Swarm Intelligence: una forma completamente nueva de pensar en los negocios

Hace poco más de un año, Southwest Airlines tenía problemas con sus operaciones de carga. A pesar de que el avión normal utilizaba solo 7% de su espacio de carga, en algunos aeropuertos no había suficiente capacidad para dar cabida a las cargas regulares de carga, lo que provocaba cuellos de botella en todo el sistema de rutas y manipulación de carga de Southwest. En ese momento, los empleados intentaban cargar carga en el primer avión que iba en la dirección correcta, una estrategia aparentemente razonable. Pero por eso, los trabajadores dedicaban una cantidad innecesaria de tiempo a mover carga y, a veces, a llenar aviones innecesariamente.

Para resolver su problema, Southwest recurrió a una fuente poco probable: las hormigas. En concreto, los investigadores analizaron la forma en que las hormigas se alimentan, utilizando reglas simples, encontrando siempre rutas eficientes hacia las fuentes de alimento. Cuando aplicaron esta investigación al problema de Southwest, descubrieron algo sorprendente: puede ser mejor dejar la carga en un avión que inicialmente va en la dirección equivocada. Si, por ejemplo, quisieran enviar un paquete de Chicago a Boston, sería más eficiente dejarlo en un avión con destino a Atlanta y luego a Boston que despegar y ponerlo en el siguiente vuelo a Boston.

Aplicar este conocimiento ha reducido las tarifas de transferencia de carga hasta en un 80%% en las estaciones de carga más transitadas, redujo la carga de trabajo de las personas que mueven la carga hasta en un 20%% y redujo drásticamente el número de transferencias nocturnas. Eso ha permitido a Southwest reducir sus instalaciones de almacenamiento de carga y minimizar los costes salariales. Además, ahora hay menos aviones que vuelan a toda máquina, lo que abre importantes oportunidades para que la empresa genere nuevos negocios. Gracias a las mejoras, Southwest estima una ganancia anual de más de$ 10 millones.

Investigaciones similares sobre el comportamiento de los insectos sociales han ayudado a varias empresas, incluidas Unilever, McGraw-Hill y Capital One, a desarrollar formas más eficientes de programar el equipo de las fábricas, dividir las tareas entre los trabajadores, organizar a las personas e incluso trazar estrategias.

¿Qué información valiosa contienen las hormigas, las abejas y otros insectos sociales? Pensemos en las termitas. Individualmente, tienen poca inteligencia. Y trabajan sin supervisión. Sin embargo, colectivamente construyen montículos que son maravillas de la ingeniería, capaces de mantener la temperatura ambiente y niveles cómodos de oxígeno y dióxido de carbono incluso a medida que el nido crece. De hecho, para los insectos sociales, el trabajo en equipo se autoorganiza en gran medida y se coordina principalmente a través de las interacciones de los miembros individuales de la colonia. Juntos pueden resolver problemas difíciles (como elegir la ruta más corta hacia una fuente de alimento entre innumerables vías posibles), aunque cada interacción pueda ser muy sencilla (una hormiga simplemente sigue el rastro dejado por otra). El comportamiento colectivo que surge de un grupo de insectos sociales se ha denominado «inteligencia de enjambre».

¿Qué es Swarm Intelligence?

Los insectos sociales trabajan sin supervisión. De hecho, su trabajo en equipo se autoorganiza en gran medida y la coordinación se debe a las diferentes interacciones entre las

…

Sin duda, muchos gurús de los negocios han abusado de las metáforas biológicas y han creado historias ingeniosas para explicar los problemas o éxitos pasados de las empresas mediante el uso de analogías de las ciencias de la vida. Pero el campo emergente de la inteligencia de enjambres es mucho más profundo. Durante los últimos 20 años, otros investigadores y nosotros hemos desarrollado modelos matemáticos rigurosos para describir el comportamiento de los insectos sociales, y ahora estamos aplicando esas técnicas a los problemas empresariales. Como han demostrado Southwest y otros usuarios pioneros, los resultados preliminares han sido prometedores.

En esencia, creemos que los insectos sociales han tenido tanto éxito (se encuentran en casi todas partes de la ecosfera) debido a tres características:

• flexibilidad (la colonia puede adaptarse a un entorno cambiante);

• solidez (incluso cuando una o más personas fracasan, el grupo puede seguir realizando sus tareas); y

• autoorganización (las actividades no se controlan centralmente ni se supervisan localmente).

Los ejecutivos de negocios se identifican fácilmente con los dos primeros atributos, pero a menudo se resisten al tercero, que es quizás el más intrigante. A través de la autoorganización, el comportamiento del grupo surge de las interacciones colectivas de todos los individuos. De hecho, uno de los principales temas que se repiten en la inteligencia de enjambres (y en la ciencia de la complejidad en general) es que, incluso si las personas siguen reglas simples, el comportamiento grupal resultante puede ser sorprendentemente complejo y notablemente eficaz. Y, en gran medida, flexibilidad y solidez resultado de la autoorganización.

En busca de soluciones

Para entender el poder de la autoorganización, considere cómo ciertas especies de hormigas son capaces de encontrar el camino más corto hacia una fuente de alimento simplemente colocando y siguiendo rastros químicos. Las hormigas individuales emiten una sustancia química, una feromona, que luego atrae a otras hormigas. En un caso sencillo, dos hormigas abandonan el nido al mismo tiempo y toman diferentes caminos hacia una fuente de alimento, marcando sus senderos con feromonas. La hormiga que tomó el camino más corto regresará primero y ahora este sendero estará marcado con el doble de feromonas (del nido a la comida y viceversa) que el camino tomado por la segunda hormiga, que aún no ha regresado. Sus compañeros de nido se sentirán atraídos por el camino más corto debido a su mayor concentración de feromonas. A medida que más y más hormigas toman esa ruta, también depositan feromonas, lo que amplifica aún más el atractivo del sendero más corto. El comportamiento eficiente de la colonia se debe a la actividad colectiva de los individuos que siguen dos reglas muy básicas: poner feromonas y seguir los rastros de los demás.

Las variaciones de este enfoque simple pero poderoso pueden ayudar a resolver varios problemas empresariales. Pensemos en el entorno impredecible de una red de telecomunicaciones, en el que una llamada de teléfono de un lugar a otro (de París a Honolulú, por ejemplo) generalmente tiene que pasar por varios nodos intermedios (quizás Nueva York y San Francisco). Un sistema de este tipo requiere un mecanismo de enrutamiento que indique a cada llamada dónde debe saltar después para establecer la conexión, y un buen método de enrutamiento evite las congestiones y minimice los retrasos. Las rutas de respaldo son especialmente valiosas cuando las condiciones del tráfico cambian drásticamente, por ejemplo, cuando una tormenta en un aeropuerto o una competencia telefónica en la televisión provocan aumentos localizados del tráfico telefónico, lo que requiere que los mensajes se desvíen sobre la marcha a las partes menos congestionadas de la red.

Investigadores de los laboratorios de Hewlett-Packard en Bristol (Inglaterra) han desarrollado un programa de ordenador basado en los principios de la búsqueda de hormigas que dirige esas llamadas de manera eficiente. En el programa, hordas de agentes de software deambulan por la red de telecomunicaciones y dejan fragmentos de información (considérelos como «feromonas digitales») para reforzar las rutas a través de áreas descongestionadas. Luego, las llamadas telefónicas siguen las huellas dejadas por los agentes parecidos a hormigas. Para ajustar el software, los investigadores han añadido un mecanismo que evapora continuamente la feromona digital, lo que permite al programa adaptarse rápidamente a los cambios en las condiciones del tráfico. Cuando una ruta que antes era rápida se congestiona, los agentes que la siguen se retrasan y el mecanismo de evaporación supera el proceso de refuerzo. Pronto se abandona esa ruta y los agentes descubren (o redescubren) alternativas y las explotan. Las ventajas son dobles: cuando las llamadas se desvían a través de las mejores partes de la red, el proceso no solo permite que las llamadas se tramiten rápidamente, sino que también permite que las áreas congestionadas se recuperen de la sobrecarga. Por lo tanto, la solución basada en hormigas tiene las ventajas inherentes a los sistemas inteligentes de enjambre: flexibilidad, solidez y autoorganización.

France Télécom, British Telecom y MCI WorldCom han tomado la iniciativa desde el principio en el diseño de estos métodos de enrutamiento basados en hormigas. Pero la mejor aplicación podría estar en Internet, donde el tráfico es tremendamente impredecible. Marco Dorigo, de la Universidad Libre de Bruselas, y sus colegas han adaptado el enrutamiento basado en hormigas para gestionar el tráfico de Internet. Los resultados de la simulación indican que su técnica supera a todos los métodos de enrutamiento existentes, incluido el protocolo que utiliza Internet actualmente, tanto para maximizar el rendimiento como para minimizar los retrasos.

La aplicación definitiva de los métodos de enrutamiento basados en hormigas podría estar en Internet, donde el tráfico es tremendamente impredecible.

Los modelos de búsqueda de hormigas también pueden ayudar a enrutar de manera eficiente la carga (como en Southwest Airlines) y los vehículos. En un ejemplo de esta última aplicación, Luca Gambardella y sus colegas del Istituto Dalle Molle di Studi sull’Intelligenza Artificiale (IDSIA) han desarrollado un programa basado en hormigas que Pina Petroli utiliza para dirigir su flota de camiones a la distribución de gasóleo para calefacción a sus clientes residenciales en Suiza. Varios factores complican la tarea de programación. En primer lugar, los camiones que utiliza Pina Petroli difieren en tamaño, longitud de las mangueras, accesibilidad a las calles, etc. En segundo lugar, los pedidos de los clientes son impredecibles y complejos. Por ejemplo, algunos clientes pueden necesitar un servicio de emergencia; otros tienen plazos de entrega específicos («Estaré en casa solo los miércoles a partir de las 11:00 de la mañana o los viernes de 2:00 a 5:00 de la tarde»). En tercer lugar, otros factores, como las condiciones meteorológicas y del tráfico, varían de forma inesperada. La solución de despacho de camiones de Gambardella gestiona esos factores automáticamente (por ejemplo, una «hormiga» que representa un camión grande no puede visitar ciertos lugares donde las carreteras son demasiado estrechas), al tiempo que minimiza la cantidad de vehículos necesarios y reduce su tiempo total de viaje.

Las variaciones del algoritmo de búsqueda de hormigas también se pueden utilizar para mejorar la eficiencia de las fábricas. Durante años, Unilever, la multinacional de bienes de consumo, tuvo problemas para desarrollar una forma rápida, automática y eficiente de desplegar los equipos en una de sus instalaciones de producción. Los investigadores de la empresa descubrieron que los métodos de optimización tradicionales no podían gestionar las complejidades de una planta de fabricación de líquidos complejos. En una instalación de este tipo, las mezcladoras de productos químicos, los tanques de almacenamiento y las líneas de envasado tienen diferentes restricciones, como su velocidad de operación, la capacidad de conectarse a otros equipos, las capacidades, los tiempos de cambio para cambiar de un producto a otro y el mantenimiento necesario. Otros factores también complican la programación; algunos de los ingredientes de ciertos productos tienen que estar premezclados, por ejemplo. Además, la fábrica tiene que adaptarse a un entorno dinámico en el que la maquinaria puede averiarse sin previo aviso y la demanda de los clientes se ha vuelto cada vez más volátil a medida que los plazos de entrega se han reducido de varias semanas a solo unos días.

Para mejorar su trabajo inicial de desarrollo de un programa en el que cada equipo presente ofertas de trabajo, Unilever recurrió a Bios Group, la consultora con sede en Santa Fe, Nuevo México, que ayudó a Southwest Airlines con sus operaciones de carga. Nuestros colegas de Bios y nosotros nos dimos cuenta de que la solución requería darle un giro al algoritmo de búsqueda de alimento estándar: en lugar de minimizar el tiempo de traslado de algo de un lugar a otro, el programa debía determinar el menor tiempo para realizar una serie de tareas, dadas varias restricciones. Por ejemplo, si la hora de cambio de un equipo puede ser cercana a una hora, el software evita utilizar esa maquinaria para tareas numerosas y breves. De nuevo, mediante el uso de la feromona digital, las hormigas del software encuentran el cronograma «legal» más rápido, uno que asigna las tareas a los recursos y, al mismo tiempo, cumple con todas las restricciones y se asegura de que todos los trabajos se realizan. Al igual que otras aplicaciones de inteligencia de enjambres, el programa Unilever se adapta fácilmente a las condiciones cambiantes. Cuando una pieza de maquinaria se estropea o la demanda de un producto en particular cambia abruptamente, por ejemplo, el software ajusta los horarios de forma rápida y automática.

La tarea de dividir las tareas

La búsqueda de alimento no es el único comportamiento social de los insectos rico en aplicaciones a los negocios. La forma en que los insectos asignan la mano de obra también contiene información valiosa. En una colonia de abejas melíferas, por ejemplo, las personas se especializan en determinadas tareas y, sin embargo, la asignación del trabajo es muy flexible. Cuando la comida escasea, por ejemplo, las abejas nodrizas ayudan buscando comida.

Utilizando las abejas melíferas como modelo, hemos trabajado con Michael Campos, de la Universidad Northwestern, para diseñar un sistema de programación de las cabinas de pintura en una fábrica de camiones. En las instalaciones, las cabinas deben pintar los camiones que salen de una línea de montaje. Cuando es necesario, una cabina puede cambiar el color que utiliza, pero hacerlo lleva mucho tiempo y es caro. Por lo tanto, se puede pensar en las cabinas como abejas melíferas que se rigen por la siguiente regla: una persona realiza las tareas en las que está especializada, a menos que perciba una necesidad importante de realizar otra función. Por lo tanto, una cabina con pintura roja seguirá gestionando pedidos de ese color, a menos que un trabajo marcado como «urgente» requiera un camión blanco y las colas en las otras cabinas, especialmente en las especializadas en blanco, son mucho más largas.

Aunque esta regla suene simplista, en la práctica es sorprendentemente eficaz. Ha permitido a las cabinas de pintura determinar sus propias cargas de trabajo de manera más eficiente (es decir, con menos cambios de color) que si un ordenador centralizado hubiera diseñado los horarios. Y este sistema autoorganizado tiene las ventajas de otros enfoques de inteligencia de enjambre: flexibilidad y solidez. Cuando el número de camiones que hay que pintar de azul aumenta inesperadamente, por ejemplo, otras cabinas renuncian rápidamente a sus colores especiales para dar cabida a los vehículos no asignados. O cuando una cabina de pintura se avería, las estaciones restantes lo compensan dividiendo inmediatamente la carga adicional.

Otro modelo útil de asignación del trabajo es el de las hormigas recolectoras de semillas que llevan la comida de vuelta a su nido. Como los corredores que transfieren una batuta en una carrera de relevos, las hormigas pasan la comida por una cadena. Pero las hormigas no están quietas y sus puntos de transferencia no son fijos: una hormiga lleva la comida por la cadena hasta que llega a la siguiente hormiga y, tras transferir la comida, se da la vuelta hasta que se encuentra con la hormiga anterior de la cadena para recibir su siguiente carga. Los únicos lugares fijos de esta operación son el inicio (la fuente de alimento) y el final (el nido).

Este sencillo enfoque, conocido como «brigada de cubos», puede aumentar drásticamente la eficiencia de las operaciones en las que el trabajo se transfiere de una persona a otra. John Bartholdi de Georgia Tech y Donald Eisenstein de la Universidad de Chicago lo han aplicado a los preparadores de pedidos de un gran centro de distribución de una importante cadena minorista.

Al principio, el almacén utilizaba un enfoque por zonas, en el que cada trabajador era responsable de una parte determinada del pedido y la siguiente persona no podía empezar hasta que la primera persona completara esa tarea. (Supongamos, por ejemplo, que al tramitar un pedido de libros, una persona podría ser responsable de poner primero los libros de biología y, después, otra pondría los libros de negocios). Un problema con los enfoques zonales es la gran variación en los ritmos a los que trabajan los diferentes empleados: la persona más rápida podría ser cuatro veces más rápida que la más lenta. Por lo tanto, los enfoques zonales tienden a infrautilizar a las personas más rápidas y agravan a las más lentas, que están constantemente bajo presión para mantenerse al día. E incluso si todos trabajaran al mismo ritmo, las fluctuaciones de la demanda de los clientes seguirían dificultando la demarcación de las diferentes zonas de responsabilidad para equilibrar la cantidad de trabajo. En el centro de distribución estudiado, un supervisor tuvo que vigilar cada pasillo para corregir las congestiones que se producían inevitablemente.

Bartholdi y Eisenstein implementaron la siguiente regla para cada trabajador: «Siga escogiendo productos para completar el pedido hasta que la persona que está más abajo se haga cargo de su trabajo; luego vaya arriba para hacerse cargo del trabajo de la siguiente persona». Los investigadores también analizaron otras formas de maximizar la productividad. En concreto, se preguntaron si los trabajadores más rápidos deberían estar estacionados al principio de la línea, al final o en algún punto intermedio. ¿O deberían estar ubicados tanto en la salida como en la meta? Mediante simulaciones por ordenador, Bartholdi y Eisenstein han demostrado que la secuencia óptima de trabajadores va del más lento al más rápido. Al implementar esa configuración, los trabajadores del almacén que estudiaron cumplieron 30 años% más productivos de lo que habían estado utilizando el enfoque zonal.

Una vez más, el enfoque de brigada de cubos muestra las tres ventajas de la inteligencia de enjambres. Permite que una línea de trabajo se equilibre por sí sola (es decir, la solución óptima surge sin la intervención de los gerentes) y el sistema también es flexible y robusto, y se adapta fácilmente a cualquier aumento inesperado de la demanda de determinados productos. Se están utilizando variaciones del enfoque de la brigada de cubos en los centros de distribución de McGraw-Hill, Little, Brown, Bantam-Doubleday-Dell Distribution y Blockbuster Music, entre otros.

Las ventajas de la inteligencia de enjambres

Flexibilidad: el grupo puede adaptarse rápidamente a un entorno cambiante. Robustez: incluso cuando una o más personas fracasen, el grupo puede seguir realizando sus tareas.

…

Regla de reglas simples

Quizás la visión más poderosa y fascinante de la inteligencia de enjambres es que un comportamiento colectivo complejo puede surgir de personas que siguen reglas simples. Para los insectos sociales, millones de años de evolución han ajustado esas reglas para lograr una gran eficiencia, flexibilidad y solidez. ¿Pueden los directivos desarrollar reglas similares para moldear el comportamiento de sus organizaciones y reemplazar las rígidas estructuras de mando y control?

Quizás la visión más poderosa de la inteligencia de enjambres es que un comportamiento colectivo complejo puede surgir de personas que siguen reglas simples.

Jim Donehey, cuando era CIO de Capital One, lo probó. La empresa, más conocida por su negocio de tarjetas de crédito, comenzó como una escisión de un banco local y, cuando Donehey se unió a ella en 1994, su grupo de TI tenía solo 150 personas. Sin embargo, gracias a su rápida expansión en diferentes mercados, Capital One creció a un ritmo vertiginoso. Donehey pronto tuvo dificultades para incorporar nuevos empleados a su organización, que en cinco años creció hasta contar con 1800 personas repartidas en diez ciudades, tres de las cuales estaban en el extranjero. Donehey se dio cuenta de que la gestión de mando y control, que parecía eficiente cuando Capital One era pequeña, se estaba volviendo insostenible.

Por esa época, Donehey mantuvo una conversación con nosotros sobre la inteligencia de enjambres y le intrigó la forma en que los insectos sociales pueden realizar tareas de manera eficiente utilizando solo unas cuantas reglas fundamentales. Inspirándose en ese modelo, Donehey ideó cuatro directrices básicas para garantizar que todos los miembros de su organización trabajaran para lograr los mismos objetivos:

1. Alinee siempre las actividades de TI con las de la empresa (es decir, tenga en cuenta los objetivos generales de la empresa).

2. Utilice su buen juicio económico (gaste el dinero como si fuera suyo).

3. Sea flexible (no se encierre en un solo patrón de pensamiento).

4. Tenga empatía por los demás miembros de la organización (cuando la gente le pida que haga algo con lo que no está de acuerdo, póngase en su lugar).

Para reforzar las normas, Donehey distribuyó unas 10 000 fichas de juego en cuatro colores diferentes, que representan el cuarteto de reglas, a todos los directores de empresa de los distintos departamentos de Capital One. Cada uno de ellos recibió instrucciones de entregar chips a las personas del grupo de TI siempre que siguieran alguna de las cuatro pautas. Si un empleado de TI hiciera algo que incorporara las cuatro, un gerente podría nominar a esa persona para un chip especial, que presentaría el propio Donehey. Después de un año, dice Donehey, las normas se arraigaron tanto que se convirtieron en el mantra de la organización de TI. Además de unificar su grupo, Donehey afirma que las normas permitían a su personal tomar decisiones por sí mismos y trabajar con poca administración de arriba hacia abajo. El resultado: la tasa de deserción es inferior a 4%, en comparación con 20% para la industria de TI en su conjunto.

A pesar del éxito de Donehey, la tarea de elaborar las reglas fundamentales adecuadas para dar forma a una organización no suele ser fácil. De hecho, predecir el comportamiento que surgirá incluso con un par de instrucciones sencillas puede resultar sorprendentemente difícil. Imagine, por ejemplo, que está en un cóctel, con un centenar de personas más o menos. Al azar, elige silenciosamente a otras dos personas (llámelas A y B) y, a continuación, sigue esta sencilla regla: colóquese siempre de manera que A quede entre B y usted. Si todos los demás hicieran lo mismo, ¿qué pasaría? Ahora, cambie un poco la regla: colóquese siempre de manera que esté entre A y B. De nuevo, si todos los demás hicieran lo mismo, ¿qué tipo de comportamiento grupal surgiría?

Si siguen la primera regla, las personas se mueven durante horas, ya que tratan continuamente de mantenerse en la posición correcta. Pero si siguen la segunda regla, el resultado será notablemente diferente: en cuestión de segundos, todos se encontrarán agrupados en un solo grupo, casi estacionario.

Este juego trivial contiene dos lecciones importantes. En primer lugar, un comportamiento impredecible (y a menudo contrario a la intuición) puede surgir de reglas muy simples. En segundo lugar, un cambio aparentemente menor en las reglas puede alterar radicalmente el comportamiento del grupo.

Hay una tercera lección importante: aunque predecir el comportamiento colectivo del grupo es una tarea que va más allá del alcance humano, a menudo se puede realizar mediante modelos de simulación. Hemos creado un modelo de ordenador (disponible en www.icosys-tem.net/juego) que permite a los usuarios poner a prueba las dos reglas y observar el comportamiento resultante del público. Estas simulaciones pueden ser herramientas valiosas para predecir qué comportamiento surgirá de un grupo de personas bajo ciertas restricciones. De hecho, la simulación organizacional es actualmente un área de investigación en auge tanto en el mundo académico como en las consultoras. Por ejemplo, nosotros y nuestros compañeros del Centro de Innovación Empresarial Ernst & Young de Cap Gemini hemos creado una simulación para explorar cómo determinadas normas afectan a la rotación, la lealtad, la productividad y el conocimiento de los empleados en Hewlett-Packard.

Esta investigación aún está en pañales y, por supuesto, cualquier gerente debe tener cuidado a la hora de implementar normas que puedan provocar comportamientos imprevistos e indeseables. Dicho esto, varias empresas de Internet ya están avanzando y utilizan las reglas de autoorganización como base para sus negocios. Epinions, iExchange (anteriormente Mutual-Minds) y Plastic.com, entre otros, han aprovechado la sabiduría colectiva de sus usuarios y, básicamente, los han convertido en una fuerza laboral autoorganizada. De hecho, a medida que continúe la tendencia hacia los trabajadores de agentes libres, la noción misma de lo que constituye una empresa puede quedar borrosa hasta quedar irreconocible. Si los equipos de agentes libres se forman proyecto por proyecto, ¿qué tipo de reglas son las mejores para organizar su trabajo?

La empresa de todos modos cree que tiene la respuesta. La empresa emergente con sede en Bellevue, Washington, está trabajando con el Grupo Bios para desarrollar un servicio web que permita a los empleados organizarse y trabajar como enjambres de agentes libres dentro de sus propias empresas. Esta comunidad en línea puede identificar oportunidades estratégicas para la empresa trabajando de forma especulativa o respondiendo a solicitudes específicas de la alta dirección («¿Cómo podemos hacer que nuestro producto sea respetuoso con el medio ambiente?» por ejemplo). A través del servicio de CompanYway, los trabajadores publican sus soluciones, que otros desarrollan y ajustan. El servicio está diseñado para que se autoseleccione: una idea prometedora tiende a llamar la atención de muchas personas, que la refuerzan revisándola y avanzando (trazando un camino) y, luego, toda esta actividad atrae a otras personas a contribuir. El trabajo resultante se puede integrar con las herramientas de toma de decisiones de los ejecutivos para que los gerentes controlen el proceso de desarrollo del producto.

Como recompensa, los trabajadores ganan puntos de mérito en función del valor de sus contribuciones y estos puntos se pueden canjear posteriormente por dinero en efectivo u otras formas de compensación. Incluso la asignación de los puntos se gestiona en gran medida de forma autogestionada y se realiza principalmente mediante la votación y otros mecanismos de retroalimentación entre pares. Las empresas de los sectores farmacéutico y de bienes de consumo están realizando actualmente implementaciones piloto del servicio CompanYway.

Asaltando nuevos mercados

La inteligencia de enjambres también puede ofrecer lecciones importantes para las empresas que buscan encontrar y explotar nuevos mercados. Tenga en cuenta cómo las diferentes especies de hormigas atraen a sus compañeras de nido a nuevas fuentes de alimento. Hay tres formas básicas en las que las hormigas llevan a sus compañeras a nuevas fuentes de alimento. Poner feromonas es una forma de «reclutamiento masivo»: una gran masa de hormigas es atraída por el camino donde la feromona es más fuerte. Sin embargo, en algunas especies, una hormiga que encuentra una fuente de alimento regresa al nido y hace vibrar sus antenas para convencer a otra compañera de nido de que regrese al sitio. Eso se llama «contratación en tándem». En otros casos, una hormiga hace vibrar sus antenas para que la sigan varios compañeros de nido. Eso es «contratación grupal». En los tres casos, las hormigas individuales pueden transmitir información sobre la calidad de una fuente de alimento, ya sea depositando más feromonas o aumentando la frecuencia de las vibraciones de sus antenas.

Pero resulta que un método es mucho más eficaz en determinadas circunstancias, como descubrieron Jean-Louis Deneubourg y sus colegas de la Universidad Libre de Bruselas en una serie de intrigantes experimentos. Colocaron una fuente de alimento a cierta distancia de un nido de hormigas y observaron cómo la colonia comenzaba a asaltar la comida. Luego colocaron una fuente de alimento más rico en un lugar diferente, a la misma distancia del nido. La colonia que utilizó el enfoque de reclutamiento masivo no pudo cambiar a una mejor comida porque el camino hacia la primera fuente ya estaba demasiado reforzado. La colonia, que utilizaba el reclutamiento en tándem, desvió a varios individuos rápidamente, pero el número era demasiado pequeño para aprovechar al máximo la rica fuente de alimento. La colonia que practicaba el reclutamiento en grupo era a la vez flexible y eficiente; rápidamente se reclutaron muchos compañeros de nido para asaltar la fuente superior de alimento.

Curiosamente, el reclutamiento masivo se asocia más a menudo con colonias grandes, el reclutamiento en tándem con colonias pequeñas y el reclutamiento grupal con colonias medianas. Esta correlación no es accidental; millones de años de evolución la han moldeado. Hemos desarrollado modelos matemáticos de los diferentes mecanismos de contratación para explicar esta observación. Para una colonia grande que puede defender sus fuentes de alimento, un rastro fuerte de feromonas tiene sentido desde el punto de vista estratégico, especialmente cuando se descubre una fuente de alimento enorme, como el cadáver de un animal. Las colonias pequeñas son menos capaces de defenderse de los depredadores y los competidores, por lo que una estrategia de búsqueda de alimento flexible es ventajosa, ya que permite a las hormigas pasar rápidamente a otras fuentes de alimento cuando se ven amenazadas. El reclutamiento en grupo parece ideal para colonias de tamaño mediano en entornos impredecibles y que cambian rápidamente: permite a las hormigas explotar una fuente de alimento de manera eficiente y, al mismo tiempo, mantener la flexibilidad y la capacidad de explorar su entorno en busca de fuentes adicionales.

Creemos que estos hallazgos tienen implicaciones para las empresas, ya que el tamaño de una organización, las características de un mercado y el entorno competitivo están relacionados de manera similar en el mundo empresarial. Cuando los mercados son volátiles y efímeros, pero lo suficientemente grandes, y cuando la competencia puede surgir de cualquier parte, la empresa ideal, sugerimos, sería de tamaño mediano (quizás una unidad de negocio dentro de un conglomerado más grande). Y lo que es más importante, creemos que la organización haría bien en contar con mecanismos internos sólidos que permitan —si no fomenten— la contratación grupal.

El ejemplo clásico aquí es Enron. En abril de 1999, Louise Kitchen, entonces directora de las actividades de comercialización de gas de la empresa en Europa, comenzó a contratar personas para una idea que pensaba que iba a cambiar el negocio de Enron: el comercio de energía en línea. Pronto, ese grupo de personas reclutó a otras personas y, en cuestión de meses, un equipo de 300 personas comenzó a trabajar en el desarrollo del sistema, todo ello sin que los altos mandos de la empresa lo supieran. Aunque los reclutados habían estado trabajando en la actividad principal de Enron, la transmisión interestatal de gas, cada uno de ellos podía unirse libremente al proyecto subterráneo o decidir no hacerlo. Por lo tanto, el hecho de que un equipo tan grande se reuniera en tan poco tiempo era un fuerte indicio de que la idea de Kitchen tenía mérito. Hoy, gracias a esta exitosa contratación grupal, esa nueva «fuente de alimento» maneja aproximadamente$ Mil millones de transacciones diarias y ha añadido unos pocos miles de millones de dólares a la capitalización bursátil de Enron.

Algunas empresas han fomentado iniciativas similares de contratación grupal en sus organizaciones. Tomemos como ejemplo Capital One, que en repetidas ocasiones ha podido encontrar y aprovechar nuevas oportunidades. Cuando identificó un nuevo mercado potencial (consumidores que acumulan deudas elevadas pero que finalmente las saldan), inventó el concepto de transferencia de saldo con tipos de interés bajos para atraer a esas personas. Sin embargo, pronto, competidores con mucho dinero empezaron a invadir este mercado copiando el enfoque de Capital One. Así que, como una colonia de hormigas de tamaño mediano que es usurpada por un competidor más grande, la empresa siguió adelante y empezó a buscar otras oportunidades. En 1998, por ejemplo, Capital One se convirtió en la principal empresa de venta directa de servicios de telefonía móvil de los Estados Unidos. Una frase del informe anual de 1996 de la empresa resume la estrategia general de Capital One: «Muchas de nuestras oportunidades de negocio son efímeras. Tenemos que actuar con rapidez para explotarlos y seguir adelante cuando se desvanezcan».

Según George Overholser, vicepresidente de oportunidades de crecimiento de Capital One, la filosofía de la empresa es que los empleados son los principales responsables de las ideas que tienen, no ante sus directivos. Por lo tanto, las personas que tienen ideas deberían encontrar los mejores patrocinadores (que no necesariamente son sus jefes) y contratar a las personas que necesitan. Este sistema, diseñado para fomentar la contratación grupal, se autoorganiza en gran medida: las mejores ideas acabarán atrayendo al mayor número de personas y esas ideas se desarrollarán, probarán y (si todo va bien) se lanzarán como nuevos negocios. Para animar a los trabajadores a buscar oportunidades de mercado fuera de sus departamentos inmediatos, el sistema de evaluación de los empleados de Capital One tiene en cuenta hasta qué punto las personas buscan activamente esas «fuentes de alimentos».

En Capital One, los empleados son los principales responsables de las ideas que tienen, no ante sus directivos.

Por el contrario, el ejemplo clásico de una organización con un mecanismo de contratación defectuoso es Xerox. Su centro de investigación, Xerox PARC, es el legendario lugar de nacimiento de tecnologías increíbles, incluida la interfaz gráfica de usuario, que la empresa no ha podido explotar repetidamente en el mercado. En cierto sentido, Xerox ha sido como una enorme colonia de hormigas que depende del reclutamiento masivo, lo que impide los esfuerzos de la empresa por desviar los recursos necesarios de su principal fuente de alimento: los productos para fotocopiadoras.

Para que la contratación grupal tenga éxito, las empresas deben ofrecer el entorno propicio adecuado. En concreto, creemos que deberían:

• mantener su capacidad de explorar nuevas oportunidades y, al mismo tiempo, aprovechar las existentes;

• permitir que una persona con una idea reclute a otras personas;

• permitir, pero no forzar, la contratación de personas, incluso cuando trabajan en una actividad principal;

• dejar que el sistema seleccione por sí mismo las mejores ideas; y

• apoye las ideas ganadoras con recursos suficientes.

En Cap Gemini Ernst & Young, los investigadores están trabajando para crear un «mercado de ideas», abierto a toda la organización, que cumpla estas condiciones.

Un enjambre de posibilidades

Las posibles aplicaciones de la inteligencia de enjambres puede que solo estén limitadas por la imaginación. La forma en que los insectos agrupan a los muertos de su colonia y clasifican sus larvas, por ejemplo, ha llevado a los bancos a utilizar un enfoque novedoso para analizar sus datos en busca de puntos en común interesantes entre los clientes. Nuestros colegas y nosotros estamos desarrollando enjambres de robots reconfigurables que se pueden montar solos en aspiradoras y otros electrodomésticos. Y es probable que los estudios futuros sobre los insectos sociales arrojen más información provocadora. Por ejemplo, cuando una colonia de abejas melíferas crece demasiado (es decir, cuando alcanza un punto de rendimiento decreciente), el nido se divide en dos; sigue siendo un misterio qué reglas siguen exactamente las abejas para hacerlo. Ese conocimiento podría ayudar a las grandes empresas a determinar cuándo escindir algunas de sus operaciones. (Curiosamente, no hay ningún insecto social equivalente a las fusiones, solo a las spin-offs.) Otro fenómeno intrigante se produce cuando una avispa reina, temiendo que la partida de algunas de sus subordinadas pueda paralizar la colonia, las induce a quedarse al concederles el derecho a poner huevos. El importe de este «incentivo de estancia» depende de las condiciones ecológicas. Si, por ejemplo, el clima es templado y la comida es abundante, la reina debe ofrecer más incentivos. Es sorprendente el paralelismo con los directivos que intentan retener a los mejores talentos en una economía en auge.

Las posibles aplicaciones de la inteligencia de enjambres pueden estar limitadas únicamente por la imaginación.

Dejando de lado estas fascinantes comparaciones, el campo de la inteligencia de enjambres se enfrenta a varios obstáculos. Muchas personas tienen grandes dificultades para entender cómo puede funcionar la inteligencia de enjambres, sobre todo porque no están familiarizadas con los sistemas autoorganizados. Además, el comportamiento grupal que surge —como por arte de magia— de las interacciones colectivas de los individuos puede ser un concepto aterrador para quienes no estén acostumbrados a él. De hecho, a menudo nos resulta difícil convencer a los directivos de que desplieguen soluciones inteligentes de enjambre, incluso después de mucha educación y datos concretos que cuantifiquen los beneficios. Por último, los críticos suelen objetar que los insectos y las personas no pueden ni deben describirse con los mismos marcos matemáticos. Pero nosotros diríamos que en ciertos entornos (una fábrica, por ejemplo), los humanos están restringidos de manera similar, aunque quizás en un grado diferente, a los insectos en una colonia. Y los paralelismos entre los insectos sociales y las personas son más que conceptuales: pueden tener un significado práctico y útil, como han demostrado investigaciones recientes.

De hecho, la inteligencia de enjambres se está convirtiendo en una valiosa herramienta para optimizar las operaciones de varias empresas. Queda por ver si se obtendrán beneficios similares para ayudar a las empresas a organizarse mejor y a desarrollar estrategias más eficaces. Sin embargo, como mínimo, el campo proporciona un marco nuevo y fresco para resolver estos problemas y cuestiona la sensatez de ciertas suposiciones con respecto a la necesidad de supervisar a los empleados a través de la gestión de mando y control. En el futuro, algunas empresas podrían construir todo su negocio desde cero utilizando los principios de la inteligencia de enjambres, integrando el enfoque en sus operaciones, organización y estrategia. El resultado: la mejor empresa autoorganizada que podría adaptarse rápida e instintivamente a los mercados que cambian rápidamente.