El modelo TEAL supone una ruptura con los modelos clásicos de organización interna de las entidades, con un especial énfasis en las personas que forman parte de ellas. ¿Qué beneficios puede tener su implementación en el sector social?

Uno de los ámbitos en el que podemos aplicar la innovación en el sector social es en el modelo organizativo interno de las entidades y organizaciones. Frédéric Laloux (Bélgica, 1973) publicó en 2014 el libro Reinventing Organizations, donde presenta el modelo TEAL, una nueva perspectiva de organización empresarial que supone una ruptura con los modelos clásicos y apuesta por poner a las personas en el centro de las organizaciones. A continuación, exploraremos qué es el modelo TEAL y qué beneficios puede suponer para el sector social.

Paradigmas de organización: modelos previos al TEAL

Para poder explicar qué implica el modelo TEAL, es necesario entender de dónde partimos. Laloux hace un recorrido sobre la evolución de los modelos organizativos e identifica diferentes tipos según sus características y avances, cada uno de ellos asociado a un color diferente. De más antiguo a más reciente, encontramos cinco:

a. Rojo. Esta etapa a menudo se asocia con entornos donde es necesaria una dirección y un control fuertes para mantener el orden, y donde las dinámicas de poder son claras y manifiestas. Se puede observar en regímenes autoritarios, sectas religiosas o equipos deportivos muy competitivos.

b. Ámbar. En este caso, los roles están bien definidos y son estables, aunque permiten cierto movimiento en la escala. La organización se estructura alrededor de una pirámide jerárquica y el control se ejerce de arriba hacia abajo. La perspectiva se sitúa a largo plazo con procesos estables que suelen repetir los patrones del pasado. Son ejemplos el ejército, la Iglesia católica y las organizaciones gubernamentales.

c. Naranja. Este enfoque introduce la innovación por primera vez, incorpora la rendición de cuentas y se basa en los méritos. El objetivo principal es superar a la competencia y conseguir beneficios y crecimiento. La gestión se realiza mediante objetivos que requieren control y predicción. Los bancos y muchas empresas siguen este modelo organizativo.

d. Verde. La cultura y el empoderamiento se encuentran en el centro de este modelo, con el objetivo de impulsar la motivación de los trabajadores. El propósito de la organización se articula alrededor de grupos de interés, no solo de los accionistas. Un ejemplo actual son las organizaciones sin ánimo de lucro.

e. Turquesa (Teal). El último tipo, y el más reciente, sustituye la pirámide jerárquica por la autogestión. Las organizaciones funcionan como organismos «vivos» orientados a llevar a cabo su propósito. Así, se basan en tres principios que analizaremos a continuación: autogestión, plenitud y propósito evolutivo. Algunas organizaciones alrededor del mundo ya están comenzando a implementar este modelo.

El modelo TEAL: autogestión, plenitud y propósito evolutivo

Como ya hemos comentado, el modelo TEAL se basa en tres pilares clave que funcionan como guía para las organizaciones que desean adoptar este sistema:

a. Autogestión. Este rasgo supone una ruptura con la jerarquía que caracteriza a la mayoría de las organizaciones. El objetivo principal es sustituir los métodos tradicionales basados en la comunicación vertical y las estructuras piramidales por grupos de trabajo autónomos. Esto no implica que desaparezcan los organigramas con cargos diferenciados, pero, a la hora de trabajar, las decisiones se toman sin jerarquías. De esta manera, todos se sienten más partícipes de los objetivos y estrategias. A través de reuniones periódicas o espontáneas, se ponen en común las diferentes decisiones que cada grupo de trabajo ha tomado. Estos grupos también son flexibles y se adaptan a las necesidades de los proyectos y al contexto. La transparencia, la gestión de conflictos y el sentimiento de pertenencia son algunas de las características de esta autogestión.

b. Plenitud. Según Laloux, las empresas exigen a sus trabajadores que oculten los sentimientos de duda o vulnerabilidad y que, en cambio, muestren siempre determinación y fortaleza a través de una «máscara profesional». Este enfoque cuestiona la clásica barrera entre la vida personal y la profesional con el objetivo de crear espacios donde las personas puedan expresarse con plenitud y así puedan desarrollar todo su potencial. Es clave en este punto procurar que los trabajadores se sientan útiles y con oportunidades de realización.

c. Propósito evolutivo. El tercer pilar del modelo TEAL se basa en concebir la organización como un organismo que posee una vida y un sentido de orientación propio. Por lo tanto, en lugar de querer predecir y controlar el futuro, se apuesta por escuchar cuál es su propósito dentro de la sociedad. El objetivo es que la misión, los valores y la visión de la organización no se basen en los intereses de los líderes, sino que sean aspectos compartidos por todos los miembros. Además, esta perspectiva también busca que las entidades no se centren en la rivalidad que mantienen con otras organizaciones, sino que pongan en el centro su propósito.

El modelo TEAL y el sector social

El modelo TEAL resulta especialmente interesante e innovador en el sector social, dada su vocación comunitaria. No obstante, no hay una sola forma de aplicar el modelo, sino que dependerá también de la singularidad de cada entidad. Algunos de los beneficios que podemos encontrar son:

a. Aumento de la autonomía. La autogestión permite que las decisiones se tomen de manera más eficiente y rápida, ya que las personas que trabajan en cada proyecto tienen más autonomía a la hora de actuar en su ámbito de responsabilidad. De esta manera, la organización es más flexible a los cambios y a las situaciones que requieren una respuesta rápida. Esto resulta útil en el ámbito de los servicios sociales y la atención directa a los usuarios.

b. Motivación e implicación. Compartir una visión y trabajar por un mismo propósito fomenta el compromiso de todos los miembros de la organización, independientemente de su área, y aumenta la motivación y el sentimiento de pertenencia.

c. Mayor iniciativa. El fomento de un espacio cómodo y participativo contribuye a reducir el miedo al fracaso y a aumentar la confianza en uno mismo. De esta manera, los trabajadores muestran una mayor iniciativa a la hora de proponer ideas y tomar decisiones.

d. Fomento de la creatividad. En relación con el punto anterior, la mayor iniciativa e implicación de los profesionales fomenta un intercambio de ideas más fluido. En consecuencia, se crea un espacio óptimo para el afloramiento de la creatividad.

e. Responsabilidad. El aplanamiento del organigrama permite que cada uno pueda tomar decisiones. Así, esta autonomía aumenta el sentido de responsabilidad a la hora de responder de los acuerdos pactados.

En conclusión, la aplicación del modelo TEAL puede generar numerosos beneficios en el sector social gracias a su apuesta por la autogestión, la plenitud y el propósito evolutivo. Por un lado, la autonomía y la flexibilidad en la toma de decisiones mejoran la eficiencia y la adaptabilidad en la prestación de servicios sociales. Por otro, la creación de un espacio cómodo y participativo fomenta la motivación, la iniciativa y la creatividad de los trabajadores, al tiempo que aumenta su sentido de responsabilidad. Todas estas características hacen que el modelo TEAL sea especialmente interesante para organizaciones del sector social que buscan innovar y mejorar su estructura interna para ofrecer un mejor servicio a la comunidad.

Desde la Fundación iSocial, ofrecemos formación para impulsar entidades sociales más ágiles y flexibles a través de la perspectiva TEAL. ¡Apúntate!

Referencias

Amurrio Gónzalez de Langarica, Í. (2019). Nuevos modelos organizativos de los recursos humanos en la empresa. Addi. https://addi.ehu.es/handle/10810/37110

Clos, I. (2020, 10 desembre). Organizaciones Teal: 50 prácticas revolucionarias que cambiarán tu futuro. Sociedad de la Innovación. https://www.sociedaddelainnovacion.es/50-practicas-organizativas-revolucionarias-cambiaran-futuro-organizacion-basado-modelo-teal/

De Hijas, P. M. (2023, 19 agost). Laloux, las organizaciones TEAL. Emergentes. https://emergentes.org/laloux-las-organizaciones-teal/

Great Place to Work. (2023, 25 abril). Organizaciones TEAL ¿Qué son? ¿Qué ventajas tienen?. Great Place To Work Spain. https://greatplacetowork.es/organizaciones-teal/

Organizaciones TEAL: ¿cómo reinventan la gestión y cuáles son sus ventajas? (s. f.). Iberdrola. https://www.iberdrola.com/talento/organizaciones-teal

Organizaciones Teal: qué son, qué ventajas ofrecen. (s. f.). https://thepower.education/blog/organizaciones-teal

Ortiz de Zárate Hors, María Eugenia (2019). Modelos organizativos evolutivos – Teal para startup social: estudios de caso. Tesis (Master), E.T.S.I. Industriales (UPM). https://oa.upm.es/65570/

Pablo, S. A. J. (2022, 10 març). Implementación del modelo Teal evolutivo para el desarrollo de la felicidad organizacional. https://repository.unimilitar.edu.co/handle/10654/43633

Romero, A. M., López, M. M., & Bravo, A. M. (2018). La transición hacia organizaciones evolutivas Teal. Dialnet. https://dialnet.unirioja.es/servlet/articulo?codigo=6535708

En los últimos años, múltiples sectores han apostado por la tecnología big data y los modelos predictivos con el objetivo de gestionar grandes cantidades de datos, extraer conclusiones y hacer predicciones. ¿Cómo se puede aplicar esta tecnología a los servicios sociales?

Cada día, el mundo genera aproximadamente 328,77 millones de terabytes de datos, según un análisis de Market Splash de 2024. Durante los últimos años, el ritmo de crecimiento ha aumentado de manera exponencial. Desde 2010 hasta 2023, por ejemplo, la cantidad de datos generados ha incrementado su volumen el equivalente a 60 veces, aunque solo un 10% de estos datos son únicos, ya que el resto son informaciones duplicadas en la red.

En este contexto, la mayoría de los sectores están incorporando servicios de análisis de datos inteligentes para poder gestionar los datos, extraer conclusiones y hacer predicciones. Los servicios sociales no son una excepción. En los últimos años, el sector ha apostado por la tecnología big data con el objetivo de recopilar información en el ámbito sociosanitario y así poder actuar de manera preventiva, personalizada y eficiente. A continuación, exploraremos qué son el big data y los modelos predictivos, qué oportunidades presentan para los servicios sociales y qué iniciativas innovadoras ya se están llevando a cabo.

¿Qué es el big data?

En términos generales, podríamos definir el big data como un conjunto de datos que, por su gran volumen, no se pueden procesar ni gestionar con bases de datos de integración tradicionales. Más concretamente, encontramos que el big data se fundamenta en el paradigma de las 3 V:

• Volumen. Se trabaja con una gran cantidad de datos, que requieren nuevas técnicas de almacenamiento y nuevos enfoques.
• Variedad. Los datos provienen de diversas fuentes y formatos, como por ejemplo mensajes, videos, imágenes o emoticonos. Se necesitan, por tanto, herramientas que puedan descifrar todos los tipos de contenidos.
• Velocidad. El gran volumen de datos exige que estos sean procesados y analizados de forma rápida para evitar que los resultados queden desactualizados una vez descifrados.

Según el informe Big Data y su impacto en el sector público, coordinado por Chema Maroto, actualmente se pueden agregar cuatro características más:

• Variabilidad. Este rasgo se refiere a los datos que cambian constantemente su significado, algo particularmente aplicable en el caso del lenguaje, ya que las palabras no tienen significados estáticos y requieren contexto para ser entendidas. Este punto es uno de los principales retos del big data y demanda el diseño de programas de procesamiento capaces de entender cada contexto para descodificar el significado preciso de cada palabra.
• Veracidad. Los resultados que se extraen al procesar grandes cantidades de datos solo son útiles si los datos con los que se trabaja son exactos y veraces. Por eso resulta crucial tener en cuenta que a veces los datos pueden presentarse de manera desordenada, así como saber distinguir los errores y el exceso de ruido, es decir, todas aquellas informaciones falsas o no relevantes. Para llevar a cabo esta tarea, es necesario acompañar los algoritmos de supervisión humana profesional.
• Visualización. Otro desafío importante del big data es la capacidad de representar visualmente grandes cantidades de datos obtenidos. Ya no basta con los métodos tradicionales de representación de datos, sino que es necesario encontrar formas sencillas y accesibles de visualizar la información.
• Valor. El big data permite aportar valor añadido en las diferentes áreas donde se aplica. Por ejemplo, en el caso de los servicios sociales puede suponer un ahorro económico y de tiempo en la atención a los usuarios.

¿Qué son los modelos predictivos?

Una de las aplicaciones del análisis inteligente de datos es la creación de modelos predictivos. En el caso de los servicios sociales, estos modelos pueden ayudar a los profesionales a tomar mejores decisiones.

Un modelo predictivo es un tipo de modelo matemático que permite hacer predicciones en el futuro a partir de datos del pasado. A través de la tecnología big data y el machine learning (aprendizaje automático), se puede inferir cómo una variable se comportará en el futuro en función de otras variables ya conocidas.

Para implementar un modelo predictivo, en primer lugar, se deben preparar los datos para reducir al máximo el ruido y analizarlos. A continuación, se selecciona el modelo predictivo que se utilizará y el problema que se pretende resolver a través de él. Luego, se entrena y se valida el modelo para llegar a su implementación, que irá acompañada de un monitoreo que permita identificar posibles errores y mejoras. Es esencial asegurar la calidad de los datos que se introducen en el sistema, ya que de ellos dependerá la fiabilidad de los resultados obtenidos a partir del modelo.

Modelos predictivos big data y servicios sociales

La tecnología big data, en combinación con otras herramientas como la inteligencia artificial y el machine learning, permite analizar los datos del sistema de los servicios sociales para buscar patrones (repeticiones, anomalías o correlaciones) que normalmente son demasiado complejos para detectar de forma manual. Junto con otras fuentes de datos, esto nos puede permitir, por ejemplo, conocer anticipadamente la emergencia y la evolución de las necesidades de la población. En este sentido, los modelos predictivos pueden contribuir a hacer avanzar los servicios sociales en cuatro ámbitos importantes: prevención, personalización, planificación y eficiencia.

Según Big Data: What are the Implications for Public Sector Policy in Society 5.0 Era? (Fajar Rahmanto et al.), la combinación del big data y la inteligencia artificial permite obtener información que puede convertirse en un muy buen punto de partida en la toma de decisiones y en la mejora de los sistemas de automatización.

Sin embargo, es fundamental definir buenas políticas de seguridad a la hora de tratar con información personal y confidencial en el ámbito sociosanitario, ya que los datos con los que se trabaja son muy sensibles e íntimos.

Iniciativas

Actualmente, el sector social está llevando a cabo numerosas iniciativas que utilizan el big data para realizar predicciones y actuar de forma preventiva. A continuación, hacemos un recuento de algunas iniciativas que trabajan en esta línea:

• Proyecto PACT. En Castilla y León, el proyecto PACT utiliza un algoritmo desarrollado a partir de técnicas de big data y de aprendizaje automático capaz de prever el riesgo de exclusión social de los usuarios de los servicios sociales. A través de diez factores principales de riesgo, el modelo predictivo es capaz de decir cuáles de las personas que están solicitando la renta garantizada mínima continuarán necesitando esta prestación durante 60 meses o más. A través de una aplicación móvil, los profesionales tienen acceso a estas previsiones y pueden tomar mejores decisiones.
• Herramienta predictiva y descriptiva. En Cataluña, la Asociación Bienestar y Desarrollo (ABD), en colaboración con Momentum Analytics, ha desarrollado una herramienta predictiva a partir del big data y la inteligencia artificial que permite describir las características sociodemográficas y económicas de las familias del territorio con el objetivo de ayudar a los servicios sociales municipales a conocer mejor las necesidades reales actuales, predecir las futuras, dimensionar la cartera de servicios y planificar los recursos.
• One View. En el Reino Unido, el sistema One View analiza el conjunto de datos relacionados con servicios para adultos, infancia y personas sin hogar con el objetivo de identificar situaciones de riesgo existentes que pueden derivar en un futuro próximo en una situación de sinhogarismo. El modelo analítico incluye datos de ingresos, prestaciones y escuelas, y obtiene una visión general y completa de los ciudadanos y los hogares. El modelo tiene un enfoque preventivo y es capaz de detectar futuras situaciones de riesgo entre 6 y 9 meses antes de que ocurran.
• Crisis Text Line. Esta iniciativa estadounidense utiliza el machine learning y la inteligencia artificial para predecir situaciones de alto riesgo de suicidio o autolesión. El sistema se basa en el análisis de 30 millones de mensajes que los usuarios han enviado a través de una línea directa de prevención y es capaz de decir qué casos son más urgentes. Así, el 94% de las personas de alto riesgo reciben una intervención en menos de 5 minutos.
• L’Allegheny Family Screening Tool (AFST). También en Estados Unidos, este sistema de big data proporciona a los profesionales de los servicios sociales una evaluación objetiva de las situaciones de riesgo de desamparo infantil, a través de más de cien parámetros. Cuando se recibe un caso, el algoritmo calcula el índice de riesgo para orientar la actuación de los profesionales.

En conclusión, el big data y los modelos predictivos en los servicios sociales representan una herramienta interesante para mejorar la eficiencia, la personalización y la prevención en la atención a la población. La capacidad de procesar y analizar grandes cantidades de datos de manera rápida y precisa, así como generar modelos predictivos, permite a los profesionales anticipar necesidades, identificar situaciones de riesgo y tomar decisiones basadas en evidencias sólidas. Iniciativas como el proyecto PACT en Castilla y León, la herramienta predictiva de ABD en Cataluña y el sistema One View en el Reino Unido demuestran el impacto positivo de estas tecnologías en el ámbito sociosanitario. No obstante, es esencial implementar políticas de seguridad robustas para proteger la privacidad de los datos confidenciales y garantizar su veracidad. En definitiva, el big data y los modelos predictivos son clave para un futuro donde los servicios sociales sean más proactivos y efectivos en su misión de apoyo a las comunidades y a las personas.

Referencias

Albendea, G. L. (2021, 15 juliol). ‘Big data’: una herramienta de predicción útil para el sector social. Revista Haz. https://hazrevista.org/innovacion-social/2017/11/big-data-una-herramienta-de-prediccion-util-para-el-sector-social/ [08/07/2024]

Big data y su impacto en el sector público. (s. f.). Harvard Deusto Business Review. https://xodel.diba.cat/sites/xodel.diba.cat/files/big_data_y_su_impacto_en_el_sector_publico.pdf [08/07/2024]

Cicle de reflexió “Big Data i serveis socials”. (2019). Fundació iSocial. https://isocial.cat/cicle-de-reflexio-big-data-i-serveis-socials/ [08/07/2024]

Díaz, A. (2022, 28 diciembre). Modelos predictivos, que es, ejemplos y herramientas. Todo Bigdata. https://todobigdata.com/modelos-predictivos/modelos-predictivos-que-es-ejemplos-y-herramientas/ [17/04/24]

El Big Data al tercer sector. (2023, 8 març). Xarxanet – Entitats I Voluntariat de Catalunya Per un Món Millor. https://xarxanet.org/juridic/recursos/el-big-data-al-tercer-sector [08/07/2024]

ESADE Business & Law School. (2018, 2 octubre). La transformación digital en el Tercer Sector, retos y oportunidades. Cinco Días. https://cincodias.elpais.com/cincodias/2018/10/01/idearium/1538406345_325528.html [08/07/2024]

ESIC Business & Marketing School. (s. f.). Análisis predictivo: con Big Data el futuro no se predice, se cambia. ESIC. https://www.esic.edu/rethink/tecnologia/analisis-predictivo-big-data-futuro-no-se-predice-se-cambia [17/07/24]

Fundació iSocial. (2024, 19 juny). One View, sistema predictiu i preventiu de situacions de sensellarisme – Fundació iSocial. Innovació en. Fundació iSocial. https://isocial.cat/one-view-sistema-predictiu-i-preventiu-de-situacions-de-sensellarisme/ [08/07/2024]

Fundació iSocial. (2024, 19 juny). PACT, eina big data per preveure el risc d’exclusió social crònica – Fundació iSocial. Innovació en. Fundació iSocial. https://isocial.cat/pact-eina-big-data-per-preveure-el-risc-dexclusio-social-cronica/ [08/07/2024]

Fundació iSocial. (2024, juny 19). Eina predictiva de situacions de vulnerabilitat, per millorar la planificació dels Serveis Socials -. Fundació iSocial. https://isocial.cat/eina-predictiva-de-situacions-de-vulnerabilitat-per-millorar-la-planificacio-dels-serveis-socials/ [08/07/2024]

Fundació iSocial. (2024, juny 19). VioGén, sistema de seguiment integral de casos de violència masclista – Fundació iSocial. Innovació en. Fundació iSocial. https://isocial.cat/viogen-sistema-de-seguiment-integral-de-casos-de-violencia-masclista/ [08/07/2024]

Rahmanto, F., Pribadi, U., & Priyanto, A. (2021). Big Data: What are the Implications for Public Sector Policy in Society 5.0 Era. IOP Conference Series. Earth And Environmental Science, 717(1), 012009. https://doi.org/10.1088/1755-1315/717/1/012009 [08/07/2024]

Rodríguez, S. (2019, 31 julio). Claves para implantar un modelo predictivo. Big Data Magazine. https://bigdatamagazine.es/claves-para-implantar-un-modelo-predictivo/ [17/07/24]

Sesmero, J. M. M. (2015). Big data; application and use for the health system. DOAJ (Directory Of Open Access Journals), 39(2), 69-70. https://doi.org/10.7399/fh.2015.39.2.8835 [08/07/2024]

Song, T., & Ryu, S. (2015). Big Data Analysis Framework for Healthcare and Social Sectors in Korea. Healthcare Informatics Research, 21(1), 3. https://doi.org/10.4258/hir.2015.21.1.3 [08/07/2024]