Intervenciones en complejidad y consecuencias imprevistas

De adolescente, leí un relato curioso que me dio una lección sobre lo fácil que resulta causar daño, a pesar de actuar con buenas intenciones. El suceso se dio en la meseta de Kaibab, al norte del Gran Cañón de Colorado. En 1907 había unos 4 mil ciervos y gran cantidad de depredadores, incluyendo pumas y lobos. Con muy loables intenciones, se quiso proteger la población de ciervos. ¿Cómo? Matando a sus depredadores. Para 1925 la población de ciervos había crecido a unos 100 mil. La multiplicada población de ciervos arrasó con la vegetación, con lo que se afectó negativamente la sostenibilidad de la zona y dos años después muchos miles de ciervos murieron de hambre. La cantidad de ciervos se redujo entonces a unos 10 mil. El relato se encuentra en el libro de texto de Biología de Claude A. Villee, que era el libro de texto que usé en segundo ciclo de la escuela secundaria para dicha materia.

La lección del caso aplica a ecosistemas, pero también a cualquier otro sistema complejo. Sistemas complejos lo son también la célula y los organismos multicelulares, la cognición humana, el clima terrestre, las relaciones económicas y sociales, por mencionar algunos. Sistema complejo es algo muy difícil de definir. Describirlo es menos problemático que definirlo. Los sistemas complejos tienen multiplicidad de componentes que interactúan de manera que hay interdependencia entre ellos. La interacción de los distintos componentes entre sí, y entre ellos y factores externos propios de su ambiente, es tal que es imposible entenderlos en su totalidad. Se puede intentar modelos del comportamiento de un sistema complejo, pero dichos modelos solo pueden darnos estimados probabilísticos y no deterministas.

Hablando de determinismo, los sistemas complejos se distinguen de los sistemas con procesos deterministas y he aquí una de sus principales características. En un sistema determinista usted puede tener complicación, pero ello no es lo mismo que complejidad. Un ejemplo de sistema complicado, pero no complejo, sería un motor de combustión interna, formado por muchos componentes que interactúan, pero la interacción entre cada uno de ellos puede ser modelada de forma muy precisa, de tal modo que, conociendo los puntos de partida del sistema, usted puede calcular con alta precisión cuál será el comportamiento de todo el sistema en respuesta a un determinado cambio en las variables. Por diseño, el motor contará con mecanismos de compensación automáticos, y hasta con mecanismos de seguridad que se activen para su protección ante determinados eventos detectados por sensores. Pero, aunque para un lego en materia de mecánica automotriz el funcionamiento y operación de dicho motor pueda resultar ininteligible, no lo es para los ingenieros automotrices que lo diseñaron ni para un mecánico automotriz experimentado.

En cambio, un sistema complejo no es inteligible a esos niveles de precisión, ni siquiera para las personas que dedican tiempo completo a su estudio. Una característica de los sistemas complejos es que no hay experticia en ellos. Un ecosistema, por ejemplo, no tiene expertos, aunque un biólogo que se haya dedicado a estudiar dicho ecosistema será un especialista que conoce mucho más que el biólogo promedio y aún más que el resto de la población. Pero aun ese especialista no podrá predecir qué resultará si en dicho ecosistema se introduce una intervención X, como sí lo puede hacer con gran precisión el ingeniero automotriz sobre el motor que conoce al dedillo. El biólogo podrá elaborar un modelo del ecosistema, pero dicho modelo necesariamente será una sobresimplificación cruda. Esto no significa que el modelo no sirva para nada, pero sí que en sistemas complejos el especialista tiene que ser mucho, pero mucho más humilde que en sistemas deterministas.

Kaibab ilustra el problema de que intervenir en sistemas complejos no siempre logra los efectos deseados y muchas veces crea problemas nuevos que son más graves que aquellos que se buscaba solucionar con la intervención. Algunos llaman a esto la ley de las consecuencias imprevistas. Pero hay otro nombre más preciso: iatrogenia. La etimología de iatrogenia o yatrogenia es “daño causado por el sanador” (del griego iatros: médico, y génesis: crear). Su uso específico más común es justamente en el ámbito médico de intervenciones hechas con las mejores intenciones, que terminan causando daño neto. Corresponde a la expresión coloquial de “la cura fue peor que la enfermedad”. Pero en sentido amplio también se usa fuera del campo médico, para referirse al daño causado en sistemas complejos por intervenciones que, aunque dirigidas a sanar, alteran de forma negativa el orden espontáneo del sistema de que se trate y causan daño neto. Lo de Kaibab, por ejemplo, fue un clásico caso de iatrogenia ambiental.

Con Kaibab es fácil, con el conocimiento que tenemos ahora, juzgar como tonta la intervención bienintencionada de eliminar a los depredadores de los ciervos. Pero el tema con los sistemas complejos es precisamente que al no ser deterministas, sino “procesos de caja negra”, con fenómenos emergentes y opacidad causal, no se puede predecir los resultados a partir de las variables iniciales. Lo que parece obvio ex post facto, no necesariamente lo es ex ante. Esto, nuevamente, debe llevar a que ante sistemas complejos debe aplicarse profunda humildad epistémica.

Kaibab nos deja aun otra lección muy importante: los efectos adversos de la intervención no se hicieron notar de inmediato. Pasaron casi 20 años hasta que se hizo notorio que la eliminación de los depredadores, en lugar de proteger a los ciervos, resultó en un desastre ecológico que terminó perjudicando incluso a los propios ciervos. Esto es algo frecuente en la iatrogenia. Los efectos adversos no siempre se notan de inmediato, pues suele haber un descalce temporal entre la intervención y la aparición de los síntomas. Si usted hoy decide hacerse fumador para perder peso, ello no le hará aparecer un cáncer esta misma noche ni mañana, sino que los efectos adversos del fumar tardarán muchos años, incluso décadas, en hacerse notar. De allí la fundamental lección de que ausencia de evidencia de daño no equivale a evidencia de ausencia de daño.