En el mundo del emprendimiento y la tecnología, la máxima parece ser siempre «innovar o morir». Vivimos en una carrera constante por crear lo nuevo, lo disruptivo. Pero, ¿alguna vez nos hemos detenido a pensar en su contraparte, en el proceso de olvidar, abandonar y dejar obsoleto lo antiguo? Este proceso tiene un nombre: exnovación.
La innovación y la exnovación son las dos caras de la misma moneda del cambio. Mientras una expande el «espacio de lo posible», la otra lo contrae. Este equilibrio es similar a la «destrucción creativa» de Schumpeter, donde nuevas industrias nacen sobre las cenizas de las antiguas. Sin embargo, la relación entre ambas fuerzas y, sobre todo, cómo la estructura de nuestras redes de conocimiento afecta esta carrera, ha sido poco estudiada.
Un reciente artículo publicado en Physical Review Research por Edward D. Lee y Ernesto Ortega-Díaz, de Complexity Science Hub, propone un modelo fascinante para entender esta dinámica. Sus hallazgos son una advertencia crucial: la misma estrategia que usamos para acelerar la innovación podría ser la que nos lleve directamente al colapso.
El mapa de la innovación: de un árbol a un enrejado
Para entender la carrera entre crear y olvidar, primero debemos visualizar cómo se conectan las ideas. Los investigadores modelan el «espacio de lo posible» (SOP) —el conjunto de todas las tecnologías, mutaciones o prácticas culturales existentes— como un gráfico. La clave de su trabajo radica en que no todas las estructuras de conocimiento son iguales. Proponen dos arquetipos:
- La estructura de árbol (Tree-like): Imagina el árbol de la evolución. Para llegar a una especie concreta, se debe seguir una ruta única de mutaciones. No hay atajos. Este modelo representa un desarrollo contingente, donde cada paso depende estrictamente del anterior. Es una estructura rígida y jerárquica.
- La estructura de enrejado (Truss-like): Ahora piensa en el desarrollo tecnológico. Para inventar el coche eléctrico, no es imprescindible haber perfeccionado antes el motor de combustión. Una innovación puede surgir combinando ideas de diferentes dominios previos. Esta es una estructura convergente y flexible, donde múltiples caminos pueden llevar a un mismo resultado. Es una red densamente conectada.
El estudio utiliza un parámetro de conectividad (gamma, γ) para moverse entre estos dos extremos: desde un árbol puro (γ=0) hasta un enrejado totalmente conectado (γ=1). Esta variable es fundamental, porque representa cómo de interconectados o aislados están nuestros equipos, líneas de investigación o unidades de negocio.
Simulando la carrera contra la obsolescencia
El modelo simula una población de «agentes» (que podrían ser empresas, científicos o especies) que ocupan nodos en este mapa de la innovación. Estos agentes se enfrentan a varias fuerzas:
- Nuevos agentes: Surgen empresas o nacen individuos (tasa de afluencia).
- Muerte o quiebra: Los agentes pueden desaparecer del sistema (tasa de mortalidad).
- Frente de innovación: Los agentes en la frontera del conocimiento pueden «descubrir» nuevos nodos, expandiendo el mapa hacia lo «adyacente posible». La facilidad para hacerlo se mide con un factor de «innovatividad».
- Frente de exnovación: Simultáneamente, un frente de obsolescencia avanza desde atrás, eliminando nodos y a los agentes que los ocupan. Es el olvido que avanza, imparable.
El sistema evoluciona como una carrera entre estos dos frentes. ¿Logrará la población innovar lo suficientemente rápido para escapar de la ola de exnovación que la persigue? La respuesta, sorprendentemente, depende de la estructura del mapa.
El hallazgo clave: la velocidad tiene un precio muy alto
Aquí es donde el estudio arroja su conclusión más contundente y contraintuitiva. Uno podría pensar que una mayor conectividad (una estructura de enrejado) es siempre mejor. Después de todo, permite más combinaciones, facilita la polinización cruzada de ideas y acelera la velocidad a la que avanza el frente de innovación.
Sin embargo, esta ventaja viene con un coste oculto y catastrófico: una mayor conectividad también acelera dramáticamente el frente de exnovación, aumentando exponencialmente el riesgo de un colapso total del sistema.
El modelo predice diferentes fases para el sistema, dependiendo de parámetros como la tasa de mortalidad o la velocidad de la exnovación:
- Fase de escape (Runaway): La innovación supera consistentemente a la exnovación. El sistema crece, a veces de forma infinita.
- Fase de estado estacionario (Steady state): Se alcanza un equilibrio donde la innovación y la exnovación van a la par. La diversidad del sistema se mantiene estable.
- Fase de colapso (Collapse): La exnovación es más rápida. El frente de la obsolescencia alcanza al de la innovación, y todo el sistema desaparece.
- Otras fases: El modelo también identifica regímenes más exóticos, como fases biestables (donde el sistema puede colapsar o sobrevivir dependiendo de las condiciones iniciales) o fases de «baja densidad» (con mucha diversidad pero pocos agentes, como un imperio bizantino lleno de conocimiento pero con poca actividad).
El hallazgo crucial es que, a medida que aumenta la conectividad (γ) o el número de ramas (K) en el sistema, la región de «colapso» en el mapa de fases se expande enormemente. Un sistema altamente interconectado es frágil. La estabilidad, según los autores, parece ser un rasgo de sistemas con linajes relativamente independientes.
Implicaciones para innovadores, líderes y estrategas
Las conclusiones de este modelo teórico tienen profundas implicaciones prácticas para cualquiera que gestione la innovación:
- El dilema del director de I+D: ¿Fomentamos la colaboración total entre todos los equipos o los mantenemos como unidades semi-independientes? Este estudio sugiere que la colaboración extrema, aunque puede producir avances rápidos, también sincroniza el riesgo. Un fracaso o una dirección obsoleta pueden propagarse por toda la organización y destruirla.
- Modularidad como resiliencia: La supervivencia a largo plazo podría depender de la modularidad. Tener líneas de innovación que operan como «árboles» o ramas poco conectadas, aunque parezca menos eficiente, dota al sistema de una increíble resiliencia. Si una rama se vuelve obsoleta y colapsa, las demás no se ven arrastradas.
- Existe un «límite de velocidad» cultural: El afán por la híper-conectividad y la innovación acelerada podría tener un límite estructural. Forzar las conexiones en un sistema puede llevarlo más allá de su punto de estabilidad, conduciendo a un colapso inevitable.
Conclusión: innovar con sabiduría estructural
El estudio de Lee y Ortega-Díaz nos obliga a refinar nuestra comprensión de la innovación. No se trata solo de la velocidad a la que creamos, sino de la estructura subyacente sobre la que construimos el conocimiento.
La paradoja es clara: los puentes que construimos entre ideas para acelerar el progreso son los mismos que pueden facilitar que el fuego de la obsolescencia arrase con todo el sistema. La estabilidad es frágil y, según este modelo, se encuentra más a menudo en sistemas con menor conectividad y menos ramas, donde la densidad de agentes por idea es alta.
Para aquellos en la vanguardia, el mensaje no es dejar de innovar, sino hacerlo con sabiduría estructural. Quizás la clave para «no morir» no sea correr más rápido, sino construir un sistema de innovación que sea lo suficientemente resiliente para soportar la inevitable marcha de la exnovación.
Contacto
Edward D. Lee
Complexity Science Hub
Metternichgasse 8, Vienna, Austria
Email: edlee@csh.ac.at
Únete a la Comunidad
Recibe las mejores ideas, análisis y tendencias sobre innovación directamente en tu correo. ¡Sin spam, solo valor!
Referencia (acceso abierto)
Lee, E. D., & Ortega-Díaz, E. (2025). Innovation-exnovation dynamics on trees and trusses. Physical Review Research, 7(3), 033102. https://doi.org/10.1103/ynwt-7g91
Editor y fundador de «Innovar o Morir». Milthon es Máster en Gestión de la Ciencia y la Innovación por la Universidad Politécnica de Valencia, con diplomas de especialización en Innovación Empresarial (UPV) y Gestión de la Innovación Orientada al Mercado (UPCH-Universitat Leipzig). Cuenta con experiencia práctica en la gestión de la innovación, habiendo liderado la Unidad de Innovación en Pesca del Programa Nacional de Innovación en Pesca y Acuicultura (PNIPA) y trabajado como consultor en diagnóstico para innovación abierta y vigilancia tecnológica. Cree firmemente en el poder de la innovación y la creatividad como motores de cambio y desarrollo.
