toma de decisiones organizacionales con interdependencia y

1

Toma de Decisiones Organizacionales con

Interdependencia y Coordinación entre Agentes

Carlos Francisco González González Tesis de Maestría en Ingeniería Industrial, Universidad de los Andes, Bogotá, Colombia

[email protected]

RESUMEN

Un factor fundamental dentro de las organizaciones es la forma como se toman las decisiones, aún

más cuando se involucran personas con diferentes conocimientos o experticia en el grupo decisor.

La literatura existente nos muestra que los factores involucrados para mejorar el desempeño de una

organización están relacionados con su estructura, conocimiento de las personas, mecanismo de

toma de decisión, coordinación e interdependencia por nombrar algunos. Esta investigación quiere

aportar a la literatura ya existente sobre desempeño organizacional mediante la relación entre

interdependencia y coordinación de los agentes como un factor clave para la toma de decisiones con

el fin de mejorar el desempeño de la organización y este desempeño se ve afectado por los errores

cometidos a la hora de decidir ya se aprobando proyectos malos (comisión) o, rechazando proyectos

malos (omisión); todo esto se lleva a cabo por medio de una simulación basada en agentes. En este

documento se comienza hablando de los factores importantes en una organización para su

desempeño, después se pasará a una revisión bibliográfica con el fin de mostrar cómo esta

investigación difiere de estudios previos y por último se describe el modelo basado en agentes con

su análisis y discusión de resultados.

1. INTRODUCCIÓN

Por lo general las decisiones dentro de las organizaciones se hacen con un grupo de expertos con

diferentes dominios de conocimiento (experticia). Según Fang et al. (2010), recientes

investigaciones han sugerido que los gerentes pueden estar en la capacidad de usar la estructura

organizacional como palanca para mejorar el balance entre la experticia de los personas; dentro de

las organizaciones se necesita alinear el comportamiento de los individuos ya que cada uno tiene un

punto de vista de lo que es bueno o malo para la empresa de acurdo a su conocimiento por lo cual se

requiere de un mecanismo de coordinación para alinear los diferente puntos de vista de las personas

para obtener un mejor desempeño organizacional.

En primer lugar, el desempeño de una organización está influenciado por su estructura

organizacional (jerarquía y poliarquía) ya que esto me permite conocer quien o quienes son los

encargados de tomar las decisiones (Aguado 2006, Daft 2012); estas decisiones están ligadas a un

mecanismo o forma como se toma la decisión ya sea que la decisión la tome un experto, que sea el

voto de la mayoría o por promedio (Csaszar & Eggers 2012). Toda persona encargada de tomar una

decisión debe tener un nivel de “experticia” que le permita evaluar de forma adecuada y tomar una

correcta decisión; estas personas se pueden distinguir por ser: exploradores (aquellos que buscan

más allá de su propio conocimiento) y los explotadores (aquellos que consideran tener el

conocimiento adecuado y confían de forma natural en sus decisiones), un correcto balance

organizacional permite estar a la vanguardia de los cambios en el entorno (Raisch, S., Birkinshaw,

J., Probst, G., & Tushman, M. L. 2009, Tay, N. S., & Lusch, R. F. 2007, Justin J. P. Jansen, Michiel

P. Tempelaar, Frans A. J. van den Bosch, & Henk W. Volberda, 2009). Por lo tanto, un factor clave

en las organizaciones es saber coordinar a estas personas permitiéndose llegar a la mejor decisión o

mailto:[email protected]

2

a la menos perjudicial para la compañía. Se considera un factor importante en las organizaciones

conocer la forma como las personas se coordinan y como la interdependencia entre ellas afecta el

desempeño organizacional; este factor ha sido poco profundizado y vinculado a la literatura

existente por lo cual esta investigación busca agregar este componente al estudio organizacional y

relacionarlo con su desempeño.

Esta investigación considera a los agentes (personas tomadoras de decisiones) autónomos a la hora

de tomar decisiones y tienen la capacidad de interactuar con otros individuos que hacen parte de su

estructura. Por otro lado, el diseño organizacional y la integración de la coordinación y la

interdependencia entre los agentes mostrarán la forma como la experticia de los individuos afecta el

desempeño organizacional. La pregunta de investigación que se quiere resolver en esta

investigación es: ¿Cómo la coordinación y la interdependencia entre los agentes conlleva a que las

decisiones organizacionales sean las más acertadas o las menos perjudiciales para la organización?

Para responder esta pregunta, se ha desarrollado un modelo basado en agentes que permitirá

estudiar el desempeño de dos estructuras organizacionales variando el número y el tipo de agente

dentro de la organización. Por otro lado, estas estructuras tendrán un mecanismo de coordinación e

interdependencia que se explica a detalle en los apartados siguientes. Los agentes tendrán que

decidir qué proyectos aceptar y cuales rechazar, todo esto basados en su experticia o conocimiento.

Se hace uso de la simulación basada en agentes para este proyecto, ya que nos permite modelar e

investigar adecuadamente cómo las cosas se despliegan sobre un largo periodo de tiempo. La

simulación basada en agentes permite ver el proceso modelado como la interacción entre agentes,

quienes mutuamente influyen el uno al otro; reduciendo el estudio a niveles microscópicos (Tay &

Lusch, 2007). Otra de las ventajas es que se capta el comportamiento de los sistemas complejos

desde un enfoque ascendente permitiendo tener beneficios, como la capacidad de capturar el

comportamiento emergente de un sistema a partir de las interacciones entre sus agentes o

componentes, proporcionando una descripción natural del sistema y es más flexible en términos de

aumentar la complejidad o el tamaño del modelo (Rojas, 2010).

2. MARCO TEÓRICO

2.1 Formulación del problema

La estructura organizacional es una poderosa herramienta para lograr los objetivos estratégicos y

una estrategia exitosa es a menudo determinada por el acople con la estructura misma. Una

organización está definida por el conjunto de tareas formales asignadas a un individuo, la forma de

relacionarse y comunicarse incluyendo las líneas de autoridad (jerarquías y responsabilidad en las

decisiones) y el diseño del sistema para asegurar la coordinación efectiva de los individuos (Daft,

2010). El diseño organizacional describe cómo las unidades o individuos que toman una decisión

están organizados en un sistema, cómo la habilidad y la autoridad de la toma de decisiones es

distribuida dentro del sistema, quién recolecta qué información y quien comunica eso con quién

(Sah & Stiglitz, 1986).

Las decisiones organizacionales son más descentralizadas cuando el tomador de la decisión solo

controla si se aplica la decisión tomada (Mintzberg, 1979). Las decisiones organizaciones son

probablemente hechas por grupos de personas en vez de un solo individuo y este grupo de personas

pueden tener diversidad en sus miembros ya que la diversidad en el grupo implica diferentes

opiniones y como estas opiniones individuales son agregadas a nivel de grupal tiene una alta

implicación para la acción y desempeño de la organización; se debe recalcar que la diferencia en

3

conocimiento de los individuos es fundamental ya que cada puede tener o no un mejor

conocimiento para la evaluación del mismo (Csaszar y Eggers, 2012).

Cuando se toman las decisiones en la organización se pueden distinguir una autoridad formal y una

autoridad real; esta distinción es fundamental para entender la delegación, tener el derecho formal

de decidir no significa que la organización está mejor preparada si las decisiones son hechas por una

autoridad formal en lo más alto de la organización, esto no garantiza que las personas con una

autoridad formal en la organización tengan suficiente experticia para tomar decisiones efectivas y

una persona con autoridad formal puede aprovechar eficientemente esa experiencia, delegando un

control efectivo sobre una decisión a un titular real de autoridad y simplemente observando las

propuestas de decisión de esta persona (Dobrajska, Billinger & Karim, 2015).

Otro factor importante en el desempeño organizacional es el tipo de agente y se puede distinguir dos

claramente: exploradores y explotadores. En 1991 March define la exploración con todas aquellas

actividades que enmarcan términos como investigación, variación, toma de riesgos,

experimentación, flexibilidad, descubrimiento e innovación; en cuanto a explotación, incluye cosas

como refinamiento, elección, producción, eficiencia, selección, implementación y ejecución. La

exploración y la explotación también se pueden ver como estrategias de aprendizaje Tay y Lusch en

el 2007 hacen uso de una analogía biológica; el aprendizaje por medio de la explotación es como

aprender a través del cruce, donde la entidad combina su conocimiento en diferentes caminos para

mejorar que es lo que está haciendo (recombinar los genes existentes en nuevos caminos) esto

aplica la selección y reproducción para imitar o reproducir que trabajos hacer y descartar que

trabajos no hacer en cambio el aprendizaje a través de la exploración puede ser realizado con la

mutación donde la entidad hace algo diferente (optar por nuevo material genético), ambas la

exploración y la explotación usan la selección y reproducción pero se diferencian en como obtienen

una variación.

En cuanto a eficiencia, la explotación produce un rendimiento más seguro e inmediato, el

descubrimiento de soluciones verdaderamente novedosas es poco probable y puede llevar a la

obsolescencia a largo plazo; por otro lado, aunque la exploración está en la capacidad de descubrir

soluciones profundamente novedosas, eso también causa típicamente una degradación en el

desempeño en el corto plazo porque la búsqueda de soluciones novedosas usualmente falla (Fang et

al., 2010). Los sistemas que solo hacen uso de la exploración, muestran muchas ideas nuevas

subdesarrolladas y muy poca diferencia ante la competencia; los sistemas que solo hacen uso de la

explotación, son más probables de encontrarse a ellos mismos atrapados en sub-óptimos equilibrios

estables. Como resultado encontrar un adecuado balance entre la exploración y la explotación, es un

factor primordial en la supervivencia y prosperidad de un sistema (March, 1991).

Cuando se habla en términos de desempeño organizacional, la estructura y el tipo de agente son

factores importantes para un mejor desempeño en la toma de decisiones, pero la organización debe

tener una coordinación entre gentes para lograr tal fin y no hay estructura completa sin un sistema

eficaz de coordinación (Daft, 2010). La coordinación y la cooperación son esenciales en la

sociedad, ya que las normas, las costumbres y las convenciones que guían la interacción a menudo

se convierten en demasiado costosas para regular formalmente, supervisar y hacer cumplir; en

algunos casos, las personas tienen fuertes incentivos privados para cooperar y el problema central se

convierte en el aprender qué hacen otros y adaptarse (Wilhite, 2006).

El éxito de la coordinación depende de la creación de acciones previsibles de forma recíproca,

cuando las acciones son interdependientes (cuando los resultados de las acciones tomadas por “a”,

dependen en algo a las acciones tomadas por “b”) (Srikanth & Puranam, 2011, Stan & Puranam,

2016). La coordinación se logra cuando individuos interdependientes son capaces de actuar como si

4

pudieran predecir las acciones de cada uno de los otros; la ineficiencia en comunicación,

transferencia de conocimiento, demoras, mal entendidos y pobre sincronización de actividades son

típicamente manifestaciones de fallas en coordinación (Srikanth & Puranam, 2014).

Una falla en coordinación puede ocurrir cuando hay interdependencia entre los agentes y no se tiene

el conocimiento necesario acerca de las acciones del otro; la necesidad de observar, más bien que la

habilidad de predecir las acciones del otro puede surgir debido a la secuenciación (la otra parte no

ha actuado aún o está actuando simultáneamente con mis propias acciones) o debido a las

restricciones de comunicación y transferencia de información (cuando se previene a un agente de

aprender cómo el otro está actuando) (Puranam, et. al, 2012).

La interdependencia entre agentes existe cuando las acciones de un agente se ven afectadas por las

acciones de otro agente y viceversa. La interdependencia la podemos ver como la escogencia

óptima de un agente depende de la predicción de las acciones de otro agente, es decir, cada agente

tiene la necesidad de procesar la información que le permita llevar a cabo acciones coordinadas

(Puranam, et. al., 2012).

La literatura existente nos ha provisto de perspectivas invaluables y resultados que han aportado

grandemente a entender que existe una relación directa entra la estructura organizacional, el tipo de

agente tomador de decisiones, el mecanismo de coordinación y el desempeño de la organización;

sin embargo, se considera que hay un factor que ha sido profundizado y vinculado al ámbito de

manera escasa: la integración de la coordinación y la interdependencia entre los agentes para

brindar las herramientas necesarias para tomar decisiones basados en las acciones y el desempeño

de cada agente tomando decisiones.

El objetivo de esta investigación es crear un modelo de simulación basado en agentes que me

permita conocer el desempeño de la organización teniendo en cuenta un mecanismo de

coordinación e interdependencia entre los agentes que les permita tomar las decisiones más

acertadas o menos perjudiciales para la organización.

2.2 Motivación

La pregunta principal en esta investigación, ¿Cómo la coordinación y la interdependencia entre los

agentes conlleva a que las decisiones organizacionales sean las más acertadas o las menos

perjudiciales para la organización?, tiene una gran cantidad de preguntas paralelas que han sido

exploradas por diferentes autores interesados en la estructura organizacional, el desempeño,

mecanismos de coordinación, balance entre la exploración y la explotación y la simulación basada

en agentes. En el siguiente apartado, se hará una revisión de la literatura existente y se mostrará

cómo esta investigación difiere de los estudios ya realizados.

2.3 Revisión bibliográfica

En 1986 Sah y Stiglitz realizaron un estudio donde un grupo de individuos escoge que proyecto se

debe llevar a cabo, el individuo evaluar los proyectos y comunica entre su grupo si considera que el

proyecto es bueno o malo. Los individuos se encuentran en dos tipos de diseños organizacionales

poliarquía y jerarquía; Sah y Stiglitz argumentan que si la evaluación de los individuos fuera

perfecta entonces el diseño organizacional no tendría efecto en la salida o calificación de los

proyectos. Esta investigación se llevó acabo realizan una analogía con la teoría clásica de la

estadística inferencial y dicen que los errores que pueden cometer los individuos a la hora de tomar

decisiones se pueden clasificar en errores Tipo I y errores Tipo II; diciendo que uno podría esperar

5

una mayor ocurrencia del error Tipo l en una jerarquía y una mayor ocurrencia del error Tipo II en

una poliarquía.

En el 2012, Csaszar también estudió el desempeño de las organizaciones teniendo en cuenta su

estructura organizacional. Csaszar utilizó tres tipos de estructuras donde se desempeñan los agentes:

individual, centralizada (jerarquía) y descentralizada (poliarquía). Este estudio se enfoca en conocer

qué tipo de estructura lleva más a qué tipo de error omisión o comisión. Cuando se refiere a errores

de omisión, se refiere a errores Tipo I (rechazar proyectos buenos), y los errores de comisión se

refieren a errores de Tipo II (aprobar proyectos malos). Podemos ver la importancia de la medición

de estos dos tipos de errores para determinar el desempeño organizacional; la esencia del diseño

organizacional en la toma de decisiones está en escoger una estructura que más eficientemente

reduzca los errores Tipo I y Tipo II, como es requerido por el entorno de trabajo de la organización

(Christensen & Knudsen, 2010).

Después de hablar de cómo la estructura organizacional influye en el desempeño y qué tipo de

estructuras conlleva a qué tipo de error, pasamos a entender o a involucrar la toma de decisiones de

los individuos. Csaszar y Eggers en el 2012 estudiaron cuatro estructuras comúnmente usadas en las

organizaciones para evaluar oportunidades: toma de decisiones individual, delegación de expertos,

voto por mayoría y promedio. El objetivo de los autores era estudiar cómo el desempeño

organizacional depende de la estructura, la experticia de los miembros y el entorno externo. Csaszar

y Eggers argumentaron que solo se hizo uso de de tres individuos o miembros para cada una de las

estructuras debido a la complejidad de la comparación de los resultados y a lo parsimonioso del

modelo. Un año después, Csaszar hace una extensión a su modelo, computando la probabilidad de

que una organización cometa errores de omisión o comisión; los individuos tomadores de

decisiones son los responsables de aceptar o rechazar un proyecto dependiendo cómo ellos perciban

la calidad del mismo, utilizando la estructura de jerarquía y poliarquía descrita en Sah y Stiglitz

(1986).

Ya se mencionó la importancia de la estructura organizacional y la forma como se toman las

decisiones para mejorar el desempeño organizacional, ahora nos centramos en aquellos estudios

donde se involucran la exploración y la explotación. En el 2010, Fang, Lee y Schilling mencionan

que la mayor parte de investigaciones (balance entre exploración y explotación) concluye que las

organizaciones tienden a enfatizar en la explotación, el uso de soluciones conocidas a costa de la

exploración, debido a que la explotación provee más inmediatos y certeros retornos. En el 2013,

Csaszar desarrolló un modelo matemático a partir de las ideas de Sah y Stiglitz de 1986 cuyo

objetivo era contribuir de forma detallada el entendimiento entre estructura organizacional,

exploración y explotación y el desempeño de la organización. Lograr un adecuado balance entre la

exploración y explotación dentro de las organizaciones es una pregunta abierta en diseño

organizacional (Csaszar, 2013; Fang, Lee y Schilling, 2010). Es importante entender que las

organizaciones deben ser ambidiestras para enfrentar los cambios en el entorno y ser capaz de tener

diversidad a la hora de tomar decisiones que permitan tener diferentes puntos de vistas de diferentes

expertos en la materia; una organización ambidiestra es aquella que combina las actividades de

exploración y explotación dentro un cierto periodo de tiempo para mejorar su desempeño (Mom,

van de Bosch & Volberda, 2009).

Como podemos ver ya se han realizado investigaciones sobre balancear la exploración y la

explotación. Sin embargo, esos modelos no tienen en cuenta que la búsqueda organizacional a

menudo involucra un esfuerzo conjunto de especialistas de diferentes dominios, quienes necesitan

coordinar sus esfuerzos de búsqueda; a esto le llaman los problemas de exploración coordinada

(Knudsen & Srikanth, 2014). Knudsen y Srikanth mencionan que el corazón de la exploración

coordinada es que los agentes tengan una interdependencia epistémica, lo cual quiere decir que la

6

evolución de la estructura de información de un agente está significativamente influenciada por las

acciones de otro agente que pueden ser desconocidas. Estos patrones de interdependencia entre los

agentes tomadores de decisiones, independientemente de la estructura organizacional crea la

necesidad de establecer una coordinación entre los mismos agentes (Aggarwal, Siggelkow & Singh,

2011). Ya que se habló de interdependencia entre agentes, es importante definir que es para tener

mayor claridad sobre el tema.

Aunque esté bien aceptar que compartir conocimiento es necesario para coordinar bajo

interdependencia, se sabe que en la práctica es muy difícil desarrollar un compartimiento de

conocimiento entre especialistas, por lo cual es difícil realizar pruebas empíricas que nos permitan

conocer resultados (Knudsen & Srikanth, 2014). La siguiente tabla nos muestra lo que ya se ha

aportado a literatura y lo que se quiere aportar:

Coordinación Interdependencia Ejemplos

Mecanismo de Toma de

Decisiones

Teoría de Juegos no

Cooperativos

Lo que esta

investigación desea

aportar Tabla 1. Aportes a la literatura existente

Las investigaciones anteriores nos han demostrado que en diferentes épocas de tiempo se han

realizado diversos trabajos que permiten encontrar el mejor desempeño organizacional con una

combinación de factores ya sea su estructura, su entorno cambiante, la comunicación ente los

individuos, la forma como se toman las decisiones, el tipo de individuos encargados de las

decisiones, etc. Pero se han hecho pocos trabajos destacando la integración de la coordinación y la

interdependencia entre agentes lo cual brinda las herramientas necesarias para tomar las mejores

decisiones para la organización teniendo en cuenta la experticia de los individuos y que tan bueno

soy tomando decisiones (coordinación) incluyendo el factor de interdependencia cuando una

decisión debe ser tomada por todos los individuos, si solo uno de ellos no sabe qué decisión tomar

pero los otros si han tomado una decisión de acuerdo a su experticia, el proyecto que está siendo

evaluado se da como desierto y se continua con otro proyecto debido a la indecisión de uno de los

agentes.

3. METODOLOGÍA

El modelo es ejecutado en tiempo discreto caracterizado por una serie de pasos determinados en los

parámetros del modelo. En cada uno de los pasos llega un proyecto a la organización con una

calidad que es asignada aleatoriamente por el programa y cada agente tiene que tomar la decisión de

aceptar o rechazar el proyecto evaluado. Una vez cada uno de los agentes en la organización ha

tomado una decisión propia de acuerdo a su estructura organizacional, se toma una decisión global

para determinar si se acepta o rechaza el proyecto.

3.1 Proyectos a evaluar

Los proyectos seleccionados por las oganizaciones en el modelo son descritos por un tipo y una

calidad.

7

El tipo de proyecto, representa el dominio, conocimiento o experticia involucrada para

evaluar con precisión el proyecto.

Calidad de proyecto, representa el valor que el proyecto creará si este se implementara.

Los proyectos dentro del modelo se pueden encontrar dentro de una lista ordenada de elementos

(𝑞, 𝑡) donde “q” representa la calidad y “t” representa el tipo; q es interpretado como valor en

términos de los ingresos menos los costos (buen proyecto 𝑞 > 0) y t, es el número que denota el

tipo específico de conocimiento requerido para evaluar correctamente el valor del proyecto.

El entorno del proyecto se define como el rango de proyectos que una organización puede enfrentar;

y este es definido por los valores que “q” y “t” puedan tener. Los proyectos están uniformemente

distribuidos dentro de un intervalo de [−𝑞, 𝑞] (−$10, $10) y [𝑡, 𝑡] (0, 10) donde “0” significa que

no se necesita mayor experticia por parte del agente para calificar correctamente el proyecto y 10

significa que se necesita un alto nivel de experticia por parte del agente para evaluar correctamente

el proyecto.

3.2 Individuos tomadores de decisiones

Tushman y O'Reilly (1996), mencionan que las organizaciones no saben cuándo grandes cambios

en el entorno podrían llegar a ocurrir, por lo cual las organizaciones deberían se ambidiestras. El

modelo tiene dos tipos de agentes tomadores de decisiones: exploradores y explotadores. Cada uno

de ellos fue modelado con una experticia “e” (Variable aleatoria ente 0 y 10, donde 0 significa que

el agente es inexperto para evaluar proyectos y 10 significa que el agente es un experto para evaluar

proyectos). Los tipos de agentes considerados en el modelo se caracterizan por ser:

Explotadores, solo se basan en su criterio o experticia para tomar una decisión si aceptar o

no un proyecto.

Exploradores, buscan al agente que tenga una mayor experticia para tomar la decisión

correcta acerca del proyecto que se está evaluando y, así, el agente cambia la decisión por la

del agente con mayor experticia para el beneficio de la organización.

Los agentes al tener una experticia “e” que determina que tan bueno soy evaluando proyectos o

tomando decisiones, también tienen una calidad percibida del proyecto, que consiste en el valor que

se le da al proyecto dependiendo la experticia para calificarlo; si el agente tiene una experticia

mayor que el tipo de proyecto, la calidad percibida será igual a la calidad del proyecto.

𝑞’ = 𝑞, ∀ 𝑒 > 𝑡 [1]

En cambio, si la experticia del agente es menor al tipo del proyecto, no se puede valorar

correctamente el proyecto debido a que no se tiene la experticia necesaria para evaluarlo

correctamente por lo cual la calidad percibida es la siguiente:

𝑞’ = 𝑞 + ñ ñ~ 𝑁 (0, 𝑡 − 𝑒), ∀ 𝑒 < 𝑡 [2]

Donde la desviación estándar es la distancia entre el tipo de proyecto y la expertica del agente.

3.3 Estructura organizacional

Está investigación se basa en dos estructuras funcionales “Jerarquía” y “Poliarquía”; cuando se

habla de jerarquía, se refiere a aquella estructura donde en la organización hay un nivel de autoridad

es decir, los agentes van a tener a un jefe directo al cual le van a compartir su decisión; para hacer la

8

estructura más parecida a lo que reflejan las organizaciones actualmente, los agentes pueden tener

varios niveles a quien deben reportar sus decisiones, como se observa en la figura 1. En cambio, en

la poliarquía todos los agentes se comunican entre sí debido a que estos no tienen un nivel de

autoridad. En la estructura jerárquica, los agentes que consideran que un proyecto debe ser

aprobado, lo comunican a un agente que esté en un nivel superior para que lo evalué; si se considera

que un proyecto debe ser rechazado, le comunican el rechazo del proyecto a su nivel superior, pero

este nivel superior no evalúa el proyecto si todos los agentes con los cuales tiene conexión rechazan

el proyecto; de lo contrario lo evalúa y toma una decisión.

Agente Agente

Agente

Agente

Agente

Agente Agente

Agente

En

trad

a p

roye

cto

a e

va

lua

r

Sa

lida

ap

rob

ar o

rech

aza

r pro

ye

cto

Agente

Agente

Agente

Agente

En

trad

a p

roye

cto

a e

va

lua

r

Sa

lida

ap

rob

ar o

rech

aza

r pro

ye

cto

Figura 1. Estructura Organizacional, Jerarquía y Poliarquía

3.4 Toma de decisiones

Se modeló la toma de decisiones como el mecanismo que agrega percepciones individuales dentro

de una decisión a nivel grupal acerca de cada proyecto revisado. En cada estructura hay una

cantidad “N” de decisores con un nivel de experticia (como se explica en el punto 3,2). Las

personas asignadas aceptan el proyecto si ellos perciben que este es bueno, de lo contrario lo

rechazan; en algunas ocasiones de forma aleatoria los agentes no son capaces de tomar una decisión

si aceptar o rechazar el proyecto, en cambio, desisten de evaluar el proyecto ya sea un proyecto

bueno o malo esto con el fin de crear interdependencia entre sus compañeros ya que al no tener una

decisión clara, no se puede tomar una decisión grupal debido a que se necesita que todos estén de

acuerdo en tomar una decisión (aceptar o no un proyecto pero no desistir de evaluarlo). Si el agente

toma una decisión a nivel individual y, a su vez la decisión es una buena decisión (aprobar buenos y

rechazar malos), el porcentaje de acertar (una característica del individuo que me permite conocer

que tan bueno es tomando decisiones) para el agente va en aumento debido a que “acertó” con la

decisión de lo que es mejor para la organización.

3.4.1 Toma de decisiones a nivel individual

Cada agente tiene la responsabilidad de tomar una decisión sobre aprobar o rechazar un proyecto de

acuerdo a la calidad percibida del mismo (q’, ecuaciones [1] y [2]); si se percibe que la calidad es

buena, lo acepta de lo contrario lo rechaza.

9

Agente

Acepta

Rechaza

q’= q+ñ Agente No decideq’ = (q + ñ)

Figura 2. Toma de decisiones a nivel individual

3.4.2 Toma de decisiones a nivel grupal

La toma de decisiones a nivel grupal se hace al final de cada estructura como se muestra en la figura

3. Los tipos de toma de decisiones grupales son los siguientes:

A. Votación, cada uno de los individuos evalúa el proyecto y se toma una decisión basada en

el voto de la mayoría,

𝑣𝑡 = ∑ 𝑥𝑛

𝑁

𝑛=1

− ∑ 𝑦𝑛

𝑁

𝑛=1

[3]

𝑁 = 𝑛ú𝑚𝑒𝑟𝑜 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑎𝑔𝑒𝑛𝑡𝑒𝑠 𝑛 ∈ 𝑁

𝑥𝑛, 𝑠𝑖 𝑒𝑙 𝑎𝑔𝑒𝑛𝑡𝑒 𝑛 𝑎𝑝𝑟𝑢𝑒𝑏𝑎 𝑒𝑙 𝑝𝑟𝑜𝑦𝑒𝑐𝑡𝑜

𝑦𝑛, 𝑠𝑖 𝑒𝑙 𝑎𝑔𝑒𝑛𝑡𝑒 𝑛 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝑒𝑙 𝑝𝑟𝑜𝑦𝑒𝑐𝑡𝑜

𝑣𝑡 > 0, 𝑎𝑝𝑟𝑜𝑏𝑎𝑟 𝑒𝑙 𝑝𝑟𝑜𝑦𝑒𝑐𝑡𝑜 𝑒𝑛 𝑙𝑎 𝑖𝑡𝑒𝑟𝑎𝑐𝑖ó𝑛 𝑡

𝑣𝑡 < 0, 𝑟𝑒𝑐ℎ𝑎𝑧𝑎𝑟 𝑒𝑙 𝑝𝑟𝑜𝑦𝑒𝑐𝑡𝑜 𝑒𝑛 𝑙𝑎 𝑖𝑡𝑒𝑟𝑎𝑐𝑖ó𝑛 𝑡

B. Promedio, esta estructura es similar a la de votación en lugar de contar los votos, la

estructura promedia las percepciones de los individuos, ya sea que acepten o rechacen un

proyecto.

𝑞′′𝑡 =

(∑ 𝑥𝑛𝑁𝑛=1 + ∑ 𝑦𝑛

𝑁𝑛=1 )

𝑁 [4]

𝑁 = 𝑛ú𝑚𝑒𝑟𝑜 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑎𝑔𝑒𝑛𝑡𝑒𝑠 𝑛 ∈ 𝑁

𝑥𝑛, 𝐶𝑎𝑙𝑖𝑑𝑎𝑑 𝑝𝑒𝑟𝑐𝑖𝑏𝑖𝑑𝑎 𝑑𝑒𝑙 𝑎𝑔𝑒𝑛𝑡𝑒 𝑛 𝑠𝑖 𝑎𝑝𝑟𝑢𝑒𝑏𝑎 𝑒𝑙 𝑝𝑟𝑜𝑦𝑒𝑐𝑡𝑜

𝑦𝑛, 𝐶𝑎𝑙𝑖𝑑𝑎𝑑 𝑝𝑒𝑟𝑐𝑖𝑏𝑖𝑑𝑎 𝑑𝑒𝑙 𝑎𝑔𝑒𝑛𝑡𝑒 𝑛 𝑠𝑖 𝑟𝑒𝑐ℎ𝑎𝑧𝑎 𝑒𝑙 𝑝𝑟𝑜𝑦𝑒𝑐𝑡𝑜

𝑞′′𝑡 > 0, 𝑎𝑝𝑟𝑜𝑏𝑎𝑟 𝑒𝑙 𝑝𝑟𝑜𝑦𝑒𝑐𝑡𝑜 𝑒𝑛 𝑙𝑎 𝑖𝑡𝑒𝑟𝑎𝑐𝑖ó𝑛 𝑡

𝑞′′𝑡 < 0, 𝑟𝑒𝑐ℎ𝑎𝑧𝑎𝑟 𝑒𝑙 𝑝𝑟𝑜𝑦𝑒𝑐𝑡𝑜 𝑒𝑛 𝑙𝑎 𝑖𝑡𝑒𝑟𝑎𝑐𝑖ó𝑛 𝑡

10

Acepta

Rechaza

Agente

1

Agente

2

Agente

n

Acepta

Rechaza

Agente

1

Agente

2

Agente

n

Figura 3. Toma de decisiones a nivel grupal, votación y promedio

3.5 Coordinación e interdependencia entre agentes

Llegada

nuevo

proyecto

No

evaluar

decisión

1. Evaluar proyecto 2. Tomar decisión

Llegada

nuevo

proyecto

Evaluar

decisión

Análisis de

desempeño de la

decisión tomada

1. Evaluar proyecto 2. Tomar decisión

a) interdependencia entre agentes al menos uno no tiene una decisión

b) interdependencia entre agentes, todos han tomado una decisión

Figura 4. Interdependencia entre agentes

La interdependencia entre agentes consiste en que todos los agentes deben haber tomado una

decisión individual para poder pasar al mecanismo de decisión grupal y decidir si aceptar o rechazar

el proyecto evaluado. Como se muestra en la figura 4.a, al menos un agente no ha tomado una

decisión (color negro) mientras sus compañeros han aceptado (color azul) o rechazado (rojo) el

proyecto; por lo cual se debe pasar a evaluar el proyecto siguiente, esto permite generar

interdependencia entre agentes ya que aleatoriamente los agentes no saben que decidir

independientemente de su experticia, provocando que sus compañeros no puedan ejercer sus

decisión a nivel grupal aun teniendo la calificación correcta del proyecto. En la figura 4.b, podemos

ver como todos los agentes se ponen de acuerdo en aceptar o rechazar una proyecto por lo cual se

pasa a evaluar la decisión de acuerdo al mecanismo de toma de decisiones a nivel grupal y por

último se analiza el desempeño de la decisión tomada.

11

En cuanto al mecanismo de coordinación, cuando los agentes toman buenas decisiones es decir

aceptan un proyecto cuando su calidad es buena (q>0) y rechazan un proyecto cuando su calidad es

mala (q<0), son cada vez mejores tomando decisiones por lo cual se les evalúa su desempeño con

una variable llamada “porcentaje de acertar”, mientras mejor sea el agente tomando decisiones su

porcentaje de acertar cada vez aumenta caracterizándolo como una persona calificada para tomar

decisiones. En cambio, cuando un agente no es bueno calificando proyectos debido a su poca

experticia su porcentaje de acertar va a ser menor. La coordinación consiste en alinear las

decisiones tomadas con el fin de mejorar el desempeño de la organización es decir, los agentes

adoptan la decisión de aquel agente que tenga mejor experticia y tenga un mayor porcentaje de

acertar ya que consideran que este agente ha tomado las mejores decisiones a lo largo de la

simulación y que los puede llevar a un mejor desempeño.

Llegada

nuevo

proyecto

Evaluar

decisión

Análisis de

desempeño de la

decisión tomada

1. Evaluar proyecto 2. Tomar decisión 3. Coordinación

Se adopta la decisión del

agente con mayor experticia

y porcentaje de acertar

Figura 5. Coordinación entre agentes

3.6 Desempeño

El desempeño se mide de acuerdo a las decisiones tomadas por los individuos, en este caso,

hablaremos de errores tipo 1 y tipo 2.

𝐷𝑒𝑠𝑒𝑚𝑝𝑒ñ𝑜 = ∑ 𝛽(𝑡)0

𝑇

𝑡=1

− ∑ 𝛽(𝑡)1

𝑇

𝑡=1

+ ∑ 𝛽(𝑡)2

𝑇

𝑡=1

[5]

𝑇 = 𝑁ú𝑚𝑒𝑟𝑜 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑖𝑡𝑒𝑟𝑎𝑐𝑖𝑜𝑛𝑒𝑠 𝑡 ∈ 𝑇

𝛽0, ó𝑝𝑡𝑖𝑚𝑜 𝑡𝑒ó𝑟𝑖𝑐𝑜 𝑑𝑒𝑙 𝑑𝑒𝑠𝑒𝑚𝑝𝑒ñ𝑜 𝑑𝑒 𝑙𝑎 𝑜𝑟𝑔𝑎𝑛𝑖𝑧𝑎𝑐𝑖ó𝑛

𝛽𝑡1, 𝑐𝑎𝑙𝑖𝑑𝑎𝑑 𝑑𝑒𝑙 𝑝𝑟𝑜𝑦𝑒𝑐𝑡𝑜 𝑞𝑢𝑒 𝑠𝑖𝑒𝑛𝑑𝑜 𝑏𝑢𝑒𝑛𝑜 𝑓𝑢𝑒 𝑟𝑒𝑐ℎ𝑎𝑧𝑎𝑑𝑜 𝑒𝑛 𝑙𝑎 𝑖𝑡𝑒𝑟𝑎𝑐𝑖𝑜𝑛 𝑡 (𝑜𝑚𝑖𝑠𝑖ó𝑛)

𝛽𝑡2, 𝑐𝑎𝑙𝑖𝑑𝑎𝑑 𝑑𝑒𝑙 𝑝𝑟𝑜𝑦𝑒𝑐𝑡𝑜 𝑞𝑢𝑒 𝑠𝑖𝑒𝑛𝑑𝑜 𝑚𝑎𝑙𝑜 𝑓𝑢𝑒 𝑎𝑝𝑟𝑜𝑏𝑎𝑑𝑜 𝑒𝑛 𝑙𝑎 𝑖𝑡𝑒𝑟𝑎𝑐𝑖ó𝑛 𝑡 (𝑐𝑜𝑚𝑖𝑠𝑖ó𝑛)

4. MODELO DE SIMULACIÓN BASADO EN AGENTES

El objetivo del modelo es estudiar cómo el desempeño organizacional depende de su estructura, la

experticia de sus miembros, la coordinación y la interdependencia entre los agentes. El modelo se

describe en el apéndice A siguiendo el protocolo ODD (Overview, Design concepts, Details) el

cual fue creado para estandarizar las descripciones de modelos basados en agentes, para ayudar a

promover su formulación rigurosa y así, facilitar las revisiones y las comparaciones entre modelos

Grimm et al. (2006)

4.1 Número de repeticiones y corridas

12

Se determina el número de repeticiones y de corridas que debe tener el modelo con el fin de no

desperdiciar recursos computacionales en la búsqueda de un relativo incremento marginal en la

precisión de la estadística de los datos; primero se deben aclarar lo siguientes términos:

Una “corrida”, es la ejecución del modelo computacional para un vector fijo de parámetros de

entrada y es la unidad básica de análisis de un experimento. Una “repetición” de una corrida es

simplemente la ejecución de la misma corrida; una “iteración” de una repetición equivale a la

ejecución del principal procedimiento del modelo excluyendo el “Setup” del procedimiento. Por lo

cual se puede definir la “longitud” de una corrida como el número de iteraciones (Ticks) (Laver &

Sergenti, 2011).

La ejecución de un experimento normalmente no empieza en estado estable, por eso, debemos de

calcular la media “𝜇” de las variables evaluadas en un estado estable para tener una estimación de

“𝜇” significativa. En este proyecto se hace uso de las sugerencias de los autores Laver y Sergenti

(2011), donde explican los métodos adecuados para la estimación de la media primero que todo, se

ejecutan muchas repeticiones hasta que alcancen el estado estable, se recogen los valores finales

para cada una de las variables evaluadas para la repetición de la corrida en particular y finalmente

se calcula un promedio general para todos los valores recolectados como una estimación de 𝜇 para

cada variable de interés de la ejecución.

¿Cómo sabemos cuándo un proceso entra en estado estable?, Laver y Sergenti (2011) explican que

la forma más adecuada de la determinación del estado estable es:

1. Identificar visualmente aquellas combinaciones de parámetros donde se requiere más

tiempo para alcanzar el estado estable

2. Para los escenarios determinados anteriormente, se ejecuta el modelo N repeticiones y se

descartan la N/2 iniciales para estimar 𝜇,

3. Una vez 𝜇 es estimado, usamos el criterio para especificar el estado estable cuando las

variables de estado se encuentran a menos de una desviación estándar del valor de 𝜇

4. Después de examinar todos los escenarios determinados, tomamos el valor máximo de

estado estable como el número de iteraciones para todas las corridas o ejecuciones de los

experimentos.

Para el procedimiento anteriormente mencionado, se pudo encontrar el número de iteraciones que es

igual a: 410.

En esta investigación se recolectan suficientes observaciones para generar una muestra

representativa e incrementar la precisión a un nivel tan alto como se pueda conseguir, claro está

dentro de las limitaciones del presupuesto computacional. Para encontrar el número correcto de

corridas, diferentes autores (Lee, Filatova, Ligmann-Zielinska, Hassani-Mahmooei, Stonedahl,

Lorscheid, Voinov Polhill, Sun & Parker (2015), Radax & Rengs (2010), Laver & Sergenti (2011)

han hecho uso de una prueba t (t-test) de diferencia de medias de dos muestras (two-sample), la cual

consiste en la probabilidad de rechazar la hipótesis nula de de la prueba t, cuando la hipótesis

alternativa es verdadera; esto es conocido como el “Poder” de la prueba.

𝑛𝑚𝑖𝑛 > 2𝜎2

𝛿2⁄ (𝑡𝑣;1−𝛼 + 𝑡𝑣;1−𝛽 )2 [6]

Donde el mínimo tamaño de las corridas es 𝑛𝑚𝑖𝑛 y en nuestro caso tiene un valor igual a 1000. Este

valor se obtuvo utilizando el paquete estadístico R; el procedimiento tanto para la obtención del

número de repeticiones y el número de corridas se puede ver con claridad en el apéndice B.

13

4.2 Diseño de experimentos e iteraciones del modelo

Para el diseño de los experimentos que permiten conocer cómo los cambios en los resultados del

modelo son asociados a los cambios en las entradas de los parámetros del mismo, se hace uso de la

metodología llamada “Grid-Sweeping” por los autores Laver y Sergenti (2011) este tipo de

procedimiento permite en los experimentos variar uno o más parámetros de entrada, manteniendo

todos los demás constantes, con el objetivo de investigar el efecto de esos parámetros en los

resultados de interés. Laver y Sergenti argumentan que este tipo de metodología es de gran utilidad

cuando hay pocos parámetros en el modelo y cuando estos parámetros contienen valores que surgen

naturalmente. La tabla 2 nos muestra los experimentos realizados, cuál es su objetivo y qué tipo de

variables se mantienen constantes y cuáles no.

En los experimentos realizados con Grid-Sweeping se pretende analizar cuál es el tamaño mínimo

que debe tener un grupo de agentes y cuál es el porcentaje adecuado de exploradores para que se

pueda llegar a un mejor desempeño organizacional. Así mismo se examina el impacto que tienen las

estructuras organizacionales (poliarquía y jerarquía) en dicho tamaño mínimo. También se investiga

la omisión y comisión de errores para las estructuras en el desempeño organizacional.

Experimento Objetivo Parámetros

Poliarquía -

Votación

Analizar el desempeño y los errores de omisión y

comisión de la organización con estructura

poliarquía teniendo en cuenta como decisión

grupal votación.

Cambia la cantidad de agentes

(10, 5, 30) 1y se evalúan con

diferente porcentaje de

exploración 0%, 25%, 50%,

75% y 100%.

Poliarquía -

Promedio



poliarquía teniendo en cuenta como decisión

grupal promedio.


(10, 5, 30) y se evalúan con



75% y 100%.

Jerarquía -

Votación



jerarquía teniendo en cuenta como decisión grupal

votación.





75% y 100%.

Jerarquía -

Promedio



jerarquía teniendo en cuenta como decisión grupal

promedio.





75% y 100%.

Tabla 2. Diseño de experimentos

Al menos un parámetro de entrada “x” debe variar para especificar un experimento y esta variación

es lograda por la observación de los resultados de múltiples corridas del modelo que tiene la

variación del valor de x (Laver y Sergenti, 2011).

5. ANÁLISIS Y DISCUSIÓN DE RESULTADOS

Para el análisis y discusión de los resultados se hace uso de gráficas con el fin de mostrar los

principales resultados del análisis de una forma intuitiva y precisa. Cada una de las gráficas muestra

el desempeño el cual varía en función del tamaño del grupo y el porcentaje de agentes exploradores.

1 En el experimento, se inicia con 10 agentes y se realizan aumentos de 5 unidades hasta llegar a los 30 agentes.

14

Con el objetivo de explorar el modelo y presentar resultados que permitan generar discusión y

análisis se analizaron una gama de experimentos seleccionados cuidadosamente los cuales fueron

introducidos en el apartado anterior; el enfoque es en aquellos experimentos que aseguren que los

resultados capturan el comportamiento representativo del modelo. En resumen, analizando el

modelo bajo estos experimentos es suficiente para permitir al lector extrapolar los resultados a otros

escenarios plausibles.

a. experimento 1: Poliarquía - Votación

En el caso que necesitamos analizar la influencia de una variable categórica nominal, conocida

como factor sobre una variable métrica podemos recurrir al análisis de varianza, también conocido

como ANOVA. Primero, Se obtienen una tabla con la estadística descriptiva de los niveles de las

variables.

Tabla 3. Estadísticas descriptivas desempeño por cantidad de agentes

Segundo, se hace uso del procedimiento ANOVA para determinar si el desempeño varía

dependiendo la cantidad de agentes que están tomando las decisiones. Se obtiene una tabla con los

resultados del análisis de la varianza ANOVA y el índice clave que se debe examinar es la prueba

“F” (F-test). Para ser significativo, el índice F debe tener un valor estadístico menor que 0.05.

Tabla 4. Procedimiento ANOVA desempeño por cantidad de agentes

Según los resultados obtenidos en la tabla ANOVA, se puede observar que 𝑃𝑟𝑜𝑏 > 𝐹 = 0.0409 lo

cual significa que existen diferencias estadísticamente significativas entre las medias del factor

Cantidad_Agentes por lo tanto, la cantidad de agentes en la toma de decisiones sí influye en el

desempeño de la organización.

Ahora miramos si el desempeño varía dependiendo el porcentaje de agentes exploradores en la toma

de decisiones; primero se obtienen las estadísticas descriptivas de los niveles de las variables.

15

Tabla 5. Estadísticas descriptivas desempeño por porcentaje exploradores

Segundo, usamos ANOVA para determinar si el desempeño varía dependiendo el porcentaje de

agentes exploradores que están tomando las decisiones. El índice de la prueba “F” (F-test) es:

𝑃𝑟𝑜𝑏 > 𝐹 = 0.1264 este índice tiene un valor estadístico por encima de 0.05 lo cual significa que

no hay diferencias estadísticamente significativas entre las medias del factor

Porcentaje_Exploradores por lo tanto, la cantidad de agentes exploradores en la toma de decisiones

no influye en el desempeño de la organización.

Tabla 6. Procedimiento ANOVA desempeño por porcentaje de agentes exploradores

Como podemos ver en la tabla 5 las medias tienden a ser iguales en cuanto al desempeño por tal

motivo el análisis ANOVA rechaza la significancia del porcentaje de agentes exploradores en el

desempeño de la organización, pero esto no quiere decir que no haya un mejor desempeño sino que,

entre los resultados sus medias son muy parecidas. El gráfico 1 nos muestra el comportamiento del

desempeño en diferentes niveles de cantidad y tipos de agentes.

Gráfico 1. Histograma del desempeño organizacional Poliarquía-Votación

904

905

906

907

908

909

910

911

912

913

me

an

of D

esem

pe

ño

0 25 50 75 100

10 15 20 25 30 10 15 20 25 30 10 15 20 25 30 10 15 20 25 30 10 15 20 25 30

Porcentaje de exploradores vs. Cantidad de agentes

16

El gráfico anterior nos muestra que el mejor comportamiento se obtuvo cuando se tiene un

porcentaje del 75% de agentes exploradores y una cantidad de agentes total igual a 15.

Refiriéndonos a las tablas 3 y 5 donde se encuentran las estadísticas descriptivas, podemos ver que

el mayor dato alcanzado dentro de alguna de las corridas del experimento fue 1151 cuando se tienen

20 agentes con un 25% de agentes exploradores.

Gráfico 2. Mapa concentraciones del desempeño organizacional Poliarquía-Votación

El gráfico 2 nos muestra las mayores concentraciones de los resultados obtenidos en cuanto al

desempeño de la organización por sus decisiones tomadas. Podemos ver una pequeña concentración

de los datos con desempeño superior a 1000 que se caracterizan por el color amarillo cuando se

tiene un porcentaje de agentes exploradores del 50% y una cantidad de agentes mayor o igual a 20.

El desempeño que tiene mayor concentración en el experimento equivale a aquellos valores que se

encuentran entre 900 y 1000 unidades y se encuentran en aquellas corridas donde se tiene un

porcentaje de agentes exploradores desde 0% hasta 100% y una cantidad de agentes menor al 25%.

En cuanto a la omisión de errores teniendo en cuenta la cantidad de agentes, a menor número de

agentes mayor va a ser la cantidad de errores de omisión que se comenten siendo el mayor de estos

16 cuando se tiene un total de 10 agentes.

Tabla 7. Cantidad de errores de omisión por cantidad de agentes

Cuando se tiene en cuenta el porcentaje de agentes exploradores y los errores de omisión podemos

ver que se cometieron más de estos errores cuando se tiene un porcentaje del 75% con un máximo

de 16 veces cometido este error y el menor número de veces que se cometió este error es cuando se

tiene un 100% de agentes exploradores.

17

Tabla 8. Cantidad de errores de omisión por porcentaje de agentes exploradores

En cuanto a los errores de comisión teniendo en cuenta la cantidad de agentes, se cometieron en

mayor cantidad los errores de este tipo cuando se tiene un número de agentes total a 15 y la menor

cantidad de veces que se cometió este tipo de error es cuando se tiene una cantidad de agentes igual

a 20 y 30.

Tabla 9. Cantidad de errores de comisión por cantidad de agentes

Para la relación en cuanto al porcentaje de agentes exploradores y la cantidad de errores de

comisión, vemos que se cometieron en mayor proporción este tipo de error cuando se tiene un

porcentaje de agentes exploradores igual a 100% con un máximo de 10 veces cometido este tipo de

error y el menor número de veces cometido el error de comisión es cuando se tiene un porcentaje de

agentes exploradores igual a 50.

Tabla 10. Cantidad de errores de comisión por porcentaje de agentes exploradores

La gráfica 3 nos muestra la tendencia de los errores de omisión y comisión a disminuir a medida

que se aumenta la participación porcentual de los agentes exploradores y cuando aumenta el número

de agentes tomadores de decisiones.

18

Gráfica 3. Histograma de errores de omisión y comisión

La gráfica 4 nos muestra las mayores concentraciones de los resultados en cuanto a errores de

omisión que afectan el desempeño de la organización. Podemos ver que la mayoría de los datos

arrojados por la simulación son datos que no superan las dos veces cometido este tipo de error ya

que la mayoría del área es de color azul y solo una pequeña parte tiene otra tonalidad cuando se

tiene una cantidad de agentes menor a 20 y un porcentaje de exploradores menor a 20. Aunque las

estadísticas descriptivas nos arrojan datos que están por encima de las 16 veces cometida este tipo

de error, no se puede ver en la gráfica ya que se cometieron una cantidad de veces muy mínima.

Gráfica 4. Mapa de concentraciones de errores de omisión Poliarquía-Votación

De igual forma podemos ver en la gráfica 5 las concentraciones de los datos para los errores de

comisión donde se distingue un aumento en este tipo de error cuando se tiene un porcentaje de 100

agentes exploradores y una cantidad de agentes menor a 15.

0.5

11

.52

0 25 50 75 100

10 15 20 25 30 10 15 20 25 30 10 15 20 25 30 10 15 20 25 30 10 15 20 25 30

mean of Omisión mean of Comisión

19

Gráfica 5. Mapa de concentraciones de errores de comisión Poliarquía-Votación

b. experimento 2: Poliarquía - Promedio

Para el experimento 2 se hacen las estadísticas descriptivas del modelo teniendo en cuenta el

desempeño y la cantidad de agentes. La tabla 11 nos muestra que hay una diferencia entre las

medias en los diferentes niveles de la variable categórica, sin embargo, se recurre a un análisis de

varianza ANOVA.


El procedimiento ANOVA nos confirma que si hay una diferencia entre las medias de los

desempeños a diferentes niveles de agentes, arrojándonos un 𝑃𝑟𝑜𝑏 > 𝐹 = 0.000 por lo tanto para

el experimento 2 la cantidad de agentes en la toma de decisiones sí influye en el desempeño de la

organización.

20


Ahora, teniendo en cuenta si el desempeño varía dependiendo el porcentaje de agentes

exploradores, se realizan las estadísticas descriptivas donde nos muestra que en los diferentes

niveles, la media de los datos tiende a ser la misma y el análisis ANOVA nos confirma con un

𝑃𝑟𝑜𝑏 > 𝐹 = 0.596 que no hay diferencias estadísticamente significativas entre las medias del

factor Porcentaje _Exploradores por lo cual, el porcentaje de agentes exploradores no influye en el

desempeño; esto no quiere decir que no hay un mejor desempeño sino que entre sus resultados las

medias son muy parecidas.



895

898

901

904

907

910

913

916

me

an

of D

esem

pe

ño

0 25 50 75 100

10 15 20 25 30 10 15 20 25 30 10 15 20 25 30 10 15 20 25 30 10 15 20 25 30

Cantidad de exploradores vs. Cantidad de agentes

21

Gráfico 6. Histograma del desempeño organizacional Poliarquía-Promedio

El gráfico 6 nos muestra que el mejor comportamiento se obtuvo cuando se tiene un porcentaje del

25% de agentes exploradores con una cantidad de 30 agentes. El gráfico 7 nos muestra las mayores

concentraciones de los resultados obtenidos en cuanto al desempeño de la organización, podemos

ver una gran concentración de los datos con desempeño entre 876 y 947 que son de color verde en

la mayoría de la región. También se puede ver un alto desempeño cuando se tiene un porcentaje de

0% agentes exploradores y una cantidad total de 10 agentes y cuando se tiene una cantidad de

agentes igual a 30 y un porcentaje de exploradores menor a 30. Observando las estadísticas

descriptivas del desempeño (tabla 11 y 13) podemos ver que el máximo desempeño alcanzado es

1158 cuando se tienen 15 y 20 agentes con 0% y 100% de agentes exploradores respectivamente.

Gráfico 7. Mapa concentraciones del desempeño organizacional Poliarquía-Promedio

En cuanto a la omisión de errores teniendo en cuenta la cantidad de agentes que toman las

decisiones, a menor número de agentes mayor va a ser la cantidad de errores de omisión que se

comenten siendo el mayor número de veces cometido 12 cuando se tiene un total de 10 agentes.



ver que se cometieron más de estos errores cuando se tiene un porcentaje del 0% con un máximo de

12 veces y el menor número de veces que se cometió este error es cuando se tiene un 100%, 75 y

50% de agentes exploradores con un valor de 9 como valor máximo.

22


En cuanto a los errores de comisión teniendo en cuenta la cantidad de agentes, se cometieron en

mayor cantidad los errores de este tipo cuando se tiene un número de agentes total a 10 y la menor

cantidad de veces que se cometió este tipo de error es cuando se tiene una cantidad de agentes igual

a 30.



comisión, vemos que se cometieron en mayor proporción este tipo de error cuando se tiene un


error, y el menor número de veces cometido el error de comisión es cuando se tiene un porcentaje

de agentes exploradores igual a 25%, 50% y 100% con un máximo de 10 veces cometido este error.


La gráfica 8 nos muestra la tendencia de los errores de omisión y comisión a disminuir a medida

que se aumenta la participación porcentual de los agentes exploradores y cuando aumenta el número

de agentes tomadores de decisiones.

23



omisión que afectan el desempeño de la organización. Podemos ver que la mayoría de los datos

arrojados por la simulación son datos que no superan cuatro veces cometido este tipo de error ya

que la mayoría del área es de color azul rey y azul aguamarina. Solo una pequeña parte tiene otra

tonalidad cuando se tiene una cantidad de agentes igual a 10 y un porcentaje de exploradores mayo

a 20. Aunque las estadísticas descriptivas nos arrojan datos que están por encima de las 10 veces

cometida este tipo de error, no se puede ver en la gráfica ya que se cometieron una cantidad de

veces muy mínima.

Gráfica 9. Mapa de concentraciones de errores de omisión Poliarquía-Promedio



agentes exploradores y una cantidad de agentes igual a 10. La mayor parte del área corresponde a

datos que no pasan las dos veces cometido este tipo de error es decir, en la mayoría de las

simulaciones solo dos veces se aprobaron proyectos que no tenían una buena calidad.

0.5

11

.52

2.5

3

0 25 50 75 100

10 15 20 25 30 10 15 20 25 30 10 15 20 25 30 10 15 20 25 30 10 15 20 25 30


24

Gráfica 10. Mapa de concentraciones de errores de comisión Poliarquía-Promedio

c. experimento 3: Jerarquía- Votación


desempeño y la cantidad de agentes. La tabla 19 nos muestra que hay una diferencia entre las

medias en los diferentes niveles de la variable categórica sin embargo, se recurre a un análisis de

varianza ANOVA.





organización.


25


exploradores, se realizan las estadísticas descriptivas donde nos muestra que en los diferentes

niveles la media de los datos cambia y el análisis ANOVA nos confirma con un 𝑃𝑟𝑜𝑏 > 𝐹 = 0.00

que la cantidad de agentes exploradores sí influye en el desempeño.



En este experimento en particular podemos ver como el menor desempeño de todos es igual a -934

y corresponde al escenario donde hay 20 agentes con un porcentaje de agentes exploradores igual a

50% es decir, en alguna de las corridas del experimento se alcanzó este valor como el desempeño en

la organización.

26

Gráfico 11. Histograma del desempeño organizacional Jerarquía-Votación


50% de agentes exploradores con una cantidad de 30 agentes y en todos los casos de porcentajes de

agentes exploradores, el menor desempeño se obtuvo cuando se tiene una cantidad de 10 agentes. El

gráfico 12 nos muestra las mayores concentraciones de los resultados obtenidos en cuanto al

desempeño de la organización, podemos ver una gran concentración de los datos con desempeño

superior a 933 que son de color rojo sin algún patrón de comportamiento. También se puede ver un

bajo desempeño cuando se tiene un porcentaje de 100% agentes exploradores y una cantidad total

de 10 agentes tomadores de decisiones; el resto del área nos muestra un comportamiento similar con

un desempeño mayor o igual a 726 para el resto de combinaciones entre cantidad de agentes y

porcentaje de agentes exploradores. Observando las estadísticas descriptivas del desempeño (tabla

19 y 21) podemos ver que el máximo desempeño alcanzado es 1141 cuando se tienen 15 agentes

con 100% de agentes exploradores.

Gráfico 12. Mapa concentraciones del desempeño organizacional Jerarquía-Votación

820

830

840

850

860

870

880

890

900

910

me

an

of D

esem

pe

ño

0 25 50 75 100

10 15 20 25 30 10 15 20 25 30 10 15 20 25 30 10 15 20 25 30 10 15 20 25 30

Porcentaje de exploradores vs Cantidad de agentes

27

En cuanto a la omisión de errores teniendo en cuenta la cantidad de agentes que toman las

decisiones, no se puede ver una tendencia de los datos a menor o a mayor número de agentes como

en el caso del experimento 1 y 2. El mayor de los casos es igual a 184 cuando se tiene un total de 20

agentes.




de 184 veces cometido este error y el menor número de veces que se cometió este error es cuando

se tiene un 100% de agentes exploradores con un valor de 27 como valor máximo.


En cuanto a los errores de comisión teniendo en cuenta la cantidad de agentes tomadores de

decisiones, se cometieron en mayor cantidad los errores de este tipo cuando se tiene un número de

agentes total a 15 y la menor cantidad de veces que se cometió este tipo de error es cuando se tiene

una cantidad de agentes igual a 25.


28


comisión, vemos que se cometió en mayor proporción este tipo de error cuando se tiene un


error, y el menor número de veces cometido el error de comisión es cuando se tiene un porcentaje

de agentes exploradores igual a 75% con un máximo de 10 veces cometido este error.


La gráfica 13 nos muestra la tendencia de los errores de omisión y comisión a disminuir cuando se

tiene un porcentaje mayor al 50% de agentes exploradores en cambio, cuando se tiene un porcentaje

del 0% y 25% de agentes exploradores se puede ver una tendencia a aumentar los errores de

comisión a medida que se aumenta la cantidad de agentes.


En este caso se tuvo que cambiar la escala de medición de los datos ya que al tener un valor para

una de las simulaciones de 184, altera la configuración de la gráfica 14. En esta gráfica podemos

ver como la mayor parte de los datos se encuentra en 6 veces cometido el error de omisión.

01

23

45

0 25 50 75 100

10 15 20 25 30 10 15 20 25 30 10 15 20 25 30 10 15 20 25 30 10 15 20 25 30


29

Gráfica 14. Mapa de concentraciones de errores de omisión Jerarquía-Votación


comisión donde se distingue un aumento en este tipo de error cuando se tiene un porcentaje de 0%


datos que no pasan las dos veces cometido este tipo de error es decir, en la mayoría de las

simulaciones solo dos veces se aprobaron proyectos que no tenían una buena calidad.

Gráfica 15. Mapa de concentraciones de errores de comisión Jerarquía-Votación

d. experimento 4: Jerarquía - Promedio


desempeño y la cantidad de agentes tomadores de decisiones. La tabla 27 nos muestra que hay una

diferencia entre las medias en los diferentes niveles de la variable categórica sin embargo, se recurre

a un análisis de varianza ANOVA.

30





organización.



exploradores, se realizan las estadísticas descriptivas donde nos muestra que hay diferencia

estadísticamente significativas entre las medias en los diferentes niveles y el análisis ANOVA nos

arroja un 𝑃𝑟𝑜𝑏 > 𝐹 = 0.508 lo cual significa que el porcentaje de agentes exploradores no influye

en el desempeño.


Sin embargo, no quiere decir que todos los desempeños sean los mismos, podemos ver que el mejor

desempeño se encuentra cuando se tiene un 50% de agentes exploradores con una media igual a

874.1236 y un valor máximo de desempeño entre sus corridas igual a 1189.

31


Gráfico 16. Histograma del desempeño organizacional Jerarquía-Promedio


25% de agentes exploradores con una cantidad de 20 agentes. El gráfico 17 nos muestra las

mayores concentraciones de los resultados obtenidos en cuanto al desempeño de la organización,

podemos ver una gran concentración de los datos con desempeño superior a 1000 que son de color

rojo cuando se tiene un porcentaje del 25% de agentes exploradores y una cantidad de agentes igual

a 20. También se puede ver un bajo desempeño cuando se tiene un porcentaje del 25% agentes

exploradores y una cantidad total de 10 agentes tomadores de decisiones; el resto del área nos

muestra un comportamiento similar con un desempeño mayor o igual a 800 para el resto de

combinaciones entre cantidad de agentes y porcentaje de agentes exploradores.

800

820

840

860

880

900

me

an

of D

esem

pe

ño

0 25 50 75 100

10 15 20 25 30 10 15 20 25 30 10 15 20 25 30 10 15 20 25 30 10 15 20 25 30

Porcentaje exploradores vs Cantidad de agentes

32

Gráfico 17. Mapa concentraciones del desempeño organizacional Jerarquía-Promedio

En cuanto a la omisión de errores teniendo en cuenta la cantidad de agentes, no se puede ver una

tendencia de los datos a menor o a mayor número de agentes sin embargo, el mayor de los casos es

igual a 42 cuando se tiene un total de 15 agentes.


Cuando se tiene en cuenta el porcentaje de agentes exploradores, y los errores de omisión podemos


de 42 veces cometido este error y el menor número de veces que se cometió este error es cuando se

tiene un 75% de agentes exploradores con un valor de 17 como valor máximo.


En cuanto a los errores de comisión teniendo en cuenta la cantidad de agentes tomadores de

decisiones, se cometieron en mayor cantidad los errores de este tipo cuando se tiene un número de

agentes total a 10 y la menor cantidad de veces que se cometió este tipo de error es cuando se tiene

33

una cantidad de agentes igual a 30. Podemos ver también una tendencia a disminuir este tipo de

error a medida que aumentan el número de agentes.



comisión, vemos que se cometió en mayor proporción este tipo de error cuando se tiene un


error y el menor número de veces cometido el error de comisión es cuando se tiene un porcentaje de

agentes exploradores igual a 25% con un máximo de 17 veces cometida este error.


La gráfica 18 no nos muestra tendencia alguna de los errores de omisión y comisión a disminuir o

al aumentar la participación porcentual de los agentes exploradores o aumentando el número de

agentes tomadores de decisiones.

34



omisión que afectan el desempeño de la organización. Podemos ver que dos grandes

concentraciones de datos aquellos que no superan las cuatro veces cometido este error (azul oscuro)

y aquellos que no superan más de ocho veces (azul claro) y está proporción es la que tiene mayor

concentración de datos debido a que a lo largo de la simulación fue esta cantidad de veces que los

agentes no aprobaron proyectos que realmente eran buenos.

Gráfica 19. Mapa de concentraciones de errores de omisión Jerarquía-Promedio




datos que no pasan las seis veces cometido este tipo de error es decir, en la mayoría de las

simulaciones solo seis veces se aprobaron proyectos que no tenían una buena calidad.

4.2

4.4

4.6

4.8

5

0 25 50 75 100

10 15 20 25 30 10 15 20 25 30 10 15 20 25 30 10 15 20 25 30 10 15 20 25 30


35

Gráfica 20. Mapa de concentraciones de errores de comisión Jerarquía-Promedio

6. CONCLUSIONES

Este estudio constituye un paso inicial hacia el entendimiento de la relación entre la estructura

organizacional, los mecanismos de toma de decisiones, los tipos de agentes, la relación entre la

coordinación y la interdependencia y el desempeño organizacional. Algunas de las preguntas que se

han abordado en esta investigación: ¿Cuál es el desempeño de las estructuras organizacionales

cuando los agentes que las componen tienen diferentes niveles de experticia?; ¿Cuál es la estructura

organizacional que se desempeña mejor a diferentes porcentajes de exploración y explotación?

Cada estructura mostro un comportamiento distinto cuando era sometida a diferentes niveles

porcentuales de agentes exploradores y explotadores.

Para el primer experimento poliarquía y votación, se pudo ver que tanto la cantidad de agentes

como el porcentaje de exploradores si afecta el desempeño de la organización aunque, el análisis

ANOVA para el factor de porcentaje de agentes exploradores haya rechazado esta opción debido a

que la diferencia entre las medias de los niveles del factor es muy pequeña. El mejor desempeño

1151 se obtuvo cuando se tiene 20 agentes y el 25% de ellos son exploradores. Se puede concluir

examinando las estadísticas descriptivas del experimento que a mayor número de agentes y a mayor

porcentaje de especialistas, mayor va a ser el desempeño; esto puede que no ocurra en todos los

casos pero en la mayoría de las corridas si se puede dar este comportamiento. En cuanto a los

errores de omisión y comisión si se ve claramente en la gráfica 3 que a medida que aumenta tanto el

porcentaje de exploradores como la cantidad de agentes, ambos tipos de errores tienen una

tendencia a disminuir siendo el mayor número de veces cometido el error de omisión 16 veces y en

cuanto a la comisión 10 veces es decir, se rechazan muchos experimentos que tienen una calidad

por encima de cero en las corridas del experimento.

En el segundo experimento poliarquía y promedio, de nuevo el análisis rechaza la opción de que el

porcentaje de exploradores afecte el desempeño de las organizaciones ya que hay una estrecha

diferencia entre las medias de los desempeños a diferentes porcentajes de exploradores, esta misma

situación ocurre en el experimento 1 pero no se da por descartada la la afectación en el desempeño

por parte del porcentaje de agentes exploradores. El mejor desempeño en este experimento se

puede ver con una cantidad de 15 y 20 agentes y estos valores se logran cuando hay un 0% o 100%

de agentes exploradores y corresponde a 1158, entre los valores más extremos del porcentaje de

agentes exploradores se llega al mismo desempeño por lo cual no importan si hay o no agentes

exploradores; pero, no podemos llegar a esta conclusión ya que estos datos corresponden a corridas

puntuales del experimento donde se lograron estos valores máximos, por lo contrario, debemos

36

fijarnos en el comportamiento total de los datos como se muestra en la figura 6 donde se ve que el

mejor desempeño a lo largo del experimento se obtuvo cuando se tienen 30 agentes y el 25% de

ellos son exploradores. En este experimento los errores de omisión y comisión tienen una media

mucho mayor que en el experimento 1 es decir, se comete en mayor cantidad de corridas los errores

de omisión y comisión.

En el experimento 3 jerarquía y votación, se pudo ver que tanto la cantidad de agentes como el

porcentaje de exploradores si afecta el desempeño de la organización y ambas pruebas de análisis

de la varianza ANOVA llegaron a esta conclusión. El mejor desempeño en este experimento se

puede ver cuando se tienen 15 agentes y el 100% de ellos son exploradores. Este experimento tiene

algo que lo diferencia de los demás y consiste en que en alguna de las corridas del modelo se

obtuvo un desempeño negativo con un valor iguala a: -934 y corresponde cuando se tienen 20

agentes y 50% de ellos son exploradores; este dato se podría tomar como un dato atípico pero, se

debe hacer un análisis mucho mayor para analizar con qué frecuencia se llega a este tipo de

desempeños negativos o si es de naturaleza del experimento. Otro punto importante para resaltar es

la media de los errores de omisión ya que está por encima de la media cuando se utiliza una

estructura poliarquía y el valor máximo alcanzado en alguna de las corridas del experimento es

igual a 184 veces cometido este tipo de error. Se puede llegar a la conclusión que debido a la gran

cantidad de veces cometido el error de omisión se obtuvo un pobre desempeño siendo el más grande

de la simulación. Para los errores de comisión el mayor número de veces que se cometió este error

fue 25 y cuando vemos la gráfica 13 nos muestra una tendencia de aumentar este tipo de error

cuando se tiene un 0% de agentes exploradores.

Para el experimento final jerarquía-promedio, el análisis ANOVA de la influencia del porcentaje de

exploradores sobre el desempeño nos sale descartado debido a que los datos tienen medias muy

parecidas. Aunque en este experimento se logró llegar al valor máximo de desempeño con un valor

igual a: 1189, la media de los resultados de las diferentes configuraciones de variables si está por

debajo de los experimentos anteriores. Observando la gráfica 18 podemos ver que no hay tendencia

alguna a disminuir o aumentar los errores de omisión y comisión a diferentes niveles de las

variables, su comportamiento es aleatorio y por lo cual no se puede determinar una tendencia de los

datos. Con los análisis de los resultados de los diferentes experimentos podemos ver como es el

comportamiento de las decisiones cuando entre sus agentes hay factores de interdependencia y

coordinación llegando a diferentes niveles de desempeño organizacional; claro está que depende de

la forma como las organizaciones miden su desempeño para establecer la estructura de toma de

decisiones para lograr los objetivos de la empresa.

Si bien este estudio corresponde a un paso más al entendimiento de la relación entre diseño

organizacional, tipo de agentes, coordinación e interdependencia; aún queda un gran camino por

recorrer y una gran cantidad de preguntas por contestar y modificaciones o variantes del modelo por

estudiar; entre ellas se podría destacar el análisis donde cada individuo tenga más de dos tareas

simultaneas y que estas tareas tengan variedad de interdependencia para la escogencia correcta de

su decisión. Para finalizar, la simulación basada en agentes es una herramienta de investigación que

será de uso frecuente para el estudio organizacional, ya que permite realizar simulaciones o

experimentos que son complicados o costosos de llevar a cabo en la realidad de las organizaciones

ya que permite plantear distintos escenarios y ver qué ocurre en cada uno de ellos sin incurrir en

mayores gastos a la organización para modelar su funcionamiento.

37

7. BIBLIOGRAFÍA

Aggarwal, V. A., Siggelkow, N., & Singh, H. (2011). Governing collaborative activity:

interdependence and the impact of coordination and exploration. Strategic Management

Journal, 32(7), 705-730.

Aguado, J.F., (2006). Fundamentos de la organización de empresas: breve historia del

management. Madrid, España: Narcea S.A. de Ediciones.

Christensen M., Knudsen T. (2010). Design of Decision-Making Organizations. Management

Science, 56(1), 71- 89.

Christensen M., Knudsen T. (2013). How decisions can be organized – and why it matters. Journal

of organization design, 2 (3), 41-50.

Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Hillsdale,NJ:

Lawrence Erlbaum.

Csaszar F. (2012). Organizational structure as a determinant of performance: evidence from mutual

funds. Strategic Management Journal, 33 (6), 611-632

Csaszar F. (2013). An Efficient Frontier in Organization Design: Organizational Structure as a

Determinant of Exploration and Exploitation. Organization Science, 24(4), 1083-1101.

Csaszar, F. A., & Eggers, J. P. (2012). Organizational Decision Making: An Information

Aggregation View. Management Science, 59(10), 2257-2277.

Daft, R. L. (2010). Management (9th Ed). Mason, OH: Cengage Learning.

Daft, R. L. (2012). Organization Theory and Design (11th Ed). Mason, OH: Cengage Learning.

Dobrajska, M., Billinger, S., & Karim, S. (2015). Delegation within hierarchies: How information

processing and knowledge characteristics influence the allocation of formal and real decision

authority. Organization Science, 26(3), 687-704.

Fang, C., Lee, J., & Schilling, M. A. (2010). Balancing exploration and exploitation through

structural design: The isolation of subgroups and organizational learning. Organization

Science, 21(3), 625-642.

Grimm, V., Berger, U., Bastiansen, F., Eliassen, S., Ginot, V., Giske, J., & Huth, A. (2006). A

standard protocol for describing individual-based and agent-based models. Ecological

modelling, 198(1), 115-126.

Grimm, V., Berger, U., De Angelis, D. L., Polhill, J. G., Giske, J., & Railsback, S. F. (2010). The

ODD protocol: a review and first update. Ecological modelling, 221(23), 2760-2768.

Justin J. P. Jansen, Michiel P. Tempelaar, Frans A. J. van den Bosch, Henk W. Volberda, (2009)

Structural Differentiation and Ambidexterity: The Mediating Role of Integration

Mechanisms. Organization Science, 20(4), 797-811.

38

Knudsen, T., & Srikanth, K. (2014). Coordinated exploration organizing joint search by multiple

specialists to overcome mutual confusion and joint myopia. Administrative Science

Quarterly, 0001839214538021.

Laver, M., & Sergenti, E. (2011). Party competition: An agent-based model. Princeton University

Press.

Lee, J. S., Filatova, T., Ligmann-Zielinska, A., Hassani-Mahmooei, B., Stonedahl, F., Lorscheid, I

& Parker, D. C. (2015). The complexities of agent-based modeling output analysis. Journal of

Artificial Societies and Social Simulation, 18(4), 4.

March, J. G. (1991). Exploration and exploitation in organizational learning. Organization

science, 2(1), 71-87.

Mintzberg, H. (1979). The structuring of organization: a synthesis of the research. Prentice-Hall.

Mintzberg, H. (1980). Structure in 5's: A Synthesis of the Research on Organization

Design. Management science, 26(3), 322-341.

Okhuysen, G. A., B. A. Bechky. (2009). 10 Coordination in organizations: An integrative

perspective. Acad. Management Ann, 3(1) 463–502.

Puranam, P., Raveendran, M., & Knudsen, T. (2012). Organization design: The epistemic

interdependence perspective. Academy of Management Review, 37(3), 419-440.

Radax, W., & Rengs, B. (2010). Prospects and pitfalls of statistical testing: Insights from replicating

the demographic prisoner's dilemma. Journal of Artificial Societies and Social

Simulation, 13(4), 1.

Rojas-Villafane, Jose A., (2010). "An Agent-based Model of Team Coordination and

Performance". FIU Electronic Theses and Dissertations. Paper 250.

Sah, R. K., & Stiglitz, J. E. (1986). The architecture of economic systems: Hierarchies and

polyarchies. American Economic Review, 76(4).

Srikanth, K., & Puranam, P. (2011). Integrating distributed work: comparing task design,

communication, and tacit coordination mechanisms. Strategic Management Journal, 32(8),

849-875.

Srikanth, K., & Puranam, P. (2014). The firm as a coordination system: Evidence from software

services offshoring. Organization Science, 25(4), 1253-1271.

Stan, M., & Puranam, P. (2016). Organizational adaptation to interdependence shifts: The role of

integrator structures. Strategic Management Journal.

Tay, N. S., & Lusch, R. F. (2007). Agent-based modeling of ambidextrous organizations:

virtualizing competitive strategy. IEEE Intelligent Systems, 22(5), 50-57.

Tom J. M. Mom, Frans A. J. van den Bosch, Henk W. Volberda, (2009) Understanding Variation in

Managers' Ambidexterity: Investigating Direct and Interaction Effects of Formal Structural

and Personal Coordination Mechanisms. Organization Science, 20(4), 812-828.

39

Tushman, M. L., & O'Reilly, C. A. (1996). The ambidextrous organizations: Managing

evolutionary and revolutionary change. California management review, 38(4), 8-30.

Wilhite, A. (2006). Economic activity on fixed networks. Handbook of computational economics, 2,

1013-1045.

Apéndice A: Modelo de Simulación protocolo ODD

4.3 Visión general del modelo

Propósito, el objetivo del modelo es determinar cuál es el desempeño de las estructuras

organizacionales cuando son expuestas a diferentes porcentajes de exploración y explotación en la

toma de decisiones, lo anterior teniendo en cuenta un escenario probabilístico y riesgoso donde las

decisiones de los agentes pueden tener consecuencias tanto negativas como positivas.

Entidades, variables de estado, parámetros, escalas y rangos de valores

Escenario, el modelo se ubica en un escenario donde llegan proyectos a evaluar; cada proyecto está

disponible para su realización por parte de la organización, la cual puede aceptarlo o rechazarlo

según las decisiones de los agentes tomadores de decisiones.

Entidad: Individuos, los individuos son de dos tipos: exploradores y explotadores. Cada uno tiene

una percepción acerca del proyecto que se va a evaluar, está percepción corresponde a la calidad

percibida, que a su vez depende de la experticia (como se explica en el apartado 3.2 Individuos

tomadores de decisiones).

Nombre de la variable Descripción Rango de valores

experticia

Variable aleatoria que asigna

la experticia de cada

individuo para evaluar un

proyecto.

[0,10]

% acertar

Variable que almacena qué

tan bueno es un agente

tomando decisiones.

[0,1]

calidad_percibida

Variable que almacena la

calidad percibida de un

agente frente a un proyecto.

[−∞, ∞]

decisión


decisión de un agente al

evaluar un proyecto.

[𝐴𝑐𝑒𝑝𝑡𝑎𝑟, 𝑅𝑒𝑐ℎ𝑎𝑧𝑎𝑟, 𝑁𝑜 𝑑𝑒𝑐𝑖𝑑𝑖𝑟]

Tipo

Variable que asigna si el

agente es explorador (1) o

explotador (0).

[0,1]

Entidad: Estructuras organizacionales, el modelo ejecutado corre dos tipos de estructuras y a

cada una le llegan los mismos proyectos, lo cual podemos hacerlas comparables en cuanto a

resultados; las estructuras organizacionales que son evaluadas son jerarquía y poliarquía. La forma

como los agentes son ubicados en cada estructura se muestra en la figura 1 de la sección 3.3.

40


N_agentes

Esta variable es la encargada

de asignar el número de

agentes para cada estructura de

acuerdo a las preferencias del

observador.

[10, 30]

Grupal

Variable que me permite

seleccionar qué tipo de

decisión se quiere evaluar a

nivel global.

[𝑉𝑜𝑡𝑎𝑐𝑖ó𝑛, 𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜]

Entidad: Proyectos, cada uno de los proyectos tiene una calidad y un tipo, que corresponden al

valor en términos de los ingresos menos los costos y el tipo de conocimiento específico requerido

para evaluar correctamente el valor del proyecto respectivamente. Un tick en el modelo equivale a

un proyecto en el horizonte de planeación de 410 ticks por corrida (número especificado en el

apéndice A).


Calidad Variable aleatoria que asigna la

calidad para cada proyecto. [−10,10]

Tipo Variable aleatoria que asigna el

tipo para cada proyecto. [0,10]

Variables globales del modelo


Desempeño

Variable que almacena el

desempeño total de la

organización.

[−∞, ∞]

Omisión


cantidad de errores tipo I

cometidos por la organización.

[0, ∞]

Comisión


cantidad de errores tipo II

cometidos por la organización

[0, ∞]

porcentaje_exploradores

Esta variable es la cargada de

asignar el porcentaje de agentes

exploradores o explotadores, de

acuerdo a las preferencias del

observador.

[0,1]

V (votación)


diferencia entre las decisiones

de los agentes que aceptaron un

proyecto y los que lo

rechazaron.

[−∞, ∞]

q’’(promedio)


diferencia entre las calidades

percibidas de los agentes que

aprobaron y los que rechazaron

[−∞, ∞]

41

un proyecto sobre la cantidad

de agentes.

Decisión_global


decisión a nivel grupal de

aceptar o rechazar un proyecto.

[𝐴𝑐𝑒𝑝𝑡𝑎𝑟, 𝑅𝑒𝑐ℎ𝑎𝑧𝑎𝑟]

Introducción al proceso y programación

42

Diagrama de flujo de interacción del modelo

A N

ivel

Gru

pal

Mo

del

o e

n G

ener

alA

niv

el d

el I

nd

ivid

uo

Inicio

Asignación de experticia (e) a cada

individuo

Preparación de la simulación (jerarquía/poliarquía)

Toma una decisión de acuerdo a la

calidad percibida del proyecto

Comunica la decisión tomada de acuerdo a su tipo de

estructura

¿Se tiene una decisión?

¿Está de acuerdo con la

decisión?

Si

No

Coordinación entre agentes

Si

Si

¿El modelo alcanza los parámetros de

parada establecidas por el usuario?

No

Fin

Si

Generación de un proyecto

Toma de decisión grupal

Cambia de decisión si hay un agente con mayor

experticia y porcentaje de acertar

¿Agente explorador?

Si

No

43

4.4 Conceptos del diseño

Principios básicos, los supuestos que tiene el modelo es una total comunicación y cooperación por

parte de los agentes, esto con el fin de permitir a la organización tomar la decisión más adecuada o

menos perjudicial para su desempeño.

Emergencia, la dinámica del comportamiento organizacional emerge a partir del comportamiento

individual del agente, de cuya interacción surge el desempeño de la compañía. Los individuos

actúan teniendo en cuenta las decisiones de los demás (100% comunicación) ya que esto les

permite coordinar sus acciones para alinear modelos mentales y tomar la mejor decisión.

Adaptación, los individuos de tipo explorador se adaptan a tomar decisiones teniendo en cuenta su

naturaleza, permitiendo cambiar de decisión si considera que la suya no es la correcta. De igual

forma, el mecanismo de coordinación e interdependencia adapta la percepción que tiene un

individuo sobre un proyecto para tomar de la mejor decisión a nivel general.

Objetivos, cuando los agentes tienen que hacer la valoración de un proyecto, se tiene en cuenta el

porcentaje de acertar de cada individuo, el cual califica que tan bueno es un agente tomando

decisiones de acuerdo a su nivel de experticia; mientras mejor sea tomando decisiones, mayor va a

ser el porcentaje de experticia y, la decisiones de la organización van a ser mejores.

Sensibilidad, cuando un agente toma una decisión y es de tipo explorador, puede darse cuenta de la

decisión de los otros agentes con los cuales se puede comunicar y puede cambiar de decisión si

considera que otro agente tiene mayor capacidad de evaluar el proyecto en curso.

Aprendizaje, cuando un agente toma una buena decisión ya sea rechazar malos proyectos o aprobar

buenos proyectos, se vuelve cada vez mejor como tomador de decisiones, lo que permite tener el

mejor desempeño de la organización.

Interacción, el tipo de interacciones que se presenta en el modelo es directa al conocer la decisión

de los otros agentes para poder tomar una mejor decisión a nivel global.

Probabilidades, los procesos aleatorios que se modelan son: los proyectos, ya que me estos surgen

de manera aleatoria dentro de un rango de valores que describe su rentabilidad; otro proceso que

contiene probabilidades es la calidad percibida del agente en cuanto a un proyecto y la aleatoriedad

del agente a tener indecisión cuando evalúa un proyecto.

Observación, es este caso se tuvieron en cuenta las ganancias acumuladas en cada una de las

estructuras organizacionales.

4.5 Detalles

Inicialización, el número de agentes mínimo con el que puede iniciar el modelo son 10, y el

porcentaje de exploradores siempre empieza en 0% para la elaboración de los experimentos

mencionados en el apartado 4.4; para determinar el número de corridas y el número de repeticiones

por corrida que fue igual para todos los experimentos, se hizo uso de diferentes metodologías que se

pueden ver con claridad en el apéndice B.

44

Pseudocódigo

Inicio

Lea Porcentaje_exploradores, N_agentes, decisión_global

Setup Genere proyecto

Genere agentes de acuerdo al parámetro leído N_agentes y asigne experticia

Genere agentes exploradores de acuerdo al parámetro porcentaje_exploradores

Cree la estructura organizacional

Asigne I experticia para cada agente

Go Asigne II tipo y calidad para el proyecto

Calcule I calidad percibida para cada agente

Calcule II agentes que no tienen decisión

Si (calidad percibida > 0) then

“Aceptar”

Fin si

Si (calidad percibida <0) then

“Rechazar”

Fin si

Si (decisión = no tener) then

Go

Fin si

Si (agente = explorador)

X Max calidad_percibida entre los agentes

Y decisión de agente con mayor X

Si (X > mi calidad _percibida) then

Mi decisión = Y

Fin si

Coordinación_

Interdependencia

Si(decisión=aceptar and calidad >0) or (decisión=rechazar and calidad<0) then

%_acertar = (% acertar +1)/(cantidad de proyectos evaluados)

W Max %_acertar entre los agentes

Z decisión de agente con mayor W

Fin si

Si(decisión <> Z and %_acertar < W) then

Mi decisión= Z

Fin si

Decisión_general Si (grupal = votación) then

v= cantidad aprobar – cantidad rechazar

Si(v > 0) (decisión_global = aprobar) else ( decisión_global = rechazar) Fin si

else

q’’=(calidades percibidas aprobar – calidades percibidas rechazar) / N_agentes

Si(q’’ > 0) )(decisión_global = aprobar) else (decisión_global = rechazar) Fin si

Fin si

Si (decisión_global = aprobar and calidad proyecto > 0) then

B0= B0 + calidad del proyecto

Fin si

Si decisión_global = aprobar and calidad proyecto < = 0) then


Fin si

45

Si (decisión_global = rechazar and calidad proyecto > 0) then


Fin si

Desempeño= B0 – B1 + B2

Apéndice B: Estimación del número de corridas y repeticiones de la simulación

Como se mencionó anteriormente, hay una serie de pasos que se debe seguir para la determinación

del estado estable y así poder tener una estimación significa de 𝜇 de las variables de resultados

evaluadas, en nuestro caso la variable “Desempeño”. El primer paso, es determinar aquellas

combinaciones de parámetros que a simple vista requieren más tiempo para alcanzar el estado

estable; para esto, se utilizaron los casos extremos de combinaciones de parámetros a los que se

puede llegar en ambos escenarios (Poliarquía y Jerarquía)

# De agentes: 35

% de especialistas: 50

# De iteraciones: 500

# De repeticiones: 2000

Segundo, se hace la correspondiente ejecución del modelo con los parámetros ya definidos y se

descartan las primeras N/2 repeticiones para poder estimar 𝜇 para la variable de resultado

“Desempeño”. El paquete estadístico utilizado para la ejecución del procedimiento es Stata.

La estadística descriptiva de los escenarios donde se evalúa la variable de resultado “Desempeño”,

es:

[Summ desem_j desem_p]

Ahora que ya tenemos la media estimada de la variable de resultado desempeño para cada uno de

los escenarios (jerarquía y poliarquía), como tercer paso, se debe hacer la inspección gráfica para

determinar aquellos valores que se encuentran a menos de una desviación estándar de la media y así

poder especificar el estado estable.

[Scatter desem_j ticks]

[Scatter desem_p ticks]

46

La figura anterior nos muestra que la estructura jerárquica tiene mayor cantidad de datos que se

alejan del valor de la media estimada a una desviación estándar, el rango de datos que se ve con

mayor claridad donde los valores están sobre el rango estimado es 640; en cambio cuando

observamos la variable desempeño en la estructura poliarquía, no es muy claro ver en qué rango los

valores tienen menor fluctuación a una desviación estándar de la media estimada, sin embargo,

haciendo una inspección visual podemos notar que el rango el cual cumple con las características

mencionadas con anterioridad se encuentra en el tick 450. Como último paso, determinamos que el

número de ticks necesarios para cada uno de los escenarios de los experimentos del proyecto es:

640.

Para calcular el número de corridas se han diseñado los experimentos de acuerdo a la metodología

Grid-Sweep. Laver y Sergenti (2011), dicen que en la mayoría de los casos se tiene la expectativa

de que 𝜇 sea diferente para diferentes configuraciones de parámetros de entrada; en estos casos, se

quiere que la media estimada para cada variable de resultados para un ajuste de parámetros sea

estadísticamente diferente de la media estimada para un ajuste de parámetros adyacentes en el

experimento. Para comprobar esto, se examina el “poder” de una prueba t de diferencia de medias

de dos muestras (two-sample). Primero se determina los dos escenarios con diferentes

configuraciones de parámetros y se realizan las correspondientes simulaciones.

# De agentes: 35




Estructura: Poliarquía

# De agentes: 35




Estructura: Poliarquía

Utilizando el software estadístico Stata, hayamos la estadística descriptiva de los datos de los

escenarios que han sido simulados ya que son los valores de entrada para realizar el poder de la

prueba t.

[Sum desem_0 desem_1] donde,

𝑑𝑒𝑠𝑒𝑚_0 El desempeño de la estructura poliarquía con 0% de agentes especialistas 𝑑𝑒𝑠𝑒𝑚_1 𝐸𝑙 𝑑𝑒𝑠𝑒𝑚𝑝𝑒ñ𝑜 𝑑𝑒 𝑙𝑎 𝑒𝑠𝑡𝑟𝑢𝑐𝑡𝑢𝑟𝑎 𝑝𝑜𝑙𝑖𝑎𝑟𝑞𝑢í𝑎 𝑐𝑜𝑛 100% 𝑑𝑒 𝑎𝑔𝑒𝑛𝑡𝑒𝑠 𝑒𝑠𝑝𝑒𝑐𝑖𝑎𝑙𝑖𝑠𝑡𝑎𝑠

Para determinar el número de las corridas, se hace uso del comando, “power.t.test” del paquete

estadístico R el cual tiene los siguientes argumentos:

47

power.t.test (n=, d=, sig.level=, power=, type=,)

n, número de observaciones

d, verdadera diferencia entre medias (Effect size)

sig.level nivel de significancia (probabilidad del error Tipo II)

Power, poder de la prueba (un mínimo de probabilidad del error Tipo II)

Type, tipo de prueba “t” (en nuestro caso “two.sample”)

Laver y Sergenti (2011), consideran que se tienen suficientes observaciones cuando el “power” de

la prueba t de diferencia de medias de dos muestras es al menos 0,8 y el nivel de significancia en

0,05. En cuanto a la diferencia entre medias, nos dirigimos al autor al cual la prueba t del paquete

estadístico R toma como base para su programación, el autor de este tipo de prueba, Jacob Cohen en

su libro Statical power analysis for the behavioral sciences (2nd ed.), define a “d” como la

diferencia entre dos medias dividido por una desviación estándar para los datos 𝑑 = �̅�1 − �̅�2

𝑠 y define

a “s” como la desviación estándar combinada para dos ejemplos independientes 𝑠 =

√(𝑛1−1)𝑠1

2+(𝑛2−1)𝑠22

𝑛1+𝑛2−2, donde 𝑠1

2 y 𝑠22 son las varianzas de cada uno de los grupos respectivamente.

Después de realizar los cálculos correspondientes, el valor de la diferencia entre medias “d” es igual

a: -0.008; entonces, el número de corridas para cada experimento es n=1000.

toma de decisiones organizacionales con interdependencia y

Documents