RICCE, 2025 Vol. 3 Nro 4: https://doi.org/ 10.48168/RICCE.v3n4p47  
https://revistas.ulasalle.edu.pe/ricce  
GESTIÓN ADAPTATIVA DEL RIESGO:  
ESTRATEGIAS INNOVADORAS PARA  
PROYECTOS COMPLEJOS  
fecha de receP cIón: 02-11-25 / fecha de aceP tacIón: 14-11-25  
Nora Osuna-Millán  
Profesor InvestIgador de la facultad de contaduría y admInIstracIón de la unIversIdad  
autónoma de Baja calIfornIa, méxIco  
Correo: nora.osuna@uabc.edu.mx  
ORCID: https://orcid.org/0000-0001-5719-7682  
rEsumEn  
Los proyectos complejos presentan incertidumbre, emergencias y relaciones no lineales  
que desafían los enfoques tradicionales de gestión de riesgos, los cuales pueden presentar  
ventajas o desventajas en los proyectos. Este artículo propone un marco de gestión  
adaptativa del riesgo que presenta algunos principios de las teorías del caos y de la  
complejidad, prácticas ágiles (Scrum, Extreme Programming), marcos escalados (SAFe),  
y estándares formales de gestión de riesgos tratados en PMBOK y el ISO 31000. Además  
se analizan métodos cualitativos y cuantitativos y se propone una arquitectura híbrida,  
iterativa y basada en retroalimentación, la cual permite identificar, evaluar, monitorear  
y adaptar respuestas a riesgos en proyectos con alta incertidumbre. El artículo culmina  
en recomendaciones prácticas, métricas de resiliencia y gobernanza adaptativa para la  
dirección de proyectos en contextos académicos y organizacionales.  
Palabras Clave: Gestión de proyectos, Complejidad, Gestión de riesgos, Toma de decisiones.  
absTraCT:  
Complex projects present uncertainty, emergencies, and nonlinear relationships that  
challenge traditional risk management approaches, which can offer both advantages  
and disadvantages in projects. This article proposes an adaptive risk management  
framework that incorporates principles from chaos and complexity theories, agile  
practices (Scrum, Extreme Programming), scaled frameworks (SAFe), and formal risk  
management standards such as PMBOK and ISO 31000. It also analyzes qualitative and  
47  
Revista de ciencia de la Complejidad  
quantitative methods and proposes a hybrid, iterative, and feedback-driven architecture  
that enables the identification, assessment, monitoring, and adaptation of risk responses  
in highly uncertain projects. The article concludes with practical recommendations,  
resilience metrics, and adaptive governance for project management in academic and  
organizational contexts.  
Keywords: Project management, Complexity, Risk management, Decision making.  
1. introducción  
Los proyectos complejos  
donde se presenta una infraestructura grande, sistemas  
de información y equipos de trabajo distribuidos, programas de transformación  
organizacional y/o tecnológica,  
exhiben propiedades de sistemas dinámicos, tales  
como:  
interdependencias, retroalimentación, sensibilidad a condiciones iniciales y  
comportamientos emergentes. En tales contextos, la gestión de riesgos tradicional lineal  
y predictiva no es suficiente para garantizar objetivos de tiempo, costo y alcance (siendo  
estos los elementos más importantes y críticos en la administración de un proyecto). Por  
todo lo anterior se requiere de una aproximación que permita mezclar adaptabilidad,  
resiliencia y capacidad analítica para reaccionar y aprender (podríamos incluir el  
control del trabajo empírico, aprender e innovar haciendo) ante eventos inesperados.  
Esta necesidad conecta directamente con aportes de la teoría del caos y de la resiliencia  
ecológica.  
2. fundamEntación tEórica  
2.1 tEoría dEl caos y dE la complEJidad  
La teoría del caos presenta cómo sistemas determinísticos nos pueden llevar a tener  
resultados impredecibles, si son sistemas no lineales y sensibles a condiciones iniciales  
(Salazar Duque, 2017). En la administración actual, esta perspectiva nos orienta hacia la  
idea de que pequeñas variaciones en los supuestos o en el contexto pueden desencadenar  
consecuencias desproporcionadas, lo que hace imperativo el proceso de monitoreo y  
mecanismos adaptativos.  
De manera paralela, la teoría de la complejidad aplicada al liderazgo describe a las  
organizaciones como entidades con rasgos establecidos en los sistemas adaptativos  
complejos (Complex Adaptive Systems, CAS), donde las interacciones entre agentes  
(personas, equipos) generan resultados emergentes (Uhl-Bien, Marion & McKelvey, 2007).  
El liderazgo según esta teoría, no debe orientarse únicamente al estilo directivo, sino  
también como facilitador, guía, coach, lo cual puede favorecer la creatividad, la innovación  
48  
Revista de ciencia de la Complejidad  
y la capacidad de adaptación (Uhl-Bien et al., 2007).  
2.2 sistEmas dinámicos y gEstión dE riEsgos  
Los sistemas dinámicos nos permiten modelar el comportamiento de sistemas complejos  
a través de múltiples variables interrelacionadas e iteraciones que permiten la revisión  
y retrospectiva. Diversas Investigaciones en gestión de riesgos han demostrado cómo  
la aplicación de modelos de dinámica de sistemas puede optimizar la mitigación y el  
monitoreo del riesgo en proyectos, especialmente cuando los enfoques tradicionales  
(como los del PMBOK) muestran limitaciones frente a la complejidad estructural (Del Río  
Cortina & Cárdenas Quintero, 2018).  
2.3 rEsiliEncia y adaptabilidad  
Los conceptos ecológicos de resiliencia, como la capacidad de reorganización tras  
problemas, ofrecen un panorama orientador y útil para entender cómo los proyectos están  
obligados a mantener redundancias controladas, rutas alternativas y mecanismos de  
aprendizaje para responder a eventos inesperados. En organizaciones, esto implica diseñar  
procesos de retroalimentación, mecanismos de escalamiento, planes de contingencia y  
decisiones delegadas que permiten adaptarse sin fracasar.  
2.4 fundamEntos dE las técnicas cuantitativas y cualitativas dE  
administración dE riEsgos  
La administración de riesgos es un proceso estructurado que permite analizar e identificar  
los eventos que pueden llegar a tener un efecto en el desempeño de un proyecto. Este proceso  
establece pasos, da soporte metodológico al uso de técnicas cualitativas y cuantitativas,  
así también ayuda a concretar una evaluación de probabilidad e impacto de cada riesgo  
detectado. Se reconoce a la gestión de riesgos como parte de un ciclo formal y definido que  
determina la manera de obtener y analizar datos. “El proceso general de administración  
de riesgos en un proyecto está compuesto por cuatro etapas: 1) identificación de riesgos, 2)  
análisis de los riesgos, 3) planificación de acciones para manejar los riesgos y 4) monitoreo  
y control (Rodrigues-da-Silva y Crispim, 2014).” (Salgado & Awad, 2022, párr. 24). Esta  
estructura evidencía que el análisis de riesgos cuenta con una estructura formal que se  
apoya directamente de técnicas de evaluación cualitativas, cuantitativas o incluso mixtas,  
dependiendo el caso. Su elección depende del tipo de información disponible, del nivel de  
precisión que se requiera y la estructura esperada para concretar una correcta toma de  
decisiones. Esto va de la mano con la siguiente cita: “La entrada a la que hace referencia  
la norma es el nivel de riesgo, que puede ser obtenido, ya sea por análisis cualitativo,  
49  
Revista de ciencia de la Complejidad  
cuantitativo, semicuantitativo o mediante la combinación de estos;donde el método  
para utilizar dependerá de la información, datos y recursos de los que se disponga y del  
propósito del análisis.” (Doria Parra et al., 2019, p. 129) De este modo, se demuestra que el  
análisis de riesgos no es aleatorio, sino cuenta con una estructura formal que determina la  
selección de la técnica acorde.  
3. importancia dE la gEstión dE riEsgos En la EJEcución dE  
proyEctos  
La administración de proyectos depende de procesos que ayudan a anticipar y así controlar  
los eventos que tengan un efecto sobre el cumplimiento de objetivos. En este sentido, la  
gestión de riesgos es un elemento clave dentro de la planeación y operación, ya que “la  
gestión de riesgos empresariales consiste en un proceso de identificación y análisis de  
riesgo desde una perspectiva amplia e integral de la compañía”. (Doria Parra et al., 131)  
Esto permite que la organización reduzca fallas durante la ejecución.  
Además, una gestión fluida y correcta de riesgos depende de un proceso de identificación  
sólido. “Para una correcta identificación de los riesgos primero se debe determinar o  
conocer el contexto de la organización, identificar las necesidad y expectativas de las  
partes interesadas. Una vez hecho esto, se identifican estas acciones teniendo en cuenta  
los factores que puedan afectar el logro de los objetivos del proceso u organización, por qué  
puede suceder, qué puede provocarlo y qué impacto traerá esta acción si se materializa.”  
(Doria Parra et al., 133)Este planteamiento refuerza que la gestión de riesgos es de suma  
importancia para la ejecución fluida de proyectos, pues prioriza riesgos, anticipa daños y  
ayuda a la toma de decisiones informadas.  
4. marcos dE trabaJo y EstándarEs para una gEstión adaptativa  
4.1 iso 31000 y iso 31010  
LanormaISO31000:2018ofreceprincipiosy unmarcodetrabajoestructuradoquepermite  
integrar la gestión de riesgos en la gobernanza y la toma de decisiones organizacionales.  
Su naturaleza iterativa se adapta bien a ciclos de revisión periódicos,lesto nos lleva a que  
los proyectos se adapten (lo anterior permitido por una revisión, verificación, monitoreo  
y/o auditoría de los procesos/actividades desarrolladas y transparentes para todos  
los integrantes del equipo de administración de proyectos). Además, la ISO/IEC 31010,  
que complementa a la ISO 31000, proporciona técnicas de evaluación de riesgos, tanto  
cualitativas como cuantitativas, que funcionan en distintos contextos (ISO 2018).  
50  
Revista de ciencia de la Complejidad  
4.2 mEtodologías ágilEs: scrum y ExtrEmE programming (xp)  
Las metodologías ágiles fomentan ciclos cortos de entrega y una retroalimentación  
constante permitida por la revisión, retrospectiva y la entrega temprana basada en el valor,  
esto es ideal para la gestión adaptativa de riesgos. Por ejemplo, la Guía Scrum describe los  
Sprints, las retrospectivas y las revisiones, que pueden usarse para identificar, analizar  
y clasificar riesgos periódicamente y ajustar planes y así basados en el compromiso  
del cliente al revisar periódicamente los avances e incrementos del producto, se van  
reduciendo los riesgos (Schwaber& Sutherland, 2020). Por su parte, Extreme Programming  
aporta prácticas técnicas (como pruebas automatizadas, integración continua y pair  
programming) que reducen el riesgo técnico, mejoran la calidad del código y permiten  
respuestas rápidas ante fallos.  
4.3 Escalado: safE (scalEd agilE framEwork)  
En organizaciones con múltiples equipos y dependencias, SAFe (Scaled Agile Framework)  
proporciona mecanismos para alinear riesgos a nivel de programa y cartera, facilitando la  
gobernanza adaptativa sin perder la agilidad (Scaled Agile, Inc., s. f.). Permite coordinar la  
planificación, priorizar riesgos comunes y articular respuestas escaladas.  
4.4 lidErazgo adaptativo y complEJidad  
Según la Complexity Leadership Theory, el liderazgo efectivo en sistemas complejos no  
reside solo en la autoridad formal, sino que emerge de la interacción entre agentes. Uhl-  
Bien, Marion y McKelvey (2007) identifican tres roles entrelazados: liderazgo adaptativo,  
administrativo y habilitador, que juntos fomentan capacidad de aprendizaje, innovación y  
resiliencia en organizaciones complejas.  
5. propuEsta mEtodológica: un marco adaptativo dE gEstión  
dEl riEsgo  
Basado en los fundamentos anteriores, se propone un Marco de Gestión Adaptativa del  
Riesgo (MGAR) con los siguientes componentes:  
1. Proceso de tratamiento del riesgo: alineado con los Sprints ágiles: identificar, eva-  
luar (cualitativo y cuantitativo), responder, revisar y ajustar.  
2. Límites y señales tempranas: el establecimiento o definición de indicadores que de-  
tonan el riesgo permitirán revisar planes de contingencia o simulaciones cuantitati-  
vas/cualitativas, que permitan eliminar, mitigar transferir o aceptar el riesgo .  
51  
Revista de ciencia de la Complejidad  
3. Simulación específica: Usar Monte Carlo para riesgos priorizados, apoyado en mode-  
los estocásticos si es necesario (Vose, 2008; Brigo et al., 2008). Así también la utiliza-  
ción de técnicas cuantitativas y cualitativas como el valor monetario esperado, árboles  
de decisión, diagrama Ishikawa pueden ayudar a mejorar la comprensión e impacto del  
riesgo.  
4. Administración de relaciones: aplicar Event Chain Methodology para mapear cómo  
los riesgos están encadenados y cómo pueden propagarse (Virine & Trumper, 2007).  
5. Gobernanza adaptativa: El instaurar roles de liderazgo habilitador y comités de riesgo  
que trabajen con autonomía y poder de decisión, como sugiere la Complexity Leader-  
ship Theory (Uhl-Bien et al., 2007). Incorporar prácticas de XP, integración contínua,  
automatización de pruebas, redundancia técnica. Realizar retrospectivas de riesgos,  
lecciones aprendidas y ajustes de reservas o planes en función de la evidencia.  
La siguiente figura explica de manera gráfica el Método de Gestión Adaptativa del Riesgo  
(MGAR):  
figura 1. fuEntE: Elaboración propia  
6. indicadorEs y sEguimiEnto  
Para evaluar la eficacia del marco adaptativo, se pueden usar métricas que permitan  
52  
Revista de ciencia de la Complejidad  
establecer tiempos de detección, respuesta, probabilidad de cumplimiento de objetivos,  
cambios en los planes de contingencia, así como la correlación entre la predicción y  
detección de lo ocurrido, para ello se listan los indicadores a monitorear ver la figura 2:  
figura 2. fuEntE: Elaboración propia  
7. dEsafíos y limitacionEs  
Para llevar a cabo un análisis cuantitativo profundo se requiere de la ejecución de recursos  
económicos, así como la adquisición de equipo altamente especializado en simulación y  
modelado. La necesidad de bases de datos confiables, para la alimentación de los modelos,  
ya que dependen de suposiciones y datos para definir distribuciones y correlaciones. La  
cultura organizacional puede generar resistencia a delegar decisiones o a adoptar liderazgo  
adaptativo, por lo tanto se requiere de una estrategia de sensibilización y adopción del  
modelo de trabajo adaptativo. La sobre gobernanza puede generar cierta rigidez en la  
administración de cualquier proyecto, por ejemplo demasiadas reuniones de riesgo pueden  
ralentizar el proyecto si no se diseñan con ligereza.  
Por otro lado, para llegar a cabo el análisis cualitativo se requiere la participación directa  
de los participantes clave, esto por medio de entrevistas, grupos focales u otros, ya sea  
el caso, con el fin de recabar información sobre percepciones, experiencias y procesos  
internos. Este enfoque demanda tiempo, disposición de las dos partes e interpretación por  
53  
Revista de ciencia de la Complejidad  
parte del investigador, pues los resultados no son concretos, sino se obtienen por medio  
de codificación, categorización y análisis de la información. Cabe recalcar que el análisis  
cualitativo tiene un enfoque mucho más subjetivo, por lo que es necesario aplicar criterios  
de rigor metodológico que fortalezcan la credibilidad y validez de los hechos.  
A continuación se presenta una tabla que compara las principales diferencias entre el  
enfoque cuantitativo y cualitativo, considerando sus principales características.  
figura 3. fuEntE: Elaboración propia  
8. conclusión  
La gestión adaptativa del riesgo es una respuesta necesaria frente a la complejidad y  
la incertidumbre inherentes a proyectos contemporáneos de alta escala y dependencia.  
Integrar la teoría del caos (sensibilidad e impredecibilidad), la resiliencia ecológica  
(capacidad de reorganización), liderazgo adaptativo y técnicas analíticas (cualitativas  
y cuantitativas) permite construir organizaciones y proyectos con mayor capacidad de  
anticipación, respuesta y aprendizaje. La combinación práctica de marcos ágiles (Scrum,  
XP), estándares (ISO 31000, PMBOK) y herramientas cuantitativas (Monte Carlo) brinda  
un conjunto robusto y adaptable para la gestión de riesgos en escenarios complejos.  
Adoptar una gestión adaptativa del riesgo, basada en la teoría del caos, la complejidad y  
los sistemas dinámicos, permite a las organizaciones trabajar con las situaciones de la  
incertidumbre propia de todos los proyectos y en este caso de los proyectos complejos  
con mayor resiliencia, aprendizaje y capacidad de adaptabilidad. El análisis cualitativo y  
cuantitativo, facilitado por prácticas ágiles y estándares formales, ofrece un camino para  
administrar el riesgo de manera eficaz y estratégica.  
54  
RefeReNcIaS  
• Brigo, D., Dalessandro, A., Neugebauer, M.,  
& Triki, F. (2008). A stochastic processes  
toolkit for risk management. arXiv. https://  
arxiv.org/abs/0812.4210  
tps://scrumguides.org/docs/scrumguide/  
v2020/2020-Scrum-Guide-US.pdf  
• Uhl-Bien, M., Marion, R., & McKelvey, B. (2007).  
Complexity Leadership Theory: Shifting leader-  
ship from the industrial age to the knowledge  
era. The Leadership Quarterly, 18(4), 298–318.  
https://doi.org/10.1016/j.leaqua.2007.04.002.  
• Del Río Cortina, A. A., & Cárdenas Quinte-  
ro, B. G. (2018). Dinámica de sistemas: una  
forma de optimizar la gestión del riesgo.  
Revista EAN, (SPE), 125–143.  
• Virine, L., & Trumper, M. (2007). Predicting the  
unpredictable: How to analyze project risks  
using event chain methodology.  
• Doria-Parra, A., López-Benavidez, L., Boni-  
lla-Ferrer, M., & Parra-Cera, G. (2020). Me-  
todología para la implementación de la ges-  
tión de riesgo en un sistema de gestión de  
calidad. Signos. Investigación en Sistemas  
de Gestión, 12(1), 123-135.https://dialnet.  
unirioja.es/descarga/articulo/10226621.  
pdf  
• Vose, D. (2008). Risk Analysis: A Quantitative  
Guide (3rd ed.). John Wiley & Sons.  
• ISO. (2018). ISO 31000:2018 – Risk mana-  
gement – Guidelines. International Organi-  
zation for Standardization.  
• Salazar Duque, Ó. (2017). Mirada de la ges-  
tión moderna desde la teoría del caos y la  
transdisciplina. Universidad & Empresa,  
19(33), 137–161. https://doi.org/10.12804/  
revistas.urosario.edu.co/empresa/a.5234  
• Salgado, D., & Awad, G. (2022). Metodolo-  
gía para el análisis estratégico cuantitativo  
en proyectos a partir del análisis de riesgos.  
Estudios Gerenciales, 38(165), 450-464.  
http://www.scielo.org.co/scielo.php?pi-  
d=S0123-59232022000400424&scrip-  
t=sci_arttext  
• Scaled Agile, Inc. (s. f.). SAFe – Scaled Agile  
Framework. https://framework.scaledagi-  
le.com/  
• Schwaber, K., & Sutherland, J. (2020).  
The Scrum Guide (2020). Scrum.org. ht-  
55