Lectura
Índice completo

PARTE XLV · Seguridad, resiliencia y riesgo sistémico

486

Riesgo sistémico: cuando las conexiones amplifican un fallo

Un fallo local adquiere alcance sistémico cuando las relaciones propagan sus efectos y erosionan funciones compartidas

Capítulo 486 · 529 capítulos publicados

En este capítulo

Ejemplo construido, enteramente ficticio. En una región imaginaria, una tormenta intensa interrumpe una subestación que abastece a varios servicios. La planta de agua depende de electricidad; parte de las comunicaciones y del control de tráfico también la necesita; el acceso a un almacén de combustible atraviesa una carretera que puede quedar cortada por la misma tormenta. Hay generadores, pero requieren combustible y personal. La pérdida inicial puede quedarse en un corte eléctrico local si existen rutas alternativas y reservas suficientes. Si varias dependencias coinciden, el problema puede extenderse: el agua deja de bombearse, las comunicaciones se degradan, la reposición de combustible se retrasa y los generadores dejan de sostener algunos servicios. Ningún detalle describe un incidente real ni afirma que esta cadena ocurra siempre. El caso permite preguntar qué relaciones harían posible que un fallo local cambiase de escala.

La pregunta guía es: ¿cuándo las conexiones entre componentes, organizaciones y servicios convierten una perturbación limitada en un riesgo para funciones de las que depende un sistema entero? La tesis es que el alcance de un daño no depende sólo del tamaño del peligro inicial. Depende también de quién y qué está expuesto, de la capacidad de los elementos para soportar impactos, de las dependencias que transmiten la interrupción, de las reservas y sustituciones disponibles y del tiempo que cada función puede permanecer degradada. Un mapa de componentes aislados puede ocultar esas relaciones; una red de conexiones tampoco basta si no se conoce qué significan y bajo qué condiciones operan.

El término riesgo cambia de contrato entre disciplinas. El capítulo 9 estudia decisiones bajo probabilidad e incertidumbre; el capítulo 57 presenta peligros naturales, exposición y estimaciones como períodos de retorno. Aquí esos términos se retoman sólo para comparar marcos y explicar las relaciones que propagan consecuencias, no para rehacer la teoría general de probabilidad. Tampoco se detallan las medidas de prevención y defensa en profundidad del capítulo 487, los protocolos de respuesta de protección civil del 488, ni las dependencias sectoriales de agua, energía y alimentos de los capítulos 489–490. El capítulo 491 tratará continuidad digital y proveedores críticos. Este capítulo construye el marco común necesario para entender esos casos sin reducirlos a un solo modelo.

486.1. Amenazas, exposición y vulnerabilidad#

Una interrupción puede comenzar con un fenómeno físico, un error operativo, una decisión, una enfermedad o la pérdida de un insumo. La fuente del evento y el riesgo que produce son preguntas distintas. En la evaluación climática, el IPCC relaciona peligro, exposición y vulnerabilidad: qué evento podría causar daño, qué elementos podrían verse afectados y qué condiciones modifican su susceptibilidad y capacidad de respuesta. UNDRR hace explícita la capacidad en su definición de riesgo de desastre; NIST, al evaluar sistemas federales de información, estructura riesgo alrededor de probabilidad e impacto. Son contratos para propósitos distintos, no variables intercambiables ni piezas de una fórmula universal (IPCC, AR6 WGII, capítulo 1 y anexo II; UNDRR, terminología de riesgo de desastre; NIST, Guide for Conducting Risk Assessments, SP 800-30 Rev. 1).

El capítulo 57 explica con más detalle peligro, exposición, vulnerabilidad, probabilidad y período de retorno. Aquí basta observar que la exposición no se limita al lugar donde ocurre el evento: un servicio puede depender de una instalación distante. Vulnerabilidad tampoco es una propiedad fija de una comunidad o componente; depende de diseño, soporte, alternativas y tiempo para restablecer funciones. La importancia sistémica de un elemento puede residir menos en su tamaño que en los servicios que lo necesitan y en la posibilidad de sustituirlo.

Para este capítulo, riesgo sistémico nombra el potencial de que interacciones y dependencias dentro de sistemas relacionados propaguen, amplifiquen o redistribuyan una perturbación hasta comprometer funciones compartidas o el sistema en conjunto. Es una definición de trabajo, no una norma estadística universal. UNDRR e International Science Council describen el uso multisectorial del término y rasgos como interacciones, efectos indirectos y cascadas sin imponer una sola definición (UNDRR/International Science Council, Briefing note on systemic risk, 2022).

486.2. Concentración, correlación y dependencias#

Una dependencia es una relación por la cual el funcionamiento de un elemento requiere, habilita o condiciona el de otro. Un hospital puede necesitar suministro eléctrico, agua, personal, comunicaciones, medicamentos y acceso físico. La relación no es necesariamente simétrica: el sistema eléctrico puede operar sin un hospital concreto, mientras el hospital no puede operar mucho tiempo sin electricidad. El mapa de dependencias se construye preguntando qué insumo o función llega a quién, por qué ruta, con qué capacidad y cuánto puede sustituirse. Nombrar los nodos sin registrar esas relaciones deja fuera buena parte del riesgo.

La concentración describe que una gran parte de una función recae en pocos elementos, proveedores, rutas, lugares o puntos de control. Puede aumentar la eficiencia en condiciones normales y reducir alternativas cuando uno de esos elementos deja de estar disponible. No toda concentración es frágil: un centro especializado puede contar con protección, inventario, capacidad de reemplazo y planes alternativos. Tampoco toda distribución elimina el riesgo: varias instalaciones dispersas podrían compartir un mismo insumo, una misma práctica de mantenimiento o la exposición a un peligro común. La pregunta no es si hay concentración en abstracto, sino qué depende de ella y qué ocurre si el centro se interrumpe.

Una dependencia común aparece cuando varios servicios necesitan el mismo soporte: energía, refrigeración, una red de comunicaciones, una ruta, una licencia, un proveedor o personal con una habilitación específica. Puede crear un modo de fallo compartido. En el ejemplo ficticio, dotar cada instalación de un generador parece crear redundancia; sin embargo, si todas dependen del mismo combustible y la entrega pasa por una carretera expuesta al mismo evento, la alternativa conserva una dependencia común. Una solución local no necesariamente hace independiente al sistema.

La correlación es una asociación estadística entre variables bajo datos, período y método determinados. No es idéntica a una dependencia funcional, y no demuestra por sí sola un mecanismo causal. Dos servicios pueden fallar juntos porque uno depende del otro, porque ambos comparten una causa o porque los fallos no están relacionados causalmente pero se observan durante el mismo episodio. Por el contrario, dos series con poca correlación histórica pueden volverse dependientes en una crisis si compiten por el mismo personal o recurso escaso. Las conexiones técnicas se investigan por arquitectura y operación; las correlaciones se estiman con datos. Ambas formas de evidencia aportan información distinta.

Las dependencias tampoco son siempre visibles en contratos o diagramas. Una institución puede comprar a varios proveedores que dependen del mismo fabricante, región, centro de datos, puerto o materia prima. Una cadena con muchos nombres no implica muchas alternativas si todos los caminos convergen aguas arriba. Al mapear proveedores es necesario seguir las funciones que no pueden sustituirse con rapidez y los soportes comunes, no sólo contar contratos directos. Este principio se extiende a redes materiales, institucionales y humanas, aunque cada una requiera datos diferentes.

La conectividad tiene efectos dobles. Una conexión adicional puede abrir un camino alternativo y permitir continuidad si una ruta falla. También puede transmitir una perturbación, hacer que una falla sea relevante en más lugares o sincronizar decisiones y expectativas. Por eso, «más conectado» no equivale automáticamente a «más resistente» ni a «más frágil». La topología importa: dónde se concentran enlaces, qué rutas son críticas, si existen caminos alternativos y si esos caminos comparten las mismas condiciones de fallo. La capacidad y dirección del flujo también importan; una red de información no transmite los mismos efectos que una red eléctrica o una relación de crédito.

La criticidad depende de la función y la escala elegidas. Un componente con muchas conexiones en un diagrama puede tener sustitutos, mientras que uno con pocas puede sostener una función sin reemplazo oportuno. Una alternativa sólo reduce dependencia si tiene capacidad, compatibilidad y tiempo de activación suficientes para el servicio en cuestión. Por eso, un mapa de conexiones es un instrumento de investigación, no una medida automática de importancia: debe contrastarse con operación, intervalos de tolerancia y consecuencias para los usuarios.

El análisis de redes interdependientes de Buldyrev y colaboradores ofrece un mecanismo específico. En su modelo de dos redes acopladas, algunos nodos de una capa necesitaban nodos de la otra para seguir funcionando, y los nodos que perdían conexión funcional podían fallar de manera iterativa. Bajo los supuestos del modelo, una perturbación inicial podía activar fallos sucesivos y la interdependencia alteraba el umbral de fragmentación respecto de una red aislada. El resultado no es una predicción de que cualquier pareja de redes colapse ni una medida universal de la fragilidad real. Su valor aquí es mostrar por qué estudiar cada red por separado puede omitir una relación de soporte que cambia el comportamiento conjunto. (Buldyrev et al., “Catastrophic cascade of failures in interdependent networks”, Nature, 2010)

Hay también concentraciones menos materiales. Si instituciones diferentes usan la misma fuente de datos, criterio, modelo, evaluación, manual operativo o señal de advertencia, pueden tomar decisiones semejantes ante una condición ambigua. Si esa referencia es errónea o queda fuera de fecha, la diversidad institucional aparente no ofrece protección. La copia de un método puede elevar consistencia, pero reducir independencia. Esto no significa que compartir estándares sea perjudicial; significa que la evaluación de fiabilidad debe examinar de dónde provienen las capacidades y si un error común puede afectarlas al mismo tiempo.

La conclusión no es «diversificar siempre»: eso puede elevar costes, duplicar capacidades escasas o agregar incompatibilidades. La cuestión es si las alternativas sobreviven a fallos distintos y pueden activarse a tiempo. Los capítulos 487 y 490 desarrollarán, respectivamente, barreras y redundancia, y dependencias sectoriales. Aquí basta reconocer que contar componentes no demuestra independencia.

486.3. Cascadas, umbrales y no linealidad#

Un fallo en cascada es una secuencia en que la interrupción o degradación de un elemento contribuye a que otros fallen, y éstos, a su vez, extienden el problema. La secuencia puede avanzar por dependencias directas, por redistribución de carga, por retroalimentación o por decisiones de personas e instituciones. No toda cadena temporal es una cascada: dos fallos simultáneos podrían tener una causa común, y una falla secundaria puede no propagarse más allá del servicio inmediato. Para hablar de cascada se necesita un mecanismo de propagación identificable, aunque su probabilidad o efecto total permanezca incierto.

Una cadena simple ayuda a ver el proceso. Si una bomba requiere electricidad y deja de operar al perder energía, hay una dependencia funcional. Si el servicio de agua disminuye y eso reduce la refrigeración de una instalación que sostenía otro servicio, aparece una ruta adicional. Si la interrupción de comunicaciones demora la coordinación de reparaciones, la respuesta puede prolongar fallos que técnicamente eran reparables. La cascada cruza componentes, sectores y tiempos. Cada vínculo necesita comprobarse: cuánto dura el respaldo, qué stock existe, quién puede restaurar el servicio y qué operación continúa sin la función perdida.

La no linealidad aparece cuando un cambio de entrada no produce un cambio proporcional de resultado. Una reserva puede absorber pequeñas perturbaciones sin efecto visible, pero una vez agotada, una unidad adicional de demanda puede causar una interrupción mucho mayor. Una cola puede crecer lentamente hasta que las esperas elevan cancelaciones y tareas repetidas, que aumentan aún más la carga. En estos ejemplos, no se necesita invocar una catástrofe repentina: basta con que la relación entre carga, capacidad y consecuencia cambie según el estado del sistema.

Un umbral es una condición a partir de la cual cambia de forma marcada el comportamiento de una parte del sistema o del sistema completo. Puede ser físico, técnico, biológico, financiero, organizativo o social. No siempre es una frontera exacta que pueda medirse en tiempo real. Muchas veces el umbral depende de una combinación de factores, del período de exposición y de si el sistema ya perdió capacidad de respuesta. Si una planta tiene suministro redundante, por ejemplo, el límite relevante podría no ser un único nivel de carga, sino cuánto tiempo dura una interrupción y si la ruta de reabastecimiento está disponible.

También conviene distinguir un límite operativo de un cambio crítico descrito por un modelo. Una organización puede fijar cuánto tiempo tolera una función degradada; un modelo puede mostrar una transición bajo determinadas ecuaciones y reglas. El primero incluye una decisión sobre servicio y tolerancia; el segundo depende de supuestos sobre dinámica. La función puede volverse inaceptable antes de que el modelo muestre una cascada, o seguir operando después de cruzar un límite formal. No deben tratarse como el mismo umbral.

Un umbral puede dar lugar a retroalimentación positiva: un cambio aumenta otro que refuerza el cambio inicial. En el ejemplo construido, una demora logística que reduce reservas puede dificultar la reparación; una reparación lenta prolonga la pérdida de servicio y eleva la demanda de asistencia, que compite por los recursos de respuesta. El circuito refuerza la perturbación. Una retroalimentación negativa, en cambio, puede amortiguarla: una reserva movilizada ante un corte reduce la demanda sobre la función afectada hasta que llega la reparación. Identificar el signo del efecto no basta; hay que saber cuánto tarda, dónde actúa y si puede saturarse.

Duncan Watts estudió en un artículo revisado por pares un modelo de cascadas globales sobre redes aleatorias, donde los nodos adoptaban una decisión cuando la fracción de vecinos activos superaba un umbral local. En el modelo, pequeños shocks podían originar cascadas grandes en ciertos regímenes, mientras otros regímenes limitaban su propagación. La conclusión relevante no es que los sistemas sociales o infraestructuras sigan literalmente ese mecanismo, sino que la combinación de umbrales locales y estructura de red puede producir resultados globales que no se deducen del tamaño de la perturbación inicial. La aplicación empírica exige comprobar que los umbrales, vínculos y reglas del sistema real se parecen a los supuestos del modelo. (Watts, “A simple model of global cascades on random networks”, Proceedings of the National Academy of Sciences, 2002)

Esta distinción ayuda a separar un detonante de una causa suficiente. El primer elemento que pierde función puede desencadenar una secuencia, pero la extensión depende de condiciones previas: dependencia, falta de reserva, sincronización, capacidad limitada o alternativas ineficaces. En otro estado, el mismo evento podría producir una interrupción breve y contenida. Llamar «causa» a la última cosa que ocurrió antes del resultado puede ocultar las condiciones acumuladas que hicieron posible la cascada.

La propagación puede ser directa o indirecta, inmediata o retardada. Un evento puede dejar un equipo intacto pero impedir su abastecimiento; una institución puede mantener una función y, sin embargo, perder acceso a información necesaria para coordinarla. Algunos efectos emergen después de varias transferencias y no son fáciles de atribuir a un solo fallo. Por eso, una secuencia causal útil registra condiciones y tiempos, no sólo una lista de componentes dañados. Si la evidencia no permite distinguir causa común de contagio, debe conservarse esa incertidumbre.

Una cascada tampoco siempre empeora todo. Una perturbación puede revelar fallas ocultas, llevar a reorganizar rutas o activar apoyos que reduzcan un daño posterior. El análisis no debe asumir que toda conexión transmite sólo fragilidad; las redes permiten ayuda, sustitución e información además de propagación. El carácter sistémico describe el alcance de las interacciones y sus consecuencias, no implica de antemano un resultado catastrófico ni una evaluación moral.

Figura 486.1 — Las reservas y las dependencias comunes abren rutas distintas

Dos paneles distinguen una reserva que puede sostener una función interrumpida y un soporte eléctrico común del que dependen el bombeo de agua y las comunicaciones/control de tráfico. Las flechas discontinuas señalan pérdidas posibles si el soporte falla y los respaldos no bastan; no indican que ocurran juntas ni expresan probabilidad.

Una reserva puede contener una interrupción. Si se pierde un soporte común, las funciones dependientes pueden degradarse cuando la duración supera la capacidad de respaldo; cada ruta requiere evidencia propia.

486.4. Riesgos ordinarios y eventos extremos#

Al analizar riesgos no conviene mirar sólo sucesos raros y visibles. Una función también puede degradarse por interrupciones repetidas, errores rutinarios, demoras, escasez temporal o pérdida gradual de capacidad. Un fallo breve quizá tenga poca consecuencia cuando hay reserva suficiente; una serie de interrupciones breves puede impedir que esa reserva se reponga. La frecuencia, duración, coincidencia y orden de los episodios pueden importar más que una etiqueta aislada.

El capítulo 57 desarrolla magnitud, frecuencia y período de retorno de peligros naturales. Para el análisis sistémico basta recordar que «extremo» se define respecto de una variable, distribución, lugar y período; no es sinónimo de daño máximo. Un evento moderado puede tener consecuencias severas si coincide con alta demanda, poca capacidad de sustitución o una interrupción que impide reparar otro servicio. El IPCC también evalúa riesgos compuestos, en los que peligros coinciden, se suceden o interactúan con condiciones de fondo; trasladar un mecanismo a una región concreta requiere evidencia local (IPCC, AR6 WGII, capítulo 1 y anexo II).

Las condiciones ordinarias pueden acumularse sin que cada una parezca una crisis: mantenimiento postergado, inventarios reducidos o rotación de personal, por ejemplo, dejan menos margen cuando ocurre una interrupción. El análisis retrospectivo no debería atribuir todo el resultado al último evento; conviene reconstruir el estado previo, la coincidencia de factores y la trayectoria de los recursos.

Si un registro sólo captura interrupciones consumadas, no documentará necesariamente situaciones que casi interrumpieron el servicio, adaptaciones del personal o trabajo adicional que permitió mantenerlo. Un registro de incidentes sirve si define qué cuenta como incidente y conserva información sobre duración, alcance y respuesta; por sí solo no representa todos los mecanismos que amortiguan perturbaciones.

Una interrupción pequeña que afecta repetidamente a un grupo con pocas alternativas puede acumular una carga importante. Sumar episodios sin distinguir quién los soporta y qué función se interrumpe puede ocultar esa concentración. Frecuencia y gravedad se interpretan junto con distribución, duración y recuperación.

Hay situaciones en que el historial de fallas ordinarias ayuda poco para entender una combinación fuera del rango observado, un sistema que cambió o pérdidas evitadas por intervención. Esto no vuelve inútil la experiencia pasada: puede revelar mecanismos, componentes y márgenes que sí se repiten. La sección siguiente examina qué se puede trasladar de esos registros y bajo qué supuestos.

486.5. Límites de datos históricos y modelos#

Los datos históricos describen eventos observados y registrados bajo condiciones concretas. Pueden omitir episodios pequeños, daños indirectos, instalaciones privadas o consecuencias tardías. Si cambian la definición o cobertura de un registro, una frecuencia aparente puede cambiar por la medición. Antes de comparar períodos hay que comprobar variable, población y resolución.

La no estacionariedad —cambios en el clima, población, infraestructura, demanda o gestión— limita trasladar una frecuencia histórica a condiciones futuras. No vuelve inútiles las observaciones: aún informan mecanismos, fallos y márgenes, siempre que se distinga lo que permanece de lo que cambió. El período de retorno, tratado en el capítulo 57, resume una estimación probabilística bajo un modelo y condiciones definidos; no es una cuenta regresiva ni garantiza intervalos regulares entre sucesos.

El historial refleja también decisiones pasadas. Una región puede parecer resistente porque evitó construir en lugares expuestos; otra puede registrar más daños porque identifica mejor a quienes los sufren. Una cifra baja no prueba baja exposición ni alta resiliencia: puede reflejar falta de registro, menor población medida o azar durante un período corto.

Un modelo representa aspectos seleccionados de un sistema para responder una pregunta. Puede conectar un peligro con componentes expuestos, estimar qué fallos se transmiten y explorar consecuencias de distintos supuestos. Pero cada modelo omite partes. Una red de nodos y flechas puede representar dependencia binaria —funciona o no— y dejar fuera la degradación parcial, las sustituciones, los retardos, el comportamiento humano, reglas de acceso o el cambio de demanda. La precisión visual de un diagrama no equivale a precisión de predicción.

Los modelos de cascada como los de Watts y Buldyrev son útiles para descubrir que redes, umbrales y dependencias pueden generar resultados no proporcionales. Son modelos analíticos o computacionales con supuestos explícitos sobre topología, soporte, reglas locales y dinámica de fallos. No estiman automáticamente la probabilidad de colapso de una ciudad, una red eléctrica o una cadena económica real. Su uso riguroso consiste en preguntarse qué mecanismo iluminan, qué condiciones requieren y qué evidencia del caso permitiría evaluar su pertinencia.

También hay límites de escala. Un modelo de componente puede acertar su rendimiento y fallar al combinarlo con otros; una proyección nacional puede ocultar diferencias locales y entre grupos. Agregar pierde detalle y desagregar no recupera lo nunca medido. Las conclusiones deben mantenerse en la escala respaldada por los datos y la estructura.

La ausencia de datos no autoriza a inventar una probabilidad. En algunos casos puede usarse un rango, un análisis de sensibilidad o escenarios alternativos; en otros, la evidencia sólo permite identificar rutas posibles sin ordenar su probabilidad. Un escenario no es un pronóstico y una simulación no es observación. Mostrar que una cascada es posible bajo ciertas condiciones no demuestra que sea probable; no encontrarla en el conjunto de escenarios analizados no demuestra que sea imposible.

El límite del modelo debe seguir a la pregunta. Un análisis acotado puede preguntar si un servicio específico conserva su función durante una interrupción; uno más amplio puede seguir efectos indirectos sobre una población o una región. Ampliar la frontera deja entrar nuevas dependencias, pero también requiere más datos y decisiones de agregación. Una prueba de sensibilidad ayuda a localizar qué supuestos cambian la conclusión; no corrige una variable ausente ni transforma escenarios exploratorios en pronósticos.

El riesgo también puede cambiar porque las personas y organizaciones responden a la información, a las reglas y a los fallos. Una nueva reserva altera el umbral operativo; la concentración de compras puede cambiar con un contrato; una advertencia puede modificar la demanda antes de un evento. Un modelo construido para el sistema anterior podría quedar desactualizado aunque sus ecuaciones no cambien. La incertidumbre, por tanto, puede venir tanto del conocimiento incompleto como de una realidad que evoluciona y reacciona.

El concepto de robustez suele referirse a conservar un nivel de funcionamiento dentro de un rango definido. La resiliencia puede incluir anticipar, soportar, recuperarse y adaptarse, según el campo. NIST describe capacidades de ciberresiliencia para sistemas digitales; el IPCC trata sistemas sociales, económicos y ecológicos que afrontan perturbaciones y pueden reorganizarse manteniendo funciones o estructura. Son marcos de ámbitos distintos, no definiciones universales; ambos muestran que continuidad y adaptación no son lo mismo. (NIST, SP 800-160 Vol. 2 Rev. 1, 2021; IPCC, AR6 WGII, anexo II)

Robustez no equivale a invulnerabilidad. Un sistema puede soportar una perturbación y fracasar ante otra fuera del rango probado. Resiliencia tampoco es un bien sin límites: mantener una función puede proteger a unas personas y conservar una estructura que distribuye daños sobre otras; una adaptación puede trasladar el riesgo a otro sector o territorio. La pregunta es qué funciones se mantienen, para quién, a qué coste y con qué posibilidad de reorganizarse. Esta precisión prepara el estudio de recuperación y gobernanza en capítulos posteriores, sin sustituirlos.

Síntesis#

Los marcos de riesgo responden a propósitos distintos: IPCC relaciona peligro, exposición y vulnerabilidad en su evaluación climática; NIST vincula amenaza, vulnerabilidad, probabilidad e impacto en organizaciones y sistemas de información; UNDRR incorpora capacidad y horizonte en riesgo de desastre. Ninguno ofrece una fórmula universal para todas las disciplinas. El riesgo se vuelve sistémico cuando dependencias, concentraciones y condiciones comunes pueden propagar o amplificar perturbaciones hasta comprometer funciones compartidas. Las cascadas y umbrales son mecanismos posibles, no resultados inevitables. Datos históricos y modelos ayudan a explorarlos, pero sus conclusiones dependen de qué se midió, qué estructura se representó y bajo qué supuestos.

Preguntas de transferencia#

Una ciudad contrata tres proveedores de electricidad de respaldo#

Ejemplo construido. Los tres proveedores directos usan el mismo distribuidor de combustible y la misma vía de acceso. ¿Ha eliminado la ciudad su concentración de riesgo?

Mostrar respuesta razonada

No necesariamente. La diversidad de contratos no implica diversidad funcional si los proveedores comparten un insumo o una ruta crítica. La respuesta depende de cuánto combustible tienen, si pueden obtenerlo por vías distintas, cuánto tiempo sostienen el servicio y qué alternativa queda si el distribuidor común se interrumpe. Para concluir que existe una redundancia útil habría que comprobar esas condiciones; contar proveedores no basta.

Un evento moderado produce interrupciones en varios servicios#

Ejemplo construido. Tras una lluvia no excepcional para la región, una carretera se cierra, se demora una reparación eléctrica y un servicio de agua pierde presión. ¿Qué información distingue cascada de coincidencia?

Mostrar respuesta razonada

Se necesita reconstruir la secuencia temporal y las dependencias: qué falló primero, qué servicio requería el elemento averiado, qué alternativa estaba disponible y qué otra causa común pudo interrumpir simultáneamente la carretera y la energía. Si el cierre de la vía retrasó la reparación y esa demora prolongó la interrupción de agua, hay un mecanismo de propagación plausible. La secuencia por sí sola no cuantifica su frecuencia ni prueba que todas las lluvias similares produzcan el mismo resultado.

El registro histórico no muestra un colapso de gran escala#

Ejemplo construido. Una autoridad concluye que un fallo sistémico es imposible porque nunca aparece en sus registros. ¿Qué tendría que comprobar antes de aceptarlo?

Mostrar respuesta razonada

Primero, si el período, la cobertura y las definiciones de los datos permiten detectar el evento que se teme. Después, si el sistema y sus dependencias permanecieron estables durante ese período, y si intervenciones o reservas evitaron la propagación. El historial puede limitar escenarios plausibles, pero ausencia de observación no equivale a imposibilidad, sobre todo si cambió la configuración o falta información de efectos indirectos.

Una simulación produce una cascada extensa#

Ejemplo construido. Un modelo de una red muestra que perder un nodo central puede interrumpir muchas funciones. ¿Demuestra que ese escenario sea probable en la realidad?

Mostrar respuesta razonada

No. Demuestra que la cascada aparece bajo las reglas, datos y estructura incluidos en el modelo. Para evaluar probabilidad y relevancia hay que contrastar si el nodo tiene realmente ese papel, si existen sustitutos, cuánto duran las reservas, qué partes de la red se comportan como se modelaron y qué incertidumbre tienen esos supuestos. El resultado puede servir para orientar investigación o probar alternativas, no como predicción automática.

Fuentes y lecturas del capítulo#

  • IPCC. Climate Change 2022: Impacts, Adaptation and Vulnerability. Contribution of Working Group II to the Sixth Assessment Report, en especial capítulo 1 y anexo II: glosario. Marco de riesgo climático con definiciones de peligro, exposición, vulnerabilidad, riesgo, resiliencia y riesgos compuestos; su uso aquí se limita a ese contexto. (Informe y glosario)
  • UNDRR. Disaster Risk Reduction Terminology, término “Disaster risk”. Define riesgo de desastre para un sistema, sociedad o comunidad durante un período en función probabilística de peligro, exposición, vulnerabilidad y capacidad. (Terminología oficial)
  • UNDRR / International Science Council. Briefing Note on Systemic Risk. 2022. Perspectiva integrada de riesgo climático, ambiental y de desastres; documenta atributos compartidos sin imponer una única definición de riesgo sistémico. (Publicación oficial)
  • Ross, Ron. Guide for Conducting Risk Assessments. NIST Special Publication 800-30 Revision 1, 2012. Guía para evaluar riesgo de organizaciones y sistemas federales de información; no es definición universal para todos los sectores. (Publicación oficial NIST)
  • Ross, Ron; Victoria Pillitteri; Richard Graubart; Deborah Bodeau; Rosalie McQuaid. Developing Cyber-Resilient Systems: A Systems Security Engineering Approach. NIST SP 800-160 Volume 2 Revision 1, 2021. Marco de ingeniería de ciberresiliencia para sistemas y recursos cibernéticos. (Publicación oficial NIST)
  • Watts, Duncan J. “A Simple Model of Global Cascades on Random Networks.” Proceedings of the National Academy of Sciences 99, n.º 9 (2002): 5766–5771. DOI: 10.1073/pnas.082090499. Modelo primario de cascadas globales bajo reglas de umbral y redes aleatorias; sus resultados dependen de los supuestos de red y comportamiento. (Texto completo)
  • Buldyrev, Sergey V., Roni Parshani, Gerald Paul, H. Eugene Stanley y Shlomo Havlin. “Catastrophic Cascade of Failures in Interdependent Networks.” Nature 464 (2010): 1025–1028. DOI: 10.1038/nature08932. Modelo primario de fallos en redes interdependientes; no es estimación de probabilidad para una infraestructura real sin datos y validación del caso. (Artículo)

Nota editorial sobre claims sensibles y fecha de corte. Fecha de corte: 8 de octubre de 2026. «Riesgo», «amenaza», «peligro», «exposición», «vulnerabilidad», «robustez» y «resiliencia» no tienen un contrato único en todos los campos; se indica qué marcos se usan y dónde se aplican. Los dos artículos sobre cascadas son modelos matemáticos revisados por pares, no mediciones de riesgo de una ciudad o infraestructura contemporánea. El ejemplo regional es ficticio; las conexiones descritas son mecanismos plausibles, no un caso histórico. No se incluyen cifras empíricas ni una probabilidad de cascada. IPCC AR6, NIST SP 800-30 Rev. 1 y NIST SP 800-160 Vol. 2 Rev. 1 son documentos fechados; si se integran en una edición posterior, conviene confirmar si existen versiones sucesoras o fe de erratas. UNDRR puede actualizar su terminología; revisar el portal oficial antes de publicar. No se emite una afirmación jurídica o jurisdiccional específica.

Bibliografía de la parte XLV · Bibliografía general

Última revisión editorial
Cierre de contenidos