*Estruturas dissipativas-> Ilya Prigogine recebeu o Prêmio Nobel de Física em 1978 por seu

trabalho em termodinâmica. O cientista estudou estruturas dissipativas (mais tarde chamada de

sistemas dinâmicos complexos) que trocam constantemente energia (recepção e emissão) com seu
ambiente.

Ela mostrou que esses sistemas podem produzir um comportamento imprevisível (Cooke-Davis et
al., 2007), pois ora exibem ciclos de comportamento previsível, ora são instáveis (Wood Jr. et al.,
Vasconcellos, 1993).

*Limite do caos (Edge of chaos)-> Uma fronteira caótica é um ponto teórico entre a ordem e o
caos (Remington et Pollack, 2007). É aqui que existe um nível de caos, mas o sistema mantém um
nível de ordem. Isso mantém a coerência e a consistência internas e preserva a especialização de
algumas funções. Isso libera a criatividade e abre oportunidades de melhoria, pois a troca de
informações com o ambiente é maximizada.

Morin (2005) apontou que existe uma estreita relação entre ordem e caos porque os dois se
influenciam. Em alguns casos, a desordem é necessária para alcançar a organização. Em outras
palavras, o caos ajuda a construir organizações.

Nessa direção, Ponchrolli (2007) aponta para a existência de duas redes distintas de conexões entre
os agentes do sistema: a rede legítima e a rede “sombra”. Redes legítimas são formadas por
conexões compreendidas e explicitamente estabelecidas entre agentes. Redes "sombra" são
formadas por interações espontâneas (anteriormente não previstas) conexões entre agentes. De um
modo geral, a rede legítima estabiliza o sistema, enquanto a rede "sombra" desestabiliza o sistema.

Portanto, o limite do caos é uma zona paradoxal onde a estabilidade e a instabilidade coexistem, as
redes legais e as redes "sombra" entram em conflito, o feedback positivo e o feedback negativo
coexistem e é impossível se comunicar entre si. prevalecer. Com isso, o sistema torna-se mais
sensível às condições iniciais e torna-se criativo devido ao duplo aprendizado proporcionado pela
dupla retroalimentação (Ponchirolli, 2007).

Assim, o sistema aprende por meio de um mecanismo de feedback, o que aumenta as taxas de erros
e acertos. Dessa forma, um erro trivial pode causar a falha do sistema e uma oportunidade pode
levar o sistema a um alto desempenho. Esses mecanismos de aprendizado são influenciados pelas
condições iniciais de cada ciclo e podem melhorar a compreensão de por que as organizações
sucumbem ou prosperam inesperadamente quando confrontadas com os detalhes do que aconteceu
em suas trajetórias.

É no limiar do caos que surgem as maiores oportunidades de evolução do sistema (PMI, 2009), pois
a desordem força a criação de novas formas de ordem. Na analogia da água, o vapor representa um
estado de caos e o gelo representa um estado de ordem, mas a água em sua forma líquida oferece a
melhor oportunidade para atividades complexas.

*Emergência-> A emergência é o resultado de interações dinâmicas entre as partes (Sheffield et al.,

2012). As propriedades de ocorrência permitem a aparência de recursos e padrões que diferem em
tipo e extensão daqueles dos componentes do sistema (PMI, 2009). A emergência está no centro do
processo de evolução, adaptação e transformação.
*Sistemas adaptativos complexos->
Segundo PMI (2014, p. 28), um sistema “é visto como uma coleção de componentes distintos que
juntos podem produzir resultados que não podem ser alcançados pelos componentes sozinhos”.
Sistemas abertos são sistemas porque consistem em partes inter-relacionadas que trabalham juntas e
são abertos porque trocam recursos com seu ambiente (Anderson, 1999).

Como uma maneira intuitiva de ver o mundo, o conceito de um sistema ajuda a entender como as
coisas se relacionam umas com as outras e com tudo o mais. (Remington et Pollack, 2007). De
acordo com a abordagem sistêmica, as empresas são vistas como sistemas abertos que interagem
constantemente com seu ambiente. (Ponchirolli, 2007; Sheffield et al., 2012). Um padrão de
repetição deve existir em um sistema para ser um sistema; caso contrário, seria um simples evento
em vez de um sistema. (Remington et Pollack, 2007). Além disso, é importante notar que o
comportamento de um sistema é dinâmico quando muda ao longo do tempo. (Ponchirolli, 2007).

Desta forma, a complexidade reflete a compreensão de que tudo é composto de muitas partes, mas
não todas elas. Consequentemente, sistemas complexos não podem ser compreendidos pelas
características dos agentes individuais, uma vez que o todo não pode ser explicado pela soma de
suas partes. Como resultado, é impossível prever como o sistema se comportaria usando seus
componentes como base. (Weaver, 2007). Isto é verdade, por exemplo, de escolas de peixes,
colônias de formigas e grupos sociais humanos.

Sistemas puramente físicos ou químicos são deterministas com regras fixas; em contraste, sistemas
orgânicos complexos são adaptáveis porque mudam ao longo do tempo. (Ponchirolli, 2007).
Ponchirolli afirma que esta evolução depende da possibilidade de condições de interferência do
sistema que possam levar a interações e efeitos inesperados em que causas são convertidas em
efeitos e vice-versa.

Sistemas adaptativos complexos são aqueles que aderem à teoria da complexidade. (Aritua et al.,
2009). Professor do MIT e presidente do New England Complex Systems Institute, Yanner Bar-Yam
explica que o cérebro humano, a fisiologia humana, os governos, as famílias, o tráfego na estrada, o
impacto das doenças infecciosas, os ecossistemas globais e os subsistemas como desertos, oceanos
e flora são todos exemplos de sistemas complexos. (Bar-Yam, 2003). O PMI (2009) cita terremotos,
sistemas celulares e sistemas humanos como exemplos de sistemas dinâmicos complexos.

Como resultado, numerosas mudanças podem ocorrer tanto dentro do sistema como entre o sistema
e seu ambiente, ou, em outras palavras, comportamentos adaptativos contribuem para a dinâmica do
sistema. (PMI, 2014). No entanto, apesar do fato de que as interações estão sempre mudando,
sistemas complexos ainda podem aderir a um padrão predeterminado. (Sargut et al., 2011).

Finalmente, é vital notar que os sistemas humanos complexos diferem daqueles encontrados na
natureza porque são imprevisíveis e a inteligência humana os impede de serem modelados da
mesma forma. (Snowden et al., 2007). A Figura 2 ilustra um comportamento adaptativo sofisticado.

*Redes complexas-> De acordo com a definição de Barabási de 2003, uma rede complexa é um
gráfico composto de vértices (nós) que são conectados por arestas (conexões ou arcos) e tem
características topológicas que são particulares. Redes complexas são usadas em muitas áreas do
conhecimento humano, incluindo biologia, matemática, computação, sociologia, bibliometria, as
artes, zoologia, linguística e psicologia.
Os co-fundadores da empresa Google, Larry Page e Sergey Brin, desenvolveram um dos aplicativos
mais famosos das redes complexas por volta do final da década de 1990. Eles perceberam que as
páginas com muitos hiperlinks tendem a ser mais relevantes do que aquelas com poucos. Esta
percepção serviu como inspiração para o desenvolvimento do algoritmo PageRank para organizar
páginas da web. (Brin et Page, 1998).

Pesquisadores no campo se interessaram por redes complexas porque ofereceram uma maneira de
simular sistemas dinâmicos complicados. É possível entender melhor o comportamento de um
sistema complicado através da topologia dessas redes.

No entanto, em geral, uma "rede" é "uma abstração que permite algum tipo de relação entre pares
de objetos" (Figueiredo, 2011). Em muitos domínios da natureza, por exemplo, existem redes de
computadores, pessoas, objetos, neurônios, proteínas, predadores e presas. Estas redes demonstram
a ideia de que cada uma dessas entidades tem um comportamento que não é explicado pelo
comportamento das partes individuais, mas é influenciado pela interação entre elas. Portanto, as
redes sociais afetam e permeam a vida diária das pessoas.

Neste campo de estudo, é crucial compreender, caracterizar e modelar a rede, já que muitos
fenômenos podem ser melhor compreendidos se forem modelados de acordo com a estrutura da
rede em que operam. (Figueiredo, 2011). Como resultado, a funcionalidade é influenciada pela
estrutura; portanto, pode-se deduzir informações sobre um fenômeno simplesmente entendendo as
características da rede que ela mapeia.