Simulación por computadora y estudios organizativos

La simulación por computadora es un método destacado en los estudios organizacionales y la gestión estratégica. ^{[ 1 ]} Si bien existen muchos usos para la simulación por computadora (incluido el desarrollo de sistemas de ingeniería dentro de empresas de alta tecnología), la mayoría de los académicos en los campos de la gestión estratégica y los estudios organizacionales la han utilizado para comprender cómo operan las organizaciones o empresas. Sin embargo, más recientemente, los investigadores también han comenzado a aplicar la simulación por computadora para comprender el comportamiento organizacional a un nivel más micro, centrándose en la cognición y el comportamiento individual e interpersonal ^{[ 2 ]} como el trabajo en equipo . ^{[ 3 ]}

Si bien los investigadores de estrategia se han centrado principalmente en la comprobación de teorías sobre el desempeño empresarial, muchos teóricos organizacionales se enfocan en teorías más descriptivas. El denominador común ha sido el uso de modelos computacionales para verificar o ampliar dichas teorías. Quizás no sea casualidad que los investigadores que utilizan la simulación computacional se hayan inspirado en ideas de la modelización biológica , la ecología , la física teórica y la termodinámica , la teoría del caos , la teoría de la complejidad y los estudios organizacionales, dado que estos métodos también se han utilizado con éxito en dichas áreas.

Los investigadores que estudian organizaciones y empresas mediante simulaciones informáticas utilizan diversas distinciones y definiciones básicas comunes en la ciencia computacional.

• Modelos basados ​​en agentes frente a modelos basados ​​en ecuaciones: los modelos basados ​​en agentes se desarrollan según las interacciones de acciones relativamente simples, mientras que los modelos basados ​​en ecuaciones se desarrollan numéricamente a partir de diversas ecuaciones dinámicas o de estado estacionario (Nota: algunos argumentan que esta distinción es algo falsa, ya que algunos modelos basados ​​en agentes utilizan ecuaciones para dirigir el comportamiento de sus agentes).
• Modelo: versiones simplificadas del mundo real que contienen solo elementos esenciales de interés teórico ^{[ 4 ]}
• Complejidad del modelo: el número de partes conceptuales en el modelo y las conexiones entre esas partes ^{[ 5 ]}
• Deterministas frente a estocásticos: los modelos deterministas se desarrollan exactamente como lo especifica una lógica predefinida, mientras que los modelos estocásticos dependen de una variedad de extracciones de distribuciones de probabilidad.
• Optimización vs. Descripción: modelos con actores que buscan óptimos (como los picos en los paisajes de aptitud) o no

En el campo de la simulación computacional existen diversos enfoques metodológicos. Entre ellos se incluyen, entre otros, los siguientes. (Nota: esta lista no es exhaustiva ni excluyente, sino que busca reflejar las tendencias predominantes. Para consultar tres taxonomías diferentes, véanse Carley 2001; Davis et al. 2007; Dooley 2002).

• Modelos basados ​​en agentes: modelos computacionales que investigan la interacción de múltiples agentes (muchos de los siguientes enfoques también pueden considerarse "basados ​​en agentes").
• Autómatas celulares: modelos que exploran múltiples actores en el espacio físico cuyo comportamiento se basa en reglas.
• Modelos de red dinámica: cualquier modelo que represente actores y entidades no actores (tareas, recursos, ubicaciones, creencias, etc.) conectados a través de vínculos relacionales como en el análisis de redes dinámicas.
• Algoritmos genéticos: modelos de agentes cuya información genética puede evolucionar con el tiempo.
• Modelado basado en ecuaciones (o no lineal): modelos que utilizan ecuaciones (generalmente no lineales ) que determinan el estado futuro de sus sistemas.
• Modelos de redes sociales: cualquier modelo que represente a los actores como conectados a través de "vínculos" estereotípicos, como en el análisis de redes sociales.
• Simulación estocástica: modelos que involucran variables aleatorias o fuentes de estocasticidad.
• Dinámica de sistemas : enfoque basado en ecuaciones que utiliza bucles causales y existencias y flujos de recursos.
• Modelado NK: actores modelados como N nodos vinculados a través de K conexiones que (típicamente) intentan alcanzar la cima de un paisaje de aptitud.

Las primeras investigaciones sobre estrategia y organizaciones que utilizaban simulación computacional se centraron en el comportamiento macro de los sistemas o en mecanismos organizacionales específicos. Entre los aspectos más destacados de estas primeras investigaciones se incluyen:

• El modelo de "cubo de basura" de elección organizacional de Cohen, March y Olsen (1972) modelaba las organizaciones como un conjunto de soluciones que buscaban problemas en una organización bastante anárquica, parecida a un "cubo de basura".
• El estudio de March (1991) sobre la exploración y la explotación en el aprendizaje organizacional utilizó la distinción básica entre explorar y explotar de John Holland (1975) para mostrar el valor de los aprendices lentos en las organizaciones.
• La teoría evolutiva del cambio económico de Nelson y Winter (1982) utilizó una simulación para demostrar que un modelo evolutivo podía producir el mismo tipo de cifras de PIB/productividad que la teoría neoclásica de la elección racional.

Las investigaciones posteriores que utilizaron simulación computacional florecieron en la década de 1990 y más allá. Entre los aspectos más destacados se incluyen:

• Modelo de demografía y cultura organizacional de Carroll y Harrison (1998).
• Modelo de Davis, Eisenhardt y Bingham (2009) sobre la estructura organizacional en entornos impredecibles.
• Modelo de búsqueda cognitiva y experiencial de Gavetti y Levinthal (2000)
• Modelo NK de Levinthal (1997) de adaptación en paisajes de aptitud accidentados
• El estudio de Rivkin (2000) sobre la imitación estratégica
• Modelo de puntos de inflexión desastrosos de Rudolph y Repenning (2002)
• El modelo de Sastry (1997) de cambio organizacional puntuado
• Modelo de Zott (2003) de evolución estratégica y capacidades dinámicas

• Adner, R.; Levinthal, D. (2001). "Heterogeneidad de la demanda y evolución tecnológica: implicaciones para la innovación de productos y procesos" . Management Science . 47 (5): 611– 628. doi : 10.1287/mnsc.47.5.611.10482 . Archivado del original el 25 de septiembre de 2009. Recuperado el 14 de julio de 2006 .
• Bruderer, E.; Singh, JS (1996). "Evolución, aprendizaje y selección organizacional: un modelo basado en algoritmos genéticos". Academy of Management Journal . 39 (5): 1322– 1349. doi : 10.2307/257001 . JSTOR 257001 . 
• Carley, KM 2001. Enfoques computacionales para la teorización sociológica. En J. Turner (Ed.), Manual de teoría sociológica: 69 – 84. Nueva York, NY: Kluwer Academic/Plenum Publishers.
• Carroll, G.; Harrison, JR (1998). "Demografía y cultura organizacional: perspectivas a partir de un modelo formal y una simulación" . Administrative Science Quarterly . 43 (3): 637– 667. doi : 10.2307/2393678 . JSTOR 2393678. Archivado del original el 10 de septiembre de 2006. Recuperado el 14 de julio de 2006 . 
• Cohen, MD; March, J.; Olsen, JP (1972). "Un modelo de cubo de basura para la elección organizacional". Administrative Science Quarterly . 17 (1): 1– 25. doi : 10.2307/2392088 . JSTOR 2392088 . 
• Crowder, RM; Robinson, MA; Hughes, HPN; Sim, YW (2012). "El desarrollo de un marco de modelado basado en agentes para simular el trabajo en equipo de ingeniería". IEEE Transactions on Systems, Man, and Cybernetics - Part A: Systems and Humans . 42 (6): 1425– 1439. doi : 10.1109/TSMCA.2012.2199304 . S2CID 7985332 . 
• Davis, JP; Eisenhardt, KM; Bingham, CB (2007). "Desarrollo de teoría con métodos de simulación" . Academy of Management Review . 32 (2): 480– 499. CiteSeerX 10.1.1.562.5016 . doi : 10.5465/AMR.2007.24351453 . S2CID 18394514 .  
• Davis, JP; Eisenhardt, KM; Bingham, CB (2009). "Estructura óptima, dinamismo del mercado y la estrategia de reglas simples" . Administrative Science Quarterly . 54 (3): 413– 452. doi : 10.2189/asqu.2009.54.3.413 . hdl : 1721.1/52690 . S2CID 17029244 . 
• Forrester, J. 1961. Dinámica industrial. Cambridge, Massachusetts: MIT Press.
• Gavetti, G.; Levinthal, D. (2000). "Mirando hacia adelante y hacia atrás: búsqueda cognitiva y experiencial" . Administrative Science Quarterly . 45 (1): 113– 137. doi : 10.2307/2666981 . JSTOR 2666981. S2CID 6282715. Archivado del original el 25 de septiembre de 2009. Recuperado el 14 de julio de 2006 .  
• Harrison, JR; Lin, Z.; Carroll, GR; Carley, KM (2007). "Modelado de simulación en la investigación organizacional y de gestión". Academy of Management Review . 32 (4): 1229– 1245. doi : 10.5465/amr.2007.26586485 .
• Holland, JH 1975. Adaptación en sistemas naturales y artificiales. Ann Arbor, MI: The University of Michigan Press.
• Hughes, HPN; Clegg, CW; Robinson, MA; Crowder, RM (2012). "Modelado y simulación basados ​​en agentes: la contribución potencial a la psicología organizacional". Journal of Occupational and Organizational Psychology . 85 (3): 487– 502. doi : 10.1111/j.2044-8325.2012.02053.x .
• Kauffman, S. 1989. Adaptación en paisajes de aptitud accidentados. En E. Stein (Ed.), Lecciones sobre la ciencia de la complejidad. Reading, Mass.: Addison – Wesley.
• Kauffman, S. 1993. Los orígenes del orden. Nueva York, NY: Oxford University Press.
• Langton, CG 1984. Autorreproducción en autómatas celulares. Physica, 10D: 134 – 144.
• Lant, T.; Mezias, S. (1990). "Gestión del cambio discontinuo: un estudio de simulación del aprendizaje organizacional y el emprendimiento". Strategic Management Journal . 11 : 147–179 . JSTOR 2486675 . 
• Lave, C., y March, JG 1975. Introducción a los modelos en las ciencias sociales. Nueva York, NY: Harper and Row.
• Law, AM, y Kelton, DW 1991. Modelado y análisis de simulación (2.ª ed.). Nueva York, NY: McGraw - Hill.
• Levinthal, D (1997). "Adaptación en paisajes accidentados". Management Science . 43 (7): 934– 950. doi : 10.1287/mnsc.43.7.934 .
• Lomi, A.; Larsen, E. (1996). "Interactuar localmente y evolucionar globalmente: un enfoque computacional de la dinámica de las poblaciones organizacionales". Academy of Management Journal . 39 (5): 1287– 1321. doi : 10.2307/257000 . JSTOR 257000 . 
• March, JG (1991). "Exploración y explotación en el aprendizaje organizacional". Organization Science . 2 (1): 71– 87. doi : 10.1287/orsc.2.1.71 .
• Nelson, RR y Winter, SG 1982. Una teoría evolutiva del cambio económico. Cambridge, Massachusetts: Belknap – Harvard University Press.
• Repenning, N (2002). "Un enfoque basado en la simulación para comprender la dinámica de la implementación de la innovación". Organization Science . 13 (2): 109– 127. doi : 10.1287/orsc.13.2.109.535 . hdl : 1721.1/3803 .
• Rivkin, J. (2000). "Imitación de estrategias complejas". Management Science . 46 (6): 824– 844. doi : 10.1287/mnsc.46.6.824.11940 .
• Rivkin, J. (2001). "Reproduciendo conocimiento: replicación sin imitación a complejidad moderada". Organization Science . 12 (3): 274– 293. doi : 10.1287/orsc.12.3.274.10106 .
• Rudolph, J.; Repenning, N. (2002). " Dinámica de desastres: comprender el papel de la cantidad en el colapso organizacional" . Administrative Science Quarterly . 47 (1): 1– 30. doi : 10.2307/3094889 . JSTOR 3094889. S2CID 745136 .  
• Sastry, MA (1997). "Problemas y paradojas en un modelo de cambio organizacional puntuo". Administrative Science Quarterly . 42 (2): 237– 275. doi : 10.2307/2393920 . JSTOR 2393920 . 
• Schelling, T (1971). "Modelos dinámicos de segregación". Journal of Mathematical Sociology . 1 (2): 143– 186. doi : 10.1080/0022250x.1971.9989794 .
• Simon, H. 1996 (1969; 1981) Las ciencias de lo artificial (3.ª edición) MIT Press.
• Sterman, J. 2000. Dinámica empresarial: pensamiento sistémico y modelado para un mundo complejo. Nueva York, NY: Irwin McGraw - Hill.
• Sterman, J.; Repenning, N.; Kofman, F. (1997). "Efectos secundarios imprevistos de los programas de calidad exitosos: explorando una paradoja de la mejora organizacional". Management Science . 43 (4): 503– 521. doi : 10.1287/mnsc.43.4.503 . hdl : 1721.1/2506 .
• Wolfram, S. 2002. Un nuevo tipo de ciencia. Champaign, IL: Wolfram Media.
• Zott, C (2003). "Capacidades dinámicas y el surgimiento del desempeño diferencial de las empresas dentro de la industria: perspectivas de un estudio de simulación" . Strategic Management Journal . 24 (2): 97– 125. doi : 10.1002/smj.288 . S2CID 15415778 .