Troncone, Enzo Piermichele (2016) Collective Intelligence Management in Complex Decision-Making Process: A Paraconsistent Logic Approach. [Tesi di dottorato]

Anteprima

Testo Collective Intelligence Management in Complex Decision-Making Process_A Paraconsistent Logic Approach_Enzo Troncone.pdf Download (5MB) | Anteprima

Abstract

Nella gestione delle attività industriali il processo decisionale è il fondamentale strumento cognitivo per l’identificazione di strategie per la generazione di valore e la gestione dei rischi. La radice latina della parola decidere, de-caedere, ci fa comprendere che il processo decisionale implica necessariamente delle scelte (Ros, 2007): Scelte alle volte guidate dalla razionalità, alle volte invece guidate da fenomeni più complessi, implicando aspetti insiti del comportamento e della natura umana. Nei sistemi organizzativi, ad esempio, intervengono aspetti legati al rapporto tra singolo e la collettività: Questo perché, soprattutto nelle attività complesse, quali la gestione di un progetto, l’attività d’impresa, o il settore sanitario, il processo decisionale avviene attraverso un confronto tra diversi decisori, che contribuiranno a tutte o ad alcune sue fasi: in questi casi si parla proprio di decisione collettiva. Il concetto di decisione collettiva implica dei rischi: mentre da un lato l’analisi del problema può arricchirsi della conoscenza e del differente know-how dei diversi soggetti, dall’altro la qualità del processo decisionale potrebbe essere affetta da distorsioni dovute alle relazioni tra i decisori e mancanza della capacità di valutare e monitorare oggettivamente la qualità delle informazioni fornite dai decisori, base delle assunzioni delle scelte conseguenti al processo decisionale. Questo fenomeno è, di fatto, il frutto di una mancanza di gestione della contraddizione e del consenso tra i giudizi forniti dai diversi decisori, compromettendo così la qualità del processo decisionale. La ricerca ci mostra diverse casistiche in cui un processo mal gestito in una decisione collettiva ha generato conseguenze indesiderate ed in alcuni casi catastrofiche (Janis, 1972).Tuttavia le decisioni collettive aprono scenari di straordinarie opportunità per le organizzazioni e l’umanità: Internet e la soft computing, hanno creato le condizioni per uno sviluppo esponenziale delle applicazioni dei processi decisionali e cognitivi collettivi, sfruttando il concetto di Intelligenza Collettiva , come dimostrato da alcuni importanti risultati raggiunti nell’ultimo decennio: In 10 anni siamo riusciti a sviluppare la più grande Enciclopedia che il genere umano abbia potuto concepire nell’arco della propria storia millenaria (Wikipedia) attraverso il contributo della rete, in sole tre settimane degli scienziati dilettanti, lavorando in gruppo, scoprono la struttura di un enzima che per anni aveva eluso la scienza utilizzando Foldit, un portale in cui la ricerca sulla struttura delle proteine viene portata avanti attraverso un videogame collettivo; oltre 200.000 mila solver ogni giorno collaborano alla soluzione di importanti problemi tecnici per aziende ed organizzazioni internazionali attraverso la piattaforma online Innocentive [MIT, Handobook of Collective Decision, 2015]. Questa straordinaria opportunità introduce le domande alla base di questo progetto di ricerca: Com’è possibile migliorare i processi decisionali collettivi legati alla pianificazione ed analisi dei rischi, cogliendo le opportunità aperte dai nuovi strumenti della logica e della soft computing per la gestione dell’ Intelligenza collettiva? Questa ricerca risponde a questa domanda affacciandosi all’utilizzo di Logiche Non-Classiche, e in particolare, della Logica Paraconsistente. La ricerca, con un occhio attento alle applicazioni industriali, si è posta anche una seconda domanda conseguente alla prima, frutto di un’interessante osservazione emersa durante la ricerca bibliografica e cioè: Proprio l’analisi dei risultati ottenuti su Wikipedia, dimostra che con il crescere della portata e maturità delle attività di Intelligenza Collettiva, si potrebbe avere un aumento dei costi di coordinamento (Kittur, Suh, Pendleton, & Chi, 2007). L’aumento della maturità delle attività cui si riferiscono gli autori, è soprattutto legato all’aumento di policy stringenti per garantire la qualità delle informazioni e dei processi decisionali. Dunque: Nella gestione di Progetti e Processi Complessi, con il coinvolgimento di un elevato numero di decisori ma policy stringenti, come gestire il trade-off tra qualità delle informazioni e costi del processo decisionale? Questa domanda trova risposta nella soluzione applicativa proposta: Lo sviluppo di un metodo di gestione del processo decisionale, sul modello cognitivo , attraverso la customizzazione di un semplice algoritmo paraconsistente, “Para-Analisador LPA2v” , la cui efficacia ed efficienza è stata dimostrata in diverse applicazioni industriali ed informatiche. L’algoritmo è stato customizzato per la gestione dell’Intelligenza Collettiva e posto al centro di un metodo per la completa gestione del consenso all’interno del processo decisionale, attivando un processo ciclico di miglioramento delle strategie proposte e valutate dalla collettività, permettendo la misurazione della qualità delle informazioni, la tracciabilità e la gestione dei rischi derivanti dalla contraddizione e dalla mancanza di informazioni. Il progetto di ricerca ha notevolmente customizzato l’LPA2v focalizzandolo agli obiettivi della ricerca, al punto da inserire all’interno del processo un sistema di indicatori per la misura della performance dei decisori con feedback retroattivo sul grado di confidenza fornito dai decisori: questo al fine di garantire la qualità del processo, spostando la responsabilizzazione dei decision-maker da responsabilità verso le regole a responsabilità verso i risultati. Il metodo è stato informatizzato grazie alla creazione di una start-up, spin-off della ricerca, che sta esplorando le potenzialità applicative della metodologia, integrandola con strumenti dell’Intelligenza Artificiale. Le applicazioni di questo studio sono state indirizzate soprattutto ai problemi di pianificazione industriale, mostrando nella tesi i necessari settaggi dell’algoritmo per questo tipo di problemi; tuttavia il metodo è applicabile anche a settori differenti, come quello sanitario e finanziario: A tal proposito sono stati svolti dei semplici test dimostrativi illustrati nell’ultimo capitolo. Come detto, il metodo proposto è ciclico, propone cioè un processo a strategie mutevoli a consistenza crescente con la maggior comprensione della realtà derivante dal contributo della collettività: per tale motivo prende il nome di Butterfly in analogia con il concetto di biologia di un’idea: a chi scrive, il processo di vita di una farfalla, fragile e mutevole, è sembrato similare alla fase preliminare del set-up di una strategia che successivamente si concretizza in attività operative. Fase preliminare a elevata incertezza, su cui ci si è concentrata la Ricerca.

Downloads

Actions (login required)

Modifica documento