Faccio parte di un gruppo di lavoro al Consiglio d’Europa che si occupa di “Quality job creation through social links and social innovation” (l’espressione “social innovation” è un’aggiunta recente al nome del gruppo; di questa aggiunta credo di essere in parte responsabile). Uno dei problemi che ci stiamo ponendo è questo: stante che esiste un gruppo di persone interessanti, che chiamano se stessi innovatori sociali; stante che queste persone sembrano avere un potenziale per migliorare la società che abitano; stante che sembra si tratti di soggetti di nuovo tipo – che, quindi, richiedono politiche pubbliche di nuovo tipo, diverse da quelle per le imprese e per il mondo del non profit; stante tutto questo, ne consegue che alle autorità pubbliche si richiede di fare cose nuove, forse anche radicalmente nuove. Bene. Ma come imparano le istituzioni?

Mi sembra una domanda importante. Ho lavorato a progetti pilota pubblici apprezzati come innovativi (Kublai o Visioni Urbane, per esempio); la sfida che attende questi progetti è la trasformazione in metodi che fanno parte del normale arsenale con cui le autorità che li hanno varati affrontano il mondo. Con il sostegno del Consiglio d’Europa ho potuto affrontare il problema in modo strutturato. La mia conclusione provvisoria è che il modello prevalente di apprendimento per le autorità pubbliche è razionale-weberiano e completamente sbagliato. Funziona così:

• Un problema nuovo viene avvertito dalla pubblica opinione
• Politici in concorrenza tra loro per i voti degli elettori lo incorporano nelle loro piattaforme elettorali, insieme alle soluzioni che propongono
• Una volta eletti, i rappresentanti del popolo legiferano in conseguenza delle loro piattaforme elettorali
• La nuova legge si trasforma, in modo lineare, in policy, cioè in azione da parte del governo

Questo modello è elegante ma inutilizzabile. Richiederebbe (1) che politiche alternative (per esempio: carbone pulito vs. rinnovabile vs. nucleare per la politica energetica) potessero venire discusse in profondità e in modo razionale già nelle campagne elettorali; (2) che l’elettorato avesse modi efficaci di vincolare gli eletti alle loro promesse elettorali; (3) che la conversione di una legge in policy fosse “lineare” e non richiedesse interpretazione da parte dell’esecutivo; e (4) che le politiche fossero una strada a senso unico, cioè un fenomeno che influenza la società ma non ne viene a sua volta influenzato. Nessuno di questi requisiti è soddisfatto, nemmeno lontanamente.

E allora? Allora ha più senso abbandonare Weber e la metafora del meccanismo come strumento per capire l’azione di governo, e abbracciare invece, quella dell’ecosistema. Propongo di considerare le autorità pubbliche come sistemi adattivi complessi che coevolvono con la società e l’economia. Insegnare loro ad avere a che fare con l’innovazione sociale – o qualunque cosa nuova, al di fuori della loro esperienza – significa cercare di aiutarle a pensare gli agenti economici e sociali come mossi dalle forze dell’evoluzione, che naturalmente premiano il più adatto. La policy, in questo contesto, diventa l’atto di strutturare un fitness landscape che porti gli agenti ad incamminarsi verso il risultato auspicato. Invece di preterminare i propri esiti top-down, essa abilita e incentiva gli agenti a fornirle input. Questo ha precise conseguenze sulla progettazione dell’azione di governo in pratica. Una di queste è che un’architettura costituzionale che abilita l’apprendimento dal basso (come la Common law) è intrinsecamente superiore a una che non lo fa.

Se ti interessa l’argomento puoi leggere il paper (in inglese): il Consiglio d’Europa mi ha autorizzato a condividerlo. Grazie a Gilda Farrell e Fabio Ragonese per la gentile concessione.

Ho iniziato il 2010 con il proposito di studiare l’economia della complessità. Nel mio lavoro di consulente sulle politiche pubbliche mi trovo a dovere risolvere problemi che l’economia che ho studiato all’università non riesce neppure a descrivere, non parliamo poi di risolverli. L’approccio delle scienze della complessità – un curioso miscuglio molto interdisciplinare di biologia, informatica, un po’ di neuroscienze e vari altri ingredienti minori, dalla statistica all’archeologia, con la matematica a tenere insieme il tutto – potrebbe avere qualche risposta.

Beh, pare proprio che avrò parecchie occasioni di studiare queste cose. A partire dall’anno accademico 2010-2011 sono infatti uno studente di dottorato in economia quantitativa all’università spagnola di Alicante. Il mio supervisore sarà David Lane, che fa parte dello Science Board del leggendario Istituto di Santa Fe, e se tutto va bene discuterò la tesi nell’autunno 2012. L’argomento della tesi è piuttosto pratico: voglio capire come usare le reti sociali per eseguire dei compiti. Le reti, non le persone che le compongono.

Il problema è molto più aggrovigliato di quanto sembra. Abbiamo sempre detto che le dinamiche sociali sono emergenti. La maggior parte degli oggetti interessanti nella società, dal sistema di Common Law alle culture e perfino alla criminalità organizzata, sono sistemi adattivi complessi, e il loro comportamento è imprevedibile a lungo termine. Non è questione di raffinare i modelli previsionali: secondo questo tipo di scienza, è imprevedibile in linea di principio.

D’altra parte io ho teorizzato (in Wikicrazia) e provato a mettere in pratica (in Kublai e altrove) l’idea di imbrigliare l’intelligenza collettiva per migliorare le politiche pubbliche e, in definitiva, il mondo in cui viviamo. Come conciliare l’imprevedibilità delle reti sociali con la direzionalità che le politiche pubbliche richiedono? Vorrei esplorare l’idea che sia possibile, attraverso scelte di progettazione e la somministrazione di stimoli adeguati, addestrare le reti sociali, come se fossero dei grandi animali; e sfruttare la loro capacità di elaborare l’informazione, che è molto più che umana, per fare vivere meglio gli umani. Questo vuol dire innanzitutto comprenderne la struttura matematica, e cercare di influenzarla; è quello che abbiamo cominciato a fare insieme a Ruggero Rossi, anche lui studente ad Alicante. Comunque sia, ritorno a scuola: a 44 anni, è davvero un lusso e un avventura meravigliosa. Grazie davvero a Giovanni Ponti, il direttore del programma di dottorato, per avermi conferito di nuovo il titolo accademico più importante e prestigioso: quello di studente.

Nella seconda metà degli anni 80 mi sono interessato per un po’ di computer graphics, e mi sono imbattuto in Symbolics, uno spinoff del MIT AI Lab che si occupava tra l’altro di visualizzazione avanzata. Questo video, presentato da Symbolics a SIGGRAPH 1987, mi colpì moltissimo: come facevano a fare muovere uno stormo di uccelli in un modo così naturale? Al tempo sembrava stregoneria, e io del resto ero uno studente di economia della provincia italiana, senza nessuna possibilità di capire il lavoro dei maghi del computer del MIT; quindi ho accantonato la domanda. Fino a che, nel 2009, mi è capitato di leggere un libro del 1992,  Complexity di Mitchell Waldrop, che ha la risposta alla mia domanda di 22 anni prima. Ogni uccello dello stormo (o pesce del banco), segue tre semplici regole di comportamento:

1. Prova a mantenere una distanza minima dagli altri oggetti dell’ambiente, inclusi gli altri uccelli/pesci (Craig Reynolds a Symbolics li chiamava “boids”).
2. Prova ad adeguare la propria velocità a quella degli altri uccelli/pesci nelle vicinanze.
3. Prova a spostarsi verso il centro di gravità degli altri uccelli/pesci nelle vicinanze.

La naturalezza dei movimenti dello stormo è emergente. Per quanto ne sa il programma, non c’è nessuna entità chiamata stormo: sta animando dei singoli boids. Semplici regole di interazione locale tra di essi producono un comportamento collettivo elegante ed efficace.

Aspetta un attimo. Questo non è poi così diverso da quello che succede in Kublai. Esempio: volevamo che la community salutasse i nuovi iscritti. Naturalmente non è una cosa che si possa fare per decreto. Quindi abbiamo fatto così: Walter e io, che siamo amici e anche membri molto attivi della community, abbiamo creato un Welcome Group e abbiamo iniziato a farlo. Questo ha generato un movimento che può ricordare il volo di un (piccolo) stormo: i nostri “vicini di rete”, o almeno alcuni di essi, si sono a loro volta iscritti al gruppo e hanno iniziato anch’essi a dare il benvenuto ai nuovi entrati. In breve tempo hanno sviluppato un modo più efficace di tenere nota di chi stava facendo cosa (dopo un po’ di tentativi-ed-errori Pico ha proposto un widget che va bene per tutti), e i loro vicini di rete hanno cominciato a imitarli… iniziatori compresi!

Le communities sono, per definizione, impossibili da controllare; ma certamente è possibile influenzarle. Questa affermazione è abbastanza ovvia, molti di noi ne hanno fatto esperienza. Questa intuizione di volare a stormi, se confermata dall’analisi, potrebbe portare allo sviluppo di tecniche per influenzare i social network (non solo sicuro che “gestire” sia una parola appropriata) basate sulla costruzione di “isole” di interazione locale in cui certe regole sono accettate, e da cui poi queste regole si propagano attraverso le connessioni della rete stessa. Naturalmente la localizzazione di queste isole è importante: in Kublai Walter e io siamo le persone di gran lunga più centrali negli autovettori, secondo Ruggero.

Mi chiedo se questo meccanismo possa aiutarci a capire perché la gente sembri “troppo collaborativa” sui social networks e perché, di converso, i comportamenti opportunistici siano molto meno diffusi di quanto si possa pensare “da fuori” (e infatti “da fuori” la rete sembra un luogo pericoloso ai vari D’Alia, Carlucci, Rossi et cetera). La cooperazione è una proprietà emergente delle reti, anziché una intrinseca delle persone?

Io veramente sarei un economista, ma negli ultimi anni – da quando mi occupo del nesso creatività/innovazione/sviluppo – i miei strumenti di lavoro sono stati molto diversi da quelli che immaginavo che gli economisti usassero normalmente. Non solo blog e social networks, ma anche happy hours, barcamp e mashup tra Second Life e real life. Molte delle cose che faccio mi sembrano istintivamente giuste e funzionano anche abbastanza bene, ma non è affatto facile capire se sto davvero facendo le mosse migliori o se invece mi lascio sfuggire opportunità importanti, semplicemente perché non le vedo. In questo l’economia che ho studiato a scuola non mi aiuta affatto, e anche i pure importanti contributi intellettuali assorbiti lungo il cammino – dalla teoria dei giochi alla nuova geografia economica, dall’analisi territoriale dell’innovazione à la Saxenian alla teoria della decisione pubblica – non bastano più. E quando ti trovi a spendere denaro dei contribuenti per migliorare il tuo avatar su Second Life in modo da generare credibilità (ok, erano solo cinque dollari, ma ciò che conta è il concetto) è tempo di aggiornare il tuo quadro teorico.

Per qualche anno mi sono guardato intorno, e mi sembra di avere individuato un filone di studi molto promettente nell’economia della complessità (complexity economics). Si tratta del tentativo di applicare alla scienza economica un quadro concettuale sviluppatosi in aree completamente diverse (dalla biologia alla meteorologia) in cui l’approccio classico basato su riduzionismo e determinismo non stava funzionando. Sebbene questo approccio vanti ascendenze intellettuali proprio nella scienza economica, e in particolare nella scuola di Vienna e in Von Hayek in particolare, il luogo di nascita del concetto di sistema complesso è in genere indicato nel Santa Fe Institute. Ho così cominciato a frequentare David A. Lane, che proviene appunto da Santa Fe ma adesso insegna in Italia, e a scambiare con lui alcune opinioni. Ultimamente parliamo molto di Kublai, e un paio dei suoi studenti stanno provando ad analizzare il social network di Kublai come sistema complesso: l’approccio è interessante, vedremo cosa ne uscirà.

Intanto ho cominciato a leggere Complexity Perspectives on Innovation and Social Change, di David e altri (di prossima pubblicazione). Rispetto agli articoli di fine anni 90 e inizio anni 2000 c’è una crescita molto evidente: l’”approccio complexity” di allora si sta trasformando in una vera e propria teoria economica. E dà conto di una cosa che penso da tempo, e cioè che l’innovazione tecnologica non esiste. Esiste l’innovazione, che avviene nello spazio agenti-artefatti-cultura, e che coinvolge persone, modalità di interazione, nuovi artefatti, e le attribuzioni che gli agenti hanno su tutto ciò. La tecnologia ne è una parte, non separabile dal resto del sistema complesso.

Per un economista tutto sommato plebeo e convenzionale come me, tirato su a Keynes e Edgeworth, la lettura di questa roba è una specie di trip psichedelico. Leggo di “storia darwiniana”, “ortogonalità funzionale”, “spazio agenti-artefatti, “slittamento di attribuzioni” e perfino “exaptive bootstrapping dynamics”, che non so nemmeno come tradurre in italiano, fino a che il mio cervello non comincia a fumare come un vecchio motore surriscaldato. Ma è bello, molto bello, e ne stravale la pena. E mi viene da pensare – con uno strano, distorto orgoglio professionale – che David insegna in una facoltà di economia: ci deve essere qualcosa di buono in una disciplina capace di mettersi in discussione così profondamente, e di darmi, a distanza di vent’anni, ancora stimoli nuovi.