[Off-Topic] Agilidade, Caos, Auto-Organização

2009 July 08, 02:15 h - tags: chaos agile off-topic management

Este artigo é um apanhado geral de diversos temas relacionados que compõe alguns dos conhecimentos necessários para entender o tema de Auto-Organização. Nesse caso é importante entender esse conceito também do ponto de vista da fundação física e matemática.

A motivação toda é por causa do 11o princípio do Manifesto Ágil:

“As melhores arquiteturas, requerimentos e designs emergem a partir de equipes auto-organizadas.” – Principles behind the Agile Manifesto

Agilidade requer auto-organização. Mas esse conceito é alienígena para a maioria das pessoas e organizações. O 12o princípio ainda completa:

“A intervalos regulares, a equipe reflete em como se tornar mais efetivo, então refina e ajusta seu comportamento de acordo.” – Principles behind the Agile Manifesto

Nesse caso precisa entender o conceito de Organização de Aprendizado ou melhor ainda, entender o momento dinâmico de aprendizado e melhoria contínua que se chama Limite do Caos e como implementar Agilidade essencialmente significa, em termos de física:

Retirar a organização – que é um sistema complexo – de seu estado de equilíbrio dinâmico, aumentando a entropia geral do sistema, forçando em direção ao caos. No ponto ideal, no limite do caos, a auto-organização acontece e a organização se torna uma organização de aprendizado.

Lembrem-se: “aprendizado” também incluia a exploração do desconhecido, incorporar novas informação. Fazendo o que sempre se faz não se está aprendendo nada, por definição. É preciso fazer diferente, errar e melhorar para aprender.

Vamos aos conceitos agora.

Tradução: Teoria do Caos em Desenvolvimento de Organizações

da Wikipedia

Auto-Organização, ao contrário de seleção natural ou social, é uma mudança dinâmica dentro da organização onde mudanças são feitas pelo recálculo, reinvenção e modificando sua estrutura para adaptar, sobreviver, crescer e desenvolver.

Auto-organização é o resultado da reinvenção e adaptação criativa por causa da introdução de – ou por estar em um constante estado de – equilíbrio perturbado. Um exemplo de uma organização que existe num estado constante de perturbação é uma organização de aprendizado, que é uma que “permite auto-organização, em vez de tentar controlar a bifurcação através de mudanças planejadas” (Dooley, 1995).

Estar “fora-de-balanço” se empresta ao reagrupamento e reavaliação do estado presente do sistema para fazer ajustes necessários e recuperar controle e equilíbrio. Entendendo e introduzindo o elemento de cutucar o equilíbrio (caos) enquanto facilita o crescimento de redes, uma organização pode mudar de marcha de “normal” para “turbo” em termos de velocidade e intensidade da mudança organizacional. Enquanto mantém um estado de equilíbrio parece ser um método intuitivamente racional para habilitar uma organização a ganhar um senso de consistência e solidariedade, existir no limite de um estado caótico continua sendo o ambiente mais benéfico para que sistemas floresçam, se desenvolvam e cresçam.

Aliás, duas organizações competindo que diferem em relação ao seu nível de homeostase não competirão por muito tempo. Falando em termos gerais, a organização com a estrutura menos estável sairá na frente enquanto a estabilidade constante da segunda eventualmente levará à sua queda. Embora muito similares, pequenas diferenças em níveis de homeostase são suficientes para fazer uma tremenda diferença em resultados futuros para cada organização. A noção de similaridade em origem vs. resultados diferentes aparecem com a emergência de bifurcação.

O conceito de bifurcação não pode ser explicado sem discutir o termo frequentemente chamado “sensibilidade a condições iniciais”, que se refere ao alto nível de importância de condições primárias a partir de onde o caminho futuro e direção de um sistema se esterça. Essa sensibilidade a condições iniciais é comumente chamada de Efeito Borboleta, onde uma borboleta bate suas pequenas asas em um canto do mundo resultando em um tufão ou furação em algum outro lugar do globo. Enquanto essa é uma noção de entretenimento, sensibilidade a condições iniciais permanece em realidade um conceito bem abstrato sem a presença de bifurcação, que é o nome matemático para o ponto de separação de duas entidades quase idênticas que, por causa da sensibilidade a condições iniciais, tendem a tomar dois caminhos muito diferentes em dois lugares evolucionalmente ou geograficamente diferentes.

O principal objetivo de um consultor de desenvolvimento organizacional (D.O.) é de iniciar, facilitar e suportar mudanças de sucesso em uma organização. Usando teoria do caos como o único modelo para mudanças pode parecer muito arriscado para ser suportado por qualquer stakeholder. O conceito de incerteza da teoria do caos não é um motivo atraente para mudança comparado a muitas alternativas de modelos considerados “mais seguros”. Planejando e gerenciando a desordem com cuidado, uma intervenção de sucesso é possível, mas somente com um arsenal verdadeiramente dedicado de recursos talentosos e criativos. Permitindo e ativamente forçando uma organização a entrar em um estado caótico, mudanças se tornam inevitáveis e a bifurcação é iminente; mas a questão permanece, “será que a nova direção será a intencionada?” Para que se possa ter mais garantias da direção que se toma, a maior parte da atenção de planejamento deve focar em atratores em vez da iniciação da desordem.

Embora o caos eventualmente dê lugar à auto-organização, como podemos controlar a duração, intensidade e forma de seu resultado? Parece que cutucar o equilíbrio e instalar desordem na organização sejam arriscados. Jogar uma organização para fora do balanço poderia possivelmente enviá-la a uma espiral de queda se no final a integridade estrutural (isto é, identidade) do sistema for comprometida além de um ponto de não-retorno. A única maneira de colher os benefícios da teoria do caos em D.O. e ao mesmo tempo manter um senso de segurança é ajustar a organização em direção a um estado de existência que fica no limite do caos.

Existindo no limite do caos, organizações são forçadas a encontrar maneiras novas, criativas de competir para se manter à frente. Bons exemplos desse tipo de organização de aprendizado são encontrados por todo o campo de tecnologia assim como na indústria aérea, como a Southwest Airlines, que usou de reinvenção não apenas para sobreviver, mas também para prosperar em um mercado ruim. Em contraste, existem organizações que, por causa de períodos longos de equilíbrio, se encontram sofrendo para sobreviver. Companhias telefônicas, por exemplo, já foram entidades sólidas e estáticas que dominaram o mercado de comunicação. Enquanto o resto do mundo estava desenvolvendo novas tecnologias de comunicação, elas não cresceram de forma criativa na mesma taxa. O resultado é uma organização batalhando apenas para permanecer viva, a menos que aceite o elemento de caos por causa da crise e permita adaptabilidade criativa para funcionar livremente de forma que auto-organização e reinvenção possa acontecer.

Enquanto organizações existindo no limite do caos são conhecidas por serem as mais criativas e adaptativas, como seus membros se sentem a respeito de constante evolução e reinvenção? É possível identificar com, e permanecer leal a, uma organização que muda de forma constantemente? A resposta curta é “sim”. Enquanto a empresa não mudar sua essência central, seu propósito identificável e compartilhado, seus membros ainda vão experimentar a organização como um sistema em desenvolvimento que muda de forma mas mantém sua mesma face familiar.

Talvez a forma mais segura de se usar teoria do caos em D.O não é em instigar a organização a mudar, mas no uso de seus princípios para lidar com problemas que aparecem. Ao abraçar fenômenos organizacionais antes vistos como não-funcionais, como conflitos interpessoais, e usando-os como fonte para mudanças de transformação aplicando princípios encontrados em teoria do caos (Shelton, 2003), uma organização pode fazer “limonadas a partir de limões” e se tornar mais responsiva a agentes de mudança enquanto se move continuamente para frente e crescendo de dentro para fora sem medo de caos completo.

Como Negócios são muito parecidos com Vida – Os 4 Princípios

Fast Company Magazine, Março de 2001. How Business is a Lot Like Life

  • Equilíbrio é um precursor para a morte. Quando um sistema vivo está em estado de equilíbrio, ele é menos responsivo às mudanças que estão ocorrendo ao seu redor. O risco é maior quanto mais se sente mais seguro.
  • Quando ameaçado ou galvanizado por uma oportunidade atraente, coisas vivas se movem em direção ao limite do caos. Essa condição clama por níveis mais altos de mutação e experimentação e tem mais chances de resultar em novas soluções.
  • À medida que coisas vivas se movem mais próximas ao limite do caos, eles tem a tendência de se auto-organizar e novas formas emergem da bagunça. Essa propriedade da vida, chamada de “auto-organização e emergência” são uma grande fonte de inovação, criatividade e evolução.
  • Sistemas vivos não podem ser dirigidas por um caminho linear. Consequências não previstas são inevitáveis. O desafio é aprender como perturbá-los de uma maneira que se aproxima do resultado desejado e então corrigir seu curso à medida que o resultado se desenrola.

Definições

da Wikipedia

Reducionismo pode tanto significar (a) um jeito de entender a natureza de coisas complexas as reduzindo à interação de suas partes, ou para coisas mais simples ou mais fundamentais ou (b) uma posição filosófica que um sistema complexo é nada mais do que a soma de suas partes.

Em física e teoria de sistemas, o princípio da superposição diz que, para todo sistema linear, o resultado geral em um determinado lugar e tempo causado por dois ou mais estímulos é a soma das respostas que poderiam ter sido causadas por cada estímulo individualmente. Ou seja, se a entrada A produz resposta X e a entrada B produz resposta Y, então a entrada (A+B) produz resposta (X+Y).

Em matemática, um sistema não-linear é um sistema (…) que não satisfaz o princípio da superposição, ou cujos resultados não são proporcionais às entradas. De forma menos técnica, um sistema não-linear é qualquer problema onde as variáveis a serem resolvidas não podem ser escritas como uma combinação linear de componentes independentes (…) Problemas não-lineares são de interesse de físicos e matemáticos porque a maioria dos sistemas físicos são não-lineares por natureza. Equações não-lineares são difíceis de resolver e dão lugar a fenômenos interessantes como caos. O tempo é reconhecidamente não-linear, onde mudanças simples em uma parte do sistema produz efeitos complexos no geral.

Comportamento Emergente – Prosperando no Limite do Caos

por Chris Rollins, Janeiro de 2009.

A formiga de catedral, encontrada em partes da Austrália, é capaz de criar pilhas para a colônia muito acima de 3 metros. Uma única formiga de catedral tem aparência padrão de insetos – cabeça, tórax, abdômem, pernas e assim por diante, com cérebros minusculamente primitivos. Mas quando combinado com outros de sua espécie a formiga de catedral é capaz de construir um enorme complexo para a colônia. Ao contrário de projetos de construção humanos, entretanto, não existe mestre-de-obra, não tem plano, e não é improvável que a formiga sequer saiba o que está ajudando a construir.

Como isso é possível?

A resposta está no fato de que algumas vezes, um sistema pode acabar com mais complexidade do que a soma de suas partes – levando ao que os cientistas chamam de “comportamento emergente”.

Comportamento Emergente, ou criação espontânea de ordem, está presente em tudo ao nosso redor. Insetos são um bom exemplo porque eles nos são familiares e conseguem criar projetos massivos que podemos apreciar. Outras partes do reino animal também demonstram ordem autônoma – peixes se organizam em escolas que se movem em concerto; pássaros se juntam em bancos ou bandos de maneira similar. Existem muitos exemplos de não-linearidade – ímãs naturais se alinhando na orientação norte-sul e cristais que se formam a partir de líquidos, mostrando um aumento espontâneo de ordem mesmo apesar da falta de força “inteligente”.

Existe um grande problema de termodinâmica com tudo isso, claro – entropia, uma medida de desordem, deveria continuar a decair. O universo tende ao caos.

Como, então, pode ordem aparecer espontaneamente, especialmente em um sistema puramente físico?

Entropia ainda precisa crescer, mesmo quando cristais se formam ou pássaros se juntam em bando, mas a distinção importante é em onde a entropia cresce ou decresce. Acontece que a natureza permitirá entropia a decair em certas áreas se aumentar em outro lugar para compensar. Por exemplo, quando uma solução de açúcar começa a formar cristais, eles tem um nível de energia resultante menor do que as moléculas de açúcar flutuando na solução. Quando o açúcar entra na estrutura, isso é transferido para a água na forma de calor: a forma mais desorganizada de energia.

Portanto, a porção cristalina da solução agora decaiu em entropia enquanto o sistema total – incluindo a água e o cristal – teve um aumento da resultante de entropia.

Por que estatística Gaussiana é quase toda errada para Estratégias Organizacionais

Fenômeno de Lei de Potência exibe distribuição de Pareto em vez de Gauss (normal). A diferença fundamental está na premissa sobre a correlação dos eventos. Em distribuição de Gauss se assume eventos *in*dependentes. Eventos independentes geram distribuições normais, que estão no coração da estatística moderna. Quando eventos são *inter*dependentes, normalidade em distribuições não é a norma. Em vez disso distribuição de Pareto domina porque eventos extremos ocorrem com mais frequência do que a distribuição normal, com curva em forma de sino de Gauss, nos levaria a esperar. Sistemas físicos, biológicos, ecológicos, sociais e industriais mostram uma impressionante variedade fractal (Kaye, 1993). Muitos estudiosos agora acreditam que leii de potência são o melhor framework analítico para descrever a origem e a forma da maioria dos objetos naturais. Dada a ubiquidade dessas descobertas e a natureza da teoria de livre escala, achamos que elas são desconhecidas, pouco apreciadas mas igualmente fenômenos ubíquitos em organizações (Andriani, 2003).

Extremos vs. Médias

Pensamento Linear está encrustrado em nossa mentalidade. Modelos científicos e matemáticos são baseados nos conceitos de equilíbrio e linearidade. Linearidade significa duas coisas: proporcionalidade entre causa e efeito; e superposição, quer dizer, quando a dinâmica de um sistema pode ser reconstruído pela soma dos efeitos das causas simples agindo nos componentes simples (Nicolis e Prigogine, 1989), o que permite a operação eficiente de causalidade, solução de equações e modelos de previsão elaborados. Economia, por exemplo, é quase teísta na sua premissa que fenômenos econômicos tendem ao equilíbrio (Mirowski, 1989). Entretanto, essas premissas permitem equações lineares e analíticas simples.

Ao focar em sistemas em equilíbrio, estatísticos aceitam implicitamente que o número de estados possíveis que um sistema pode atingir é limitado (e computável) e que o tempo de procura seguindo o começo da instabilidade (isto é, um choque exogêneo) é curto comparado com o tempo de equilíbrio. Para isso ser verdade, os muitos elementos que compõe um sistemas precisam ser pontos de dados independentes por premissa; do contrário poderíamos ter interdependência, possíveis causalidades mútuas e a ocorrência de possíveis eventos extremos.

Se pegarmos 100 empresas aproximadamente do mesmo tamanho e pertencentes ao mesmo setor, assuma independência e plote uma variável, digamos lucro, vamos descobrir que a maioria dos eventos se acumulam perto da média, em uma distribuição que decai rapidamente e segue uma curva em forma de sino. Essa distribuição é de longe a mais estudada distribuição estatística; assume-se que caracteriza corretamente a maioria de nossas descobertas sobre os mundos natural e social. Entretanto, o ponto da questão é a independência dos eventos. Na vida real, essas empresas poderiam: fazer benchmarks umas das outras, imitar os outros percebidos como de mais sucesso, trocar informações, organizar cartéis, perseguir aquisições, competir por recursos limitados, etc. Em uma palavra, eles são *inter*dependentes e não *in*dependentes. A distribuição estatística governando agentes interconectados não chega a uma distríbuição de sino, mas em vez disso, a uma distribuição de lei de potência – Pareto.

Distribuições Gaussianas e de Pareto diferem radicalmente. A funcionalidade principal da Gaussiana pode ser inteiramente caracterizada pela sua média e variância (Greene, 2002). Uma distribuição de Pareto não demonstra uma média e variância bem comportadas. Uma lei de potência, entretanto, não tem média que pode representar as funcionalidades típicas da distribuição e não tem desvio padrão finito sobre a qual se baseariam intervalos de confiança (Moss, 2002). Existem duas grandes implicações disso.

Uma é que o sonho das ciências sociais de construir frameworks robustos que permitem cientistas sociais predizer a evolução de fenômenos sociais é quebrado pela ausência de regularidades estatísticas em fenômenos dominados pela interconectividade persistente. De fato, se há ausência de média estável e variância finita, a afirmação probabilística de resultados individuais se tornam muito difíceis. O ponto reflete o problema mais pervasivo e estrutural da não-linearidade e emergência em sistemas complexos. Linearidade assume a divisibilidade de sistemas em módulos cuja dinâmica pode ser estudada independente do conteúdo.

O segundo ponto é que lei de potência decai mais devagar do que em distribuições normais. Essa caudas “gordas” afetam os comportamentos de sistema de maneiras significativas. Por exemplo Buchanan (2004) relata que o quedas do mercado financeiro de 10% em um dia devem acontecer a cada 500 anos de acordo com a distribuição normal. Mandelbrot (Mandelbrot e Hudson, 2004) mostra que, em vez disso, crises financeiras acontecem cerca de uma vez a cada cinco anos. A lição que podemos desenhar disso são eventos extremos, que no mundo de Gauss poderiam ser seguramente ignorados, não só são mais comuns do que o esperado mas também de magnitude muito maior e com consequências bem maiores.

Comments

comentários deste blog disponibilizados por Disqus