UN MODELO PARA LA PLANIFICACIÓN ESTRATÉGICA

UN MODELO PARA LA PLANIFICACIÓN ESTRATÉGICA

DE LA PRODUCTIVIDAD DEL CONOCIMIENTO

Edgar Willis - Omar A. Iglesias - A. Plastino

INTRODUCCIÓN

La planificación estratégica de los sistemas complejos se sustenta en el análisis racional de
i) las características del proceso a estudiar y
ii) su dinámica, así como de una visión prospectiva de fenómenos que pueden llegar a afectarlo.
Para sistematizar el conocimiento que se genera en torno de estos procesos resulta de gran utilidad el desarrollo de modelos. Aunque toda modelización conlleva simplificaciones, no hay otra forma científica de interpretar comportamientos complejos. De hecho, desde Galileo la Ciencia es básicamente un proceso de modelización.

Con el auge de las Ciencias Cognitivas el SABER mismo es objeto de modelización. En la Sociedad Post-industrial el SABER se constituye en el recurso económico crítico. La forma en que el saber se comporta como recurso económico aún no es comprendida en detalle. No tenemos aún suficiente experiencia como para formular teorías y ponerlas a prueba.

Se ha cobrado sí conciencia de que necesitamos una teoría que sitúe al saber en el centro del proceso de producción de riqueza. Sólo una tal teoría podría explicar la economía actual, dar cuenta del proceso de innovación y permitirnos entender porqué recién llegados, especialmente en el campo de la alta tecnología, pueden casi de la noche a la mañana adueñarse de mercados, eliminando a todos los competidores [ver Peter Drucker (Ref. 1)].

Para ayudar a analizar distintas alternativas de políticas de transformación que conduzcan a una mayor productividad del conocimiento, los presentes autores se han propuesto utilizar tres instrumentos del análisis sistémico (Ref. 2)

Estructura unificada: Son proyectos típicos relacionados con la dinámica de sistemas empresariales que evolucionan hacia modelos basados en una estructura unificada que ha sido consensuada por un grupo. Esta herramienta puede ser satisfactoria para muchos propósitos, y algunos autores (Ref. 3) encuentran en la estructura unificada una base excitante para explorar los paradigmas y suposiciones de ese grupo, así como para considerar eventos, problemas y tendencias que pudieran "modificar" modelos previos, induciendo hipótesis sobre nuevas estructuras dominantes. Es imprescindible probar tales hipótesis en modelos apropiados, teniendo en cuenta futuras tendencias, problemas, y alternativas.

Análisis de sensibilidad: Durante los últimos cien años las previsiones económicas han estado típicamente basadas en datos históricos, dando énfasis a las tendencias y condicionamientos prevalentes, y proyectando hacia el futuro los valores "más probables" para las singularidades de los parámetros importantes. Un estudio más sofisticado considera además incertidumbres sobre tales valores, lo que se conoce como "análisis de sensibilidad".

Planificación de escenarios: representa una aproximación a un conjunto de historias enriquecedoras que transcurren en futuros probables. Un buen conjunto de escenarios circunscribirá la predicción de futuros posibles.

MARCO DE REFERENCIA

En la referencia 4 los presentes autores desarrollaron un modelo sistémico que analiza dinámicamente la conducta del déficit fiscal y de la deuda externa del país en relación con las inversiones en ciencia, tecnología e innovación. Allí se plantea la hipótesis que, aún para los países emergentes, si i) se realiza una adecuada asignación de las inversiones en Ciencia, Tecnología e Innovación (de aquí en más se usará la abreviación CTeI) y ii) se formulan políticas explícitas tendientes a articular el sistema, es posible alcanzar aceptables grados de desarrollo. El subsistema CTeI debe actuar como un núcleo potenciador de las transformaciones conducentes a una nueva economía, sustentada en la productividad del conocimiento.

En el presente trabajo se profundiza el estudio de la Ref. 4, perfeccionando el modelo dinámico representativo del sistema de CTeI. En este modelo se ensayan distintos valores de los parámetros asociados a las principales decisiones representativas de las políticas de inversión (acciones directas) y en función de distintos ajustes de otros parámetros representativos de políticas de transformación (acciones indirectas). Estas últimas se cuantifican en base a hipótesis y criterios consensuados.

La selección de los mejores parámetros se obtiene mediante la técnica del "gradiente reducido generalizado" que maximiza una función objetivo determinada. Tales ajustes se realizan para distintos escenarios que representan particulares casos de interés.

MODELO CONSENSUADO DEL SISTEMA DE CTeI

El modelo contempla, básicamente, la relación en la variación del consumo frente a cambios en los aportes económicos incorporados al sistema de CTeI.

En la siguiente figura se explícita el modelo a través de su diagrama causal.

En la siguiente figura se lo representa por su diagrama de bloques.

El modelo está constituido por seis ramas principales sobre las cuales influyen las acciones directas:

Empresas preexistentes
Nuevos emprendimientos innovadores
Desarrollo tecnológico
Ciencias básicas
Capacitación empresarial
Formación de formadores

En esta etapa de la investigación se contempla un modelo lineal con restricciones en las acciones directas Kn. Los bloques representativos de la dinámica de cada sector están interpretados por una ecuación diferencial de primer orden con constantes de tiempo Tn y ganancias Gn, propias para cada módulo dinámico. Gn es una constante del proceso que interpreta el resultado de las acciones indirectas. En las diferentes corridas del proceso de simulación se cambia el valor de Gn.

SENSIBILIDAD

Los coeficientes K0, K1, K2, K4 y sus concomitantes complementarios a la unidad "ajustan" la distribución de las inversiones para las diferentes ramas. La variabilidad de estos parámetros está sujeta a restricciones que acotan sus posibles valores entre: 0,1 y 0,5.

Las ganancias en cada rama G0, G1, G2, G3, G4, G5 son valores desconocidos, muy difíciles de determinar por su propia naturaleza. En la realidad tampoco son valores que permanezcan constantes, puesto que la afectan muchas otras variables no explicitadas en este modelo. Como ajuste de referencia se adoptó un valor inicial igual a cero para G2 y G3, lo que significa que las inversiones en ciencia y tecnología no tienen ninguna incidencia sobre la producción y el consumo y uno para G0, G1,G4, G5. Luego, se varió cada una de ellas en un rango ajustado entre 0,2 y 1,2.

Las constantes de tiempo adoptadas para este estudio, medidas en períodos trimestrales, fueron: a) T0 = 4, b) T1 = 6, c) T2 = 8, T3 = 12. T4 = 4 y T5 = 8.

Como función de entrada, se adoptó una rampa que simboliza el pasar en forma lineal de una inversión de 0,03% del PBI a una de 0,1 % en los primeros cuatro años. Luego, ese valor permanece constante durante varios años. También se ensayó una señal escalón para evaluar el efecto derivados de ambas estrategias.

Los coeficientes K6 y K7 que distribuyen recursos de capacitación y tecnológicos se fijaron para todas las corridas en 0,5.

Las dos funciones objetivo utilizadas para la optimización de los parámetros directos fueron:

Maximizar la sumatoria del consumo al fin del cuarto año.
Maximizar la sumatoria del consumo al fin del décimo año.

Para ponderar los resultados de cada corrida y poder así evaluar las concomitantes tendencias se definieron dos índices, FO1 y FO2, que representan el valor medio del consumo para cada uno de los períodos seleccionados (16 y 60 trimestres). La selección de estos períodos está relacionada con la necesidad de evaluar los resultados a obtener en el mediano y largo plazo.

También, con el fin de evaluar la sensibilidad del proceso frente a variaciones de Gn, se definieron dos índices SM16 y SM40. SM es el valor medio de las sensibilidades, calculadas en el período comprendido entre los trimestres 0 a 16 y 0 a 40, respectivamente, para cada punto de Gn, cuando este viaria entre 0 y 1,2.

LOS ESCENARIOS:

A pesar de las simplificaciones adoptadas en el modelo, los escenarios posibles de representar son muchos y dependerán en gran medida de lo que se busque particularmente evaluar:

En este trabajo los interrogante fundamentales planteados fueron:

¿Cómo se comporta el sistema si la inversión es bien un escalón, bien una rampa?

Si se aplica una función rampa de entrada (inversiones) ¿Qué ajuste de
parámetros (Kn) da el máximo consumo (productividad), cuando se ajustan distintas acciones indirectas (Gn)?. ¿Cuáles son las tendencias?

¿Qué relación se puede establecer entre modelo y realidad percibida?

LAS TENDENCIAS:

Para una clara comprensión del comportamiento del modelo se muestran gráficos de las respuestas temporales de algunas de las variables fundamentales en un periodo que cubre de cero a 60 trimestres (15 años). A fin de mejorar la interpretación de los resultados gráficos, el consumo no se dibuja y se debe interpretar como el resultado de la suma de los valores de consumo inducido por las empresas Y0 y los emprendimientos innovadores Y1. También, los valores de los coeficientes Kn se han multiplicado por un factor de 1000 para visualizar sus cambios en el mismo gráfico.

El gráfico 1 representa la respuesta temporal de las variables principales Y0, Y1, Y2, (Y4+Y5). cuando se aplica una función escalón a la entrada, pasando del 0,3% y el 1 % del PBI, (amen de un factor de escala [Esc] de $ 4*10**6 ). Las ganancias G0, G1, G4 y G5 son iguales a 1, G2 y G3 = 0. Aquí observamos que el estado estacionario se alcanza a partir del trimestre (tr)16 con un valor de consumo C= (460+280)*Esc. Los parámetros que maximizan la función objetivo son K0=K1=K4=0,5. La función objetivo alcanza valores de FO1(16 tr)=543 y F02(40 tr)=687.

El gráfico 2 muestra la respuesta temporal para la misma entrada, cuando G2=G3=0,6. Se observa que la evolución es más lenta y que el crecimiento se prolonga más allá de los 70 tr., con un valor muy superior de consumo C=(1800+600) *Esc. Los parámetros que maximizan la función objetivo son K0=K1=K2=0,1. La función objetivo alcanza valores de F01(16 tr)= 951 y FO2(40 tr)=1516.

Los gráficos 3 y 4 manejan los mismos escenarios, pero con una señal rampa a la entrada. Aquí se tiene FO1(16 tr)= 351 y F02(40tr)=622 para el primero y F01(16 tr)=676, F02(40 tr)=1346 para el segundo.

Estas respuestas del modelo deben contrastarse con la realidad hoy percibida. Una posible interpretación es la que sigue.

Una baja inversión en CyT combinada con una baja ganancia, tanto en la rama de ciencia como de tecnología dan una nula o muy baja productividad del conocimiento.

Comparando el efecto de la productividad de las inversiones cuando a la entrada se aplica una función rampa (E) en relación con una función escalón (R)

FO1(R) / FO1(E) = 0,646

FO2(R) / FO2(E) = 0,889

colegimos que, para el largo plazo, no es significativa la elección de una u otra señal. Si lo es, empero, en el mediano plazo. La inversión en forma de rampa significa, en los primeros cuatro años, una inversión 35% menor que si se hiciera en forma de escalón.

Los gráficos 5 a 16 muestran la evolución de los índices FO1 y FO2 junto con los valores de K0 y K2 cuando se varía Gn entre 0 y 1,2. También se indican los índices de sensibilidad media para cada caso. Los gráficos de la primer columna muestran el resultado de optimizar la función de consumo al cabo de 16 trimestres, la segunda corresponde a los resultados de optimizar esa función al cabo de 40 trimestres.

Se ha seleccionado como estado de referencia aquél para el que G0=G1G4=G5=1 y G2=G3=0,2. A partir de tal estado se varían los G’s de a uno por vez, y para las dos situaciones antes planteadas.

Los gráficos 5 a 10 (G0, G1 y G2 variables) presentan muy similares características. La productividad es la misma, tanto cuando se maximiza la función objetivo a 16 como a 40 trimestres. También, en ambas columnas, se alcanzan iguales índices FO1 y FO2 de sensibilidad media (SM). La conducta de los valores de K0 y K2 que maximizan la función objetivo son iguales.

Los gráficos 11 y 12 muestran la mejor conducta del sistema ya que se da una máxima sensibilidad junto con la máxima productividad frente a cualquier valor de ajuste equivalente de los restantes parámetros.

Los gráficos 13 y 14 muestran la evolución de la conducta del sistema cuando se varía G4. El programa para todas las corridas selecciona los más altos valores de G4 (capacitación), ya que su efecto, por el relativamente bajo valor de T4, se hace sentir muy rápidamente sobre la productividad.

Los gráficos 15 y 16 ilustran el hecho de que, con valores altos de G5, se logra que el programa privilegie la rama de ciencia y formación de formadores.

CONCLUSIONES

Se ha desarrollado un modelo matemático que ayuda a predecir tendencias en función de inversiones y políticas de transformación aplicadas en al sistema de CTeI. Con los valores numéricos que se han ensayado para los ajustes de Gn y en base a los parámetros que fueron seleccionados, el modelo pone en evidencia que cuando no se privilegian las inversiones en la rama de Ciencia y en la de Formación de Excelencia, se resiente, en el largo plazo, la productividad. Esto se debe a que ésta es la rama más sensible del sistema, debido a que su accionar influencia todas la actividades económicas, políticas, culturales y biológicas. El modelo muestra también que, cuando tal inversión es muy baja (o no existe) la productividad de todos los subsistemas sociales se deteriora rápidamente, lo que en un mercado altamente competitivo implica altas probabilidades de extinción.

El modelo pone en evidencia que para aumentar la productividad del conocimiento hay que actuar sobre varios parámetros fundamentales: a) los relacionados con la magnitud y adecuación de inversiones y b) los relacionados con la "ganancia" (en la terminología del modelo) en cada una de las ramas consideradas.

Sin embargo, cambios en cualquiera de estas dos gruesas líneas no son fácilmente logrables. Tanto políticos como economistas que administran finanzas están pendientes del accionar de muy corto plazo y son, por lo general, renuentes a apostar en inversiones de largo plazo. Conseguir pasar de una inversión del 0,3 % del PBI al 1% aparece pues como una utopía. Distribuir tal aumento no parece tan crítico, si disponemos de modelos y elementos de evaluación que gradualmente nos ayuden a sistematizar una realidad cada vez más compleja . Cambiar la ganancia del sistema pareciera una misión imposible si se parte de considerar que las conductas humanas son lineales. Afortunadamente, no lo son.

La clave está, entonces, en encontrar políticas indirectas capaces de convocar las voluntades colectivas de las comunidades científica y tecnológica para que se transformen en protagonistas fundamentales de un cambio que el país necesita para sobrevivir en la nueva economía.

Pero despertar y aunar estas voluntades no es suficiente, es imprescindible, abordar una re- ingeniería de las organizaciones promotoras de C&T. Es necesario reestructurar organizaciones hoy verticales y autocráticas y transformarlas en otras más horizontales y democráticas, en las que todos los actos sean públicos y transparentes. Lograr a una operación en red que facilite y potencie las capacidades de los investigadores, emprendedores y empresarios es prioritario. De su interacción surgirán seguramente respuestas adecuadas de carácter local, regional y nacional, sin necesidad de esperar que algún iluminado mágicamente aporte la GRAN solución.

REFERENCIAS

Peter Drucker. La Sociedad Postcapitalista. Editoral Sudamericana 1993
Jay Forrest. System Dynamics, Alternative, and Scenarios. http://www.sdsg.com/ (1999)
Kees Van der Heijden. Scenarios:The Art of Strategic Conversation. John Wiley & Sons, 1996
E. Willis; A. Plastino. Planificación del Desarrollo desde la Perspectiva de la Sociedad del Conocimiento. Presentado en el "Workshop on Dynamics of Social and Economical Systems. La Plata, 25 al 27 de noviembre de 1998. Aceptada su publicación en Anales de Sociedad Científica Argentina.

ANEXO

ECUACIONES DINÁMICAS QUE VINCULAN EL CONSUMO
CON LAS INVERSIONES EN CTeI

Relación de Primer Orden Entre Consumo vs. Inversiones en el Sector Empresario Preexistente

Relación de Primer Orden Entre Consumo vs Inversiones en el Sector Emprendimientos Innovadores

Relación de Primer Orden Entre Producción de Tecnología vs Creación de Conocimiento

Relación de Segundo Orden Entre Producción de Tecnología vs Inversiones en Desarrollo Tecnológico

Relación de Primer Orden Entre Creación de conocimiento vs. Inversiones en Ciencia Básica

Relación de Primer Orden Entre Recursos Derivados de Capacitación vs. Inversiones en Capacitación

Relación de Primer Orden Entre Recursos Derivados de la Formación de Formadores vs Creación de Conocimiento

DEFINICIÓN DE PARÁMETROS Y VARIABLES

Y0 : Consumo generado por empresas preexistentes.

Ap00 : Aportes que ingresan a las empresas preexistentes.

Y1 : Consumo generado por emprendimientos innovadores.

Ap10 : Aportes que ingresan a los emprendimientos innovadores.

Y2 : Aportes realizados por el sector tecnológico.

Ap2: Inversiones en desarrollo tecnológico.

Y3 : Aportes realizados por el sector de la ciencia básica.

Ap3 : Inversiones realizadas en ciencia básica.

Y4 : Aportes realizados por el sector de capacitación empresarial.

Ap4 : Inversiones realizadas en capacitación.

Y5 : Aportes realizados por el sector de formación de formadores

Ap0 : Inversiones en el sector empresarial.

Ap01 : Fracción de inversiones al sector empresario preexistente.

Ap11 : Fracción de inversiones a los emprendimientos innovadores.

Ap41 : Y4+Y5

K0, K1, Coeficientes de distribución de recursos en las ramas respectivas, que

K2, K4 : optimizan la función objetivo.

K6 : Coeficiente que distribuye los recursos de capacitación y formación.

K7 : Coeficiente que distribuye los recursos producidos por el sector tecnológico.

G0 : Parámetro que define, en estado estacionario, la relación Y0 vs.Ap00.

G1 : Parámetro que define, en estado estacionario, la relación Y1 vs.Ap10.

G2 : Parámetro que define, en estado estacionario, la relación Y2 vs.Ap2.

G3 : Parámetro que define, en estado estacionario, la relación Y3 vs.Ap3.

G4 : Parámetro que define, en estado estacionario, la relación Y4 vs.Ap4.

G5 : Parámetro que define, en estado estacionario, la relación Y5 vs.Y3.

FO1, FO2: Funciones Objetivo calculadas a los 16 y 60 trimestres,

SM1, SM2: Sensibilidades Medias calculadas a los 16 y 40 trimestres.

MODELO DEL SISTEMA DE CTeI

RESPUESTA TEMPORAL

SEÑAL DE ENTRADA: ESCALÓN 0,3 a 1 %PBI

G0=G1=G4=G5=1

G3=G2=0 G3=G2=0,6

Gráfico 1 Gráfico 2

SEÑAL DE ENTRADA: RAMPA 0,3 a 1 %PBI

G0=G1=G4=G5=1

G3=G2=0 G3=G2=0,6

Gráfico 3 Gráfico 4

SENSIBILIDAD PARAMÉTRICA

Optimización 16 Trim Optimización 40 Trim

G30G2=0,2 G0= Var G1=G4=G5=1

Sens. M16 Sens. M40 Sens. M16 Sens. M40

0,5213 0,5295 0,5213 0,5295

Gráfico 5 Gráfico 6

G3=G2=0,2 G1= Var G0=G4=G5=1

Sens. M16 Sens. M40 Sens. M16 Sens. M40

0,4671 0,4702 0,4671 0,4702

Gráfico 7 Gráfico 8

G3 = 0,2 G2 = Var. G0=G1=G4=G5=1

Sens. M16 Sens. M40 Sens. M16 Sens. M40

0,2695 0,2866 0,2695 0,2866

Gráfico 9 Gráfico 10

G3 = Var G2 = 0,2 G0=G1=G4=G5=1

Sens. M16 Sens. M40 Sens. M16 Sens. M40

0,4929 0,5373 0,4800 0,5371

Gráfico 11 Gráfico 12

G3=G2=0,2 G4= Var G0=G1=G5=1

Sens. M16 Sens. M40 Sens. M16 Sens. M40

0,38402282 0,39416181 0,39045932 0,39394015

Gráfico 13 Gráfico 14

G3=G2=0,2 G5= Var G0=G1=G4=1

Sens. M16 Sens. M40 Sens. M16 Sens. M40

0,0787 0,0872 0,0787 0,0872

Gráfico 15 Gráfico 16