Qué nos puede enseñar la evolución sobre la innovación

El 30 de noviembre de 2020, Moderna Therapeutics anunció que los ensayos clínicos de fase III de su vacuna de ARN mensajero demostraron una eficacia protectora del 95% contra el virus del SARS-CoV-2, que había matado a casi 1,5 millones de personas en todo el mundo en los 10 meses anteriores. Moderna, relativamente advenediza en la carrera por la vacuna contra la COVID-19 y una empresa de la que pocas personas habían oído hablar antes de la pandemia, parecía ser un éxito de la noche a la mañana. Pero como ha señalado su CEO, Stéphane Bancel, ese éxito tardó 10 años en crearse. Lejos de ser un golpe de suerte, la vacuna fue el producto de un proceso repetible que la empresa de la que surgió Moderna ha utilizado innumerables veces: Flagship Pioneering, una empresa de creación de empresas con sede en Cambridge, Massachusetts, cuya misión es concebir, crear y comercializar innovaciones innovadoras en campos de las ciencias de la vida antes inexplorados.

La idea errónea sobre el caso Moderna, como ocurre con muchas otras innovaciones revolucionarias, es comprensible. Las innovaciones rompedoras suelen verse como el resultado de esfuerzos caóticos, aleatorios e inmanejables, el producto de pura casualidad o de la inspiración de un visionario poco común. Creemos que ese punto de vista es profundamente erróneo. Desde nuestros diferentes puntos de vista (Afeyan ha dedicado las últimas tres décadas a crear empresas basadas en la ciencia y la tecnología innovadoras, y Pisano ha estudiado los procesos de innovación durante el mismo período), nos hemos dado cuenta de que los avances tienden a surgir de un proceso relativamente bien definido basado en los principios básicos que impulsan la evolución en la naturaleza: generación de variaciones, que crea una variedad de formas de vida, y presión de selección seleccionar los que mejor pueden sobrevivir y reproducirse en un entorno determinado. El enfoque, llamado descubrimiento emergente, es un proceso estructurado y disciplinado de saltos intelectuales, búsqueda y experimentación iterativas y selección. Y aunque se basa en personas con un talento excepcional, no se necesita al próximo Leonardo da Vinci o Steve Jobs para producir una innovación rompedora.

El descubrimiento emergente comienza con la prospección de ideas potencialmente importantes en espacios científicos, tecnológicos o de mercado relativamente novedosos con el objetivo de generar conjeturas especulativas o preguntas sobre «qué pasaría si». Sirven de punto de partida para un proceso de selección intensivo al estilo darwiniano para encontrar y validar las mejores ideas, solicitando comentarios críticos de personas ajenas para identificar los desafíos y hacer evolucionar el concepto hasta convertirse en una solución práctica y superior. El descubrimiento emergente requiere una cultura en la que las personas, especialmente los líderes, de una organización se sientan cómodas abordando ideas que parecen inviables y desafiando los dogmas, una cultura que vea las ideas «defectuosas» no como callejones sin salida sino como componentes básicos y considere que la evolución de las ideas es una responsabilidad compartida colectivamente.

Definir la innovación rompedora

Es importante definir exactamente lo que queremos decir con «innovación rompedora». Usamos dos criterios. La primera es discontinuidad. Los avances representan avances en los principios de la ciencia, la tecnología, el diseño, la economía y otros dominios del conocimiento y establecen nuevos paradigmas para la innovación futura al cambiar lo que se espera o se considera posible. El diseño a reacción ligera de Honda supuso un gran avance porque fue el primero en utilizar una configuración de motor por encima del ala, que, hasta que Honda lo hizo, se consideraba aerodinámicamente inviable en un avión pequeño. No todos los avances son puramente científicos o tecnológicos, por supuesto. El motor de búsqueda de Google supuso un gran avance tecnológico, pero el método de precios del coste por clic de la empresa llevó a una innovación en el modelo de negocio que puso patas arriba la economía de la industria de la publicidad.

El segundo criterio es valor. Los avances generan nuevas fuentes de valor al resolver problemas importantes o crear una demanda que no existía antes. Puede que las cámaras digitales hayan acabado con el negocio de la fotografía cinematográfica, pero hoy en día se toman muchas más fotos digitales que nunca con película. Además, teniendo en cuenta que las imágenes digitales se han convertido en una parte integral de las plataformas de redes sociales como Facebook e Instagram, la fotografía digital ha creado un enorme valor económico.

La falacia de los tiros a portería

En su esfuerzo por lograr una innovación innovadora, la estrategia predominante hoy en día es el enfoque de «tiros a portería», la antítesis del descubrimiento emergente. Implica financiar una amplia cartera de proyectos con la esperanza de que los beneficios del raro éxito paguen con creces el coste de los numerosos fracasos. Si invierte en suficientes proyectos, según la teoría, según las leyes de la probabilidad (pura suerte), al final obtendrá «puntos». Esta estrategia es común en las ciencias de la vida, el sector tecnológico, los productos de consumo envasados, el entretenimiento y el capital riesgo. Un elemento clave del enfoque son las revisiones estrictas que pueden acabar rápidamente con lo que parecen ser proyectos débiles. A primera vista, todo eso parece razonable. La teoría y la práctica modernas de las carteras financieras destacan las ventajas de diversificar los riesgos, y un sistema de revisiones estrictas para garantizar que no se pierde dinero bueno tras malo parece una gestión prudente de los recursos.

Pero el enfoque de los tiros a portería ignora el hecho de que los conceptos innovadores suelen estar plagados de defectos desde el principio. De hecho, las versiones anteriores de muchos avances célebres al principio parecían un fracaso. Aclamamos al iPhone como un punto de inflexión, pero la mayoría de sus predecesores, como el Newton de Apple, fracasaron. Crixivan representa un fármaco innovador contra el SIDA, pero su programa de desarrollo estuvo a punto de terminar cuando los primeros ensayos clínicos arrojaron resultados decepcionantes. Como el mantra del enfoque de los tiros a portería es matar pronto y con frecuencia, muchas ideas prometedoras luchan por sobrevivir más allá de la fase embrionaria.

No hubo ningún momento de «ajá» en el que se produjo el avance del ARNm. La plataforma Moderna se creó sobre la base de una constelación de tecnologías, métodos y conocimientos que evolucionaron con el tiempo.

Otro inconveniente es que la presión por obtener resultados tempranos puede crear una relación de confrontación disfuncional entre los equipos del proyecto y sus financiadores. Los financiadores están ansiosos por ver avances, mientras que los miembros del equipo viven con el espectro de que se cancelen sus proyectos (con posibles consecuencias nefastas para sus trabajos o su reputación) si los resultados iniciales son malos. Esta dinámica puede llevar a situaciones en las que los equipos se muestren reacios a compartir malas noticias con los financiadores o a compartir información con otros equipos de proyectos a los que consideran competidores por los escasos recursos. También significa que los equipos tienen pocos incentivos para realizar el tipo de experimentos iniciales que podrían revelar importantes defectos en sus conceptos.

Un enfoque superior es el proceso de descubrimiento emergente utilizado por Flagship, que se basa en los principios básicos de la evolución (la generación y la selección de variantes genéticas), que han demostrado ser potentes motores de innovación en la naturaleza. La varianza genética se genera por la mutación (cambios puntuales aleatorios en el código del ADN) y la recombinación (reordenamientos de fragmentos de ADN). La presión de selección se refiere a los elementos del entorno, como la competencia por la comida, que afectan a si un rasgo determinado (por ejemplo, piernas más largas) favorece más o menos la supervivencia. Las investigaciones sobre la innovación y los estudios de casos sobre industrias tan diversas como la química, la farmacéutica, la informática, los automóviles, la electrónica y los aviones indican que los mecanismos análogos a la generación de varianzas y la presión de selección desempeñan un papel fundamental en la innovación. Si se diseñan y gestionan correctamente, estos procesos se pueden aprovechar para crear avances. Flagship ha desarrollado y aplicado los principios del descubrimiento emergente para crear más de 100 empresas de ciencias de la vida en las últimas dos décadas. Un buen ejemplo es Moderna Therapeutics. (Divulgación: Pisano ha sido consultor y tiene una participación financiera en Moderna y forma parte de los consejos de administración y tiene intereses financieros en otras dos firmas respaldadas por Flagship, Axcella Health y Generate Biomedicines).

Un producto de Emergent Discovery: Moderna

Moderna tuvo sus orígenes mucho antes de la pandemia. En la primavera de 2010, uno de nosotros (Afeyan) y Robert Langer, del MIT, un prolífico inventor y profesor de ingeniería química, nos reunimos para discutir algunas ideas que Derrick Rossi, de Harvard, había estado investigando sobre el uso del ARNm (moléculas que llevan las instrucciones del ADN a la maquinaria de fabricación de proteínas de una célula) para reprogramar cierto tipo de células (fibroblastos) y crear células madre que luego pudieran manipularse en muchos otros tipos de células. La investigación de Rossi se basó en trabajos anteriores de Katalin Karikó y Drew Weissman, de la Universidad de Pensilvania, que habían utilizado el ARNm modificado químicamente para reducir, pero no eliminar, las reacciones inmunitarias innatas adversas en los animales. En las conversaciones con Langer, a Afeyan le pareció interesante el enfoque general, pero no por la posibilidad de reprogramar las células adultas en células madre de tipo embrionario. En cambio, se preguntó si sería posible utilizar el ARNm para dar instrucciones a las células para que fabriquen fármacos, una idea que existe desde hace décadas, pero que aún no se ha hecho realidad.

Sobre la base de este y otros debates, Afeyan y Doug Cole, socio gerente de Flagship, emprendieron una exploración de siete meses en Flagship Labs, la fundición de innovación de la empresa, para explorar la pregunta: «¿Y si pudiéramos crear un ARNm modificado que, al introducirse en los pacientes, convirtiera sus propias células en fábricas en miniatura que fabricaran cualquier fármaco bioterapéutico que queramos?» Nadie había diseñado nunca con éxito el ARNm para usarlo como medicamento ni había demostrado que podía hacerse. Afeyan y Cole discutieron la viabilidad de la idea con científicos de diversas disciplinas, que van desde la biología molecular y celular hasta la ingeniería biológica y la nanotecnología. Luego contrataron a dos jóvenes investigadores del laboratorio del ganador del Premio Nobel Jack Szostak, pionero en la biología del ARN, para abordar la pregunta: «¿Podría el ARNm permitir a los pacientes crear sus propios productos terapéuticos?»

La exploración de esta pregunta generó docenas de acertijos más. Estudios de laboratorio in vitro anteriores habían demostrado tener éxito en la reducción de las respuestas inmunitarias innatas al ARNm sintético, pero incluso después de modificaciones químicas, cuando el ARNm se ponía en las células, desencadenaba reacciones inmunitarias que seguían siendo demasiado altas como para permitir su uso en animales o para dosis repetidas. No se habían identificado las vías bioquímicas específicas responsables de las reacciones inmunitarias. El equipo se preguntó si diferentes modificaciones químicas conducirían a respuestas inmunitarias innatas menos intensas. También surgieron preguntas relacionadas con la estabilidad. Las moléculas de ARNm son intrínsecamente inestables y propensas a degradarse en el torrente sanguíneo. Investigaciones anteriores con otros tipos de ARN habían descubierto modificaciones químicas que los hacían más estables. ¿Se podría modificar el ARNm de la misma manera? (No, resultó. A diferencia de los demás ARN, las moléculas de ARNm tuvieron que sobrevivir a dos procesos, la transcripción y la traducción, y las modificaciones interfirieron en ambos.) ¿Qué modificaciones alternativas podrían funcionar? De nuevo, no había datos sobre animales en esta y otras preguntas. Nadie, por ejemplo, sabía adónde iba realmente el ARNm tras la inyección en un animal. Nadie sabía si el ARNm sintético resistiría la degradación o, si lo hacía, si se podía introducir suficiente cantidad en las células para fabricar proteínas. Suponiendo que pudiera entregar cantidades suficientes a las células para estimular la producción, nadie sabía si las proteínas se «plegaban» correctamente en las formas tridimensionales necesarias para su correcto funcionamiento. Y suponiendo que se pudieran fabricar proteínas funcionales, estaba lejos de ser seguro que se pudieran producir cantidades terapéuticamente significativas. Estas preguntas no solo nunca se habían investigado, sino que ni siquiera se habían creado las herramientas para abordarlas.

Varios meses después, el equipo tenía muchas preguntas difíciles y pocas respuestas. Los miembros del equipo de proyecto de ProtoCo LS18, como se llamaba a la empresa de prototipos, creían que habría un enorme valor comercial si podían responder a esas preguntas. Y con tan poca investigación previa en la zona, muchos de sus avances serían patentables. En otoño de 2010, Flagship comenzó a solicitar patentes que cubrían nuevas modificaciones químicas y composiciones terapéuticas del ARNm. En 2011, la iniciativa pasó a llamarse Moderna y sus científicos se mudaron a un laboratorio en First Street, en Cambridge. El equipo pasó los seis meses siguientes inyectando a los ratones varias combinaciones de ARNm modificado químicamente. Como era de esperar, muchas de las moléculas no sobrevivieron a la transcripción y la traducción. Pero algunos sí. Algunos de los ratones empezaron a producir proteínas que de otro modo no habrían producido, primero en cantidades pequeñas y luego en cantidades más grandes. Esa fue la primera prueba real de viabilidad científica.

Florian Sommet es fotógrafo de bodegones y belleza y vive en París y Düsseldorf. Su esposa (y estilista de utilería), Jana, proviene de la medicina, lo que influye en su enfoque de la fotografía de naturaleza y botánica. Florian Sommet/Trunk Archive

La historia de Moderna ilumina varios aspectos destacados del proceso de avance. En primer lugar, los avances surgen de la acumulación de numerosos avances, algunos grandes y otros pequeños. No hubo un momento preciso de «ajá» en el que se produjo el avance del ARNm. De hecho, no hubo un solo avance en el ARNm: la plataforma de ARNm de Moderna se creó sobre la base de una constelación de tecnologías, métodos, técnicas y conocimientos que evolucionaron con el tiempo. Por ejemplo, el equipo se dio cuenta desde el principio de que, dado que el sistema inmunitario consideraba que el ARNm inyectado era extraño y hostil, atacaba las moléculas e impedía la producción de las proteínas deseadas. Resolver este problema, que implicaba desarrollar formas patentadas de empaquetar el ARNm para que pudiera evadir el sistema inmunitario y llevarlo a las células correctas del cuerpo, llevó años.

En segundo lugar, los avances no requieren centrarse inicialmente en un problema o necesidad específica del usuario. La investigación de Flagship comenzó con especulaciones en torno a un caso de uso muy amplio: ¿podría usarse el ARNm como una nueva modalidad de fármaco? Pero no había ninguna enfermedad en particular que curar ni que fuera necesario tratar al usuario. Aunque Moderna es más conocida hoy en día por su vacuna contra la COVID-19, las vacunas contra las enfermedades infecciosas no fueron una parte importante de la idea inicial de la empresa, ni tampoco lo fueron las terapias contra el cáncer u otros tipos de vacunas, que ahora constituyen otro objetivo importante de la empresa. La búsqueda de aplicaciones prácticas evolucionó con una comprensión más profunda de la tecnología.

Por último, los avances se originan en conjeturas muy especulativas, incluso aparentemente irrazonables. La pregunta «¿Y si el ARN mensajero pudiera ser un fármaco?» era puramente hipotético en 2010. (Ya en el verano de 2020, muchos expertos se mostraron escépticos ante la viabilidad de las vacunas basadas en el ARNm contra la Covid). Pero ese era el punto. El único propósito de la pregunta hipotética era enmarcar y apuntar a la exploración. No tenía que ser correcto para tener éxito. De hecho, muchas conjeturas iniciales sobre el ARNm resultaron ser erróneas, pero se generaron otras ideas importantes a lo largo del camino. Aunque nadie podía predecir adónde llevaría la exploración, el proceso no fue ni aleatorio ni caótico. El concepto evolucionó y la solución surgió a través de un conjunto de actividades altamente estructuradas que implicaban la generación de varianzas y la presión de selección.

Examinemos esos dos elementos del proceso de descubrimiento emergente con mayor profundidad.

Generación de variaciones: iniciar un «¿Y si?» Hipótesis

Con la innovación, la generación de variaciones no es espontánea, como lo es en el mundo natural. Debe ser instigado por personas que buscan nuevas formas de hacer las cosas o que buscan nuevos entendimientos. Pero la mayoría de las veces, los equipos de innovación limitan su pensamiento a ajustes y refinamientos de las ideas que se sabe que funcionan. Por ejemplo, las ideas para hacer que los coches ahorren más combustible y dañen menos el medio ambiente durante muchas décadas consistieron en mejoras graduales en el diseño de los motores (añadir turbocompresores, utilizar la electrónica para controlar la combustión con mayor precisión), hacer que los vehículos sean más livianos y añadir dispositivos como convertidores catalíticos. Todas estas mejoras se basaron en el motor de combustión interna como punto de partida. La innovación innovadora requiere contemplar alternativas que vayan más allá de los horizontes científicos, tecnológicos, de diseño o económicos actuales. Los vehículos eléctricos no fueron factibles hasta que las baterías de iones de litio adquirieron la suficiente eficiencia, gracias a los avances generados en el negocio de la electrónica portátil. Esos saltos no se dan de forma natural. De hecho, los sesgos cognitivos, los incentivos desalineados, la adhesión a los dogmas y otras fuerzas suelen obstaculizar la especulación. Se necesitan procesos que nos ayuden a superar estas barreras.

El proceso de generación de varianzas de Flagship, que está diseñado para crear avances en ámbitos antes inexplorados, excluye explícitamente las áreas de la ciencia en las que ya se han fundado otras empresas o en las que la investigación previa es exhaustiva. A pequeños equipos interdisciplinarios de científicos y altos directivos de Flagship (todos ellos con formación científica) se les asigna la tarea de explorar dominios específicos (por ejemplo, la aplicación de la inteligencia artificial al descubrimiento de fármacos). Como los equipos de exploración trabajan en áreas en las que se ha realizado poco trabajo científico previo, no pueden seguir el proceso típico de leer la literatura, identificar las lagunas y, a continuación, abordarlas. En cambio, comienzan por hacer una serie de preguntas hipotéticas derivadas de una exploración rigurosa de varias ramas de la ciencia.

Por ejemplo, sabemos que el cuerpo humano contiene o, mediante el consumo de alimentos, interactúa con muchas formas de vida diferentes: células animales, hongos, bacterias, plantas, virus y otros organismos unicelulares. Ese hecho podría llevar a hacerse preguntas como: ¿Qué hacen todas estas formas de vida en nuestro cuerpo y cómo interactúan entre sí? ¿Hay comunicación molecular entre estas formas de vida? ¿Las bacterias de nuestro cuerpo trabajan con nuestras propias células para llevar a cabo funciones metabólicas, inmunológicas e incluso neuronales? (Resulta que la respuesta a todas esas preguntas es sí.) Esto, a su vez, lleva a conjeturas especulativas: ¿Y si pudiéramos desarrollar medicamentos que utilizaran estas redes para mejorar nuestra salud? Preguntas hipotéticas como esa fueran la base de Senda Biosciences, de Flagship, una empresa centrada en las aplicaciones sanitarias de la biología intersistémica.

Aunque son especulativas, las buenas preguntas sobre qué pasaría si se basan en una comprensión profunda de los fenómenos biológicos. (Por ejemplo, el ecosistema humano contiene muchas formas de vida; el ARN mensajero desempeña un papel fundamental en la producción de proteínas dentro de las células). Se obtienen al investigar rigurosamente lo que se sabe y se desconoce sobre sistemas biológicos específicos. Por ejemplo, a partir de 2014, un equipo insignia lanzó una exploración de formas de utilizar los glóbulos rojos humanos como agentes terapéuticos. En ese momento, otros científicos estaban desarrollando células T modificadas como una nueva modalidad de lucha contra el cáncer. Esto llevó al equipo a preguntarse: «¿Y si pudiéramos producir glóbulos rojos modificados genéticamente (el tipo de célula más abundante del cuerpo) que contuvieran una o más proteínas terapéuticamente activas en su interior o en su superficie como nuevo tipo de medicamento?» En ese momento, no había datos que sugirieran que esas células pudieran fabricarse o que fueran funcionales. La empresa, ProtoCo LS24, se convirtió más tarde en Rubius Therapeutics.

El proceso de generación de variaciones también requiere una colaboración interdisciplinaria sólida. Las empresas de Flagship podrían reunir, por ejemplo, a un ingeniero químico, un biólogo computacional, un biólogo celular y un oncólogo, una gama de perspectivas que en sí misma es una fuente de generación de variaciones. La investigación ha establecido que los equipos interdisciplinarios que funcionan bien amplían el alcance de la exploración al combinar dominios de conocimiento que antes eran dispares.

Florian Sommet/Trunk Archive

Hacer preguntas hipotéticas es una técnica tan antigua como Aristóteles, pero esta herramienta creativa, aparentemente simple, suele ser bastante difícil de usar en la práctica. Según nuestra experiencia, tres cosas se interponen.

Error #1: Hay que demostrar rápidamente que la hipótesis es correcta.

Los equipos de innovación suelen verse presionados para que validen sus hipótesis desde el principio. Pero hacerlo crea una «atracción gravitacional intelectual», un sesgo en contra de aventurarse demasiado lejos de su base de conocimientos conocida. La pregunta de qué pasaría si debería ser un punto de partida puramente especulativo, una conjetura que pase a ser el centro de la experimentación, las pruebas, la reevaluación y la evolución intensivas e iterativas. En Flagship, se reconoce explícitamente que estas hipótesis no tienen por qué ser ciertas en el momento en que se plantean. Todo el mundo asume que tiene defectos; al fin y al cabo, cuando se trabaja en un territorio inexplorado, es prácticamente imposible que su suposición inicial sea correcta al 100%.

Error #2: La pregunta de qué pasaría si debe abordar un problema específico.

El descubrimiento basado en problemas, que organizaciones como la Agencia de Proyectos de Investigación Avanzada de Defensa (DARPA) de los Estados Unidos han utilizado con mucho éxito, comienza con un problema objetivo que resolver (por ejemplo, cómo diseñar un avión hipersónico capaz de volar 20 veces la velocidad del sonido). La trayectoria de DARPA demuestra que este enfoque puede ser eficaz. Sin embargo, la exitosa trayectoria de Flagship sugiere que no es necesario centrarse exclusivamente en un problema específico para lograr una innovación innovadora y que, en algunas circunstancias, no tener uno conduce a más creatividad. En las primeras fases de la exploración, Flagship considera amplios ámbitos potenciales de aplicaciones o casos de uso en lugar de problemas o mercados específicos. Por ejemplo, el proceso de exploración de otra de las empresas de Flagship, Generate Biomedicines, no estuvo motivado por el deseo de tratar una enfermedad en particular, sino que comenzó como una investigación sobre si la inteligencia artificial podía utilizarse para ampliar el arsenal de posibles medicamentos biológicos. Esto llevó al desarrollo de una plataforma computacional capaz de generar proteínas bioterapéuticas completamente nuevas.

Ninguno de los dos enfoques es mejor que el otro, pero cada uno se adapta a diferentes tipos de organizaciones y estrategias. La DARPA, por su misión institucional, se enfrenta a una serie de problemas militares muy específicos que busca resolver. Por lo tanto, su enfoque basado en los problemas se ajusta a su estrategia. Pero las organizaciones que buscan una innovación rompedora en ámbitos inexplorados necesitan mucha más libertad para la investigación inicial y un alcance de exploración ampliado. De hecho, al empezar con hipótesis sobre soluciones y problemas, una exploración puede alternar entre las dos para encontrar coincidencias novedosas.

Error #3: La hipótesis puede ser confusa e imprecisa.

Las hipótesis no deben ser visiones amorfas, deben ser afirmaciones concretas de cómo se podría hacer algo. El hecho de que sean especulativos no significa que puedan ser vagos o escasos en cuanto a detalles. Esto puede parecer contradictorio. Al fin y al cabo, ¿por qué preocuparse por los detalles en una fase temprana, cuando es muy probable que la solución propuesta no resulte correcta? Los detalles son importantes porque proporcionan un punto focal para la posterior consulta, prueba y evolución. Sin ellos, es difícil saber qué preguntas hacer a continuación y qué experimentos podrían ser fundamentales para realizar. Considere la diferencia entre las dos hipótesis siguientes: «¿Y si pudiéramos crear un coche que se condujera por sí mismo?» en lugar de «¿Y si pudiéramos crear un sistema de conducción totalmente autónomo con un conjunto de sensores LIDAR de 360 grados, sensores infrarrojos y ultrasónicos, cámaras montadas en la parte delantera, trasera y lateral del vehículo, un ordenador de a bordo capaz de realizar 30 billones de operaciones de punto flotante por segundo, inteligencia artificial, GPS con una precisión de un metro y telemetría de vehículo a vehículo en tiempo real?» Es difícil saber cómo reaccionar ante la primera pregunta que no sea decir algo (no especialmente útil) como: «Vaya, suena guay». La segunda propuesta, concreta, suscita una serie de preguntas, como «¿Son suficientes 30 billones de operaciones de punto flotante por segundo?» y «¿Qué tipo de telemetría vehicular se necesita?» Obviamente, al principio de una exploración, es poco probable que se sepa lo suficiente como para formular una hipótesis muy precisa, pero el objetivo debería ser llegar a esas hipótesis lo antes posible. Piense en las hipótesis (Flagship suele sembrar un espacio con más de uno) como destinos alternativos. Si no tiene claro adónde quiere llegar eventualmente, es difícil elegir una dirección e imposible saber si está progresando.

Presión de selección: Llegar a «Resulta que»

En la naturaleza, la variación es solo el primer paso de la evolución. La presión selectiva a través de la competencia por los recursos (por ejemplo, los alimentos) determina qué variaciones genéticas (picos más largos, por ejemplo) sobreviven y cuáles no. Aplicar presión de selección en el ámbito de la innovación hace que se cuestionen y refinen las hipótesis sin descanso. Esto se puede hacer por varios medios, como la recopilación y el análisis de datos, la experimentación formal y la solicitud de opiniones y críticas de expertos externos. Flagship utiliza todos esos medios. Presenta sus hipótesis a una amplia red de científicos, sabiendo muy bien que muchos se mostrarán escépticos y reconociendo que incluso los más escépticos de ellos (el que dice: «Esa idea nunca funcionará») tendrán información valiosa que ayudará a hacer evolucionar las ideas. A través de estos debates, los miembros del equipo de Flagship aprenden sobre la ciencia anterior que puede ser relevante y sobre las personas que pueden tener una experiencia útil.

Si la presión de selección funciona, surgirán defectos en las hipótesis iniciales. En algunos casos, los defectos pueden ser tan profundos que justifican abandonar o replantearse el concepto básico. Al principio, se llevan a cabo «experimentos asesinos» para determinar si una idea se enfrenta a un obstáculo impenetrable. Por ejemplo, en los primeros días del programa de investigación de Moderna, los experimentos tenían como objetivo entender mejor las propiedades inmunogénicas del ARNm y si se podía evitar la respuesta inmunitaria, porque si no se podía, la idea de utilizar el ARNm como fármaco estaría muerta.

A menos que el equipo descubra un defecto fatal en la hipótesis principal, seguirá haciendo evolucionar la idea y se preguntará: «¿Qué nos perdimos? ¿Qué debemos cambiar? ¿Cuál es el próximo experimento?»

En muchos casos, incluso un experimento «fallido» proporciona un punto de partida para seguir investigando o desarrollar hipótesis alternativas. Con cada iteración, las hipótesis se descartan, confirman o refinan, y las ideas principales sobre lo que es posible y útil evolucionan hasta que se crea un invento práctico. Flagship se refiere a esto como el momento en que la pregunta de qué pasaría si se transforma en una declaración de «resulta que».

Un elemento clave de la presión de selección implica la integración de diversos conceptos. Flagship suele realizar esfuerzos paralelos para explorar un tema determinado (por ejemplo, el uso de la inteligencia artificial para descubrir nuevos fármacos). El objetivo de los esfuerzos paralelos no es fomentar la competencia interna que acabe con el «perdedor» (como se hace a menudo en las grandes empresas), sino ampliar el aprendizaje y encontrar el camino a seguir. En algunos casos, cuando hay dos o más esfuerzos paralelos, cada uno puede tener una pieza del rompecabezas, pero no del todo, y sería mejor que los dos se fusionaran. Por ejemplo, Flagship lanzó dos proyectos en 2013 para explorar si hay cepas de bacterias en nuestros intestinos que puedan controlar las células inmunitarias, para activar la respuesta inmunitaria o suprimirla. Los dos desarrollaron sus propios enfoques de investigación y generaron pruebas de concepto de que esas bacterias estaban presentes y, si se convertían en cepas monoclonales, podían ser potentes moduladores inmunitarios. La decisión de combinar los esfuerzos y desarrollar una plataforma común para descubrir y producir nuevos medicamentos orales dio lugar a Evelo Biosciences, de Flagship.

Este enfoque de la experimentación es diferente al que emplean muchas organizaciones, incluidas las firmas de capital riesgo y las agencias de financiación. Los experimentos se utilizan normalmente como herramientas de filtrado en un enfoque de la innovación centrado en el gol. En el proceso de descubrimiento emergente, los experimentos son herramientas de investigación, diseñadas para encontrar el camino a seguir. Cuando un experimento no apoya una hipótesis, se espera que los miembros del equipo del proyecto busquen las causas principales para ampliar la comprensión. A menos que el equipo descubra un defecto fatal en la hipótesis principal, seguirá haciendo evolucionar la idea y se preguntará: «¿Qué nos perdimos? ¿Qué es un enfoque alternativo? ¿Qué debemos cambiar? ¿Cuál es el próximo experimento?»

Por ejemplo, en los primeros días de la empresa que se convirtió en Axcella Health, el equipo insignia se centró en producir proteínas recombinantes con beneficios terapéuticos compuestas por los aminoácidos que se encuentran comúnmente en el cuerpo humano. Si bien esto era posible en teoría, resultó ser extraordinariamente difícil fabricar las proteínas en las cantidades requeridas, con el nivel de pureza necesario y a un coste razonable. Pero ese obstáculo llevó a otra idea: ¿Por qué no utilizar combinaciones cuidadosamente diseñadas de los propios aminoácidos (que están fácilmente disponibles) como componentes de los fármacos en lugar de intentar producir una proteína que los contenga? Otros experimentos validaron esta nueva idea y proporcionaron una vía de desarrollo incluso más rápida de lo previsto con el enfoque original.

Leer más sobre Innovación

El Edison de la medicina, Innovación en las «Fuerzas Especiales»: cómo DARPA ataca los problemas, La dura verdad sobre las culturas innovadoras, La gran idea: ¡financiar Eureka!

El descubrimiento emergente puede parecer muy arriesgado y caro. Pero los procesos iterativos, si se diseñan y gestionan correctamente, pueden ser bastante eficaces. La clave es hacer que cada iteración sea lo más barata y rápida posible, en lugar de centrarse en hipótesis. Flagship mantiene intencionalmente las primeras fases de exploración y las pruebas experimentales lo más sencillas posible. El objetivo es establecer la viabilidad de una idea con una inversión de no más de 1 millón de dólares a 2 millones de dólares en seis a 12 meses. Solo después de que esta fase haya demostrado un camino razonable a seguir, se formará una empresa y se realizarán mayores inversiones de capital. El objetivo de este proceso iterativo es maximizar la «ratio entre aprender y quemar», es decir, generar la máxima información de cada dólar gastado.

Fomentar una cultura emergente del descubrimiento

Un proceso disciplinado y bien definido es solo una parte de lo que se necesita para practicar el descubrimiento emergente. Es igual de importante tener la mentalidad, la cultura y las conductas de liderazgo adecuadas. Estas son tres de las más críticas:

Hacer que sea aceptable abordar lo irrazonable.

Casi por definición, los avances en sus etapas embrionarias desafían las teorías, los principios y los límites de la experiencia existentes. Como tales, deben considerarse actos de fe. Así que para fomentar el descubrimiento emergente en su organización, tiene que hacer que sea aceptable considerar lo que parece imposible. Al principio del proceso, los líderes y los miembros del equipo deben estar dispuestos a suspender la incredulidad y a reservarse el juicio sobre si una hipótesis es cierta o no. Preguntas comunes (y muy razonables) como «¿Por qué cree que es cierto?» y «¿Cómo sabe que es lo correcto?» tienden a cerrar el proceso de investigación. En vez de eso, haga preguntas como «¿Qué experimento podría realizar para comprobar esa hipótesis?» y «Si su hipótesis es correcta, ¿cuáles son los posibles casos de uso en los que podríamos crear valor?» La forma en que los líderes reaccionan ante las primeras hipótesis influye en gran medida en que las ideas más creativas se acaben o tengan la oportunidad de convertirse en algo impactante.

Aproveche las opiniones de sus críticos para hacer que sus ideas sean aún mejores.

Las innovaciones revolucionarias suelen desafiar los dogmas prevalecientes, el conjunto de creencias colectivas sobre lo que es posible y lo que es aceptable. Desafiar el dogma también significa desafiar a las personas (las «principales autoridades») que se han construido una reputación en torno a su veracidad. La historia nos dice que las personas que desafían la sabiduría convencional suelen ser acusadas de imprudencia, incompetencia o algo peor.

Los líderes deben hacer que sea aceptable desafiar los dogmas. Considere la práctica común de contratar a expertos externos para que examinen las ideas generadas internamente o para que actúen con la debida diligencia en las inversiones propuestas. En principio, tener esa entrada externa es una buena idea. Pero con demasiada frecuencia, estos expertos se convierten en defensores de la sabiduría convencional. Un enfoque mejor es utilizarlos para mejorar las ideas, identificando una suposición crítica que deba ponerse a prueba, por ejemplo. Si involucramos a los escépticos y podemos tolerar sus críticas, a veces escaldadas, podemos aprender mucho sobre lo que tenemos que hacer para hacer avanzar nuestras ideas.

Que se trate de ideas, no de propiedad personal.

Emergent Discovery reconoce explícitamente que las ideas se construyen con el tiempo con las contribuciones de muchas personas. La mala idea de una persona el mes pasado podría ser la base esencial para el anticipo de otra persona este mes. Los dos son igual de importantes para el proceso. Perseguir el descubrimiento emergente en su organización requiere una cultura en la que las ideas no sean «propiedad» de los individuos sino que se consideren parte del patrimonio intelectual de la empresa. Desconectar las ideas de las personas también significa que una idea fallida no es un fracaso personal. En consecuencia, el descubrimiento emergente funciona mejor si los equipos que participan en un esfuerzo comparten incentivos y recompensas.

Líder en Emergent Discovery

La idea de que la innovación innovadora es un proceso aleatorio y caótico que depende en gran medida de los poderes visionarios de los genios superdotados hace que muchas organizaciones duden en adoptarla como elemento central de la estrategia. Eso es lamentable dado el enorme valor que los avances producen para la sociedad y las empresas que los crean. Pero el proceso no tiene nada de misterioso ni mágico. La innovación innovadora puede surgir a través de un proceso riguroso y disciplinado de saltos intelectuales, búsqueda iterativa, experimentación y selección. El descubrimiento emergente es un proceso repetible que se puede aprender.

Sin embargo, dominarlo requiere algo más que entender la mecánica del proceso. Exige una organización en la que las personas, especialmente los líderes, adopten la mentalidad y el comportamiento correctos. Deben estar dispuestos a considerar ideas que parecen poco razonables y a suspender la sentencia al principio del proceso de descubrimiento. Deben abrazar el aprendizaje mediante la experimentación rigurosa y el fracaso y priorizar las contribuciones colectivas por encima de la propiedad personal de las ideas.

En última instancia, que una organización adopte estos hábitos depende en gran medida del comportamiento de sus líderes. Perseguir una innovación rompedora es tanto un desafío de liderazgo como técnico. Si la catástrofe de la COVID-19 nos ha enseñado algo, es que el mundo puede cambiar drásticamente en poco tiempo. De cara al futuro, todas las empresas deben desarrollar la capacidad de ir más allá de las zonas de confort existentes. Ahora, más que nunca, necesitamos líderes que puedan impulsar una innovación rompedora.