VALOR ECONÓMICO AGREGADO POR LAS MATEMÁTICAS EN LA ... … · VALOR ECONÓMICO AGREGADO POR LAS MATEMÁTICAS EN LA INDUSTRIA 4.0: UNA OPCIÓN O UNA NECESIDAD 2 En la literatura

VALOR ECONÓMICO AGREGADO POR LAS MATEMÁTICAS DE ALTA COMPLEJIDAD:

UNA OPCIÓN O UNA NECESIDAD ?

Ing. Jesús Velásquez-Bermúdez, Dr. Eng.

Chief Scientist DecisionWare - DO Analytics

[email protected]

ACUERDO DE PROPIEDAD INTELECTUAL

La propiedad intelectual de este documento pertenece a la empresa DecisionWare. El documento, o sus partes, no pueden ser reproducidas, ni

grabadas en sistemas de almacenamiento, ni transmitidas por cualquier procedimiento, ya sea electrónico, mecánico, reprográfico, magnético o cualquier otro, sin que conste el reconocimiento expreso de la autoría de este documento por parte de DecisionWare.

"…

Recent experimental studies confirm these observations. Human performance in complex dynamic

environments is poor relative to normative standards, and poor even compared to simple decision rules.

…

These studies and many others show that performance is far from optimal -often far from reasonable- in

a wide range of tasks, from managing an ecosystem to governing a town or controlling a factory"

in "Learning In and About Complex Systems"

John. D. Sterman

Director, System Dynamics Group

MIT Sloan School of Management. Massachusetts Institute of Technology (MIT)

1. LAS REVOLUCIONES MATEMÁTICAS

"The heavenly motions are nothing but a continuous song for several voices, to be perceived by the

intellect, not by the ear; a music which, through discordant tensions, through syncopations and cadenzas

as it were, progresses toward certain predesigned six-voiced cadences, and thereby sets landmarks in

the immeasurable flow of time"

Johannes Kepler (1571-1630)

En la antigua Grecia, Pitágoras y sus seguidores, pensaban que los cuerpos celestes hacían música, intentando

representar la relación de la tierra con otros planetas (The Music of the Spheres), una idea basada en verdades

físicas y en creencias metafísicas de que el orden científico y el poético, del universo, podrían ser conocidos y

vinculados. La teoría de la armonía universal de Pitágoras puede haber fallado, pero sus proporciones siguen vivas.

Desde tiempos inmemorables la humanidad está “desesperada” por entender y controlar la naturaleza, el universo

entero, y lo hacemos con las matemáticas.

La evolución de las matemáticas es determinante del desarrollo de la capacidad tecnológica de la raza humana, y

las grandes revoluciones matemáticas dan origen a las grandes revoluciones industriales. Según el autor estas

revoluciones son:

▪ Aritmética: es la rama de la matemática cuyo objeto de estudio son los números y las operaciones elementales,

sus orígenes datan de la Edad de Piedra.

▪ Algebra: es el instrumento intelectual creado para expresar simbólicamente aspectos cuantitativos del mundo.

Creada por el científico iraní Muhammad ibn Musa al-Khwarizmi (780-850) hoy sigue siendo el lenguaje

universal que expresa, de manera estándar, la representación del mundo-real en los modelos matemáticos.

▪ Cálculo diferencial: es una parte del análisis matemático que consiste en el estudio de cómo cambian las

funciones cuando sus variables cambian sus creadores fueron el inglés Isaac Newton (1642-1727) y el alemán

Gottfried Wilhelm Leibniz (1646-1716). Esta revolución se complementa con la Teoría de Joseph-Louis

Lagrange (1736-1813) que define las condiciones matemáticas que debe cumplir lo que es “mejor” en el mundo

real (optimización restringida).

▪ Cálculo electrónico secuencial: nace con la creación del computador digital que permite al ser humano

implementar algoritmos iterativos para resolver problemas del mundo-real, que el ser humano no puede

resolver debda a su limitada la capacidad de cálculo matemático. Desde el punto de vista de la Programación

mailto:[email protected]



2

Matemática (PM), George Dantzig (1914-2005) y Leonid Kantorovich (1912-1996) son transcendentales

debido a sus aportes en optimización y más específicamente en la programación lineal.

▪ Matemática paralela: nace debido a la necesidad de aumentar la potencia de la computación secuencial y se

basa en la descomposición y la partición de los problemas reales para resolverlos por medio de cálculo

secuencial distribuido en múltiples procesadores. Sus orígenes pueden atribuirse a George Dantzig, Philip

Wolfe (1927-2016) y Jacques Benders (1924-2017) y son base del Modelamiento Matemático de Alta

Complejidad (MMAC).

La potencia para manejar la complejidad crece en cuatro dimensiones:

▪ Escala: cantidad de elementos que deben tenerse en cuenta en el modelado de un sistema.

▪ Incertidumbre: con respecto a las ecuaciones que describen el sistema y/o los parámetros de estas ecuaciones

▪ Matemática: complejidad matemática de ciertas ecuaciones que describen el sistema

▪ Detalle: Nivel de detalle con el que se modelan los componentes del sistema

Con base en lo anterior, hoy podemos hablar de toma de decisiones de alta precisión de la misma forma que en las

ciencias de la salud habla de medicina de alta precisión, cambiando el paradigma de la visión de los sistemas: de

“top-down” a “bottom-up”, el primero basado en reglas de desagregación empíricas y el segundo soportado en las

leyes científicas que determinan como se integra el funcionamiento de cada uno de los átomos que componen el

sistema.

No existen razones para pensar que el mundo que nos espera será menos complejo que el actual, tal como lo explica

sencillamente el físico inglés Stephen Hawking (1942-2018).

HIGH COMPLEXITY MATHEMATICAL MODELING

El estado actual de la tecnología se puede sintetizar en la confluencia del paralelismo de la computación y de la

matemática (esto es MMAC). Solo las sociedades que comprendan y manejen con propiedad la interrelación entre

estos pilares del desarrollo socio-económico podrán participar con propiedad en la generación de conocimiento que

exige nueva época que denominamos INDUSTRIA 4.0, no se puede tomar ventaja de la disponibilidad de cientos

de miles de procesadores si solo se tiene capacidad para organizar los cálculos matemáticos alrededor un solo

procesador.

Parece evidente que revolución matemática que vive una sociedad es determinante de su nivel de desarrollo y de la

calidad de vida a la que tiene acceso. Como prueba podemos citar que en el artículo “Paying the Price for Poor

Math Skills”, publicado en la revista OR/MS Today de abril de 2000, editada por INFORMS (Institute for

Operations Research and Management Science (http://www.informs.org), entidad gremial científica, sin ánimo de

lucro, que agrupa a los profesionales practicantes de la Investigación de Operaciones y las Ciencias de la

Administración en USA, se hace referencia a la carta que Joseph Nemec, profesor del MIT, envió al Wall Street

Journal describiendo el efecto que tiene para la sociedad norteamericana la pérdida de capacidad analítica que se

deriva de las “nuevas matemáticas”. Para Nemec es claro que es posible que los expertos “no hayan hecho uso de

matemáticas de alto nivel...”; sin embargo, Nemec afirma: “él (el experto) nunca hubiese podido completar su

trabajo sin la manipulación algebraica estándar... negar a nuestros jóvenes estas herramientas básicas es la cima de

la ignorancia...”. Finalmente concluye: "... y nuestra nación y su economía pagará el precio por ello”. La anterior

http://www.informs.org/



3

reflexión implica que en la sociedad que lidera el desarrollo tecnológico del mundo, investigadores altamente

calificados, consideran que la ausencia de procesos analíticos sólidos se convierte en un costo agregado que debe

pagar la sociedad.

2. OPERATIONS RESEARCH

La Investigación de Operaciones (OR, Operations Research) y las Ciencias de la Administración (Management

Science) son términos intercambiables que describen las disciplinas que utilizan enfoque científico técnicas

analíticas avanzadas (hoy en día conocidas como Advanced Analytics) para tomar decisiones sólidas y resolver

problemas complejos; desde su creación como tecnologías industriales debido al advenimiento del computador, los

procedimientos de OR dieron una efectiva asistencia durante la II Guerra Mundial en misiones tales como,

ubicación de radares, búsqueda de submarinos enemigos, y entrega de suministro en los sitios apropiados. Después

de la guerra, ya en “tiempos de paz”, nuevos métodos analíticos fueron desarrollados y numerosas aplicaciones han

surgido permitiendo el uso de OR en infinidad de organizaciones del sector público y del sector privado,

convirtiéndose en la disciplina profesional que tiene que ver con la aplicación de tecnologías de información para

la toma inteligente de decisiones, con gran cubrimiento en los países industrializados, en la empresa privada OR se

asocia con la maximización de los beneficios económicos, en el campo social el beneficio se asocia a la equidad y

la sostenibilidad de los sistemas socio-económicos.

Hoy más que nunca, sin temor a la equivocación, se puede afirmar que la OR es utilizada intensamente como apoyo

a los procesos de toma de decisiones en los países industrializados y que hace parte de su cultura tecnológica y

profesional; generando el crecimiento de las carreras profesionales relacionadas con el análisis de datos para apoyar

la toma de decisiones, que han llegado a ser la profesión estándar que mayor remuneración recibe.

3. VALOR ECONÓMICO AGREGADO

Para estimar el valor agregado por las matemáticas aplicadas, podemos citar al Profesor Jeremy F. Shapiro:

“El beneficio primario de un Sistema de Soporte de Decisiones es la explícita reducción en costos y

el incremento en ganancias. La reducción en costos del ocho por ciento (8%) realizada por nuestro

cliente no es atípica, en nuestra experiencia, el análisis integrado de problemas de planificación,

utilizando modelos matemáticos, determina estrategias entre el tres (3) y el veinte (20) por ciento más

económicas. Muchas compañías no permiten publicar sus experiencias positivas, ya que consideran

que un sistema avanzado de soporte de decisiones les da una ventaja competitiva”.

Jeremy F. Shapiro “Optimizing the Value Chain”

Interfaces 23:2 (1993)

Estas a afirmaciones no deberían pasar inadvertidas para la alta gerencia, los porcentajes de ahorro en costos a que

se hace referencia no son despreciables y definitivamente tocan significativamente el nivel de utilidades de

cualquier empresa y afectan directamente la generación de riqueza que es posible distribuir en la sociedad.

Una fuente de casos de éxito, son los Premios Franz Edelman otorgados por el Instituto Americano de Investigacion

de Operaciones y Ciencias de la Administración (INFORMS), los cuales sirven como testimonio del valor

económico agregado por OR.



4

En la literatura técnica se encuentran múltiples testimonios provenientes de un cubrimiento sectorial amplio:

industria manufacturera e industria de procesos, petroquímico, finanzas, aerolíneas, logística comercial y militar,

salud, energía, recursos hidráulicos, deportes, manejo ambiental, transporte, minas, ordenamiento territorial

(urbano y rural), planificación y logística regional, y otros.

Como ejemplo del impacto derivado del uso de la OR en un país latinoamericano, se puede hacer referencia al

beneficio que obtuvo Chile como consecuencia de implementar un modelo matemático avanzado para evaluar

licitaciones de compra para los almuerzos de un millón trescientos mil (1´300.000) estudiantes de los colegios

oficiales chilenos. El modelo, basado en un problema de programación mixta lineal, permitió detectar la posibilidad

de haber ahorrado cuarenta (40) millones de dólares americanos sobre un total de ciento ochenta (180) que costó la

compra de alimentos sin modelo de la licitación del año 2000. (Martínez, C. et. al. “A Combinational Auction

Improves School Meals in Chile” Interfaces 32:6, 2002).

En términos de porcentajes, el modelo matemático probó que hacer caso omiso a las matemáticas aplicadas implicó

sobrecostos del orden del veintiocho por ciento (28%) sobre el costo mínimo, lo que en términos sociales significa

alimentación durante un año académico para trescientos mil (300.000) estudiantes chilenos. En términos de costos

de desarrollo del modelo, encargado a la Universidad de Chile, no se encuentran datos precisos en el artículo en

referencia, pero se puede asumir con bastante solidez que desarrollar dicho modelo no excede los doscientos mil

dólares americanos (USD 200.000), quizás bastante menos, lo que daría un beneficio económico de mínimo

doscientas (200) veces el costo del proyecto, recuperables en el primer día de operación del proyecto. Varios de los

países latinoamericanos, somos testigos del problema permanente en que se ha convertido el brindar este servicio

social a nuestros estudiantes.

Las anteriores magnitudes no son despreciables y deberían inducir a la reflexión a los profesionales/gobernantes

responsables de la toma de decisiones, en empresas/regiones que no utilizan las matemáticas como soporte de sus

estrategias.

4. MODELOS MENTALES

Desafortunadamente se ha probado que los modelos basados en “buenas” prácticas son insuficientes para enfrentar

complejos procesos de decisión. Según J. D. Sterman existen múltiples barreras en los procesos de aprendizaje

soportados en modelos mentales; entre otras menciona las siguientes: i) la complejidad dinámica de los sistemas,

ii) los efectos confusos y atrasados y las variables indefinidas, iii) la información imperfecta acerca del verdadero

estado del mundo real, iv) un razonamiento científico pobre, v) procedimientos defensivos de falsas verdades, vi)

rigideces debidas a la falta de trabajo en grupo, vii) implementaciones fallidas y viii) percepciones falsas. Todo lo

anterior obstaculiza el conocimiento y el entendimiento de la estructura y de la dinámica de los sistemas complejos.



5

Por lo anterior, el conocimiento efectivo de un sistema no puede basarse sólo en modelos mentales (soportados en

la percepción y no en el razonamiento científico), y es aquí cuando es necesario construir mundos virtuales,

paralelos al mundo real, para mejorar nuestra capacidad de aprendizaje. Las metodologías basadas en matemáticas

aplicadas ponen al alcance de quienes deciden, herramientas cuantitativas potentes que les permiten conocer mejor

los sistemas y por ende dar mejores soluciones. Dadas las limitaciones de cálculo que tiene el ser humano, antes

del advenimiento de los computadores se debía recurrir a modelos físicos o a modelos matemáticos muy simples

(en papel), pero a partir de su aparición se tiene acceso a una nueva dimensión en la solución de los problemas

matemáticos, debido a que se superaron las barreras de cálculo matemático establecidas por las limitaciones

humanas; este crecimiento exponencial de la potencia del cálculo electrónico hoy se encuentra desbordado y es el

soporte de la INDUSTRIA 4.0.

El rápido crecimiento de la velocidad de procesamiento y el desarrollo de algoritmos eficaces para resolver

problemas de gran tamaño, unidos a la disminución de los precios de cada nueva generación de computadores,

presenta un universo antes no soñado: millones de procesadores disponibles para los usuarios finales. Esta potencia

solo está disponible para quienes desarrollen el conocimiento para utilizarla; es como conducir un F1, solo lo

pueden hacer conductores expertos, se requiere un esfuerzo en capacitación para poder competir: la sola experiencia

no es garantía de éxito (no sabe más el diablo por viejo que por diablo).

Este dinamismo tecnológico implica un profundo cambio cultural. La experimentación con mundos virtuales es la

forma para ganar conocimiento previo sobre contingencias y catástrofes. La necesidad de utilizar sistemas de toma

de decisiones robustos es conocida por todos los directivos y ejecutivos. El diseño y la operación de cadenas de

abastecimiento resilientes se soporta en metodologías matemáticas especializadas, que buscan, además del

rendimiento económico, la sostenibilidad de nuestra infraestructura productiva y social. No es cuestión de buena

voluntad, es un problema de precisión y de anticipación.

Aquí vale la pena recordar las palabras de los matemáticos ingleses Alfred North Whitehead y Bertrand Russell en

“Principia Mathematica” (1910):

“Ocurre a menudo que, al enjuiciar un libro de matemáticas aplicadas, o una memoria, toda la

dificultad reside en el primer capítulo, o incluso en la primera página. Porque es allí, en el mismo

principio donde será posible hallar inadvertencias en los presupuestos del autor. Mas aún, el

problema no estriba en lo que dice el autor, sino en lo que no dice. Tampoco estriba en lo que él sabe

que ha supuesto, sino en lo que ha supuesto inconscientemente. No se trata de poner en duda la

honradez intelectual del autor, es su perspicacia la que estamos criticando. Cada generación somete

a crítica las imposiciones inconscientemente hechas por sus antecesores. Puede estar de acuerdo con

ellas, pero las pone al descubierto”.

La frase clave es "lo que ha supuesto inconscientemente". Es allí donde radica la mayor debilidad de los modelos

mentales radica: la ingenuidad de quien cree que lo que no conoce no lo afecta se convierte en falta de objetividad

y de rigor académico.

Desafortunadamente las posiciones políticas extremistas, de derecha o de izquierda, descalifican el conocimiento

científico como soporte del bienestar, cediendo el paso a la oclocracia como medio de planificación. La falta de

estructuración de los procesos de toma de decisiones, unida al uso de herramientas cuantitativas con bajo poder

analítico, lleva a decisiones equivocadas que implican errores. Existe una ley inexorable: todos los errores se pagan;

es por ello por lo que una alta proporción del producto interno de un país en vías de desarrollo se puede consumir

en pagar los errores cometidos. Bajo esta perspectiva, el crecimiento es una utopía. Se puede afirmar que el costo

que paga nuestra sociedad por las malas decisiones puede ser mayor que el que paga por la corrupción.

Independientemente de quien cometa el error, siempre lo pagarán los ciudadanos; sí lo comete el sector público los

mecanismos de pago serán: impuestos, tarifas, quiebras y privatizaciones en condiciones no ventajosas. Sí lo

comete el sector privado, el mecanismo de pago depende del nivel de globalización de la economía; bajo un

esquema proteccionista se pagará por medio de la mala calidad, la poca diversidad, la inflación, la escasez y los

altos precios; si el mercado es abierto, la falta de competitividad llevará a la disminución del empleo y a la

penetración extranjera, que luego repatriará utilidades y exportará empleo a sus países de origen. Los costos de una

administración privada no-científica los paga la sociedad tan intensamente como los de una deficiente

administración pública.



6

El costo de los errores depende del impacto y de la trascendencia de la decisión y no del costo de tomarla. La

utilización de técnicas de OR como soporte a las decisiones estratégicas ofrece el mayor valor agregado posible,

debido a la magnitud de los costos que estas decisiones comprometen. Un error en la estrategia puede ser no-

recuperable. Frecuentemente se trata de desandar el camino y "al volver la vista atrás se ve la huella por donde

nunca se ha de volver a pasar". En más de una ocasión nuestro sistema técnico-económico es el laboratorio en

donde aprendemos empíricamente implementando decisiones tan malas, tan malas, que parecen buenas, y que por

su característica oclocrática (soportada en las redes sociales) no pueden ser sujetas de crítica y de análisis, esto es

cónsono con el síndrome de Dunning-Kruger según el cual las personas tienden sistemáticamente a pensar que

saben más de lo que saben. El oscurantismo moderno no puede evitar el acceso a los libros, simplemente difunde

masivamente cálculos simples sin soporte científico.

5. ANALYTICS: THE NEW PATH TO VALUE

En años recientes, los estudios realizados por múltiples instituciones y universidades permiten refrendar que la

situación no ha cambiado. Según IBM & MIT (Analytics: The New Path to Value) afirman que la mayor barrera

para acceder a la Analítica Avanzada es saber cómo utilizarla para mejorar el negocio, o sea que es un problema de

índole académico/profesional, no de poder económico.

RESULTADO CLAVE 2

Las inquietudes organizacionales de las empresas que detienen la implementación de ANALYTICS

Obstáculos para extender el uso del análisis:

Saber como utilizar ANALYTICS para mejorar el negocio

Competencia de recursos asignados a proyectos

Falta de habilidades internas

Habilidad de conseguir la información

Cultura existente desfavorece compartir información

Las políticas de propiedad de los datos no es clara

Falta de apoyo de los directivos

Preocupaciones con los datos

Costos percibidos son mayores a los beneficios

No hay posibilidades de cambio

Datos

Financieros

Fuente: Traducción de Analytics: The New Path to Value

Culturales

En el estudio realizado por MIT & IBM se estable la relación entre los diferentes niveles de la experticia en uso el

uso de la analítica es:

▪ No usuarios: 1x (valor de referencia)

▪ Principiantes: 3x (empresas que reconocen la analítica como una ventaja competitiva)

▪ Top Performers: 5.4x (empresas que no cree en la intuición ni las buenas prácticas)

▪ The Big Difference: 23x (empresas utilizando big data y analítica avanzada)

La imagen siguiente presenta la productividad, ajustada por el autor, de los estudios de IBM & MIT.



7

SABER COMO UTILIZAR ANALYTICS

para mejorar el negocio, es la principal barrera.

2.0x

23x=x

3.3x

OPTIMIZATION

BIG-DATA

PREDICTIVEANALYTICS

ANALYTICS+

BIG-DATA

PRODUCTIVITY OF DECISION TECHNOLOGIES

4.3x

Es claro que la tecnologías informáticas modernas implican dos mundos diferentes; si se desea competir, utilizarlas

a su más alto nivel no es una opción es una necesidad. Para el lector interesado, más información se obtiene en:

▪ Competing on Analytics. The New Science of Winning (ppt): https://goo.gl/Rfkj7e

▪ Analytics. The New Path to Value: https://goo.gl/eCEh91

▪ Analytics. The New Path to Value (ppt): https://goo.gl/EjrkrK

▪ Breaking Away with Business Analytics and Optimization: https://goo.gl/6hQh1o

Los estudios realizados por IBM incluyen la productividad de las tecnologías para los negocios, y por ende para la

sociedad. En el siguiente diagrama, original de una presentación de IBM, se estable claramente que la tecnología

de mayor valor económico agregado es la optimización estocástica.

BUSINESS VALUE ADDED BY MATHEMATICAL METHODOLOGIES

Es fácil verificar que el nivel tecnológico de nuestra toma de decisiones no está al nivel de la optimización (analítica

prescriptiva), tecnología que en la práctica es ignorada por la mayoría de las empresas latinoamericanas, y que en

muchas de las grandes empresas, se limita a la analítica predictiva. De acuerdo con la propuesta de IBM no todas

las tecnologías producen el mismo beneficio; por lo tanto, la selección de las tecnologías debe seguir un proceso

de análisis beneficio-costo similar al realizado al comprar cualquier activo para la organización. El mayor problema

radica en que utilizar tecnologías no competitivas es dar ventaja a la competencia y disminuir la inteligencia

empresarial para enfrentar situaciones complejas; esto es crítico en un mundo en que la única constante es el

crecimiento permanente de la entropía.

https://goo.gl/Rfkj7e

https://goo.gl/eCEh91

https://goo.gl/EjrkrK

https://goo.gl/6hQh1o



8

PÉRDIDA DE COMPETITIVIDAD

PÉRDIDA DE CAPACIDAD ANALÍTICA

BUSINESS VALUE LOOSED BY INADEQUATE MATHEMATICAL METHODOLOGIES

Coherentemente con el desarrollo de las Ciencias de la Inteligencia Artificial (IA), en el campo de la Analítica

Avanzada (AA) la robotización ha llegado para quedarse; analistas y modeladores hoy reciben ayuda de robots para

realizar su trabajo. Tomas Davenport & Jeanne Harris en su libro “Competing on Analytics: The New Science of

Winning” (2006), visualiza tres tipos de profesionales analíticos: i) amateurs, ii) semi-professionals y iii)

professionals; en paralelo surgido un nuevo tipo de profesional: los “robotizadores”, profesionales que hacen

algoritmos que a su vez hacen algoritmos de analítica avanzada. Esta evolución terminará acelerando el proceso de

uso de la analítica para aquellas organizaciones que creen en ella, y por ende ampliando la brecha con las que la

consideran un bien suntuario.

Analytical Robot:Professionals that create

Expert Computer Algorithms

that create

Advanced Analytics Algorithms

6. EL FUTURO DE LA ANALÍTICA AVANZADA

La Analítica Avanzada (AA) puede interpretarse como la unión de la Inteligencia Artificial (IA) y la Programación

Matemática (PM) cuyos fundamentos datan los comienzos de la computación secuencial. Se puede interpretar que

la IA representa la parte de la inteligencia que se basa en la percepción y la intuición en tanto que la PM se basa en

las leyes matemáticas.

Los orígenes de la PM ya se analizaron previamente. Respecto a la IA, durante la década de los cincuenta del siglo

pasado el científico Frank Rosenblatt, inspirado en el trabajo de Warren McCulloch y Walter Pitts (1943), creó el

perceptrón, la unidad desde donde nacerían las redes neuronales artificiales. Por su parte, el aprendizaje automático

(Machine Learning) se basa, en parte, en el modelo creado por Donald Hebb (The Organization of Behavior, 1949)

que presenta ideas fundamentales sobre la emoción y la comunicación entre las neuronas. Por otro lado, las



9

máquinas de soporte vectorial (Support Vector Machines, SVMs) son la base del aprendizaje estadístico

supervisado, que analiza los datos y reconocen patrones, fue inventado a mediados de la década de los sesenta por

el científico ruso Vladimir Vapnik.

En general existe una tendencia en AA que considera IA y PM como metodologías alternativas, quizás antagónicas

y en competencia, habiendo sido limitados los estudios realizados para su integración. Esto ha generado la visión

de que el modelamiento matemático se realiza en estancos separados de acuerdo con las funciones organizacionales

específicas que soportan los modelos.

THE HYPOTHALAMUS OF THE ORGANIZATION

FUNCTION 1

FUNCTION 2

FUNCTION 3

FUNCTION N

FUNCTION N-1

Por otro lado, parece ser que los expertos en transformación digital piensan que el crecimiento de la AA basada en

la integración de algoritmos de PM y/o AI se dará en 10-20 años o más, sin embargo, el conocimiento acumulado

por la humanidad y su nivel de desarrollo tecnológico ya es suficiente para cambiar el paradigma de una gerencia

basa en modelos matemáticos independientes, que corren periódicamente, por la optimización holística &

simultánea (en tiempo-real) de las actividades de la organización con base en modelos matemáticos que representan

a múltiples agentes que actúan independientemente pero que coordinan sus decisiones con base un protocolo de

intercambio de información basado en las leyes matemáticas que por muchos siglos han explicado los hechos que

ocurren en el mundo real.

Esto dará origen a los hipotálamos artificiales que unifican holísticamente las múltiples actividades de las

organizaciones como un todo, bajo la cúpula de las leyes matemáticas y la potencia tecnológica de los robots

cognitivos lo que permitirá el dialogo entre ellos para aportar soluciones en tiempo real, respondiendo a los cambios

de paradigma de nuestra realidad.

La matemática paralela posibilita la conversación entre algoritmos respetando la leyes matemáticas de cómo lograr

lo mejor; esto, unido a la computación paralela, define el nuevo nivel de la IA que implica la integración de

funciones organizacionales con base en modelos de PM esta nueva dimensión puede asociarse a hipotálamos

artificiales que de forma similar a los hipotálamos humanos atienden funciones específicas pero procesan en

paralelo toda la información que se almacena en el hipocampo del cerebro.

Este es coherente con el pensamiento de A. Whitehead: “La civilización avanza al extender el número de

operaciones importantes que podemos realizar sin pensar en ellas”.

7. PROGRAMACIÓN DE SOLUCIONES INFORMÁTICAS

El denominado progreso se basa en la adaptación de los métodos productivos a las nuevas tecnologías disponibles

acabando con los métodos productivos de las tecnologías que resultan superadas (obsoletas). A esta situación no

escapa la producción de las tecnologías de AA las cuales en esencia están basadas en la programación de los

computadores, y más específicamente de los algoritmos matemáticos, labor que tradicionalmente se asocia a seres



10

humanos altamente capacitados, una especie de unicornio “sábelo-todo”. Si bien la capacidad intelectual de estos

extraños seres podría considerarse ilimitada, como en todo ser humano su capacidad física está seriamente limitada,

en este caso, la más seria de dichas limitaciones se puede medir por la cantidad de líneas sin-error de código

computacional (programas de computador) que puede producir en un determinado período.

Para capturar toda la potencia de la AA del futuro se requiere potenciar las limitaciones del ser humano, esta

necesidad es bien conocida por la humanidad que desde que existen las máquinas las ha utilizado para aumentar su

productividad. Este enfoque nació cuando Samuel Crompton inventó en 1779 la mula giratoria, reconocida como

la primera máquina que sustituyó al ser humano en sus actividades físicas, a partir de dicho momento comenzó la

robótica que hoy se manifiesta en la variedad de exo-esqueletos (exo-máquinas) que hoy permiten al ser humano

realzar actividades físicas imposibles para el ser humano normal.

COGNITIVE ROBOT

PROGRAMMING USING COGNITIVE ROBOTS

COMPUTER PROGRAMMER

TRADITIONAL WAYFOR LARGE-SCALE MODELS MAY BE IMPOSSIBLE WAY

MODERN WAY

En paralelo a los robot físicos, la computación electrónica da origen al robots cognitivos (exo-cerebros), robots que

emulan actividades intelectuales; es el caso de Deep Blue, desarrollado por IBM en 1996, el primer computador en

ganar un juego simple contra un campeón mundial de ajedrez; Deep Blue no pensaba, simplemente realizó más

rápidamente los cálculos que Garry Kasparov. Aunque es un poco triste pensar que los humanos hemos sido

superados en esa dimensión, esto no quiere decir que sea un fracaso, fue el paso lógico del momento, que el autor

sepa a la fecha los robots cognitivos no piensan; pero, si se trata de ganar partidos de ajedrez, lo mejor es tener a

su disposición a Deep Blue.

Los robots cognitivos que apoyen el diseño, la implementación, y la puesta en marcha de soluciones de AA de

acuerdo con estado del arte es la única forma de integrar aplicaciones que en su conjunto conlleva millones de

líneas de código computacional.

8. INDUSTRIA 4.0

INDUSTRIA 4.0 (o cuarta revolución industrial) se caracteriza por la fusión de tecnologías desintegrando las

fronteras entre las esferas física, digital, y biológica. Este concepto fue acuñado por Klaus Schwab en 2016,

indicando que el futuro de corto plazo está marcado por avances tecnológicos emergentes en una serie de campos,

incluyendo robótica, inteligencia artificial, “blockchain”, nanotecnología, computación cuántica, biotecnología,

internet de las cosas industriales (IIoT), impresión 3D, y los vehículos autónomos.

INDUSTRIA 4.0 da origen a las "fábricas inteligentes" en las que los sistemas ciber-físicos (cyber-physical system,

CPS) controlan los sistemas físicos por medio de algoritmos basados en analítica avanzada y estrechamente

integrados por medio de internet. En los CPS los componentes físicos y los algoritmos están profundamente

entrelazados, donde cada elemento opera en diferentes escalas espaciales y temporales, exhibiendo múltiples

comportamientos, e interaccionando entre ellos de innumerables formas que cambian con el contexto. Los ejemplos

más conocidos de CPS incluyen: redes eléctricas inteligentes, sistemas integrados de automóviles autónomos,

sistemas de monitorización médica, control de procesos industriales, monitorización de procesos logísticos,



11

monitorización de infraestructuras inteligentes, sistemas de robótica y domótica, pilotos automáticos aeronáuticos,

ruteo de vehículos en tiempo real, entre otros; sin embargo, también están los organismos de planificación y control

inteligentes (departamentos de planificación, centros de programación y control, juntas directivas, … ).

Los CPS crean una copia virtual del mundo físico y toman decisiones descentralizadas; se comunican y cooperan

por medio IIoT, al mismo tiempo que lo hacen con los humanos en tiempo real y vía internet. Desde el punto de

vista de soluciones tecnológicas, INDUSTRIA 4.0 no corresponde simplemente a un conjunto de “apps” que dan

acceso a información socializada y a nuevas formas comerciales en los “web-market-places”; INDUSTRIA 4.0

está basada en el concepto de “real-time distributed optimization” (RTDO) en el que múltiples agentes trabajan

autónomamente en la optimización global del sistema productivo. La optimización global se soporta en la

comunicación entre agentes que se da por medio de los modelos matemáticos de toma de decisiones (prescriptivos)

que los representan, ya que la velocidad de los procesos no permite utilizar métodos manuales o métodos

semiautomáticos basados en la percepción. Sin que aparezca explícitamente, la matemática es el soporte de todo lo

anterior.

INDUSTRIAL CYBER-PHYSICAL SYSTEM

En resumen, los robots hacen parte de la pasada revolución industrial (llamémosla 3.0 o la revolución del

conocimiento, tal como la llamo Peter Drucker). La INDUSTRIA 4.0 se trata de la coordinación de los robots, esos

son los sistemas ciber-físicos. Y la coordinación de robots no se puede hacer con hojas EXCEL o con buenas

prácticas (es un problema de anticipación, de precisión, y de velocidad).

Es muy importante clarificar a toda la sociedad, y principalmente a los directivos y ejecutivos del sector real, el

concepto de la INDUSTRIA 4.0, no se trata de robotización, se trata de coordinación automática de robots: robots

que se comunican con robots, robots que manejan robots, robots que hacen robots. Las implicaciones de esto es lo

trascendental, no el acceso a los robots. Es el caso de los hipotálamos industriales artificiales.



12

CLOUD INDUSTRIAL ENTERPRISE HYPOTHALAMUS

Production

Sales & Marketing

Energy &Industrial Services

Maintenance

SourcingDistributionHuman

Resources

ALM:Assets & Liabilities

Management

9. LA SOCIEDAD POSCAPITALISTA

El nuevo ambiente, determinado por planes macroeconómicos orientados hacia la globalización de los mercados,

lleva a una revisión de los esquemas de toma de decisiones que han venido utilizando las empresas del sector

industrial. Las tecnologías cuantitativas relacionadas con los procesos de negociación (diferente de comunicación)

en línea, entre agentes en competencia, como la Teoría de Juegos, no están involucradas en los procesos decisorios

actuales. La nueva economía, "e-economy", implica conceptos nuevos como cooperación y/o integración de

cadenas de abastecimiento, mercados en línea, precios dinámicos, diseño de subastas permanentes, mercados de

capacidad, redes inteligentes, … ; todos ellos relacionados con complejos procesos matemáticos que deben ser

modelados para una toma de decisiones óptimas. Hoy, el éxito de una organización está directamente relacionado

con el conocimiento que tenga de su poder, del conocimiento del poder las demás organizaciones y de la forma

como maneje esa información. Estas nuevas condiciones convierten a la planificación y a la programación avanzada

de los sistemas industriales en un problema complejo en el que se involucran las múltiples tecnologías que integran

la programación matemática, la inteligencia artificial, los procesos estocásticos, el aprendizaje automático y los

grandes volúmenes de datos (todo lo que es la AA).

Considerando las palabras de García Marquez “las estirpes condenadas a cien años de soledad no tienen una

segunda oportunidad sobre la tierra”, es necesario ser consiente que para una segunda oportunidad el primer paso

es procesar la historia, esto es evidente cuando se analiza la diferencia entre el imperio Romano y el Imperio

Norteamericano: los imperios del pasado no podían analizar los hechos con suficiente rapidez para tratar de cambiar

la historia, en la actualidad las organizaciones conscientes de esta necesidad toman ventaja de la tecnología, de

forma tal de prevenir situaciones no deseables.

Por lo anterior, es conveniente revisar, analizar y comprender los hechos ocurridos en la revolución industrial previa

a la INDUSTRIA 4.0, que podríamos llamar la Revolución Industrial del Conocimiento (en adelante RIC-3.0), tal

como fue visualizada por Peter Drucker (1909-2005) en su libro “La Sociedad Poscapitalista” (1974) en la que

dictaminó el futuro basado en “una sociedad de la información en la que el recurso fundamental sería el saber y la

voluntad de aplicar conocimiento para generar más conocimiento”.

Para ello, se analizan algunas series del ingreso per cápita (IPC, World Bank) de algunos países durante el período

1960-2015. El análisis realizado es superficial y simplemente trata de explicar visualmente los hechos medibles de

lo que ha ocurrido en los últimos 60 años. Un estudio formal, puede cuantificar precisamente las razones de lo que

ha ocurrido y de lo que puede llegar a ocurrir. De las siguientes gráficas se puede concluir:

1. Si se mira aisladamente la historia del crecimiento de un país (Colombia), puede llegar a concluirse que el

crecimiento del IPC ha sido exitoso. Esto suele ocurrir en presentaciones de profesionales y políticos

interesados en presentar casos de éxito sin un soporte analítico, ante un público poco informado.



13

2. Si se introduce en el análisis un segundo país (Chile), con un historia similar al primero pero con vivencias

sociales diferentes, quizás se puedan explicar algunos efectos diferenciales. Las conclusiones pueden ser:

▪ El crecimiento de Colombia al compararlo con Chile no es igual

▪ Existe un período inicial 1960-1980 en que el crecimiento del IPC en los dos países es “similar”.

▪ A partir de un hecho político, el Gobierno de Pinochet, se crea un comportamiento diferencial en las dos

economías. Este es un hecho, no una opinión política.

IMPACTO DE LA REVOLUCIÓN INDUSTRIAL DEL CONOCIMIENTO

COLOMBIA

Ingreso per

Cápita LOS HECHOS:

VISIÓN TRIUNFALISTA

1

IMPACTO DE LA REVOLUCIÓN INDUSTRIAL DEL CONOCIMIENTOCOLOMBIA - CHILE

GOBIERNO PINOCHET

Ingreso per

Cápita

2

3. Si se incluye un tercer país (Corea del Sur), con una historia, una cultura y una localización muy diferentes, se

encuentran nuevas diferencias:

▪ Los crecimientos de Colombia y de Chile al compararlos con el de Corea no son tan atractivos

▪ Existe un período inicial 1960-1982 en que el crecimiento del IPC en los tres países es “similar”

▪ Hasta el año 1976 el IPC de Colombia superaba al de Corea

▪ Durante el período 1976-1982, Colombia y Corea tienen el mismo IPC

▪ A partir de un 1982-1983 el crecimiento económico de Corea se dispara y hoy no tienen una economía

“similar” a la de los dos países latinoamericanos. Este crecimiento parece estar vinculado directamente al

crecimiento durante la RIC-3.0.

4. Si se incluyen los países latinoamericanos, el comportamiento del IPC está limitado por arriba por Chile y por

abajo por Bolivia; por lo que no existen países latinoamericanos que hayan capitalizado la RIC-3.0 como la

capitalizó Corea para beneficio de sus habitantes.

IMPACTO DE LA REVOLUCIÓN INDUSTRIAL DEL CONOCIMIENTO

COLOMBIA – CHILE - COREA DEL SUR

COLOMBIA-CHILE VS. COREA

<<<<=>

Ingreso per

Cápita

3

IMPACTO DE LA REVOLUCIÓN INDUSTRIAL DEL CONOCIMIENTOHISPANOAMÉRICA

Ingreso per

Cápita

4

5. Del anterior análisis, una explicación, quizás ligera, es que la gran diferencia en el crecimiento entre los

diferentes países se debe al tipo de economía que hoy rige su sistema productivo. Se puede afirmar que Corea

realiza la transición de la economía agrícola-mineral a la economía del conocimiento, pasando por la economía

de los bienes de consumo de origen industrial, y ello se traduce en mayor bienestar para sus habitantes, mayor

IPC.



14

IMPACTO DE LA REVOLUCIÓN INDUSTRIAL DEL CONOCIMIENTOHISPANOAMÉRICA - COREA DEL SUR

ProducciónBienes

ProducciónAgrícola

ProducciónTecnología

ProducciónBienes

ProducciónAgrícola Minerales

LA DIFERENCIA FUNDAMENTA ENTRE COREA DEL SUR E HISPANOAMÉRICA

ES EL CAMBIO EN EL TIPO DE ECONOMÍA

LOS HECHOS:

IMPORTAR TECNOLOGÍA ES

EXPORTAR EMPLEO ALTAMENTE CALIFICADO

6. En la base de datos del World Bank están las series de casi todos los países; de allí, visualmente, se puede

concluir:

▪ Corea no es el límite del bienestar/riqueza asociada a la tecnología; quizás es el límite inferior de los países

cuya economía está basada en producción de alta tecnología y en venta de servicios. Noruega, Irlanda y

Singapur son prueba de ello.

▪ Adicional a Corea, existen otros países, como Singapur, cuyo IPC en 1960 era similar al de los países

latinoamericanos y que hoy en día tienen niveles de riqueza “similares” a los de los países industrializados.

▪ La explicación de las diferencias de comportamiento entre países tiene que buscarse en los datos con base

en herramientas analíticas que hoy “enseñan a ver las verdades ocultas del mundo visible” (frase de John

Reed en México Insurgente, 1910).

Hasta ahora se ha presentado el impacto en la generación de riqueza de los países, falta analzar el impacto en la

distribución de dicha riqueza, para ello se puede revisar un indicador de distribución como el índice Gini. La

siguiente gráfica, construida con datos del Banco mundial, permite visualizar la situación. Las series de datos,

parciales, permiten concluir, de manera rápida, que el impacto de la revolución industrial del conocimiento produce

una distribución de la riqueza en la que en la medida que se genera mayor riqueza per cápita, se tienen una mejor

distribución de la riqueza total, y que la brecha entre países tecnológicos y no-tecnológicos se mantiene a favor de

los países tecnológicos.



15

KNOWLEDGE INDUSTRIAL REVOLUTION IMPACTCOLOMBIA – CHILE – SOUTH KOREA

GINI INDEX

WEALTH DISTRIBUTION

Finalmente queda la pregunta: que origina esta brecha (en el futuro un abismo); diferencias culturales profundas ?

y/o tamaño de la región ? y/o localización geográfica privilegiada ? y/o ayuda postguerra impactante ? y/o política

de gobierno acertada ? y/o los conflictos sociales internos ?. Entender estos procesos socio-económicos es el primer

paso hacia una segunda oportunidad.

10. OPTIMIZACIÓN DE LAS POLÍTICAS PUBLICAS

La necesidad de importar bienes de alto valor agregado, como la tecnología, conlleva la exportación del empleo

calificado que se requiere para producir dicha tecnología. Pensando en el futuro, no se puede ignorar que la

tecnología requerida en la INDUSTRIA 4.0 requiere de empleo más calificado que la RIC-3.0.

Hoy existe suficiente cantidad de data como para que el futuro no nos sorprenda; aprovechando que está de moda

la Analítica Avanzada, esta debería ser el soporte de los estudios de la competitividad de un país. Como base de la

toma de decisiones es posible desarrollar un modelo econométrico global, que sirva para cuantificar los impactos

y los factores que son definitivos en ellos, de forma tal de que las decisiones se tomen con una medida cualitativa

precisa que permita cambiar las políticas de control que puede manejar cada país, ya sean de índole técnico o de

índole cultural. Solo la capacidad de anticipación y la precisión, que produce el MMAC, pueden soportar un cambio

en los estilos de gobierno: de los reactivos (basados en la creación de capacidad disponible con base en la

prohibición de la demanda del uso de los recursos), a los proactivos (basados en producción de capacidad suficiente

para atender la demanda).

Por lo tanto, las políticas públicas orientadas al desarrollo de la economía se deben entender como dos pasos

entrelazados para conseguir el mayor bienestar social: i) la producción de riqueza y ii) la distribución de riqueza.

Entender como hemos producido riqueza, o como hemos dejado de producirla, es un paso fundamental. Para ello

se puede desarrollar un conjunto de modelos que soporten la cuantificación del impacto de las políticas públicas,

en principio se consideran dos modelos:

i) Econométrico Global: que explique el comportamiento del desarrollo de cada país como el resultado de la

combinación de múltiples factores técnicos, culturales y políticos, para ello se pueden tomar las series

históricas de las entidades multilaterales, como el World Bank, y utilizar metodologías analíticas como son los

modelos probabilísticos avanzados y/o las metodologías de “machine learning”.

ii) Optimización: que determine el valor cuantitativo de los parámetros de la política pública con el fin de

maximizar una medida de bienestar de la sociedad, utilizando el conocimiento generado con el modelo

econométrico.

Este enfoque implica visualizar el país como una cadena de abastecimiento de bienes y servicios (un sistema

técnico-económico) que son los que generan el bienestar de sus habitantes. El bienestar social se puede medir por



16

medio de múltiples indicadores, dependiendo de la orientación que se quiera dar a la política de gobierno. Para lo

que resta de este documento se asumirá que el indicador seleccionado es el excedente social.

A continuación se presentan los lineamientos generales de los conceptos de modelamiento básicos que se pueden

utilizar para desarrollar los dos modelos requeridos. El lector que no esté acostumbrado con las formulaciones

matemáticas puede ser ignorar el resto de este numeral sin que ello implique pérdida de comprensión de la idea

central.

Como hipótesis fundamenta se trabaja bajo el supuesto que es posible estimar funciones de productividad del tipo

Cobb-Douglas para explicar, para cada país/región, la producción de bienes/servicios (C) y la producción de

tecnología (T).

Para facilidad de la explicación que a continuación se presenta, se asume una economía con un solo producto (C)

y un solo tipo de tecnología (T). Se asume que con la data disponible es posible estimar las siguientes funciones:

▪ Cobb-Douglas Consumo:

QC = FPC(KC,LC) = LC KC

▪ Cobb-Douglas Tecnología:

QT = FPT(KT,LT) = LT KT

que serían el resultado del modelo Econométrico Global; donde y son parámetros de dichas funciones.

Para un modelo realista desagregado en múltiples tecnologías y múltiples productos, se deben estimar funciones

para las tuplas <país , C, T>. Se tienen las siguientes definiciones:

QT

LTKT

QC

LCKC

PRODUCCIÓN BIENES & SERVICIOS PRODUCCIÓN TECNOLOGÍA

FUNCIÓN DE PRODUCCIÓN COBB-DOUGLAS

PRODUCCIÓN BIENES & SERVICIOSQC = FPC(KC,LC)

PRODUCCIÓN TECNOLOGÍAQT = FPT(KT,LT)

Si se mide en dinero la producción de tecnología y de productos se debe cumplir una relación en la que la

productividad de la tecnología es muchísimo mayor que la de la de los productos básicos.

Con base en las funciones Cobb-Douglas es posible establecer un modelo insumo-producto de la economía que

sirva para determinar trayectorias de la economía ante diferentes políticas públicas. Este modelo debe describir la

producción, el consumo y el intercambio (importaciones y exportaciones) de productos y de tecnología con el sector

externo.

LT Mano de Obra Tecnología

LC Mano de Obra Bienes

KT Capital Tecnología

KC Capital Bienes



17

ET

EC

IC

IT

Cobb-Douglas ConsumoQC = FPC(KC,LC) = LC

KC

Cobb-Douglas TecnologíaQT = FPT(KT,LT) = LT

KT

Egresos Importaciones EGR = PIC IC + PIT IT

Egresos Desarrollo Tecnología: EDT= PDT CT

Ingresos Exportaciones: ING = PEC EC + PET ET

Excedente País: ING – EDT - EGR

Disponibilidad Mano Obra: L = LC + LT

Disponibilidad Capital Operativo: K = KC + KT

Producción Tecnología: QT = CT + ET

Productividad de la Tecnología: = 0 + z (CT + IT)

Consumo de Bienes: CC = QC + IC - EC

Consideremos las siguientes variables:

ET Exportaciones Tecnología

EC Exportaciones Bienes

PIT Precio Exportación Tecnología

PIC Precio Exportación Bienes

IT Importaciones Tecnología

IC Importaciones Bienes

PIT Precio Importación Tecnología

PIC Precio Importación Bienes

L Mano de Obra Total

K Capital Operacional Total

QT Producción Tecnología

QC Producción Bienes

CT Consumo Local Tecnología

d Productividad de la Tecnología

d0 Productividad ase de la Tecnología

Las ecuaciones básicas del modelo serían:

Disponibilidad Mano Obra L = LC + LT

Disponibilidad Capital Operativo K = KC + KT

Producción Tecnología QT = CT + ET

Productividad de la Tecnología d = d0 + z (CT + IT)

Consumo de Bienes CC = QC + IC - EC

Egresos Importaciones EGR = PIC IC + PIT IT

Egresos Desarrollo Tecnología EDT= PDT CT

Ingresos Exportaciones ING = PEC EC + PET ET

Excedente Social País ING – EDT - EGR

La variable fundamental seria la cantidad de inversión realizada en desarrollar las capacidades de producción de

tecnología.

El objetivo del modelo ECO: sería maximizar el excedente social, se formula a continuación.

ECO: {



18

EXCEDENTE SOCIAL = ING - EGR - EDT

|

EGR = PIC IC + PIT IT + PDT CT

EDT = PDT CT

ING = PEC EC + PET ET

QT = FPT(KT,LT) = q LTw KT

s

QC = FPC(KC,LC) = a LCb KC

d

L = LC + LT

K = KC + KT

d = d0 + z (CT + IT)

CC + EC = QC + IC

QT = CT + ET

Las series da datos disponibles en el World Bank son suficientes para calibrar este tipo de modelos.

11. CONCLUSIÓN

La pregunta de fondo es la INDUSTRIA 4.0 será una segunda oportunidad ?, la aprovecharemos? o simplemente

estaremos condenados a leer la historia pero no a escribirla.

Hoy en día, la gran cantidad de datos disponibles permite aprender de la historia (analítica predictiva y big data) y

concluir lo que ocurrió durante la RIC-3.0, y tratar de cambiar, si es posible, aquellos factores fundamentales

(políticos, culturales y/o técnicos) de forma tal de que realmente se dé el cambio del tipo de economía que

necesitamos para competir y pasar de importadores de tecnología a productores de las tecnologías INDUSTRIA

4.0.

“La educación es el arma más poderosa que puedes usar para cambiar el mundo” y “la educación es la llave para

abrir la puerta de oro de la libertad” son frases de Nelson Mandela y George Washington Carver, que reflejan

perfectamente la importancia transformadora de la adquisición de conocimientos. En las anteriores frases falta

caracterizar la educación como la educación de alto nivel, hoy en día los conocimientos básicos no son un camino

a una sociedad con capacidad de autodeterminación. La importación de conocimientos encapsulados en productos

tecnológicos corresponde a un espejismo de desarrollo tecnológico.

Para finalizar:

1. Lo importante en una sociedad son las ventajas adquiridas y no las ventajas naturales.

2. La competitividad es el resultado de la suma de tres productividades: i) la tecnológica (eficacia de los procesos

industriales de transformación de materia y de energía); ii) la económica (eficacia en el acceso a los mercados);

y iii) la gerencial (eficacia de los procesos de toma de decisiones); esta última maneja del orden del 15-20%

de los costos totales y su soporte científico es la OR. El convencimiento por parte del sector industrial del valor

agregado aportado por las matemáticas aplicadas un paso necesario para el desarrollo de empresas y de

regiones; sin ellas la competitividad de las organizaciones líderes en OR está fuera del alcance de los no-

usuarios de OR.

3. La matemática aplicada representa un valor económico agregado real, no despreciable, necesario para mejorar

la competitividad de la infraestructura socio-económica, y por ende la calidad de vida de la sociedad. Todo

indica que nuevos modelos matemáticos, más rápidos, más detallados, y más precisos, son las herramientas de

apoyo a las decisiones del futuro, se requiere no solo usarlos, sino aprender a producirlos.

4. El nivel de la matemática paralela que maneje la sociedad será el factor fundamental de la capacidad de

insertarse en el mercado mundial de tecnología y de esa forma capturar la riqueza que puede distribuir a su



19

interior. Importar tecnología segura siendo sinónimo de exportar empleo altamente calificado (calidad de

vida).

5. Todo está enlazado, el futuro depende de la tecnología y del saber, y el saber depende de nuestras decisiones

de cómo enfrentar el cambio tecnológico hoy conocido como “transformación digital”.

6. Como dijo Einstein: ingenuidad es “doing the same thing and over again and expecting different results”

Finalmente se puede parodiar a Nemec: negar a nuestra sociedad las herramientas cuantitativas para el

modelamiento matemático de alta complejidad es un grave error, y nuestro país y su economía están pagando por

ello.

Todo lo anterior fue visualizado por Herbert Simon (1916-2001), Premio Nobel en Economía (1978), "for his

pioneering research into the decision-making process within economic organizations", quien afirmó:

"THE COMPUTER-BASED MATHEMATICAL MODELING IS

THE GREATEST INVENTION OF ALL TIMES"

Documents

VALOR ECONÓMICO AGREGADO POR LAS MATEMÁTICAS EN LA ... … · VALOR ECONÓMICO AGREGADO POR LAS MATEMÁTICAS EN LA INDUSTRIA 4.0: UNA OPCIÓN O UNA NECESIDAD 2 En la literatura