Capítulo 8Umbrales, cascadas y predictibilidad Recuerdo que hablamos con Steve Strogatz de las cascadas de información durante el congreso de la American Association for the Advancement of Science celebrado en Washington, D. C., durante el año 2000, y en el que asistimos a la conferencia de Harrison White sobre los contextos sociales, que nos llevó a iniciar nuestro proyecto sobre redes de afiliación con Mark Newman. Mientras paseábamos por el National Zoo una fría mañana de domingo, contemplando a los monos mientras esperábamos a que se nos abriera el apetito, convinimos en que uno de los rasgos más enigmáticos del problema de las cascadas de información era entender cómo, durante casi todo el tiempo, el sistema se mantiene por completo estable, aun ante frecuentes sacudidas o shocks externos. Pero, de vez en cuando y por razones que nunca son evidentes de antemano, una de esas sacudidas acaba alterándolo completamente y cobra la forma de una cascada. Y la clave para entender la irrupción de una cascada parecía ser el hecho de que cuando los individuos toman decisiones sobre cómo obrar o qué comprar, no sólo se hallan influidos por sus propios pasados, percepciones y prejuicios, sino que también se influyen los unos a los otros. Así, sólo entendiendo la dinámica de las decisiones mediante las externalidades llegaremos a entender el comportamiento colectivo, desde las pasajeras modas culturales hasta las burbujas financieras. De nuevo, la red —esa omnipresente telaraña de señales e interacciones a través de la cual la influencia de un persona pasa a otra— acecha en el fondo del problema. Entre los dos habíamos pensado mucho acerca de las entidades contagiosas que se extienden por las redes, pero principalmente entendíamos que hablábamos de enfermedades biológicas como el virus de la inmunodeficiencia humana y el ébola, o de los virus informáticos. Había realizado algún trabajo como parte de mi tesis doctoral sobre la evolución de la coo- 222 SE IS G RADOS D E SEPAR AC IÓ N UMBRALES, CASCADAS Y PREDICTIBILIDAD 223 peración en redes de mundo pequeño y sobre un caso especial de lo que se denomina modelo del votante (similar al problema de la espiral del silencio que había estudiado Elisabeth Noelle-Neumann). Pero por entonces, no habíamos pensado en que cualquiera de estos problemas pudiera estar relacionado con el contagio. Con el tiempo nos resultó evidente que el contagio en una red era ab solutamente tan central para el comienzo de la cooperación o el estallido de una burbuja financiera como lo era para el brote de una enfermedad epidémica. Sólo que no se trataba del mismo tipo de contagio. Ésta es una cuestión de especial importancia porque la mayoría de las veces cuando hablamos de problemas de contagio social, recurrimos a préstamos del lenguaje nosológico. De este modo hablamos de ideas que calificamos de infecciosas, de oleadas de criminalidad como de epidemias y de medidas preventivas en los mercados que fortalecen la inmunidad ante la penuria financiera. Estas descripciones no tienen nada de malo siempre que tengamos muy presente que se trata de metáforas; al fin y al cabo, forman parte de nuestro léxico y a menudo expresan de manera gráfica la cuestión general de la que se trata. Pero las metáforas pueden resultar engañosas porque sugieren asimismo que las ideas se propagan de una persona a otra del mismo modo en que lo hacen las enfermedades, es decir, que todos los tipos de contagio son esencialmente lo mismo. Y no lo son, como podemos llegar a comprender con una nueva reflexión sobre la psicología de la toma de decisiones. MODELOS DE UMBRAL EN LAS DECISIONES Imaginemos que participamos en uno de los experimentos de Solomon Asch con otras siete personas, a algunas de las cuales se les ha dicho que den la respuesta correcta, A, y al resto de ellas que den deliberadamente la respuesta errónea, B. Una situación que nosotros, por nuestra parte, desconocemos, aunque de entrada no importa porque tan pronto como vemos la diapositiva, estamos bastante seguros de que la respuesta es A. Antes de que expresemos nuestra opinión, sin embargo, debemos aguardar a que todos los demás den la suya, y mientras esto pasa podría darse el caso de que cambiáramos de parecer. Imaginemos que seis de las siete personas que participan en el experimento votan por la solución A, reafirmando así la opinión que teníamos, y sólo una se decanta por la B. Ciertamente esa persona será considerada necia y todos se reirán de ella, y en este caso no hay modo de que cambiemos de opinión. Si dos personas se decantan por la respuesta B, probablemente nada cambiará, y nuestra opinión natural continuará viéndose reafirmada por una amplia mayoría, de modo que tampoco tendremos razones para dudar de nosotros mismos. Si, en cambio, tres o cuatro personas optan por la respuesta B, puede que empecemos a preocuparnos. ¿Qué sucede? ¿Cómo un grupo de personas puede estar tan radicalmente dividido sobre algo que es tan evidente? ¿Qué hemos pasado por alto? Tal vez, después de todo, puede que no estemos tan seguros, y, si somos del tipo de personas que dudan de sí mismas, podríamos cambiar de opinión. Pero puede darse el caso también de que realmente confiemos en la respuesta y sigamos sin cambiar de parecer. Bien, pero entonces son ya cinco las personas que se decantan por B, o seis, o las siete... ¿En qué punto se quiebra nuestra opinión? ¿En qué momento alzamos las manos dándonos mentalmente por vencidos y admitimos que nosotros no tenemos ni idea, pero que los demás sí? Quizá nunca. Algunas personas nunca cambian de opinión, pero en situaciones en las que albergamos aunque sólo sea el mínimo asomo de incertidumbre, muchos de nosotros en realidad cambiamos de parecer. Sin duda esto era precisamente lo que señalaban los experimentos que Asch llevó a cabo. Mirando con mayor detenimiento los resultados a los que llegó se nos revela una historia aún más interesante. Asch demostró que, al variar el número de personas presentes en aquella sala, la tendencia de los sujetos de su experimento a estar de acuerdo con la opinión de la mayoría era en gran medida independiente del número absoluto de participantes. No importaba si eran tres u ocho las personas que daban una respuesta particular, sólo contaba el hecho de que su opinión fuera unánime. La segunda cosa que Asch observó fue que aun en el caso de que apareciera una pequeña quiebra en el muro compacto de la unanimidad —es decir, si un único miembro de la mayoría había recibido indicaciones de dar la respuesta correcta , y de este modo estar de acuerdo con el sujeto del experimento—, la confianza de este último se veía a menudo reafirmada, redundando en tina disminución pronunciada del porcentaje de error. Estas variaciones en el resultado principal de Asch ponen de manifiesto o algunos matices importantes para la regla general según la cual los seres les se fijan unos en otros mientras forman sus opiniones. En primer lugar, no es tamo el número absoluto de personas que toman una decisión determinada lo que nos obliga a seguir su ejemplo, sino más bien el número relativo o fracción que escoge una alternativa y no otra. Pero esto no 224 SE IS G RADOS D E SEPAR AC IÓ N UMBRALES, CASCADAS Y PREDICTIBILIDAD 225 equivale a decir que el tamaño de la muestra es irrelevante. Si solamente recabamos unas pocas opiniones antes de tomar una decisión, entonces cada opinión individual pesa más que en una muestra donde hagamos entrar a muchas personas. En cambio, una vez que el tamaño de nuestro vecindario queda establecido y una vez que la elección —la opción A frente a la opción B— es presentada, entonces es el número relativo de vecinos que optan por A y no por B lo que rige la decisiones que tomamos. En segundo lugar, el hecho de que se den aunque sean pequeños cambios en la fracción de nuestros vecinos que se inclinan por una elección determinada y no por la otra puede tener efectos espectaculares en nuestra decisión última. Cuando, por ejemplo, escuchamos por primera vez un rumor anónimo puede que no nos sintamos inclinados a darle crédito. Pero si se da el caso de que escuchamos ese mismo rumor por boca de una segunda y tal vez de una tercera fuente, entonces en algún momento tendemos a pasar del escepticismo a la aceptación (quizá no de buen grado). Una vez más, ¿cómo podrían equivocarse tantas personas? Si bien el hecho de tomar una decisión puede considerarse como quedar «infectado» por una idea particular, el mecanismo de contagio es muy distinto al de una enfermedad. En las enfermedades, la exposición a un único vecino infectado conlleva la misma probabilidad de infección con independencia de cuántas exposiciones haya habido anteriormente sin contagio efectivo de la enfermedad. Los acontecimientos de contagio de enfermedades, en resumen, se producen de modo independiente unos de otros. En el caso de las enfermedades de transmisión sexual, por ejemplo, si alguien tiene relaciones sexuales con una pareja que está infectada y tiene la suerte de no quedar infectado, la próxima ocasión en que esa persona quede expuesta no tendrá ni más ni menos probabilidades de salir indemne: cada vez equivale simplemente a una tirada independiente de dados. La figura 8.1 muestra un gráfico que representa la probabilidad acumulada de infección. Si bien la curva se vuelve plana para grandes cantidades de vecinos infectados, en el caso de cantidades pequeñas cada exposición adicional incrementa la probabilidad total de infección aproximadamente en la misma cantidad. El contagio social, en cambio, es un proceso muy contingente, ya que el impacto que tenga la opinión de una persona en particular dependerá —tal vez radicalmente— de las otras opiniones que recabe. Una opinión negativa acerca de un candidato potencial a un puesto de trabajo, por ejemplo, podría ser el beso de la muerte si llega después de otros comentarios y observaciones negativos. Una regla de decisión colectiva, por tan- Probabilidad de escoger la opción A FIGURA 8.1. La probabilidad de Número de vecinos infectados infección en el modelo estándar de propagación de enfermedades está en función del número de vecinos infectados que tiene un individuo. to, tiene un aspecto similar al representado en la gráfica de la figura 8.2, donde la probabilidad de escoger el resultado A crece al principio de forma lenta con el porcentaje de vecinos que escogen la opción A, y luego, cuando se supere el umbral crítico, salta rápidamente. En razón de este paso característicamente repentino de una alternativa a otra, denominamos a esta clase de regla de decisión una regla de umbral, en la cual la posición del umbral de una persona indica la facilidad con la que es influenciable. En los experimentos de Asch, el umbral estaría muy cerca de 1, dado que cualquier cosa que no sea la unanimidad completa resultaba en muy pocos errores por parte de los sujetos del experimento. Pero en escenarios en los cuales la certeza es menor, como, por ejemplo, a la hora de escoger un nuevo ordenador o de votar por un partido político, y en los que la mejor alternativa puede distar mucho de ser evidente, los umbrales correspondientes podrían ser considerablemente inferiores a 1. Probabilidad de escoger la opción A Fracción de vecinos que escogen A sobre B FIGURA 8.2. Probabilidad de escoger A y no B en la toma de decisiones sociales está en función de la proporción de vecinos que escoge A. Cuando se alcanza el umbral crítico de un individuo, la probabilidad de escoger A salta rápidamente de ser casi O a casi 1. 226 SEIS GRADOS DE SEPARACIÓN UMBRALES, CASCADAS Y PREDICTIBILIDAD 227 Existen también otros modos de obtener las reglas de umbral y que corresponden a los diferentes tipos de externalidades de decisión de las que hemos tratado en el capítulo 7. La decisión, por ejemplo, de adoptar una nueva tecnología, se puede representar a través de una regla de umbral si la tecnología se halla sujeta a externalidades de mercado. En los experimentos de Asch, no importa que el origen de las externalidades sea totalmente diferente del de las externalidades de información. En el ejemplo de las máquinas de fax y en lo que a la decisión de compra se refiere, todo cuanto importa (además del coste) es que una determinada fracción de las personas con las que nos comunicamos (o con la s que nos gustaría comunicarnos) dispongan de fax. Además, la probabilidad de adoptar una tecnología de este tipo puede cambiar rápidamente, si la población que la tiene, entendida como una fracción de la población total con la que nos comunicamos, crece y supera el umbral en el cual la compra tiene sentido en términos económicos. Las reglas de umbral pueden asimismo derivarse de las externalidades de coordinación en dilemas sociales, en los cuales vale la pena asumir el coste individual de participar en algún bien público siempre y cuando un número suficiente de otras personas hagan lo mismo. La posición real del umbral de un individuo depende precisamente de hasta qué punto ese individuo se preocupa más de los beneficios o compensaciones futuros que de las ganancias a corto plazo que puede reportarle actuar de forma egoísta, así como de la influencia que el actor perciba que tiene. Es posible que los individuos tengan o un umbral tan alto que les lleve a no participar nunca, sin que les importe lo que hagan los demás, o un umbral tan bajo que siempre participen. La cuestión importante aquí es que todos tenemos un umbral, al margen de cuál sea o de lo específicamente que se presente. Y por eso es tan importante entender los modelos de umbral en los procesos de toma de decisiones. Si bien pueden haber muchos modos de obtener una regla de umbral —ya sea a partir de la lógica de la teoría de juegos, la matemática de los rendimientos crecientes o la observación experimental—, una vez se ha establecido su existencia, ya no es preciso que nos preocupemos por el modo en que se obtuvo. Debido a que nos interesa la toma de decisiones colectivas todo cuanto necesitamos saber en relación con la regla misma de decisión es que capta ciertos rasgos esenciales del proceso de toma individual de decisiones. Ahora lo que nos preocupa son las consecuencias que tiene a escala de la población. Dicho de otro modo, cuando todos buscan señales que les indiquen qué hacer y, a su vez, emiten otras señales, ¿en qué tipo de decisión es probable que converja el conjunto de la población? ¿Surgirá la cooperación o prevalecerá el statu quo? ¿Hará una cascada de decisiones de compra que los precios se hinchen formando una burbuja inestable o prevalecerá el sentido del valor intrínseco? ¿Triunfará una innovación tecnológica o fracasará? Este tipo de preguntas son las que los sencillos modelos basados en las reglas de umbral aspiran a responder. Y dado que la regla de umbral es representativa de tantos escenarios de toma de decisiones sociales, lo que pueda decirnos sobre la toma de decisiones colectivas deberá aplicarse sin tener en cuenta muchos de los detalles. CAPTAR LAS DIFERENCIAS Algunos detalles, sin embargo, sí importan. Y lo que es aún más destacable, en los problemas de contagio social de todas las variedades, es preciso explicar la observación básica según la cual las personas son diferentes. algunos individuos, por la razón que sea, son más altruistas que otros y esta n dispuestos a asumir un elevado coste personal a fin de secundar una causa que aún no ha tenido la posibilidad de prosperar o triunfar. Se trata, luir ejemplo, de los primeros que salieron en manifestación por la ciudad de Leipzig, los manifestantes de la plaza de Tiananmen, los Martín Lutero y los Martin Luther King, es decir, todos aquellos que arriesgan sus vidas y libertades al defender sus causas, que en contadas ocasiones se retiran o repliegan a zonas más tranquilas y aisladas y desempeñan el papel crítico de ser los primeros. Otros simpatizarán con las causas y estarán dispuestos a participar, pero no lo harán antes de que el proyecto tenga visos razonables de prosperar o triunfar y de que los costes que supone sumarse a él se hayan reducido. Otros se sumarán cuando los éxitos parezcan tan seguros que tengan miedo de ser excluidos. Una cuestión igual de importante, desde la perspectiva de la toma de Incisiones, es que los individuos, en general, disponen de diferentes nive les de información o conocimiento experto relevante para el problema; de ahí que algunos sean más influenciables que otros. Asimismo, la fuerza (le las convicciones varía de un individuo a otro, con independencia tanto de que estéis o no mejor informados. Algunas personas son innovadoras natas y constantemente están pensando nuevas ideas o nuevos usos para los productos ya existentes. Otras, menos creativas, van continuamente a la caza del último artilugio o tendencia, con la esperanza de sacar provecho de una inversión temprana o sencillamente para poder enseñárselo a sus 228 SEIS GRADOS DE SEPARACIÓN UMBRALES, CASCADAS Y PREDICTIBILIDAD 229 amigos. También las hay que prefieren perseverar y mantenerse fieles a lo que ya saben, por mucho que cambie el mundo que los rodea. La mayoría, entretanto, nos situamos en un término medio, demasiado ocupados con nuestras vidas para pasar mucho tiempo ideando y explorando invenciones, pero contentos de subirnos al tren en marcha una vez que el riesgo de parecer tontos tiene ya visos de ser mínimo. Si bien la variabilidad de las disposiciones y las preferencias humanas es compleja en la vida real, es relativamente sencillo representarla en nuestro modelo de umbral. A diferencia de la mayoría de los modelos en el campo de la física (e incluso de la economía), donde se considera que, en general, los individuos son idénticos, en nuestra red los individuos pueden tener umbrales diferentes, de ahí que la distribución de umbrales conjunta (uno de cuyos ejemplos es el que muestra la figura 8.3) se pueda interpretar como una medida de la variabilidad en la población considerada como un todo. Este tipo de variabilidad, a la cual podríamos denominar variabilidad intrínseca, resulta ser importante para la propagación de las cascadas de información, y a veces lo es de una forma sorprendente. La presencia, por ejemplo, de una amplia gama de umbrales personales en una población tiende a aumentar considerablemente la posibilidad de que se pongan de moda nuevas ideas o productos. FIGURA 8.3. La distribución de la o Valor del umbral crítico probabilidad de los umbrales en la población representa la variabilidad de las características individuales. Una variabilidad de otro tipo es también importante: si tiene tanta importancia que nos fijemos los unos en los otros, entonces debe también tener su importancia el número de otros a los que prestamos atención. Cuando voy a comprar ropa nueva, por ejemplo, casi siempre procuro que me acompañe una mujer, ya que ante la perspectiva de tener que tomar decisiones en cuestiones de moda solo me entran ganas de salir corriendo presa del pánico. Pero lo ideal sería que me acompañaran unas cuantas mujeres, y si me gusta la idea no es sólo porque harían maravillas con mi imagen, sino porque múltiples opiniones probablemente darían como resultado una información más fiable. La mayoría de las veces, sin embargo, convencer a una (le mis amigas para que me acompañe de compras resulta ya bastante difícil, pero alguna tiene que hacerlo. Siendo éste el caso, debo escoger a mi acompañante con mucho tino, dado que —privado como estoy de olfato para las cuestiones de estilo— su opinión tiene el valor del pulgar de un cesar, y lo que acabo llevando está por entero a su merced. En otras situaciones, como aquellas en las que se trata de decidir qué película ir a ver, a qué restaurante ir, o si comprar un nuevo ordenador portátil o contratar a un aspirante al puesto de trabajo, puede que recabemos una gama de opiniones, dependiendo de lo importante que estimemos la decisión y del tiempo de que dispongamos. Tener más opiniones, no obstante, no siempre es mejor. Cuantas más opiniones recabemos a la hora de tomar una decisión, menos influidos estaremos por una sola de ellas y, por tanto, menos m pacto tendrá probablemente cualquier buena sugerencia individual. Un modo de pensar una estadística agregada, como, por ejemplo, las opiniones electorales o la cuota de mercado de un producto particular, consiste en hacerlo básicamente como si fuera el mismo tipo de informa socialmente transmitida que obtenemos de nuestros amigos, aunque calculando el promedio en una población mucho mayor. La compañía automovilística Ford a menudo promocionaba su modelo Explorer como «el número 1 en ventas de todoterrenos en Estados Unidos», lo cual supone que si les gusta a tantas otras personas, a nosotros también nos va a gustar. El precio por acciones de un título que se cotiza en la bolsa es otro ejemplo: cuantas más personas hay en todo el mercado que quieran comprar estas acciones, más alto es el precio por acción. A simple vista, parece como si este tipo de información global, al provenir de una muestra de gran tamaño, tuviera que ser más fiable que el hecho de preguntar simplemente a nuestras amistades. Sin embargo, tendemos desproporcionadamente a ser influidos por las opiniones y los actos de nuestros amigos más allegados, nuestros contactos, nuestras fuentes o colaboradores. Por ejemplo, a la hora de decidir si comprar un portátil Macintosh o un PC, el hecho de que los PC en términos globales se vendan mucho más que los Macintosh parecería del todo lo irrelevante si todas las personas con las que trabajamos utilizaran un Mac. Una reciente campaña publicitaria lanzada por Apple, de hecho, insinuaba que si uno ejercía de contable (léase «soso, aburrido, persona con la que se evita tratar en fiestas»), probablemente optaría por comprarse 230 SEIS GRADOS DE SEPARACIÓN UMBRALES, CASCADAS Y PREDICTIBILIDAD 231 un PC. Pero, en cambio, si nos dedicábamos a profesiones artísticas, al diseño o a la moda (lo cual suponía «estar en la onda, ser listo, tener estilo, es tar a la última»), entonces probablemente preferiríamos utilizar un Mac. El mensaje es que la información que nuestros amigos nos facilitan es más importante que la información global que podríamos recibir, porque la del primer tipo es más relevante para nosotros. Así, el hecho de preguntar a pocas personas es potencialmente malo, porque nos hacen vulnerables a los errores, pero preguntar a demasiadas personas también lo es, porque la información relevante acaba perdiéndose en el ruido. Las redes de información social son importantes, además, no sólo porque nos ayuden a tomar decisiones individuales, sino también porque permiten que las cosas que se imponen o se ponen de moda en un entorno se extiendan a otro. Dado que este tipo de extensión tiene una importancia decisiva en la dinámica de una cascada, las redes sociales son fundamentales para entender la noción de una cosa pequeña que se va haciendo grande. Por ejemplo, cuando 3Com lanzó su primera versión de la agenda Palm Pilot, sólo la compraron los apasionados más radicales de la tecnología. Este pequeño grupo de personas, en su mayor parte ingenieros y trabajadores tecnológicos del Silicon Valley y del Bay Area que lo rodea en el norte de California, no precisaron que alguien les diera el visto bueno para adquirir lo último y lo más nuevo. Aquello que efectivamente les importaba era la innovación misma, es decir, sencillamente necesitaban tener una Palm, independientemente de lo que cualquier otra persona pudiera pensar. Sin embargo, los verdaderos amantes de la técnica, como los auténticos seguidores de las últimas tendencias y los auténticos acólitos, son relativamente escasos, lo bastante como para que, por sí solos, no puedan hacer que triunfe un nuevo producto. En el caso, sin embargo, de que lleguen a hacerse lo bastante grandes en su mundo pequeño como para que el producto se extienda a otros mundos pequeños con los que están relacionados, entonces todos estos mundos pequeños juntos pueden darle al producto el empuje que precisa para lanzarse al mundo más amplio y convertirse en una cascada. Pero ¿cómo tienen que estar conectados esos mundos? LAS CASCADAS EN LAS REDES SOCIALES Con esta pregunta empecé. En última instancia quería entender cuáles eran los rasgos particulares de las redes sociales —como la presencia de grupos y comunidades y la propensión de los individuos a establecer rela- ciones unos con otros a través de ellas— que favorecían más el paso de una influencia inicialmente pequeña a un movimiento global. Si alguien quería empezar una revolución, por poner un ejemplo, o lanzar una moda cultural, ¿cómo debía sembrar las semillas? ¿Tenían las redes puntos débiles —talones de Aquiles estructurales— tales que si se les daba de lleno y del modo acertado una pequeña sacudida acabarían por convertirse en una epidemia, en la cual cada decisión sucesiva iba a generar las condiciones para tomar la siguiente? Y, en el caso de que efectivamente fuera así, ¿se podría sacar partido de este conocimiento para incrementar la probabilidad de una cascada, o bien, en su caso, para evitarla? ¿Se podría ampliar este mismo razonamiento a los sistemas de ingeniería como la red eléctrica, a fin de reducir la probabilidad de una cascada de fallos como la que se registró durante el mes de agosto de 1996? ¿Era posible introducir, en cierto sentido, cortafuegos en las redes, del mismo modo que se colocan en los edificios para contener un incendio? Todas eran buenas preguntas, pero a medida que fui entrando más a fondo en el problema, se me hizo cada vez más evidente que encontrar las respuestas no iba a ser precisamente fácil. El contagio social es aún más contraintuitivo que el contagio biológico, porque, en los modelos de umbral, el impacto que tiene el acto de una persona en otra depende de forma crucial de las influencias a las cuales ha sido expuesta aquella otra persona. En la propagación de las enfermedades, tal como ya hemos tenido oportunidad de señalar, no es preciso que nos preocupemos por este efecto, porque todo acontecimiento de contagio se puede considerar de forma independiente de cualquier otro. En el contagio social, sin embargo, ese efecto tiene la máxima importancia. Un grupo aislado de seres humanos —un culto religioso como el de la Rama de los Davidianos, por ejemplo— puede mantener creencias totalmente inverosímiles siempre que se mantengan en un contexto en el cual les es posible reafirmarse constantemente unos a otros y ahorrarse mutuamente la interacción con el mundo exterior. Pero, por esta misma razón, sus ideas tienden a quedar confinadas en el grupo particular donde se originaron. En el otro extremo, en cambio, los individuos que participan simultáneamente en muchos grupos diferentes pueden exponer sus ideas a mas tipos de personas y asimismo acceder a una gama más amplia de información. Sin embargo, es menos probable que estén dominados por una única visión del mundo, y puede que, a menudo, deban hacer valer sus propias ideas prácticamente sin recibir apoyo de los demás. La difusión de las ideas, por tanto, a diferencia de la extensión de las enferme - 232 SEIS GRADOS DE SEPARACIÓN UMBRALES, CASCADAS Y PREDICTIBILIDAD 233 des, requiere un equilibrio entre la cohesión en el interior de los grupos y la conectividad entre ellos. Una de las curiosas idiosincrasias de Ithaca de la que me enteré cuando estudiaba en Cornell es que la ciudad acepta una moneda alternativa al dinero, llamada Ithaca hours, que puede ganarse y gastarse en una serie de comercios del centro. Por raro que pueda parecer, este sistema, si bien se ha estabilizado durante más de una década, ha continuado estando, no obstante, muy localizado, sin llegar siquiera a difundirse colina arriba, hacia los negocios que rodean el campus universitario de Cornell. En 1997, cuando me fui de Ithaca y me mudé por primera vez a Nueva York (para cursar mis estudios de tercer ciclo en la Universidad de Columbia), recuerdo que el Citibank y el Chase Manhattan estaban tratando de introducir un cierto tipo de moneda alternativa —la tarjeta monedero de dinero electrónico— en la Upper West Side de Manhattan. Pese a la fuerte promoción publicitaria que hicieron ambas entidades, dos de los bancos más grandes del país, la alternativa que proponían como supuestamente superior al papel dinero no consiguió en absoluto ponerse de moda. Existen muchas diferencias entre estos dos ejemplos, pero lo relevante para nuestro propósito es que, en Ithaca, la red de clientes y vendedores se halla lo bastante densamente conectada como para autosostenerse. La Upper West Side, en cambio, es una zona demasiado integrada en el resto de la ciudad de Nueva York para que un individuo cualquiera tenga el suficiente interés por participar en una alternativa meramente local al dinero en efectivo. A pesar de ello, si las tarjetas monedero se hubieran puesto de moda en la Upper West Side, parece plausible pensar que, a diferencia de la Ithaca hours, aquella innovación se habría difundido, precisamente por la misma razón por la que en realidad fracasó. De nuevo, el éxito de una innovación parece requerir un equilibrio entre la reafirmación local y la conectividad global. Y este requisito hace que el contagio social sea notablemente más difícil de comprender que el contagio biológico, en el cual la conectividad es lo que más importa. Después de pasar bastante tiempo tratando inútilmente de idear una solución, finalmente admití que, por sencillo que fuera el modelo de los umbrales, debía conseguir que lo fuera aún más si pretendía dilucidar las complejidades de la estructura de grupo a partir de la noción de cascadas que se propagan a través de una red de asociaciones. Así que decidí empezar con una red que no tuviera en absoluto estructura de grupo: un grafo aleatorio. Si bien los grafos aleatorios no son unos modelos especialmente buenos de redes sociales reales, sin embargo eran un buen lugar por el que empezar. No veía inconveniente en utilizar los grafos aleatorios siempre que no me quedara limitado sólo en ellos— como trampolín desde el cual empezar a explorar representaciones más realistas de las redes. Lo cierto es que, tal como tendremos oportunidad de ver, las cosas se complican en demasía con los grafos aleatorios, pero aun así podemos sacar algunas lecciones sorprendentemente generales. Dado que la versión técnica del modelo del umbral es un poco abstracta, puede sernos de ayuda utilizar la terminología intuitiva de la difusión de innovaciones que en la década de 1960 presentó Everett Rogers. Si bien el término innovación se acostumbra a asociar con la introducción de nuevas tecnologías, el concepto se puede utilizar para hacer referencia tanto a ideas como a prácticas. Una innovación, por tanto, puede ser bastante profunda, como, por ejemplo, una nueva idea revolucionaria o una nueva norma social que durará generaciones; o puede ser también bastante trivial, como, por ejemplo, un monopatín o un artículo de moda que será popular sólo mientras dure la temporada. Asimismo, puede ser cualquier cosa entre un extremo y otro, como, por ejemplo, nuevos medicamentos, nuevas tecnologías de fabricación, nuevas teorías de dirección de empresas y nuevos aparatos electrónicos. En consecuencia, el término innovadores lo podemos utilizar para referirnos no sólo a aquellos individuos que presentan nuevos aparatos, sino también a las personas que defienden nuevas ideas y, de una forma aún más general, a cualquier pequeña sacudida que altere un sistema previamente quiescente. Y la expresión adoptadores iniciales (early (adopters), que hace referencia a los individuos que inmediatamente consiguen el nuevo producto o servicio y lo defienden ante los demás, en este sentido abarca asimismo a todos los acólitos, apóstoles y seguidores de revolucionarios. Los adoptadores iniciales son sencillamente los miembros de una población que, como sucedía con los tecnólogos del Silicon Valley que acabamos de mencionar, son los primeros en ser influidos por un estímulo exterior. Por evocativos que resulten los términos de Rogers, sin embargo, no son lo bastante precisos como para evitar la ambigüedad. Por ejemplo, puede ser difícil decir si los individuos han adoptado una nueva idea porque estaban predispuestos intrínsecamente a hacerlo (es decir, tenían un umbral bajo) o porque estaban sujetos a influencias externas muy fuertes (su vecindario daba la casualidad de que contenía una alta densidad de individuos que ya la habían adoptado). Tanto una explicación como la otra podría dar cuenta de una adopción realizada en el primer momento, pero cada una hace una suposición muy diferente acerca de los individuos cuyo 234 SEIS GRADOS DE SEPARACIÓN UMBRALES, CASCADAS Y PREDICTIBILIDAD 235 comportamiento trata de explicar. La mayoría de las veces, sencillamente, aceptamos que los términos como innovadores o adoptadores iniciales tienen significados subjetivos y los utilizamos de cualquier modo que convenga al propósito que entonces tenemos. Pero ahora, dado que contamos con un marco matemático preciso en el que trabajar, podemos precisar un poco. Y si nos ha de permitir hacer algún avance, entonces debemos hacerlo. Así, en lo sucesivo, el término innovador se referirá a un nodo que se activa aleatoriamente al principio de un ciclo de innovación. Cuando el ciclo empieza, se considera que cada uno de los nodos está inactivo; entonces, la innovación se desencadena a través de la selección aleatoria de uno o más nodos —que constituyen la simiente— que serán activados. Éstos son nuestros innovadores. El sello adoptador inicial se puede definir ahora como un nodo que pasa de un estado inactivo a otro activo bajo la influencia de un solo vecino ya activo. Puesto que queremos entender cuál es la susceptibilidad la red a las cascadas, denominaremos a los nodos que son adoptadores iniciales en este preciso sentido, vulnerables, pues pueden ser activados cuando sus vecinos en la red ejerzan la menor influencia posible. Todos los demás nodos son, entretanto, estables (aunque, tal como veremos más adelante, incluso estos nodos estables pueden ser activados cuando se dan las circunstancias apropiadas). Un nodo, por tanto, pueden ser vulnerable en uno de dos sentidos: o bien porque tiene un umbral bajo (y, por tanto, una predisposición al cambio) o porque posee solamente muy pocos vecinos, cada uno de los cuales ejerce una influencia importante. De hecho, los adoptadores iniciales pueden tener prácticamente cualquier umbral, siempre que tengan pocos vecinos, pero suficientes. Puede parecer una distinción extraña, pero vale la pena entenderla porque cambia toda nuestra manera de ver el problema. Así, en lugar de considerar a los adoptadores iniciales en términos de sus umbrales, podemos centrarnos en su grado, el cual, si recordamos lo expuesto en el capítulo 4, se refiere al número de vecinos que tiene. Por ejemplo, en la figura 8.4, suponemos que el nodo A tiene un umbral de un tercio (1/3). En la parte de arriba de la figura, A tiene tres vecinos, uno de los cuales está activo. Dado que este único nodo activo constituye un tercio de los vecinos de A, se alcanza el umbral de A y este nodo se activa; de ahí que A se comporte como un adoptador inicial. En la parte inferior de la figura 8.4, en cambio, A tiene el mismo umbral, pero ahora tiene cuatro vecinos en lugar de sólo tres. Dado que su único vecino activo ahora equivale sólo a un cuarto del total de vecinos, A no se activa. Un umbral de un tercio, dependiendo de cuál Pira sil grado, por tanto, puede ser o no lo bastante bajo como para hacer que A se convierta en un adoptador inicial. O, para expresarlo de otro modo, podríamos decir que para un umbral de un tercio, A tiene un grado superior crítico de tres, donde grado superior crítico se define como el número máximo de vecinos que puede tener un nodo manteniendo la posibilidad de ser activado por un solo vecino. Si el umbral de las A fuera más bajo (pongamos por caso, de un cuarto), las A tendrían un grado superior crítico más alto (cuatro), y viceversa. Lo importante aquí es que para cualquier umbral dado siempre podemos determinar un grado superior crítico que sea equivalente. Si el número de vecinos de un nodo es superior a su grado superior crítico, entonces será estable con respecto a las influencias de un único vecino, y, si no, será vulnerable. La variabilidad de grado —o la observación anteriormente hecha de que algunas personas tienen más amigos y simplemente solicitan más opiniones que otros— es por tanto fundamental para la estabilidad de los individuos y, en consecuencia, para la dinámica de cascadas. 8.4. Para cualquier umbral dado, un nodo sólo puede ser activado por un solo vecino si y sólo si su grado es menor o igual que el grado superior crítico correspondiente a su umbral. Aquí, el nodo A tiene un umbral de 1 /3 y, por tanto, un grado superior crítico de 3. En la parte superior de la figura, A tiene tres vecinos, de ahí que esté activo. Pero, en la parte inferior de fa figura, en cambio, tiene cuatro vecinos, y, en FIGURA consecuencia, permanece inactivo. 236 SEIS GRADOS DE SEPARACIÓN UMBRALES, CASCADAS Y PREDICTIBILIDAD 237 CASCADAS Y PERCOLACIÓN Con la ayuda de este marco es posible concretar con precisión la pregunta de si una cascada de información se produce o no en una población de individuos que toman decisiones. En nuestra red de individuos, cada uno tiene un umbral interno y un conjunto de vecinos de red a los que presta atención. Al principio del ciclo de innovación, una única innovación emana en algún lugar de la red, y luego, antes de que el ciclo termine, tiene que pasar una de dos: o bien la innovación cae en desuso; o bien eclosiona en una cascada de información. Con todo, la pregunta aquí consiste en saber cuánto debe propagarse una innovación antes de que pueda ser considerada una cascada. La clave para responder a esta pregunta resulta ser algo de lo que ya hemos hablado: el concepto de percolación. Recordemos que en el contexto de la propagación de una enfermedad, definíamos que la condición para que se produjera una epidemia era la existencia de un único agrupamiento conexo, el agrupamiento percolante (percolating cluster), que ocupa una fracción finita de la red con independencia de lo grande que sea. Por analogía, cuando un agrupamiento percolante surge en el contexto del contagio social, decimos que el sistema es susceptible a una cascada global. Constantemente se producen efectos en cascada de tamaños más pequeños, cada sacudida, cada shock, de hecho, desencadena una cascada de cierto tamaño, aunque sólo sea del tamaño equivalente al solitario innovador. Pero sólo las cascadas globales se desarrollan de un modo que en realidad las autoperpetúa, alterando así los estados de sistemas enteros. Del mismo modo en que en su momento nos interesaron las epidemias de enfermedades y no sólo sus brotes, ahora de lo que se trata es de dilucidar cuál es la condición para que se produzca una cascada global. A diferencia de lo que sucede en la propagación de las enfermedades, donde cada nodo tiene la misma probabilidad de formar parte de un agrupamiento infectado, ahora, en cambio, tenemos dos tipos de nodos — vulnerables y estables— que debemos considerar por separado. Si pensamos en lo que sucede cuando se introduce una innovación en una población inicialmente inactiva, podemos ver que sólo se propaga si el innovador inicial está relacionado al menos con un adoptador inicial. Así, cuanto mayor sea el agrupamiento conexo de adoptadores iniciales en que encaja la innovación, más lejos se propagará. Si el agrupamiento vulnerable que es «alcanzado» por una innovación (es decir, el agrupamiento que contiene al innovador) da la casualidad que percola a través de la red, entonces la innovación desencadenará una cascada global. Así, cuando la red contiene un agrupamiento percolante que es vulnerable, entonces es posible que se produzcan cascadas globales, y cuando no lo contiene, entonces no hay posibilidad de que se produzcan, es decir, siempre se extinguirán antes de llegar a activar a algo más que una minúscula fracción de la población. El problema de determinar si en un sistema se pueden producir o no cascadas capaces de prosperar se reduce, por tanto, al de demostrar si existe o no un agrupamiento percolante que sea vulnerable. Lo creamos o no, hemos dado un gran paso adelante. Al haber convertido lo que en un principio era un fenómeno dinámico (la trayectoria de cada cascada desde que es un pequeño shock hasta su estado final) en un modelo de percolación estático (el tamaño de los agrupamientos vulnerables), hemos simplificado una infinidad nuestra tarea sin perder por ello la esencia de nuestra investigación. El problema, sin embargo, continúa siendo difícil. En las tres últimas décadas se han realizado numerosos avances en el campo de los modelos de percolación, pero aún no existe una solución completamente general. Dado que, en realidad, han sido los físicos quienes han desarrollado casi por entero la teoría de percolación y dado que las aplicaciones físicas en la mayoría de las ocasiones tienen que ver con retículos regulares, es muy poco lo que sabemos de la percolación en estructuras de redes más complejas como pueden ser las redes sociales. Y es precisamente en este punto donde la estructura extremadamente sencilla de los grafos aleatorios muestra su valía. De hecho, una vez el planteamiento del problema llegó a este punto me di cuenta de que me iba a ser necesario entender las cascadas en los grafos aleatorios. Más o menos en torno a esta época, Mark, Steve y yo estábamos también estudiando las técnicas matemáticas para computar las propiedades de conectividad de redes aleatorias (véase el capítulo 4), que tiempo después modificamos con la ayuda de Duncan Callaway a fin de estudiar la percolación en el contexto de la robustez de la red (véase el capítulo 6). La suerte quiso que aquellas mismas herramientas resultaran ser las que se podían aplicar con mayor precisión al problema de encontrar agrupamientos percolantes que fueran vulnerables, aunque, sea dicho de paso, no eran lo suficientemente aplicables, ya que nos enfrentábamos ahora a un tipo extraño de percolación. Tal como sugiere la figura 8.4, aquellos nodos que tienen un amplio número de vecinos tienden a ser estables en relación con las influencias de un solo vecino, y los nodos estables, por definición, no pueden formar parte de ningún agrupamiento vulnerable. De ahí que el 238 SEIS GRADOS DE SEPARACIÓN UMBRALES, CASCADAS Y PREDICTIBILIDAD 239 agrupamiento vulnerable tenga que percolar de manera efectiva en ausen cia de los nodos más conectados en la red. Esta desviación respecto de la percolación estándar, como es lógico, tiene importantes consecuencias para los resultados. Si bien los pormenores matemáticos del método son bastante técnicos, los principales resultados se pueden entender fácilmente teniendo en cuenta lo que se da en llamar diagrama de fase, un ejemplo del cual aparece reproducido en la figura 8.5. El eje horizontal representa el valor medio de la distribución de umbrales, es decir, la resistencia típica de un individuo a una nueva idea; y el eje vertical, el número medio de vecinos (grado) de red en los que cada individuo se fija y presta atención. El diagrama de fase, por tanto, compendia todos los sistemas posibles que pue den ser representados en el marco sencillo del modelo. Cada punto en el plano representa un tipo particular de sistema, por un lado, con u na densidad de red especificada, y, por otro, con un umbral medio para el conjunto de la población. Cuanto más bajo es el umbral medio, más predispuesta está la población al cambio; de este modo cabría esperar que las cascadas surgieran con mayor frecuencia en el lado izquierdo del diagrama (donde los umbrales son bajos) que en la parte derecha. Y, en realidad, es lo que vemos. Pero la presencia de la red a través de la cual la cascada se propagará complica la relación. La figura 8.5 se denomina diagrama de fase porque la línea negra continua separa el espacio de todos los sistemas posibles en dos fases. La región sombreada en el interior de la línea representa una fase del sistema en la cual pueden producirse cascadas globales. No tienen que producirse forzosamente —y éste es un hecho importante—, pero pueden hacerlo. Fuera de la línea, en cambio, las cascadas globales no se producen nunca. Las diferentes líneas divisorias de esta ventana de cascada nos dicen que hay tres maneras en que las cascadas están vedadas. La primera de ellas es evidente: si el umbral de todos es demasiado alto, nadie cambiará nunca y el sistema permanecerá estable con independencia del modo en que esté relacionado. Aunque no sea éste el caso, las cascadas pueden estar vedadas por la propia red de dos maneras: o bien la red no está suficientemente bien relacionada o —y esto es lo sorprendente— está demasiado bien relacionada. El otro rasgo importante del diagrama de fase es que cerca de cualquier límite de la ventana de cascada, el sistema pasa por una transición de fase. Se trata de un rasgo estándar de la mayoría de los problemas de per colación. Pero lo que hace que este tipo de percolación sea diferente de FIGURA 8.5. Diagrama de fase de un modelo de cascada. Cada punto en el plano equivale a una elección particular de parámetros (el valor medio del umbral, y el promedio de vecinos, o grado). En el interior de la línea gruesa (recuadro de cascada) pueden producirse cascadas globales, pero no así fuera de esa línea. Los límites de la ventana de cascadas corresponden a transiciones de fase en el comportamien to del sistema. El punto P representa una estado del sistema para el cual no son posibles las cascadas globales. Las cascadas globales, empezando en P, se pueden inducir o bien disminuyendo el umbral medio de la población (flecha de la izquierda), lo que equivale a aumentar el atractivo inherente de la innovación, o bien reduciendo la densidad de la red (flecha hacia abajo). aquel otra que consideramos en el capítulo 6 es que aquí la ventana de cascada tiene dos límites: uno superior, en el cual la red está muy bien conectada, y otro inferior, donde no lo está en absoluto. Este rasgo por sí sólo hace que las cascadas sean diferentes de las epidemias de enfermedades en las cuales una gran conectividad siempre hace más probable la propagación de la enfermedad. (Si elaborásemos un diagrama de fase para las epidemias de enfermedades, el límite inferior continuaría estando presente, pero, en cambio, el límite superior desaparecería.) Sin embargo, las diferencias son en realidad aún mayores. Tal como tendremos oportunidad de ver, las transiciones de fase que se producen en cada uno de los dos límites son fundamentalmente diferentes. Y examinando la naturale za de estas transiciones de fase, podemos predecir qué tipos de cascadas son posibles, la magnitud que cabe esperar que tengan y la frecuencia con la que se producirán. 240 SEIS GRADOS DE SEPARACIÓN UMBRALES, CASCADAS Y PREDICTIBILIDAD 241 TRANSICIONES DE FASE Y CASCADAS En el límite inferior de la ventana de cascada, donde la red presenta una mala conectividad, vemos una transición de fase que es muy similar a la que vimos en el capítulo 6 cuando tratamos de los modelos biológicos de contagio. La explicación es que cuando los nodos tienen un promedio de sólo un vecino, se hallan casi siempre por debajo de su grado superior crítico, de ahí que sean vulnerables a nuevas influencias, con independencia de cuál sea su umbral particular. Sin embargo, dado que la red está tan desconectada, estas influencias nunca se propagarán muy lejos. En consecuencia, las innovaciones tienen tendencia inicialmente a extenderse, pero siempre acaban contenidas en los agrupamientos pequeños relacionados donde se inician. Sólo cuando la red se hace lo bastante densa vemos en realidad cómo aparece el agrupamiento percolante que es vulnerable. Pero debido a que la mayoría de los nodos aún son vulnerables en este régimen, el agrupamiento percolante vulnerable en realidad es el mismo que el componente gigante de un grafo aleatorio que vimos primero en el capítulo 2 y luego de nuevo en el capítulo 6. En las proximidades del límite inferior, por tanto, el contagio social equivale en gran medida al contagio biológico, porque pasa por la misma transición de fase a la que se hallan sujetas las epidemias de enfermedades. Así, cuando se dan ciertas condiciones, la confusión de los dos tipos de contagio es, a fin de cuentas, legítima, en el sentido de que las diferencias entre los dos tipos de modelos no parecen afectar al resultado. Y, por la misma razón —a saber, que el principal obstáculo que tiene una cascada para prosperar es la conectividad de la red y no la capacidad de resistencia de los individuos que toman decisiones—, es asimismo cierto que en redes con una conectividad precaria, los individuos muy relacionados son desmedidamente efectivos cuando se trata de propagar el contagio social. Esta segunda observación refleja el pensamiento estándar de la difusión de las innovaciones, según el cual los promotores más efectivos de una nueva idea, práctica o tecnología son los líderes de opinión y los actores que ocupan una posición central. El escritor y periodista Malcolm Gladwell, por ejemplo, en su libro La frontera del éxito hace hincapié en el papel que los individuos más relacionados desempeñan en el contagio social; y aquí «punto de inflexión» se corresponde grosso modo a la noción de cascada global. Si bien Gladwell desarrolla sus tesis acerca de la difusión de ideas partiendo de la premisa de que el contagio social opera de un modo que en nada se diferencia del contagio de enfermedades, sus observaciones concuerdan, en líneas generales, con las del modelo de umbral, siempre y cuando la red de individuos que toman decisiones tenga una conectividad precaria. Los conectores de los que habla Gladwell provienen de aquella rara estirpe de individuos los socialmente prodigiosos que no sólo tienen siempre al día ficheros Rolodex sobrehumanos, sino que también tienden puentes entre grupos sociales muy diferentes. En un mundo en el que la mayoría de seres humanos tienen sólo un puñado de amigos, o recaban muy pocas opiniones cuando tienen que tomar decisiones, en realidad parece que el conector ocasional debería de ocupar una posición de gran influencia. Pero las influencias también pueden quedar estancadas si una red cuenta con una conectividad demasiado buena. Tal como vimos antes, cuantas más sean las personas cuyas opiniones o actos tomamos en consideración antes de decidir, menor será la influencia que cualquiera de ellas tendrá sobre nosotros. Así, cuando cada uno se fija y presta atención a muchos otros, un innovador por sí solo, actuando en solitario, no puede activar ni a una sola de ellas. Este rasgo del contagio social es el que lo separa del contagio biológico, donde el contacto de un individuo susceptible con un solo individuo infectivo tiene el mismo efecto, con independencia del número de contactos que el individuo susceptible haya mantenido. En el contagio social, recordémoslo, lo que importa es el número relativo de vecinos «infectados» en oposición al de «no infectados», es decir, de vecinos activos frente al de inactivos. Aunque pueda parecer, a primera vista, que las redes muy conectadas favorecen la propagación de influencias de toda índole, no admiten las cascadas de influencia social. Dado que en este tipo de redes todos los individuos son, desde un punto de vista local, estables, de entrada una cascada nunca se iniciará. Las redes que no tienen la suficiente conectividad, por tanto, vedan la posibilidad de que se produzcan cascadas globales porque éstas no tienen modo de saltar de un agrupamiento vulnerable a otro. Y las redes que cuentan con excesiva conectividad también impiden las cascadas, aunque por una razón distinta: están atrapadas en una suerte de estancamiento, en el cual cada nodo limita la influencia de cualquier otro y es a su vez limitado. Ahora podemos precisar más aquella observación anecdótica que antes hicimos: en el contagio social, un sistema sólo conocerá cascadas globales si encuentra una compensación, un equilibrio —que vemos especificado en el recuadro de cascada de la figura 8.5— entre estabilidad local y conectividad global. 242 CRUZAR EL ABISMO SEIS GRADOS DE SEPARACIÓN UMBRALES, CASCADAS Y PREDICTIBILIDAD 243 Pero el contagio social se reserva otra sorpresa. Justo en el límite superior de la ventana de la cascada, la densidad de nodos vulnerables es suficiente para que la red contenga un agrupamiento percolante que es vulnerable. El sistema, en este estado precario, es localmente estable casi en todos los puntos salvo precisamente en torno al propio agrupamiento vulnerable. Y, debido a que, justo en el interior del recuadro, el agrupamiento vulnerable tan sólo ocupa una pequeña fracción de toda la red, la posibilidad de que una innovación se abra camino en ella es pequeña. Las cascadas, por tanto, tenderán a ser muy poco frecuentes, y el sistema se comportará casi siempre como si fuera estable no sólo localmente, sino también globalmente. De vez en cuando —nos referimos a una posibilidad del orden de una vez entre cien o de una entre un millón—, sin embargo, una innovación aleatoria alcanzará al agrupamiento vulnerable y desencadenará una cascada. Hasta entonces, no varía mucho de lo que sucede en el límite inferior, donde las cascadas globales son también fenómenos raros. Pero, una vez que la cascada empieza a rodar, los dos escenarios rápidamente divergen. Recordemos que, en el límite inferior, la cascada se propaga hasta que llega a ocupar el agrupamiento vulnerable y luego se queda sin lugares adonde ir, de ahí que las cascadas ocupen sólo una fracción relativamente pequeña de toda la red. Sin embargo, en el nivel superior, debido a que la red tiene una conectividad tan alta, el agrupamiento vulnerable de adop tadores iniciales queda cohesivamente integrado en el resto de la red (la mayoría inicial y la mayoría tardía, en la terminología de Rogers). Esta población mucho más grande continúa siendo estable en relación con los innovadores individuales, pero una vez que todo el agrupamiento vulnera ble ha sido activado, aquellos nodos que inicialmente eran estables pasarán a quedar expuestos a múltiples adoptadores iniciales. Y la presencia de las múltiples influencias activas es suficiente para superar los umbrales incluso de nodos bastante estables, por lo que éstos empiezan también a activarse. Este acontecimiento, cuando sucede, es aquello que el consultor y escritor Geoffrey Moore denomina cruzar el abismo, en referencia al salto que precisa dar una innovación que prospere (como el ejemplo de las Palm Pilots que pusimos antes) desde su comunidad inicial de adoptadores iniciales hasta una población general mucho más grande. En el límite inferior, no hay abismo que cruzar, sino sólo un agrupamiento de adop- ción inicial con distintos tamaños. Únicamente en el límite superior es importante no sólo que el innovador encuentre a los adoptadores iniciales sino que éstos estén en posición de ejercer su influencia colectiva en las mayorías inicial y tardía. Y, en el modelo de umbrales, cruzar el abismo es un acontecimiento en realidad espectacular, porque cualquier cascada que logre decantar el agrupamiento vulnerable se propagará necesaria mente a toda la red, desencadenando una cascada de proporciones universales. En el lenguaje de la física, la transición de fase en el límite superior es una transición de fase discontinua, porque el tamaño típico de las cascadas que prosperan salta de forma instantánea de cero (es decir, ausencia absoluta de cascadas) a todo el sistema. Las cascadas en el límite superior del recuadro de cascada son por tanto aún menos frecuentes y mucho mayores que las que se producen en el límite inferior, lo cual redunda en un tipo de impredecibilidad cualitativamente distinta. La mayoría de las innovaciones que se producen en redes próximas al límite superior se extinguen antes de que lleguen a propagarse muy lejos y quedan inhibidas por la estabilidad local de los nodos individuales. Esta situación puede continuar casi indefinidamente y hacer que el observador concluya, de hecho, que el sistema es estable. Y luego, cuando menos lo espere, una influencia que inicialmente no parece diferente a cualquier otra puede inundar toda la red. Tampoco el innovador particular que desencadena una cascada de este tipo tiene que ser prometedor, ni mucho menos. A diferencia del límite inferior, donde los lectores desempeñan un papel importante enlazando agrupamientos vulnerables, en el límite superior el problema no es la conectividad. De ahí que las cascadas puedan ser desencadenadas casi con la misma probabilidad por un individuo con un número de vecinos medio que por alguien en quien muchos individuos se fijan y prestan atención. Cuando la estabilidad local domina la propagación de una cascada algo más de lo que lo hace la conectividad, el hecho de estar sencillamente bien relacionado tiene menos importancia que estar relacionado con individuos que fácilmente pueden ser influidos. Estos rasgos del recuadro de cascada proponen algunas lecciones inesperadas en cuanto a la difusión de las innovaciones, entre las cuales quizás la más sorprendente sea que el hecho de que una cascada logre prosperar tiene mucho menos que ver con las características reales de la innovación, o incluso del innovador, de lo que en un principio tendemos a pensar. En el contexto del modelo de cascada, por lo menos, no hay nada que distinga el shock o la sacudida particular que desencadena una cas- 244 SEIS GRADOS DE SEPARACIÓN UMBRALES, CASCADAS Y PREDICTIBILIDAD 245 cada global de cualquier otro shock o sacudida. Más bien, es la conectividad del agrupamiento vulnerable al que se halla conectado el innovador inicial la que genera toda la acción. Y el problema de determinar si una cascada prospera o no se hace aún más inextricable debido a que el agrupamiento percolante que es vulnerable, si existe, es una propiedad global del sistema, un filamento escurridizo entrelazado por toda la red. No sólo importa que un individuo particular tenga uno o más vecinos vulnerables, sino también que esos vecinos tengan a su vez uno o más vecinos vulnerables, y así sucesivamente. De este modo, aun en el caso de que podamos identificar a los potenciales adoptadores iniciales, no sabremos sí todos ellos están o no conectados, a menos de que podamos ver también la red. De todo esto no se desprende que factores como la calidad, el precio y la presentación no sean importantes. Las propiedades innatas de una innovación, al alterar los umbrales de adopción de los individuos en la población, continúan afectando a su éxito o quiebra. La cuestión es que, como los umbrales no determinan por su cuenta el resultado, la calidad, el precio y la presentación tampoco lo hacen. En las regiones de la figura 8.5, arriba y a la derecha del recuadro de cascada (por ejemplo, el punto P), el sistema puede ser modificado a fin de hacer que sea susceptible a las cascadas globales ya sea disminuyendo el umbral medio de adopción (la flecha de la izquierda) ya sea reduciendo la conectividad de la red (la flecha hacia abajo). Dicho de otro modo, la estructura de la red puede tener una influencia tan grande en el éxito o el fracaso de una innovación como el atractivo intrínseco de la innovación misma. Y aun en el interior del recuadro de cascada, buena parte del destino que correrá una innovación depende de una oportunidad aleatoria. Si alcanza al agrupamiento percolante, prosperará y, si no lo alcanza, no saldrá adelante. Por mucho que queramos creer que es la cualidad innata de una idea o producto lo que determina su posterior rendimiento, o el modo en que es presentado, el modelo sugiere que por un éxito sensacional que se dé, siempre podríamos encontrar muchos otros intentos igual de dignos que sólo llegaron a merecer una nimia fracción de la atención. Podría ser precisamente que algunas innovaciones —Harry Potter, los monopatines Razor, El proyecto de la bruja de Blair— den precisamente de lleno en el agrupamiento vulnerable correcto, en tanto que la mayoría del resto, no. Y, en general, nadie sabrá lo uno o lo otro hasta que toda la acción haya acabado. UN ENFOQUE NO LINEAL DE LA HISTORIA La noción según la cual los resultados sólo se pueden entender de modo correcto si se interpretan en términos de las interacciones de los individuos, cada uno de los cuales reacciona en tiempo real a las decisiones y las acciones de los demás, nos ofrece un enfoque de la relación de causa y efecto bastante distinto del que estamos acostumbrados. Según el enfoque convencional, cuando algo o alguien tiene éxito, suponemos que el alcance del éxito es proporcional a una medida subyacente de mérito o relevancia. Los artistas que alcanzan el éxito son genios creativos, los dirigentes que triunfan son visionarios y los productos se imponen porque son aquello precisamente que los consumidores iban buscando. El éxito, sin embargo, es un descriptor que sólo se puede aplicar a posteriori y, en retrospectiva, siempre es fácil juzgar. Nuestra visión del mundo en función de los resultados, por tanto, nos lleva a atribuir el éxito de algo o de alguien a cualquiera de las características que presenta, tanto si fueron reconocidas como especiales alguna vez como si no. Pero, en general, lo que no consideramos es que esa misma cosa o persona, con esas mismas características, hubiera podido ser igualmente un deprimente fracaso. Ni tampoco, las más de las veces, desperdiciamos demasiado tiempo lamentándonos de la multitud de innovaciones fallidas que también podrían haber aspirado a triunfar de haber sido las circunstancias quizás algo distintas. La historia, dicho de otro modo, tiene tendencia a ignorar las cosas que podrían haber sido, pero no fueron. Sin duda, aquello que realmente ha sucedido es más relevante para nuestras circunstancias actuales que aquello que no sucedió. Pero tenemos una predisposición adicional a suponer que el resultado real fue en cierto modo preferido entre todas las demás posibilidades, y aquí es donde nuestro modo de ver el mundo puede tergiversar la arbitrariedad como orden. Desde un punto de vista científico, por tanto, para entender qué podría suceder en el futuro es decisivo considerar no sólo lo que ha sucedido en el pasado sino también lo que podría haber sucedido. Afirmar que los accidentes y las circunstancias desempeñan una función importante en la historia no es una noción nueva, pero la idea de una cascada de información sugiere algo que es más sorprendente: que los inputs y los resultados no están asociados de un modo proporcional, ni tan sólo único. Si mil millones de seres humanos creen en una determinada religión, entonces damos por sentado que el mensaje original de su credo tiene que haber sido revelado; de lo contrario, difícilmente iban a creer en 246 SEIS G RADOS DE SEPARACIÓN UMBRALES, CASCADAS Y PREDICTIBILIDAD 247 él mil millones de seres humanos. Si una obra de arte es mucho más conocida que cualquier otra, seguramente debe de ser porque es mucho mejor: ¿qué razón habría si no para que todos hablaran de ella? Si una nación se une en torno a la figura de un dirigente para lograr grandes cosas, es porque el dirigente tiene que ser un gran líder; si no, ¿por qué iban todos a seguirle? Así, aunque la grandeza (la inspiración o la celebridad) es algo que, en la práctica, se atribuye siempre a posteriori, nuestra percepción es que estaba allí ya desde un primer momento, es decir, era una cualidad necesaria, intrínseca a la fuente del gran cambio. A priori, sin embargo, en muy pocas y contadas ocasiones tenemos claro a qué resultado dará lugar un estado particular de cosas. Y no es sencillamente porque la grandeza, como el genio, sea difícil de estimar, o a menudo sea malinterpretada, sino porque casi nunca es, ante todo, sólo una propiedad intrínseca. Más bien es un consenso al que llegan gran número de individuos, cada uno respetando las opiniones de los demás en la misma medida que ejercen su propio juicio independiente. Los seres humanos puede que creamos en algo o en alguien por la sencilla razón de que los demás lo hacen, puede que hablemos de algo por la sencilla razón de que los demás hablan de ello y nos unimos sencillamente porque otros ya se han unido. Y precisamente la esencia de una cascada de información está compuesta por una toma de decisiones contingente de este tipo, y el hecho de que así sea hace que la relación entre la causa inicial y el efecto final sea profundamente ambigua. Este enfoque puede ser, desde un punto de vista psicológico, difícil de aceptar; es decir, cada época necesita sus iconos, al igual que cada revolución precisa tener sus líderes. Pero nuestra tendencia a conceder a las innovaciones una influencia proporcional al resultado final ignora el mecanismo por medio del cual su influencia real se metamorfosea en un movimiento de masas. Del mismo modo que sucede en el mercado bursátil, cuando en los anales históricos aparece un acontecimiento de primer orden, tratamos de encontrar qué le precedió, y cuando descubrimos algo —aunque en términos absolutos sea relativamente menor— le concedemos una gran importancia. Isaiah Berlin consideraba que el resentimiento de Tolstoi hacia la historia escrita y, en especial, hacia la historia militar provenía de su idea de que, entre las brumas de la batalla, nadie —y los generales menos que nadie— tiene ni idea de qué sucede, y la balanza entre vencedores y vencidos se inclina más por el peso del azar que por las fuerzas del mando o la estrategia. Con todo, cuando las brumas se disipan y dejan ver al vencedor, el general —fortuitamente— victorioso es quien se lleva toda la gloria. Desde esta perspectiva, Tolstoi probablemente no se sentiría más contento con la ciencia de fines del siglo XX de lo que se sentía con el arte de la guerra a principios del siglo XIX. Desde que la corporación Celera, dirigida por J. Craig Venter, y el consorcio financiado con fondos públicos que dirigían Francis Collins y Eric Lander, declararon el empate en su carrera por secuenciar el genoma humano, Venter, Collins y Lander no han dejado de discutir sobre quién se lleva el mérito del avance. En realidad, sin embargo, ninguno de ellos lo merece: el proyecto del genoma humano era una colaboración de cientos, si no de miles, de científicos trabajadores sin los cuales no hubiera habido mérito alguno que llevarse. En arquitectura, la situación es en buena medida la misma. Frank Lloyd Wright, Eero Saarinen y Frank Gehry son venerados por sus asombrosos diseños, pero sin los equipos de ingenieros de talento y las legiones de trabajadores de la construcción que hicieron que sus dibujos y bocetos realmente se tuvieran en pie, ninguno de estos arquitectos hubieran nunca «creado» algo. Tal vez lo monumental es demasiado difícil de comprender directamente y de este modo nuestra mente reacciona representándose toda la empresa o período de la historia con una única persona o pieza, es decir, un icono. La iconificación, por tanto, es un recurso cognitivo comprensible (y, para ser justos, muchos de nuestros iconos son en realidad individuos de notable talento), pero puede inducirnos a engaño cuando tratamos de comprender cuáles son los orígenes de un comportamiento colectivo en contraposición al individual. Pero pongamos un ejemplo algo más prosaico. A principios de 1999, cuando Shawn Fanning era un estudiante de 19 años de la Northeastern University, diseñó una aplicación para que un amigo suyo pudiera descargar archivos de música MP3 de Internet. El resultado, un programa que apodaron Napster, se convirtió de la noche a la mañana en un fenómeno que atrajo a decenas de millones de usuarios, despertó la ira de toda la industria discográfica y colocó a Fanning en medio de una vorágine comercial, judicial y ética. Por un momento, al menos, Fanning se hallaba en el centro, era ensalzado por unos y execrado por otros, citado en los artículos de economía y retratado en las portadas de las revistas. Antes de que le obligaran a hacer pagar por sus servicios de compartir música, Napster (en la actualidad en gran medida desaparecido) y Fanning consiguieron llegar a un acuerdo con Bertelsmann, un gigante global de la edición. Un resultado que no está nada mal para un estudiante universitario. A juzgar por las apariencias no estaba mal, pero ¿de qué se trataba en realidad? 248 SEIS G RADOS DE SEPARACIÓN UMBRALES, CASCADAS Y PREDICTIBILIDAD 249 La aplicación informática que Fanning había creado era una estratagema ingeniosa, de eso no hay duda. Pero el enorme impacto que conoció no era el resultado de alguna particular genialidad que tuviera la aplicación que había diseñado, ni tan sólo de una peculiar visión que Fanning tuviera, ya que se trataba sencillamente de ayudar a un amigo. Más bien, la magnitud de la influencia que alcanzó a tener Napster fue el resultado de la enorme cantidad de personas que se dieron cuenta de que era exactamente lo que estaban buscando y que empezaron a utilizarlo. Fanning no anticipó la demanda sin precedentes que iba a tener su invención, no hubiera podido. Probablemente los millones de eventuales usuarios tampoco supieron que querían descargar música gratis de Internet hasta que, de repente, se les ofreció la posibilidad de hacerlo, así que ¿cómo iba a saberlo Fanning? Pero, en realidad, no necesitaba saberlo. Todo cuanto tuvo que hacer fue transmitir la idea que había tenido y, una vez que empezó a moverse con libertad, unos pocos individuos la recogieron y empezaron a utilizarla, haciendo que otro puñado de individuos tuvieran noticia de su existencia y empezaran también a usarla. Cuanto mayor era el número de usuarios de Napster, mayor era también el repertorio de canciones disponibles, de ahí que llegara a ser aún más atractivo y visible para todavía más personas. En cambio, si nadie más que Fanning y un puñado de sus amigos hubieran empezado a utilizar el Napster, o si no hubieran tenido recopilaciones de música demasiado buenas o no hubieran conocido a un número suficiente de personas que las tuvieran, puede que Napster nunca hubiera cuajado. En cierta medida, Napster tenía que ser como era para llegar a triunfar. Si hubiera sido difícil de descargar, imposible de utilizar o diseñado para hacer algo para lo cual existía muy poca demanda —como, por ejemplo, resolver ecuaciones diferenciales o traducir del polaco al italiano—, nunca hubiera llegado a alcanzar tanta popularidad. Si lo expresamos en la perspectiva del modelo de umbral, el umbral de adopción debía de ser muy bajo para que el uso de Napster se extendiera. Pero en cierta medida, y muy probablemente en gran medida, el éxito de Napster era independiente de su forma y origen concretos. Y aunque casi toda la atención se centró en Fanning, por ser su inventor, el motor efectivo que hizo que Napster pasara de ser una simple idea a convertirse en un fenómeno fueron los individuos que lo utilizaron. EL PODER PARA EL PUEBLO Los innovadores y los revolucionarios, o, dicho de otro modo, aquellos que actúan movidos por su conciencia, por ideología, ingenio y pasión, son una componente esencial de una cascada global y forman la semilla o e1 disparador a partir del cual la cascada se propaga. Pero la semilla por sí sola no basta, y eso es lo que hace que las cascadas sean tan difíciles de comprender. De hecho, en lo que al éxito y al fracaso de una cascada se refiere, de semillas de cambio —de un modo bastante similar a lo que sucede en el caso de sus homólogos biológicos— las hay a montones. La semilla que cae en la tierra puede que contenga el programa completo del que saldrá un árbol en flor, y, por tanto, en principio carga con la responsabilidad última del producto terminado. Pero su realización depende casi por completo de las cualidades nutritivas del sustrato en el que cae y germina. Los árboles diseminan sus semillas en cantidades ingentes por una razón: sólo una entre muchas otras llegarán a dar frutos, y no porque esa simiente en concreto tenga un cualidad especial y única, sino porque cae en el lugar oportuno. Así sucede con las semillas sociales: siempre hay innovadores y agitadores que intentan continuamente empezar algo nuevo y rehacer el mundo a su imagen. Y si algo hace difícil predecir su éxito es el hecho de que en muchos casos, éste depende no tanto de cuál sea su particular visión y sus características individuales como de su pauta de interacciones en medio de las cuales decide actuar. Como sucede con la mayoría de las generalizaciones, este enunciado no siempre es cierto. A veces los individuos ejercen un efecto tan profundo que su influencia parece de veras garantizada. Cuando el artículo original de Albert Einstein sobre la teoría de la relatividad especial fue publicado en 1905, invalidó un orden científico que llevaba vigente tres siglos, y, a partir de ese momento, la grandeza de Einstein quedó asegurada. Descartes y Newton revolucionaron en solitario las interpretaciones científicas del cosmos de sus respectivas épocas: Descartes, con la geometría analítica, y Newton, con su teoría de la gravitación universal. A veces, por tanto, un resultado profundo implica una causa igualmente profunda. Los grandes avances de esta índole, sin embargo, son excesivamente raros, y la mayor parte del cambio social y científico no se produce gracias a los grandes saltos cognitivos dados por un genio singular. Si en unas montañas nevadas queremos provocar una avalancha, podríamos lanzar una bomba atómica, pero apenas es necesario, y las avalanchas nunca empiezan así. Más bien, un esquiador solitario al pasar por un tipo menos apro- 250 SEIS G RADOS DE SEPARACIÓN UMBRALES, CASCADAS Y PREDICTIBILIDAD 251 piado de nieve en la parte menos indicada de la montaña en el momento menos oportuno del día desencadena una furia que muestra una grandiosa desproporción con respecto a la causa que la ha generado. Y así sucede aparentemente con las tendencias culturales, las innovaciones tecnológicas, las revoluciones políticas, las crisis en cascada, los cracks de las Bolsas y otras formas de delirios colectivos, manías y acciones en masa. La estratagema es centrarse no en el estímulo mismo, sino en la estructura de la red en la cual este estímulo impacta. En este sentido es mucho el trabajo que aún queda por hacer. Las redes aleatorias, recordémoslo de nuevo, no son muy buenas representaciones de las redes que existen en el mundo real, y en la actualidad se está trabajando para generalizar el modelo más sencillo de cascada a redes más realistas, las cuales incluyen la estructura de grupo, la identidad social de los individuos y los efectos de los medios de comunicación de masas. Asimismo, la regla del umbral es también una representación muy idealizada del proceso de toma de decisiones sociales, y será preciso hacer una serie de aderezos si queremos aplicarla a algún asunto práctico. Pero, aun así, es posible hacerse algunas ideas generales. Tal vez la propiedad más sorprendente del modelo de las cascadas sea que las condiciones iniciales, que antes de producirse el fenómeno resultan indistinguibles, pueden producir resultados finales radicalmente distintos según sea la estructura de la red. La cualidad (que aquí se puede interpretar como el umbral de adopción), por tanto, es un predictor poco fidedigno del éxito, y un gran éxito no es un sello forzoso de gran calidad. La diferencia entre una innovación con un enorme éxito y un abyecto fracaso puede obedecer por entero a la dinámica de las interacciones entre actores, pudiendo darse el caso de que éstos no hayan tenido nada que ver con su introducción. Pero eso no equivale a decir que la cualidad no importa, porque importa, así como importan también las figuras y la presentación. Pero en un mundo en el cual los individuos toman decisiones basándose no sólo en sus propios juicios, sino también en los juicios de los demás, la cualidad no basta. LA ROBUSTEZ RECONSIDERADA Una comprensión de las cascadas globales en sistemas en red, además de las consecuencias que pueda tener a efectos de predictibilidad, puede asimismo arrojar cierta luz sobre la cuestión de la robustez de la red que vemos ya en el capítulo 6. Y en este contexto, no nos es ya necesario para nada hablar de contagio social. A veces, los sistemas que se caracterizan por tener muchas partes interdependientes que interactúan en modos complejos, como, por ejemplo, las redes de suministro eléctrico y las grandes organizaciones, pueden mostrar repentinos y grandes fallos pese a todas las precauciones que se hayan tomado para prevenirlos. El sociólogo de Yale, Charles Perrow, que estudió una serie de desastres organizativos, desde la fusión parcial del reactor de Three Mile Island hasta la explosión de la lanzadera Challenger, denomina a estos acontecimiento accidentes normales. Los accidentes, sostiene Perrow, no se producen tanto por causa de errores excepcionales o negligencia inexcusable, sino por la acumulación de una serie de errores bastante regulares, que a menudo se agravan de un modo que no puede ser anticipado por las mismas rutinas, procedimientos de información y reacciones que de ordinario mantienen sin problemas las cosas en funcionamiento. Por excepcional que parezca, este tipo de accidentes se llegan a comprender mejor cuando se interpretan como las consecuencias del comportamiento normal; de ahí que no sean sólo normales, sino inevitables. La posición de Perrow, expuesta en su libro Normal Accidents, puede parecer un poco pesimista, pero se asemeja mucho a la imagen de una impredecibilidad inherente al modelo de cascada. Y esta similitud es algo más que metafórica. Si bien derivábamos la regla de umbral de las propiedades de la toma de decisiones sociales, los umbrales pueden surgir también en otros contextos. Siempre que el estado de un nodo en una red se puede representar como una elección entre dos alternativas —infectado o susceptible, activo o inactivo, en funcionamiento o averiado— que depende de los estados de sus vecinos, el problema se convierte esencialmente en un problema de contagio. Y siempre que el contagio muestra tener dependencias entre estados vecinales, en el sentido de que el efecto de la influencia de un vecino (como una avería o fallo) se ve agravado o mitigado por otro, entonces surge una red de umbral. De ahí que el modelo de cascada pueda aplicarse no sólo a las cascadas de decisiones sociales sino también a las cascadas de fallos en las redes organizativas e incluso a las redes de distribución de energía eléctrica. En consecuencia, el primer rasgo del modelo de cascada —que sistemas en apariencia estables pueden presentar de forma repentina una cascada— se puede interpretar también como un enunciado acerca de la fragilidad inherente de los sistemas complejos, incluso de aquellos que parecen sólidos. 252 SEIS G RADOS DE SEPARACIÓN UMBRALES, CASCADAS Y PREDICTIBILIDAD 253 Hace unos años, John Doyle, un matemático del California Institute of Technology, y Jean Carlson, un físico de la Universidad de California en Santa Bárbara, propusieron una teoría de lo que denominaban tolerancia muy optimizada (highly optimized tolerance, HOT) para explicar las distribuciones de tamaño observadas de una amplia gama de fenómenos, desde incendios forestales hasta apagones eléctricos. La conclusión más sorprendente a la que llegaron era que los sistemas complejos del mundo real son invariablemente a la vez robustos y frágiles. Los sistemas complejos, debido a que deben sobrevivir en el mundo real, la mayoría de las veces son capaces de resistir y aguantar shocks y sacudidas de todo tipo porque han sido diseñados para ello o han evolucionado en este sentido. Si no pudieran resistirlas, de hecho, habrían de ser modificados o dejar de existir. Pero, al igual que sucedía con el modelo de cascada antes expuesto, cada sistema complejo tiene un punto débil y, en caso de que reciba de lleno y del modo apropiado, incluso la mejor y más minuciosa obra de ingeniería puede desmoronarse como un castillo de naipes. Una vez que se hace patente una de estas debilidades, por lo general nos apresuramos a fijarla, mejorando la robustez del sistema en un sentido concreto (la selección natural se encarga de la debilidad a su propia manera). Pero, tal como Doyle y Carlson demuestran, eso no elimina la fragilidad fundamental del sistema, es decir, que es efectivamente diferida a otro día y posiblemente a otro tipo de accidente. Los aviones son un buen ejemplo de este fenómeno robusto y, con todo, frágil. La mayoría de las veces, tan pronto como se evidencia un fallo en el diseño de un avión de gran tamaño, a veces por ser causa de la caída del aparato, los investigadores definen con exactitud el origen de ese problema concreto. Entonces, todos los aviones del mismo modelo existentes en el mundo son revisados y, si es necesario, modificados para evitar cualquier repetición del problema. En general, este procedimiento es efectivo, tal como lo demuestra la relativa escasez de defectos recurrentes que causan accidentes aéreos. Pero no puede, sin embargo, evitar por completo los accidentes aéreos, por la sencilla razón de que ni siquiera los procedimientos y protocolos de mantenimiento existentes en el mundo pueden garantizar que evitarán las averías o los fallos cuya existencia aún no se conoce. Y los aviones son como juguetes infantiles comparados con máquinas organizativas de la envergadura de Enron y Kmart, que de repente y sin previo aviso, mientras terminaba de escribir este capítulo, se declararon en quiebra entre los meses de diciembre de 2001 y enero de 2002. En el mundo real, por tanto, no existe una meticulosa planificación, ni siquiera un conocimiento sofisticado científico que sea capaz de evitar que, de vez en cuando, los desastres se produzcan. ¿Debemos rendirnos? Sin duda no, y tampoco Perrow, ni Doyle ni Carlson sugieren que se trate de un caso perdido. Más bien parece que es preciso alcanzar una concepción más rica de lo que es la robustez. No sólo debemos diseñar sistemas que eviten tanto como sea posible los fallos, sino que debemos aceptar asimismo que los fallos se producirán pese a nuestros mejores empeños y que un sistema de veras robusto es aquel que puede sobrevivir incluso cuando se ve afectado por los desastres. Y esta conceptualización de la robustez como un rasgo dual de una organización compleja —por un lado, evitar fallos, y por otro, prepararse para su aparición— será el tema que exploraremos en el siguiente capítulo.
Report "Duncan Watts - Seis Grados de Separación - Capítulo 8 "Umbrales, cascadas, predictibilidad""