¿Cómo aprendemos a ser digitales?

Se habla mucho del “que” es la transformación digital, nosotros nos arriesgamos y generamos una reflexión diferente sobre el “como” hay que ser digital.
Ser digitales
Tiempo de lectura: 6 minutos
Table of Contents

En nuestros días, el concepto de transformación digital de las organizaciones está en boca de todos. Sus beneficios en cuestión de optimización de recursos, eficiencia de operaciones, servicio al cliente y cambio cultural motivan a las empresas a invertir dinero y tiempo en estos proyectos. Sin embargo, se le presta menos atención a tratar de entender cuáles son los drivers (factores) que posibilitan (o impiden) aquellos procesos de cambio que llevan a las organizaciones a “ser” digitales. En este breve artículo reflexionaremos sobre el concepto de aprendizaje organizacional para tratar de entender un poco más las situaciones de cambio generadas por la transformación digital.

Aprendizaje Organizacional

Los primeros en utilizar este concepto fueron los reconocidos académicos Argyris & Schön (1978), quienes proponen que las organizaciones más eficientes son las que mejor saben cómo aprender. En su modelo teórico, proponen que existen dos tipos de aprendizaje, el de ciclo único y el de ciclo doble. En el primero (el más común), las empresas realizan acciones que le permiten solucionar problemas explícitos y de carácter reactivo; es decir, ven en el contexto interno o externo situaciones que requieren cambios y proceden en consecuencia. En el segundo se replantean las cuestiones implícitas de la organización, tales como la definición de los objetivos, sus valores y aquellos comportamientos rutinarios que forman la llamada cultura organizacional.      

Entonces, nos preguntamos ¿para qué nos sirve este modelo teórico en el ámbito de la transformación digital? Es muy común encontrar casos en donde las empresas invierten en soluciones digitales con el objetivo de hacer más eficientes sus operaciones. Es decir, reemplazan con tecnología, procesos con alta incidencia del recurso humano. Perciben una problemática en su contexto interno o externo y reaccionan ante ella a través de soluciones digitales. En este sentido, realizan un aprendizaje de ciclo único, aprendiendo a usar la tecnología como reemplazo a las actividades que normalmente las realizaban las personas. Frecuentemente, se encuentran ante preguntas “técnicas” o de operatividad, tales como:

  • ¿que botón tengo que apretar?
  • ¿cómo funciona esto?
  • ¿como puedo hacer lo otro?, etc.

Dicho en otras palabras, “hacer” sus tareas manuales de manera digital, pero sin analizar las cuestiones implícitas y de fondo de la organización, que condicionan los comportamientos de todos los miembros. Pero para que la transformación digital en una organización sea efectiva, se deben realizar aprendizajes de segundo ciclo, es decir, modificar los pensamientos y comportamientos de sus miembros para “ser” digitales. Esto no está asociado solamente a aspectos técnicos y operativos propios de la tecnología, sino al mindset de la organización. En vez de preguntar cómo funciona este nuevo producto, nos deberíamos preguntar:

  • ¿cómo son nuestros procesos?
  • ¿Cómo es nuestra forma de trabajo?
  • ¿Cómo piensan nuestros compañeros?

De estas preguntas, resultan un conjunto de acciones y comportamientos que nos posibilitará “ser” digitales. De la misma manera, acciones y comportamientos en los que debemos trabajar y cambiar para poder “ser” digitales.

¿Es el trading algorítmico un medio para la transformación digital?

Dejamos un poco la teoría de la lado y nos adentramos en un caso de análisis de este fenómeno de transformación digital, la adopción del trading algorítmico en las mesas de operaciones de las sociedades de bolsa y bancos. A principios de los 2000, en los mercados de referencia mundial, los algoritmos comenzaron a tener cada vez mayor relevancia en la operatoria, las acciones que las ejecutaba el humano, las comenzaron a realizar robots parametrizados que operaban de forma autónoma. Con ellos, los usuarios ganaron en velocidad de respuesta, se optimizaron recursos, se reducía el error humano y mejoraron los retornos de sus inversiones. En la actualidad, más del 70% de las operaciones en estos mercados las ejecutan robots. En los mercados financieros en vías de desarrollo (como es el caso de los latinoamericanos) la adopción de esta tecnología está en estadios previos. Por lo tanto, nos encontramos que gran parte de los participantes del mercado quiere ejecutar el Trading Algorítmico y muchos de ellos no saben cómo hacerlo. 

Lo primero, es asumir que se enfrentarán a una situación de cambio. Para llevarla a cabo, necesitan aprender y lo pueden hacer con un ciclo único o uno doble. Puesto más simple, utilizarán la tecnología del trading algorítmico para hacer automaticas sus operaciones manuales (aprendiendo el uso operativo de las plataformas y soluciones); o indagarán en el potencial que tiene esta tecnología y alinearán sus objetivos estratégicos en pos de sacar el máximo provecho de esta. 

Se encontrarán organizaciones que realicen de manera muy efectiva el primer ciclo de aprendizaje, es decir, todo lo que hacía un operador que lo haga un robot. Por otro lado, se encontrarán aquellas que vean a esta tecnología disruptiva como la oportunidad para cambiar sus propias estrategias del negocio, realizando un cambio de fondo en la organización para poder explotar al máximo el potencial del trading algorítmico, incorporando por ejemplo: robots que utilicen Inteligencia Artificial, algoritmos que operen simultáneamente en diversos mercados, algoritmos especuladores, etc. Es evidente que estos últimos son los que mayor provecho le sacarán al T.A., pero para que esto sea efectivo necesitan cambiar y antes, aprender. Muchos proyectos de transformación digital han fracasado porque solo se enfocaban en aspectos técnicos, sin analizar aquellos comportamientos implícitos que son los que condicionan cualquier tipo de cambio. En este sentido, si el interés de la organización es “ser” digital en sus operaciones bursátiles a través del T.A, sin dudas, deberían analizar cuál es el mindset de la gerencia y de los miembros de la mesa de operaciones. En base a ello, realizar un cambio cultural en la manera de operar en los mercados y si es necesario, cambiar la forma de pensar el negocio. Será difícil entonces, tener éxito en la implementación del T.A. en su máximo potencial, si primero no se realiza un cambio de fondo en aquellos que lo van a utilizar.

Conclusión

En la analogía del “hacer” digital y “ser” digital, es evidente que el aprendizaje que conlleva cada una de estas es diferente. Si el objetivo es “ser” digital, se requieren aprendizajes de fondo, cuestiones implícitas del comportamiento de la organización; si estos no se llevan a cabo, el cambio generado por la tecnología puede no ser el esperado. En el ámbito de mercados financieros, las soluciones de trading algorítmico pueden ser consideradas como un vehículo para la transformación digital. Para que se explote el máximo de su potencial, primero se debe aprender, no solo cuestiones técnicas y operativas (ciclo único), sino a cambiar la manera de pensar el negocio y los comportamientos de los miembros de la empresa (ciclo doble) que condicionarán el proceso de adopción del trading algorítmico. 

Nos preguntamos entonces, ¿queremos “hacer” algo digitalmente o queremos “ser” digitales? Y para ello ¿Cómo y qué deberíamos aprender? 

Compartir esta noticia
Share on facebook
Facebook
Share on twitter
Twitter
Share on linkedin
LinkedIn
Share on whatsapp
WhatsApp

Otros Artículos

Suscríbete a nuestro Newsletter
No te pierdas las últimas noticias del mercado.

Algorithmic Process Automation (APA)

Esta es una “caja” de estrategias para el operador o trader, que le permite llevar adelante la optimización y minimización de errores, en la ejecución de tareas repetitivas dentro de una mesa de operaciones. Mejora de este modo la productividad y eficiencia del equipo de trabajo en el accionar diario.

Estrategias

Realice operaciones de canje entre dólar mep y cable mediante la operatoria de bonos o acciones. Para utilizar esta estrategia, debes configurar la cantidad de dólar cable a operar, el tipo de operación (compra o venta), el precio al que se desea realizar, y los títulos que se emplearán para realizar la operación.

Tiene como objetivo realizar una compra de un activo promediando un valor por debajo del máximo configurado. Está pensada para optimizar el flujo de una operación, consiguiendo el precio deseado sin la necesidad de la intervención de un operador. Se puede configurar el monto total a operar, el precio límite y por último el tamaño máximo de las órdenes.

Tiene como objetivo colocar un monto en una moneda determinada a tasa entre plazos. Pensado para poder optimizar el curso de operaciones de colocación a tasa a través de un algoritmo y no requiriendo una intervención activa de un operador.

Realizá operaciones de compra o venta de dólares mediante la operatoria de bonos o acciones. Para utilizar esta estrategia, debes configurar la cantidad de dólares a operar, el tipo de operación (compra o venta), el precio al que se desea realizar, y los títulos que se emplearán para realizar la operación.

Dada una posición tomada en un valor negociable, la desarmar y la rearma en otro valor negociable, respetando un ratio de precios configurado entre ambos.

Price Improvement Iceberg (PII). Esta estrategia busca estar siempre primera en el book de órdenes con el objetivo de discretizar una orden de compra o venta. Permite configurar precio límite, monto total a operar, límite de monto por orden y cuenta con un mecanismo para ocultarle al mercado su accionar, modificando las órdenes que va enviando en su tamaño.

Tiene como objetivo tomar un monto en una moneda determinada a tasa entre plazos. Pensado para poder optimizar el curso de operaciones de tomar tasa a través de un algoritmo y no requiriendo una intervención activa de un operador.

Tiene como objetivo realizar una venta de un activo promediando un valor por debajo del máximo configurado. Está pensada para optimizar el flujo de una operación, consiguiendo el precio deseado sin la necesidad de la intervención de un operador. Se puede configurar el monto total a operar, el precio límite y por último el tamaño máximo de las órdenes.

Pensada para simplificar la gestión pasiva de liquidez de una gran cantidad de cuentas comitentes, esta estrategia permite la automatización en la ejecución de órdenes de cauciones colocadoras en el mercado. A partir de una lista de cuentas y saldos, el algoritmo envía órdenes al mercado siguiendo parámetros de plazo, tasa, agresión y tamaño. El resultado es la ejecución de cientos de órdenes en pocos minutos manteniendo un control global del proceso en cada momento.

Es un algoritmo pensado para simplificar el proceso de colocación de órdenes para tomar liquidez del mercado. A partir de un detalle de saldo requerido por cuenta comitente y la definición del plazo (caución a t dias), el motor administra el envío de órdenes dentro de parámetros definidos de tasas objetivos y agresividad en la colocación. El resultado es la ejecución de cientos de órdenes en pocos minutos manteniendo un control global del proceso en cada momento.