Cadenas de envejecimiento

Una cadena de envejecimiento divide una población en grupos según el tiempo que llevan en un estado determinado. Imagínala como una cinta transportadora con distintas secciones: los elementos nuevos entran por un extremo, pasan un tiempo recorriendo cada sección y finalmente salen. Lo que hace tan útiles a estas cadenas es que muestran el retraso entre el momento en que empiezas algo y el momento en que ves todos sus resultados.

Prueba esto: fíjate en cuánto tarda realmente una nueva política en tu trabajo en mostrar efectos reales en las operaciones diarias.

Cómo funcionan las cadenas de envejecimiento

Una cadena de envejecimiento sigue a una población a través de etapas definidas por el tiempo. Cada etapa representa un intervalo de duración, y las personas o los elementos pasan de una etapa a otra a medida que transcurre el tiempo. Esto crea una secuencia en la que las salidas de cualquier momento reflejan decisiones tomadas mucho antes.

Principios clave

Acumulaciones y flujos: Cada etapa es una «acumulación»: un depósito que contiene elementos durante un período específico. Los elementos «fluyen» entre las etapas a un ritmo determinado por la rapidez con la que, al pasar el tiempo, salen de una etapa y entran en la siguiente.

Los retrasos se acumulan: El retraso total entre la entrada y la salida equivale a la suma del tiempo que los elementos pasan en todas las etapas. Esto significa que un cambio en las entradas de hoy no se reflejará en las salidas hasta que transcurra todo ese tiempo.

Conservación de la masa: Los elementos no desaparecen, salvo cuando realmente salen del sistema. Si ves que salen menos elementos de los que entran, se están acumulando en alguna de las etapas intermedias.

Ejemplos del mundo real

Atención al cliente: Las solicitudes de asistencia pasan de «nuevas» a «en curso» y luego a «resueltas». Si hoy duplicas el personal de atención, las solicitudes pendientes no desaparecen de inmediato: las que ya están en el proceso todavía necesitan tiempo para avanzar.

Salud pública: Los casos de exposición a una enfermedad pasan de «latentes» a «sintomáticos» y luego a «recuperados». Los cambios en las políticas, como la obligación de usar mascarilla, solo muestran efectos después de que la cadena de infección avanza por estas etapas.

Procesos de contratación: Los candidatos pasan de «candidatura presentada» a «en entrevistas» y luego a «oferta». Un aumento de la actividad de contratación hoy se traduce en nuevas incorporaciones meses después, no mañana.

Implicaciones prácticas

Cuando observes una cadena de envejecimiento en acción, recuerda que las salidas actuales reflejan entradas pasadas. Para predecir estados futuros, sigue lo que hay hoy en cada etapa. La etapa de «considerar probarlo» del ejemplo inicial determina los registros futuros, que a su vez determinan los futuros usuarios activos. Esto explica por qué los esfuerzos de marketing parecen tardar en dar resultados: estás viendo una cadena de envejecimiento en acción.

Las cadenas de envejecimiento convierten nuestra intuición sobre los retrasos en modelos que se pueden poner a prueba. Se utilizan ampliamente en epidemiología, gestión de inventarios y comportamiento organizacional para predecir cómo responden los sistemas a lo largo del tiempo.

• Sterman (2000): Demuestra que las personas evalúan mal de forma sistemática los sistemas con retroalimentación retardada y obtienen malos resultados incluso en tareas sencillas de acumulaciones y flujos porque no tienen en cuenta la acumulación ni los retrasos [1].
• Forrester (1961): Introdujo las cadenas de envejecimiento, llamadas «retardos», como elementos fundamentales de la dinámica industrial y mostró cómo generan oscilaciones e inestabilidad en las cadenas de suministro y los sistemas de decisión [2].
• Homer (1996): Aplicó modelos de cadenas de envejecimiento a las políticas de salud pública y demostró cómo el momento de las intervenciones cambia drásticamente su eficacia debido al avance de las cohortes por las etapas de la enfermedad [3].

Las cadenas de envejecimiento suponen que todos los elementos de una etapa avanzan aproximadamente al mismo ritmo. Esto simplifica en exceso los sistemas reales, en los que los tiempos de salida varían mucho. Funcionan mejor para hacer predicciones sobre el conjunto, pero pueden pasar por alto las diferencias individuales. Los modelos también tienen dificultades cuando los elementos retroceden entre etapas, como cuando los pacientes recuperados vuelven a ser susceptibles, o cuando las etapas tienen límites difusos en lugar de umbrales temporales claros. Por último, las cadenas de envejecimiento necesitan datos precisos sobre las tasas de transición: si introduces datos de mala calidad, obtendrás resultados de mala calidad.