Modelli Mentali

I Modelli Mentali sono “schemi di ragionamento” sviluppati da grandi pensatori, innovatori, imprenditori e scienziati di tutte le principali discipline. Sono strumenti essenziali per interpretare la realtà e diventare decisori migliori. 

“Credo nella disciplina di approfondire il meglio di quello che gli altri hanno già compreso. Non credo sia utile stare seduti e cercare immaginare tutto da soli. Nessuno è così intelligente.”

Charlie Munger


Biologia

NK MODEL: tipologia di modelli utilizzati per processi decisionali complessi. Furono sviluppati dal biologo teorico Stuart Kauffman ispirandosi ai modelli evolutivi di combinazione genetica. N misura il numero di variabili su cui intervenire a K il numero di variabili interconnesse (se K = 1 le variabili sono indipendenti, cioè ogni variabile è interconnessa solo con se stessa). Consentono di modellare i concetti di “massimo locale” e “massimo globale”: i risultati della risoluzione di un problema possono comportare un massimo globale (il risultato migliore in assoluto) ma anche dei massimi locali (il risultato migliore per un determinato intorno di combinazioni di variabili). Per passare da un massimo locale a quello globale occorre accettare di peggiorare temporaneamente la situazione (scendere dal massimo locale) per poter salire più in alto (risalire sul massimo globale).

TEORIA DELL’EVOLUZIONE: modello utilizzato in biologia per interpretare i processi di cambiamento e adattamento. I principi della teoria darwiniana dell’evoluzione possono essere riassunti in 4 punti: tutte le specie derivano per evoluzione da un unico progenitore; la selezione naturale avviene quando il numero di nascite è superiore a quello consentito dalle risorse esistenti per cui i singoli individui iniziano a competere; le caratteristiche degli individui sono ereditate ma con alcune variazioni completamente casuali. Le variazioni che meglio si adattano all’ambiente circostante sono selezionate cioè gli organismi che le possiedono hanno più probabilità di sopravvivere e di trasmetterle alle generazioni successive; i cambiamenti nel processo di evoluzione sono costanti e graduali attraverso l’accumulazione nel lungo periodo di piccole variazioni favorevoli.

Design

DESIGN THINKING: è un approccio all’innovazione codificato dalla società di consulenza IDEO. Nello sviluppo di una nuova idea, il design thinking cerca di conciliare 3 fattori: la fattibilità (feasibility), cioè quello che è tecnologicamente realizzabile in tempi brevi; la redditività (viability) cioè il fatto che possa diventare parte di un business model sostenibile; la desiderabilità (desirability) cioè che il prodotto o servizio abbia un valore per le persone per cui è pensato. Il tutto partendo dall’osservazione dei bisogni e dei comportamenti degli individui con un approccio definito “human-centered”.

Filosofia

ESPERIMENTI MENTALI: strumenti dell’immaginazione che possiamo utilizzare per investigare la natura delle cose, analizzare scenari, situazioni e possibilità. Questa caratteristica distintiva dell’essere umano ci consente di fare nella nostra testa cose che non potremmo replicare nel mondo reale, valutare diverse prospettive e condurre esperimenti quando non abbiamo dati empirici a nostra disposizione.

RAGIONAMENTO DEDUTTIVO: il ragionamento deduttivo parte da alcune premesse ben definite e considerate valide in generale (“assiomi”) per arrivare attraverso un percorso logico a delle conclusioni specifiche. E’ una tipo di ragionamento “top-down” che si sviluppa da una teoria generale per spiegare il particolare. La forma più antica di ragionamento deduttivo è il sillogismo, parte centrale della logica di Aristotele: tutti gli uomini sono mortali, Aristotele è un uomo, quindi anche Aristotele è mortale.

RAGIONAMENTO INDUTTIVO: è un processo di tipo “bottom-up” che parte dall’osservazione del particolare, dall’analisi dei fatti specifici per arrivare a definire delle ipotesi più generali sulle quasi basare l’interpretazione della realtà. Di fronte a situazioni complesse cerchiamo di individuare degli schemi o degli andamenti che ci sono utili per formulare delle ipotesi, dei modelli mentali che utilizziamo per interpretare e semplificare la realtà. Man mano che raccogliamo ulteriori informazioni e feedback dall’ambiente, andiamo a rafforzare o indebolire le ipotesi che avevamo fatto in precedenza, eliminando quelle che non si sono dimostrate efficaci alla prova dei fatti e sostituendole con altre più adeguate.

RASOIO DI OCCAM: definito anche “principio della parsimonia”, è un modello filosofico che suggerisce che, a parità di tutte le altre condizioni, sia sempre da preferire la spiegazione più semplice di un fenomeno o la soluzione più immediata di un problema. Ha trovato una vasta applicazione nel mondo delle scienze dove, a parità di capacità esplicativa, ha determinato il prevalere di teorie semplici e facilmente dimostrabili rispetto a modelli più complicati e basati su concetti astratti difficilmente osservabili. Oggi trova un’applicazione in molteplici discipline, dal design alle strategie aziendali.

TEST DI TURING: modello filosofico sviluppato dal matematico Alan Turing nel 1950 per determinare l’intelligenza degli algoritmi. Conosciuto anche come Imitation Game prevede che un algoritmo possa essere considerato intelligente se nello svolgimento di un compito specifico possa imitare così bene un essere umano da non poter essere riconosciuto come “macchina”.

Fisica

METODO DEI PRINCIPI PRIMI: consiste nello scomporre un problema nei suoi elementi costitutivi elementari per poi riassemblarli ripartendo dall’inizio. Questa scomposizione e ricostruzione ci consente di comprendere a fondo la situazione, di capire veramente cosa si può e non si può fare con quei mattoncini indipendentemente da quanto è stato fatto da altri in precedenza. E’ quindi un modello mentale molto potente per indurci a pensare con la nostra testa, per non farci influenzare dalle convenzioni e dal pensiero comune e per sbloccare il nostro potenziale creativo.

PROBLEMA (O STIMA) DI FERMI: tecnica resa popolare da Enrico Fermi per effettuare stime affidabili quando si hanno pochi o nessun dato a disposizione. Un modo molto semplice per utilizzare il metodo di Fermi è quello di ragionare solo per potenze di 10 o ordini di grandezza.

Gestione del rischio

KNOWN UNKNOWNS: le cose che sappiamo di non sapere. Eventi, che seppur difficilmente prevedibili e potenzialmente ad alto impatto, possono essere spiegati sulla base dei modelli teorici esistenti e dell’attuale stato della conoscenza. Sono riconducibili al concetto di rischio inteso come casualità gestibile (in francese hasard dall’arabo az-zahr). Infatti pur non potendo calcolarne con accuratezza la probabilità, siamo spesso in grado di valutarne le conseguenze: per cui possono essere oggetto di tecniche di risk management.

FEED THE WINNERS/STARVE THE LOSERS: modello di allocazione del budget tra progetti alternativi che prevede che le risorse vengano incrementate sui prodotti che dopo il lancio acquistano progressivamente “momentum” e vengano tagliate su quelli che non decollano, indipendentemente dagli investimenti che sono stati effettuati in precedenza. Questa strategia consente di evitare le distorsioni connesse al principio dei sunk cost. E’ la strategia di finanziamento dei progetti utilizzata in Google.

MARGINE DI SICUREZZA: concetto chiave per far fronte all’incertezza e all’imprevisto. Negli aerei un esempio di margine di sicurezza è costituito dalla presenza del doppio motore e del secondo pilota. In ambito aziendale esempi sono costituiti da strategie di backup, da politiche di bilancio conservative che prevedono bassi livelli di indebitamento o il mantenimento costante di un livello di cassa positivo. Il margine di sicurezza ci concede il lusso di non dover prevedere il futuro, di poter commettere degli errori. Si tratta quindi di creare dei cuscinetti all’interno del sistema, quello che gli anglosassoni definiscono “redundancy”. Il margine di sicurezza prevede una filosofia operativa opposta al concetto di “ottimizzazione” che domina l’organizzazione dei sistemi moderni.

UNKNOWN UKNOWNS: le cose che non sappiamo di non sapere. Fenomeni che non possono essere interpretabili con i modelli esistenti e quindi oltre ad essere praticamente impossibili da prevedere sono anche di difficile comprensione. Il campo di azione di questi eventi può essere limitato attraverso l’attività di ricerca e sviluppo finalizzata a far emergere fenomeni che non siamo in grado di analizzare con i modelli esistenti.

Intelligence Analysis

ANALISI COMPETITIVA DELLE IPOTESI (ANALYSIS OF COMPETING HYPOTHESES – ACH): procedura decisionale sviluppata da Richards Heuer ed utilizzata dalla CIA per la valutazione di problemi particolarmente complessi. L’analista deve identificare esplicitamente tutte le ipotesi alternative e metterle in diretta competizione tra loro, focalizzarsi solo sulle evidenze con elevato valore diagnostico (cioè che spostano la valutazione relativa delle ipotesi) e dare priorità alle informazioni che smentiscono o riducono le probabilità delle ipotesi.

WHAT IF ANALYSIS (PENSARE AL CONTRARIO): consiste nell’ipotizzare che un evento, che riteniamo piuttosto improbabile, sia invece realmente accaduto. Ci posizioniamo nel futuro, ad un anno da oggi, e cerchiamo di ricostruire cosa possa essere accaduto per aver determinato quell’evento. Questa metodologia consente di spostare il focus dal valutare la probabilità di un evento al valutare le condizioni che lo possono determinare. Questa tecnica è particolarmente importante per analizzare eventi a bassa probabilità ma ad impatto potenzialmente elevato che molto spesso vengono trascurati perché ritenuti improbabili: immaginando come possano accadere si possono individuare una serie indicatori di allarme che devono essere costantemente monitorati per verificare un eventuale cambiamento di scenario.

Microeconomia

COSTO OPPORTUNITA’: è definito come la perdita del beneficio della migliore alternativa all’azione che stiamo intraprendendo. Il costo può essere definito in termini di denaro, tempo o piacere. Il principio vale quando le risorse (denaro, tempo, opportunità) sono limitate e la scelta di un’azione preclude l’alternativa.

SUNK COST: modello secondo il quale una decisione deve considerare solo i benefici e i costi futuri tralasciando invece gli investimenti/costi sopportati in passato in quanto irrecuperabili.

Psicologia

APPROFONDIMENTO PROGRESSIVO: modello mentale codificato da Adrian de Groot basato sull’analisi approfondita del processo decisionale dei giocatori di scacchi. L’analisi effettuata dallo psicologo olandese ha dimostrato che gli scacchisti valutano ogni mossa a più riprese seguendo un percorso che parte da una fase iniziale di analisi della posizione (orientamento), prosegue con la considerazione di tutte le mosse potenziali (esplorazione) con l’obiettivo finale di restringere il cerchio a solo due mosse, e arriva poi ad una fase dove le due mosse vengono analizzate nel dettaglio (investigazione) per capire quale sia la migliore. La conclusione di de Groot è che i giocatori di scacchi non agiscono mai sulla prima intuizione ma anzi una parte essenziale del processo decisionale è rappresentata dall’individuazione di soluzioni alternative per metterle poi in feroce competizione tra di loro.

ANALISI DELLE FORZE IN CAMPO: modello introdotto dallo psicologo Kurt Lewin secondo il quale il comportamento di ciascun individuo o organizzazione è il risultato del bilanciamento di due forze opposte. Da una parte ci sono le forze che ti spingono verso una particolare direzione, obiettivo o comportamento definite forze a favore (“driving forces”); dall’altro ci sono le forze contro (“restraining forces”) che si muovono in direzione opposta. Le forze a favore spingono verso il cambiamento e il raggiungimento di un obiettivo mentre le forze contro sono a favore del mantenimento dello status quo . Ogni situazione e la sua eventuale evoluzione dipende dal peso relativo di questi due fattori.

BASE RATE (VISIONE ESTERNA): quando cerchiamo di valutare le probabilità di successo di una decisione dovremmo incorporare la visione esterna (“outside view”) analizzando come altre persone abbiano affrontato lo stesso tipo di problema e con quali risultati e quali siano le statistiche di riferimento. Occorre quindi costruire un benchmark esterno adeguato e non basarsi solo sulle proprie valutazioni personali (“internal view”).

BIAS DELL’ADDIZIONE: di fronte ad un problema o una scelta, abbiamo una naturale propensione a trovare soluzioni che aggiungono e tendiamo sottovalutare sistematicamente il potere della sottrazione.

MULTIPLE LEVEL THINKING: modello introdotto dal campione di poker David Sklansky che individua i diversi livelli di pensiero sui cui si possono posizionare i giocatori. Al livello 1, un giocatore si focalizza solo sulle carte che ha in mano mentre al livello 2 inizia a percepire le strategie degli avversari. Ma è solo al livello 3 che un giocatore diventa efficace, cioè quando inizia a capire la percezione che gli altri hanno delle sue strategie. In questo modo può avere maggiore controllo del gioco ed utilizzare in maniera efficace lo strumento del bluff. Capire la percezione che gli altri hanno di noi è un requisito fondamentale per prendere decisioni vincenti.

PENSIERO CONTROINTUITIVO (“COUNTERFACTUAL THINKING”): una strategia per evitare gli errori connessi alla “fallacia narrativa” e al “senno del poi” cioè la tendenza naturale a ricostruire gli eventi passati con storie semplificate e nessi causali inesistenti, giudicando quanto avvenuto come ovvio ed inevitabile. Il pensiero controintuitivo mette sulla stessa bilancia quello che è accaduto e quello che sarebbe potuto accadere (“what if scenarios”) riconoscendo che la realtà è complessa e che quanto avvenuto sia stato solo uno dei potenziali percorsi.

PENSIERO DI SECONDO  LIVELLO (“SECOND-ORDER THINKING”): in sistemi complessi caratterizzati dall’interazione di molti fattori, è molto difficile valutare le conseguenze delle nostre scelte; anzi spesso gli effetti sono il contrario di quello che speravamo di ottenere (“unintended consequences”). E’ necessario sviluppare una visione d’insieme e pensare in termini di sistema: non ci si deve concentrare solo sulle conseguenze immediate delle proprie scelte (effetto di primo livello) ma occorre valutare anche gli effetti di secondo/terzo/n-esimo livello sugli altri attori del sistema in cui stiamo operando.

PENSIERO INTEGRATIVO: molti leader hanno la capacità di mantenere in testa due idee opposte contemporaneamente, sfruttando creativamente la tensione che ne deriva per generare una nuova idea che contiene elementi dell’una e dell’altra ma è superiore ad entrambe. Questo processo di analisi e sintesi è stato definito da Robert Martin pensiero integrativo.

PENSIERO NON LINEARE (“NON LINEAR THINKING”): nel mondo reale molte relazioni non sono lineari. Ciò significa che i dati del passato possono confermare una teoria e il suo esatto contrario. Pensare in maniera non lineare significa considerare il punto di partenza prima prendere una decisione. L’esempio più celebre di una relazione non lineare è quello tra livello di tassazione ed entrate fiscali (curva di Laffer): per capire se un aumento delle tasse possa portare ad un aumento o ad una riduzione delle entrate fiscali occorre valutare il livello di partenza. Altri esempi di relazioni non lineari sono quelle tra cibo e salute, tra numero di allenamenti e performance sportiva, tra numero di ore lavorate e risultato, tra informazione e accuratezza decisionale.

REGOLA DELL’INVERSIONE: è il modello mentale preferito da Charlie Munger. Se devo capire come ottenere X, invece di iniziare subito a pensare alle azioni da intraprendere per raggiungere l’obiettivo, è più semplice partire invertendo il problema cioè cercando di individuare quello che deve accadere per ottenere non-X (il contrario di X). In ogni situazione, prima di capire cosa fare è più efficiente aver subito chiaro cosa escludere, ciò che è irrilevante, gli errori da evitare, i comportamenti da censurare.

SCHEMA DI MINIMIZZAZIONE DEL RIMPIANTO (“REGRET MINIMIZATION FRAMEWORK”): modello citato da Jeff Bezos nel 2001 che consiste nell’immaginarsi in età avanzata, guardare indietro alla propria vita e cercare di capire quali scelte avrebbero minimizzato il nostro rimpianto. Questo schema di pensiero ci può servire quando dobbiamo prendere decisioni importanti tra un’opzione sicura ed una nuova potenzialmente molto interessante ma più rischiosa.

Sociologia

ATTACCAMENTO PREFERENZIALE: modello che generalizza il concetto di vantaggio cumulativo. Tanto più un fenomeno è diffuso quanto è più probabile che si diffonda ulteriormente a seguito di meccanismi di feedback positivo (ad es. mode, idee, standard tecnologici etc). Nei fenomeni caratterizzati da attaccamento preferenziale è molto difficile effettuare previsioni: piccole differenze negli sviluppi iniziali possono influenzare in maniera definitiva tutto il percorso successivo. Inoltre al raggiungimento di un determinato “punto critico”, il vantaggio derivante dall’attaccamento preferenziale viene definitivamente acquisito consolidando il fenomeno (affermazione di una moda, successo di un prodotto, diffusione di un’idea e così via). Le influenze social con i loro processi di feedback aumentano l’intensità dei processi di attaccamento preferenziale.

EFFETTO MATTHEW (VANTAGGIO CUMULATIVO): schema utilizzato per interpretare quei fenomeni in cui piccoli vantaggi iniziali si accumulano nel tempo attraverso meccanismi di feedback positivo fino a consolidarsi (il ricco diventa più ricco e il povero più povero). Il vantaggio cumulativo opera quando gli eventi non sono indipendenti, cioè quando quello che è accaduto in passato influenza quello che accadrà in futuro (effetto memoria o path dependence). 

Statistica

DISTRIBUZIONE A CAMPANA O NORMALE: modello statistico nel quale gli eventi sono distribuiti attorno ad una media, con uno scostamento misurato attraverso la deviazione standard. Gli eventi estremi, cioè molto differenti rispetto alla media, hanno probabilità molto contenute. La scala è predefinita: il range possibile di valori è limitato. Il singolo evento ha un impatto non significativo sull’aggregato. Esempi di variabili con distribuzione a campana sono l’altezza e la temperatura, il peso, i risultati dei test (ad esempio l’IQ test), i voti a scuola, le statistiche sportive, il consumo di calorie e così via.

EQUAZIONE DI DE MOIVRE: i risultati di un campione estratto da una popolazione oggetto di analisi tendono a essere tanto più variabili quanto più il campione è piccolo. Più formalmente la variabilità delle caratteristiche del campione è inversamente proporzionale alla sua dimensione.

LEGGE DEI GRANDI NUMERI: proprietà statistica secondo la quale le caratteristiche del campione, come ad esempio la media o la proporzione, tendono a convergere a quelle della popolazione (da cui il campione è estratto) all’aumentare della dimensione del campione.

LEGGE DI POTENZA O DISTRIBUZIONE SCALABILE: modello statistico utilizzato per spiegare il comportamento di variabili caratterizzate da elevati livelli di disuguaglianza. Le variabili che seguono una legge di potenza sono caratterizzate da un’elevata frequenza di eventi piccoli, e da un ristretto numero di eventi di grandi dimensioni (disuguaglianza). Singoli eventi estremi hanno un impatto rilevante sul totale (predominio dell’accidentale o del cigno nero). Vale il principio di scalabilità: non vi è un range predefinito di valori come per le distribuzioni a campana e le probabilità che un evento estremo diventi ancora più estremo rimangono invariate. Esempi di variabili caratterizzati da leggi di potenza sono la ricchezza (regola di Pareto), il linguaggio (legge di Zipf), le vendite di libri e gli streaming musicali, i “click” sui siti internet, la dimensione delle città, la capitalizzazione delle società quotate in borsa, i danni causati da terremoti e altre calamità naturali, le vittime delle guerre, la volatilità del mercato azionario e così via.

PENSIERO PROBABILISTICO: modello di analisi che valuta sia le probabilità che le conseguenze dei possibili scenari di una scelta in modo da consentire il calcolo del valore atteso complessivo.

SURVIVORSHIP BIAS: proprietà statistica che si manifesta quando il campione di dati che stiamo analizzando non è rappresentativo dell’intera popolazione perché esclude i risultati di quei componenti della popolazione che non ce l’hanno fatta e sono stati eliminati durante il percorso. Da qui il termine “survivorship” perché il campione è focalizzato (“biased”) solo sui sopravvissuti. Il survivorship bias è tipico di tutte quelle situazioni in cui la storia viene scritta dai vincenti e si trascurano le “prove silenziose” dei perdenti.

TEOREMA DELLA DIVERSITA’ PREVISIONALE: modello sviluppato da Scott E. Page che dimostra come le previsioni aggregate del collettivo siano sempre migliori di quella del previsore mediano (ossia che si posiziona a metà classifica nella bontà delle previsioni). Inoltre molto frequentemente la previsione media del collettivo è migliore di quella dei migliori previsori individuali.

TEOREMA DI BAYES: per calcolare le probabilità di un evento occorre partire da ipotesi iniziali (prior probabilities), analizzare le osservazioni e poi ragionare all’indietro (reasoning backward) per verificare l’attendibilità delle ipotesi iniziali ed eventualmente modificarle a seguito delle evidenze.

Strategia aziendale

LEVA MANAGERIALE: i risultati che otteniamo sono una funzione del numero di attività svolte e della loro leva, che definisce l’impatto sul risultato di ciascuna attività. Ne deriva che per incrementare la produttività si può agire non solo sul numero di attività svolte, ma anche e soprattutto sulla loro leva.

Teoria dei giochi

RAGIONAMENTO ALL’INDIETRO: prevede di immaginare i possibili percorsi futuri (spostarsi in avanti), valutarne in anticipo le probabilità e/o gli esiti e ragionare all’indietro (comprendere all’indietro) per capire quale sia la migliore scelta da effettuare oggi, in funzione del percorso che sarà in grado di generare. Questo modello di pensiero, è alla base della teoria degli alberi decisionali.