cap02

Vista previa del material en texto

35 
MOMENTO II 
 
 
I. MARCO TEÓRICO 
 
 
1. ANTECEDENTES DE INVESTIGACIÓN 
La revisión bibliográfica sobre los diferentes estudios, así como la 
conquista científica en el campo del desarrollo de modelos de transferencia 
de conocimiento bioinspirados, pone de manifiesto la complejidad del tema 
tratado a continuación, puesto que dichos contenidos deben atenderse en el 
marco de dos dimensiones prominentes a la cual pertenecen: transferencia 
de conocimiento y biomímesis. 
En este sentido, la literatura presentada congrega diversos estudios 
abordados desde ópticas diferentes. En algunos casos se estudian desde la 
perspectiva de la transferencia del conocimiento, factores, dimensiones, 
aspectos manejados en los trabajos de Castro, Rocca e Ibarra (2010); en 
otros casos, desde la perspectiva filósofo-argumentativa de la biomimética, 
considerada “metáfora biológica” (Riechman, 2008), donde se exponen 
investigaciones basadas en modelos biológicos con estudios comparativos 
de éstos con procesos organizacionales, fundamentándose en Mirós Arias, 
Leal y Cepeda (2010). 
36 
La exploración de las dimensiones que influyen en la transferencia de 
conocimiento en proyectos de cooperación para la innovación, que se 
desarrollan entre empresas y otras organizaciones a través de redes de 
cooperación, tipifica la intencionalidad de Castro, Rocca e Ibarra (2010), en 
un estudio desarrollado en España, titulado Transferencia recursiva de 
conocimiento para la innovación: el caso de las empresas del País Vasco-
España, quienes bajo un esquema de carácter exploratorio-correlacional, 
consideran los productos (publicaciones y patentes) de los proyectos, como 
indicadores proxy del éxito de la transferencia del conocimiento bajo dos 
dimensiones centrales: la I+D y las relaciones de proximidad de los socios. 
Bajo los preceptos de Wenger, Mcdermott y Snyder, (2007); 
Nonaka&Takeuchi (1999), Cohendet (2000), se ofrece una investigación que 
consolida las bases teóricas para esta tesis doctoral, basado en tres aportes 
fundamentales: El primero, explora una definición conceptual buscando 
comprender la transferencia no como un proceso unilateral (emisor- 
receptor), sino como un proceso recursivo de conocimiento basado en la 
interacción de comunidades, a lo que denominan transferencia recursiva de 
conocimiento para la innovación. 
El segundo, consiste en la importancia de los proyectos de cooperación, 
entendidos como micro comunidades de aprendizaje que expresan el 
contexto de transferencia recursiva de conocimiento (el contexto donde las 
prácticas tienen lugar); mientras, el tercero, considera los proyectos de 
cooperación para la innovación como espacios de aprendizaje para codificar 
37 
conocimiento, esto es movilizar el conocimiento tácito disperso en las 
organizaciones que cooperan, para reconvertirlo en uno capaz de ser 
objetivado en productos y resultados. 
En este mismo escenario, en cuanto a la variable transferencia del 
conocimiento, resulta oportuno destacar el trabajo realizado por Fang-Ming, 
Chung-Cheng (2009), quienes lideraron un proyecto titulado “Determinants of 
Knowledge Transfer performance from cultural perspective in High-tech 
Industry”. 
Estos investigadores pertenecientes al sector universitario y 
empresarial, respectivamente, en Taiwan, consideraron los aportes de 
Davenport&Prusak, MdDermott, O’Dell Janz en su estudio de campo de 
carácter no experimental, transeccional, para demostrar que la transferencia 
de conocimiento es un proceso evolutivo requerido dentro de la cultura 
organizacional. Por consiguiente, los autores consideraron como premisa de 
investigación, los factores determinantes y las influencias orientadas a la 
transferencia del conocimiento sobre el cambio cultural, proponiendo el 
diseño de un modelo de trayectoria de la transferencia del conocimiento, a 
través de características organizativas y culturales de las empresas. 
Los resultados obtenidos demostraron, como los factores de 
sociabilidad de la cultura organizacional, influyen directamente en la 
Transferencia del Conocimiento, mientras que los factores de solidaridad 
incidieron indirectamente en las actividades de traducción del conocimiento, 
a través de la complejidad estructural y la tecnología de la información. 
38 
Finalmente, sus estudios señalaron que la confianza es la base de la 
cultura organizacional, afectando indirectamente la Transferencia del 
Conocimiento. 
En relación a lo antes expuesto, el aporte a la presente investigación 
permite afianzar las ideas de la autora sobre la incidencia de la cultura 
organizacional, como determinante para el rendimiento óptimo de la 
transferencia de conocimiento, a fin de establecer analogías basadas en el 
enfoque teórico aquí plasmado. 
Por otra parte, se encuentra la obra de Miró, Leal y Cepeda (2010), 
quienes se inspiraron en la perspectiva de la filosofía natural, en su trabajo 
exploratorio, sobre las interacciones entre los elementos interventores en los 
procesos de innovación de las organizaciones, intitulado Clima de confianza, 
aprendizaje e innovación: una metáfora biomimética, publicado en la Revista 
Europea de Dirección y Economía de la Empresa. 
El estudió en cuestión se llevó a cabo a través de un trabajo de campo 
exploratorio, sobre las interacciones entre elementos mediadores que 
intervienen en los procesos de innovación de las organizaciones. Inspirado 
de la perspectiva de la filosofía natural, el proyecto consistió en un ejercicio 
de comparación de los procesos de aprendizaje e innovación, con los cultivos 
celulares para la diferenciación celular en el campo de la biomedicina. 
De esta manera, se establecieron ambientes organizacionales 
constitutivos de nutrientes adecuados, para que las variables antecedentes 
del proceso innovador (como son la actitud de colaboración y la 
39 
orientación al aprendizaje), desencadenaran dicho proceso, siendo los 
cultivos para la diferenciación celular, la referencia biomimética de este 
trabajo. 
Se hizo hincapié en la necesidad de desarrollar nuevos sistemas 
inmunológicos en las organizaciones, para contrarrestar el efecto negativo 
sobre el cultivo de la innovación de determinadas prácticas de dirección no 
deseadas. Elementos perversos que, con frecuencia, se dan en la práctica, 
como el “mobbing” y el “bossing”, al igual que otros agentes patógenos como 
falta de comunicación, antagonismo innecesario, clanes, reinos de Taifas, 
falta de objetivos unificadores y la descoordinación, evidenciándose como 
objetos de tratamiento preferente, desde la perspectiva de un sistema de 
dirección natural moderno. 
En este orden de ideas, en cuanto a las expresiones teóricas 
consideradas en esta investigación, éstas corresponden a los trabajos 
previos atendidos por Kast, Bueno, Miró (2010), así como los innegables 
aportes de Nonaka y Takeuchi (1999). En tal sentido, el estudio fue realizado 
en 150 empresas de uso intensivo del conocimiento, se demuestra el modelo 
propuesto, en el que un clima de confianza se revela como el medio más 
adecuado para producir la innovación, a partir de la interacción entre las 
actitudes colaborativas y la orientación al aprendizaje. 
De manera sustancial y con destacada intervención, este trabajo 
entrega un modelo biomimético, basado en el cultivo de diferenciación celular 
que orienta irrefutablemente, el proceso metodológico de la presente 
40 
investigación, de allí su importancia en la selección y utilización, como aporte 
importante en el actual tesis doctoral. 
Otro estudio de gran aporte lo representa el realizado por Markus 
Schatten y Miroslav Žugaj (2011), profesores de la Facultad de Organización e 
Informática de la Universidad de Zagred Varazdin en Croacia, quienes 
presentaron en la revista Interdisciplinary Description of Complex Systems, un 
documento titulado Biomimetics in Modern Organizations:Laws or Metaphors?. 
En estudio de campo, los autores abordan la biomimética como el arte 
científico de imitar a la naturaleza y a la vida, para dar respuestas tecnológicas 
desde la perspectiva de la teoría de las organizaciones modernas. 
Curiosamente, la hipótesis central de esta publicación es la existencia 
de leyes comunes en la naturaleza, aplicables a la vida social y a los 
sistemas organizacionales del mismo modo. Para tomar ventaja de estas 
leyes, el estudio de los principios de la naturaleza, para su aplicación a las 
organizaciones, es propuesta desde un proceso que está en el diseño de 
productos y de la tecnología conocida como la ingeniería creatividad biónica. 
En la búsqueda de la mayoría de los conceptos tomados de la naturaleza 
se encuentra la organización de las amebas, la teoría de la autopoiesis o 
autocreación, redes neuronales, heterarquías; así como, fractales y “bioteaming”, 
que se describen de manera crítica, en esta obra. Así mismo, los autores se 
sumergen en conceptos como inteligencia de enjambre además de estigmergia. 
Finalmente, ofrecen un resumen con pautas para futuras investigaciones, que 
fueron consideradas a nivel metodológico en el presente estudio. 
41 
La gran gama de trabajos e investigaciones en el área de transferencia 
del conocimiento obligaría a todo investigador, en esta fascinante área de 
estudio, a extender las consideraciones, motivaciones y resultados obtenidos 
por otros autores en dicha área de conocimiento; sin embargo, por razones 
formales y funcionales, la investigadora consideró oportuno destacar como 
antecedentes de cierre para este apartado, los prominentes trabajos 
publicados por Simonin, B. L. (1999); He Ming-Rui, Li Yong-Jian (2005); Liu 
Hong-wei, HE Jin-sheng, MA Li-li (2003); Cummings, J. L., & Teng, B. S. 
(2003); y finalmente los estudios de Jinsheng y[1] Li Jiang [2] (2003); además 
de los aportes de Xiong De-yong, He Jin-sheng (2005) y Estrada García, 
Monroy Alvarado (2004). 
Estos autores abarcan en sus investigaciones, aspectos particulares 
que apoyaron profundamente, la investigación en la presente tesis doctoral, 
para reforzar las bases del modelo biomimético. En este sentido, se 
considero el trabajo presentado por Simonin, B.L. (1999), quien ofrece un 
trabajo titulado “Ambiguity and the process of knowledge transfer in strategic 
alliances”; donde reveló de manera empírica, que las variables estudiadas (el 
carácter tácito y la complejidad del proceso de transferencia del 
conocimiento), como las variables asociadas específicas (experiencia previa, 
distancia cultural y distancia organizacional), impactaron este proceso de 
transferencia reflejado en una construcción de conocimiento ambiguo. 
Por su parte Cummings (2003), en su obra “Transferring R&D 
knowledge: the key factors affecting knowledge transfer success”, basa 
42 
sus estudios en la transferencia de conocimiento dentro de más de 15 
industrias, a través de tres formas de gobierno. Sostiene que el éxito de la 
transferencia de conocimiento se encontró asociado con ciertas variables 
clave: el conocimiento deseado reside dentro de la fuente, el grado en que 
las partes comparten bases de conocimientos similares, alcance de las 
interacciones entre la fuente y el destinatario, participación en procesos de 
articulación a través de la que el conocimiento de la fuente se hace accesible 
para el receptor. 
Los autores asiáticos He Ming-Rui, Li Yong-Jian (2005), en su trabajo 
“Literature Review and Development Trend of Cognition and Sharing of Tacit 
Knowledge”, hacen una revisión general de la literatura del conocimiento 
tácito y señalan que éste necesita más investigación basado en los aspectos 
sobre la base de la psicología individual y cognitiva de los actores 
involucrados. Al mismo tiempo, el documento hace revisión de la literatura de 
compartir el conocimiento tácito “de los caminos”, los factores y las acciones 
de manejo, y señala que el intercambio de conocimiento tácito necesita más 
investigación de la motivación de compartir, la investigación cuantitativa de 
compartir la eficiencia y el proceso de intercambio. 
El trabajo intitulado "A biological model of knowledge development", 
desarrollado por Y Jinsheng [1] y Li Jiang (2003), [2]investigadores de la 
universidad de Tianjin en China, ofrecen a este trabajo doctoral un 
significativo aporte al contrastar el proceso de desarrollo del conocimiento con 
la reproducción biológica y la evolución, donde concluyen que el conocimiento 
43 
tiene atributos orgánicos, no inertes, variables diseñando un modelo biológico 
de desarrollo del conocimiento sobre la base de estas características. 
Vale destacar que la información obtenida a través de la consulta de 
material y fuentes bibliográficas para el desarrollo de este apartado, al igual que 
otras contribuciones a la tesis doctoral, es más extenso que el aquí justificado; 
destacándose con igual importancia en otras secciones de esta investigación, lo 
cual permite matizar con elementos de alto impacto, la presente investigación. 
 
2. BASES TEÓRICAS 
Para la presente investigación, y en función de fundamentar 
teóricamente la misma, se muestra de manera secuencial y progresiva del 
objetivo del estudio, la revisión de los antecedentes. Para ello, se hace 
mención a disertaciones que están encaminadas en la misma línea de acción 
del estudio, para la orientación a nivel teórico-práctico-científico, en lo que a 
manejo de fundamentos teóricos se refiere. Igualmente se adicionan los 
aportes teóricos sobre los aspectos de la investigación. 
 
2.1. TEORÍA GENERAL DE SISTEMAS 
La Teoría General de Sistemas (TGS), tiene su origen en los mismos 
orígenes de la filosofía y la ciencia. La palabra “Sistema” proviene de la 
palabra systêma, que a su vez procede de synistanai (reunir) y de synistêmi 
(mantenerse juntos). Se dice que el término es introducido en la Filosofía 
entre el 500 y 200 a. C., por Anaxágoras, Aristóteles, Sexto Empírico y los 
44 
Estoicos. Entre los siglos XVI y XIX, se trabaja en la concepción de la idea de 
sistema, su funcionamiento y estructura; se le relaciona con este proceso a 
René Descartes, Baruch Spinoza, Gottfried Wilhem Leibniz, Immanuel Kant, 
Ettiene Bonnot de Condillac, Augusto Comte y Pepper Stephen Coburn 
(Ramírez, 2002). 
Específicamente se le atribuyen a George Wilhem Friedrich Hegel 
(1770 – 1831), el planteamiento de las siguientes ideas: 
- El todo es más que la suma de las partes, 
- El todo determina la naturaleza de las partes, 
- Las partes no pueden comprenderse si se consideran en forma aislada del 
todo, 
- Las partes están dinámicamente interrelacionadas o son interdependientes. 
Igualmente, señala Ramírez (2002), que durante el siglo XX, la TGS no 
está ligada solamente a la Filosofía; aparecen otras disciplinas que se 
apoyan en ella o le dan elementos para complementar sus planteamientos, 
siendo éstas: la Psicología de la Gestalt (Christian von Ehrenfels), Teoría de 
las Comunicaciones (Claude Elwood Shannon), Cibernética (Norbert 
Wiener), Sociología (Talcott Parsons), Fisiología (Walter Brandford Cannon), 
Bioquímica (Lawrence J. Henderson); Teoría de autómatas (John von 
Newman), Cibernética (Ross W. Ashby) Economía (Kenneth Boulding) Ecología 
(Eugene Pleasants Odum) Administración (Robert Lilienfeld). 
Para la década de los 50, el biólogo y epistemólogo Ludwing von 
Bertalanffy, presenta los planteamientos iniciales de la TGS. Bertalanffy 
45 
trabajó el concepto de sistema abierto e inició el pensamiento sistémico 
como un movimiento científico importante. Desde sus planteamientos 
rechazó: 
- La concepción mecanicista de las ciencias exactas que tienden al análisis 
de cada fenómeno en sus partes constituyentes. 
- La identificación de la base de la vida como un conjunto de mecanismos 
físico – químicos determinados. 
- La concepción de losorganismos vivientes como autómatas que solo 
reaccionan cuando son estimulados. 
La idea de Bertalanffy, surge a partir de la no existencia de conceptos y 
elementos que le permitieran estudiar los sistemas vivos (posteriormente se 
consideran a los sistemas sociales también), ya que éstos son sistemas 
complejos con propiedades particulares y diferentes a las de los sistemas 
mecánicos (Wender, McDermott, R. y Snyder, 2002). 
Igualmente, el autor consideró la tendencia hacia la integración de 
diferentes tipos de ciencias naturales, sociales e incluso exactas, con el fin 
de dar soluciones más integradas a los problemas presentes en los sistemas; 
y en oposición a la creciente especialización del conocimiento que se había 
dado hasta ese entonces, el cual seguía en aumento. El autor razonó que el 
objeto de estudio de todas las ciencias debían ser los sistemas. 
Por su parte, Van Gigch (1987, citado por Ramírez 2002), relaciona las 
justificaciones consideradas por Bertalanffy para desarrollar está teoría, 
resaltando características como: 
46 
- La existencia de principios isomorfos similares, que gobiernan la conducta 
de entidades en muchos campos 
- La necesidad de una nueva ciencia exitosa en el desarrollo de la teoría de 
la complejidad organizada 
- Elaborar una teoría interdisciplinaria para trascender problemas exclusivos 
de cada ciencia 
- Proporcionar principios y modelos generales, a fin de que los 
descubrimientos concebidos en una, puedan ser utilizados por otras 
- Desarrollar una teoría que agrupe; en vez de considerar solo el análisis 
aislado y exclusivo de cada parte, tome en cuenta la comprensión de la 
dependencia recíproca de las disciplinas. 
 
2.1.1. DEFINICIÓN DE SISTEMA 
El concepto de sistemas ha sido utilizado por dos líneas de pensamiento 
diferentes. La primera es la teoría de sistemas generales, corriente iniciada 
por von Bertalanffy, continuada por Boulding y otros. El esfuerzo central de 
este movimiento, es llegar a la integración de las ciencias. El segundo 
movimiento es bastante más práctico y se conoce con el nombre de 
"ingeniería de sistemas" o "ciencias de sistemas" iniciada por la Investigación 
de Operaciones, seguida por la administración científica (Management 
Sciences), y finalmente por el Análisis de Sistemas (Potter, 2002). 
En este sentido, una definición que agrega algunas características 
adicionales, es la prescrita por Johansen (1993), quien considera el sistema como 
47 
un grupo de partes y objetos que interactúan, forman un todo o se encuentran 
bajo la influencia de fuerzas en alguna relación definida. Cabe destacar, que 
un grupo de elementos no constituye un sistema si no hay una relación e 
interacción entre estos, ofreciendo la idea de un "todo" con un propósito. 
Por su parte, Bertalanffy (1976), se basa en los siguientes puntos para 
llegar a la definición de sistema, interpretándolo como: 
- "Un todo que funciona como un todo, en virtud de la interacción de sus 
partes. hablando más o menos un conjunto de relaciones" (Anatol Rapoport). 
- Algo mayor que la suma de sus partes, ya que consta de estas partes 
además de la forma en que las partes se relacionan entre sí y, además, más 
las cualidades que emergen de estas relaciones. 
- Un conjunto de determinadas relaciones interactivas, una entidad 
relativamente bien identificados, que mantiene dinámicamente en 
funcionamiento un cierto conjunto. 
- El resultado inevitable de intenciones organizados. 
- Un conjunto de elementos de pie en la interacción, en donde su integridad 
depende de las partes, y las partes dependen del conjunto donde uno y uno 
es igual a dos más (algunas interacciones). 
- Un complejo de componentes que se convierte en una entidad a través de 
la interacción mutua de sus partes, de átomo a cosmos. 
- Un conjunto que funciona como un todo, en virtud de la interacción de 
sus partes. 
- Una relación organizada de las partes de un todo. 
48 
- Una manifestación de una organización o un arreglo organizado que: 
pueden ser físicos, biológicos, psicológicos, sociológicos o simbólica. 
- Puede ser estática, mecánica, un dispositivo mecánico de regulación, u 
orgánicamente interactivo con el medio ambiente. 
- Se pueden organizar jerárquicamente según su nivel de complejidad 
organizada. 
- Puede ser una combinación categórica como el sistema hombre-máquina 
que compone una fábrica. 
En general, al observar las definiciones de la palabra "sistemas", todos 
coinciden en considerarlo un conjunto de partes coordinadas, en interacción 
para alcanzar una serie de objetivos. La Teoría General de Sistemas no 
busca corregir problemas o intentar soluciones prácticas, pero si producir 
teorías y formulaciones conceptuales que puedan crear condiciones de 
aplicación en la realidad empírica. El ser humano, por ejemplo, es un sistema 
(podríamos añadir un sistema maravillosamente constituido y diseñado), con 
muchas partes diferentes que contribuyen, de distinta forma, a mantener su 
vida, su reproducción y su acción. 
 
2.1.2. CLASIFICACIÓN DE LOS SISTEMAS 
La clasificación se basa en el grado de interacción con otros sistemas, 
esta depende del individuo que lo hace, el objetivo perseguido y las 
circunstancias particulares en las cuales se desarrolla. En este punto, se dan 
lineamientos generales sobre las diferentes clases de sistemas, así como 
49 
algunos ejemplos que corresponden a su definición. No hay sistema 
totalmente cerrado, ya que no sería sistema; tampoco existen sistemas 
totalmente abiertos. 
De acuerdo con el planteamiento de Alba (1995, citado por Ramírez 2002), 
los sistemas se clasifican según varios aspectos, de la siguiente manera: 
Según su relación con el medio ambiente: 
- Sistemas abiertos: sistema que intercambia materia, energía o información 
con el ambiente. Ejemplos: Célula, ser humano, ciudad, perro, televisor, 
familia, estación de radio 
- Sistemas cerrados: sistema que no intercambia materia, energía o 
información con el ambiente. Ejemplos: Universo, reloj desechable, llanta de 
carro. 
Según su naturaleza: 
- Sistemas concretos: Sistema físico o tangible. Ejemplos: Equipo de 
sonido, edificio, pájaro, guitarra, elefante 
- Sistemas abstractos: Sistema simbólico o conceptual. Ejemplos: Sistema 
hexadecimal, idioma español, lógica difusa. 
Según su origen: 
- Sistemas naturales: Sistema generado por la naturaleza. Ejemplos: Río, 
bosque, molécula de agua 
- Sistemas artificiales: Sistema producto de la actividad humana; son 
concebidos y construidos por el hombre. Ejemplos: Tren, avión, marcapasos, 
idioma inglés. 
50 
Según sus relaciones: 
- Sistemas simples: Sistema con pocos elementos y relaciones. Ejemplos: 
Juego de billar, péndulo, f(x) = x + 1, palanca. 
- Sistemas complejos: Sistema con numerosos elementos y relaciones entre 
ellos. Ejemplos: Cerebro, universidad, cámara fotográfica. 
Esta clasificación es relativa, porque depende tanto del número de 
elementos como relaciones considerados. En la práctica, con base a 
límites psicológicos de la percepción y comprensión humana, un sistema 
con más o menos, de siete elementos y relaciones, se puede considerar 
simple. 
Según su cambio en el tiempo: 
- Sistemas estáticos: Sistema que no cambia en el tiempo. Ejemplos: 
Piedra, vaso de plástico, montaña. 
- Sistemas dinámicos: Sistema que cambia en el tiempo. Ejemplos: 
Universo, átomo, la tierra, hongo. 
Según el tipo de variables que lo definen: 
- Sistemas discretos: Sistema definido por variables discretas. Ejemplos: 
lógica booleana, alfabeto. 
- Sistemas continuos: Sistema definido por variables continuas. Ejemplos: 
alternador, río. 
Otras clasificaciones: 
- Sistemas jerárquicos: Sistema cuyos elementos están relacionados 
mediante relaciones de dependencia o subordinación conformando un 
51 
organización por niveles. Chiavenato (1999), losdenomina sistemas 
piramidales. Ejemplos: Gobierno de una ciudad. 
-- Sistemas de control: Sistema jerárquico en el cual unos elementos son 
controlados por otros Ejemplos: Lámpara. 
- Sistemas de control con retroalimentación: sistema de control en el cual 
los elementos controlados, envían información sobre su estado, a los 
elementos controladores. Ejemplos: Termostato 
Bertalanffy (1976), señala la formulación y derivación de aquellos 
principios que son válidos para los “sistemas” en general, definiéndolo 
como Teoría General de Sistemas. Para explicar el sentido de esta 
disciplina, el autor lo circunscribe de acuerdo a lo siguiente: la física se 
ocupa de sistemas de diferentes niveles de generalidad. Se dilata desde 
sistemas bastante especiales como los que aplica el ingeniero a la 
construcción de un puente o una máquina, hasta leyes especiales de 
disciplinas físicas como la mecánica o la óptica, y leyes de gran 
generalidad, como los principios de la termodinámica, aplicables a sistemas 
de naturaleza intrínsecamente diferente- mecánicos, calóricos, químicos o 
lo que sean. 
 
Nada prescribe que tengamos que desembocar en los sistemas 
tradicionalmente tratados por la física. Podemos muy bien buscar 
principios aplicables a sistemas en general, sin importar que sean 
de naturaleza física, biológica o sociológica. Si planteamos esto y 
definimos bien el sistema, hallaremos que existen modelos, 
principios y leyes que se aplican a sistemas generalizados, sin 
importar su particular género, elementos y “fuerzas” participantes 
(Bertalanffy, 1976, p. 36). 
52 
Al respecto, una consecuencia de la existencia de propiedades 
generales de sistemas, es la aparición de similitudes estructurales o 
isomorfismos en diferentes campos. Hay correspondencias entre los 
principios que rigen el comportamiento de entidades, que son 
intrínsecamente muy distintas. Por tomar un ejemplo sencillo, se puede 
aplicar una ley exponencial de crecimiento a ciertas células bacterianas, 
poblaciones de bacterias, animales o humanos, al progreso de la 
investigación científica medida por el número de publicaciones de genética o 
de ciencia en general. 
Las entidades en cuestión, bacterias, animales, gente, libros, son 
completamente diferentes, otro tanto ocurre con los mecanismos causales en 
cuestión. No obstante, la ley matemática es la misma. Si se toman los 
sistemas de ecuaciones que describen la competencia entre especies 
animales y vegetales en la naturaleza; se da el caso de que, iguales sistemas 
de ecuaciones se aplican en ciertos campos de la fisicoquímica y la 
economía (Ramírez, 2002). Esta correspondencia se debe, a que las 
entidades consideradas pueden verse, en ciertos aspectos, como “sistemas”, 
o sea grupos de elementos en interacción. 
 
2.1.3. RECURSIVIDAD EN SISTEMAS 
Es una característica de todo sistema viable. Se refiere a que todo 
sistema contiene dentro de sí varios sistemas, llamados subsistemas, los 
cuales poseen funciones y características similares al sistema superior en 
53 
que están contenidos. El principio de recursividad dice que un subsistema es 
considerado sistema cuando a partir de él se puede explicar al sistema que lo 
contiene (Brown, 2004). 
Según Toro (2010), el concepto de recursividad es una de las primeras 
contribuciones del pensamiento sistémico, específicamente de la teoría 
general de sistemas. La recursividad se puede definir simplemente como el 
hecho de que un sistema está compuesto de sistemas. Esto que hoy se 
trabaja desde la disciplina de "sistema de sistemas" (system of systems), es 
una noción simple pero poderosa. 
Dentro de la Teoría General de Sistemas, la ley de recursividad se 
justifica en el hecho de que un objeto sinérgico, un sistema, esté compuesto 
de partes con características tales que son a su vez, objetos sinérgicos 
(sistemas), tal como se muestra en la figura 1. Se habla entonces de 
sistemas y subsistemas. 0, extendiendo más el concepto, de supersistemas, 
sistemas y subsistemas. Lo importante del caso, y que es lo esencial de la 
recursividad, es que cada uno de estos objetos, no importando su tamaño, 
tiene propiedades que lo convierten en una totalidad, es decir, en elemento 
independiente. 
En base a esta teoría, señala González (2010), un elemento pequeño 
puede explicar al elemento que lo contiene, éste explicaría el subsistema que 
lo contiene, este a su vez explicaría al sistema que lo contiene y este explicar 
al supersistema. De manera tal que, cada sistema explica el subsistema 
contenido en él mismo. 
54 
 
 
Figura 1. Recursividad en los Sistemas 
 
Por su parte, Ramírez (2002), manifiesta que seguramente no es 
posible que exista una jerarquía unificada (salvo quizás desde la perspectiva 
puramente física), pero el poder detrás de este entendimiento radica en la 
capacidad de usar el mismo lente, la misma visión, el mismo conjunto de 
características y comportamientos, independientemente de la unidad de 
análisis o nivel de interés. Justamente la idea es que cada nivel se pueda 
entender como un sistema (con partes relacionadas a través de mecanismos 
de retroalimentación que generan propiedades emergentes). 
 El autor considera que la gestión del conocimiento puede aprovechar la 
recursividad, para ir agregando esfuerzos desde el nivel individual al inter-
organizacional. En el nivel individual, es posible aplicar la gestión del 
conocimiento en el aprendizaje personal (y en el aprendizaje de como 
aprendemos, es decir la auto-reflexión). En un nivel grupal, se puede 
aprovechar este aprendizaje individual para llevarlo al grupo a partir de un 
doble ciclo de reflexión, como hemos visto. 
55 
Tratándose de una organización, estos esfuerzos se alinean con las 
estrategias de un negocio para que el conocimiento generado contribuya a la 
creación de valor. Aquí es importante promover el flujo de información y la toma 
de decisiones mediante capacidades laterales; es decir, aquellas que son 
contingentes y que no se rigen por la estructura de un organigrama 
(especialmente si este es jerárquico) sino que permiten la comunicación lateral 
(entre grupos, entre departamentos). De este manera, se rompe la rigidez de 
una jerarquía, estimulando las capacidades dinámicas y permitiendo 
empoderamiento a nivel individual y mayor tiempo estratégico a nivel gerencial. 
Finalmente, de manera recursiva, se llega al nivel inter-organizacional, 
indica González (2010). Aquí el énfasis está en la construcción de redes de 
valor, donde el conocimiento fluye entre organizaciones para generar 
competitividad a partir de los recursos de red, y no solo a partir de los recursos 
de la empresa, por separado. En un mundo en que el diseño, la fabricación, el 
ensamblado, la distribución, la comercialización, el servicio, están globalizados 
y tienden a involucrar organizaciones distribuidas geográficamente, una 
estrategia de gestión de conocimiento inter-organizacional resulta imperativa. 
 
2.2. ENFOQUE SISTÉMICO, COMPLEJIDAD/PENSAMIENTO COMPLEJO 
Y TRANSDISCIPLINARIEDAD 
 
2.2.1. ENFOQUE SISTÉMICO 
El enfoque sistémico es indispensable cuando se trata con estructuras 
dinámicas o sistemas que no se componen de elementos homogéneos y, por 
56 
lo tanto, no se le pueden aplicar las cuatro leyes que constituyen la 
matemática actual sin desnaturalizarlos, la ley aditiva de elementos, la 
conmutativa, la asociativa y la distributiva de los mismos, pues, en realidad, 
no son “elementos homogéneos”, ni agregados, ni “partes”, sino 
constituyentes de una entidad superior (Ramírez, 2002). 
En consecuencia, las realidades sistémicas se componen de elementos 
o constituyentes heterogéneos, definiéndose por su posición o por la función 
que desempeñan en la estructura o sistema total; es más, el buen o mal 
funcionamiento de un elemento repercute o compromete el funcionamientode todo el sistema. En general, podría señalarse, como una especie de 
referente clave, que la matemática trabaja bien con objetos constituidos por 
elementos homogéneos y pierde su capacidad de aplicación en la medida en 
que éstos son de naturaleza heterogénea, donde entra en acción lo 
cualitativo y sus relaciones. 
El biólogo Ludwig Von Bertalanffy (1972), refiere que desde el átomo 
hasta la galaxia se vive en un mundo de sistemas, afirmando que para 
entender matemáticamente, algunos aspectos, como por ejemplo, los 
conceptos biológicos de diferenciación, desarrollo, equifinalidad, totalidad, 
generación (todos sistémicos), se haría necesario unas “matemáticas 
gestálticas”, en las que fuera fundamental, no la noción de cantidad, sino la 
de relación, forma y orden. 
En este sentido, Toro (2010), señala que a estas matemáticas se les 
conoce con los nombres de “matemáticas de la complejidad”, “teoría de los 
57 
sistemas dinámicos” o “dinámica no-lineal”, ya que trabajan con centenares 
de variables interactuantes e intervinientes durante los procesos con la 
cuarta dimensión “tiempo”. Se trata de unas “matemáticas más cualitativas 
que cuantitativas”. En ellas se pasa de los objetos a las relaciones, de las 
cantidades a las cualidades, de las substancias a los patrones. 
Su práctica es posible gracias a los ordenadores de alta velocidad que 
pueden ahora resolver problemas complejos, no-lineales (con más de una 
solución), antes imposibles, graficar sus resultados en curvas y diagramas 
para descubrir patrones cualitativos (sin ecuaciones ni fórmulas), guiados por 
los llamados “patrones atractores”. 
El pensamiento sistémico, indica Ramírez (2002), comporta además, un 
cambio de la ciencia objetiva a la ciencia epistémica, es decir, se tiene en 
cuenta la posición personal del sujeto investigador, como el físico tiene en 
cuenta la temperatura previa del termómetro que usa. La comprensión de 
toda entidad que sea un sistema o una estructura dinámica requiere el uso 
de un pensamiento o una lógica dialécticos; no basta la relación cuantitativo-
aditiva y ni siquiera es suficiente la lógica deductiva, ya que aparece una 
nueva realidad emergente que no existía antes, haciendo imposible deducir 
las propiedades emergentes con las premisas anteriores. 
Estas cualidades no están presentes en los elementos, sino que 
florecen por las relaciones establecidas entre ellos: de esta manera se 
aparece la tercera dimensión, que no se da en ninguno de los ojos por 
separado; igualmente surgen las propiedades del agua, las cuales existen en 
58 
la medida que sus elementos (oxígeno e hidrógeno) se relacionan, no 
estando presentes con los elementos solos. Igualmente, se presenta el 
significado al relacionarse varias palabras en una estructura lingüística; así 
emerge la vida por la interacción de varias entidades físico-químicas, entre 
otras. 
El principio de exclusión del físico cuántico Wolfgang Pauli, por su 
parte, estableció, desde 1925, que las “leyes-sistemas” no son derivables de 
las leyes que rigen a sus componentes. Las propiedades que exhibe, por 
ejemplo, un átomo en cuanto un todo, se gobiernan por leyes no 
relacionadas con aquellas que rigen a sus “partes separadas”; el todo es 
entendido y explicado por conceptos característicos de niveles superiores de 
organización. Este principio se extiende a todos los sistemas o estructuras 
dinámicas que constituyen nuestro mundo: sistemas atómicos, sistemas 
moleculares, sistemas celulares, sistemas biológicos, psicológicos, 
sociológicos, culturales (Endy, 2005). 
En fin, la naturaleza de la gran mayoría de los entes o realidades es un 
todo polisistémico, que se rebela cuando es reducido a sus elementos. Su 
rebelión viene dada, precisamente, porque así, reducido, pierde las 
cualidades emergentes del “todo”, así como la acción de éstas sobre cada 
una de las partes. 
En consecuencia, cada disciplina deberá hacer una revisión, una 
reformulación o una redefinición de sus propias estructuras lógicas 
individuales, que fueron establecidas aislada e independientemente del 
59 
sistema total con que interactúan, ya que sus conclusiones, en la medida en 
que hayan cortado los lazos de interconexión con el sistema global de que 
forman parte, serán parcial o totalmente inconsistentes. Esto equivale a decir 
que debemos pasar de los planes de estudio monodisciplinares a planes de 
estudio multidisciplinarios, interdisciplinarios y transdisciplinarios, haciendo 
énfasis precisamente en sus interrelaciones. 
 
2.2.2. COMPLEJIDAD/PENSAMIENTO COMPLEJO 
En cuanto a la complejidad lleva en principio, lo que es irracional, 
incierto, confuso, desordenado. Siendo así la complejidad, es un concepto 
que hay que explorar, definir (Morin & Le Moigne, 2000). La definición de 
complejidad existe en muchas ciencias, tal vez, en todas. Sin embargo, no 
hay acuerdo entre las definiciones resultantes, tal vez algunos puntos en 
común, nada más. Estos puntos se refieren a la relación entre la complejidad 
y sistemismo, más no a la relación entre el sistema y la complejidad 
(Luhmann, 1998). 
(a) Antecedentes para contextualizar el concepto de Pensamiento 
Complejo. En el siglo XX ningún concepto se resignificó con tanta 
profundidad como “complejo”. De un uso común y científico que había 
perdido sus raíces y lo relacionaba con lo complicado, lo enmarañado y lo 
difícil de entender, retomó su sentido originario y pasó a significar una nueva 
perspectiva para designar al ser humano, la naturaleza, y nuestras relaciones 
con ella. Así, el término “complejo” designa hoy una comprensión del mundo 
60 
como entidad donde todo se encuentra entrelazado, como en un tejido 
compuesto de finos hilos, en fin, complexus: lo que está tejido junto (Schatten 
y Žugaj, 2011). 
(b) Los autores contemporáneos de lo complejo. Para un cambio tan 
radical en los significados han convergido las prácticas humanas en el 
cambio, las ciencias y las mentes brillantes de los últimos tiempos. Algunos 
autores contemporáneos gustan señalar que de lo complejo se puede hablar 
hoy en tres sentidos complementarios: 
- Ciencias de la Complejidad. Se habla de ciencias de la complejidad, 
indica Riechmann (2006), cuando se trata de investigaciones que, en 
diversos campos, hacen avanzar el conocimiento científico al introducir una 
comprensión del mundo como sistema entrelazado. Estos estudios científicos, 
auxiliados de potentes dispositivos computacionales, han avanzado en la 
creación de modelos para explicar los comportamientos de los sistemas en el 
tiempo, con lo que se han abierto nuevos campos de investigación, así como 
nuevas herramientas para comprender este tipo de sistemas. 
Se forma a partir de estos estudios, indirectamente, una comprensión del 
mundo como sistema entrelazado, que exhibe propiedades completamente 
nuevas y sorprendentes, como la no linealidad, o nuevas formas de 
determinación como el caos determinista. El aporte principal de estas teorías 
consiste en el avance del conocimiento de los sistemas específicos, unido a la 
creación de modelos y simulaciones computacionales, que permiten 
comprenderlos como entidades no reducibles a relaciones causales simples. 
61 
- Cosmovisión Compleja. Se habla de Cosmovisión compleja, cuando se 
realizan elaboraciones de carácter filosófico como en el pensamiento sistémico 
de Bertalanffy, agregando, desde los setentas, las interpretaciones de Ilya 
Prigogine acerca de la necesidad de comprender la inestabilidad, como 
propiedad de la naturaleza y la reconstrucción de nuestras relaciones con ella; 
o la ecología profunda, su propuesta (Maturana, 2003). Este tipo de 
elaboración filosófico-cosmovisiva, relaciona los estudios científicos con la vida 
práctica: De la explicación del mundo como un sistema que exhibe propiedades 
complejas, se concluye acerca de cómo reconstruir nuestras relaciones con él.- La interpretación del Pensamiento Complejo: Edgar Morin. Se habla 
de Pensamiento complejo, cuando se trata de construir un método nuevo, 
sobre la base de las ideas complejas que emanan de las ciencias y su 
conjugación con el pensamiento humanista, político social y filosófico, como 
es el caso del pensador universalista francés Edgar Morin (1990). También 
se utiliza pensamiento complejo en un sentido más estrecho, para designar 
los estudios científicos que intentan explicar las dinámicas complejas de los 
objetos en estudio, sin extraer de ello, consecuencias cosmovisivas o 
metodológicas más generales. 
Edgar Morin (1990), ha denominado esta postura complejidad 
restringida, para diferenciarla de aquella más amplia y humanista, donde lo 
define como un método de pensamiento nuevo, válido para comprender la 
naturaleza, la sociedad, reorganizar la vida humana, y para buscar 
soluciones a las crisis de la humanidad contemporánea. 
62 
(c) La trama de la complejidad. Cualquiera de estas clasificaciones debería 
tomar en consideración al resto, pues el desafío de la complejidad consiste 
precisamente, en el reconocimiento de las tramas o redes de relaciones, y la 
imposibilidad humana de agotarlas en el conocimiento. Esta relación de 
antagonismo y complementariedad debe considerarse también con respecto 
a las clasificaciones de lo complejo, y los intentos de “medir” o cuantificar la 
complejidad. 
Por otra parte, cada una de estas vertientes se encuentra relacionada 
con la otra, y la diferenciación está condicionada por la perspectiva desde la 
cual se valora. Los estudios de lo complejo han impactado en áreas 
científicas que estudian la naturaleza y la sociedad. Entre los científicos más 
relevantes que han contribuido a este campo se encuentran Benoit 
Mandelbrot, Ilya Prigogine, René Thom, Francisco Varela, Humberto 
Maturana, Edgar Morin, entre otros. 
(d) La evolución de las ideas complejas. La evolución de las ideas 
complejas en el siglo XX puede caracterizarse en tres grandes momentos. El 
primero, en los sesenta, donde se trabaja en varios campos científicos sin 
que trasciendan los nuevos desarrollos conceptuales más a allá de áreas 
muy específicas. Entre los setentas y ochentas, se produce una mayor 
socialización de las ideas complejas entre diversos campos disciplinarios. 
Finalmente en los noventas, se produce un boom mediático que coloco la 
complejidad y lo complejo en documentales científicos, revistas de 
divulgación y la prensa (Riechmann, 2006). 
63 
(e) El impacto de la idea de la complejidad. Es difícil medir los impactos 
de las nuevas ideas, pero en el caso del estudio de lo complejo, su impacto 
se ha dejado sentir en las ciencias naturales y sociales, así como en las 
formas de organización de los conocimientos. Así, en relación directa del 
estudio de lo complejo y la superación de las formas disciplinarias clásicas de 
organización de los conocimientos, se han desarrollado estrategias inter, 
multi y transdisciplinarias (Nicolescu, 1996). 
(f) El problema de la complejidad y Edgar Morin. El estudio de lo 
complejo ha impactado también en el ámbito más directo de las interacciones 
de los seres humanos: la educación, la interpretación de la sociedad, la 
política, y la comprensión del momento actual que vive la humanidad. El 
problema de la complejidad ha pasado a ser el problema de la vida y el vivir, 
el problema de la construcción del futuro y la búsqueda de soluciones a los 
problemas contemporáneos. En palabras de Edgar Morin, cuando se habla 
de complejidad “…se trata de enfrentar la dificultad de pensar y de vivir” 
(2006: p. 65). 
 
2.2.3. TRANSDISCIPLINARIDAD 
Bertalanffy (1976), afirma que en la ciencia moderna hay una 
especialización creciente de los conocimientos, una inmensa cantidad de 
datos, complejidad de técnicas, estructuras teóricas en cada campo. Lo 
anterior ha generado la división de la ciencia en innumerables disciplinas. 
Los especialistas en cada área están en universos privados, negándose a 
64 
compartir información con otros. Es necesario estudiar no sólo las partes y 
procesos aislados de un sistema, sino también resolver los problemas 
hallados en el mismo, como resultado de la interacción dinámica de sus 
partes, que hace diferente el comportamiento de éstas, cuando se estudian 
aisladas, o cuando se consideran dentro del todo. 
A continuación se hace una breve relación del concepto de 
interdisciplinariedad y algunas de sus diversas formas, según (Bertalanffy, 
1976): 
- Acción entre disciplinas científicas 
- Conveniente articulación de las ciencias o disciplinas particulares y de los 
diversos círculos epistemológicos o sectores de afinidad disciplinaria, para el 
estudio de problemas complejos, producir soluciones más integradas, de 
manera que se combata la yuxtaposición de puntos de vista 
- Corresponde a la formación general y liberal del hombre, así como el 
adecuado estudio para buscar la solución de problemas 
- Anhelo de cosmovisión cohesionada de las ciencias y las actividades 
humanas 
- Forma de retorno a la unidad, articulación del conocimiento y síntesis. 
La interdisciplinariedad se hace necesaria para abarcar los problemas 
actuales del hombre, la sociedad, la ciencia y la naturaleza. 
Ahora bien, según Borrero (1991) hay varias modalidades de la 
interdisciplinariedad: multidisciplinariedad, interdisciplinariedad paralela o 
interdisciplinariedad heterogénea; se da cuando diversas disciplinas del 
65 
saber, sin articularse y carentes de relación pensada, se yuxtaponen. Se 
puede representar según el siguiente esquema: 
Pluridisciplinariedad; es en cierta manera un modo de 
multidisciplinariedad, dada la yuxtaposición (no articulación) de disciplinas. 
Sólo que en este caso una disciplina destaca sobre las demás, por lo cual a 
éstas se les resta la importancia debida. 
Transdisciplinariedad; ocurre cuando varias disciplinas interactúan 
mediante la adopción de alguna o algunas disciplinas, o de otros recursos 
como las lenguas, que operan como nexos analíticos. En otras palabras, la 
transdisciplinariedad evoca una evolución de las disciplinas; organiza los 
conocimientos que trascienden las disciplinas de una forma radical; 
representa la aspiración a un conocimiento lo más completo posible, que sea 
capaz de dialogar con la diversidad de los saberes humanos. Por eso el 
diálogo de saberes y la complejidad, son inherentes a la actitud 
transdisciplinaria, que se plantea el mundo como pregunta y como aspiración. 
Dentro de este marco, según Nicolescu (1996), la transdisciplina no 
renuncia ni rechaza las disciplinas. Solo las tergiversaciones lo hacen. En 
este sentido, explica el autor, que disciplina, Interdisciplina, Pluridisciplina y 
Transdisciplina son todas como flechas de un mismo arco, el arco del 
conocimiento Humano. 
Con la transdisciplina se aspira a un conocimiento relacional, 
complejo, que nunca será acabado, por desear el diálogo y la revisión 
permanentes. Tal vez este último principio se deba, en gran medida, a que 
66 
conocemos, con nuestros órganos de los sentidos, nuestra percepción. 
Como señala Von Foerster (citado por Nicolescu, 1996), no existe un único 
punto de vista (disciplina), sino múltiples visiones de un mismo objeto, la 
realidad entonces puede ser vista como un prisma de múltiples caras o 
niveles de realidad. 
En este sentido, la transdisciplina no elimina las disciplinas, sólo 
remueve esa verdad que promueve que el conocimiento disciplinario es 
totalizador, cambiando el enfoque disciplinario, por uno que lo atraviesa, el 
transdisciplinario. Corresponde a Nicolescu (1996), la comprensión de la 
transdisciplina que enfatiza el “ir más allá” de las disciplinas, trascenderlas; 
concierne entonces a una indagación que a la vez, se realice entre las 
disciplinas, las atraviese y continúe más allá de ellas. Su meta ha cambiado,ya no se circunscribe a la disciplina, sino que intenta una comprensión del 
mundo bajo los imperativos de la unidad del conocimiento. 
La transdisciplina y complejidad según Basarab, están estrechamente 
unidas como formas de pensamiento relacional, y como interpretaciones del 
conocimiento desde la perspectiva de la vida humana y el compromiso social: 
 
Volvemos entonces a la imperiosa necesidad de proponer, vivir, 
aprender y enseñar un pensamiento complejo, que vuelva a tejer 
las disciplinas como posibilidad de humanidad en completud; y 
que sólo de esta manera se vencería la eterna limitación y 
fragmentación del sujeto separado de sí mismo en la búsqueda del 
conocimiento (1996, p. 78). 
 
Por consiguiente, la clave de la transdisciplinaridad reside en la 
unificación semántica y operativa de las acepciones a través y más allá de 
67 
las disciplinas" (Ander-Egg: 1999, p. 108, citado por Méndez, 2010). "La 
transdisciplinaridad sólo aparece si la investigación se basa en una 
comprensión teórica común; debe ir acompañada por una interpenetración 
mutua de epistemologías disciplinares" (Gibbons: 1997, p. 45 citado por 
Méndez, 2010), así mismo la transdisciplinaridad avanza hacia modos de 
investigación orientados hacia resultados contextualizados. 
Según Piaget (citado por Palmade, 1979), la transdisciplinariedad se 
cristaliza en la elaboración de una "teoría general de sistemas o de 
estructuras" que incluyen estructuras operativas, regulatorias y 
probabilísticas, las cuales unirían estas diversas posibilidades por medio de 
transformaciones reguladas y definidas. Los estudios transdisciplinarios van 
hacia el resurgimiento de la filosofía al estilo de los griegos de la época 
clásica, como ciencia de la totalidad que busca articular la realidad desde los 
principios que la presiden. 
 
2.3. MODELOS 
Las acepciones del concepto de modelo son muy diversas. Puede 
considerarse al modelo, en términos generales, como representación 
de la realidad, explicación de un fenómeno, ideal digno de imitarse, 
paradigma, canon, patrón o guía de acción; idealización de la realidad; 
arquetipo, prototipo, uno entre una serie de objetos similares, un conjunto de 
elementos esenciales o los supuestos teóricos de un sistema social 
(Caracheo, 2002). 
68 
Sesento (2008), por su parte, define modelo como ejemplar o forma que 
se propone y se sigue en la ejecución de una obra artística, ejemplar para ser 
imitado, representación en pequeña escala de una cosa, copia o réplica de 
un original, construcción o creación que sirve para medir, explicar e 
interpretar los rasgos y significados de las actividades agrupadas en las 
diversas disciplinas. 
De esta manera, se desprende que los modelos son construcciones 
mentales que permiten una aproximación a la realidad de un fenómeno, 
distinguiendo sus características para facilitar su comprensión. El término 
modelo, en consecuencia, tiene una amplia gama de usos en las ciencias y 
puede referirse a casi cualquier cosa, desde una maqueta hasta un conjunto 
de ideas abstractas. 
En este orden de ideas, Caracheo (2002), afirma que la perspectiva 
sobre el modelo se basa, además, en una representación parcial de la 
realidad; esto se refiere, a que no es posible explicar una totalidad, ni incluir 
todas las variables que esta pueda tener, por lo que se refiere más bien a la 
explicación de un fenómeno o proceso específico, visto siempre desde el 
punto de vista de su autor. 
Otra acepción define al modelo, como un patrón a seguir o muestra 
para conocer algo, existe también la idea de que un modelo debe ser 
utilizado para probar una hipótesis o una teoría, o tan sólo para poder 
explicar un proceso o una abstracción (Aguilera, 2000). Aún cuando la 
explicación de un modelo parte de supuestos hipotéticos o de teorías previas 
69 
ya confirmadas, ésta estaría completa si no abarca observaciones y 
experimentaciones posteriores que den cuenta de todos aquellos elementos, 
mecanismos y procesos incluidos en él. El modelo explica a la realidad y la 
fundamentación teórica explica al modelo. 
De acuerdo con Flórez (1999, citado por Sesento 2008), el lenguaje 
suministra una forma de modelar la realidad; cuando el individuo prefigura en 
su mente la acción que va a ejecutar a continuación, la está planeando, 
preordenando, modelando. Por lo tanto, un modelo es la imagen o 
representación del conjunto de relaciones que definen un fenómeno, con 
miras a su mejor comprensión. 
Aunque difieren cualitativamente en cuanto a su valor explicativo, todos 
los modelos comparten la característica de ser imágenes o representaciones 
construidas sobre lo que podría ser la multiplicidad de fenómenos o cosas 
observables, reducidas a una raíz común que permita captarlas como 
similares en su estructura o al menos en su funcionamiento. 
 
2.3.1. ESTRUCTURA DE LOS MODELOS 
Según Rodríguez (2000), los modelos poseen una estructura bastante 
definida, compuesta como se establece a continuación: 
- Los componentes; son las partes constituyentes del sistema. También se 
les denomina elementos o subsistemas. 
- Las variables; son aquellos valores que cambian dentro de la simulación, 
forman parte de las funciones del modelo o de una función objetivo. 
70 
- Los parámetros; son cantidades a las cuales se les asignan valores, una 
vez establecidos los parámetros, son constantes y no varían dentro de la 
simulación. 
- Las relaciones funcionales; muestran el comportamiento de las variables 
y parámetros, dentro de un componente, o entre componentes de un sistema. 
Estas características operativas pueden ser de naturaleza determinística o 
estocástica. Siendo las primeras (relaciones determinísticas), definiciones que 
relacionan ciertos parámetros, donde una salida de proceso, es singularmente 
determinada, por una entrada dada. Las relaciones estocásticas, por su parte, 
son aquellas en las que el proceso tiene de manera característica, una salida 
indefinida para una entrada determinada. 
- Las restricciones; son limitaciones impuestas a los valores de las 
variables, o la manera en la cual los recursos pueden asignarse o 
consumirse. 
- Funciones de objetivos; en esta parte se definen explícitamente los 
objetivos del sistema y la forma cómo se evaluarán, es una medida de la 
eficiencia del sistema. 
 
2.3.2. MODELO CIENTÍFICO 
En ciencias puras y, sobre todo, en ciencias aplicadas, se denomina 
modelo científico a una representación abstracta, conceptual, gráfica o visual 
(por ejemplo: mapa conceptual), física, matemática, de fenómenos, sistemas 
o procesos a fin de analizar, describir, explicar, simular - en general, explorar, 
71 
controlar y predecir- esos fenómenos o procesos. Un modelo permite 
determinar un resultado final a partir de unos datos de entrada. Se considera 
que la creación de un modelo es una parte esencial de toda actividad 
científica (Sesento, 2008). 
Al respecto, señala Caracheo (2002), que aún cuando hay pocos 
acuerdos acerca del uso de modelos, la ciencia moderna ofrece una 
colección creciente de métodos, técnicas y teorías acerca de diversos tipos. 
Las teorías propuestas sobre la construcción, empleo y validación de 
modelos, se encuentran en disciplinas tales como la metodología, filosofía de 
la ciencia, teoría general de sistemas y el campo, relativamente nuevo, de 
visualización científica. En la práctica, diferentes disciplinas científicas tienen 
sus propias ideas y normas, acerca de tipos específicos de modelos. Sin 
embargo, y en general, todos siguen los principios del modelado. 
De allí pues se puede afirmar, que para hacer un modelo, es necesario 
plantear una serie de hipótesis, que de una u otra manera reflejen 
claramente, la intencionalidad de lo que se desea, a fin de que esté 
suficientemente plasmado en la representación, aunque también se busca, 
que sea lo bastante sencillo como para poder ser manipuladoy estudiado. 
 
2.3.3. PARTES DE UN MODELO 
Para estructurar un modelo, este debe contener una serie de partes que 
lo conforman y permitan su elaboración de manera más clara y precisa. 
Sesento (2008), define dos partes importantes a considerar, para la 
72 
construcción de un modelo, asegurando que consta de dos aspectos 
importantes: 
Reglas de representación del input y el output. Las reglas de 
representación permiten construir partiendo de una realidad física. Definir un 
conjunto de datos de entrada o input, a partir de los cuales el modelo 
proporcionará un output o resultado final, que también será una interpretación 
del efecto de las condiciones iniciales elegidas sobre la realidad física. 
Estructura interna que dependerá del tipo de modelo. Esta 
estructura interna permite definir una correspondencia entre el input y el 
output. Un modelo es determinista si al mismo input le corresponde el mismo 
output y no determinista si al mismo input pueden corresponderle diferentes 
outputs. 
Es de hacer notar que, tanto las reglas de representación como el 
funcionamiento o lógica interna del modelo, sólo tendrán sentido en un 
determinado ámbito científico. En situaciones ajenas al ámbito del modelo, 
puede no existir una representación adecuada de los datos, una errada 
interpretación de los resultados en términos reales, o en su defecto, que la 
estructura interna no sea adecuada o válida para ese tipo de situación, fuera 
del ámbito normal del modelo. 
 
2.3.4. TIPOS DE MODELOS 
En líneas generales, los modelos se clasifican por su estructura 
interna más que por los detalles formales del input, output o la 
73 
forma de representación. Morin (2004), realiza una clasificación de los 
modelos, tomando en consideración su estructura interna, detallando 
los siguientes: 
 
2.3.4.1. MODELOS FÍSICOS 
Es una representación -generalmente a escala, ya sea mayor o menor- 
de algún objeto de interés; permite su observación en diferentes 
circunstancias. La escala no es necesariamente la misma en todos los ejes. 
Cuando una determinada realidad física se reproduce en un sistema 
simplificado, un modelo a escala o un prototipo que guarda cierta relación 
con la realidad que pretende ser modelizada. 
En cuanto a su representación, estos modelos se basan en aspectos de 
la ciencia física, de aquellos movimientos de los cuerpos, siendo además 
cuantificable. Generalmente representan el fenómeno estudiado utilizando 
las mismas relaciones físicas del prototipo pero reduciendo su escala para 
hacerlo manejable. Por ejemplo, pertenecen a este tipo de modelo, las 
representaciones a escalas reducidas de presas hidráulicas, puertos, o de 
elementos de estas obras, como un vertedero o una escollera. 
 
2.3.4.2. MODELOS MATEMÁTICOS 
Es aquel que busca representar fenómenos o relaciones entre ellos a 
través de una formulación matemática. Dentro de ellos existe una 
clasificación que los ordena como: 
74 
(a) Modelos Deterministas. Aquellos en los cuales se asume que 
tanto los datos empleados como los fenómenos mismos son 
completamente conocidos, por lo menos en principio, y que las fórmulas 
empleadas son lo suficientemente exactas como para determinar 
precisamente el resultado, dentro de los límites determinados por la 
observación. 
(b) Modelos Estocásticos o Probabilísticos. En el cual los datos 
empleados como los fenómenos mismos son completamente desconocidos; 
esto implica que el resultado es una probabilidad, dejando la existencia de 
incertidumbre. 
(c) Modelos Numéricos. En los que la realidad física y las condiciones 
iniciales se representan mediante un conjunto de números, a partir de ellos 
se calculan u obtienen por algún medio, otros resultados numéricos que 
reflejan cierto efecto de las condiciones iniciales. Estos modelos permiten 
“experimentar” a través de simulaciones en un computador de modelos 
matemáticos o lógicos. 
En este tipo de modelos la representación puede venir dada no sólo en 
término de números, sino también letras, símbolos o entidades matemáticas 
más complejas. Por ejemplo, al referirse a un modelo gráfico de 
matemáticas, se observan imágenes y gráficas matemáticas, que 
representan un modelo numérico y de ecuaciones, los cuales son 
expresiones visuales basadas en aspectos cuantificables y de la ciencia 
matemática. 
75 
2.3.4.3. MODELOS GRÁFICOS 
Son la representación de datos, generalmente numéricos, mediante 
recursos gráficos (tales como líneas, vectores, superficies o símbolos), para 
que la relación entre los diferentes elementos o factores guardan entre sí se 
manifiesten visualmente. 
 
2.3.4.4. MODELOS ANALÓGICOS 
Se basan en las analogías que se observan desde el punto de 
vista del comportamiento de sistemas físicos diferentes que, sin 
embargo, están regidos por formulaciones matemáticas idénticas. Por 
ejemplo, hasta los años 1970 el modelaje de sistemas de aguas 
subterráneas se realizaba con redes eléctricas de resistencias y 
condensadores. Este procedimiento, bastante engorroso y costoso se 
sustituyó con el modelaje puramente matemático en la medida en que 
aumentó la capacidad de los computadores y se popularizó el uso del 
cálculo numérico. 
 
2.3.4.5. MODELOS CONCEPTUALES 
Pueden entenderse como un mapa de conceptos y sus relaciones, 
incluyendo suposiciones acerca de la naturaleza tanto de los fenómenos que 
esos conceptos representan como sus relaciones. Estos modelos implican un 
alto nivel de abstracción, concentrándose en aspectos de categorías 
76 
semánticas o conceptuales que son considerados fundamentales para la 
comprensión de lo representado. 
Los modelos conceptuales se podrían clasificar en modelos que se 
refieren a entidades o fenómenos aislados o únicos (el átomo, el universo), y 
los que se refieren a entidades específicas por lo menos en principio en relación 
a un grupo de tales entidades. Estos se representan por una descripción 
cualitativa bien organizada, que permite la medición de sus factores. 
 
2.3.4.6. MODELOS FRACTALES 
Así como se usa la biomímesis para generar modelos que den 
soluciones a problemas de la vida cotidiana mediante la imitación de la 
naturaleza, se encontró que también, el organismo de los humanos imita 
modelos fractales presentes en la naturaleza. Según Vanga (2012), en la 
búsqueda de nuevos horizontes, desde los años 70 se sobrepasa el límite de 
las matemáticas, se tocan otras disciplinas que abordan entes naturales 
como: la biología, medicina, astronomía, geografía, geometría, surgiendo de 
esta interacción, la geometría fractal. 
Igualmente, señala la autora, el término fractal fue creado por Mandelbrot 
en 1977, en su obra La geometría Fractal de la Naturaleza, en la cual designaba 
con este nombre a ciertos objetos geométricos de estructura irregular. El término 
fractal proviene de la palabra latina FRACTUS, que significa parte fracción, y 
de RANGERE: romper. Por lo tanto, un fractal es un objeto semi-geométrico 
cuya estructura básica, fragmentada o irregular, se repite a diferentes 
77 
escalas, por lo que permanece incambiada cualquiera sea el aumento con el 
que se la observe. Esta propiedad recibe el nombre de «auto-semejanza». 
Son objetos geométricos complejos cuyas partes son parecidas al todo. 
 
2.3.4.7. MODELOS METODOLÓGICOS 
Aristóteles fue el primero en aplicar el análisis sistemático a los métodos 
de la ciencia. En su lógica formal demostró que el pensamiento utiliza siempre 
tres elementos simples, que aún hoy siguen siendo los elementos más 
importantes de la lógica: el concepto, el juicio y la conclusión. Su principal 
logro en el estudio de la lógica fue el desarrollo de los métodos de deducción, 
inferencia de lo general a lo particular, y la inducción, inferencia de lo 
particular a lo general, tal como se muestraen la figura 2 (Sesento, 2008). 
 
 
 
Figura 2. Métodos de inducción y deducción en relación a 
Bottom‐Up y Top‐Down 
 
Existen métodos de diseño e ingeniería que todavía utilizan estos 
sencillos planteamientos, como el top‐down que se corresponde con la 
deducción, y el bottom‐up con la inducción. La deducción comienza con el 
más alto nivel de abstracción o conceptualización y se desarrolla, hasta el 
78 
detalle, mientras que la inducción comienza con detalles y se desarrolla 
hasta llegar al mayor nivel de abstracción o conceptualización. 
Señala Caracheo (2002), que incluso en el planteamiento de diseño de 
productos, en ocasiones se habla de diseño de “adentro hacia afuera” y 
viceversa, lo cual corresponden con la deducción e inducción. Siendo los 
procesos de “adentro hacia afuera” aquellos que parten de las necesidades 
funcionales y requisitos del producto, los que definen los componentes para 
terminar en los aspectos formales y estéticos; los procesos de “afuera hacia 
adentro” son aquellos que parten de una característica estética o formal, 
terminando en la definición de componentes, funciones; estos casos son 
típicos de rediseños en los cuales las especificaciones técnicas, se 
corresponden con la de un producto anterior. 
Existen simplificaciones metodológicas aplicadas al proceso de diseño y 
desarrollo de productos, todas ellas se basan esencialmente en tres acciones 
básicas: planificación, desarrollo y realización (ejecución), esta secuencia es 
repetida tanto a nivel global dentro del proyecto como en detalle para la 
resolución de detalles finales. Jones (1970) y Asimow (1962) citados por 
Caracheo (2002), coinciden en que estas tres fases repetidas llevan a que 
cada ciclo sea más detallado que el anterior y que la reutilización de esta sea 
satisfactoria. 
Esta metodología en muy similar al círculo de Deming (1989) citado por 
Caracheo (2002), con las acciones Planificar, Hacer, Verificar y Actuar (Figura 
3), variando únicamente la fase de control que en los procesos de diseño se 
79 
hacen de forma automática, como retroalimentación, al finalizar cada fase a 
través de reuniones con presentaciones ante los responsables de proyecto o 
clientes. El círculo de Deming es característico por su proceso cíclico, típico 
de los procesos descritos anteriormente en las diferentes normativas. 
 
 
Figura 3. Circulo de Deming (1989) 
 
Otra metodología, incluso más genérica y con mayor carga lógica y 
analítica, es el Método Cartesiano, basado en cuatro axiomas, método 
planteado por René Descartes en el año 1.637 (Ramírez, 2002). En resumen 
se trata de comprender que es necesaria la descomposición de la situación 
de partida para poder estructurar el trabajo que se plantea, comprendiendo 
las pequeñas particularidades, dándoles solución de forma que permitan 
encontrar la vía más optima y adecuada, tras realizar las pertinentes 
acciones de control, por medio de revisiones contrastadas. 
 
2.3.4.8. MODELOS PARA LA GESTIÓN DEL CONOCIMIENTO 
Según Rodríguez (2006), a pesar de la existencia de incontables 
modelos para la gestión del conocimiento, se pueden definir tres 
80 
tipologías, agrupadas en tres tipos de modelos para la gestión del 
conocimiento. 
El modelo de tipo “Almacenamiento, acceso y transferencia de 
conocimiento”; no se distingue el conocimiento de la información, lo concibe 
como una entidad independiente de las personas que lo crean e utilizan. Este 
tipo de modelo se centra en el desarrollo de metodologías, estrategias y técnicas 
para almacenar el «conocimiento» disponible en la organización en depósitos 
de fácil acceso, a fin de propiciar su posterior transferencia entre los miembros 
de la organización. Para Davenport y Prusak (1998, citado por Rodríguez, 
2006), existen tres tipos básicos de almacenes de conocimiento: conocimiento 
externo, conocimiento interno estructurado y conocimiento interno informal. 
Agrega Rodríguez (2006), los modelos de tipo sociocultural se centran 
el desarrollo de una cultura organizacional adecuada, para lograr el 
desarrollo de procesos de gestión del conocimiento. Estos modelos intentan 
promover cambios de actitudes, fomentar confianza, estimular la creatividad, 
concienciar sobre la importancia y el valor del conocimiento, promover la 
comunicación y la colaboración entre los miembros de la organización, entre 
otros aspectos. 
El modelo de tipo Tecnológico, por su parte, destaca el desarrollo y la 
utilización de sistemas (por ejemplo: data warehousing, intranets, sistemas 
expertos, sistemas de información, Web) y herramientas tecnológicas (por 
ejemplo: motores de búsqueda, herramientas multimedia y de toma de 
decisiones) para la gestión del conocimiento. 
81 
Estas tipologías de modelos para la gestión del conocimiento tienden a 
difuminarse y mezclarse unas con otras. De hecho, la mejor opción para 
desarrollar un modelo para la creación y gestión del conocimiento, es basarlo 
en una perspectiva ecléctica que considere los aspectos fundamentales de 
todas ellas (Aguilera 2000, citado por Segura 2008). 
 
2.4. AGENTES HÍBRIDOS DE INNOVACIÓN (MANUAL DE OSLO) 
En los años 90 se propone el modelo de la “Triple Hélice” el 
cual enfatiza el papel de las interacciones entre tres ámbitos institucionales, 
la administración, las empresas y las universidades. Este modelo, 
siguiendo con las comparaciones con la biología, es un caso de 
convergencia evolutiva con la propuesta realizada en 1968 por los 
argentinos Jorge Sábato y Natalio Botana, posteriormente conocida como el 
Triángulo de Sábato. La propuesta señala que la innovación tiene su 
fundamento en las interacciones entre el Gobierno, la infraestructura 
científico-tecnológica y la estructura productiva, conformando los tres lados 
del triángulo. 
Sebastian (2009), afirma que el modelo de la triple hélice es 
especialmente enfático en el papel de las universidades en la innovación, 
tiene como consecuencia la aparición de conceptos como “universidad 
emprendedora” y “tercera misión de la universidad”. La evolución basada en 
los nuevos enfoques de generación, transferencia de conocimientos, ha dado 
lugar a nuevas formas organizativas, en numerosos casos híbridas, para 
82 
favorecer los flujos de conocimiento entre universidades, organismos 
públicos de investigación y entidades privadas. 
Los diferentes modelos interpretativos de la innovación están siendo 
superados por cuatro características que tienen cada vez mayor peso en los 
procesos innovadores: las innovaciones no tecnológicas, la 
internacionalización de los procesos, el papel del Estado como innovador y la 
participación de nuevos actores sociales en los procesos de innovación 
(González, 2010). 
Como se ha señalado anteriormente, las innovaciones que no son 
dependientes de nuevos conocimientos, sino de la aplicación de 
conocimiento existente y de la creatividad individual o colectiva, son 
crecientemente más numerosas tanto para generar nuevos productos como 
mejorar procesos, en el amplio ámbito de las innovaciones organizativas y de 
las denominadas innovaciones de mercadotecnia en el Manual de Oslo, 
siendo también frecuentes las innovaciones que combinan diferentes niveles 
y aspectos. 
A este respecto, señala Sebastian (2009), estos tipos de innovaciones 
son seguramente más frecuentes en las pequeñas y medianas empresas. El 
sector de los servicios, con su mayor peso en la estructura económica de 
muchos países, genera la mayor parte de sus innovaciones como 
consecuencia de la aplicación, adaptación e incorporación de conocimiento 
existente. Sectores como el financiero, logística, turismo, ocio y cultura son 
algunos ejemplos intensivos en esto tipo de innovaciones. 
83 
Las características y factores críticos que están relacionados con estos 
procesos de innovación, tienen una especificidad quelas diferencia de las 
clásicas innovaciones tecnológicas y, en consecuencia, muestran las 
limitaciones a los modelos señalados anteriormente. 
 
2.4.1. NACIMIENTO DE LOS AGENTES HÍBRIDOS DE INNOVACIÓN. 
MODELO DE TRIPLE HÉLICE 
 
En las últimas décadas se ha evidenciado una convergencia y un 
entrecruzamiento entre tres mundos: la investigación pública, las empresas y 
el gobierno. Esta convergencia ha sido representada y explicada por Etzkowitz 
a través del modelo de triple hélice (CESPRI, 1977 y Etzkowitz, sin fecha), 
desarrollado después por Leyersdorf, quien proporcionó sistemas teóricos 
para desarrollar esta idea (Jones-Evans, 1997, Leyersdorf, 1996 y 1977). 
Este modelo, afirma Sebastian (2009), toma como referencia un modelo 
espiral de la innovación (frente al modelo lineal tradicional), el cual capta las 
múltiples relaciones recíprocas entre los organismos institucionales (públicos, 
privados y académicos) en diferentes niveles de capitalización del 
conocimiento. 
Estas tres esferas institucionales, que anteriormente operaban de 
manera independiente manteniendo una distancia prudencial en las 
sociedades capitalistas liberales, tienden cada vez más a trabajar 
conjuntamente siguiendo un modelo en espiral, con vinculaciones que 
emergen a diversos niveles del proceso de innovación, para formar la 
84 
llamada “triple hélice”. El modelo de triple hélice resultante de la 
convergencia final de estos tres mundos podría estar representado por tres 
factores: los actores, las instituciones y las leyes y reglamentos. 
 
2.4.1.1. ACTORES 
Este es el nivel “micro” en el que las características evolutivas del 
modelo son más claramente visibles. Los actores se comportan de acuerdo 
con papeles y modelos de acción que implican culturas diversas y variadas, 
que anteriormente estaban separadas, y que pertenecen a tres mundos: 
instituciones académicas, gobierno y empresa. Ahora pues estos tres 
mundos están convergiendo (Cotec, 2010). 
- Los investigadores académicos se convierten en empresarios de sus 
propias tecnologías. 
- Los empresarios trabajan en un laboratorio de la universidad o en una 
oficina de transferencia tecnológica. 
- Los investigadores públicos dedican tiempo a trabajar en una empresa. 
- Los investigadores académicos y los investigadores industriales dirigen 
agencias regionales responsables de la transferencia de tecnología. 
 
2.4.1.2. INSTITUCIONES 
El nivel “meso” se relaciona con las instituciones, siendo éstas las que 
organizan la producción, y hacen uso del conocimiento tecnológico. Según 
Gore (2003), se pueden dividir en tres subcategorías: 
85 
1. Los “agentes híbridos de innovación”, como las transferencias de alta 
tecnología de la universidad o las sociedades de participación de capital 
establecidas por universidades. Estos son directamente responsables de la 
producción, el uso del conocimiento; constituyen formas híbridas de 
interacción entre la universidad, la empresa y el gobierno. 
2. Las “interfaces de innovación” entre la empresa y la investigación. 
3. Los “coordinadores de la innovación”, responsables de la coordinación y 
de la gestión de las diversas fases de la actividad innovadora. 
Entre las subcategorías 2 y 3 se pueden encontrar todas las instituciones que 
operan como apoyo de los organismos tradicionales de investigación, tales 
como las agencias regionales de transferencia tecnológica. Su tarea consiste 
en adoptar un planteamiento “de arriba a abajo” para organizar las 
interacciones entre la empresa y la investigación pública, la difusión del 
“know-how” tecnológico en la región, entre otros. 
 
2.5. BIOMIMETICA O BIOMÍMESIS 
Este apartado está basado en los conocimientos aportados por Janine 
Benyus (1998), en varios de sus libros. Es la fundadora del Instituto de 
Biomímesis de los Estados Unidos; siendo su mayor aporte, el que todos los 
problemas que se intentan resolver hoy en día, ya han sido resueltos por la 
naturaleza durante los millones de años de evolución. 
La biomímesis es la ciencia que estudia los sistemas naturales para 
conocer su estructura, funciones, con el propósito de encontrar la inspiración 
86 
para nuevas tecnologías innovadoras que resuelvan problemas, al tiempo de 
satisfacer las necesidades humanas. La palabra biomímesis nace de la unión 
de la palabra bio, cuyo significado es vida, la palabra mímesis, que significa 
imitar. Sus principios se asientan tanto en la innovación como en la eco-
inteligencia natural, pues su objetivo es diseñar, como lo hace la naturaleza, 
la cual después de miles de millones de años de experiencia, ha desarrollado 
los modelos más eficientes, funcionales, adecuados y duraderos. 
En su libro Biomímesis, la bióloga Benyus (1998), define el 
biomimetismo como una forma de diseño que mejora la calidad de vida 
fomentando, creando ambientes humanos integrados, no contaminantes. El 
diseño, desarrollo de productos y servicios inspirados en la naturaleza, se 
basan en mecanismos de funcionamiento natural. Son organismos que 
sobreviven a partir de la luz solar utilizando solo la energía imprescindible, 
integrándose tanto en forma como en función con su ecosistema, 
aprovechando como alimento los residuos de otros organismos diferentes, 
que respetan y fomentan la diversidad. 
Son muchos los ejemplos que existen sobre proyectos y 
desarrollo basado en biomimética. En el mundo del transporte, por 
ejemplo, desde el diseño de navíos hasta el aeronáutico, pasando por los 
vehículos terrestres como automóviles o trenes, es uno de los que más se 
beneficia de los diseños biomiméticos. El Martín Pescador o Alcedino, del 
que existen 90 especies de tres familias de ave estrechamente 
emparentadas, han evolucionado para sacar el máximo partido de su 
87 
especializada técnica de supervivencia: zambullirse en ríos y arroyos para 
atrapar pequeños peces. 
Para zambullirse con la mayor rapidez y precisión posible, el martín 
pescador adopta una aerodinámica que reduce al máximo la fricción con el 
agua. El tren bala japonés Shinkansen, de la compañía West Japan Railway 
Company, es uno de los trenes regulares más rápidos del mundo, aunque 
sus trayectos regulares tenían un problema: el ruido causado por la presión 
del aire cuando el tren salía de los numerosos túneles a través de lo que 
transcurre el recorrido. 
El ingeniero Eiji Nakatsu, avistador de aves aficionado, recurrió a los 
diseños de la naturaleza para solucionar el problema. ¿Había algo que 
viajara tan rápidamente entre distintos medios sin causar estruendo al 
cambiar del túnel a la intemperie, o de la intemperie al agua? Encontró la 
respuesta en el martín pescador, cuyo zambullido es tan aerodinámico que 
no causa ruido. Nakatsu modeló la cabina del tren al modo del pico y la 
disposición del cuello y la cabeza del martín pescador, en el momento de 
entrar en el agua (Ver Figura 4). El rediseño consiguió un tren menos ruidoso 
que emplea un 15% menos de energía mientas viaja un 10% más rápido. 
 
88 
 
 
Figura 4. Tren Bala de Japón imita el pico del Ave Martin Pescador para 
la disminución el ruido de los trenes en las salidas de los túneles 
 
Otro ejemplo interesante, es el velcro®. Esta aplicación biomimética 
nace cuando el ingeniero y científico suizo, George de Mestral 
disfrutaba saliendo a cazar. Una mañana, cuando volvía del campo 
acompañado por su perro, observó qué difícil resultaba desenganchar 
las flores del cardo alpino de sus pantalones y del pelo de su perro. 
Sorprendido por la tenacidad de aquellas flores, las separó con cuidado 
de la ropa para observarlas en el microscopio. Fue entonces cuando 
descubrió el motivo por el cual se pegaban con tanta insistencia: las flores 
estaban rodeadas de una multitud de ganchillos que actuaban a modo de 
resistentes garfios y de esta forma, se adherían al pelo de