El Espejismo de la Predicción
En 2007, un informe del Banco Mundial calificó la economía global como «la más estable de la historia» y, sin embargo, un año después Lehman Brothers colapsó desencadenando una crisis-terremoto con réplicas que aún resuenan. Este suceso, un cisne negro por excelencia, ejemplifica un problema atávico: la obsesión humana por domar el caos mediante modelos y relatos. Nassim N. Taleb con su crítica a la falacia lúdica y Arnold Toynbee con su teoría de las catástrofes históricas ya descubrieron que pretender predecir lo impredecible no solo es ingenuo, sino peligroso.
Este texto explora por qué los modelos predictivos —y las narrativas que los sustentan— fracasan ante cisnes negros, proponiendo un enfoque alternativo: mapear fragilidades, no futuros.
La falacia lúdica: cuando el mundo no es un juego de salón
Nassim N. Taleb también acuñó el término falacia lúdica para incidir en la extrapolación acrítica de modelos simplistas a sistemas complejos: el reduccionismo analítico por excelencia.
Su esencia radica en tres errores:
- suponer estabilidad donde hay caos: los modelos financieros pre-2008 usaban distribuciones normales (campana de Gauss), ignorando las colas pesadas de eventos extremos, como en el modelo de Black-Scholes para opciones, que asumía mercados «suaves» y volatilidad constante.
- ignorar la interdependencia de variables, puesto que la teoría de juegos clásica presupone actores racionales, pero en la práctica, el pánico, la imitación y la innovación disruptiva alteran las reglas.
- confundir correlación con causalidad profunda: los algoritmos de machine learning detectan patrones en datos históricos, pero no mecanismos causales, como ocurrió con Google Flu Trends que fracasó en 2013 porque correlacionó búsquedas de «gripe» con casos reales, sin entender cambios en el comportamiento de los usuarios.
Y así surge la paradoja clave: cuanto más se sofistica un modelo, más crece la ilusión de control.
Weak analysis: el arte de buscar puntos de ruptura
Si no podemos predecir cisnes negros, al menos podemos identificar dónde y cómo nos golpearán. Para ello se han desarrollado las denominadas técnicas análisis estructural:
- El análisis de redes complejas: la vulnerabilidad de lo conectado
En 2003, un árbol cayó sobre una línea eléctrica en Ohio. En horas, 50 millones de personas en EE.UU. y Canadá quedaron sin luz. El problema no fue el árbol, sino los denominados acoplamientos estrechos en la red. También denominados tight coupling en inglés, son conexiones rígidas y altamente interdependientes entre componentes de un sistema, donde la falla o perturbación en un nodo se propaga casi instantáneamente a otros, sin mecanismos de amortiguación, redundancia o flexibilidad para contener el daño. Son una fuente crítica de fragilidad en sistemas complejos, desde redes eléctricas hasta cadenas de suministro globales. Los acoplamientos estrechos convierten sistemas complejos en dominó de alto riesgo porque son susceptibles a las cascadas de fallos y a su incapacidad de adaptación.
Los acoplamientos estrechos suelen ser resultado de buscar eficiencia máxima (costos bajos, velocidad, optimización). Sin embargo, como demostró el COVID-19 en las cadenas de suministro médicas, la eficiencia extrema sacrifica resiliencia. La clave está en equilibrar ambos factores, aceptando cierto «gasto» en redundancia como seguro contra cisnes negros.
«Los sistemas más estables no son los más eficientes, sino los que tienen márgenes para absorber lo inesperado» (Yaneer Bar-Yam, físico del New England Complex Systems Institute).
Herramientas como NetworkX (Python) permiten modelar nodos críticos.
- Dynamic Fault Tree Analysis (DFTA): fallos en cascada
Es un sistema usado en la NASA para misiones espaciales. El DFTA no predice colapsos, pero muestra cómo un pequeño fallo (ej: un sensor defectuoso) puede propagarse. Es una evolución del clásico Fault Tree Analysis (FTA) que incorpora dependencias temporales, secuencias de eventos y comportamientos dinámicos en sistemas complejos. A diferencia del FTA estático (que solo modela combinaciones lógicas de fallos), el DFTA es clave para modelar cascadas de fallos y escenarios donde el orden o el tiempo de los eventos afecta el resultado final.
El DFTA no «predice» catástrofes en sentido clásico, pero mapea cómo los sistemas pueden colapsar bajo presión, permitiendo reforzar puntos críticos duplicando, por ejemplo, sistemas de emergencia, acortar tiempos de respuesta, generando, por ejemplo, protocolos automáticos ante detección de fallos, y educar a los decisores sobre escenarios realistas.
- Stress Tests Multivariantes: preparándose para lo Inimaginable
Tras 2008, la Reserva Federal implementó pruebas de simulación que combinan shocks simultáneos: desplome bursátil + pandemia + ciberataque.
En 2020, estos escenarios ayudaron a bancos a resistir mejor la COVID-19.
Arnold Toynbee y la Teoría de las Catástrofes: lecciones de la Historia
Toynbee analizó civilizaciones colapsadas, como la de Roma o Bizancio, y halló un patrón: las sociedades fracasan no por amenazas externas, sino por rigidez interna. Su teoría se alinea así con la dinámica de bifurcaciones en matemáticas.
La dinámica de bifurcaciones estudia cambios cualitativos en sistemas al variar un parámetro crítico. En un punto de bifurcación, pequeñas alteraciones provocan un salto abrupto.
Así pues, no se trata de evitar crisis, sino de crear estructuras que absorban impactos sin fracturarse.
La narrativa retrospectiva: el arte de engañarnos a nosotros mismos
Tras un cisne negro, surge un ritual invariable: expertos, medios y políticos tejen relatos coherentes («se pudo evitar si…»). Esta es la denominada narrativa retrospectiva, que encierra en sí misma dos trampas:
- Sesgo del superviviente: solo analizamos lo que ocurrió, no lo que pudo ocurrir.
- Ilusión de la agencia humana: atribuimos desastres a errores evitables ignorando que algunos cisnes negros son producto de la denominada complejidad caótica (interacciones no lineales entre actores).
Un caso paradigmático es la crisis de 2008 se atribuyó a «banqueros codiciosos», aunque la verdadera raíz fue la innovación financiera no regulada (CDOs sintéticos) unida a la interdependencia global.
Conclusión: hacia una antifragilidad operativa
La respuesta a los cisnes negros no está en mejores modelos, sino en diseñar sistemas que aprendan del estrés, distribuyan riesgos y acepten la ignorancia.
Aprender del estrés como hace nuestro sistema inmunológico, que mejora y se refuerza cada vez que supera una infección.
La distribución de riesgos pasa por la redistribución. Es decir, evitar concentrar recursos o poder y distribuir los nodos de apoyo de las redes. Las redes P2P, la propia Internet o los sistemas distribuidos de bases de datos con redundancias son un buen ejemplo.
Finalmente, asignar recursos a lo desconocido va contra los principios de eficiencia diaria, pero supone un amortiguador para los efectos de cualquier situación crítica repentina o cisne negro.
Última Reflexión: El Legado de los Ingenieros Romanos
Los acueductos romanos siguen en pie no porque los ingenieros predijeran terremotos o invasiones, sino porque usaron márgenes de seguridad (factor de seguridad en ingeniería) y materiales redundantes. En un mundo de incertidumbre radical, su lección es clara:
«Construye arcos que repartan el peso, no profetas que adivinen tormentas«.
Para profundizar, ver: «Antifrágil» (Taleb, 2012) y «Colapso» (Diamond, 2005).
No hay comentarios:
Publicar un comentario