Expresión utilizada en negocio digital y gestión de proyectos para caracterizar los nuevos entornos en que se desenvuelve la actividad económica.

Contenidos mostrar

Descripción

BANI es un acrónimo de brittle (quebradizo), anxious (ansioso), non-linear (no lineal), incomprehensible (incomprensible), acuñado en 2018 por el antropólogo y futurista estadounidense Jamais Cascio para describir la realidad caótica y compleja del mundo actual. Surgió como una evolución del concepto VUCA, el cual se sentía insuficiente para explicar las crisis globales modernas, como las pandemias o el cambio climático acelerado.

Respuesta al entorno BANI

El modelo BANI se utiliza en el mundo de los negocios, las organizaciones, las políticas públicas o la psicología para desarrollar nuevas estrategias de resiliencia.

  • Ante lo quebradizo: Se busca la capacidad de respuesta y la diversificación.

  • Ante la ansiedad: Se promueve la empatía y el mindfulness.

  • Ante la no linealidad: Se requiere contexto y flexibilidad para pivotar rápido.

  • Ante lo incomprensible: Se fomenta la transparencia y el uso de la intuición junto con los datos.

Ejemplos

Veamos algunos ejemplos hipotéticos de cómo se aplicaría BANI en gestión de proyectos y en políticas públicas.

Gestión de proyectos

1. Frágil (Brittle): La resiliencia es la clave

  • Situación: El proyecto depende de una sola API externa o de un único proveedor de chips que está sufriendo escasez. Si ese proveedor falla, el proyecto muere.

  • Acción: En lugar de optimizar solo para el costo, la dirección del proyecto aplica redundancia; diseña el sistema para que sea compatible con múltiples nubes (multi-cloud) y no dependa de un solo «punto crítico de fallo».

2. Ansioso (anxious): Empatía y seguridad psicológica

  • Situación: El equipo tiene miedo de que la IA que están desarrollando los reemplace o de que el código tenga errores críticos de seguridad que no detecten a tiempo.

  • Acción: Se implementan marcos ágiles (Scrum/Kanban) con ciclos de retroalimentación cortos. El equipo de desarrollo debe enfocarse en la transparencia y en crear un ambiente donde admitir un error sea visto como una oportunidad de aprendizaje, reduciendo la parálisis por análisis.

3. No lineal (non-linear): Adaptabilidad constante

  • Situación: Un pequeño cambio en las regulaciones de privacidad de datos (como la GDPR) desvía el proyecto seis meses, o un bug menor en una librería open source causa un desplome total del sistema.

  • Acción: Se abandona la planificación rígida a largo plazo. Se utilizan roadmaps dinámicos, que se revisan cada dos semanas. No se busca una línea recta, sino la capacidad de pivotar rápido cuando el efecto no es proporcional a la causa.

4. Incomprensible (incomprehensible): Transparencia y datos

  • Situación: Los algoritmos de «caja negra» de la IA están arrojando resultados sesgados y nadie en el equipo técnico sabe exactamente por qué.

  • Acción: Se invierte en IA explicable (XAI) y en herramientas de observabilidad. Se acepta que no siempre tendremos la respuesta inmediata, por lo que se fomenta la experimentación constante (test A/B) para aprender del comportamiento del sistema en tiempo real.

Tradicionalmente, un cualquier proyecto de obra pública o de infraestructura de gran envergadura se llevaría a cabo bajo un estricto enfoque waterfall, que es la antítesis de BANI: es lineal, controlado y asume que el futuro es predecible o, al menos, los riesgos lo son.

Sin embargo, en el mundo actual, incluso una obra civil (como un puente o una represa) debe incorporar «nodos de flexibilidad» para no colapsar.

1. Gestión de lo quebradizo (brittle)

  • El riesgo en waterfall: El cronograma es una cadena de dependencias críticas. Si el proveedor de rieles quiebra o hay una huelga en la acería, todo el proyecto se detiene meses.

  • La aplicación BANI: Desacoplamiento de fases: Aunque el diseño es secuencial, se crean «paquetes de trabajo» con presupuestos y proveedores independientes.

    • Redundancia de suministros: Se pre-aprueban tres proveedores distintos para materiales críticos en la fase de planificación, evitando que la caída de uno rompa la cadena completa.

2. Gestión de la ansiedad (anxious)

  • El riesgo en waterfall: La falta de resultados visibles hasta el final del proyecto genera ansiedad en los inversores y la ciudadanía, especialmente si hay retrasos.

  • La aplicación BANI:

    • Hitos de valor temprano: Aunque la vía no esté terminada, se inauguran estaciones como centros comunitarios o zonas de comercio meses antes de que pase el primer tren.

    • Comunicación de «caja de cristal»: Se presentan dashboards públicos que explican por qué hay un retraso, convirtiendo la incertidumbre en datos comprensibles para reducir la ansiedad social.

3. Gestión de la no linealidad (non-linear)

  • El riesgo en waterfall: Un ligero cambio en el precio del petróleo o una nueva norma ambiental local puede disparar los costos de forma desproporcionada a mitad de la obra.

  • La aplicación BANI:

    • Cláusulas de escalada adaptativa: Los contratos no tienen precios fijos inamovibles, sino que incluyen fórmulas matemáticas que ajustan el presupuesto automáticamente según índices externos (FP-EPA).

    • Diseño modular: Se diseña el tren de forma que, si una tecnología cambia (por ejemplo, hidrógeno vs. eléctrico), el diseño de las estaciones pueda adaptarse sin demoler lo construido.

4. Gestión de lo incomprensible (incomprehensible)

  • El riesgo en waterfall: Se asume que el estudio de suelo inicial es la verdad absoluta. Si al excavar aparece un resto arqueológico o una falla geológica no detectada, el plan maestro pierde sentido.

  • La aplicación BANI:

    • Gemelos digitales (digital twins): Uso de simulaciones masivas con IA para prever escenarios que la lógica humana no alcanza a ver.

    • Puntos de revisión «Go/No-Go»: Al final de cada fase del proyecto, se añade una etapa de «lectura de contexto» para validar si las premisas originales siguen siendo válidas antes de verter el siguiente metro cúbico de concreto.

Políticas públicas

1. Frente a lo quebradizo (brittle): Sistemas de respaldo y redundancia

  • El riesgo: La ciudad depende de una sola represa principal. Si hay una sequía extrema o un fallo estructural, el sistema colapsa por completo (es frágil).

  • La política: En lugar de solo ampliar la represa, el gobierno invierte en una matriz diversificada: plantas desalinizadoras, sistemas de captación de lluvia a nivel doméstico y plantas de tratamiento de aguas grises.

  • El objetivo: Si una fuente falla, las otras sostienen el sistema. La resiliencia sustituye a la eficiencia de una sola fuente barata.

2. Frente a lo ansioso (anxious): transparencia y participación radical

  • El riesgo: Los ciudadanos, ante el miedo a quedarse sin agua, comienzan a acaparar botellas o a difundir noticias falsas sobre cortes de suministro, generando caos social.

  • La política: Creación de una app de datos en tiempo real que muestre los niveles de los embalses, el consumo por barrio y las reparaciones en curso. Además, se lanzan «Asambleas del agua», donde los vecinos deciden cómo priorizar el riego de parques.

  • El objetivo: Reducir la incertidumbre mediante la información veraz y dar a la población una sensación de control (agencia) sobre la situación.

3. Frente a lo no lineal (non-linear): Regulación adaptativa

  • El riesgo: Un aumento de solo 1°C en la temperatura promedio puede causar una evaporación del 20% más rápida de lo previsto o una tormenta repentina puede inundar la ciudad sin recargar los acuíferos. La causa y el efecto no son proporcionales.

  • La política: Implementación de tarifas dinámicas. El precio del agua no es fijo por ley anual, sino que se ajusta automáticamente mediante algoritmos según el nivel de reserva mensual.

  • El objetivo: Que el sistema reaccione inmediatamente a los cambios del entorno sin esperar a largos procesos legislativos.

4. Frente a lo incomprensible (incomprehensible): Experimentación y aprendizaje (sandboxes)

  • El riesgo: No sabemos con certeza cómo afectará el cambio climático a este valle específico en 10 años; los modelos climáticos a veces se contradicen.

  • La política: En lugar de un plan maestro de 20 años que no se toca, se crean «barrios laboratorio». En estos sectores se prueban pavimentos permeables experimentales o nuevos sistemas de riego inteligente con sensores.

  • El objetivo: Aprender qué funciona en el mundo real hoy en día, en lugar de intentar predecir el futuro lejano con datos incompletos.

1. Frente a lo quebradizo (brittle): Descentralización y robustez

  • El riesgo: Los sistemas de seguridad centralizados son frágiles. Si el centro de comando sufre un ciberataque o un desastre natural, la ciudad queda ciega. O bien, si una ley es demasiado rígida, pierde efectividad ante nuevas formas de delito (como las estafas cripto).

  • La política: Se diseña un plan de seguridad distribuida, consistente en crear redes de respuesta local autónomas y fortalecer la ciberseguridad del Estado. Se trata de no depender sólo de una fuerza de respuesta, sino integrar sistemas de vigilancia vecinal digital, cámaras privadas y drones con protocolos de actuación independientes.

  • El objetivo: Que el sistema de seguridad no se rompa si un nodo falla.

2. Frente a lo ansioso (anxious): Seguridad basada en la percepción y prevención

  • El riesgo: La sensación de inseguridad suele ser mayor que el delito real (debido a las redes sociales y la agenda informativa). Una población ansiosa exige medidas punitivas extremas, que a menudo no solucionan el problema de fondo.

  • La política: Se opta por la coproducción de seguridad: menos enfoque en «contar arrestos» y más en «recuperar el espacio público» mediante la instalación de luminarias led, urbanismo táctico y presencia policial comunitaria (no militarizada) para bajar los niveles de cortisol social.

  • El objetivo: Atender la salud mental de la comunidad y la confianza en las instituciones para reducir la sensación colectiva de inseguridad.

3. Frente a lo no lineal (non-linear): Inteligencia predictiva y respuesta rápida

  • El riesgo: Un cambio en el precio de una droga o una tendencia en TikTok pueden generar una ola de robos en un barrio que antes era seguro. La causa parece desconectada del efecto.

  • La política: Patrullaje dinámico por algoritmos, usando big data para identificar «puntos calientes» en tiempo real y desplazar recursos antes de que el delito se consolide. La legislación debe permitir cambios rápidos en los protocolos operativos sin pasar por meses de burocracia.

  • El objetivo: Responder a la velocidad de la dinámica social, no a la velocidad del boletín oficial.

4. Frente a lo incomprensible (incomprehensible): Transparencia y criminología de datos

  • El riesgo: Delitos complejos, como el cibercrimen internacional o el lavado de dinero, son incomprensibles para la policía local tradicional. A veces, los datos muestran que el crimen baja pero la violencia sube; no hay una lógica clara.

  • La política: Unidades de análisis interdisciplinar, que incorporan sociólogos, analistas de datos y expertos en ciberseguridad en el diseño de la estrategia para implementar una «policía basada en evidencia» (probar una táctica, medir su impacto real y descartarla rápido si no funciona).

  • El objetivo: Aceptar que no siempre entenderemos el «por qué» de inmediato, pero podemos actuar sobre el «cómo» mediante la experimentación constante.

1. Frente a lo quebradizo (brittle): Infraestructura multi-capa

  • El riesgo: Un país que depende de un solo cable submarino o de un único proveedor extranjero de clouding es frágil. Si el cable se corta o la empresa proveedora cambia sus términos (o sufre un ataque), el Estado queda inoperante.

  • La política: Inversión en «nube soberana» (nube propia del Estado), combinada con infraestructuras híbridas. Se fomenta el uso de software de código abierto (open source) para no depender de licencias propietarias que podrían ser revocadas.

  • El objetivo: Crear un sistema que no se rompa por decisiones de terceros externos.

2. Frente a lo ansioso (anxious): Alfabetización en IA y ciberseguridad

  • El riesgo: La automatización genera miedo al desempleo masivo y las fake news erosionan la democracia. La ciudadanía siente ansiedad ante una tecnología que no comprende y que percibe como una amenaza.

  • La política: Programa nacional de «Resiliencia digital». Se trata no sólo de enseñar a usar Word, sino capacitar en el pensamiento crítico frente a la IA y en higiene ciber-personal. Creación de una Agencia de Protección de Datos robusta que actúe como «escudo» ciudadano.

  • El objetivo: Convertir la ansiedad en competencia y confianza digital.

3. Frente a lo no Lineal (non-linear): Regulación dinámica (sandbox)

  • El riesgo: Una ley de telecomunicaciones redactada hoy quedará obsoleta en 18 meses debido al surgimiento de tecnologías como la computación cuántica o el 6G. Un pequeño cambio en un algoritmo global puede destruir mercados locales de la noche a la mañana.

  • La política: Implementación de sandboxes regulatorios. El Gobierno permite que empresas tech prueben servicios innovadores en entornos controlados sin aplicar estrictamente toda la normativa vigente, observando los efectos en tiempo real antes de legislar para todo el país.

  • El objetivo: Que la ley evolucione a la par del código, evitando desfases desproporcionados.

4. Frente a lo incomprensible (incomprehensible): Gobernanza de algoritmos transparente

  • El riesgo: El Estado empieza a usar algoritmos para decidir quién recibe una ayuda social o para asignar turnos médicos, pero nadie (ni siquiera los programadores) entiende por qué la máquina toma ciertas decisiones (caja negra).

  • La política: Ley de Algoritmos Explicables establece que cualquier sistema de IA utilizado por el sector público debe poder explicar su lógica en lenguaje humano. Se crean comités éticos multidisciplinarios (filósofos, ingenieros, juristas, etc.) para auditar lo incomprensible.

  • El objetivo: Mantener el control humano sobre la lógica de las máquinas.

Categorías: Métodos
Etiquetas: gestión de proyectos, gestión de riesgos, negocio digital