Seleccionar página

Resolver problemas es una habilidad esencial, pero no todos los problemas son iguales. Los complejos, los que tienen muchas piezas que se influyen entre sí y cambian mientras intentamos arreglarlos, piden otra forma de pensar.

En este artículo vemos qué es la resolución de problemas complejos, cómo reconocer un sistema complejo, las trampas que se repiten una y otra vez, dónde tocar para cambiarlo, qué funciona y qué no, la secuencia de 7 pasos y las herramientas para ponerlo en práctica.

En este artículo

Qué es la resolución de problemas complejos

Una de las definiciones de referencia es la de los psicólogos Dietrich Dörner y Joachim Funke, publicada en 2017 en Frontiers in Psychology. Para ellos, la resolución de problemas complejos es «una colección de procesos psicológicos autorregulados y de actividades necesarias en entornos dinámicos para alcanzar metas mal definidas que no se consiguen con acciones rutinarias. Hacen falta combinaciones creativas de conocimiento y un amplio repertorio de estrategias».

Y añaden un matiz muy honesto: las soluciones suelen tener más de bricolaje que de solución perfecta u óptima.

Dicho más fácil: es todo lo que necesitamos para decidir y actuar cuando el problema tiene muchas piezas que se influyen entre sí, cambia mientras lo resolvemos y no viene con instrucciones.

Problema complicado frente a problema complejo

Un problema complicado tiene muchas piezas, pero se comporta de forma predecible: montar un motor o hacer la declaración de la renta. Con el manual y el experto adecuados, se resuelve.

Un problema complejo es otra cosa. Sus piezas se influyen unas a otras, hay retrasos entre lo que hacemos y lo que pasa, y nuestra propia intervención cambia el problema. Un equipo de trabajo, un mercado, nuestra salud o un negocio que no despega son sistemas complejos. Ahí, aplicar la receta de siempre suele empeorar las cosas.

Problema complicadoProblema complejo
Cómo se comportaDe forma predecibleCambia cuando intervenimos en él
Cómo se resuelveCon el manual y el experto adecuadosEnsayando, probando y ajustando
SoluciónUna, y sirve una y otra vezNo hay una única; la que hoy funciona mañana puede fallar
EjemplosMontar un motor, hacer la declaración de la rentaUn equipo de trabajo, un mercado, nuestra salud, un negocio que no despega

El modelo Cynefin: cada tipo de problema pide una respuesta

Dave Snowden desarrolló el modelo Cynefin mientras trabajaba en IBM, para distinguir tipos de contexto. Cada uno pide una forma distinta de actuar:

  • Simple: seguir las reglas.
  • Complicado: preguntar al experto.
  • Complejo: ensayar y probar.
  • Caótico: actuar primero.
  • Desordenado: cuando no sabemos en cuál estamos; toca explorar con heurísticas.
COMPLEJOEnsayar y probarCOMPLICADOPreguntar al expertoCAÓTICOActuar primeroSIMPLESeguir las reglasDESORDENADO¿En cuál estamos?
El modelo Cynefin, de Dave Snowden. Este artículo va del cuadrante rojo.

El error más caro es tratar un problema complejo como si fuera complicado, con modelos reduccionistas. A veces acabamos haciendo daño queriendo ayudar, lo que en medicina se llama iatrogenia.

Cómo reconocer un sistema complejo

  • Bucles de retroalimentación. Un efecto vuelve sobre su causa y la refuerza o la frena.
  • Retrasos. Entre la acción y el resultado pasa tiempo, y eso provoca oscilaciones: nos pasamos y nos quedamos cortos una y otra vez.
  • Límites del crecimiento. Lo que funciona al principio acaba chocando con un tope.
  • Transiciones de fase y puntos críticos. Pequeños cambios acumulados provocan, de repente, un cambio grande.
  • Atractores. El sistema tiende a volver a ciertos estados, por mucho que lo empujemos.

Ocho trampas que se repiten en casi todos los sistemas

Hay trampas que aparecen una y otra vez en sistemas muy distintos. La científica Donella Meadows, una de las grandes referencias del pensamiento sistémico, las describió con detalle. Aprender a verlas cambia la forma de mirar cualquier problema:

  • La resistencia a las políticas. Cada actor tira hacia su propio objetivo y las medidas se neutralizan entre sí.
  • La tragedia de los recursos compartidos. Cada uno saca lo que le conviene de un recurso común hasta agotarlo.
  • La deriva hacia el bajo rendimiento. El listón se ajusta a los malos resultados y cada vez se exige menos.
  • La escalada sin fin. Cada parte responde a la otra subiendo la apuesta: precios, discusiones, competencia.
  • La exclusión competitiva. Quien gana consigue más recursos para seguir ganando, hasta dejar fuera al resto.
  • La adicción. Se alivia el síntoma con un remedio que debilita la capacidad del sistema para resolverlo por sí mismo.
  • La evitación de las reglas. Se cumple la letra de la norma y se traiciona su intención.
  • Perseguir el objetivo inadecuado. El sistema mejora un indicador que no es lo que de verdad se quería.

Un ejemplo real: mejorar el análisis y empeorar al paciente

En el episodio 112 del podcast, Gonzalo, de Datos de Ciencia, contó el caso del torcetrapib de Pfizer: un fármaco que subía el colesterol «bueno», el HDL, y que tuvieron que parar en fase 3 porque aumentaba la mortalidad (minuto 1:06:13).

Es la trampa de perseguir el objetivo inadecuado. Mejorar un indicador no es lo mismo que mejorar lo que de verdad importa.

Dónde tocar: los puntos de influencia

No todas las palancas pesan lo mismo. Lo primero que solemos tocar son los números: más presupuesto, más horas, otro precio. Suele ser lo que menos cambia el sistema.

Lo que más lo transforma está más arriba: los bucles de retroalimentación, quién tiene acceso a qué información, las reglas del juego, el objetivo que persigue el sistema y, en lo más alto, la forma de pensar de quienes lo forman.

De menos a más poder de cambio, estos son los diez puntos de influencia con los que trabajo:

  1. Modificar los parámetros del sistema.
  2. Aumentar o reducir las reservas que amortiguan los cambios.
  3. Modificar la estructura del sistema y sus flujos.
  4. Modificar la duración de los retrasos, aunque no es nada fácil.
  5. Frenar los bucles que se refuerzan a sí mismos, en vez de solo reforzar los que compensan.
  6. Añadir o recuperar información: suele ser más sencillo y barato que rehacer la estructura física.
  7. Cambiar las reglas, los incentivos y los castigos.
  8. Promover la diversidad y algo de desorden para que el sistema se autoorganice.
  9. Cambiar el objetivo o el propósito del sistema.
  10. Modificar los paradigmas, la forma de pensar de la que nace el sistema.

Los sistemas complejos son contraintuitivos: podemos descubrir un punto de influencia y lo normal es que poca gente nos crea.

Por qué es la metahabilidad de la era de la IA

La inteligencia artificial resuelve cada vez mejor los problemas bien definidos. Lo que sigue siendo nuestro es lo otro: entender un sistema que cambia, decidir con información incompleta y elegir qué problema tiene sentido resolver.

Con Javier Recuenco hablamos justo de eso en el episodio 106: de la complejidad como foso defensivo de los humanos (minuto 56:50) y de los nuevos generalistas (minuto 41:40).

Fernando Alonso en una clase de El Metajuego, máster en solución de problemas complejos

El Metajuego

Máster en Solución de Problemas Complejos

Mi formación para aprender a resolver problemas complejos con método, en un grupo reducido y con masterclass de invitados como Paco Lodeiro.

  • Dinámicas de sistemas complejos
  • Los metajuegos arquetípicos
  • Los puntos de influencia
  • La secuencia de 7 pasos
  • Herramientas para analizar y solventar problemas
  • Aplicación directa en organizaciones

Qué dice Javier Recuenco de los problemas complejos

Javier Recuenco, especialista en resolución de problemas complejos y profesor universitario, pasó por el podcast en el episodio 106. Me quedo con tres ideas.

YouTube video

Lo complejo pide perfiles en forma de T

Para gestionar problemas complejos, Javier defiende los perfiles en forma de T: personas que dominan varias áreas y trabajan en los espacios de roce entre ellas, que es donde aparece la creatividad. Su ejemplo es Steve Jobs, que hablaba el idioma de los ingenieros y el de los vendedores y sabía orquestar grupos muy distintos (minuto 44:00).

La complejidad, el santuario humano

Para Javier, lo complejo es lo que todavía solo podemos abordar las personas: lo que él llama el santuario humano (minuto 56:56). Lo comprobó con sus alumnos: pasó un ejercicio de problemática compleja a dos modelos de inteligencia artificial y acertaron el 80 % de la respuesta, pero no el hallazgo diferencial, el que solo vio una persona (minuto 57:36).

«Es la complejidad como algo que todavía solo es abordable por humanos.»

Javier Recuenco, minuto 57:10

Moonshot thinking: cuando el problema pide una idea radical

Javier define el moonshot thinking como la combinación de un gran problema que pide una solución radical con el desarrollo de una nueva tecnología. No una mejora gradual, sino una idea profundamente distinta. El término viene de la carrera espacial (minuto 3:06).

Por qué es la habilidad más demandada

En su informe The Future of Jobs de 2016, el Foro Económico Mundial la situó la primera de las diez habilidades más demandadas de cara a 2020, por delante del pensamiento crítico y la creatividad.

Desde entonces, la inteligencia artificial la ha hecho todavía más valiosa. Cada vez resuelve mejor los problemas bien definidos; los que cambian mientras los resolvemos siguen siendo cosa nuestra.

«El moat humano es pensar.»

Javier Recuenco, minuto 60:19

Qué no hacer ante un problema complejo

Hay estrategias que funcionan muy bien con problemas complicados y que, ante uno complejo, suelen salir mal:

  • Divide y vencerás: arreglar las partes por separado olvida que las relaciones entre ellas importan tanto como las propias partes.
  • La solución simplista: ignorar la complejidad y estudiar el problema fuera de su contexto, sin el resto del sistema.
  • La solución complicada: diseñar un plan que contemple todos los casos posibles. En un sistema complejo muchos casos son desconocidos y cambian, y el plan rígido crea problemas nuevos.
  • La solución compleja: la solución va creciendo para adaptarse hasta convertirse en otro enredo, más difícil que el problema original.
  • Sobreoptimizar: lo que es eficaz en sistemas lineales vuelve frágil a uno complejo. Si planificamos al milímetro un viaje por todo el mundo, cualquier retraso desata una cadena de cancelaciones.

Y una regla de fondo: en un sistema complejo, el control desde arriba casi nunca funciona.

Qué sí funciona

Lo que sí funciona parte de aceptar que un problema complejo es un problema dinámico: no se resuelve del todo, cambia con cada intervención y cada vez nos enfrentamos a una versión distinta.

  • Entender el juego del sistema: cómo las interacciones crean comportamientos emergentes, sus bucles, sus efectos colaterales y sus atractores.
  • Explorar y explotar: en un problema estático exploramos, damos con la solución y la explotamos. En uno dinámico, el ciclo no se acaba nunca.
  • Diversidad de puntos de vista: un equipo de varias disciplinas ve lo que a un especialista se le escapa.
  • Soluciones dinámicas: equipos pequeños y diversos que se adaptan, como hace el sistema inmune.
  • Ninguna solución es única ni definitiva: buscar la intersección de los puntos de vista y dejar que el sistema se autoorganice.
  • Influir, no controlar: cambiar la diversidad, los incentivos o los objetivos para que el sistema evolucione a nuestro favor.

La secuencia de 7 pasos del Problem Solving Estratégico

Para ordenar el ataque, en El Metajuego parto del Problem Solving Estratégico de Giorgio Nardone. El camino del problema a la solución se divide en fases, unas analíticas y otras creativas:

  1. Definir el problema: qué es en realidad, quién está involucrado, dónde y cuándo aparece y cómo funciona.
  2. Determinar el objetivo: qué realidad concreta nos diría que lo hemos conseguido.
  3. Evaluar las soluciones ya intentadas: lo que funcionó en el pasado para el mismo tipo de problema a menudo fracasa en el presente.
  4. Cómo empeorarlo: preguntarnos qué haríamos, a propósito, para empeorar la situación. Se inspira en una vieja estratagema china: si quieres enderezar algo, aprende antes a torcerlo más.
  5. El escenario más allá del problema: imaginar con detalle cómo sería todo con el problema ya resuelto.
  6. La técnica del escalador: partir del objetivo e imaginar la fase inmediatamente anterior, y así hacia atrás hasta el punto de partida. El recorrido se convierte en una serie de microobjetivos.
  7. Afinar la puntería poco a poco: a veces no hay una solución, sino una secuencia de soluciones, como las muñecas rusas. Se empieza por lo más accesible, sin perder la visión de conjunto.

La clave está en el equilibrio entre rigor y flexibilidad: el rigor solo asfixia, y la creatividad sola se pierde.

Herramientas para resolver problemas complejos

Ninguna herramienta resuelve sola un problema complejo, pero ayudan a ordenarlo y a no engañarnos. Estas son algunas de las que trabajo en El Metajuego:

  • El diagrama de las 6 palabras: definir el problema con doce preguntas en parejas. Cuándo ocurre y cuándo no, cómo se reconoce y cómo se reconocería que no existe, qué lo causa y qué no, quién lo causa y quién no, dónde ocurre y dónde no, por qué existe ahora y por qué no existía antes.
  • Diagrama de Ishikawa (o de espina de pescado): ordena por familias las posibles causas de un problema. Lo popularizó Kaoru Ishikawa.
  • Los 5 porqués: preguntar «¿por qué?» varias veces seguidas, hasta pasar del síntoma a la causa. Nació en Toyota.
  • Árboles de decisión: dibujar las opciones, sus consecuencias y su probabilidad antes de elegir. Mejor si las ramas se excluyen entre sí y, juntas, cubren todas las posibilidades.
  • Teoría de las Restricciones: todo sistema tiene un cuello de botella que marca el techo del resultado, y mejorar cualquier otra cosa apenas cambia nada. La formuló Eliyahu Goldratt en su novela La meta.
  • El abogado del diablo: alguien defiende a propósito la postura contraria para destapar los puntos débiles de una decisión antes de tomarla.

Cómo se entrena

No es un talento con el que se nace: se entrena. El orden que mejor me ha funcionado es este:

  1. Aprender a ver sistemas: bucles de retroalimentación, retrasos, límites del crecimiento y atractores.
  2. Reconocer las trampas que se repiten, los metajuegos arquetípicos.
  3. Saber dónde tocar: los puntos de influencia.
  4. Seguir una secuencia ordenada, como la de los 7 pasos, en vez de saltar a la primera solución.
  5. Apoyarse en herramientas como las de arriba.
  6. Aplicarlo a una organización real, con su factor humano.

Es justo el recorrido de El Metajuego, mi máster en resolución de problemas complejos.

Preguntas frecuentes

¿Qué es la resolución de problemas complejos?

Es la capacidad de decidir y actuar cuando el problema tiene muchas piezas que se influyen entre sí, cambia mientras lo resolvemos y no viene con instrucciones. Dörner y Funke (2017) la definen como un conjunto de procesos psicológicos autorregulados para alcanzar metas mal definidas que no se consiguen con acciones rutinarias.

¿Qué diferencia hay entre un problema complicado y uno complejo?

Un problema complicado es predecible: con el manual y el experto adecuados, se resuelve siempre de la misma manera. Uno complejo es dinámico: cambia cuando intervenimos en él y no tiene una única respuesta correcta.

¿Qué es un ejemplo de problema complejo?

Educar a un hijo, cuidar la salud, mantener la cultura de una organización, un negocio que no despega o un fármaco que mejora un análisis y empeora la salud, como el caso del torcetrapib que cuento más arriba.

¿Qué es el complex problem solving?

Es el nombre en inglés de la resolución de problemas complejos, a menudo abreviado como CPS.

¿Dónde se puede aprender?

En el podcast tienes la conversación con Javier Recuenco (episodio 106). Y si quieres trabajarla con método, en El Metajuego.

Regalo para quien ha leído hasta aquí

Las herramientas de IA que de verdad merecen tu tiempo

Mi listado actualizado de las herramientas de inteligencia artificial que más valor aportan, para encontrar en un minuto la que necesitas sin pasarte la tarde probando.

Más de 40.000 personas ya reciben mis correos.

Sobre el autor

Fernando Alonso es profesor universitario e investigador en robótica social. Presenta el podcast Píldoras del Conocimiento y enseña resolución de problemas complejos en El Metajuego.

Fernando Alonso en una clase de El Metajuego, máster en solución de problemas complejos

El Metajuego

Máster en Solución de Problemas Complejos

Mi formación para aprender a resolver problemas complejos con método, en un grupo reducido y con masterclass de invitados como Paco Lodeiro.

  • Dinámicas de sistemas complejos
  • Los metajuegos arquetípicos
  • Los puntos de influencia
  • La secuencia de 7 pasos
  • Herramientas para analizar y solventar problemas
  • Aplicación directa en organizaciones

Para seguir tirando del hilo

WordPress Video Lightbox