limitar;
- corregir.
Pero tampoco debemos identificarlo automáticamente con un resultado bueno.
Puede impedir cambios deseables.
4.2.2. Ejemplo clásico: precio
Supongamos:
[
Demanda>Oferta.
]
Entonces:
[
Precio ↑.
]
El precio elevado:
[
Demanda ↓
]
y:
[
Oferta ↑.
]
Eso reduce:
[
Exceso\ de\ demanda.
]
Tenemos un proceso compensador.
Simplificadamente:
[
Escasez
\rightarrow
Precio ↑
\rightarrow
Demanda ↓
\rightarrow
Escasez ↓.
]
4.2.3. Ejemplo: termostato económico
La analogía clásica es un termostato.
Objetivo:
[
20^\circ.
]
Si:
[
Temperatura<20,
]
se activa calefacción.
Cuando:
[
Temperatura>20,
]
se reduce.
El feedback intenta mantener el sistema alrededor de:
[
Target.
]
Muchas políticas económicas contienen lógicas semejantes.
4.2.4. Ejemplo: política monetaria
Simplificadamente:
[
Inflación ↑
]
puede provocar:
[
Tipos ↑.
]
Eso tiende a reducir:
[
Crédito
]
[
Demanda
]
[
Inversión.
]
Con el tiempo:
[
Presiones\ inflacionistas ↓.
]
El banco central intenta generar un feedback compensador.
Pero inmediatamente aparece una cuestión sistémica:
[
¿con\ qué\ retardo?
]
Volveremos sobre ello.
4.2.5. Un feedback compensador también puede bloquear mejoras
Imaginemos una empresa que intenta aumentar productividad.
Introduce:
[
Nueva\ tecnología.
]
Pero los trabajadores no reciben formación.
Entonces:
[
Errores ↑.
]
Los directivos reaccionan:
[
Uso\ tecnología ↓.
]
El sistema vuelve aproximadamente al estado anterior.
Existe un mecanismo compensador que:
[
bloquea\ la\ transformación.
]
Por tanto:
[
balancing
\neq
deseable.
]
4.2.6. Ejemplo institucional
Un gobierno intenta simplificar burocracia.
Introduce nuevas reglas.
Pero cada problema generado provoca:
[
nueva\ regulación.
]
La nueva regulación aumenta:
[
complejidad.
]
Esto genera nuevos casos excepcionales.
Aparecen:
[
nuevas\ reglas.
]
La estructura institucional puede compensar continuamente los intentos de simplificación.
Proposición RMS-F2
Los feedbacks compensadores limitan desviaciones respecto de un estado o objetivo, pero pueden tanto estabilizar sistemas funcionales como preservar estructuras ineficientes.
Esto introduce una idea importante:
[
Estabilidad
]
no implica:
[
Calidad.
]
4.3. Bucles múltiples
Aquí comienza la verdadera complejidad.
4.3.1. Los sistemas económicos casi nunca contienen un solo feedback
Una representación sencilla puede mostrar:
[
A\rightarrow B\rightarrow A.
]
Pero una economía real contiene:
[
R_1,R_2,R_3,...,R_n
]
bucles reforzadores
y:
[
B_1,B_2,B_3,...,B_m
]
bucles compensadores.
Todos actúan simultáneamente.
El comportamiento observado depende de:
[
qué\ feedback\ domina
]
en:
[
qué\ momento.
]
4.3.2. Ejemplo: crecimiento empresarial
Una empresa tiene:
Bucle R1 — escala
[
Ventas ↑
\rightarrow
Escala ↑
\rightarrow
Coste\ unitario ↓
\rightarrow
Ventas ↑.
]
Pero también:
Bucle B1 — capacidad
[
Ventas ↑
\rightarrow
Uso\ capacidad ↑
\rightarrow
Congestión ↑
\rightarrow
Calidad ↓
\rightarrow
Ventas ↓.
]
Y:
Bucle B2 — competencia
[
Beneficios ↑
\rightarrow
Entrada\ competidores ↑
\rightarrow
Competencia ↑
\rightarrow
Beneficios ↓.
]
La trayectoria empresarial depende de la interacción.
4.3.3. Dominancia temporal
Al principio puede dominar:
[
R_1.
]
La empresa crece rápidamente.
Después aparece:
[
B_1.
]
Finalmente:
[
B_2.
]
Por tanto:
[
Sistema_t
]
puede parecer inicialmente:
[
exponencial
]
y posteriormente:
[
estable.
]
No porque haya cambiado mágicamente su “naturaleza”.
Ha cambiado el feedback dominante.
4.3.4. Ejemplo: vivienda
Consideremos el mercado de vivienda.
Bucle reforzador financiero
[
Precio ↑
\rightarrow
Colateral ↑
\rightarrow
Crédito ↑
\rightarrow
Demanda ↑
\rightarrow
Precio ↑.
]
Bucle compensador de asequibilidad
[
Precio ↑
\rightarrow
Asequibilidad ↓
\rightarrow
Demanda ↓
\rightarrow
Precio ↓.
]
Bucle de oferta
[
Precio ↑
\rightarrow
Rentabilidad\ construcción ↑
\rightarrow
Oferta ↑
\rightarrow
Precio ↓.
]
Pero existe:
[
Retardo.
]
La nueva vivienda tarda años en aparecer.
Esto significa que durante algún tiempo puede dominar:
[
feedback\ financiero.
]
4.3.5. El error de observar sólo un bucle
Supongamos que observamos:
[
Precio ↑\rightarrow Construcción ↑.
]
Podemos concluir:
el mercado se corregirá automáticamente.
Pero si:
[
Tiempo\ permisos=5\ años,
]
el bucle compensador actúa mucho más lentamente que:
[
Crédito\ y\ demanda.
]
Entonces:
[
R_{rápido}
B_{lento}
]
durante un periodo prolongado.
Ésta es una explicación sistémica mucho más rica
4.3.6. Farmer y sistemas con muchas interacciones
Los modelos basados en agentes ofrecen una manera de estudiar sistemas donde múltiples mecanismos interactúan simultáneamente. El programa de complejidad económica de Doyne Farmer utiliza precisamente agentes heterogéneos, redes y simulaciones para analizar cómo comportamientos microeconómicos interactivos producen dinámicas agregadas; la literatura ABM se ha extendido a mercados, macroeconomía, finanzas, desarrollo y política pública.
Esto resulta importante para RMS porque algunos sistemas contienen demasiados feedbacks para resolver intuitivamente.
Proposición RMS-F3
El comportamiento de un sistema económico emerge de la interacción de múltiples feedbacks, cuya importancia relativa puede cambiar con el tiempo.
Podemos formular:
f(R_1,...,R_n,B_1,...,B_m,S_t).
]
La misma arquitectura puede presentar distintas dinámicas según cuál sea el feedback dominante.
4.4. Causalidad circular
4.4.1. Del “qué causa qué” a la coevolución
La causalidad lineal busca:
[
X\rightarrow Y.
]
Es imprescindible.
Pero algunos procesos económicos presentan:
[
X\rightarrow Y
]
y simultáneamente, con el tiempo:
[
Y\rightarrow X.
]
Tenemos:
[
\boxed{Causalidad\ circular}
]
o causalidad recursiva.
Esto no significa abandonar la causalidad.
Significa reconocer que la dirección causal puede operar en varios momentos del proceso.
4.4.2. Ejemplo: productividad y salarios
Podemos observar:
[
Productividad ↑
\rightarrow
Salarios ↑.
]
Pero también:
[
Salarios ↑
\rightarrow
Incentivos\ automatización ↑
\rightarrow
Inversión ↑
\rightarrow
Productividad ↑.
]
Por tanto:
[
Productividad
\leftrightarrow
Salarios.
]
La relación completa puede ser recursiva.
4.4.3. Ejemplo: desarrollo y capital humano
Un país más productivo puede invertir más en educación:
[
Renta ↑
\rightarrow
Educación ↑.
]
Pero:
[
Educación ↑
\rightarrow
Productividad ↑
\rightarrow
Renta ↑.
]
Por tanto:
[
Educación
\leftrightarrow
Desarrollo.
]
Preguntar únicamente:
“¿educación causa crecimiento?”
puede perder parte de la estructura.
La pregunta sistémica es:
¿cómo se refuerzan mutuamente educación, productividad, renta y capacidad fiscal a través del tiempo?
4.4.4. Endogeneidad
Aquí existe una conexión importante con la econometría.
Cuando:
[
X\rightarrow Y
]
pero también:
[
Y\rightarrow X,
]
aparecen problemas de endogeneidad y causalidad simultánea.
La teoría de sistemas no sustituye las herramientas econométricas necesarias para identificar causalidad.
Al contrario.
RMS debe utilizar:
- experimentos naturales;
- variables instrumentales;
- análisis longitudinal;
- identificación causal;
cuando corresponda.
4.4.5. Advertencia metodológica
Decir:
[
X\leftrightarrow Y
]
no es una explicación suficiente.
Debemos identificar:
- mecanismo de (X\rightarrow Y);
- mecanismo de (Y\rightarrow X);
- tiempos;
- condiciones;
- evidencia.
Éste será un principio de rigor RMS.
4.4.6. Ejemplo: confianza institucional
Podemos tener:
[
Instituciones\ eficaces
\rightarrow
Confianza ↑.
]
La confianza aumenta:
[
Cumplimiento\ fiscal ↑.
]
Entonces:
[
Ingresos\ públicos ↑.
]
Esto permite:
[
Servicios\ públicos ↑.
]
Y puede aumentar nuevamente:
[
Confianza ↑.
]
Tenemos:
[
Instituciones
\rightarrow
Confianza
\rightarrow
Cumplimiento
\rightarrow
Capacidad\ estatal
\rightarrow
Instituciones.
]
Pero puede aparecer exactamente el circuito contrario.
4.4.7. Ostrom y reciprocidad institucional
El trabajo de Elinor Ostrom resulta especialmente relevante porque muestra que las reglas institucionales y el comportamiento de los participantes pueden evolucionar conjuntamente: mecanismos de monitoreo, sanción, reciprocidad y participación permiten sostener determinados sistemas de cooperación. No basta con observar “el recurso”; importa la arquitectura de reglas y comportamientos que se refuerzan mutuamente.
Para RMS, esto sugiere:
[
Reglas
\rightarrow
Comportamiento
\rightarrow
Resultados
\rightarrow
Legitimidad
\rightarrow
Reglas.
]
La institución y el comportamiento no son completamente independientes.
Proposición RMS-F4
Determinados procesos económicos presentan causalidad recursiva: las variables que inicialmente operan como causas son posteriormente modificadas por los resultados que contribuyeron a generar.
Formalmente:
[
X_t\rightarrow Y_{t+1}\rightarrow X_{t+2}.
]
4.5. Retardos temporales
Los retardos son uno de los elementos más importantes y más fácilmente ignorados del pensamiento sistémico.
4.5.1. Causa y efecto no tienen por qué aparecer simultáneamente
Podemos tener:
[
Intervención_t
]
pero:
[
Resultado_{t+5}.
]
En ese intervalo, los responsables pueden concluir incorrectamente:
“la política no funciona”.
O pueden intensificarla demasiado.
Cuando finalmente aparece el efecto:
[
sobreajuste.
]
4.5.2. Meadows: los delays pueden cambiar completamente el comportamiento
Donella Meadows insistía en que los retardos dentro de feedbacks son decisivos porque su duración relativa respecto a la velocidad de cambio del stock puede generar oscilaciones, sobrecorrecciones o incluso dinámicas inestables.
Ésta es una aportación fundamental para RMS.
No basta identificar:
[
A\rightarrow B.
]
Debemos conocer:
[
\tau_{AB}
]
el tiempo que tarda A en afectar B.
4.5.3. Ejemplo: política monetaria
El banco central aumenta tipos:
[
t_0.
]
Los préstamos nuevos reaccionan rápidamente.
Pero:
- hipotecas existentes tardan;
- inversión empresarial tarda;
- empleo tarda;
- salarios tardan;
- inflación tarda.
Por tanto:
[
Tipos_{t}
\rightarrow
Inflación_{t+n}.
]
Si el banco central espera una respuesta inmediata, puede:
[
endurecer\ demasiado.
]
Cuando el efecto acumulado llega:
[
recesión.
]
4.5.4. Ejemplo: construcción de vivienda
Los precios suben hoy.
Los promotores detectan oportunidad:
[
Construcción ↑.
]
Pero entre:
- planificación;
- permisos;
- financiación;
- construcción;
pueden transcurrir años.
Tenemos:
[
Precio_t ↑
\rightarrow
Oferta_{t+4} ↑.
]
Mientras tanto:
[
Precio
]
puede seguir subiendo.
El retraso altera profundamente la dinámica.
4.5.5. Ejemplo: educación
Una reforma educativa comienza:
[
2026.
]
Los niños que entran hoy pueden incorporarse plenamente al mercado laboral:
[
2040.
]
El feedback:
[
Educación
\rightarrow
Productividad
]
contiene un retardo enorme.
Esto puede provocar un sesgo político hacia políticas con resultados más inmediatos.
4.5.6. Retardos y política
Podemos introducir:
[
Horizonte\ político
]
versus:
[
Horizonte\ sistémico.
]
Si:
[
H_p<H_s,
]
los incentivos políticos pueden favorecer:
[
beneficios\ visibles\ inmediatos
]
frente a:
[
acumulación\ de\ capacidad.
]
Esta será una hipótesis interesante para RMS institucional.
4.5.7. Retardos informativos
No sólo existen retardos físicos.
También:
retardos estadísticos;
retardos regulatorios;
retardos cognitivos.
Por ejemplo:
[
Productividad ↓
]
puede tardar años en reconocerse como problema estructural.
Durante ese periodo:
[
políticas\ antiguas
]
continúan.
Proposición RMS-F5
La dinámica de un feedback depende no sólo de su dirección e intensidad, sino también del tiempo que tarda en transmitir sus efectos.
Por tanto:
[
F=F(signo,intensidad,\tau).
]
Dos sistemas con las mismas relaciones causales pero diferentes retardos pueden comportarse de maneras completamente diferentes.
4.6. Dinámicas autorreforzadas
Llegamos ahora a una categoría especialmente importante para RMS:
[
\boxed{Procesos\ acumulativos}
]
que no dependen de un solo evento, sino de mecanismos que reproducen sus propias condiciones.
4.6.1. Ventaja acumulativa
Supongamos:
[
Ventaja_t>0.
]
Si esa ventaja genera recursos que aumentan la ventaja futura:
[
Ventaja_t
\rightarrow
Recursos_t
\rightarrow
Ventaja_{t+1}.
]
Tenemos:
[
cumulative\ causation.
]
Esta lógica aparece en:
- ciudades;
- clusters;
- tecnología;
- educación;
- riqueza;
- industria
4.6.2. Myrdal como antecedente
Aunque Brian Arthur constituye una referencia central para rendimientos crecientes, la idea de causación circular y acumulativa tiene antecedentes importantes en Gunnar Myrdal.
El desarrollo de una región puede generar:
[
Ingresos ↑
\rightarrow
Inversión ↑
\rightarrow
Productividad ↑
\rightarrow
Ingresos ↑.
]
Mientras otra puede experimentar el proceso opuesto.
RMS deberá incorporar esta tradición porque conecta directamente desarrollo regional y feedback.
4.6.3. Kaldor
Nicholas Kaldor también desarrolló mecanismos de causación acumulativa ligados a:
- rendimientos crecientes;
- manufactura;
- productividad;
- crecimiento de la demanda.
Esto refuerza una conclusión importante:
la causalidad circular no es una idea importada externamente a la economía; posee una genealogía económica propia.
RMS debe recuperar esas tradiciones.
4.6.4. Hausmann-Hidalgo: acumulación de capacidades
La literatura de complejidad económica aporta otro mecanismo acumulativo.
El desarrollo económico presenta fuerte dependencia de trayectoria: los países tienden a diversificarse hacia actividades relacionadas con capacidades que ya poseen. Investigaciones del Growth Lab describen explícitamente el desarrollo como un proceso de acumulación de capacidades que abre gradualmente acceso a productos e industrias más complejos.
Podemos expresar:
[
Capacidades_t
\rightarrow
Productos_t
\rightarrow
Aprendizaje_t
\rightarrow
Capacidades_{t+1}.
]
Por tanto:
[
C_t
\rightarrow
C_{t+1}.
]
4.6.5. Ejemplo: cluster industrial
Imaginemos una región que consigue inicialmente:
[
3\ fabricantes.
]
Eso atrae:
[
proveedores.
]
Los proveedores atraen:
[
más\ fabricantes.
]
Aparecen:
[
trabajadores\ especializados.
]
Entonces:
[
Formación\ especializada ↑.
]
Eso atrae:
[
más\ empresas.
]
Finalmente tenemos:
[
Empresas
\rightarrow
Proveedores
\rightarrow
Talento
\rightarrow
Conocimiento
\rightarrow
Empresas.
]
El cluster se convierte en:
[
sistema\ autorreforzado.
]
4.6.6. La dirección también puede invertirse
Si el cluster empieza a perder empresas:
[
Empresas ↓
\rightarrow
Proveedores ↓
\rightarrow
Talento ↓
\rightarrow
Atractivo ↓
\rightarrow
Empresas ↓.
]
Esto explica algo importante:
los procesos de acumulación y erosión pueden compartir la misma arquitectura, funcionando en dirección opuesta.
4.6.7. Minsky como autorrefuerzo financiero
La hipótesis de inestabilidad financiera de Minsky es otro ejemplo.
Durante estabilidad:
[
Impagos ↓.
]
Eso genera:
[
Percepción\ de\ riesgo ↓.
]
Entonces:
[
Apalancamiento ↑.
]
Aumentan:
[
Precios\ activos.
]
Esto mejora:
[
Balances.
]
Y permite:
[
Más\ crédito.
]
Tenemos:
[
Estabilidad
\rightarrow
Confianza
\rightarrow
Crédito
\rightarrow
Precio\ activos
\rightarrow
Más\ confianza.
]
Hasta que aparece una restricción.
La tradición minskyana precisamente interpreta economías financieramente complejas como sistemas capaces de desplazarse endógenamente hacia posiciones más frágiles.
4.6.8. Proposición RMS
RMS-F6. Cuando un resultado genera recursos, incentivos o capacidades que aumentan la probabilidad de reproducir ese mismo resultado, aparece una dinámica autorreforzada que puede producir divergencia acumulativa.
Formalmente:
[
O_t
\rightarrow
Mechanism_t
\rightarrow
P(O_{t+1}) ↑.
]
4.7. Trampas sistémicas
Éste es uno de los conceptos que puede convertirse en central para RMS 2.0.
4.7.1. Qué es una trampa sistémica
Podemos definir provisionalmente:
Una trampa sistémica es una configuración autorreproductiva en la que múltiples mecanismos y feedbacks mantienen al sistema en un estado subóptimo y hacen costosa la transición hacia una configuración superior.
La clave es:
[
persistencia.
]
No basta con que exista un problema.
Tiene que existir un mecanismo que:
[
reproduzca\ el\ problema.
]
4.7.2. Diferencia entre problema y trampa
Problema
[
Falta\ inversión.
]
Trampa
[
Falta\ inversión
\rightarrow
Baja\ productividad
\rightarrow
Bajos\ beneficios
\rightarrow
Falta\ inversión.
]
La segunda explicación es sistémica.
4.7.3. Trampa de pobreza
La literatura económica lleva mucho tiempo estudiando poverty traps: situaciones en las que fallos de coordinación, restricciones múltiples o rendimientos crecientes pueden generar equilibrios persistentes de bajos ingresos. La literatura revisada por NBER vincula explícitamente trampas de pobreza con múltiples equilibrios y complementariedades.
Ejemplo:
[
Pobreza
\rightarrow
Poco\ ahorro
\rightarrow
Poca\ inversión
\rightarrow
Baja\ productividad
\rightarrow
Pobreza.
]
4.7.4. Pero una única variable puede no bastar
Supongamos que damos capital.
Si además faltan:
- formación;
- infraestructura;
- mercados;
- salud;
- seguridad;
la intervención puede producir poco efecto.
La evidencia experimental y teórica sobre trampas de pobreza ha explorado precisamente la posibilidad de que múltiples restricciones interactúen, de modo que superar una sola no siempre sea suficiente.
Esto encaja directamente con RMS:
Feedbacks
+
Complementariedades
+
Cuellos\ de\ botella.
]
4.7.5. Trampa de baja productividad
Podemos construir un ejemplo muy relevante:
[
Microempresas
\rightarrow
Poca\ escala
]
[
\rightarrow
Poca\ automatización
]
[
\rightarrow
Baja\ productividad
]
[
\rightarrow
Bajos\ márgenes
]
[
\rightarrow
Dificultad\ de\ crecer
]
[
\rightarrow
Microempresas.
]
Podría existir simultáneamente:
[
Bajos\ salarios
\rightarrow
Poca\ inversión\ en\ formación
\rightarrow
Poca\ sofisticación
\rightarrow
Bajos\ salarios.
]
Tenemos dos bucles acoplados.
4.7.6. Intervenir sobre una sola variable
Supongamos:
[
Subvención\ inversión.
]
Pero permanece:
[
Escala\ insuficiente.
]
La inversión puede no producir:
[
salto\ de\ productividad.
]
El sistema absorbe la intervención y retorna aproximadamente al estado anterior.
Este fenómeno será muy importante.
Podríamos denominarlo:
[
\boxed{Absorción\ sistémica\ de\ la\ intervención}
]
cuando feedbacks existentes neutralizan una política sin cambiar la arquitectura profunda.
4.7.7. Trampa tecnológica
Puede existir:
[
Pocos\ usuarios
\rightarrow
Poca\ infraestructura
\rightarrow
Pocos\ usuarios.
]
Ejemplo:
vehículo eléctrico en una fase temprana.
Se necesita romper simultáneamente:
[demanda] e:[infraestructura.
Una intervención parcial puede fracasar.
4.7.8. Trampa institucional
También puede aparecer:
[
Instituciones\ débiles
\rightarrow
Baja\ confianza
\rightarrow
Poco\ cumplimiento
\rightarrow
Bajos\ recursos\ estatales
\rightarrow
Instituciones\ débiles.
]
O:
[
Corrupción
\rightarrow
Desconfianza
\rightarrow
Menor\ cooperación
\rightarrow
Más\ comportamientos\ oportunistas
\rightarrow
Corrupción.
]
No todos estos mecanismos deben asumirse de antemano.
Deben contrastarse.
Pero RMS proporciona una estructura para investigarlos.
4.7.9. Trampa de dependencia industrial
Supongamos:
[
Importaciones\ baratas
\rightarrow
Producción\ local ↓
]
[
\rightarrow
Proveedores ↓
]
[
\rightarrow
Coste\ producción\ doméstica ↑
]
[
\rightarrow
Importaciones ↑.
]
La dependencia inicial se refuerza.
Esto no significa que importar sea necesariamente perjudicial.
Significa que en determinadas industrias pueden existir:
[
externalidades\ dinámicas
]
y:
[
capacidad\ acumulativa.
]
RMS deberá distinguir cuidadosamente ambos casos.
4.7.10. Lock-in como trampa
Arthur muestra que rendimientos crecientes y feedback positivo pueden bloquear sistemas alrededor de tecnologías o estructuras específicas.
Una tecnología puede mantenerse porque existe:
- infraestructura;
- usuarios;
- proveedores;
- conocimiento.
Incluso si aparece:
[
alternativa\ potencialmente\ mejor.
]
El coste de transición puede mantener:
[
Estado_A.
]
4.7.11. Trampa de capacidades
Hausmann-Hidalgo permiten plantear otra posibilidad.
Si una economía sólo posee capacidades cercanas a actividades simples:
[
Actividades\ simples
\rightarrow
Aprendizaje\ simple
\rightarrow
Nuevas\ actividades\ cercanas
\rightarrow
Capacidades\ similares.
]
El salto hacia actividades lejanas puede ser difícil.
El Product Space y la literatura posterior muestran precisamente que la transformación productiva presenta fuerte dependencia de las capacidades existentes.
Esto no implica destino inevitable.
Pero sí:
[
coste\ de\ transición.
]
4.7.12. Definición formal provisional de trampa RMS
Podemos definir una:
[
Trap(S)
]
cuando se cumplen cuatro condiciones.
1. Resultado inferior persistente
[
O_t<O^*
]
durante un periodo prolongado.
2. Feedback autorreforzador
[
O_t
\rightarrow
M_t
\rightarrow
O_{t+1}.
]
3. Barreras de transición
[
Cost(S\rightarrow S^*)\ alto.
]
4. Intervenciones marginales insuficientes
[
\Delta policy_{small}
\rightarrow
S_{t+n}\approx S_t.
]
Si se cumplen las cuatro:
[
\boxed{Systemic\ Trap}
]
sería una categoría RMS plausible.
4.8. Bucles y cuellos de botella
Aquí podemos conectar dos partes futuras del modelo.
Un cuello de botella puede detener un feedback reforzador.
Ejemplo:
[
Demanda\ IA ↑
\rightarrow
Centros\ datos ↑
]
pero:
[
Red\ eléctrica
]
puede convertirse en restricción.
Entonces:
[
R_1:
Demanda
\rightarrow
Inversión
\rightarrow
Capacidad.
]
Pero:
[
B_1:
Capacidad\ red
\rightarrow
Límite.
]
La dinámica final depende del cuello de botella.
Esto será fundamental:
Trajectory.
]
4.9. Bucles y stocks
Los feedbacks actúan fundamentalmente modificando stocks.
Podemos representar:
[
F_t
\rightarrow
Flow_t
\rightarrow
Stock_{t+1}.
]
Por ejemplo:
[
Confianza ↑
\rightarrow
Crédito ↑
\rightarrow
Stock\ deuda ↑.
]
El stock de deuda modifica posteriormente:
[
Fragilidad.
]
Por tanto:
[
Feedback
\rightarrow
Stock
\rightarrow
Nuevo\ feedback.
]
Esto conecta directamente las partes III y IV de RMS.
4.10. Arquitectura causal ampliada de RMS 2.0
Ahora podemos mejorar nuestro modelo.
Anteriormente teníamos:
[
S_t
\rightarrow
E_t
\rightarrow
O_t
\rightarrow
S_{t+1}.
]
Ahora introducimos:
[
F_t
]
como feedback.
Entonces:
[
\boxed{
S_t
\rightarrow
E_t
\rightarrow
O_t
\rightarrow
F_t
\rightarrow
Flows_t
\rightarrow
Stocks_{t+1}
\rightarrow
S_{t+1}
}
]
Pero existen varios feedbacks simultáneos:
[
F_t=
{R_1,\ldots,R_n,B_1,\ldots,B_m}.
]
Además:
[
Delay=\tau.
]
Así:
\Phi(S_t,F_t,\tau_t,Shocks_t).
]
Ésta comienza a ser una verdadera arquitectura dinámica.
4.11. Una posible matriz RMS de feedbacks
Para cada sistema podremos construir una tabla como:
| Bucle | Tipo | Variable inicial | Mecanismo | Stock afectado | Retardo | Intensidad |
|---|---|---|---|---|---|---|
| R1 | Reforzador | Innovación | Beneficio → I+D | Conocimiento | Medio | Alta |
| R2 | Reforzador | Escala | Coste → demanda | Capital | Medio | Alta |
| B1 | Compensador | Demanda | Precio | Inventario | Corto | Media |
| B2 | Compensador | Producción | Capacidad | Capital físico | Largo | Alta |
Esto permitiría convertir mapas cualitativos en estructuras comparables.
4.12. Variable nueva: fuerza de feedback
Podemos introducir provisionalmente:
[
\phi_i.
]
Sería la:
[
Fuerza\ del\ feedback_i.
]
Dependería de:
f(sensibilidad,velocidad,conectividad).
]
No pretendemos medirla todavía.
Pero conceptualmente importa distinguir:
[
feedback\ débil
]
de:
[
feedback\ dominante.
]
4.13. Variable nueva: dominancia de feedback
Definamos:
[
D(F_i,t)
]
como la importancia relativa del feedback (F_i) en el momento (t).
Entonces:
[
D(R_1,t_1)>D(B_1,t_1)
]
puede producir:
[
crecimiento.
]
Pero más adelante:
[
D(B_1,t_2)>D(R_1,t_2)
]
y aparece:
[
estabilización.
]
Esto ayudará a explicar cambios de régimen sin necesidad de suponer que el sistema se ha transformado completamente.
4.14. Variable nueva: profundidad de trampa
Si queremos formalizar posteriormente las trampas sistémicas, podríamos introducir:
[
TrapDepth.
]
Podría depender de:
f
(
fuerza\ feedback,
número\ complementariedades,
cuellos\ de\ botella,
coste\ transición,
stocks\ específicos
).
]
Una trampa será más profunda cuando:
- los feedbacks sean más fuertes;
- existan más complementariedades;
- haya más capital específico;
- falten varias capacidades simultáneamente.
Esto tiene una consecuencia política interesante:
dos economías con el mismo problema observable pueden necesitar intervenciones radicalmente distintas porque la profundidad sistémica del problema es diferente.
4.15. Ejemplo integrado: productividad
Podemos utilizar un problema que aparecerá posteriormente en nuestros casos de estudio.
Supongamos:
[
Productividad\ baja.
]
Un análisis superficial podría proponer:
[
Subvencionar\ tecnología.
]
RMS construye primero los bucles.
R1 — escala
[
Tamaño ↑
\rightarrow
Inversión ↑
\rightarrow
Productividad ↑
\rightarrow
Beneficios ↑
\rightarrow
Tamaño ↑.
]
R2 — capital humano
[
Productividad ↑
\rightarrow
Salarios ↑
\rightarrow
Atracción\ talento ↑
\rightarrow
Productividad ↑.
]
R3 — tecnología
[
I+D ↑
\rightarrow
Innovación ↑
\rightarrow
Productividad ↑
\rightarrow
Beneficios ↑
\rightarrow
I+D ↑.
]
Pero en el equilibrio inferior:
[
Tamaño ↓
\rightarrow
Inversión ↓
\rightarrow
Productividad ↓
\rightarrow
Beneficios ↓
\rightarrow
Tamaño ↓.
]
Además:
[
Salarios ↓
\rightarrow
Talento ↓
\rightarrow
Productividad ↓.
]
Y existe un cuello:
[
Financiación.
]
Entonces quizás el problema no sea:
[
una\ variable.
]
Es:
[
una\ arquitectura\ autorreproductiva.
]
4.16. Implicación política: romper bucles, no sólo modificar variables
Ésta podría convertirse en una regla fundamental de RMS.
Ante un problema sistémico no debemos preguntar únicamente:
¿qué variable aumentamos?
Sino:
¿qué feedback debemos debilitar, reforzar o rediseñar?
Por ejemplo:
Trampa:
[
Poca\ escala
\rightarrow
Poca\ inversión
\rightarrow
Baja\ productividad
\rightarrow
Poca\ escala.
]
La política debe encontrar:
[
Leverage\ Point.
]
Puede ser:
- financiación;
- consolidación;
- tecnología;
- demanda;
- formación.
No necesariamente todas.
La cuestión científica será identificar:
[
cuál\ modifica\ la\ estructura\ del\ bucle.
]
Esto conecta directamente con los leverage points de Meadows: intervenir sobre parámetros superficiales suele producir efectos menores que modificar reglas, información, feedbacks u objetivos del sistema.
4.17. La gran advertencia: los diagramas causales no son evidencia
Este punto será absolutamente esencial para que RMS sea científicamente serio.
Podemos dibujar:
[
A\rightarrow B\rightarrow C\rightarrow A.
]
Pero eso no demuestra que el bucle exista.
Cada flecha necesita:
teoría;
mecanismo;
evidencia;
estimación de magnitud;
dimensión temporal.
Por tanto:
[
Diagrama
\neq
Evidencia.
]
El diagrama es:
[
Hipótesis\ estructural.
]
Posteriormente debemos contrastarla.
4.18. De causal loops a modelos contrastables
La metodología RMS deberá seguir:
Paso 1
Identificar:
[
Variables.
]
Paso 2
Proponer:
[
Relaciones.
]
Paso 3
Identificar:
[
Feedbacks.
]
Paso 4
Determinar:
[
Retardos.
]
Paso 5
Buscar:
[
Evidencia.
]
Paso 6
Estimar:
[
magnitudes.
]
Paso 7
Simular o contrastar.
Éste será el puente entre:
[
pensamiento\ sistémico
]
y:
[
ciencia\ económica.
]
4.19. Doyne Farmer y la formalización computacional
Aquí los modelos basados en agentes pueden resultar especialmente importantes.
Un mapa causal con:
[
50\ variables
]
puede resultar imposible de seguir intuitivamente.
Un ABM permite representar:
- agentes heterogéneos;
- interacciones;
- balances;
- aprendizaje;
- redes;
y observar qué propiedades agregadas emergen.
Farmer ha defendido precisamente el uso creciente de modelos cuantitativos basados en agentes como herramientas macroeconómicas, y trabajos recientes de su grupo enfatizan su capacidad para representar feedbacks y dinámicas sin imponer necesariamente convergencia a un estado estacionario.
RMS podría utilizar:
[
Causal\ Loop\ Diagram
]
como:
[
hipótesis.
]
Después:
[
ABM
]
o:
[
System\ Dynamics
]
como:
[
formalización
4.20. Siete preguntas RMS para cualquier feedback
A partir de esta sección podemos establecer un protocolo.
Cuando identifiquemos un feedback deberemos preguntar:
1. Dirección
¿Es:
[
reforzador
]
o:
[
compensador?
]
2. Mecanismo
¿Cómo funciona cada relación?
3. Stock
¿Qué stock modifica?
4. Retardo
¿Cuánto tarda?
5. Intensidad
¿Qué magnitud tiene?
6. Dominancia
¿En qué condiciones domina sobre otros feedbacks?
7. Evidencia
¿Qué datos permiten demostrarlo?
Éste podría convertirse en el:
[
\boxed{RMS\ Feedback\ Protocol}
]
4.21. Proposiciones de la sección
Podemos cerrar con siete proposiciones.
RMS-F1 — Amplificación
Los feedbacks reforzadores amplifican ventajas o desventajas iniciales y pueden generar divergencia acumulativa.
RMS-F2 — Compensación
Los feedbacks compensadores limitan desviaciones, pero pueden estabilizar tanto sistemas eficientes como estructuras subóptimas.
RMS-F3 — Multiplicidad dinámica
El comportamiento observable emerge de múltiples feedbacks cuya dominancia relativa puede cambiar con el tiempo.
RMS-F4 — Recursividad causal
Los resultados pueden modificar posteriormente las variables que inicialmente actuaron como causas.
[
X_t\rightarrow Y_{t+1}\rightarrow X_{t+2}.
]
RMS-F5 — Retardo
La dinámica de un feedback depende de dirección, fuerza y tiempo de transmisión.
[
F_i=f(signo,\phi_i,\tau_i).
]
RMS-F6 — Causación acumulativa
Cuando los resultados generan recursos o capacidades que aumentan su propia probabilidad futura, emergen trayectorias autorreforzadas y dependencia histórica.
RMS-F7 — Trampa sistémica
Un resultado subóptimo puede persistir cuando varios feedbacks, complementariedades y cuellos de botella reproducen las condiciones que impiden abandonar ese estado.
4.22. Primera definición formal de feedback en RMS 2.0
Podemos representar un sistema:
[
S_t=
{X_1,...,X_n}.
]
Existe feedback cuando:
[
X_i(t)
\rightarrow
X_j(t+\tau_1)
\rightarrow
...
\rightarrow
X_i(t+\tau_n).
]
Definiremos:
[
F_k=
{
variables,
signos,
intensidades,
retardos
}.
]
El conjunto de feedbacks será:
[
\mathcal F=
{F_1,F_2,...,F_m}.
]
Entonces la trayectoria del sistema dependerá de:
\Phi
(
S_t,
\mathcal F_t,
K_t,
B_t,
Shocks_t
).
]
Donde:
- (K) = stocks;
- (B) = cuellos de botella.
Esta formulación todavía es provisional.
Pero ya permite avanzar desde:
[
“todo\ está\ relacionado”
]
hacia:
[
\boxed{
qué\ está\ relacionado,
cómo,
con\ qué\ fuerza,
con\ qué\ retardo
y\ mediante\ qué\ feedback.
}
]
Conclusión: el sistema económico como máquina de reproducir o transformar estados
Esta sección introduce posiblemente uno de los cambios conceptuales más importantes de RMS 2.0.
Un problema económico no debe definirse únicamente por su resultado.
Debemos buscar el mecanismo que:
[
lo\ reproduce.
]
Porque una economía puede encontrarse durante décadas en:
- baja productividad;
- dependencia tecnológica;
- elevada desigualdad;
- escasa inversión;
- fragilidad financiera;
no necesariamente porque esté permanentemente “fuera de equilibrio”, sino porque existen feedbacks que convierten ese resultado en una configuración autorreproductiva.
Aquí se conecta esta sección con nuestro análisis previo del equilibrio.
Podemos tener:
[
\boxed{Mal\ equilibrio}
]
precisamente porque existen:
[
\boxed{Buenos\ mecanismos\ de\ reproducción\ de\ ese\ mal\ equilibrio.}
]
Ésta es una idea especialmente potente.
Minsky muestra cómo estabilidad financiera puede crear comportamientos que aumentan fragilidad.
Arthur muestra cómo pequeñas ventajas pueden amplificarse mediante rendimientos crecientes y producir lock-in.
Hausmann e Hidalgo muestran cómo las capacidades presentes condicionan las posibilidades futuras de diversificación y generan dependencia de trayectoria.
Farmer muestra cómo múltiples interacciones entre agentes heterogéneos pueden generar dinámicas macroeconómicas emergentes que requieren herramientas computacionales para estudiarse adecuadamente.
Meadows proporciona el lenguaje esencial para conectarlo todo:
[
stocks
+
flows
+
feedbacks
+
delays
\rightarrow
comportamiento\ del\ sistema.
]
A partir de aquí RMS 2.0 puede formular una pregunta mucho más potente que:
¿Cuál es la causa del problema?
La pregunta sistémica pasa a ser:
¿Qué arquitectura causal reproduce el problema, qué feedbacks la estabilizan, qué stocks acumula, qué retardos esconden sus efectos y qué intervención sería suficientemente profunda para alterar esa dinámica?
Éste será un principio central del futuro marco:
[
\boxed{
No\ corregir\ únicamente\ resultados.
Modificar\ los\ mecanismos\ que\ reproducen\ los\ resultados.
}
]
Y con ello podemos conectar directamente esta Parte I con las siguientes dimensiones de RMS 2.0:
[
Feedbacks
\rightarrow
Cuellos\ de\ botella
\rightarrow
Resiliencia
\rightarrow
Transiciones
\rightarrow
Capacidades.
]
Porque una vez conocemos cómo se reproduce un sistema, la siguiente gran pregunta será:
¿qué limita realmente lo que ese sistema puede hacer?
No hay comentarios:
Publicar un comentario