A TEORIA DO CAOS E AS ORGANIZAES

ENSAIO
Caderno de Pesquisas em Administrao, So Paulo, v. 08, n 2, abril/junho 2001
Wagner Peixoto de Paiva
Mestrando do Curso de Administrao da Faculdade de Economia,
Administrao e Contabilidade da Universidade de So Paulo



RESUMO
O objetivo deste ensaio fazer uma introduo
Teoria do Caos, teoria que est particularmente
interessada em explicar como as diversas categorias
e seus componentes mudam ao longo do tempo, e
em compreender os fenmenos turbulentos dos
sistemas. Para tanto ser utilizada a seguinte
estrutura: na seo 1 h uma introduo ao tema; na
seo 2 so apresentados alguns conceitos tericos
importantes; na seo 3 so mostrados alguns
modelos matemticos usados para detectar a
presena do Caos e distingui-lo de um
comportamento puramente aleatrio; a seo 4
relaciona a teoria s organizaes; e, finalmente, na
seo 5 so feitas algumas consideraes finais.
1. INTRODUO
O objeto de estudo da Teoria do Caos o
comportamento dos sistemas de feedback no-
lineares, como por exemplo uma clula, um
fenmeno meteorolgico ou uma empresa. Um dos
conceitos-chave desta teoria a demonstrao da
impossibilidade de se fazer previses que no sejam
no curto prazo, pois o comportamento desses
sistemas dinmicos extremamente sensvel s suas
condies iniciais tanto internas quanto externas.
Alm disso, ela prope que possvel reconhecer
padres qualitativos similares dentro da gama
infinita de estados futuros. Desta forma, o estudo
dos sistemas caticos apresenta uma nova maneira
de pensar e lidar com o futuro, especialmente no
contexto das organizaes. A teoria ainda oferece
alguns modelos matemticos para se discriminarem
os processos randmicos dos processos caticos
(com um sistema no-linear subjacente),
discriminao esta que as tcnicas matemticas
lineares no conseguem fazer.
A maioria dos fenmenos que observamos na
natureza e no comportamento humano tem, de um
lado, caractersticas de ordem e estabilidade, e, de
outro, de desordem e irregularidade mudanas
abruptas no clima, reaes bioqumicas complexas,
movimentos irregulares no preo das aes e nas
taxas de cmbio.
Tambm no mundo dos negcios as empresas
esto sujeitas a distrbios externos e internos,
imprevisveis e incontrolveis, e operam sob
condies de risco e incerteza, com informao
incompleta e limitada. Ainda que inseridas neste
ambiente turbulento, as organizaes utilizam
tradicionalmente, na tomada de deciso, modelos
que assumem pressupostos de previsibilidade,
racionalidade e controle (HAYWARD e
PRESTON, 1999). Neste contexto, a considerao
de teorias alternativas ao pensamento tradicional
mecanicista e cartesiano mais uma opo
oferecida aos administradores para um melhor
entendimento dos sistemas dinmicos complexos
como as organizaes.
2. ALGUNS CONCEITOS BSICOS DO
CAOS
Segundo STACEY (1991): "(...) em sua definio
cientfica, o Caos no significa desordem absoluta
ou uma perda completa da forma. Ele significa que
sistemas guiados por certos tipos de leis
perfeitamente ordenadas so capazes de se
comportar de uma maneira aleatria e, desta forma,
completamente imprevisvel no longo prazo, em um
nvel especfico. Por outro lado este comportamento
aleatrio tambm apresenta um padro ou ordem
escondida em um nvel mais geral (...). O Caos a
variedade individual criativa dentro de um padro
geral de similaridade". Para entendermos melhor
Wagner Peixoto de Paiva
Caderno de Pesquisas em Administrao, So Paulo, v. 08, n 2, abril/junho 2001 86
esta definio, vamos analisar alguns conceitos
separadamente:
As Mudanas
O primeiro conceito a ser estudado o da
mudana. Este um conceito importante porque,
em todos os nveis das organizaes, os indivduos
ou grupos de pessoas lidam diariamente com
mudanas, e estas, por sua vez, impactam as
decises, comportamentos e resultados futuros
destas mesmas pessoas. Um outro fator que deve ser
lembrado que nos dias de hoje estas mudanas
tm-se tornado cada vez mais rpidas, intensas e
volteis.
Para descrever a situao geral de uma mudana
precisamos especificar:
a) quando a mudana ocorre e quanto demora
para os efeitos desta mudana serem
sentidos;
b) qual a magnitude das conseqncias da
mudana;
c) o grau de previsibilidade da mudana e suas
conseqncias.
Para ilustrarmos de uma maneira grfica as
diversas situaes gerais das mudanas, vamos
plotar na Figura 1 essas diversas especificaes. O
eixo vertical mede a magnitude das conseqncias
sem distinguir se estas so positivas ou negativas;
no eixo horizontal temos a linha do tempo,
passado-presente-futuro, sendo o presente a
interseco com o eixo vertical.
Figura 1: Conseqncias de aes e eventos presentes (parte de cima da figura), passados e futuros
(parte de baixo da figura)
Fonte: STACEY, 1991: 29
?
Magnitude
das
Conseqncias
Tempo
Presente
?
?
Mudana com Resoluo Fechada
Mudana com Resoluo Contida
Mudana com Resoluo Aberta
Futuro Passado
A Teoria do Caos e as Organizaes
Caderno de Pesquisas em Administrao, So Paulo, v. 08, n 2, abril/junho 2001 87
Podemos reconhecer trs padres bsicos de
mudana:
Mudana com Resoluo Fechada: as
conseqncias de alguns eventos e aes presentes
so inteiramente previsveis por um perodo curto
no futuro prximo, porque estamos simplesmente
repetindo, quase que exatamente, o que fizemos
freqentemente no passado. Ns podemos saber o
que est causando a mudana, o porqu disso e
quais so suas conseqncias imediatas. Nas
empresas isto significaria, por exemplo, um grande
cliente atual fazer um pedido substancial de um
produto existente, gerando o aumento da produo
deste bem; todas as conseqncias do fluxo de caixa
deste evento so previsveis e com alto grau de
preciso.
Mudana com Resoluo Contida: as
conseqncias de alguns eventos e aes presentes
so previsveis um pouco mais distante no futuro,
com uma certa probabilidade, porque estamos
repetindo o que fizemos no passado mas no de
maneira exatamente igual. Ns podemos saber o
que provavelmente est causando a mudana, o
porqu provvel e quais as provveis
conseqncias. Nas empresas isto significaria saber,
por exemplo, que no processo de produo da
prxima semana de um grande lote de um bem, uma
certa porcentagem dos produtos ser rejeitada pelo
Controle de Qualidade: tcnicas estatsticas
razoavelmente precisas podem prever que sero, por
exemplo, 2% dos televisores produzidos, mas no
possvel saber de antemo especificamente qual ser
o televisor rejeitado.
Mudana com Resoluo Aberta: as
conseqncias de alguns dos eventos e aes
presentes so nicas. Alm de elas nunca terem
ocorrido da mesma forma antes, no
necessariamente precisam ser "catastrficas"; elas
podem ser pequenas e aparentemente
insignificantes. Ns no sabemos o que est
causando a mudana, o porqu e quais as
conseqncias. Nas empresas isto significaria, por
exemplo, um departamento de pesquisa e
desenvolvimento (P&D) que tem a inteno de
desenvolver uma supercola cometer um erro e
obter uma cola que tem um pequeno poder de
aderncia, para a qual ningum v aplicao
imediata mas que acaba se tornando, no futuro, um
altamente rentvel post it; ou ento a descoberta de
que o altamente rentvel CFC na verdade prejudica
a camada de oznio e deve ser descontinuado.
Quanto mais longe se olha para o futuro, mais e
mais as conseqncias so abertas.
No podemos esquecer tambm das aes que j
ocorreram no passado e que podem afetar ou que j
esto afetando o presente, e devemos nos mostrar
atentos s aes que ainda podero ocorrer no
futuro.
A organizao como um sistema dinmico
de feedback no-linear
Em seu nvel mais simples, uma empresa um
sistema que recebe uma entrada (matrias-primas,
caixa, pedidos, etc.), a transforma e fornece uma
sada (produto acabado, lucro, servios, etc.), em
constante interao com seu meio ambiente externo
(STACEY, 1991). Este sistema dinmico opera com
um mecanismo de feedback pelo qual o resultado de
um perodo realimenta o sistema no perodo
subseqente.
Por exemplo, um influxo de caixa em um perodo
(t-1) gera um lucro no perodo (t) que serve como
caixa no perodo seguinte (t+1), e a relao entre o
lucro de um perodo e o do prximo definida de
acordo com as regras de deciso deste sistema (por
exemplo, gastar 10% dos lucros em propaganda) e
do relacionamento deste sistema com seu ambiente
externo (por exemplo, o nvel de receptividade dos
consumidores ao impacto da propaganda da
empresa).
Entretanto, esta relao no linear pois sabemos
intuitivamente que se gastarmos uma quantia
infinita em propaganda no obteremos lucros
infinitos; o princpio econmico fundamental dos
rendimentos marginais decrescentes restringe o
mecanismo de feedback da empresa (DOUGLAS,
1992). Como exemplo, este princpio nos diz que,
se forem mantidos constantes todos os fatores de
produo de uma fbrica, exceto um por exemplo,
o nmero de funcionrios , e se aumentarmos as
quantidades deste fator varivel em incrementos
iguais sucessivos, o aumento na produo total da
fbrica decorrente da aplicao de cada unidade
Wagner Peixoto de Paiva
Caderno de Pesquisas em Administrao, So Paulo, v. 08, n 2, abril/junho 2001 88
adicional do fator varivel cada funcionrio extra
ser decrescente alm de um determinado ponto.
Portanto, esta estrutura no-linear das
organizaes se forma porque existem restries na
operao do sistema e nas regras de deciso, sendo
a restrio fundamental a escassez capacidade
limitada de produo, de espao fsico, de recursos
financeiros, de tempo, de habilidades, de pacincia,
etc.
Como relaes e regras simples podem levar
a um comportamento catico
Segundo STACEY (1991), "uma equao
matemtica simplesmente uma metfora para
algum pedao da realidade, para algum aspecto do
comportamento. Ns fazemos as abstraes da
realidade que achamos que sejam fundamentais,
achamos relaes causais-chave entre uma coisa e
outra e as expressamos em uma forma simblica,
matemtica."
Portanto, vamos expressar matematicamente o
comportamento de uma empresa fazendo uso de
algumas simplificaes. Vamos supor que o nvel
de lucro (L) desta empresa num perodo (t) dependa
exclusivamente do seu gasto (ou, como diriam em
marketing, do investimento) com propaganda (P)
nesse perodo.
Vamos supor tambm que exista uma relao
linear entre lucro e propaganda, proporcional a
algum parmetro (a), que resulta em:
L(t) = a * P(t).
Vamos supor que a empresa decida gastar em
propaganda neste perodo uma porcentagem fixa (b)
de seus lucros do perodo anterior (t-1):
P(t) = b * L(t-1),
e substituindo P(t) na primeira expresso,
obtemos: L(t) = a * b * L(t-1).
Se definimos que a * b = c, ento:
L(t) = c * L(t-1), que uma equao de reta onde
o resultado de um perodo alimenta o perodo
seguinte formando uma ala de retroalimentao.
Para c = 1 a reta tem uma inclinao de 45 e o
lucro em um perodo igual ao lucro no perodo
anterior (lucro constante). Se c for menor que 1 (c <
1), observamos que o lucro cai ao longo do tempo
at chegar a zero, pois sempre o lucro em um
perodo menor que o do perodo anterior. Se c for
maior que 1 (c > 1), os lucros vo aumentar at o
infinito com o passar do tempo.
Porm, como vimos, as organizaes so
sistemas no-lineares. Para introduzirmos a no-
linearidade na equao usaremos como exemplo a
equao logstica (logistic difference equation):
L(t) = c * L(t-1) * (1-L(t-1)), que uma equao
de 2 grau onde o valor de c altera a elevao da
curva em relao ao eixo horizontal e onde o
resultado de um perodo alimenta o perodo
seguinte.
A diferena entre estes dois tipos de
comportamento (linear e no-linear) pode ser
observada na Figura 2. Alm disso, podemos
observar como a variao do parmetro c altera a
curva de expresso do lucro.
Figura 2: Relao de feedback linear e no-linear
entre o lucro em um perodo e o lucro no perodo
anterior
L(t)
L(t-1)
C=1 (45
o
)
Linear
C>1
C<1
C=1
No Linear
C>1
C<1

Agora vamos inserir esta equao logstica em
uma planilha do tipo Excel, de tal forma que a partir
de valores iniciais que iremos inserir o resultado de
um clculo torna-se a entrada do prximo clculo
(vamos criar uma ala de retroalimentao simples),
A Teoria do Caos e as Organizaes
Caderno de Pesquisas em Administrao, So Paulo, v. 08, n 2, abril/junho 2001 89
e iremos verificar o que acontece quando alteramos
as variveis C e L(t-1).
Por uma questo didtica, vamos fixar como
condies iniciais um parmetro c = 2 e um
investimento inicial L(t-1) = 0,9, porm o modelo
pode ser testado com infinitas combinaes de
valores iniciais.
Verificamos que, aps algumas iteraes destes
valores iniciais (neste caso apenas 7), o Lucro Final
(L(t)) atinge o valor 0,5, permanecendo para sempre
neste valor, ou, no jargo da Teoria do Caos,
dizemos que o comportamento deste sistema com
um valor do parmetro c igual a 2 tem um ponto
atrator em 0,5.
Se o valor de c = 0 (mantendo-se L(t-1) = 0,9), o
sistema permanece para sempre em 0 (ou atrado
para 0).
Se variarmos o valor de c entre 0 e 3 (mantendo-
se L(t-1) = 0,9) observamos que o sistema tem
pontos de atrao estveis para qualquer valor de c
(0 < c < 3), ainda que com valores finais (L(t))
distintos. Dizemos que o sistema fica em equilbrio,
ou seja, num estado no qual no h tendncia de se
mover para longe de um determinado padro de
comportamento. Este estado pode ser estvel ou
instvel mas sempre ordenado, no sentido de que
o mesmo padro de comportamento sempre
observvel (de certa maneira repetitivo e
previsvel).
Quando c = 3 o sistema fica marginalmente
instvel e converge para um valor final muito
lentamente, porm agora a estabilidade toma a
forma de ciclos regulares. Por exemplo, para o valor
de c = 3,2 , aps 21 iteraes temos um valor de
lucro final de 0,799 em um perodo e de 0,513 no
outro perodo, com estes 2 valores ciclando
regularmente para sempre. Em outras palavras, com
um parmetro c de 3,2 o comportamento do sistema
atrado para um estado final que tem um ciclo
estvel de 2 perodos. Com um valor de c = 3,5 o
sistema fica instvel novamente e um ciclo de 4
perodos aparece. Se o parmetro sobe para c = 3,56
o perodo dobra novamente e temos um ciclo de 8
perodos. Com c = 3,567 os ciclos so de 16
perodos, e assim por diante.
Quando o valor de c atinge 3,58, porm, o
comportamento do sistema torna-se randmico (ou
aleatrio). No existem ciclos regulares e os valores
de cada iterao variam constantemente, embora
dentro de alguns limites, nunca atingindo um valor
previamente alcanado, no importando quantas
iteraes sejam feitas. Isto o Caos. No h meios
de prever o que ir acontecer com o Lucro Final
(L(t)) se o parmetro for igual a 3,58, e isso no tem
nada que ver com mudanas ambientais ou
"catstrofes" (choques randmicos). Este estado
catico (de no-equilbrio) para o qual o sistema
atrado conhecido como atrator estranho.
Se o valor de c = 3,835 um ciclo de 3 perodos
repentinamente aparece (aps 127 iteraes).
Aumentando-se muito pouco os valores (na terceira
ou quarta casa decimal) os ciclos dobram, e assim
por diante. Rapidamente atinge-se o caos
novamente.
Quando o valor de c maior que 4 o sistema
rapidamente tende ao infinito e fica instvel e
explosivo; apesar disso, um estado de equilbrio
"previsvel" e o estado final do sistema tem um
atrator no infinito.
Resumindo o que descrevemos acima, temos uma
relao de feedback no-linear com uma nica regra
de deciso muito simples produzindo um padro
extremamente complexo de resultados ao longo do
tempo. s vezes estes comportamentos so do tipo
estvel e ordenado (equilbrio), cujos resultados
podem ser um nico ponto de equilbrio (zero, um
valor "x" qualquer ou o infinito) ou um padro
cclico identificvel (por exemplo ciclos de perodos
2, 4, 8, 16, etc.). Outras vezes encontramos padres
altamente complexos que nunca atingem um estado
claramente definido (no-equilbrio), chamados de
estados caticos.
Sensibilidade s condies iniciais
At agora consideramos esta regra simples de
deciso como se ela estivesse isolada do resto do
mundo. Porm, nos negcios e na economia nunca
podemos estudar sistemas fechados, pois sempre
existiro impactos externos como a meteorologia,
doenas, eventos polticos, etc. Portanto, vamos
incluir na equao um termo de erro (e), tambm
chamado de "rudo", que representa os distrbios
Wagner Peixoto de Paiva
Caderno de Pesquisas em Administrao, So Paulo, v. 08, n 2, abril/junho 2001 90
aleatrios ou choques randmicos que podero
alterar o resultado da regra:
L(t) = c * L(t-1) * (1-L(t-1)) + e(t),
ou podemos dizer que o prprio parmetro est
sujeito aos choques randmicos e podemos
reescrever a regra como:
L(t) = (c + e(t))* L(t-1) * (1-L(t-1)).
A presena deste rudo na regra faz o
comportamento catico ser muito mais comum do
que imaginamos.
Com isso temos uma das propriedades
fundamentais dos sistemas caticos que a
sensibilidade s condies iniciais, consoante a qual
os resultados da regra nas regies prximas do caos
dependem de mudanas nfimas nos valores iniciais
e nos parmetros. Uma decorrncia disso que para
se fazer uma boa previso necessrio um grau de
preciso infinita nas medidas e nos valores dos
parmetros (mudanas na dcima ou at na
milsima casa decimal podem levar a resultados
completamente diferentes). No mundo dos negcios
isto significa dizer que fazer uma previso em
qualquer espao de tempo que no seja o curto
prazo totalmente impossvel.
A geometria do Caos
A Teoria do Caos tem tambm uma abordagem
geomtrica que no ser detalhadamente explorada
aqui mas que apresenta concluses muito
interessantes, difceis de captar observando-se
apenas frmulas e resultados numricos.
A Figura 3 mostra um grfico onde plotamos os
valores do parmetro c e de seus correspondentes
valores de L(t). Seguindo os passos matemticos
acima descritos temos um valor do lucro final L(t) =
0 quando c = 0. Com 0 < c < 3 , o valor do lucro
final nico e varia com o valor de c. Quando os
valores de c esto entre 3 e 3,5 o lucro entra em um
ciclo regular de 2 perodos (lucro x em um perodo
e y no prximo, depois x, depois y,
sucessivamente). Quando c = 3,5 o sistema fica
instvel e comea a ter ciclos de 4 perodos. Com c
= 4 (ou maior que 4) o lucro vai explosivamente
para o infinito (p.ex. na planilha Excel, para c =
4,15 o sistema oscila com lucros positivos entre 0 e
1,0 at a stima iterao, na nona est com um lucro
negativo de 16, na dcima com lucro negativo de
1.167 e na prxima com lucros negativos de 5,6
milhes).
Figura 3: Um quadro do caos e da ordem
L(t)
Valor final
do Lucro
C
Valor do parmetro C
3,0 3,5 3,58 4,0
Auto-similaridade
e
Escalonamento
Ordem
e
Caos
0

A Teoria do Caos e as Organizaes
Caderno de Pesquisas em Administrao, So Paulo, v. 08, n 2, abril/junho 2001 91
Usando a Figura 3, podemos observar as
seguintes propriedades dos sistemas caticos,
conforme definies de PETERS (1994):
a) Auto-similaridade - existem padres dentro
dos padres que nunca so exatamente os
mesmos mas que so sempre similares
(podemos usar a metfora dos galhos de uma
rvore que se bifurcam cada vez mais at
chegar nas micro-nervuras da folha, mas que
tm praticamente o mesmo padro de
bifurcao). Nas organizaes seria o
equivalente s estruturas hierrquicas
piramidais tradicionais (presidente
funcionrios), que so similares tanto na
matriz de uma empresa multinacional como
em uma subsidiria de um pequeno pas.
b) Escalonamento (Scaling) - quando
examinamos os padres de auto-similaridade
em escalas cada vez menores, verificamos
que eles so repeties de si mesmos
(podemos "enxergar" o padro de nervuras de
uma rvore inteira em qualquer folha desta
mesma rvore). Os padres das estruturas e
relaes hierrquicas so praticamente os
mesmos, seja na relao entre presidente e
diretoria da matriz de uma multinacional,
seja na relao chefesubordinados de uma
seo em uma subsidiria menor.
c) Fractal - a propriedade de se fraturar em
padres auto-similares e escalonados.
d) Quebra de simetria - uma configurao
ordenada se quebra e d lugar a uma outra
configurao que pode ou no ser ordenada.
A cada ponto crtico o sistema passa por um
estado catico que tem o efeito de destruir
estruturas ou estados de comportamento
existentes. importante notar que a natureza
das mudanas prximas do equilbrio ou no
equilbrio e a das mudanas no no-equilbrio
so muito diferentes. No primeiro caso existe
uma relao praticamente linear entre as
variveis do sistema; o sistema pode ser
considerado como de resoluo fechada
(pequenas mudanas no ambiente so
amortecidas pelo sistema e no afetam
significativamente seu estado), ele se
comporta de uma maneira repetitiva e
previsvel e a mudana de um estado de
equilbrio a outro previsvel e requer uma
mudana significativa para acontecer. No
segundo caso, no no-equilbrio, no existe
linearidade, os sistemas so de resoluo
aberta e afetados por distrbios no ambiente.
As mudanas e os resultados so
imprevisveis, e podem apresentar transies
abruptas do caos para uma ordem mais
complexa ou desta para o caos.
e) Auto-organizao - processo em que os
componentes de um sistema
espontaneamente se comunicam entre si e
abruptamente "cooperam", num
comportamento comum coordenado (por
exemplo, na natureza, quando ocorre a
cristalizao do gelo. No grfico a "janela"
de ordem que ocorre aps uma "faixa" de
caos). Nas organizaes o que ocorre
quando, por exemplo, numa situao de
emergncia, todas as pessoas trabalham
coordenadas e focadas em um objetivo
comum, independentemente de seus
objetivos individuais.
f) Transio de fase - a mudana que
encontramos prxima do equilbrio, que leva
auto-organizao do sistema e a um estado
diferente de equilbrio, mais organizado e
ordenado (por exemplo, a gua um estado
de equilbrio quando passa a vapor outro
estado de equilbrio experimenta um estado
catico a ebulio na mudana de fase).
Nas empresas seriam as mudanas que
ocorrem, por exemplo, durante uma fuso ou
aquisio.
g) Estrutura dissipativa - um processo de auto-
organizao que se desenvolve no no-
equilbrio freqentemente resulta em uma
estrutura que apresenta uma forma muito
mais complexa de comportamento. Sua
caracterstica distintiva que ela requer uma
entrada contnua de energia para ser
sustentada ( portanto instvel e difcil de se
manter). Temos como exemplos o raio laser
ou uma clula biolgica.
Wagner Peixoto de Paiva
Caderno de Pesquisas em Administrao, So Paulo, v. 08, n 2, abril/junho 2001 92
3. DETECTANDO O CAOS
A Teoria do Caos oferece um caminho para se
distinguir entre um comportamento puramente
aleatrio (resultado de choques randmicos e
processos estocsticos), no qual a previso
impossvel, e um comportamento catico (resultante
de um sistema no-linear subjacente), no qual a
previso de curto prazo (porm no de longo prazo)
possvel. Tcnicas estatsticas lineares
tradicionais, como, por exemplo, a regresso linear,
no so capazes de distinguir entre caos e
aleatoriedade, portanto outras tcnicas devem ser
desenvolvidas.
Segundo HIBBERT e WILKINSON (1994),
existem quatro tipos bsicos de mtodos para se
detectar o caos: o mapa de retornos, a dimenso de
correlao, o expoente de Lyapunov e o erro de
predio. Outro autor, PETERS (1994), descreve
um mtodo chamado de Anlise R/S. Veremos
abaixo estes cinco mtodos.
a) Mapa de Retornos
A Figura 4a mostra duas sries temporais, uma
com nmeros randmicos e outra com nmeros
caticos gerados pela equao logstica acima
descrita, para c = 4,001. Na inspeo visual no
possvel observar nenhuma diferena entre as duas
sries se os valores de ambas forem plotados da
maneira usual, ou seja, um nmero x(t) versus o
tempo t. Entretanto, quando plotamos os valores de
x(t) versus os valores de x(t+1) para ambas as sries
catica e randmica (Figuras 4b e 4c
respectivamente) veremos que aparece uma clara
diferena. Este o chamado Mapa de Retornos. O
formato do padro resultante depende da natureza
da equao subjacente (neste caso a parbola
decorre da equao logstica de 2 grau). Estes
mapas podem ser feitos para valores de t versus
(t+2) ou (t+3), e assim por diante. Se o sistema for
muito complexo, um grande nmero de dados pode
ser requerido antes que algum padro fique claro
inspeo visual.
Figura 4: Mapa de retornos

0,0000000
0,2000000
0,4000000
0,6000000
0,8000000
1,0000000
1,2000000
0 2 4 6 8 10 12 14 16
Catico
Randmico
x (t+1)
0,0000000
0,2000000
0,4000000
0,6000000
0,8000000
1,0000000
1,2000000
0,0000000 0,2000000 0,4000000 0,6000000 0,8000000 1,0000000 1,2000000
Catico x (t)
Fig. 4b
x (t+1)
0,0000000
0,2000000
0,4000000
0,6000000
0,8000000
1,0000000
0,00000
00
0,10000
00
0,20000
00
0,30000
00
0,40000
00
0,50000
00
0,60000
00
0,70000
00
0,80000
00
0,90000
00
1,00000
00
Fig. 4c
Randmico x (t)
A Teoria do Caos e as Organizaes
Caderno de Pesquisas em Administrao, So Paulo, v. 08, n 2, abril/junho 2001 93
b) Dimenso de Correlao
A Dimenso de Correlao a medida da no-
aleatoriedade em um Mapa de Retornos.
Resumidamente, este mtodo representa a
distribuio dos pontos em um espao de m-
dimenses (os pontos aleatrios ficam espalhados
pelo espao e os caticos, agrupados).O
procedimento para calcular seu valor direto,
porm bastante complexo para ser implementado e
requer sries de dados muito grandes. Para uma
reviso mais detalhada deste e do prximo mtodo,
ver BROCK (1986).
c) O Expoente de Lyapunov
O Expoente de Lyapunov uma medida das
propriedades dinmicas de um sistema.
Uma das propriedades de um sistema catico
que pontos que inicialmente estejam muito
prximos separam-se exponencialmente ao longo
do tempo. Depois de N passos, a separao de dois
pontos que estavam inicialmente separados por
exp (N), onde conhecido como expoente de
Lyapunov. Para movimentos caticos positivo,
para um ponto de equilbrio estvel negativo e
para uma oscilao peridica zero. A magnitude
de um expoente de Lyapunov positivo tambm
indica a velocidade de divergncia dos dois
caminhos. Como no mtodo anterior, o clculo
tambm complexo.
d) Erro de Predio
Este mtodo mede a acuidade das predies
baseadas no comportamento passado de uma srie
de dados. Segundo STACEY (1991), foi proposto
por May e se baseia na premissa de que no caos
podemos fazer predies de curto prazo, mas no de
longo prazo, enquanto em sistemas puramente
aleatrios no podemos fazer nem predies de
curto prazo. O procedimento o seguinte: primeiro,
pegar uma srie de m pontos das sries de dados,
iniciando com m = 2; segundo, pegar o primeiro
conjunto de m pontos e inferir o seu prximo
nmero; terceiro, determinar o erro (distncia
euclidiana) entre o valor real e o que foi inferido;
quarto, repetir o processo para todas as sries de m
pontos da srie de dados; quinto, computar o erro
mdio E; sexto, repetir os primeiros cinco passo
para valores crescentes de m. Finalmente, plotar o
grfico E versus m. As sries caticas mostram um
baixo E para um pequeno m, porm os valores de E
aumentam (a predio piora) com o aumento de m.
Nas sries randmicas o erro mdio E
aproximadamente constante, independente do m.
e) Anlise R/S ou intervalo reescalonado
(rescaled range)
Segundo PETERS (1994), foi desenvolvida por
Hurst para detectar uma "persistncia", ou memria
de longo prazo, em sries temporais e tambm para
estimar a extenso dos ciclos peridicos e no-
peridicos. Esta anlise um processo estatstico
simples e altamente dependente de dados, que
"normaliza" a srie de dados numa mdia zero e
num desvio padro 1, permitindo que diversos
fenmenos e perodos de tempo sejam comparveis
(entretanto, importante notar que, apesar das
similaridades, o rescaling e a "normalizao" so
processos diferentes).
Alm disso, assim como os fractais se escalonam
de acordo com uma lei de potenciao, os valores
de R/S tambm se escalonam conforme
aumentamos o incremento de tempo n por um valor
de potncia H, chamado de Expoente de Hurst.
Definindo-se R (Range) como o intervalo
reescalonado, ajustado para deixar a mdia igual a
zero, S (Standard Deviation) o desvio padro, c
uma constante e n o nmero de observaes
(idealmente n 10), a equao fica:
(R/S)n = c * n ^ H
Para estimar o expoente de Hurst, temos:
log (R/S) = H * log (n) + log (c)
De acordo com a teoria original, H = 0,50
implicaria um processo independente, randmico
(no necessariamente um processo Gaussiano). Se
0,50 < H 1,00, ento a srie temporal persistente
(caracterizada por efeitos de memria de longo
prazo), e se 0 H < 0,50, significa antipersistncia
(o sistema cobre uma distncia menor do que um
sistema aleatrio).
Wagner Peixoto de Paiva
Caderno de Pesquisas em Administrao, So Paulo, v. 08, n 2, abril/junho 2001 94
4. O CAOS E AS ORGANIZAES
Segundo STACEY (1991), alguns dos aspectos
bem conhecidos da natureza das organizaes so:
As organizaes so um conjunto de alas de
retroalimentao entre indicadores de
performance, no ambiente interno (entre as
pessoas dentro da organizao) e entre o
ambiente interno e externo (entre as pessoas
de dentro e de fora da organizao);
Existem restries atuando na organizao
fsicas, financeiras, psicolgicas;
As organizaes moldam as necessidades dos
consumidores atravs da oferta de produtos e
servios que seguem ciclos de vida no-
lineares;
A oferta de produtos e servios se espalha
pelas populaes de consumidores de uma
maneira auto-reforadora (ala de feedback);
Em seu nvel mais bsico as organizaes
tm que resolver um nmero de tenses entre
foras de integrao e diviso.
O Caos cientfico nos diz que:
A ordem gera desordem: the chaos is
whithin. Regras fixas de feedback no-linear
geram uma mirade de comportamentos,
alguns ordenados, outros desordenados. Os
sistemas so atrados para alguns estados de
equilbrio previsveis, e suas fronteiras so
desordenadas e caticas. O comportamento
na fronteira aleatrio e totalmente
imprevisvel em relao ao caminho a ser
tomado.
H ordem dentro da desordem: a seqncia
de comportamentos previsvel conforme
aumentamos o valor dos parmetros de
controle do mecanismo, e o resultado
totalmente imprevisvel do caminho tomado
tem um padro de auto-similaridade. Em
outras palavras, no sabemos quando e onde
os galhos de uma determinada rvore vo
bifurcar-se, mas podemos prever como vai
ser, de uma maneira geral, a forma final de
uma rvore daquela espcie.
A desordem gera ordem: uma nova ordem ou
estrutura no pode emergir sem destruir
primeiro a antiga e este perodo de destruio
de desordem, confuso, caos.
Novas ordens periodicamente emergem em
pontos crticos e de uma forma imprevisvel
por meio de um processo de auto-
organizao.
A nova ordem ter uma vida curta e difcil de
se manter em sistemas continuamente
inovadores se no tiver entradas sustentveis
de energia e ateno.
Utilizando o arcabouo terico explorado mais
acima, podemos extrapolar o que a perspectiva do
Caos significa para estas organizaes ou sistemas
dinmicos:
O futuro de curto prazo pode ser previsvel e
requer formas racionais e analticas de
controle. Isto j normalmente utilizado nas
organizaes.
J o futuro de longo prazo completamente
desconhecido e imprevisvel, o que torna
modelos financeiros, simulaes e planos de
longo prazo de muito pouco valor. Essa
abordagem inovadora, segundo HAYWARD
e PRESTON (1999), contrria lgica
corrente das organizaes que assumem
pressupostos de racionalidade,
previsibilidade e controle.
Podemos usar, porm, padres qualitativos
similares (auto-similaridade) para
desenvolver novos padres mentais para
quando este futuro chegar. No ter um
comportamento reativo ou pr-ativo, mas sim
criativo e inovador. Um exemplo deste tipo
de comportamento so as learning
organizations ou organizaes de
aprendizagem (HAYWARD e PRESTON,
1999), que se baseiam em sistemas flexveis,
no aprendizado organizacional, na
inteligncia coletiva e no compartilhamento
das informaes em todos os nveis.
s vezes no h relao de causa e efeito nos
acontecimentos dos negcios. Os
administradores devem verificar se as
A Teoria do Caos e as Organizaes
Caderno de Pesquisas em Administrao, So Paulo, v. 08, n 2, abril/junho 2001 95
alteraes observadas so inerentes ao
prprio sistema e a suas regras (por exemplo,
uma poltica de gastos em propaganda no ano
"t" sendo uma porcentagem fixa dos lucros
do ano "t-1", conforme visto anteriormente
na modelagem matemtica) e no procurar
somente fatores "externos".
Pequenas mudanas podem ser amplificadas
por crculos viciosos ou virtuosos de
feedback, e podem ocorrer aleatoriamente
(um exemplo tpico, segundo BATEMAN e
SNELL (1998), a comunicao informal,
tambm chamada de "rdio-peo", que pode
ser destrutiva quando "fofocas" e rumores
irrelevantes proliferam e amplificam-se,
danificando as operaes). As organizaes
devem, portanto, comportar-se de uma
maneira aberta e sensvel ao seu ambiente.
As organizaes criam e so criadas por este
ambiente. Um exemplo a criao e a
manuteno auto-reforadora de uma dada
cultura organizacional. Segundo ROBBINS
(1999), uma cultura forte um ativo
importante quando uma organizao enfrenta
um ambiente estvel, mas quando este est
passando por mudanas rpidas, uma cultura
"engessada" pode no ser a mais adequada e
pode tornar-se uma barreira mudana, com
conseqncias srias.
A inovao ou, por exemplo, uma nova
direo estratgica, s pode acontecer se a
instabilidade for primeiro experimentada,
pois muito difcil mudar sistemas em
equilbrio. O caos essencial a uma nova
ordem.
5. CONSIDERAES FINAIS
Leis fixas e imutveis governam o
comportamento dos sistemas da natureza.
Entretanto, estas regras e relaes determinsticas
podem gerar comportamentos muito complexos e,
sob certas circunstncias, inerentemente
randmicos. Estes comportamentos complexos so
gerados por uma "mistura" de regras relativamente
simples e um mecanismo de feedback no-linear.
Mudanas nfimas nas condies iniciais dos
parmetros destas regras podem levar, sob certas
circunstncias, a enormes mudanas de
comportamento do sistema. Esta dependncia s
condies iniciais significa que erros de medio,
no importa quo pequenos sejam, so
extremamente importantes e no podem ser
desprezados como um "rudo". Um ponto
importante que decorre disto que, em situaes
caticas, um grau de preciso infinito necessrio
para se fazer uma previso de longo prazo.
Mesmo se tivermos uma ordem completa em
todos as entradas do sistema e uma ordem completa
na estrutura das regras, podemos obter como
resultado uma completa desordem, ou seja, a razo
deste comportamento desordenado a prpria
estrutura do negcio. Nada est mudando nos
mercados, nada est mudando nas regras de deciso
e ainda assim o lucro da empresa flutua de uma
maneira aleatria. Isto significa que nem sempre
existe uma causa especfica para os efeitos que
observamos.
Desordem, turbulncia e caos so observados
porque eles realmente existem e no so fruto da
"ignorncia" humana (falta de informaes mais
completas, de medies mais acuradas, de pesquisas
mais especficas, de tecnologia adequada, etc.).
So as restries do sistema que nos
proporcionam a estabilidade, a auto-similaridade
que nos deixa aptos a lidar com o caos. Sem as
restries ns temos a desordem absoluta; com as
restries, porm, ns temos o caos.
Um dos estados de equilbrio de uma organizao
seu isolamento do mercado. O outro estado de
equilbrio sua completa adaptao ao mercado.
Organizaes que esto perto ou nestes estados de
equilbrio so incapazes de lidar com as rpidas
mudanas. No primeiro caso, porque est
"engessada" por regras formais e estruturas
complexas, e no segundo, pela total falta de
cooperao e sinergia entre suas unidades
(desintegrao).
O sucesso, a interao criativa (no sentido de que
a organizao cria e criada pelo seu ambiente),
encontram-se entre estes dois plos, numa tenso
que requer tanto a integrao como a diviso,
Wagner Peixoto de Paiva
Caderno de Pesquisas em Administrao, So Paulo, v. 08, n 2, abril/junho 2001 96
separao e sinergia, alas conservadoras e radicais,
poder centralizado e descentralizado. Como vimos,
todavia, longe do equilbrio a organizao fica
instvel e requer muita energia e esforo para se
manter...
A concluso, contra a lgica corrente dos
negcios, que o sucesso de uma organizao est
num estado longe do equilbrio.
6. BIBLIOGRAFIA
BATEMAN, T. S. e SNELL, S. A. Administrao:
construindo vantagem competitiva. So Paulo:
Atlas, 1998.
BROCK, W. A. Distinguishing random and
deterministic systems. Journal of Economic
Theory, New York: Academic Press, v. 40, p.
168-195, out. 1986.
BROCK, W. A. e LE BARON, B. D. Nonlinear
dynamics, chaos and instability: statistical
theory and economic evidence. Cambridge: The
MIT Press, 1993.
DOUGLAS, E. J. Managerial economics: analysis
and strategy. 4. ed. Englewood Cliffs, N.J.:
Prentice-Hall, 1992.
GLEICK, J. Caos: a criao de uma nova cincia.
Rio de Janeiro: Campus, 1990.
HAYWARD, T. e PRESTON, J. Chaos theory,
economics and information: the implications for
strategic decision-making. Journal of
Information Science, Amsterdam, NL: Institute
of Information Scientist, v. 25, n. 3, p.173-182,
1999.
HIBBERT, B. e WILKINSON, I. F. Chaos Theory
and the dynamics of marketing systems. Journal
of the Academy of Marketing Science, [s.l.], v.
22, n. 3, p. 218-233, 1994.
LAKATOS, E. M. e MARCONI, M. de A.
Metodologia cientfica. 2. ed. So Paulo: Atlas,
1991.
MATTAR, F. N., FOWLER, F. R., TAVARES, M.
C. e PIEREN, R. W. Redao de documentos
acadmicos: contedo e forma. Caderno de
Pesquisas em Administrao, So Paulo:
FEA/USP, v.1, n.3, p. 1-30, 2.sem, 1996.
PARKER, D. e STACEY, R. Caos, administrao e
economia: as implicaes do pensamento no-
linear. Rio de Janeiro: Instituto Liberal, 1995.
PETERS, E. E. Fractal market analysis: applying
chaos theory to investment and economics. New
York: Wiley, 1994.
PRIGOGINE, I. e STENGERS, I. Order out of
chaos: man's new dialogue with nature. New
York: Bantam Books, 1984.
ROBBINS, S. P. Comportamento organizacional. 8.
ed. Rio de Janeiro: Livros Tcnicos e
Cientficos Editora, 1999.
RUELLE, D. Chance and chaos. Princeton, N.J.:
Princeton University Press, 1991.
STACEY, R. D. The chaos frontier: creative
strategic control for business. Oxford:
Butterworth Heinmann, 1991.