César Elvira¿Podemos sacar partido del desorden? ¿Hay caminos que podamos seguir y nos ayuden a avanzar en la complejidad y en la ambigüedad actual? ¿Disponemos ya de un mapa para movernos con mínimas garantías entre la incertidumbre, la volatilidad y el caos? ¿Cómo sacar partido a un suceso improbable, a un cisne negro?

Estas y otras preguntas, imagino, se las hizo en 2012 Nassim Nicholas Tayeb, investigador y financiero libanés, que acuñó el concepto de antifrágil o antifragilidad. Este define algo que es diferente a lo sólido, a lo fuerte y firme, va más allá de la resiliencia que aguanta, pero que, llegado a un límite, se quiebra. Y, desde luego, no define algo que es frágil.

La antifragilidad no solo se beneficia del desorden, sino que prospera y crece cuando se expone a la volatilidad, a lo aleatorio. No permanece indiferente frente a la incertidumbre, gusta de la aventura y el riesgo, los usa a su favor y sale reforzada del envite.

La fragilidad nos vuelve débiles y vulnerables en escenarios estresantes, donde crece la volatilidad y, por tanto, el riesgo. La antifragilidad tendería a ser maleable y adaptativa al momento y a las circunstancias; nos daría una sensibilidad especial de confianza, disminuyendo la volatilidad.

La antifragilidad no solo se beneficia del desorden, sino que prospera y crece cuando se expone a la volatilidad, a lo aleatorio

La búsqueda de nuevos caminos es lo que nos podría hacer antifrágiles, nuevos enfoques ante un desafío que estén basados en la obtención de datos, de información, y en su tratamiento con la ayuda de la IA; todo ello protegido por el paraguas de la ciberseguridad. La antifragilidad implica no solo resistir, sino también aprender para mejorar, crear el mapa y tu camino.

Antifragilidad

La cuestión es qué sistemas podemos considerar antifrágiles. A pesar de las fluctuaciones y de los ataques, o de las críticas recibidas por organismos regulatorios, las criptomonedas —usando la tecnología blockchain— se benefician de la descentralización de la información, lo que le da un extra de seguridad. Igualmente, la redundancia en los sistemas, como plan de contingencia, les hace más seguros y tolerantes a fallos.

Otro ejemplo sería el de las redes neuronales, que aprenden a cada paso (machine learning), usando sistemas de IA que se benefician ante la avalancha de datos malos, repetidos y erróneos. Cuanto más se les entrena con datos de fuentes contrastadas, más robustos y fiables se vuelven estas redes y más afinadas serán sus conclusiones.

Otros contenidos…

Tendencias y tecnologías que sí interesan
VUCADA y antifragilidad
El extraordinariamente complejo tablero de juego
Hacer predicciones en tiempos convulsos