Systemic Relational Insight: un metodo per l'intelligenza collettiva ibrida'

Mi è capitato spesso di finire dentro a discussioni “a porta aperta”, nelle quali un mix di esperti e non, cercava di trovare spunti su cui implementare soluzioni e risolvere problemi di varia natura.
Le più frustranti sono sempre quelle in cui si parla di situazioni in cui il grado di complessità parrebbe ovvio ai più, ma in cui ricorrono continuamente tentativi di semplificazione assurdi. Non tutto è complesso (per lo meno dal punto di vista analitico), ma certamente comprendere che determinati situazioni non sono descrivibili attraverso uno o due indici o variabili, dovrebbe essere il minimo comune denominatore di queste discussioni.
E invece no, cerchiamo di trovare soluzioni facili, veloci, di rapida implementazione. Capisco il perchè si tenda a fare questo, d’altronde siamo immersi nella cultura dell’esecuzione, del fare, del “senso pratico” e chiunque sia portatore di dubbio, è visto come un impostore. Se poi parli di metodo e di processo di conoscenza, diventi il nemico pubblico numero uno.
Ecco, ho un tantino esagerato, per fortuna passo altrettanto tempo in compagnia di persone intelligenti e sagge che comprendono l’importanza del maneggiare gli strumenti di ricerca e analisi giusti.

Inoltre, diciamolo, la partecipazione, per come è praticata nella maggior parte delle situazioni, è profondamente difettosa, manipolabile e inefficace¹.

Ma uno dei problemi che ad oggi nemmeno l’intelligenza artificiale ci ha aiutati a risolvere, riguarda la capacità di analizzare e rendere facilmente “navigabili” le discussioni su problemi complessi, quelle fatte di bilanciamento fra molteplici variabili e che non è possible esaurire a parole. Sono quei processi di analisi e comprensione che definiremmo di creazione di senso (alla base di qualsiasi decisione complessa in ogni settore, dalla ricerca e sviluppo alla pianificazione territoriale), nelle quali cerchiamo di descrivere il perimetro dei discorsi, di capire cosa è collegato a cosa, di trovare sintesi fra esperienza e sensazioni, percezione dei fenomeni, dati quantitativi e contestualizzazione delle teorie o delle pratiche migliori.

Nella mia ricerca di dottorato ho costruito un metodo per avvicinarci a questo tipo di approccio.

Gli “Spunti Relazionali Sistemici” (traduzione da Systemic Relational Insight – da qui in poi SRI – ahimé la scienza si scrive perlopiù in inglese), rappresentano un modello e un processo utile per affrontare le sfide complesse che caratterizzano il nostro mondo interconnesso. L’idea nasce dall’esigenza di:

• facilitare processi di creazione di senso (capire in profondità i fenomeni nelle loro relazioni con altri e nel contesto specifico), rendendo quindi più facile prendere decisioni su problemi sistemici;
• integrare in modo strutturato dati qualitativi e quantitativi raccolti durante processi partecipati;
• superare i limiti tradizionali del design partecipato, come l’esclusività, la rappresentatività, l’innovatività dei risultati e l’episodicità.

Gli SRI sono essenzialmente descrizioni di possibili relazioni tra fenomeni all’interno di un sistema complesso; la definizione a cui sono arrivato è la seguente:

A Systemic Relational Insight (SRI) is a description of a possible relationship between two or more phenomena, resulting from the synthesis of experience, knowledge and data, and validated by a community representative of the system itself

Un Systemic Relational Insight (SRI) è la descrizione di una possibile relazione tra due o più fenomeni, risultante dalla sintesi di esperienze, conoscenze e dati, e validata da una comunità rappresentativa del sistema stesso

Vengono generati attraverso un approccio di intelligenza collettiva ibrida, che combina il contributo umano con il supporto di algoritmi, e sono validati dalla comunità stessa.
Alcuni concetti chiave alla base degli SRI sono:

• sensemaking collettivo: il processo attraverso cui una comunità cerca di dare senso a situazioni complesse, integrando diverse fonti di informazione e conoscenza;
• approccio relazionale: l’attenzione alle connessioni e interazioni tra le diverse componenti di un sistema;
• Intelligenza ibrida: la sinergia tra capacità cognitive umane e potenzialità dell’intelligenza artificiale.

Gli SRI si rivelano utili per:

• analizzare e comprendere meglio sistemi socio-tecno-naturali complessi;
• supportare processi decisionali informati e partecipati (qui, le applicazioni pratiche su cui ho sperimentato);
• favorire l’innovazione sociale e la co-progettazione di soluzioni;
• creare una base di conoscenza condivisa e in continua evoluzione.

Gli SRI rappresentano un nuovo modo di guardare alla complessità, combinando l’intelligenza collettiva delle comunità (e usando ancora una parte di metodologie basate sul confronto di persona!) con le potenzialità delle nuove tecnologie. L’obiettivo è fornire uno strumento potente ma accessibile per affrontare le sfide del nostro tempo in modo più inclusivo, informato e sistemico.

Il processo per generarli e utilizzarli comprende più fasi, dal setup nella comunità di un gruppo di lavoro e “cura” del patrimonio informativo, alla loro validazione scalata ad un sistema di pubblici rilevante, a valle di attività sia di persona che elaborazione asincrona.
Il cuore tecnologico è costituito da una serie di algoritmi che contestualizzano la dimensione culturale nella quale viene svolta l’analisi, includendo vari approcci, dalle network science, all’NLP, ai language model (solo per la fase di assemblaggio e lifting linguistico degli insight prodotti), a seconda che si vogliano ottenere spunti esplicativi (che spiegano la relazione fra due fenomeni o fatti), oppure generativi (possibili schemi di espansione della discussione intorno al problema in analisi).

Gli SRI si differenziano dalle metodologie tradizionali di analisi dati in diversi aspetti chiave:

1. Approccio ibrido uomo-macchina: utilizzano un approccio di intelligenza collettiva ibrida, combinando il contributo umano con il supporto di algoritmi. Questo permette di sfruttare sia le capacità cognitive umane che le potenzialità dell’intelligenza artificiale, a differenza delle metodologie tradizionali che si basano principalmente su analisi automatizzate o solo umane.

2. Focus sulle relazioni: si concentrano sulle connessioni e interazioni tra le diverse componenti di un sistema complesso, adottando un approccio relazionale. Le metodologie tradizionali tendono invece ad analizzare i dati in modo più isolato o lineare.

3. Integrazione di dati eterogenei: permettono di integrare in modo strutturato dati qualitativi e quantitativi raccolti durante processi partecipati (su scala!) e attraverso metodologie di ricerca desk tradizionali. Questo consente una sintesi tra fonti di dati diverse che le metodologie tradizionali non riescono a combinare in modo automatico.

4. Validazione della comunità: sono validati dalla comunità stessa (un gruppo di persone, una rappresentanza, un territorio), garantendo una maggiore rilevanza e accettazione dei risultati. Le metodologie tradizionali spesso mancano di questo livello di validazione che garantisce un approccio etico, giusto e trasparente ai processi di analisi e supporto alle decisioni.

5. Continuità del processo: consentono una partecipazione continua piuttosto che episodica, creando una base di conoscenza condivisa e in continua evoluzione (questo un aspetto tecnicamente gestibile, anche se ancora in fase di studio nelle sue logiche evolutive)

6. Adattabilità ai contesti: possono essere adattati a diversi contesti e scale, dalla gestione di problemi locali all’analisi di questioni globali, grazie alla loro flessibilità intrinseca.

7. Etica e responsabilità: incorporano considerazioni etiche e di responsabilità nell’uso dei dati, incentrando i processi su “protocolli locali” riguardo al ciclo di vita delle informazioni e sul loro uso e grado di apertura oltre la comunità.

In sintesi, i Systemic Relational Insights offrono un approccio più olistico, partecipativo e adattabile all’analisi di sistemi complessi, integrando le capacità umane e tecnologiche in modo innovativo rispetto alle metodologie tradizionali.

. . .

Riferimenti

Ne ho parlato pubblicamente per la prima volta nel 2022 qui Cattabriga, A. (2023, March). Systemic Relational Insights: A new hybrid intelligence approach to make sense of complex problems. Relating System Thinking and Design 2022 Symposium. Relating System Thinking and Design 2022 Symposium, Brighton, UK. https://rsdsymposium.org/systemic-relational-insights-a-new-hybrid-intelligence-approach-to-make-sense-of-complex-problems/

Presto, in cantiere una nuova pubblicazione sugli esisti sistematici delle sperimentazioni condotte.

.