El territorio manda

Fosos y velocidad

El intercambio se volvió viral como duelo de egos. Leído con más cuidado, es otra cosa: una discusión sobre en qué mundo está parado cada negocio. En el mundo de los caramelos premium —demanda estable, marca centenaria, lealtad heredada—, el foso funciona: las reglas de ayer siguen valiendo mañana, y la estrategia consiste en defender una posición. En el mundo de los autos eléctricos de 2018 —tecnología cambiando trimestre a trimestre, entrantes por todos lados, regulación en movimiento—, la posición de hoy no garantiza nada, y la única defensa es moverse más rápido que el resto. Musk y Buffett no discrepan sobre estrategia: operan en territorios distintos, y cada uno describe con precisión el suyo.

Esa es la tesis de esta segunda parte. En la Parte 1 vimos los defectos de fábrica del aparato de decidir —sesgos que operan igual en el analista y en el CEO—. Pero hay un error más caro que cualquier sesgo, y es previo: aplicar el método correcto en el territorio equivocado. Analizar exhaustivamente donde el análisis no puede dar la respuesta. Improvisar donde había mejores prácticas probadas. Pedir el pronóstico exacto donde solo el ensayo enseña. La primera pregunta de una decisión no es «¿qué hacemos?» sino «¿en qué territorio estamos?».

Cuatro territorios, cuatro maneras de decidir

El mapa más útil para esa pregunta lo publicaron David Snowden y Mary Boone en 2007, en uno de los artículos más premiados de la Harvard Business Review («A Leader’s Framework for Decision Making»). Distingue cuatro territorios según la relación entre causa y efecto —y, con ella, según qué tipo de respuesta existe—.

Lo claro. Causa y efecto son evidentes para cualquiera: procesamiento de pedidos, liquidación de sueldos, el checklist de apertura de una sucursal. Existe la mejor práctica —así, en singular: una manera correcta, conocida y documentada—. Se decide percibiendo, categorizando y respondiendo: ver la situación, reconocer de qué caso se trata, aplicar la regla. La gestión es estandarización, y la delegación puede ser total.

Lo complicado. Causa y efecto existen y son estables, pero no están a la vista: hay que excavarlos con análisis o pericia. Diseñar un puente, valuar una empresa, armar la estructura impositiva de una operación regional. No hay una única respuesta correcta sino buenas prácticas —varias soluciones defendibles; expertos que pueden encontrarlas—. Se decide percibiendo, analizando y respondiendo. Es el reino del experto, del modelo y del plan: el análisis, bien hecho, paga.

Lo complejo. Causa y efecto solo se ven en retrospectiva. El sistema tiene demasiadas piezas que se adaptan unas a otras —consumidores, competidores, empleados, reguladores— como para que exista un análisis capaz de anticipar el resultado: una fusión de dos culturas, el lanzamiento en un mercado nuevo, un cambio organizacional profundo. No hay respuestas correctas esperando ser halladas; hay patrones que emergen. Se decide al revés: ensayar primero —sondas pequeñas, cuyo fracaso no hace daño—, percibir qué patrón aparece, y amplificar lo que funciona. El plan detallado a cinco años no es ambición: es una categoría equivocada.

Lo caótico. No hay relación discernible entre causa y efecto: el incendio, la corrida, el colapso del sistema. Buscar la respuesta correcta es un lujo que no existe; primero se actúa para frenar la hemorragia, después se percibe dónde hay algo de estabilidad, y recién entonces se responde. El liderazgo es directivo por necesidad —y el peligro es enamorarse de ese modo de mando cuando la crisis ya pasó—.

Snowden y Boone agregan dos advertencias que valen el artículo entero. La primera: el borde peligroso no está entre lo complejo y lo caótico, sino entre lo claro y lo caótico —la complacencia—: el que cree que su negocio es simple y ordenado deja de mirar, y desde ahí el precipicio es un solo paso (les pasó a los fabricantes que «sabían» cómo era su industria hasta que dejó de serlo). La segunda: el fracaso típico del experto es el pensamiento entrenado (entrained thinking): resolver el problema nuevo con la solución que lo hizo exitoso en el problema viejo —tratar todo territorio como si fuera aquel en el que uno aprendió a ganar—.

Complicado no es complejo (y confundirlos sale caro)

De las cuatro fronteras, hay una que concentra la mayoría de los errores estratégicos: la que separa lo complicado de lo complejo. Gökçe Sargut y Rita McGrath le dedicaron su propio artículo («Learning to Live with Complexity», HBR, 2011), con una imagen que conviene memorizar: un avión comercial es complicado —miles de piezas, pero interacciones fijas y predecibles: se puede modelar, testear y volar con checklist—; el tráfico aéreo es complejo —los mismos aviones más clima, controladores, pasajeros y aerolíneas adaptándose unos a otros en tiempo real: el estado del sistema completo no lo predice nadie—. Tres propiedades empujan un sistema hacia lo complejo: multiplicidad (cuántos elementos interactúan), interdependencia (qué tan conectados están) y diversidad (qué tan distintos son). Una organización grande, un mercado, una cadena de suministro regional: los tres diales al máximo.

¿Por qué importa la distinción? Porque en los sistemas complejos fallan, sistemáticamente, tres reflejos gerenciales que en lo complicado funcionan bien:

El pronóstico puntual. En lo complicado, más análisis converge a mejor respuesta. En lo complejo, la información necesaria para el pronóstico exacto no existe todavía —se crea a medida que los actores reaccionan—. Pedir «el número» no produce conocimiento; produce teatro de precisión (y ya vimos en la Parte 1 lo que valen los intervalos de confianza de los mejores CFOs del mundo: 36,3% de acierto).

El promedio. En lo complejo, los eventos lejos de la media son más frecuentes de lo que la intuición estadística espera —las colas son gordas, como en la base de Flyvbjerg de la Parte 1: el proyecto de IT no se pasa «un poco», se pasa +447% cuando entra en la cola—. Gestionar con promedios un sistema de colas gordas es manejar mirando el espejo retrovisor.

La consecuencia única. En un sistema interdependiente, cada intervención tiene efectos de segundo y tercer orden que nadie diseñó. Sargut y McGrath lo ilustran con casos donde una decisión local razonable —un incentivo, un recorte, un cambio de precio— cascadea en resultados globales que nadie quiso. La pregunta gerencial deja de ser «¿qué va a pasar?» y pasa a ser «¿qué podría pasar, y cómo lo detecto temprano?».

Para ese territorio, las herramientas que proponen son otras: simular escenarios incluyendo los de baja probabilidad y alto impacto, en vez de proyectar el caso base; desacoplar y agregar redundancia para que una falla local no se propague (eficiencia y fragilidad son, en lo complejo, la misma compra); mirar tres canastas de información —indicadores rezagados, presente, e indicadores tempranos— en vez de solo la contabilidad, que siempre llega tarde; usar contrafactuales y narrativa («¿qué tendría que pasar para que esto nos rompa?») donde la estadística no alcanza; invertir en opciones reales —apuestas chicas, escalonadas, reversibles— en vez de compromisos totales; y reclutar diversidad cognitiva, porque un equipo que piensa igual ve un solo futuro.

En lo claro y lo complicado, lo aburrido paga

El mapa tiene una trampa de vanidad: leído rápido, sugiere que lo claro y lo complicado son territorio menor —cosa de operarios y técnicos— y que la dirección «de verdad» vive en lo complejo. La evidencia dice exactamente lo contrario: la ventaja competitiva más desaprovechada del mundo está en gestionar bien lo claro y lo complicado.

Nicholas Bloom, Raffaella Sadun y John Van Reenen llevan dos décadas midiendo, con la World Management Survey, la adopción de prácticas básicas de gestión —monitoreo del desempeño, metas con horizonte coherente, gestión del talento— en más de 12.000 empresas de 34 países. Nada exótico: ¿se miden los procesos? ¿se corrigen los desvíos? ¿las metas existen y muerden? ¿se promueve y retiene al que rinde? Los resultados son brutales en ambas direcciones. Las diferencias son enormes —y persistentes—: pasar del decil peor gestionado al mejor se asocia con +75% de productividad, 25% más de crecimiento anual y unos US$15 millones más de ganancia. En sus trabajos académicos, los mismos autores estiman que estas prácticas explican alrededor del 30% de las brechas de productividad total entre países —del orden de lo que explican el capital o la tecnología—. Y sin embargo la mayoría de las empresas no las adopta. La razón más humillante la encontraron preguntando: los managers se autocalifican, en promedio, con 7 sobre 10 —y la correlación entre la nota autoasignada y la calidad medida es cero. (WYSIATI, dirían Kahneman y la Parte 1: la historia interna se siente completa.)

El título de su artículo en HBR es una pregunta retórica: ¿por qué subvaluamos el management competente? Porque es poco glamoroso. Porque parece «operativo» mientras la estrategia parece «directiva». Pero en los territorios claro y complicado —donde las reglas se conocen y las buenas prácticas existen— ejecutar lo aburrido con disciplina es la estrategia, y rinde más que cualquier genialidad episódica. Walter Kiechel llamó al siglo XX «el siglo del management»: cien años de conocimiento acumulado sobre cómo gestionar. El hallazgo de la World Management Survey es que el siglo terminó y la mayoría todavía no lo adoptó —lo que convierte a la adopción disciplinada, hoy, en ventaja competitiva—.

En lo complejo, se ensaya (y la mayoría de las ideas pierde)

Si en lo complicado la unidad de trabajo es el análisis, en lo complejo es el experimento controlado. Y sobre qué pasa cuando una organización se toma en serio el ensayo, el dato más aleccionador viene de quienes más lo practican. Ron Kohavi (que dirigió experimentación en Microsoft) y Stefan Thomke (Harvard) lo documentaron: en Google y en Bing, solo entre el 10% y el 20% de los experimentos produce resultados positivos. En Microsoft en general, un tercio mejora las métricas, un tercio no mueve nada y un tercio las empeora. Léalo de nuevo: en algunas de las organizaciones más capaces del planeta, la mayoría de las ideas —propuestas por gente talentosa, aprobadas por gerentes competentes— falla el test de la realidad. Por eso las grandes plataformas corren más de 10.000 experimentos por año cada una: porque saben que no saben cuál idea es la buena. Y el premio por ensayar es real: un experimento de Bing con el formato de los avisos —una idea que había dormido meses en el backlog porque a nadie le parecía prioritaria— produjo +12% de ingresos: más de US$100 millones anuales solo en Estados Unidos.

La traducción para empresas que no son plataformas digitales no es «hagan A/B testing de todo»: es adoptar la lógica del territorio complejo. Piloto antes que despliegue: una planta, una sucursal, un segmento —con grupo de comparación y criterio de éxito escrito antes (si no, la máquina de historias coherentes de la Parte 1 leerá cualquier resultado como victoria)—. Apuestas escalonadas con opciones de salida, en vez de compromisos monolíticos. Reversibilidad como criterio de diseño: la decisión reversible se toma rápido y barato; la irreversible es la única que merece el proceso pesado completo. Y tolerancia presupuestada al fracaso chico: si dos de cada tres ideas de Microsoft no mejoran nada, ¿qué tasa de fracaso está implícita en su plan —y qué le hace su cultura al gerente cuyo piloto honesto dio negativo?

Leer mal el territorio (los tres errores clásicos)

Tratar lo complejo como complicado. El más caro y el más común. Se reconoce por sus síntomas: planes quinquenales con decimales, «el número» exigido donde no hay base para ningún número, castigo a la varianza como si fuera incompetencia, y la convicción de que el fracaso del plan anterior se arregla planificando más fino el siguiente. Hay una versión estadística de este error que Kahneman ilustró con una anécdota célebre: los instructores de vuelo israelíes estaban convencidos de que el elogio empeoraba a los cadetes y el reto los mejoraba —porque tras un vuelo excelente el siguiente solía ser peor, y tras uno desastroso, mejor—. Era pura regresión a la media: los extremos tienden a volver al promedio solos, sin que el reto ni el elogio hagan nada. En un sistema con azar, el feedback crudo miente: atribuye a la gestión lo que es ruido. El gerente que «aprende» de cada dato mensual de un sistema complejo está aprendiendo, en buena medida, mitología.

Tratar lo complicado como claro. Saltear el análisis donde el análisis tiene respuesta: fijar el precio por olfato cuando hay elasticidades medibles, dimensionar la planta por analogía cuando hay demanda proyectable, contratar «por feeling» cuando hay evidencia sobre cómo se decide mejor esa selección (la Parte 3 trae esos números, que son incómodos). Es el error inverso al anterior y suele cometerlo el fundador exitoso: su intuición funcionó en el territorio donde se entrenó, y la exporta a territorios donde no hay razón para que funcione.

Quedarse analizando cuando el territorio pide moverse. En lo complejo y en lo caótico, el costo de la información adicional es tiempo —y el tiempo es exactamente lo que el territorio no da—. La parálisis por análisis es, con frecuencia, aversión a la pérdida disfrazada de rigor (Parte 1): pedir otro estudio es la forma socialmente aceptable de no decidir. La disciplina contraria tiene nombre en algunas empresas: distinguir decisiones reversibles de irreversibles, y prohibirse el proceso pesado para las primeras.

Preguntas para el lunes

Para sus tres decisiones abiertas más importantes:

El mapa deja una pregunta abierta, y es la más personal de todas. En lo complicado mandan los expertos; en lo complejo, los ensayos. Pero ¿y el olfato? ¿Cuándo vale la intuición del que lleva veinte años en la industria —esa certeza inmediata, sin argumentos, de que este candidato es el bueno o este negocio no cierra—? ¿Y cuándo conviene rendirse a la humillación de que una fórmula de tres variables pronostique mejor que el comité entero? De eso trata la Parte 3: las condiciones exactas bajo las que la intuición experta es confiable, la evidencia de medio siglo sobre juicio contra algoritmo, y el defecto del juicio profesional del que casi nadie habla —el ruido—.

Referencias

1. Snowden, D. J. y Boone, M. E., «A Leader’s Framework for Decision Making», Harvard Business Review, noviembre 2007 — los cuatro territorios y sus secuencias de decisión; el borde de la complacencia; el pensamiento entrenado.
2. Sargut, G. y McGrath, R. G., «Learning to Live with Complexity», Harvard Business Review, septiembre 2011 — complicado vs. complejo; multiplicidad, interdependencia y diversidad; promedios y eventos raros; simulación, desacople, tres canastas de información, opciones reales y diversidad cognitiva.
3. CNBC, «Warren Buffett responds to Elon Musk’s criticism: “I don’t think he’d want to take us on in candy”», 5–7 de mayo de 2018 — el intercambio Musk–Buffett sobre fosos y velocidad de innovación (la llamada de resultados de Tesla y la asamblea de Berkshire Hathaway 2018).
4. Bloom, N., Sadun, R. y Van Reenen, J., «Management as a Technology?», NBER Working Paper 22327, 2016 — las prácticas de gestión explican ~30% de las brechas de productividad total entre países; World Management Survey, 12.000+ empresas en 34 países.
5. Sadun, R., Bloom, N. y Van Reenen, J., «Why Do We Undervalue Competent Management?», Harvard Business Review, septiembre–octubre 2017 — decil inferior→superior: +75% productividad, +25% crecimiento, +US$15 M de ganancia; autocalificación 7/10 con correlación cero contra la calidad medida.
6. Kohavi, R. y Thomke, S., «The Surprising Power of Online Experiments», Harvard Business Review, septiembre–octubre 2017 — 10–20% de experimentos positivos en Google y Bing; ⅓/⅓/⅓ en Microsoft; >10.000 experimentos anuales por plataforma; el experimento de Bing de +12% (~US$100 M/año).
7. Kahneman, D., Thinking, Fast and Slow, Farrar, Straus and Giroux, 2011 (ed. esp.: Pensar rápido, pensar despacio, Debate) — la anécdota de los instructores de vuelo y la regresión a la media; WYSIATI.
8. Kiechel, W., «The Management Century», Harvard Business Review, noviembre 2012 — contexto histórico: un siglo de management científico y la persistente distancia entre lo que se sabe y lo que se practica.
9. Flyvbjerg, B. y Gardner, D., How Big Things Get Done, Currency, 2023 — colas gordas en grandes proyectos (referida en la Parte 1 de esta serie).