| Ruta 2: Gestión de Calidad • Nivel 4 • Artículo 2 | Calidad como Sistema Estratégico |
Causa raíz con evidencia
Estrategia y variabilidad: el análisis que la mayoría de los gerentes evita
El análisis de causa raíz es, en teoría, una de las herramientas más poderosas de la gestión moderna. En la práctica de la mayoría de los sistemas de gestión, es uno de los ejercicios más superficiales que existen.
Se aplica el diagrama de Ishikawa con las mismas seis categorías de siempre. Se ejecutan cinco ‘por qué’ que terminan en ‘falta de capacitación’ o ‘error humano’ en el tercer nivel. Se documenta una causa que todos saben que no es la real. Y se cierra el ciclo.
El análisis de causa raíz con evidencia es diferente. No comienza con una herramienta. Comienza con datos. Y no termina en la persona que cometió el error. Termina en el sistema que hizo posible que ese error ocurriera y no fuera detectado.
| ⚠ El ‘error humano’ como excusa sistémica El ‘error humano’ como causa raíz es casi siempre una confesión de que el análisis se detuvo demasiado pronto. Los humanos cometen errores predecibles en sistemas predecibles. Si el error es recurrente, la causa está en el diseño del sistema, no en la persona que lo ejecuta. |
El problema de los análisis sin evidencia
Un análisis de causa raíz sin evidencia no es un análisis. Es una narrativa. Y las narrativas tienen un problema serio: se construyen hacia atrás desde la conclusión que ya teníamos antes de empezar.
Los gerentes que hacen análisis sin evidencia confirman lo que ya creían. Si creen que el problema es falta de capacitación, el análisis termina en capacitación. Si creen que es un problema de proveedor, el análisis termina en el proveedor. La herramienta de análisis se convierte en un mecanismo de justificación, no de descubrimiento.
La evidencia interrumpe ese mecanismo. Cuando los datos apuntan en una dirección que contradice la intuición, el analista tiene que decidir: ¿sigo con mi narrativa o sigo los datos? La calidad del análisis se mide en la honestidad de esa decisión.
| 🔍 La pregunta que desmonta la narrativa Prueba rápida de un análisis de causa raíz: Pregúntele al equipo: ¿Qué evidencia tenemos de que esta es la causa real y no simplemente la causa más obvia o la más cómoda de aceptar? Si nadie puede responder con datos, el análisis no está terminado. |
Las herramientas de análisis: fortalezas, límites y nivel de evidencia
Existen múltiples herramientas de análisis de causa raíz. El problema no es la herramienta sino el uso acrítico de cualquier herramienta sin entender qué tipo de problema resuelve mejor y qué tipo de evidencia requiere:
| Herramienta | Mejor para | Límite crítico | Nivel de evidencia |
| 5 Por qué | Cadenas causales simples y lineales | Produce narrativas si no hay datos en cada nivel. Los ‘por qué’ sin evidencia son opinión disfrazada de análisis. | Bajo (sin datos) / Alto (con datos) |
| Ishikawa (espina de pescado) | Mapear categorías de posibles de causas | Identifica posibilidades, no causas reales. Requiere análisis posterior para validar cuáles son reales. | Bajo por sí solo |
| Análisis de Pareto | Priorizar causas por frecuencia o impacto | Solo funciona si la clasificación de causas es consistente y los datos son confiables. | Medio-Alto |
| Gráficas de control (SPC) | Distinguir variabilidad normal de anormal | Requiere datos en serie temporal. No indica la causa, pero indica cuándo buscarla. | Alto |
| Análisis de correlación | Identificar relaciones entre variables del proceso | Correlación no es causalidad. Requiere juicio experto para interpretar. | Medio-Alto con diseño correcto |
| Análisis de fallas (AMEF) | Identificar modos de falla potenciales antes de que ocurran | Es preventivo, no reactivo. Pierde valor si se usa solo para documentar. | Alto cuando es predictivo |
Variabilidad: el concepto que cambia el análisis de causa raíz
El concepto más poderoso e ignorado en el análisis de causa raíz es la variabilidad. Shewhart y Deming lo tenían claro: no toda variación en el desempeño del proceso tiene la misma causa ni requiere la misma respuesta.
Tratar toda variabilidad de la misma forma es uno de los errores más costosos que comete un sistema de gestión. Genera dos tipos de errores igualmente dañinos: intervenir cuando no se debe (y destruir la estabilidad del proceso), o no intervenir cuando sí se debe (y dejar que una causa especial genere fallas evitables).
| Tipo de variabilidad | Origen | Respuesta correcta | Error común |
| Variabilidad común (aleatoria) | Característica del sistema. Está en el diseño del proceso. | Mejorar el sistema. Rediseñar el proceso. No buscar un culpable. | Buscar la causa de cada punto de variación como si fuera un evento especial. Genera sobreajuste y mayor variabilidad. |
| Variabilidad especial (asignable) | Causas identificables y específicas fuera del sistema normal. | Identificar, eliminar o mitigar la causa específica. Acción directa. | Ignorarla como parte del proceso normal. Permite que la causa especial se repita indefinidamente. |
La implicación estratégica es directa: si su proceso tiene alta variabilidad común, no necesita acciones correctivas por cada desviación. Necesita rediseñar el proceso. Si tiene variabilidad especial recurrente, necesita identificar la causa específica que el sistema no está controlando.
Un sistema de gestión que no distingue estos dos tipos de variabilidad genera cientos de acciones correctivas al año sobre variaciones normales del proceso, agota los recursos de gestión, y deja sin atención las causas especiales que sí requieren intervención.
| 💡 El diagnóstico del volumen de AC Si su área tiene más de 20 acciones correctivas abiertas simultáneamente, probablemente no tiene 20 causas raíz distintas. Tiene un sistema con alta variabilidad común que necesita ser rediseñado, no corregido caso por caso. |
El análisis de causa raíz con evidencia: protocolo de 6 pasos
Este protocolo no es una herramienta. Es una disciplina de pensamiento que aplica a cualquier herramienta de análisis:
- Paso 1 — Describir el problema con datos. No con palabras. Con números: cuándo ocurrió, con qué frecuencia, en qué condiciones, con qué magnitud. Si no hay datos que describan el problema, el primer paso es conseguirlos, no analizar.
- Paso 2 — Distinguir el tipo de variabilidad. ¿Esta desviación es parte del comportamiento normal del proceso o es un evento especial? Las gráficas de control o el análisis de tendencia histórica pueden responder esta pregunta con datos.
- Paso 3 — Formular hipótesis causales, no conclusiones. El análisis comienza con posibilidades, no con certezas. ‘Creemos que la causa podría ser X’ es el punto de partida correcto. ‘La causa es X’ es el error de confirmación que destruye el análisis.
- Paso 4 — Buscar evidencia que confirme o refute cada hipótesis. Datos de proceso, registros, observaciones directas, comparaciones con periodos sin el problema. Una hipótesis que no puede ser refutada con datos no es una hipótesis: es una creencia.
- Paso 5 — Seleccionar la causa con mayor soporte en evidencia y verificar que su eliminación es factible. Una causa real que no puede atacarse no es útil como conclusión de un análisis. La causa raíz accionable puede ser diferente a la causa raíz última.
- Paso 6 — Definir cómo saber que la causa fue eliminada. Antes de implementar la acción, definir el indicador de eficacia. ¿Qué debe cambiar en los datos si la acción funcionó? Sin esta definición previa, la verificación de eficacia será subjetiva.
| Análisis sin evidencia • Comienza con la conclusión • Usa herramientas para justificar, no para descubrir • Termina en ‘error humano’ o ‘falta de capacitación’ • Genera acciones cómodas que no resuelven el sistema • Se cierra cuando el tiempo de la acción expira • El mismo problema regresa con nueva descripción | Análisis con evidencia • Comienza con datos del problema real • Usa herramientas para generar hipótesis • Termina en causas del sistema que explican el patrón • Genera acciones que requieren autoridad y compromiso • Se cierra cuando el indicador de eficacia lo confirma • El problema no regresa o la organización aprende por qué sí |
La dimensión estratégica del análisis de causa raíz
Un análisis de causa raíz que llega al nivel del sistema inevitablemente toca decisiones estratégicas. El proceso falla porque fue diseñado para una capacidad que ya fue superada. El proveedor genera problemas porque la decisión de selección priorizó el costo sobre la calidad. El producto tiene defectos porque el portafolio creció más rápido que la capacidad de gestión.
Cuando el análisis llega allí, la respuesta ya no es una acción correctiva. Es una decisión estratégica. Y esa decisión la tiene que tomar la alta dirección, no el equipo de calidad.
Las organizaciones que gobiernan bien con ISO 9001 tienen un mecanismo explícito para escalar los análisis de causa raíz que llegan a este nivel. No los resuelven operativamente. Los elevan como insumo para la revisión estratégica.
| 🎯 La conclusión que requiere coraje El análisis de causa raíz que nadie quiere terminar es el que lleva a una conclusión que requiere que la dirección cambie algo que no quiere cambiar. La madurez de un sistema de gestión se mide en parte por su capacidad de llegar a esas conclusiones y actuar sobre ellas de todas formas. |
| Analizar con evidencia no es más difícil que analizar con opinión. Es más incómodo. Porque los datos a veces apuntan a lugares que nadie quería mirar. |
Más información en https://isoscorecard.wordpress.com/2023/06/30/estrategia-y-variabilidad/
Escribir a isoscorecard@gmail.com
Todos los artículos se basan en los escritos originales de este blog, pero actualizados y revisados con IA
Disclaimer: Recomendamos validar cualquier implementación con expertos calificados, entes de certificación, organismos de normalización o consultores especializados. No sustituye asesoría profesional.
