El pensamiento cuántico puede ayudarle a resolver retos estratégicos complejos

Un problema complejo en estrategia es aquel que desafía una solución directa. El término se utiliza para describir problemas complejos que rechazan la resolución convencional. Muchos de los retos estratégicos actuales pueden calificarse como problemas complejos. Los análisis tradicionales se ven superados por la complejidad de los intereses contrapuestos de las stakeholder, las causas subyacentes entrelazadas y los resultados que cambian con cada intervención. La buena noticia es que estos problemas se han intensificado al mismo tiempo que ha surgido un nuevo marco conceptual que se nutre precisamente de la complejidad: el modelado cuántico. Cuando HSBC e IBM informaron recientemente de que un experimento en el comercio de bonos utilizando un ordenador cuántico había indicado que la tecnología podía mejorar el rendimiento en un 34 %, la noticia fue portada en los medios de comunicación de todo el mundo como «revolucionaria» y como prueba de que estamos «en la cúspide de una nueva frontera». Pero quizás una noticia aún más importante que no ha generado los mismos titulares es que no se necesita un ordenador cuántico (que probablemente aún tardará años en llegar y será muy caro) para aprovechar las ventajas cuánticas. Las empresas ya están aplicando conceptos de modelización basados en las teorías y las matemáticas de la mecánica cuántica utilizando ordenadores convencionales. Lo que distingue al modelado cuántico es su capacidad para trabajar con la interdependencia a una escala que el modelado tradicional tiene dificultades para manejar. La estrategia tradicional depende del análisis de regresión, por ejemplo, para encontrar la relación entre una variable dependiente o resultado (Y) y un conjunto de variables independientes observables (X1, X2, etc.) que causan Y. Por regla general, se supone que todas las variables independientes son en gran medida causalmente independientes entre sí, lo que en la vida real no suele ser el caso. Ahí es donde ayuda el modelado cuántico. Utiliza una variedad de métodos matemáticos no solo para evaluar las relaciones entre el resultado (Y) y las causas (X), sino también para tener en cuenta las agrupaciones de causas: todos los pares, tríos y grupos de variables X entrelazadas que mejor explican la variable dependiente. El modelado cuántico busca las mejores formas de explicar el resultado cuando se entrelazan múltiples causas; su fuerza radica en modelar una amplia gama de combinaciones de causas. La revolución cuántica tiene enormes implicaciones para la forma en que tomarán decisiones en el futuro. A continuación, demostramos, a través de tres problemas empresariales típicos, cómo se está aplicando el modelado cuántico a problemas estratégicos complejos utilizando tecnología informática convencional. Problema 1: Optimización de la logística Una empresa global de transporte de mercancías y cadena de suministro, a la que llamaremos K-Logistics, se enfrentaba a un complicado problema estratégico. Quería investigar rutas de suministro alternativas en términos del coste total de su logística de extremo a extremo, que se estaba volviendo cada vez más impredecible debido al aumento de los precios del combustible, el endurecimiento de las normativas sobre emisiones y un entorno geopolítico volátil. Las herramientas de planificación tradicionales de la investigación operativa, como la programación lineal entera, no estaban a la altura de la tarea de gestionar las complejas interdependencias de las variables implicadas. Cómo ayudó la cuántica Liam, el director de tecnología, decidió replantear el problema del coste total en términos cuánticos, considerando el coste como un conjunto de resultados dinámicos que implicaban múltiples variables interdependientes evaluadas simultáneamente. Aplicando una herramienta denominada «annealing cuántico», identificó una ruta recomendada cuyo coste era inferior al de las recomendaciones generadas por los modelos operativos tradicionales. Como explicó Liam: «El modelo tradicional nos hacía comparar el coste de dos rutas marítimas aparentemente similares entre Asia Oriental y Europa. Pero el simulador de lógica cuántica (annealing cuántico) que desarrollamos en colaboración con un proveedor de software especializado señaló una ruta diferente como óptima al tener en cuenta el trazado, los tiempos, los costes de combustible y sus consecuencias posteriores, todo al mismo tiempo. El simulador imitaba la superposición, lo que nos permitía explorar realidades superpuestas». Problema 2: Evaluación de la eficacia de los medicamentos Marta es directora de Prospectiva Estratégica en una empresa farmacéutica global que llamaremos Telara Pharma. El complejo problema de la empresa consistía en analizar datos de campo para evaluar la eficacia de los medicamentos en términos de tasa de absorción, con el fin de priorizar las inversiones en investigación y desarrollo clínicos. Como explicó Marta: «Nuestros procedimientos tradicionales de modelización para evaluar la tasa de absorción partían de variables independientes bien definidas. Pero en los ensayos clínicos, todo está interrelacionado. La tasa de absorción se ve afectada por el grupo de pacientes objetivo, que interactúa con otras variables como la ubicación del ensayo, los diferentes niveles de dosificación y el momento en que se toma el medicamento». Cómo ayudó la cuántica Telara Pharma se asoció con un laboratorio acelerador de innovación empresarial-universitario e implementó modelos cuánticos para el análisis de datos con el fin de evaluar simultáneamente muchas combinaciones variables posibles. Como nos contó Marta: «Para mejorar la tasa de absorción utilizando un modelo tradicional, habríamos recalculado matemáticamente estos impactos uno por uno, por ejemplo, diferentes dosis o ingestas en diferentes momentos del día. El simulador de razonamiento cuántico, las redes bayesianas cuánticas, nos permitió evaluar los efectos en cadena de docenas de interdependencias a partir de una serie de opciones condicionales. Esto nos ayudó a analizar la tasa de absorción de un fármaco de forma mucho más eficaz». Concluyó diciendo: «Adoptar el modelado cuántico para evaluar la eficacia de los medicamentos significa abandonar los árboles de decisión tradicionales, rígidos y lineales. Implica aceptar la ambigüedad, mantener en tensión múltiples resultados posibles y reconocer que las decisiones tomadas en una parte del sistema afectan a todas las demás. Estas son las características distintivas del entrelazamiento en los entornos estratégicos modernos». Problema 3: Fortalecimiento del modelado de riesgos Una empresa de servicios financieros especializada en la detección de riesgos y fraudes, a la que hemos denominado Zentrix Capital, se enfrentaba a un problema complejo. La empresa quería reducir la incidencia de actividades fraudulentas para sus clientes y deseaba detectar nuevas tendencias de fraude en entornos de transacciones de gran volumen. El análisis habitual se quedaba corto. Los modelos tradicionales trataban variables como el tamaño de las transacciones, la frecuencia de acceso a la cuenta, la ubicación de acceso, la antigüedad de la cuenta y el perfil del cliente como independientes. Esto a menudo ocultaba las sutiles y complejas interrelaciones que sustentan el comportamiento fraudulento; por ejemplo, la frecuencia de acceso a una cuenta suele estar relacionada con la ubicación de la cuenta. Cómo ayudó la cuántica El equipo sénior, dirigido por Gustavo, científico jefe de datos de la empresa, aplicó un algoritmo de selección de características cuánticas variacionales, aprovechando los simuladores cuánticos de la informática tradicional. El enfoque inspirado en la cuántica permitió considerar simultáneamente la interacción de múltiples variables, como el tamaño de las transacciones, la frecuencia, la ubicación, la antigüedad de la cuenta y el perfil del cliente. Como nos contó Gustavo: «Nos asociamos con una universidad local para examinar un caso relacionado con una serie de pequeñas transacciones internacionales procedentes de cuentas inactivas. Tradicionalmente, habríamos evaluado variables como la frecuencia de las transacciones o la actividad de la cuenta una por una. Pero el modelo de lógica cuántica tuvo en cuenta combinaciones como el valor de las transacciones con la actividad de los clientes (inicio de sesión en un nuevo dispositivo, restablecimiento reciente de la contraseña) y otras anomalías a nivel de red, todo al mismo tiempo. No nos obligó a decidir de antemano qué variables eran las más importantes». Explicó que los resultados obtenidos mediante el modelado cuántico permitieron detectar un nuevo tipo de fraude de identidad sintética que habría pasado desapercibido con los protocolos de seguridad convencionales. Gustavo concluyó: «El modelado cuántico ayudó a sacar a la luz combinaciones variables que no habíamos considerado anteriormente, al evaluar múltiples patrones interdependientes simultáneamente en lugar de aislar las variables una por una». Su futuro en el modelado cuántico Muchos ejecutivos oyen «cuántico» y piensan en criptografía, ciberresiliencia o laboratorios de física, pero no en estrategia. Sin embargo, el modelado cuántico no requiere un ordenador cuántico, un PhD ni un laboratorio. Comienza por cambiar la forma en que su organización piensa sobre la incertidumbre. Empiece poco a poco y aprenda rápido. Elija un área complicada y de alto riesgo en la que los análisis convencionales fallan: una interrupción en la cadena de suministro, una previsión normativa o una situación de riesgo. Trátela como un proyecto piloto. El objetivo inicial no es sustituir sus herramientas actuales, sino ver cómo se comportan las variables interdependientes cuando se analizan juntas, en lugar de una tras otra. Así es exactamente como HSBC abordó el modelado cuántico: en lugar de reconstruir todo su sistema de negociación de bonos, el banco aisló un submodelo volátil y lo ejecutó a través de un simulador inspirado en la cuántica. El resultado, una mejora del rendimiento del 30 %, no se debió a un mayor volumen de datos, sino a un modelado diferente de las relaciones entre los puntos de datos. Telara Pharma hizo lo mismo con las tasas de absorción de compuestos, K-Logistics con las rutas de envío y Zentrix con la detección de fraudes. Cada uno de ellos comenzó con un subconjunto pequeño y volátil del sistema para explorar interdependencias complejas en las que los modelos tradicionales se quedaban cortos. Asóciese antes de invertir. La mayoría de los avances en este campo se producen gracias a la colaboración, más que a la experimentación en solitario. HSBC, por ejemplo, se asoció con IBM para acceder a conocimientos especializados y herramientas de simulación inspiradas en la cuántica sin comprometerse a realizar grandes inversiones en infraestructura. Esa asociación permitió al banco poner a prueba sus ideas rápidamente, aprender de los resultados y ampliar lo que funcionaba. Sin embargo, los grandes proveedores de tecnología no son la única opción. Al igual que hizo K-Logistics, puede contratar a empresas de análisis especializadas; o seguir el camino de Telara Pharma colaborando con laboratorios de innovación empresariales y universitarios; o adoptar el enfoque de Zentrix asociándose con empresas derivadas de universidades que ya están probando simuladores cuánticos en infraestructuras clásicas. Desarrollen conocimientos cuánticos. Al igual que los líderes tuvieron que aprender ciencia de datos hace una década, los líderes del mañana necesitarán dominar el razonamiento cuántico, es decir, comprender el entrelazamiento, el pensamiento probabilístico y la optimización dinámica. El experimento de HSBC no se centró tanto en adoptar nuevas tecnologías como en desarrollar conocimientos cuánticos mediante el desarrollo de la capacidad de pensar en términos de probabilidades conectadas y en evolución. Telara Pharma, K‑Logistics y Zentrix utilizaron sus proyectos piloto no solo para obtener resultados, sino también para desarrollar la fluidez interna en conceptos cuánticos. Por lo tanto, reúnan un equipo multifuncional de estrategas, científicos de datos y responsables operativos para interpretar juntos los resultados divergentes del modelado cuántico. El valor real no reside en la novedad del método en sí, sino en aprender juntos y descubrir conocimientos que las herramientas tradicionales pasan por alto constantemente. . . . Desarrolle ahora su fluidez cuántica y estará mejor preparado para manejar los problemas complejos del futuro que la lógica convencional simplemente no puede resolver. Las empresas que dominen pronto el pensamiento cuántico marcarán la próxima década. El resto se quedará atrás tratando de ponerse al día.

El pensamiento cuántico puede ayudarle a resolver retos estratégicos complejos

Resumen.

Partner Center